羅德芳， 彭 杰*， 馮春暉， 柳維揚(yáng)， 紀(jì)文君， 王 楠

1. 塔里木大學(xué)植物科學(xué)學(xué)院， 新疆 阿拉爾 843300 2. 中國農(nóng)業(yè)大學(xué)土地資源管理學(xué)院， 北京 100083 3. 浙江大學(xué)環(huán)境與資源學(xué)院， 浙江 杭州 310058

引 言

土壤有機(jī)質(zhì)(soil organic matter, SOM)是土壤肥力的決定性因素， 在提高植物營養(yǎng)、 改善土壤肥力等方面具有重要作用， 它的含量與土壤肥力特性如作物產(chǎn)量等直接相關(guān)， 高肥力土壤生產(chǎn)的食物營養(yǎng)品質(zhì)高于低肥力土壤。 新疆是我國主要發(fā)展綠洲農(nóng)業(yè)的地區(qū)， 優(yōu)越的地理環(huán)境和成熟的栽培技術(shù)， 使棉花成為當(dāng)?shù)氐膬?yōu)勢特色種植作物， 同時(shí)棉花也是新疆主要的經(jīng)濟(jì)作物之一。 近年來因過度開墾及化肥、 農(nóng)藥等的不合理使用， 使棉田土壤肥力退化嚴(yán)重， 對棉花產(chǎn)量造成極大影響[1]。 快速診斷及改良土壤肥力， 是南疆農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵。 土壤有機(jī)質(zhì)包括胡敏素(humin, HM)、 胡敏酸((humic acid, HA)和富里酸(fulvic acid, FA)三個(gè)組分， 有機(jī)質(zhì)不同組分礦質(zhì)化難易程度和養(yǎng)分釋放的能力具有明顯差異[2]。 在有機(jī)質(zhì)組分中， 胡敏素的相對含量最高， 但其不易礦質(zhì)化， 養(yǎng)分很難釋放出來供植物吸收利用， 胡敏酸的相對含量和礦質(zhì)化難易程度為其次， 富里酸的相對含量最低， 但其最易礦質(zhì)化而釋放出養(yǎng)分供植物吸收利用。

探明土壤有機(jī)質(zhì)及其組分含量對于準(zhǔn)確掌握土壤的潛在和有效肥力具有重要意義。 傳統(tǒng)土壤有機(jī)質(zhì)測定過程繁瑣， 具有采樣成本高、 分析周期長等缺點(diǎn)， 難以勝任大尺度范圍土壤有機(jī)質(zhì)的監(jiān)測， 高光譜技術(shù)因其快速、 便捷、 無損、 可重復(fù)分析技術(shù)等優(yōu)點(diǎn)被廣泛應(yīng)用于土壤有機(jī)質(zhì)測定。 可見光-近紅外(VNIR)和中紅外(MIR)光譜能夠?qū)ν寥佬再|(zhì)進(jìn)行光譜特征分析， 操作簡便、 不破壞土壤結(jié)構(gòu)， 是近年來國內(nèi)外學(xué)者研究的熱點(diǎn)。 Vasat等[3]研究表明， 土壤有機(jī)質(zhì)對土壤反射光譜曲線的形狀及性質(zhì)有顯著影響， 是反射光譜法可預(yù)測的主要土壤性質(zhì)之一。 Jiang等[4]利用VNIR光譜法研究表明在不同土壤水分條件下， 土壤鹽分含量及廣義最小二乘加權(quán)(GLSW)結(jié)合偏最小二乘回歸(PLSR)模型可以有效地估算農(nóng)田土壤中有機(jī)碳的含量。 陳思明等[5]利用線性波譜分解技術(shù)重建土壤光譜， 預(yù)測了土壤有機(jī)質(zhì)的含量。 Bao等[6]通過分析不同地形土壤有機(jī)質(zhì)含量與光譜反射率之間的相關(guān)關(guān)系， 發(fā)現(xiàn)一種新的光譜指數(shù)(R2 294 nm/R2 286 nm)可用于土壤有機(jī)質(zhì)的估算， 并建立偏最小二乘-支持向量機(jī)(PLS-SVM)回歸模型預(yù)測土壤有機(jī)質(zhì)。 以上研究主要基于土壤近紅外光譜的有機(jī)質(zhì)物理性質(zhì)或建模方法等， 對土壤中紅外光譜及土壤有機(jī)質(zhì)組分含量的預(yù)測研究還很罕見。

