祁连山南坡表层土壤有机质含量反演

2020-10-31杨荣荣曹广超曹生奎吴成永袁杰张卓兰垚刁二龙陈治荣陈真

生态科学 2020年5期

关键词：南坡祁连山表层

杨荣荣，曹广超，曹生奎，吴成永，袁杰，张卓，兰垚，刁二龙，陈治荣，陈真

1. 青海师范大学地理科学学院，西宁 810008

2. 青藏高原地表过程与生态保育教育部重点实验室，西宁 810008

3. 青海省自然地理与环境过程重点实验室，西宁 810008

0 前言

土壤在大气圈与生物圈之间起着承上启下的作用，是陆地生态系统中重要的一份子，在能量传递和物质循环过程中扮演着重要的角色[1]。土壤有机质(SOM)含量通常被用来判断土壤侵蚀、退化的程度。因此，估算土壤有机质含量可以作为了解土壤营养物质的主要方法[2-3]，从而更好地为农牧业的发展提供准确的依据[4-5]。

遥感技术是现代科学技术发展的重要产物，其具有综合性、实时性、便捷性等特点，能够实现大区域尺度的监测并获取数据，进一步反映土壤的物理特性，为土壤肥力的评价给予了新的平台[6-7]。遥感技术在土壤有机质含量反演中的应用，是当前土壤学领域研究的一个热点[8]。近年来，众多国内外学者以遥感为技术手段，对各种类型的土壤有机质含量进行了估测，为更大空间尺度上估算土壤有机质含量提供了科学依据。

国外学者Huang等[9]利用DUALEM-21数据的准2d和准3d反演技术，研究了安达卢西亚橄榄树林中特定深度土壤有机质含量的潜力，从而预测不同土壤深度的有机质含量。Valboa等[10]研究不同耕作强度下土壤有机质的长期变化，旨在评估不同耕作处理对意大利中部连续种植玉米的壤土质地土壤有机质(SOM)数量和质量的长期影响及其随时间的演化。Seddaiu等[11]研究了半干旱地中海农牧交错带土壤管理对土壤有机质含量和组成的影响，结果表明，在地中海半干旱条件下，传统的农牧交错管理措施对保持较好的土壤品质性状是有效的。Bartseva等[12]利用化学动力学方程描述了土壤有机质转化的多阶段过程，建立了土壤有机质形成与分解的基本数学模型。

国内学者彭杰[13]、王琼[14]等学者利用光谱仪获取土壤光谱，研究了多光谱数据不同波段的光谱反射率与实测土壤有机质含量的相关性，探寻适合的敏感波段及参数，并建立多种回归模型，选择最佳反演模型，从而实现土壤有机质含量的遥感反演；刘焕军[15]、曾志远[16]等学者利用遥感技术手段，运用多元回归分析方法，对表层土壤有机质含量进行研究，并改进提高了土壤有机质含量估算模型的精度；沙晋明[17]、张法升[18]、曾远文[19]等学者借助多光谱Land Sat遥感影像，通过对光谱反射率曲线进行重采样，得出土壤有机质含量和可见光近红外波段有很好的负相关关系，分析并确定有机质含量与波段反照率的相关系数，最终构建出土壤有机质含量的估算模型。曹璐璐[20]等借助ASD便携式物镜对山东半岛土壤样品进行漫反射光谱测定，采用敏感波长支持向量机回归(SVM)建立评价模型，结果表明，高光谱遥感能够快速、准确地预测山东半岛森林土壤中SOM的含量。

现阶段对土壤有机质含量的研究，主要集中在模型的构建与反射波谱特征的分析等方面。研究表明，构建反演模型的方法与传统的方法相比，能够节省大量的劳动力与成本，但在祁连山区域目前尚未有学者采用遥感反演的方式对土壤理化性质进行反演。因此，本文以祁连山南坡为研究区域，基于土壤有机质的实测数据，探寻研究区域土壤有机质的敏感波段，进而构建了有机质含量的估算模型，以期为今后的研究奠定坚实的基础，进一步为祁连山南坡草地资源评价、土壤肥力监测以及农牧业发展提供参考依据，同时为祁连山生态环境保护与监测做出贡献。

1 研究区概况

祁连山南坡位于青藏高原东北边缘，集青藏高原和黄土高原的特征于一体[21]。研究区地理位置为东经 98°08′13′′—102°38′16′′，北纬 37°03′ 17′′—39°05′56′′，总面积约为 2.4×104km2，海拔范围在2257—5235 m。由于受到地形地貌的影响，研究区内土壤类型分布广泛，主要有高山寒漠土、高山草甸土、高山草原土等土壤类型[22]。研究区域冬季漫长且寒冷，夏季短暂而温凉，年均降水量在400 mm左右，年均气温为-5.9 ℃[23]。由于该区域位于青藏高原向黄土高原的过渡地带，植被自西向东主要分布有草原草甸、灌木林地、林地等。

