劉勛 李長(zhǎng)春 李雙權(quán)

摘要土壤反射光譜的特性和土壤物理性質(zhì)之間的關(guān)系，為遙感技術(shù)在土壤中應(yīng)用奠定了堅(jiān)實(shí)的物理基礎(chǔ)。此外，高光譜遙感技術(shù)的迅猛發(fā)展為快速、高效提取土壤信息提供了科學(xué)的技術(shù)手段。針對(duì)高光譜在土壤中的應(yīng)用情況，首先對(duì)高光譜遙感的發(fā)展歷程、特點(diǎn)以及優(yōu)勢(shì)進(jìn)行總結(jié)闡述，然后分別總結(jié)高光譜遙感在土壤有機(jī)質(zhì)、含水量、重金屬及土壤質(zhì)地等方面中的應(yīng)用現(xiàn)狀，并對(duì)其研究方法進(jìn)行總結(jié)分析，最后探討高光譜遙感技術(shù)在土壤研究應(yīng)用中在研究方法和時(shí)間、空間尺度上的不足以及今后高光譜遙感在土壤研究中的發(fā)展方向。

關(guān)鍵詞土壤；反射光譜；遙感技術(shù)；高光譜

中圖分類號(hào)S127文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611（2019）08-0018-04

doi：10.3969/j.issn.0517-6611.2019.08.004

AbstractThe relationship between the characteristics of soil reflectance spectra and the physical properties of soil lays a solid foundation for the application of remote sensing technology in soil.In addition，the rapid development of hyperspectral remote sensing technology provides scientific and technological means for extracting soil information quickly and efficiently.In view of the application of hyperspectral in soil，this paper firstly summarized the development history，characteristics and advantages of hyperspectral remote sensing，and then summarized the hyperspectral remote sensing in the fields of soil organic matter，water content，heavy metals and soil texture.The application status and the research methods were summarized.Finally，the shortcomings of the hyperspectral remote sensing technology in the research methods and time and space scales in soil research applications and the future development of hyperspectral remote sensing in soil research were analyzed.

Key wordsSoil；Reflection spectrum；Remote sensing technology；Hyperspectral

土壤是指在地球陸地表面上能夠生長(zhǎng)植物的疏松表層，不僅是陸地生態(tài)系統(tǒng)的重要一員，而且是人類賴以生存和發(fā)展的重要物質(zhì)基礎(chǔ)[1]。土壤是一個(gè)綜合且復(fù)雜的生態(tài)系統(tǒng)，土壤的定量評(píng)價(jià)與研究一直以來都是土壤學(xué)科的重點(diǎn)與難點(diǎn)。大量研究表明，土壤反射光譜的特性與土壤物理性質(zhì)之間的關(guān)系，為遙感技術(shù)在土壤中應(yīng)用奠定了堅(jiān)實(shí)的物理基礎(chǔ)，同時(shí)也為研究土壤自身屬性提供了一個(gè)嶄新的方法[2-3]。

20世紀(jì)80年代初，高光譜遙感技術(shù)的出現(xiàn)為遙感技術(shù)的發(fā)展揭開了新篇章，與此同時(shí)它的誕生也是人類歷史上在對(duì)地觀測(cè)領(lǐng)域取得的重大技術(shù)突破之一[4]。高光譜遙感可以產(chǎn)生一條連續(xù)窄帶短波紅外光譜信息，并能夠?qū)⒎从澄镔|(zhì)組成成分的地物光譜曲線與反映地物空間分布格局的影像相結(jié)合，可以同時(shí)進(jìn)行土壤表面狀況與其性質(zhì)的空間信息監(jiān)測(cè)，為觀測(cè)地物、認(rèn)識(shí)世界提供一種有效手段[5-6]。高光譜遙感技術(shù)以其特有高分辨率，使得空間對(duì)地觀測(cè)時(shí)可以獲得更為全面的地面信息狀況，因此，被受國(guó)內(nèi)外專家學(xué)者們的廣泛關(guān)注與應(yīng)用。筆者對(duì)高光譜遙感技術(shù)在土壤中的應(yīng)用現(xiàn)狀進(jìn)行了論述，主要針對(duì)其在土壤有機(jī)質(zhì)、土壤含水量、土壤重金屬含量和土壤質(zhì)地反演方面的應(yīng)用進(jìn)行介紹，并對(duì)其研究方法加以概括，最后論述了目前高光譜在土壤中應(yīng)用的問題及其今后發(fā)展方向。

1高光譜遙感

高光譜遙感是高光譜分辨率遙感（hyperspectral remote sensing）的簡(jiǎn)稱，它是在電磁波譜的紫外、可見光、近紅外、中紅外和熱紅外波段范圍內(nèi)，獲取許多非常窄且光譜連續(xù)的影像數(shù)據(jù)的技術(shù)[7]。