因此， 以南疆地區(qū)為研究區(qū)， 基于近紅外(VNIR)、 中紅外(MIR)以及組合光譜(VNIR-MIR)， 利用偏最小二乘回歸(PLSR)、 支持向量機(jī)(SVM)以及隨機(jī)森林(RF)三種建模方法對土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸以及富里酸含量進(jìn)行分析預(yù)測， 比較有機(jī)質(zhì)與各組分在不同反射光譜下的建模預(yù)測精度， 為南疆地區(qū)土壤肥力的監(jiān)測與精準(zhǔn)施肥提供參考。

1 實(shí)驗(yàn)部分

1.1 土樣采集及化學(xué)測定

新疆位于中國西北地區(qū)， 分為北疆和南疆兩個(gè)區(qū)域。 土壤樣品采集于南疆地區(qū)， 包括南疆阿克蘇地區(qū)的溫宿縣(40°52′—42°15′N, 79°28′—81°30′E)及阿瓦提縣(39°31′—40°50′N, 79°45′—81°05′E)； 和田地區(qū)的和田縣(34°22′—38°27′N, 78°—80°30′E)。 阿克蘇地區(qū)位于天山山脈和塔里木盆地之間， 是沖積平原中心， 年降水量約42.4～94.4 mm， 蒸發(fā)量約1 200～1 500 mm， 水資源豐富， 為暖溫帶干旱型氣候。 和田地區(qū)位于南塔里木盆地邊緣與北昆侖山之間， 年降水量較低(約35 mm)， 年蒸發(fā)量較高(約2 480 mm)， 屬干旱荒漠性氣候。

采樣時(shí)間在2014年11月， 采樣方法為五點(diǎn)梅花狀取樣法， 采集土壤類型溫宿縣為淤黃泥、 阿瓦提縣為灌淤土， 和田縣為水稻土， 每個(gè)采樣區(qū)各采集31個(gè)土壤樣品， 共采集93個(gè)0～20 cm的表層土壤樣本。 將土樣帶回實(shí)驗(yàn)室經(jīng)風(fēng)干、 研磨、 過篩后分為兩份， 一份用于土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸以及富里酸含量的測定， 一份用于可見-近紅外光譜及中紅外光譜數(shù)據(jù)測定。 土壤有機(jī)質(zhì)采用重鉻酸鉀-滴定法進(jìn)行測定， 土壤胡敏素、 胡敏酸、 富里酸采用焦磷酸鈉提取重鉻酸鉀法進(jìn)行測定。

描述性統(tǒng)計(jì)包括平均值， 標(biāo)準(zhǔn)差， 最小值， 最大值， 峰度和變異系數(shù)， 土壤有機(jī)質(zhì)及其組分含量描述統(tǒng)計(jì)表如表1所示。 由表1可得， 土壤有機(jī)質(zhì)含量最大值為68.02 g·kg-1， 最小值為12.52 g·kg-1； 土壤有機(jī)質(zhì)及其組分含量的變異系數(shù)在50%左右， 屬強(qiáng)變異性， 因此本研究結(jié)果適用范圍較廣。

表1 土壤有機(jī)質(zhì)及組分含量統(tǒng)計(jì)

1.2 數(shù)據(jù)采集

VNIR光譜利用美國生產(chǎn)的Field SpecPro FR型光譜儀進(jìn)行測量[7]， 測量范圍為350～2 500 nm， 在350～1 000 nm采樣間隔為1.4 nm， 光譜分辨率為3 nm； 在1 000～2 500 nm采樣間隔為2 nm， 光譜分辨率為10 nm。 重采樣間隔為1 nm， 輸出波段數(shù)2 151個(gè)。 光譜測量在可控光條件的暗室進(jìn)行， 光源為功率50 W的鹵素?zé)簦?光源距離土壤樣品70 cm， 天頂角30°。 將樣品裝入直徑10 cm、 深度2 cm的器皿中， 表面用直尺刮平。 傳感器距土樣表面15 cm， 探頭為25°視場角， 測試之前進(jìn)行白板校正， 每個(gè)土樣進(jìn)行10次重復(fù)測量， 取平均值作為該土樣實(shí)際反射可見-近紅外光譜數(shù)據(jù)。

