典型草地土壤包絡線光譜特征參數與植被覆蓋度相關性

胥靜　蔣平安　武紅旗

摘要：對新疆8種典型草地形成的不同類型土壤進行了光譜室內采集，以求能夠通過包絡線消除法和植被覆蓋度對不同土壤有機質的含量高低做一個快速判斷。運用包絡線消除法提取了不同土壤的包絡線特征參量，結合地上的植被覆蓋度對有機質含量不同的土壤與植被覆蓋度之間的關系進行了預測。結果表明，包絡線消除后所得到的特征參數中，不同土壤光譜特征值存在差異。吸收深度對吸收面積的影響不顯著，吸收峰面積可以用來描述不同土壤有機質含量的高低。建立了吸收峰面積和植被覆蓋度之間的模擬方程，其中0～5 cm土層土壤的顯著性最高（P<0.05）。與東北黑土包絡線消除的顯著性波段范圍相比，新疆草地土壤的包絡線消除相關性達到0.6以上的波段位置發生了前移現象。

關鍵詞：高光譜；土壤類型；植被覆蓋度；去包絡線

中圖分類號：S151.9+2 文獻標識碼：A 文章編號：0439-8114（2015）01-0043-05

草地資源作為重要的國土資源，也是有生命的可更新自然資源，具有極其重要的生態、經濟和社會價值[1]。如何更好地保護和利用有限的草地資源顯得尤為重要。隨著人們生活水平的增加，對畜產品的需求在增大，這對有限的草地資源來說，過度放牧造成的草場退化使其恢復過程也將變得復雜。雖然草地土壤的退化速度要滯后于草地植被的退化，但土壤的恢復時間要遠遠超過草地植被的恢復[2]。土壤的退化主要表現在肥力的降低，機械組成發生變化，不保水保肥，荒漠化。衡量土壤肥力的高低指標主要還是其有機質含量的高低。由于新疆特殊的地形地貌導致草地的類型出現了明顯的地帶性分布，其中既有按著降水因素出現的水平性地帶分布，還有海拔造成的垂直地帶性分布[3]。新疆是中國主要的牧區之一，草地資源豐富，草場載畜量較高。近年來，新疆的草地資源也不同程度地遭受了過度放牧造成的草地地力退化。草地土壤中有機質含量的高低是評價草地資源的重要指標之一，防止草地土壤有機質降低對于恢復草地養殖力，防止沙漠向綠洲的進攻有著重要的意義[4]，同時，對于新疆經濟社會的穩定也有著不可替代的戰略性意義。光譜技術的運用至今已發展了30多年，在土壤領域取得了許多重要成果，錢育蓉等[5]對新疆典型荒漠草地的高光譜特征進行了提取和分析；BEN-DOR等[6]研究了土壤光譜反射形成的機理以及有機質、水分、氧化鐵、母質對土壤光譜的影響；SWAIN等[7]研究了土壤光譜特征中的參量并對其個別進行了定量分析；徐彬彬[8]對土壤剖面的反射特性進行了研究，并對南疆土壤光譜與有機質的含量進行了早期的相關性分析；謝伯承等[9]運用包絡線消除法成功建立了光譜特征吸收面積和有機質含量間的線性回歸方程，相關性達到0.01顯著水平。與傳統的土壤室內分析方法相比較，光譜技術的運用不僅提高了試驗數據分析的效率，也降低了對環境的污染，還節約了成本。光譜技術在新疆草地群落[10]和植物營養元素[11]方面的研究較多，而新疆草地土壤的光譜特征報道較少。本研究在前人對有機質含量和光譜特征參數研究的基礎上，通過結合光譜特征參數和植被覆蓋度兩個因子，研究二者之間的相關性。旨在通過對土壤光譜特征參數的提取與比較，對草地土壤肥力的動態變化做一個快速的粗判斷，以期為草地資源評價中判斷土壤理化性質動態變化提供基礎的科學依據。

1 材料與方法

1.1 樣品采集

于2012年7～8月牧草生長旺季對新疆的典型草地進行土壤采集，并用GPS定位。對于地上草本植物，選用100 m典型樣線調查法，并在樣線上設置1 m×1 m樣方。所測土壤點的分布如圖1所示（以1∶10 000 000“新疆維吾爾自治區草地類型圖”為依據，以 ArcGIS 9.2為平臺制成樣點圖）。