1.1發(fā)展歷程

起初，高光譜遙感數(shù)據(jù)的主體一直都是航空高光譜遙感影像，并且這方面的研究都掌控在一些比較發(fā)達(dá)國(guó)家。1983年，世界上第一臺(tái)成像光譜儀（AIS-1）在美國(guó)誕生，之后由其獲取的第一幅高光譜遙感影像呈現(xiàn)在世界面前，同時(shí)，該成像光譜儀在植被生化特征、礦物填圖等方面的成功應(yīng)用，初步展現(xiàn)出了高光譜遙感技術(shù)的魅力，開創(chuàng)了高光譜分辨率和高空間分辨率二者相結(jié)合的成像光譜遙感技術(shù)的新紀(jì)元[8]。之后，各國(guó)又相繼研制出不同種類的成像光譜儀，比如德國(guó)ROSIS，美國(guó)的AVIRIS、DAIS、TRWISⅢ，澳大利亞的HyMap和加拿大的FLI、CASI等[9]。

經(jīng)過航空試驗(yàn)并被成功應(yīng)用以后，20世紀(jì)90年代末高光譜正式進(jìn)入到航天發(fā)展領(lǐng)域，從此高光譜遙感技術(shù)的發(fā)展出現(xiàn)新的轉(zhuǎn)機(jī)。以美國(guó)、歐盟和日本為代表的發(fā)達(dá)國(guó)家相繼在高光譜遙感技術(shù)上取得突破，發(fā)射了高光譜衛(wèi)星。2002年初，歐洲太空局成功發(fā)射搭載了分辨率高達(dá)0.035 cm的主動(dòng)大氣探測(cè)麥克爾遜干涉儀MIPAS與大氣痕量氣體掃描成像光譜儀SCAMACHY的ENVISAT-1衛(wèi)星[10]；2009年初，日本成功發(fā)射攜帶了高光譜溫室氣體觀測(cè)探測(cè)器（TANSO）的GOSAT衛(wèi)星，該衛(wèi)星主要用來實(shí)時(shí)監(jiān)測(cè)全球大氣中CO2與CH4含量[11]。

1.2特點(diǎn)與優(yōu)勢(shì)

常規(guī)遙感的局限性在于波段太少、光譜分辨率低、波段寬一般大于100 nm以及波段在光譜上不能連續(xù)、且不能覆蓋可見至紅外整個(gè)光譜范圍，這樣使得遙感的應(yīng)用領(lǐng)域大為減少。高光譜遙感技術(shù)成功地打破了這一局限，與傳統(tǒng)遙感相比高光譜遙感主要具有波段數(shù)目多且窄、光譜分辨率高、光譜范圍寬、數(shù)據(jù)量大，信息冗余增加以及數(shù)據(jù)描述模型多，分析更為靈活等特點(diǎn)[12]。除此之外，高光譜的光譜數(shù)據(jù)和其圖像數(shù)據(jù)能夠有機(jī)地結(jié)合在一起，真正實(shí)現(xiàn)“圖譜合一”，可以把在高光譜遙感影像上獲得的光譜曲線和地面實(shí)測(cè)地物光譜曲線兩者進(jìn)行實(shí)時(shí)比較[13]。

隨著高光譜成像的光譜分辨率不斷地提高，其探測(cè)能力也大大增強(qiáng)[14]。與全色和多光譜成像相比較，高光譜成像具有以下顯著優(yōu)勢(shì)[15-16]：①有著近似連續(xù)的地物光譜信息；②地表覆蓋探測(cè)和識(shí)別能力大大提高；③地形要素分類的識(shí)別方法靈活多樣；④定量和半定量分類識(shí)別地形要素將成為可能。

2高光譜遙感在土壤研究中的應(yīng)用

2.1應(yīng)用范圍

隨著高光譜遙感技術(shù)的不斷成熟，其空間和光譜分辨率不斷地提高，應(yīng)用領(lǐng)域也越來越廣。其中，高光譜在土壤研究中的應(yīng)用歷史可以追溯到19世紀(jì)20—30年代。剛開始，人們利用反射光譜研究土壤含水量、土壤組分、粒徑及有機(jī)質(zhì)含量[17]，之后，大量的研究表明，高光譜遙感技術(shù)被廣泛地用于反演土壤中有機(jī)質(zhì)含量、含水量、重金屬及土壤質(zhì)地等方面的研究應(yīng)用。

2.1.1土壤有機(jī)質(zhì)含量。

土壤有機(jī)質(zhì)（soil organic matter，SOM）是指存在于土壤中的有機(jī)物質(zhì)，可以提供植物所需的養(yǎng)分，而且其含量的多少也是作為衡量土壤肥力的一項(xiàng)重要指標(biāo)[18]。如今，通過光譜分析技術(shù)測(cè)定土壤有機(jī)質(zhì)含量已成為一種不可或缺的研究手段，國(guó)內(nèi)外專家分別運(yùn)用不同的遙感數(shù)據(jù)來反演土壤有機(jī)質(zhì)含量，并取得了一定成效[19-24]。