MIR光譜利用Agilent Technologies(美國)生產(chǎn)的Agilent 4300手持式FTIR光譜儀[8]進(jìn)行測量。 光譜范圍為650～4 000 cm-1， 采樣間隔為0.47 cm-1， 光譜分辨率4 cm-1， 每個(gè)頻譜都是32次內(nèi)部掃描的結(jié)果。 測量前將土壤樣品在45 ℃條件下烘干24 h， 降低土壤樣品中的水分含量之后再進(jìn)行MIR光譜測量。 與可見-近紅外光譜測量方法相似， 白板校正之后， 每個(gè)樣本測量10次光譜， 取平均值作為土壤中紅外光譜數(shù)據(jù)用于分析處理。

1.3 光譜數(shù)據(jù)預(yù)處理

在測量過程中， 儀器受自身精度誤差及大氣影響會使光譜反射率有輕微偏移。 在分析可見-近紅外光譜數(shù)據(jù)時(shí)需去除邊緣350～399和2 401～2 500 nm噪聲較大的土壤樣品的初始反射率， 保留400～2 400 nm波段的土壤原始光譜反射率進(jìn)行分析處理。 對中紅外光譜進(jìn)行重采樣處理， 去除邊緣波段， 保留3 600～650 cm-1波段范圍光譜數(shù)據(jù)。 光譜數(shù)據(jù)重采樣在ENVI軟件中進(jìn)行， 采樣后對VNIR光譜以及MIR光譜進(jìn)行Savitzky-Golay(SG)平滑處理。

1.4 建模方法與精度驗(yàn)證

將93個(gè)土壤樣品按有機(jī)質(zhì)及組分含量從小到大進(jìn)行排序， 三分之二用于建模， 三分之一用于驗(yàn)證， 即62個(gè)建模集樣本和31個(gè)預(yù)測集樣本。 采用偏最小二乘回歸(PLSR)、 支持向量機(jī)(SVM)回歸與隨機(jī)森林(RF)三種建模方式。 PLSR是一種常見的、 簡單的、 易于使用的多元回歸方法， 能夠從土壤光譜中準(zhǔn)確估計(jì)土壤的物理和化學(xué)性質(zhì)[9]。 SVM主要用于回歸和分類分析， 在解決非線性以及高維模式識別中有其獨(dú)特的優(yōu)勢[10]。 RF是基于決策樹的一種經(jīng)典的機(jī)器學(xué)習(xí)方法， 對于很多數(shù)據(jù)集表現(xiàn)良好， 精確度比較高， 不容易發(fā)生過擬合， 在數(shù)據(jù)建模中具有一定的優(yōu)勢[11]。 PLSR與SVM模型在The Unscrambler X 10.5.1軟件中實(shí)現(xiàn)， RF在R軟件中實(shí)現(xiàn)。

模型的穩(wěn)定性與預(yù)測的精度評價(jià)指標(biāo)主要包括決定系數(shù)(R2)、 均方根誤差(RMSE)、 樣本觀測值三四分位數(shù)Q3與一四分位數(shù)Q1之差與RMSE的比值(RPIQ)。 預(yù)測值與實(shí)測值的線性回歸R2量化了模型所解釋的可變性水平， 其余的變化歸因于隨機(jī)誤差。 RMSE測量預(yù)測值和實(shí)測值之間的差異， 并通過比較不同模型的預(yù)測誤差來量化預(yù)測的準(zhǔn)確性。 因此， RMSE越小， 模型精度越好。 RPIQ是一個(gè)模型效度的度量， 它同時(shí)考慮了預(yù)測誤差和測量值的變化。 RPIQ越高， 模型的預(yù)測能力越好。 相對于殘差預(yù)測偏差(RPD)， RPIQ更能表現(xiàn)出模型的精度， 它對測量值的正態(tài)性不作任何假設(shè)。 因此， 一個(gè)高精度的預(yù)測模型應(yīng)該具有較高的R2和RPIQ值以及較低的RMSE。