測試土壤樣點主要集中于新疆的西北部，少部分位于南疆昆侖山一帶（阿勒泰地區11個點，塔城地區14個點、博樂地區7個點、伊犁地區9個點、克州9個點）。對剖面點地上部分的1 m×1 m樣方拍照，并記錄地上部分主要植被。地下部分按照寬度0.6 m、長度0.8 m、深度1.0 m挖取剖面，共挖取了50個剖面。同時，每個剖面進行分層取樣，取樣深度范圍為0～30 cm，所得土壤樣本共計200個。所取土壤樣品經自然風干、研磨并通過2 mm孔篩，采用4分法取樣裝袋用于室內光譜測定。樣方中的土壤樣本信息見表1。

1.2 數據測定

光譜的測定分為野外測定和室內測定兩種。通常室外測定容易受到天氣及其他地物的干擾，得到的數據精確度不高。相比較而言，室內測定干擾因素少，幾何條件也較易人為控制，得到的數據準確度高，運用也較為廣泛。本試驗選擇的是光譜的室內測定。為避免陽光等人為因素對光譜測定的干擾，選擇在暗室進行，測量人員盡量穿深色衣物將人為干擾因素降到最低。儀器室內幾何條件設定為：光源入射角15°，探頭距離30 cm，光源距離80 cm。將處理好的樣品放入直徑為22 cm，深度為3.5 cm的塑料小盤中，用直尺將土壤表面刮平，進行光譜測量。本試驗按照以下規范[12]測量，每個土壤樣點測10條曲線，每測10～20 min進行一次白板校正。

本試驗的儀器采用美國SVC-HR768便攜式地物光譜儀。光譜測量范圍：350～2 500 nm，通道數768（光譜帶寬350～1 000 nm 范圍內≤3.5 nm；1 000～1 500 nm和1 000～2 100 nm 范圍≤16 nm，最小積分時間1 ms），4°視場角探頭和50 W標準光源。測量方式為手持；附帶SVC-HR768光譜降噪軟件，可對350～2 500 nm范圍內采集的光譜數據進行集中的噪聲干擾降噪處理。然后再用9點加權移動平均法對原始光譜曲線進一步去噪聲處理。

1.3 數據處理

光譜的數據處理方法較多，土壤光譜數據通常是運用微分和倒數等數學方法進行建模。礦物高光譜分析中的包絡線消除法也被廣泛運用到土壤理化參數的提取，并取得了良好的效果。圖2為去包絡線示意圖[13，14]。運用ENVI軟件中自帶的處理高光譜數據模塊，它可以有效地突出光譜曲線吸收和反射特征，并將其歸一到一個一致的光譜背景上，有利于和其他光譜曲線進行特征數值比較，從而提取特征波段進行分類識別，并且能消除土壤中其他物質的噪聲干擾，在土壤的有機質預測中運用十分廣泛。土壤經過去包絡線處理后，提取以下幾個特征值：①吸收深度，在歸一化的曲線的吸收谷中，即1-最小反射率的歸一化值；②吸收位置，在包絡線去除歸一化的曲線的吸收谷中，反射率最小的波長；③吸收峰總面積，定義為吸收峰面積之和[15]。endprint

植被覆蓋度的計算是根據1 m×1 m草地樣方的照片，利用ENVI軟件的監督分類功能，對不同草地類型下的土壤進行植被覆蓋度計算。通過前人對土壤有機質近紅外波段的范圍，確定有機質含量與草地覆蓋度之間的相關性。

2 結果與分析

2.1 不同土壤下的植被覆蓋度變化

圖3是8種草地樣方與對應的土壤之間的植被覆蓋度關系圖。土壤是植物生長的基礎，土壤中有機質含量對植物的生長有一定的影響。從土壤肥力的高低來看，鹽土的有機質含量最低，圖3中鹽土上的植被覆蓋度也是最低的。圖3中草氈土的植被覆蓋度最高，其具體的有機質含量還需下一步對其光譜數據進一步處理來得出。其他類型土壤的覆蓋度高低從圖3上看依次是灰褐土、黑氈土、黑鈣土、灰棕漠土、棕漠土、棕鈣土；由于取土的過程是分層取樣，按照0～5 cm、5～10 cm、10～20 cm、20～30 cm總共取了4個層次的土壤，為了更加明確每層土壤中光譜特征參量與植被覆蓋度之間的關系，將上述土壤按照植被覆蓋度的50%為界限進行分組?？偣卜譃閮山M，植被覆蓋度大于50%的高覆蓋度組和植被覆蓋度小于50%的低覆蓋度組。

