土壤含水量对采用Vis-NIR光谱分析土壤质地的影响

王 德 彩，张 俊 辉，韩 光 中

（1.河南农业大学林学院，河南 郑州 450002；2.内江师范学院地理与资源科学学院，四川 内江 641112）

0 引言

目前可见光近红外（Vis-NIR）光谱技术的发展为土壤质地的快速获取提供了新途径。反射光谱之所以能识别质地，一方面是基于不同质地土壤表面粗糙度差异引起的土壤反射曲线形状的差异，另一方面基于粘粒矿物的波谱差异［1］。大量的以风干土为研究对象的研究表明，Vis-NIR光谱可以较好地识别土壤质地［2－6］，但这些研究均未考虑土壤含水量对基于光谱分析土壤质地的影响。

土壤含水量是土壤的重要组成部分，水分对土壤的光谱反射率影响较大，随着土壤含水量增大，光谱反射率不断降低［7－10］。当土壤存在水分时，如何应用高光谱反演土壤质地有待研究［4］。目前针对土壤水分对土壤质地分析精度影响的定量研究已有一些尝试［1，11，12］。Chang 等［11］通过对比鲜土样和风干土样发现，利用土壤反射光谱均可估算土壤粘粒含量，风干土效果更好。Stenberg研究发现湿润土壤能一定程度提升土壤粘粒含量的分析精度［12］。但上述研究均是在土壤含水量相似的情况下进行的，未考虑土壤样本含水量差异较大时，土壤水分对土壤质地分析精度的影响。基于光谱技术的土壤属性野外大区域测定，在水分差异较大情况下，土壤含水量对基于光谱分析土壤质地的精度影响值得研究。本文在实验室条件下测量不同含水量状态下土壤的Vis-NIR光谱反射率，并按土壤含水量进行分组，建立不同土壤含水量状态的土壤质地分析模型，研究土壤含水量对土壤质地分析精度的影响，以期为野外土壤质地快速测定提供理论依据和方法。

1 材料与方法

1.1 研究区及采样分析

研究区位于河南省封丘县，属暖温带大陆性季风气候，年均气温16.0℃，年均降水量615.1 mm。该区为黄泛平原区，地势由西南向东北倾斜，海拔65～72.5 m，土壤主要为雏形土和新成土。在研究区，按3 km×3 km正交网格布设样点，以多点混合采样方式采样，每个采样点中心及四角周围10 m采5个土样进行混合，共采集表层（0～20 cm）样品78个。土壤质地采用激光粒度仪法（Beckman Coulter LS230，USA，测试粒径范围0.04～2 000μm）测定［13］。根据美国农业部的标准，将 ＞0.05 mm颗粒定义为砂粒，＜0.002 mm颗粒定义为粘粒。

1.2 土壤反射光谱测量

将土壤样品放置于底部有小孔、内衬定量滤纸的铝盒内（深约3 cm，认为光学上无限厚）。将铝盒放在盛有蒸馏水的容器中，让土壤从下往上吸水，直至土壤饱和。对土壤进行自然风干，每隔12 h测量土壤反射率，同时用天平测量湿土重量。设干土重＋铝盒重＋滤纸重为W1，湿土重＋铝盒重＋滤纸重为W2，铝盒＋滤纸重为W3，则每次监测时土壤平均质量含水量（简称含水量）θm为［14］：

运用ASD FieldSpec 3地物高光谱仪测量土壤样品的反射光谱数据，波长范围350～2 500 nm，重采样间隔为1 nm，输出波段数为2 151。操作过程在黑暗的实验室进行，每个样品旋转4次，每个角度扫描10次，共40次，取均值作为样本光谱。将光谱两端信号不稳定的波段（350～380 nm，2 400～2 500 nm）去除。按照水分差异对光谱曲线进行归类，分为0～50、50～70、70～100、100～150、150～200、200～250、250～300、300～350 g／kg，共8个水分等级。

1.3 模型建立与验证

2 结果与讨论

2.1 土壤质地数据统计特征

如表1所示，这6组样本偏度和峰度均在0～1之间，土壤样本质地数据接近正态分布。由表1可知，研究区粘粒、砂粒含量分别为6.43～21.30%、0.01～39.10%，平 均 含 量 分 别 为 19.69% 和11.16%。建模样本涵盖了总样本量的数据分布范围，具有较好的代表性。

2.2 土壤光谱反射率随土壤含水量变化特征

不同质地土壤光谱曲线随含水量变化趋势相同，以66号土为例给出其不同含水量状态下土壤反射光谱曲线（图1）。如图1所示，不同水分状态下土壤曲线形状相似，有两个反射谷，分别在1 450 nm和1 900 nm区，同时在2 150 nm处存在一个反射峰。随着土壤含水量增大，光谱反射率不断降低，这与土壤水分的光谱吸收有关。这一趋势与文献［7，10］的研究结果一致。

2.3 按照含水量分组建模及验证结果

不同土壤含水量PLSR建模及验证结果（表2）显示，粘粒含量模型校正集误差均较小，R2＞0.75，RMSECV≤1.54；砂粒含量模型校正集误差大于粘粒含量，除70～100 g／kg、100～150 g／kg两组外，R2＞0.60，RMSECV＜6.66。好的模型要同时具有好的模型校正精度和验证精度。粘粒含量RMSEP为1.10～1.66，其中150～200 g／kg含水量状态下的RMSEP最小；砂粒含量RMSEP为6.07～7.63，其中200～250 g／kg含水量状态下的RMSEP最小。图2和图3分别给出粘粒含量和砂粒含量最佳模型的估测值和实测值比较结果。综上，不同湿度状态下模型精度均较高，且差异较小，本研究认为湿土可直接用于土壤质地分析。