2 数据来源与方法

2.1 土壤有机质含量实测数据

研究组于2017年7月，在野外通过土钻法对研究区的土壤(0—20 cm)进行样品的采集。将土壤样品带回实验室，自然风干后，去除杂物和砾石进行研磨，过100目筛子，在每个采样点的表层土壤(0—20 cm)中取少量的土样摇匀，最终用重铬酸钾氧化—油浴加热法测定表层土壤的有机质含量。

图1 研究区位置Figure 1 The location of the research area

2.2 遥感数据

利用 NASA网站(https://ladsweb.modaps.eosdis.nasa.gov/search/)获取 MODIS数据产品。由于土壤有机质较稳定，且为尽量避免植被反照率的影响，文章选用2017年11月中旬(植被处于枯黄状态)的 MCD43A3数据作为数据源，能够较准确地估算研究区的土壤表层有机质含量。MCD43A3数据产品由band1—band7的7个普通波段和可见光波段、近红外波段和短波波段 3个特殊波段构成，为后期探寻土壤有机质的敏感波段提供数据来源。

2.3 研究方法

以Arc GIS10.2软件为平台，通过加载经纬度数据和研究区样点的实测数据，与处理后的 MODIS栅格数据分别进行空间匹配，进行波段反照率与土壤表层有机质含量之间的相关性探究(表1)。用相关性最大的波段与土壤表层有机质含量的实测值构建回归模型，得到对数模型、多项式模型和线性模型。运用空间分析工具中的栅格计算器，代入模型的系数进行运算，绘制得出祁连山南坡表层土壤有机质含量的空间分布图，进一步为分析研究区表层土壤有机质含量的空间分布奠定基础。

3 研究内容

3.1 敏感波段探寻

根据日常经验及课堂知识的积累，在MODIS影像的10个波段中，前7个波段的宽度较小，称为窄波段；后 3个波段的宽度较大，称为宽波段。窄波段的反照率中，波段1、波段3和波段4与土壤有机质含量的相关系数分别为-0.759，它们与土壤表层有机质含量在0.01水平上相关性较大；在宽波段的反照率中，可见光波段和短波波段与土壤有机质含量的相关系数分别为-0.762、-0.750，同样，它们与土壤表层有机质含量在0.01水平上相关性较大。同时，计算可得窄波段相关系数的平均值为-0.734，宽波段的相关系数的平均值为-0.750。由此可得出，宽波段相关性的平均值高于窄波段，即宽波段含有关于土壤表层有机质含量的信息较窄波段更充足更丰富，但由于本文构建一元对数函数模型，因此只能选择相关性最大的可见光波段，作为表层土壤有机质的敏感波段，用于揭示研究区表层土壤有机质含量的空间分布规律。

表1 MODIS数据各波段与实测有机质含量相关关系Table 1 The correlation between MODIS data bands and measured organic matter content

3.2 土壤有机质遥感反演模型构建

基于2017年7月野外采集的土壤样品，以及室内实验法测得表层土壤有机质含量，去除异常点后选取样点 100个，将实测表层土壤有机质含量与 MODIS影像可见光波段的反照率进行线性回归，构建反演表层土壤有机质含量的最优模型(表 2)。

3.3 反演模型对比, 确定最优模型

通过计算各个模型的均方根误差(RMSE)和平均绝对百分比误差(%)(MAPE)，虽然多波段结合的线性模型R2较大，但其RMSE和MAPE同样较大，且结合祁连山南坡的土地利用类型图研究发现，用该类模型反演得到的有机质含量与客观实际不符，因此选用单波段模型进行反演。在单波段模型中，对数函数模型的R2最大且模型的稳定性良好并符合实际情况，因此选择单波段对数函数模型对祁连山南坡表层土壤有机质含量进行反演。

MODIS影像宽波段中可见光波段的反照率与表层土壤有机质含量模型:

式中，SOM为表层土壤有机质含量(g·kg-1)，α为可见光波段反照率。

初步得出，基于 MODIS影像对祁连山南坡表层土壤有机质含量的反演模型精度较高。为了更好地验证模型估算的准确程度，需要选择具体的评价指标进一步实现模型精度的验证。