2.2 不同覆蓋度下的土壤包絡線消除處理

2.2.1 高植被覆蓋度下的土壤包絡線消除 圖4是高覆蓋度的0～5 cm包絡線消除處理。圖4a是350～2 500 nm全波段下的土壤光譜包絡線消除圖。根據劉煥軍等[16]對東北黑土的有機質預測研究表明，土壤中的有機質對近紅外波段的吸收區域的范圍為545～1 250 nm，包絡線消除的圖像上會出現明顯的吸收谷現象。包絡線消除后反射率的最大歸一化值（等于1）。根據對半干旱區的新疆草地土壤實測后對其包絡線消除，發現在與前人提到的有機質的近紅外波段有重合外，起始波段發生了前移。為了使圖像看得更加清晰，將有機質的近紅外波段提出來單看就是圖4b。從歸一化曲線的走勢來看，4種土壤的曲線走勢大致相似，只是在曲線的弧度和波段范圍以及吸收深度上出現差別。

這可能與土壤顏色的深淺有關，土壤之所以會有顏色深淺的不同，主要還是因為其中有機質含量的多少。對于半干旱的新疆來說土壤顏色大都以暗色為主，由于氣候和地理位置等主要因素形成了具有典型特點的半干旱區土壤。對于其他層次的土壤也按照上述方法進行光譜包絡線消除。根據前文提到的光譜特征參數，對相應的參數按照數學方法進行提取。將歸一化總面積定義為S，S=■diΔλ，i=350 nm，…，1 000 nm；此處di為吸收深度，Δλ為波長的增量。通過對不同類型土壤有機質近紅外波段的吸收面積，來比較不同土壤的有機質含量高低。

2.2.2 低覆蓋度下的土壤光譜包絡線消除處理 圖5是植被覆蓋度小于50%的0～5 cm的包絡線消除處理，對于其他層的土壤處理也按照此進行。圖5a展示的是350～2 500 nm全波段的包絡線消除圖。同樣，按照前人提到的有機質近紅外波段進行截取，將所測土壤的有機質近紅外波段范圍擴大，如圖5b所示。與高覆蓋度的圖4b相比，歸一化后，光譜曲線在走勢和弧度上出現了明顯差別。在圖5b中，各土壤之間的曲線走勢出現了交叉和部分重疊，而圖4b各曲線走勢較規律。

2.3 不同類型土壤光譜特征參數比較

利用數學統計方法將4種高覆蓋度土壤各個光譜特征參數的值算出，結果（表2）表明，吸收峰面積最大的是黑鈣土，最小的是灰褐土。4種土壤的有機質近紅外波段位置是依次遞增的。吸收深度的變化不是很規律。吸收峰面積最大的黑鈣土的各個土層的吸收深度大小依次是0～5 cm、5～10 cm、20～30 cm、10～20 cm。各個土層的吸收峰面積大小依次是0～5 cm、5～10 cm、10～20 cm、20～30 cm。吸收峰面積最小的灰褐土的各個土層吸收深度是5～10 cm土層最大，20～30 cm土層次之，5～10 cm土層和10～20 cm土層較小。

表3是4種植被覆蓋度低的土壤的光譜特征參數。從表4可以得出，在0～5 cm的土層中，吸收深度最小的是棕漠土，最大的是棕鈣土，吸收峰面積最大的是棕鈣土；5～10 cm的土層中，吸收深度最大的是棕鈣土，最小的是棕漠土，吸收峰面積最大的是棕鈣土；10～20 cm的土層中吸收深度最大的是棕鈣土，最小的是鹽土，吸收峰面積最大的是棕鈣土； 20～30 cm的土層中，吸收深度最大的是棕鈣土，吸收峰面積最大的是棕鈣土。

4種土壤的特征波段范圍是依次遞增的。棕鈣土的各個土層吸收深度的大小依次是10～20 cm、5～10 cm、20～30 cm、0～5 cm；各個土層吸收峰面積大小依次是10～20 cm、20～30 cm、5～10 cm、0～5 cm。吸收峰面積最小的鹽土各個土層之間的吸收深度大小依次是0～5 cm、5～10 cm、10～20 cm、20～30 cm；吸收峰面積大小依次是0～5 cm、5～10 cm、10～20 cm、20～30 cm。

2.4 吸收峰面積與植被覆蓋度之間的相關性分析

以表2和表3中的光譜特征參數吸收峰面積為自變量，建立植被覆蓋度和土壤有機質積分面積之間的相關性分析。所得方程如表4所示。從表4中數據關系可以看出，表層0～5 cm土壤吸收峰面積和植被覆蓋度呈顯著相關。

3 討論

通過對土壤光譜特證參數的提取，并對有機質含量不同的土壤進行了光譜特征參數比較。結果表明吸收峰面積可以用來表示不同土壤有機質含量的高低，印證了謝伯承等[9]建立的吸收峰面積與有機質含量的線性相關性。對不同土壤之間的吸收深度比較發現，同一種土壤的吸收深度變化差異不大。植物是土壤理化特征的指示物，對于草地土壤而言草地資源的優良與否，植被覆蓋度在一定程度上可以作為其指示的晴雨表，具體到主要影響因素，關鍵還是土壤中有機質積累量的動態變化。