2 結(jié)果與討論

2.1 土壤有機(jī)質(zhì)及其組分的光譜特征分析

不同有機(jī)質(zhì)及其組分含量土樣的VNIR和MIR反射光譜曲線如圖1(a)和(b)所示， 圖中的光譜曲線為不同有機(jī)質(zhì)及其組分含量范圍內(nèi)多個(gè)土樣的平均光譜。 由圖1可以看出， 在不同土樣的VNIR和MIR光譜曲線中， 土壤有機(jī)質(zhì)及其組分含量越高， 土樣光譜反射率越低。 在VNIR光譜曲線中， 不同有機(jī)質(zhì)及其組分含量的土樣光譜反射曲線特征大致相同， 在400～700 nm波段增長速率較快， 700～1 900 nm范圍內(nèi)反射率緩慢增加， 在1 900～2 100 nm范圍內(nèi)大幅度減小， 此后直到2 400 nm反射率呈上升趨勢。 所有光譜曲線在1 400， 1 900和2 200 nm附近均有三個(gè)明顯的光譜吸收谷， 在1 400和1 900 nm處， VNIR光譜反射率受H2O和OH-的影響， 在2 200 nm處VNIR光譜反射率受土壤有機(jī)分子的影響[12]。 但有機(jī)質(zhì)各組分的光譜反射率有一定細(xì)節(jié)變化， 在400～700 nm波段范圍內(nèi)， 土壤胡敏素含量越低， 光譜反射率增長速度越大， 幾乎呈90°直線上升， 在700 nm之后， 不同胡敏素含量的土樣反射率趨于一致； 在400～900 nm波段范圍內(nèi)， 胡敏酸含量越低， 土樣光譜反射率越低， 但低胡敏酸含量的土樣光譜反射率增加速度最大， 在900 nm之后， 胡敏酸含量越低， 土樣光譜反射率越大。

圖1 土壤有機(jī)質(zhì)及其組分的可見-近紅外(a)和中紅外(b)反射光譜特性

MIR光譜反射曲線表現(xiàn)出更加明顯的特征波段， 出現(xiàn)更多的反射峰和吸收谷， 在3 600～3 500 cm-1處呈增加的趨勢， 隨后下降至3 300 cm-1波長后反射率大幅度增加至2 900 cm-1處， 在2 900～2 600 cm-1處迅速下降后又迅速上升至2 200 cm-1， 之后下降直到1 200 cm-1處出現(xiàn)波峰之后到600 cm-1處都持續(xù)下降。 MIR光譜反射曲線的吸收谷出現(xiàn)在3 500， 2 520， 1 800和2 500 cm-1左右， 吸收深度和面積與土壤有機(jī)質(zhì)及其組分含量直接相關(guān)。 與吸收谷相比， 反射峰更加明顯可見， 在2 900， 2 200以及1 200 cm-1附近波段處， 土壤有機(jī)質(zhì)及其組分含量越高， 反射深度和反射面積越大[13]。 在不同含量有機(jī)質(zhì)組分的土樣反射光譜曲線中， 富里酸含量越小， 土樣光譜反射率越大， 特征峰更明顯。

2.2 土壤有機(jī)質(zhì)及其組分對不同光譜的響應(yīng)