Al-Abbas等[25]利用光譜分析技術(shù)對(duì)土壤的有機(jī)質(zhì)含量進(jìn)行估測(cè)研究，結(jié)果表明其有機(jī)質(zhì)含量與光譜反射率之間存在明顯的負(fù)相關(guān)關(guān)系。韓兆迎等[26]研究發(fā)現(xiàn)，土壤光譜數(shù)據(jù)在經(jīng)過去包絡(luò)線處理之后能夠顯著提高土壤有機(jī)質(zhì)和光譜反射率之間的相關(guān)性，并據(jù)此篩選出7個(gè)相關(guān)性較高的敏感波長(zhǎng)。王玉華等[27]通過研究室內(nèi)實(shí)測(cè)土壤光譜反射率和土壤有機(jī)質(zhì)含量之間的關(guān)系，結(jié)果表明，在波長(zhǎng)675 nm處土壤反射率與其有機(jī)質(zhì)含量高度相關(guān)。

2.1.2土壤含水量。

土壤含水量是地球生態(tài)系統(tǒng)能量交換過程中非常重要的因子，同時(shí)也是農(nóng)業(yè)、氣候、生態(tài)等領(lǐng)域衡量土壤干旱程度的重要指標(biāo)[28]。土壤含水量的遙感定量反演一直都是專家們研究熱點(diǎn)，相關(guān)研究表明，土壤光譜反射率會(huì)隨著土壤含水量增加而降低，含水量低的土壤具有較高的光譜反射率，即表現(xiàn)出負(fù)相關(guān)的關(guān)系，因而土壤光譜反射率的變化能夠直接反映出土壤表層的含水量變化[29]。李晨等[30]認(rèn)為濱海鹽土土壤含水量與光譜反射率呈顯著負(fù)相關(guān)，特征波段位于光譜反射曲線的2個(gè)峰谷（1 440、1 930 nm）附近，且最大相關(guān)系數(shù)出現(xiàn)在1 930 nm處；但是，當(dāng)土壤中的含水量達(dá)到一定度時(shí)，光譜反射率與土壤含水量二者之間將不再存在負(fù)相關(guān)的關(guān)系，而是呈現(xiàn)出正相關(guān)。研究發(fā)現(xiàn)，土壤含水量與光譜之間存在一個(gè)閾值（300 g/kg），當(dāng)土壤樣品中的含水量達(dá)到該閾值時(shí)，土壤光譜反射率就會(huì)與土壤含水量呈現(xiàn)出正相關(guān)的關(guān)系[31]。

2.1.3土壤重金屬含量。

隨著社會(huì)經(jīng)濟(jì)不斷的發(fā)展，城鎮(zhèn)化、工業(yè)化的快速進(jìn)程，土壤中重金屬含量不斷加劇，嚴(yán)重地影響了土壤環(huán)境的質(zhì)量。土壤重金屬在土壤中殘留時(shí)間長(zhǎng)、遷移性差且易積累，并能夠通過食物鏈進(jìn)入人體，對(duì)人身體造成威脅，因而備受學(xué)者們關(guān)注。高光譜技術(shù)的出現(xiàn)可以實(shí)現(xiàn)對(duì)土壤重金屬含量進(jìn)行快速、高效的監(jiān)測(cè)。土壤中重金屬富集主要是由于土壤組分的吸附所造成的[32]，諸多學(xué)者根據(jù)這一性質(zhì)來定量估算土壤重金屬含量。Gannouni等[33]通過對(duì)Jalta和Bougrine的礦山廢物研究發(fā)現(xiàn)，利用鐵礦物可以間接反演土壤重金屬，利用鐵礦物能夠較好地預(yù)測(cè)Pb和Zn元素。程先鋒等[34]研究發(fā)現(xiàn)，Zn、Cd、As、Pb等4種金屬元素在滇西蘭坪鉛鋅礦區(qū)的主要影響因素為土壤中有機(jī)質(zhì)、鐵氧化物及黏土礦物，并表現(xiàn)出高度變異性和顯著相關(guān)性。目前，國(guó)內(nèi)外學(xué)者通過高光譜技術(shù)已經(jīng)成功對(duì)Cu、Zn、Cd、As、Cr、Ni、Pb與Hg等重金屬在土壤中的含量進(jìn)行預(yù)測(cè)，其技術(shù)手段也越來越成熟。