3.4 模型精度验证

在表层土壤有机质含量实测值中选择部分数据点，共30个点作为验证点。验证结果表明，评价回归模型的标准主要有两个方面，即模型的系数R2和散点图的数据点与直线之间的偏离程度。因此，当R2越大，表明模型的模拟效果越好；当样点的数据点集中分布在拟合曲线的两侧，偏离程度较小时，也表明模型的模拟效果较好。通常，均方根误差(RMSE)和平均绝对百分比误差(%)(MAPE)被选定为模型精度评价的两个重要指标。RMSE的值越小，表明模型的精度越可靠；MAPE的值越小，表明预测值与实测值越接近，即预测结果越准确。由表 2可知，基于 MODIS影像建立的反演有机质含量的对数模型SOM=-93.55×ln(α)+498.89，其R2=0.62。进一步验证了在祁连山南坡，基于 MODIS影像的对数函数模型对表层土壤有机质含量的反演模型较优。

3.5 祁连山南坡表层土壤有机质含量的空间分布

根据公式(1)并借助 Arc GIS 10.2软件平台，运用空间分析工具中的栅格计算器，计算得出祁连山南坡像元尺度的表层土壤(0—20 cm)有机质含量，并绘制出土壤有机质含量空间分布图并进行分析(图2)。有机质含量空间分布呈现的总体趋势为: 由西北向东南逐渐递增，但由于各种因子的综合影响，以及零星斑块的植被类型分布，导致在个别小区域内出现与周围有机质含量趋势不一致现象。图2显示，图斑由棕色、浅绿色、绿色及红色随着颜色的变化，有机质含量逐渐在增加，且土壤有机质含量最低区域散布于研究区的各个区域；土壤有机质含量最高区域分布于研究区的东南区域。

将土壤有机质含量空间分布(图 2)与土地利用类型分布(图3)进行叠加，结果显示(图4): 蓝色框选区域主要为裸岩的分布区域，其有机质含量范围为0—23.46 g·kg-1；紫色框选区域主要分布有耕地、稀疏草地，有机质含量范围为 23.46—62.14 g·kg-1；橙色框选区域区域主要为草原的分布区，有机质含量高，其范围为 62.14—96.94 g·kg-1；亮红色框选区域主要为草甸的分布区，有机质含量较高，其范围为96.94—149.15 g·kg-1；暗红色框选区域为灌木和林地分布范围，由于枯落物较多，有利于表层土壤有机质含量的积累，因此有机质含量处于最高水平。研究表明: 研究区表层土壤有机质含量的空间异质性与植被类型的空间异质性一致，从而得出不同土地利用类型的土壤有机质含量分布特点: 林地＞灌木＞草甸＞草原＞稀疏草地＞耕地＞裸岩。

表2 MODIS影像反演土壤表层有机质含量模型Table 2 Inversion of soil surface organic matter content model by MODIS image

图2 MODIS影像反演有机质含量空间分布Figure 2 The spatial distribution of organic matter content in MODIS image inversion

图3 土地利用类型分布Figure 3 The distribution of land use types

图4 不同土地利用类型对应的土壤有机质含量Figure 4 Soil organic matter content corresponding to different land use types

4 讨论

文章运用 MODIS影像反演祁连山南坡表层土壤有机质含量，单波段对数函数模型的精度较高。

由于研究区域祁连山南坡面积较大，植被类型分布广泛，地形复杂多样，海拔梯度较大，导致模型产生的误差较大，R2仅为0.62。除了气候因素的影响，土壤自身的物理性质对表层土壤的有机质含量也会产生一定的影响。在今后的研究中，将各种影响因子进一步量化，通过主成分分析法研究影响祁连山南坡土壤表层有机质含量的主导因素，探究祁连山南坡土壤表层有机质含量更优的反演模型。

文章中运用的 MODIS遥感影像中可见光波段为模型的自变量，且该波段与表层土壤有机质含量具有良好的负相关关系，此结论与我国学者马驰[24-25]、王锐[26]、屈冉[27]等研究长春中北部地区、吉林中北部地区以及基于多光谱遥感的耕地、富川县表层土壤有机质含量反演所得出的结论一致。本研究中，敏感波段为可见光波段，此波段属于宽波段，即宽波段较窄波段的敏感性较高，此结果与国内学者王延仓[28]、陈旭[29]等应用宽波段模拟数据和实测土壤有机质含量的相关性，提取并筛选敏感波段反演土壤有机质含量的结果一致。

研究结果表明，祁连山南坡表层土壤有机质含量空间异质性与植被的空间异质性一致，该结果与国内学者黄晓强[30]、赵锦梅[31]等学者对北京山区及祁连山东段地区的研究结果相似。