本研究在前人光譜研究土壤的基礎上，對以上兩組不同植被覆蓋度的土壤進行了光譜數據包絡線消除，得到了不同土層深度下土壤中有機質在近紅外波段下的光譜特征值?；诿糠N土壤下對應的植被覆蓋度，將特征參數與植被覆蓋度之間進行相關性分析，得出以下結論：①包絡線消除后所得到的特征參數中，吸收峰面積可以用來描述不同土壤有機質含量的高低。上述8種土壤中，吸收峰面積最大的是黑鈣土，吸收峰面積最小的土壤因土層的厚度不同而有所差異。②包絡線消除的相關系數在0.6以上的新疆草地土壤的有機質吸收位置（380～490 nm）與東北黑土光譜特征研究[16-18]的包絡線消除出現的位置（545～1 250 nm）相比，發生了前移現象。③土層的深度對有機質含量的高低也有一定的影響，從模擬方程來看，表層土壤的吸收峰面積和植被覆蓋度的相關性較顯著。隨者土壤深度的加深，顯著性降低。endprint

該研究結果表明，運用光譜特征參數中的吸收峰面積和植被覆蓋度來評價不同土壤肥力的高低是可行的，尤其是草地表層土壤肥力的高低與植被覆蓋度之間的相關性較顯著。為了提高本試驗的精度和穩定性，對于樣本的容量還需進一步擴大。

參考文獻：

[1] 干友民，李志丹，澤 柏，等.川西北亞高山草地不同退化梯度草地土壤養分變化[J].草業學報，2005，14（2）：38-42.

[2] 周 莉，李保國，周廣勝.土壤有機碳的主導影響因子及其研究進展[J].地球科學進展，2005，20（1）：99-105.

[3] 張鳳榮.土壤地理學[M].北京：中國農業出版社，2001.

[4] 范燕敏，武紅旗，靳瑰麗.新疆草地類型高光譜特征分析[J].草業科學，2006，23（6）：15-18.

[5] 錢育蓉，于 炯，賈振紅，等.新疆典型荒漠草地的高光譜特征提取和分析研究[J].草業學報，2013，22（1）：157-166.

[6] BEN-DOR E， BANIN A. Near infrared analysis（NIRA） as a rapid method to simultaneously evaluate，several soil properties[J]. Soil Sci Soc Am J， 1995， 59：364-372.

[7] SWAIN P H， DAVIS S M. Remote Sensing：The Quantitative Approach[M]. New York： Mcgraw-Hill International Book Company，1978.

[8] 徐彬彬.土壤剖面的反射光譜研究[J].土壤，2000（6）：281-287.

[9] 謝伯承，薛緒掌，劉偉東，等.基于包絡線法對土壤光譜特征的提取及分析[J].土壤學報，2005，42（1）：171-175.

[10] 楊 峰，李建龍，楊文鈺.基于線性光譜混合模型的荒漠草地覆蓋度估測[J].農業工程學報，2012，28（7）：243-247.

[11] 王 成，趙春江，喬小軍，等.番茄營養元素供應的光譜檢測技術研究進展[J].農業工程學報，2008，24（2）：343-346.

[12] 張 麗，武紅旗，蔣平安，等.北疆典型土壤反射光譜特征研究[J].水土保持學報，2013，27（1）：273-276.

[13] VAN DER MEER F. Analysis of spectral absorption features in hyperspectral imagery[J]. International Journal of Applied Earth Observation and Geoinfor-Mation，2004，5（1）：55-68.

[14] 樊 磊，趙文吉，宮兆寧，等.基于包絡線消除法的巖石光譜對應分析[J].吉林大學學報（地球科學版），2012，42（2）：575-582.

[15] 張雪紅，劉紹民，何蓓蓓，等.基于包絡線消除法的油菜氮素營養高光譜評價[J].農業工程學報，2008，24（10）：151-155.

[16] 劉煥軍，宇萬太，張新樂，等.黑土反射光譜特征影響因素分析[J].光譜與光譜學分析，2009，29（11）：3019-3022.

[17] 孫建英，李民贊，唐 寧，等.東北黑土的光譜特性及其與土壤參數的相關性分析[J].光譜學與光譜分析，2007，27（8）：1502-1505.

[18] 于士凱，姚艷敏，王德營.基于高光譜的土壤有機質含量反演研究[J].中國農學通報，2013，29（23）：146-152.endprint