2.1.4土壤質(zhì)地。

土壤質(zhì)地是依據(jù)土壤粒徑大小來劃分的土壤類型，是影響土壤理化性質(zhì)極其重要的因子之一，通?？梢苑譃樯?、粉砂以及黏土。土壤質(zhì)地除了能從土壤粒徑大小影響土壤光譜反射率之外，還可以通過影響土壤的持水能力從而間接對(duì)土壤光譜反射率造成一定的影響。研究表明，土壤中顆粒粒徑的大小與其反射率之間存在一定的相關(guān)性，粒徑越小，其比表面積就越大，反射率也相應(yīng)越大[35]。Bowers等[36]通過對(duì)土壤質(zhì)地和土壤光譜反射曲線的關(guān)系研究，結(jié)果發(fā)現(xiàn)土壤反射率隨著土壤粒徑的變小呈現(xiàn)出指數(shù)增長(zhǎng)，特別是在土壤粒徑≤0.000 4 mm時(shí)，此規(guī)律更加明顯。李春蕾等[37]對(duì)干旱區(qū)裸地土壤含砂量的研究結(jié)果顯示，干旱區(qū)裸地土壤砂粒含量的特征波段在430 nm處，對(duì)實(shí)測(cè)土壤光譜反射率進(jìn)行數(shù)學(xué)變換后，其與土壤砂粒含量的相關(guān)關(guān)系同樣在430 nm處達(dá)到最強(qiáng)。不同土壤粒徑的光譜反射率在全波段、可見光、紅外波段都呈負(fù)相關(guān)關(guān)系，土壤反射光譜最大吸收值所對(duì)應(yīng)的波段位置與粒徑的處理方式無關(guān)，經(jīng)過不同粒徑處理的土壤其光譜吸收峰值隨土壤粒徑的減小呈現(xiàn)出多項(xiàng)式變化的規(guī)律，不同的土壤類型，其土壤光譜反射率與粒徑變化基本相同，即隨著土壤顆粒粒徑變小，土壤光譜反射率均呈冪函數(shù)增長(zhǎng)[38]。

2.2研究方法

高光譜遙感技術(shù)在土壤研究中常用的反演方法如表1所示，這些方法所建立的反演模型都能達(dá)到精度要求。目前常規(guī)反演方法在土壤研究中均有應(yīng)用，其中逐步多元線性回歸法和偏最小二乘回歸法2種方法的應(yīng)用相對(duì)更為廣泛。然而，研究者為了追求更高的反演精度，越來越多的非常規(guī)模型，如支持向量機(jī)模型、模糊識(shí)別模型、Hapke模型及GWR模型等，被引入土壤研究中，并在各自的研究區(qū)域內(nèi)取得了較為不錯(cuò)的成果。越來越多建模方法的出現(xiàn)及成功應(yīng)用，標(biāo)志著高光譜遙感技術(shù)在土壤信息定量反演中已日趨成熟。

2.2.1土壤有機(jī)質(zhì)。

目前，大多數(shù)學(xué)者通過光譜反射率數(shù)據(jù)在對(duì)土壤有機(jī)質(zhì)含量進(jìn)行定量反演研究時(shí)，主要運(yùn)用偏最小二乘回歸和多元逐步線性回歸的方法建立反演模型[39]。Hummel等[40]通過研究土壤有機(jī)質(zhì)與近紅外光譜反射率間的相關(guān)關(guān)系，構(gòu)建了預(yù)測(cè)土壤有機(jī)質(zhì)含量的多元逐步回歸反演模型。李勝男等[41]在對(duì)黑土研究中發(fā)現(xiàn)，土壤光譜反射率在經(jīng)過倒數(shù)和對(duì)數(shù)處理后的數(shù)據(jù)所建立的最優(yōu)模型都為最小二乘回歸模型，而對(duì)土壤光譜反射數(shù)據(jù)進(jìn)行一階微分處理后，建立的最優(yōu)模型則為逐步多元線性回歸模型。由此可以得出，建模方法的選擇在一定程度上會(huì)影響高光譜反演土壤有機(jī)質(zhì)含量的精度。此外，針對(duì)土壤有機(jī)質(zhì)和高光譜反射數(shù)據(jù)受多重因素的影響，且二者之間有可能存在非線性關(guān)系等問題，專家學(xué)者們通過BP人工神經(jīng)網(wǎng)絡(luò)模型[42]、支持向量機(jī)模型[43]及模糊識(shí)別模型[24]分別建立土壤有機(jī)質(zhì)高光譜反演模型，并取得了較好的成果。