Stenberg研究发现，体积含水量为12.5%和30%状态下，能有效提高土壤粘粒分析精度［12］。本研究中150～200 g／kg含水量状态下模型RMSEP最小，为1.10，其次为250～300 g／kg含水量状态下（RMSEP为1.17），与Stenberg研究结论 基 本 吻合。此外，Stenberg对不同含水量的预处理方式是直接往干土中加入定量的水，本研究是在土壤饱和状态下持续监测，获取不同含水量状态下的土壤湿度状态，尽管获取的是平均含水量数据，但其更接近野外土壤的实际状态，更具实践指导意义。

2.4 PLSR模型交互验证结果

对各组模型分别分析其他7组不同含水量状态验证集的土壤质地，以探究土壤含水量差异较大时，土壤水分对光谱分析质地的影响。由于结果规律类似，只列出表2中砂粒含量及粘粒含量均较好的一组模型（含水量150～200 g／kg）分析其他含水量状态土壤质地的结果（表3）。

交互验证精度均低于本组即与之具有相同含水量状态的土壤样本的验证精度，且其精度随着验证样本与建模样本间水分含量的差异增大而急剧降低，如表3中砂粒含量RMSEP最大值达154.72。说明建模样本与验证样本处于相似含水量状态下，土壤含水量对土壤砂粒含量和粘粒含量精度的影响不显著，但当验证集样本与建模样本间水分状态差异较大时，会出现较大误差。应用光谱技术在野外实地估测土壤质地时，其含水量差异大，土壤含水量对精度的影响不容忽视，因此需要预先获取待测区域的土壤水分分布状态，然后根据水分状态建立分组光谱分析模型。此外，在将已有土壤质地光谱分析模型应用于野外实地土壤质地时，也应考虑待估测土壤的湿度状态与建模土壤样本湿度状态的差异。

3 结论

本文建立不同含水量状态下基于Vis-NIR光谱的土壤质地PLSR模型，研究土壤含水量对反射光谱法分析土壤质地的影响。在土壤处于同一湿度状态时，各含水量状态下均可取得较好的结果，可直接运用Vis-NIR光谱获取湿土质地信息，且粘粒含量和砂粒含量最佳模型分别出现在150～200 g／kg和200～250 g／kg含水量状态。当土壤样本间水分差异较大时，精度随着验证样本与建模样本水分含量的差异增大而急剧降低，水分对精度的影响不可忽视。因此，当土壤处于同一湿度状态时，在土壤含水量差异较大时，不宜建立统一的模型，可依据含水量状态建立分组分析模型。本研究为基于Vis-NIR光谱的土壤质地野外快速获取提供了理论基础和参考方法。本文结论是基于实验室测量光谱得出的，在野外实地应用中，土壤光谱的获取会受到大气状况、地表粗糙度等多因素影响，还需进一步对该模型进行验证分析。

［1］ WAISER T H，MORGAN C L S，BROWN D J，et al.In situ characterization of soil clay content with visible near-Infrared diffuse reflectance spectroscopy［J］.Soil Science Society of A-merica Journal，2007，71（2）：389－396.

［2］ 张娜，张栋良，李立新，等.基于高光谱的区域土壤质地模型建立与评价——以河套灌区解放闸灌域为例［J］.干旱区资源与环境，2014，28（5）：67－72.

［3］ BILGILI A V，VAN ES HM，AKBAS F，et al.Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of Turkey［J］.Journal of Arid Environments，2010，74：229－238.

［4］ 白燕英，魏占民，刘全明，等.基于高光谱的河套灌区农田表层土壤质地反演研究［J］.地理与地理信息科学，2013，29（5）：68－71.

［5］ 王德彩，邬登巍，赵明松，等.平原区土壤质地的反射光谱与地统计制图［J］.土壤通报，2012，43（2）：257－262.

［6］ MASSIMO C，RAFFAELE F，GIORGIO M，et al.Visible and near infrared spectroscopy for predicting texture in forest soil：An application in southern Italy［J］.Biogeosciences and Forestry，2014，doi：10.3832／ifor1221－007.

［7］ STONER E R，BAUMGARDNER M F.Characteristic variations in reflectance of surface soils［J］.Soil Science Society of America Journal，1981，45（6）：1161－1165.

［8］ LIU W D，BARET F，GU X F，et al.Relating soil surface moisture to reflectance［J］.Remote Sensing of Environment，2002，81（2）：238－246.

［9］ LOBELL D B，ASNER G P.Moisture effects on soil reflectance［J］.Soil Science Society of America Journal，2002，66（3）：722－727.

［10］ BOWERS S A，HANKS R J.Reflection of radiant energy from soils［J］.Soil Science，1965，100（3）：130－138.

［11］ CHANG C W，LAIRD D A，HURBURGH C R J R.Influence of soil moisture on near-infrared reflectance spectroscopic measurement of soil properties［J］.Soil Science，2005，170（4）：244－255.

［12］ STENBERG B.Effects of soil sample pretreatments and standardised rewetting as interacted with sand classes on Vis-NIR predictions of clay and soil organic carbon［J］.Geoderma，2010，158：15－22.

［13］ 李学林，李福春，陈国岩，等.用沉降法和激光法测定土壤粒度的对比研究［J］.土壤，2011，43（1）：130－134.

［14］ 王淼，潘贤章，解宪丽，等.土壤含水量对反射光谱法红壤土壤有机质的影响研究［J］.土壤，2012，44（4）：645－651.

［15］ 许凤华.偏最小二乘回归分析中若干问题的研究［M］.济南：山东科技大学出版社，2003.