2.2.2土壤含水量。

近年來學(xué)者們大多通過土壤反射光譜數(shù)據(jù)，建立光譜反射率和土壤含水量之間的相關(guān)估算模型來進(jìn)行土壤含水量遙感定量反演。在建模方法上，目前學(xué)者主要采用線性回歸分析法[44]、偏最小二乘回歸法[45]、BP神經(jīng)網(wǎng)絡(luò)[46]、小波分析[47]等統(tǒng)計(jì)模型法。李萍等[48]在對(duì)黃河三角洲土壤含水量進(jìn)行估測(cè)研究時(shí)，利用多元逐步線性回歸方法對(duì)土壤反射光譜數(shù)據(jù)進(jìn)行4種波段的組合處理，建立了基于多種波段組合光譜參量的土壤含水量估測(cè)模型，其效果明顯優(yōu)于單一波段組合的形式。向紅英等[49]對(duì)南疆滴灌模式下的棉田土壤進(jìn)行試驗(yàn)分析并利用偏最小二乘回歸的方法，分別構(gòu)建了不同土層含水量的反演模型，結(jié)果發(fā)現(xiàn)，利用反射率倒數(shù)對(duì)數(shù)所建立的模型對(duì)0～30 cm處土層與利用反射率對(duì)數(shù)所建立的模型對(duì)0～10 cm處土層含水量有較強(qiáng)的預(yù)測(cè)能力。統(tǒng)計(jì)模型法適用范圍有限且空間移植性較差，對(duì)物理機(jī)理的認(rèn)識(shí)不夠完善；而機(jī)理模型法能夠更好地表述地表屬性和地表二向反射分布特征的關(guān)系，從而構(gòu)建相關(guān)模型。程街亮等[50]通過Hapke模型較好地模擬了實(shí)測(cè)的土壤二向反射率，并發(fā)現(xiàn)隨著土壤含水量減少其單次散射反照率呈現(xiàn)出增大的趨勢(shì)；隨著土壤含水量的增加，特別是在1 450、1 950、2 200 nm波段處，單次散射反照率曲線中水分吸收峰的深度和寬度都明顯增大。

2.2.3土壤重金屬含量。

目前通過高光譜遙感技術(shù)進(jìn)行土壤重金屬含量預(yù)測(cè)常用方法有多元線性回歸法[51]、偏最小二乘回歸法[52]、人工神經(jīng)網(wǎng)絡(luò)[53]、支持向量機(jī)[54]等，這些方法在特定的研究區(qū)均取得了較好的效果。張秋霞等[52]利用偏最小二乘回歸的方法，以經(jīng)過數(shù)學(xué)變換處理后的特征光譜波段作為自變量，建立了區(qū)域土壤重金屬反演模型，并根據(jù)經(jīng)不同數(shù)學(xué)變換處理后的光譜特征，分別找出不同金屬元素的最佳反演模型。由此可見，對(duì)于土壤中重金屬元素種類、不同類型的土壤，雖然其反演方法都基本一致，但所建立的反演模型并不一定相同。由于土壤光譜特征是土壤屬性特征的綜合反映，土壤并不是均質(zhì)的，且重金屬元素在土壤中的空間分布比較復(fù)雜，具有高度的空間異質(zhì)性。因此，以上方法目前在特定的研究區(qū)雖然取得一定的成果，但所建立的模型適用性極差。江振藍(lán)等[55]根據(jù)重金屬元素與光譜變量間空間非平穩(wěn)性關(guān)系，利用GWR模型對(duì)土壤重金屬含量進(jìn)行預(yù)測(cè)，并與OLS模型相比較，結(jié)果顯示對(duì)于空間非平穩(wěn)性的Cr、Cu、Zn、Pb等元素，GWR模型預(yù)測(cè)精度明顯高于OLS模型，而對(duì)于Cd和Ni等不具有顯著空間異質(zhì)性的金屬元素，2種模型預(yù)測(cè)精度差異則不明顯。

安徽農(nóng)業(yè)科學(xué)2019年

2.2.4土壤質(zhì)地。

目前，通過反射光譜數(shù)據(jù)來進(jìn)行土壤質(zhì)地的預(yù)測(cè)，學(xué)者們大多采用多元逐步回歸法、偏最小二乘回歸法和BP神經(jīng)網(wǎng)絡(luò)等方法。張娜等[56]利用一元線性回歸、逐步多元回歸以及BP人工神經(jīng)網(wǎng)絡(luò)3種方法建立土壤光譜反射率與土壤砂粒、粉粒之間的預(yù)測(cè)模型，其結(jié)果顯示，預(yù)測(cè)精度BP人工神經(jīng)網(wǎng)絡(luò)>逐步多元回歸>一元線性回歸。在王德彩等[57]基于Vis-NIR光譜的土壤質(zhì)地預(yù)測(cè)研究中，結(jié)果得出了同樣結(jié)論，通過BP人工神經(jīng)網(wǎng)絡(luò)所建立的預(yù)測(cè)模型精度要遠(yuǎn)優(yōu)于多元逐步回歸。由于土壤質(zhì)地與其反射光譜之間存在非常復(fù)雜的關(guān)系，一些常規(guī)的回歸模型難以直接體現(xiàn)出這種關(guān)系，從而在一定程度上直接影響土壤質(zhì)地預(yù)測(cè)精度的提高。因此，對(duì)于土壤質(zhì)地預(yù)測(cè)模型的研究還需要進(jìn)一步的挖掘。

3問題與展望

3.1存在的問題

通過已有研究發(fā)現(xiàn)，高光譜遙感技術(shù)已在土壤研究中得到了廣泛的研究與應(yīng)用，但仍有一些問題需要做進(jìn)一步的研究。① 在研究方法上，目前學(xué)者通過高光譜定量反演土壤相關(guān)信息的研究多是基于室內(nèi)測(cè)定土壤反射光譜，然后結(jié)合實(shí)測(cè)土壤屬性信息，建立相關(guān)模型進(jìn)行分析，鮮有利用高光譜遙感圖像進(jìn)行反演的研究。由于土壤是礦物質(zhì)、水分、有機(jī)質(zhì)等物質(zhì)組合而成的有機(jī)整體，其組成成分之間相互影響、相互作用，因此其光譜反射率也是土壤所有屬性的綜合體現(xiàn)，如何更為準(zhǔn)確地提取出土壤中各成分信息，目前尚未有好的方法。②在時(shí)空尺度上，目前的土壤研究中，學(xué)者主要針對(duì)某一特定區(qū)域、同一時(shí)段上的土壤信息提取，而對(duì)于同一區(qū)域不同時(shí)段的土壤演化特征及區(qū)域性土壤環(huán)境演化的研究鮮見報(bào)道。在土壤光譜研究中，學(xué)者們大都采用統(tǒng)計(jì)分析的方法構(gòu)建土壤各信息的反演模型，雖然在各自的研究區(qū)能夠取得較好的效果，但其移植性差、適用范圍受限，難以在大區(qū)域的土壤研究中得到推廣。

3.2展望

目前高光譜遙感技術(shù)已經(jīng)成功應(yīng)用于土壤信息各研究領(lǐng)域中，為快速、實(shí)時(shí)、準(zhǔn)確獲得土壤信息提供了技術(shù)與理論的支持。利用反射光譜數(shù)據(jù)反演土壤信息已成為研究熱點(diǎn)，建模的方法也越來越豐富。建模的方法決定了土壤信息反演精度，通過對(duì)現(xiàn)有模型的對(duì)比分析、改進(jìn)優(yōu)化以及根據(jù)不同需要?jiǎng)?chuàng)建新的模型已成為現(xiàn)在土壤研究的發(fā)展趨勢(shì)?；诖耍瑢?duì)未來的發(fā)展有以下展望：

（1）未來高光譜數(shù)據(jù)的存儲(chǔ)方式將會(huì)以更方便快捷被學(xué)者加以應(yīng)用，土壤反射光譜數(shù)據(jù)的處理方式也會(huì)不斷地優(yōu)化改進(jìn)，研究者將會(huì)獲得質(zhì)量更高、使用更方便、共享性更強(qiáng)的光譜數(shù)據(jù)。

（2）隨著學(xué)者們對(duì)土壤信息提取精度的追求，多角度遙感技術(shù)將會(huì)在土壤研究中廣泛應(yīng)用，建模的方法也會(huì)隨之被優(yōu)化改進(jìn)，使得模型具有適用性強(qiáng)、移植性高、實(shí)用價(jià)值突出等優(yōu)勢(shì)。

（3）科學(xué)管理、統(tǒng)一標(biāo)準(zhǔn)，建立光譜信息庫(kù)。同時(shí)還應(yīng)對(duì)不同類型、不同區(qū)域的土壤建立針對(duì)性的專一光譜數(shù)據(jù)庫(kù)，以便于光譜數(shù)據(jù)實(shí)時(shí)共享，提高工作效率。

參考文獻(xiàn)

[1]陳文倩，丁建麗，譚嬌，等.干旱區(qū)綠洲植被高光譜與淺層土壤含水量擬合研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（12）：229-236.

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

[3] 徐金鴻，徐瑞松，夏斌，等.土壤遙感監(jiān)測(cè)研究進(jìn)展[J].水土保持研究，2006，13（2）：17-20.

[4] 魏娜，姚艷敏，陳佑啟.高光譜遙感土壤質(zhì)量信息監(jiān)測(cè)研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào)，2008，24（10）：491-496.

[5] 吳良超，劉曉，高佩玲.高光譜遙感在土壤研究中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2013，41（2）：581-582，598.

[6] 童慶禧，張兵，鄭蘭芬.高光譜遙感：原理、技術(shù)與應(yīng)用[M].北京：高等教育出版社，2006.

[7] 浦瑞良，宮鵬.高光譜遙感及其應(yīng)用[M].北京：高等教育出版社，2000.

[8] VINCENT R K.Fundamentals of geological and environmental remote sensing[M].New York：Prentice Hall，1977：1-366.

[9] 楊國(guó)鵬，余旭初，馮伍法，等.高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J].測(cè)繪通報(bào)，2008（10）：1-4.

[10] BOVENSMANN H，BURROWS J P，BUCHWITZ M，et al.Sciamachy：Mission objectives and measurement modes[J].J Atmos Sci，1999，56（2）：127-150.

[11] SHIMODA H.Overview of Japanese Earth observation programe[C].SPIE，2009.

[12] 童慶禧，張兵，張立福.中國(guó)高光譜遙感的前沿進(jìn)展[J].遙感學(xué)報(bào)，2016，20（5）：689-707.

[13] 張卡，盛業(yè)華，張書畢.遙感新技術(shù)的若干進(jìn)展及其應(yīng)用[J].遙感信息，2004（2）：58-62.

[14] 楊國(guó)鵬，余旭初，馮伍法，等.高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J].測(cè)繪通報(bào)，2008（10）：1-4.

[15] 路威.面向目標(biāo)探測(cè)的高光譜影像特征提取與分類技術(shù)研究[D].鄭州：中國(guó)人民解放軍信息工程大學(xué)，2005.

[16] 余旭初，馮伍法，林麗霞.高光譜——遙感測(cè)繪的新機(jī)遇[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2006，23（2）：101-105.

[17] ONEAL A M.The effect of moisture on the color of certain Iowa soils [J].American soil survey association bulletin，1927（B8）：158-174.

[18] 方少文，楊梅花，趙小敏，等.紅壤區(qū)土壤有機(jī)質(zhì)光譜特征與定量估算：以江西省吉安縣為例[J].土壤學(xué)報(bào)，2014，51（5）：1003-1010.

[19] ANNE N J P，ABDELRAHMAN A H，LEWIS D B，et al.Modeling soil parameters using hyperspectral image reflectance insubtropical coastal wetlands[J].International journal of applied earth observation and geoinformation，2014，33（11）： 47-56.

[20] 王祥峰，蒙繼華.基于HJ-1衛(wèi)星的農(nóng)田土壤有機(jī)質(zhì)含量監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（8）：101-108.

[21] LIU S L，AN N N，YANG J J，et al.Prediction of soil organic matter variability associated with different land use types in mountainous landscape in southwestern Yunnan province，China[J].Catena，2015，133（10）： 137-144.

[22] LIU F，ROSSITER D G，SONG X D，et al.A similarity-based method for three-dimensional prediction of soil organic matter concentration[J].Geoderma，2015，263（1）： 254-263.

[23] 李超，劉兆剛，岳樹峰，等.基于激光雷達(dá)數(shù)據(jù)的森林表層土壤有機(jī)質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報(bào)，2012，23（9）： 2451-2458.

[24] 袁征，李希燦，于濤，等.高光譜土壤有機(jī)質(zhì)估測(cè)模型對(duì)比研究[J].測(cè)繪科學(xué)，2014，39（5）：117-120，164.

[25] AL-ABBAS A H，SWAIN P H，BAUMGARDER M F.Relating organic matter and clay content to the multispectral radiance of soils[J].Soil science，1972，114（6）：477-485.

[26] 韓兆迎，朱西存，劉慶，等.黃河三角洲土壤有機(jī)質(zhì)含量的高光譜反演[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2014，20（6）：1545-1552.

[27] 王玉華，楊小霞，王克如，等.新疆不同類型土壤有機(jī)質(zhì)含量的高光譜監(jiān)測(cè)[J].新疆農(nóng)墾科技，2016，39（11）：55-57.

[28] 余凡，趙英時(shí).ASAR和TM數(shù)據(jù)協(xié)同反演植被覆蓋地表土壤水分的新方法[J].中國(guó)科學(xué)：地球科學(xué)，2011，41（4）：532-540.

[29] 魏娜.土壤含水量高光譜遙感監(jiān)測(cè)方法研究[D].北京：中國(guó)農(nóng)業(yè)科學(xué)院，2009.

[30] 李晨，張國(guó)偉，周治國(guó)，等.濱海鹽土土壤水分的高光譜參數(shù)及估測(cè)模型[J].應(yīng)用生態(tài)學(xué)報(bào)，2016，27（2）：525-531.

[31] 劉洋，丁瀟，劉煥軍，等.黑土土壤水分反射光譜特征定量分析與預(yù)測(cè)[J].土壤學(xué)報(bào)，2014，51（5）：1021-1026.

[32] PINHEIRO E M，CEDDIA M B，CLINGENSMITH C M，et al.Prediction of soil physical and chemical properties by visible and near-infrared diffuse reflectance spectroscopy in the central amazon [J].Remote sensing，2017，9（4）：1-22.

[33] GANNOUNI S，REBAI N，ABDELJAOUED S.A spectroscopic approach to assess heavy metals contents of the mine waste of Jalta and Bougrine in the North of Tunisia [J].Journal of geographic information system，2012，4（3）：242-253.

[34] 程先鋒，宋婷婷，陳玉，等.滇西蘭坪鉛鋅礦區(qū)土壤重金屬含量的高光譜反演分析[J].巖石礦物學(xué)雜志，2017，36（1）：60-69.

[35] 楊雪紅.土壤粒徑對(duì)土壤光譜特征的影響[J].科技信息，2010（25）：390-391，154.

[36] BOWERS S A，HANKS R J.Reflectance of radiant energy from soils[J].Soil science，1965，100（2）：130-138.

[37] 李春蕾，許端陽，陳蜀江.基于高光譜遙感的新疆北疆地區(qū)土壤砂粒含量反演研究[J].干旱區(qū)地理，2012，35（3）：473-478.

[38] 馬創(chuàng)，申廣榮，王紫君，等.不同粒徑土壤的光譜特征差異分析[J].土壤通報(bào)，2015，46（2）：292-298.

[39] 譚琨，張倩倩，曹茜，等.基于粒子群優(yōu)化支持向量機(jī)的礦區(qū)土壤有機(jī)質(zhì)含量高光譜反演[J].地球科學(xué)：中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，2015，40（8）：1339-1345.

[40] HUMMEL J W，SUDDUTH K A，HOLLINGER S E.Soil moisture and organic matter prediction of surface and subsurface soils using an NIR soil sensor[J].Computers and electronics in agriculture，2001，32（2）：149-165.

[41] 李勝男，曹萌萌，李盛楠，等.黑土典型區(qū)有機(jī)質(zhì)高光譜預(yù)測(cè)模型[J].國(guó)土與自然資源研究，2016（4）：73-76.

[42] 葉勤，姜雪芹，李西燦，等.基于高光譜數(shù)據(jù)的土壤有機(jī)質(zhì)含量反演模型比較[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（3）：164-172.

[43] VISCARRA ROSSEL R A，BUI E N，CARITAT P，et al.Mapping iron oxides and the color of Australian soil using visiblenearinfraed reflectance spectra[J].Journal of geophysical research，2010，115：1-13.

[44] 李萍.黃河三角洲土壤含水量狀況的高光譜估測(cè)與遙感反演[D].泰安：山東農(nóng)業(yè)大學(xué)，2016.

[45] 馬明德，馬學(xué)娟，謝應(yīng)忠，等.寧夏生態(tài)足跡影響因子的偏最小二乘回歸分析[J].生態(tài)學(xué)報(bào)，2014，34（3）：682-689.

[46] 湯娜，張新樂，劉煥軍，等.土壤有機(jī)質(zhì)與水分反射光譜響應(yīng)特征綜合作用模擬[J].土壤通報(bào)，2013，44（1）：72-76.

[47] PENJ J，SHEN H，HE S W，et al.Soil moisture retrieving using hyperspectral data with the application of wavelet analysis [J].Environ Earth Sci，2013，69（1）：279-288.

[48] 李萍，趙庚星，高明秀，等.黃河三角洲土壤含水量狀況的高光譜估測(cè)與遙感反演[J].土壤學(xué)報(bào)，2015，52（6）：1262-1272.

[49]向紅英，牛建龍，彭杰，等.棉田土壤水分的高光譜定量遙感模型[J].土壤通報(bào)，2016，47（2）：272-277.

[50] 程街亮，紀(jì)文君，周銀，等.土壤二向反射特性及水分含量對(duì)其影響研究[J].土壤學(xué)報(bào)，2011，48（2）：255-262.

[51] SONG L，JIAN J，TAN D J，et al.Estimate of heavy metals in soil and streams using combined geochemistry and field spectroscopy in Wansheng mining area，Chongqing，China[J].International journal of applied earth observation and geoinformation，2015，34： 1-9.

[52] 張秋霞，張合兵，劉文鍇，等.高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)區(qū)域土壤重金屬含量的高光譜反演[J].農(nóng)業(yè)工程學(xué)報(bào)，2017，33（12）：230-239.

[53] TAN K，YE Y Y，CAO Q，et al.Estimation of arsenic contamination in reclaimed agricultural soils using reflectance spectroscopy and ANFIS model[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2014，7： 2540-2546.

[54] STAZI S R，ANTONUCCI F，PALLOTTINO F，et al.Hyperspectral visible-near infrared determination of arsenic concentration in soil[J].Communications in soil science and plant analysis，2014，45（22）： 2911-2920.

[55] 江振藍(lán)，楊玉盛，沙晉明.GWR模型在土壤重金屬高光譜預(yù)測(cè)中的應(yīng)用[J].地理學(xué)報(bào)，2017，72（3）：533-544.

[56] 張娜，張棟良，李立新，等.基于高光譜的區(qū)域土壤質(zhì)地預(yù)測(cè)模型建立與評(píng)價(jià)：以河套灌區(qū)解放閘灌域?yàn)槔齕J].干旱區(qū)資源與環(huán)境，2014，28（5）：67-72.

[57] 王德彩，張俊輝.基于Vis-NIR光譜的土壤質(zhì)地BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J].天津農(nóng)業(yè)科學(xué)，2015，21（8）：6-9.