將土壤有機(jī)質(zhì)及其組分含量與土樣VNIR和MIR光譜反射率分別作相關(guān)性曲線。 由圖2可得， 土壤有機(jī)質(zhì)及其組分含量與光譜反射率均呈負(fù)相關(guān)， 相關(guān)系數(shù)在-0.55～0之間。 較VNIR來說， MIR與土壤有機(jī)質(zhì)及其組分相關(guān)性曲線中表現(xiàn)出更多的響應(yīng)特征波段， 相關(guān)性更高。 在VNIR波段中， 特征點(diǎn)集中于400， 600， 900， 1 400， 1 700和2 200 nm等波段處， 在400 nm處， 土壤有機(jī)質(zhì)及其組分相關(guān)性都最高， 土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸、 富里酸的相關(guān)系數(shù)分別為-0.799， -0.792， -0.653和-0.708。 總體來看， 不同有機(jī)質(zhì)及其組分含量與VNIR光譜反射率相關(guān)性從大到小為有機(jī)質(zhì)>胡敏素>胡敏酸>富里酸， 但在900～1 200 nm處， 土壤胡敏酸的相關(guān)性大于土壤有機(jī)質(zhì)、 胡敏素及富里酸的相關(guān)性， 出現(xiàn)一個(gè)波峰， 在之后波段的相關(guān)性曲線中， 胡敏酸中出現(xiàn)的波峰或波谷都會提前于其他幾種土壤性質(zhì)， 且出現(xiàn)的波峰及波谷均明顯大于其他幾種土壤性質(zhì)。

圖2 不同土壤有機(jī)質(zhì)及組分與可見-近紅外(a)和中紅外(b)反射率的相關(guān)關(guān)系

MIR波段中， 特征點(diǎn)出現(xiàn)在3 000， 2 300， 1 800， 1 500， 1 200， 900和600 cm-1等波段處。 土壤富里酸含量土樣光譜反射率的相關(guān)性幾乎全部為極顯著性相關(guān)， 而土壤胡敏酸僅在1 700～2 000 cm-1波段處存在顯著性相關(guān)。 土壤有機(jī)質(zhì)及組分相關(guān)性在1 800 cm-1波段處最高， 土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸、 富里酸的相關(guān)系數(shù)分別為-0.835， -0.834， -0.630和-0.836。 不同有機(jī)質(zhì)及其組分含量與MIR光譜反射率相關(guān)性從大到小為富里酸>有機(jī)質(zhì)>胡敏素>胡敏酸。 通過對比分析， 土壤有機(jī)質(zhì)及其組分在VNIR中相關(guān)性最好的是土壤有機(jī)質(zhì)， 最大相關(guān)系數(shù)為-0.799； 在MIR中土壤富里酸的相關(guān)性最高， 相關(guān)系數(shù)為-0.836。

2.3 土壤有機(jī)質(zhì)及其組分反演模型的構(gòu)建與驗(yàn)證

利用PLSR， SVM和RF模型結(jié)合VNIR， MIR和VNIR-MIR光譜數(shù)據(jù)集對土壤有機(jī)質(zhì)及組分進(jìn)行模型構(gòu)建與驗(yàn)證， 分別得到土壤有機(jī)質(zhì)及組分的9種預(yù)測模型， 如表2所示。

表2 基于不同光譜的PLSR， SVM和RF模型構(gòu)建與驗(yàn)證

建模集中， 有機(jī)質(zhì)及其組分建立的模型建模精度都較好。 在土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸、 富里酸中， 以土壤富里酸建立的模型精度最高， 決定系數(shù)R2均大于0.80， 最高可達(dá)到0.94； 土壤有機(jī)質(zhì)、 胡敏素及胡敏酸建立的模型精度R2都能大于0.70， 最優(yōu)土壤胡敏素及胡敏酸建模精度R2均為0.93； 土壤有機(jī)質(zhì)的建模精度相對較差， 最大建模精度R2為0.92。 在PLSR， SVM和RF三種模式建立的預(yù)測模型中， 以RF模式建立的模型精度明顯高于以PLSR和SVM建立的模型精度， 模型精度R2均大于0.80； PLSR模式建立的模型中有兩個(gè)模型的精度R2小于0.80， 總體來說， PLSR模型精度也可較好的預(yù)測土壤有機(jī)質(zhì)及其組分含量； SVM模型精度最差， 模型精度R2最低的僅為0.71。 在VNIR， MIR和VNIR-MIR三種光譜數(shù)據(jù)建立的模型中， 土壤有機(jī)質(zhì)以VNIR-MIR建立的模型精度最高， 土壤胡敏素與胡敏酸以VNIR建立的模型精度最高， 土壤富里酸以MIR建立的模型精度最高。

綜上所述， 土壤有機(jī)質(zhì)在基于VNIR-MIR光譜的FR模型預(yù)測精度最高，R2=0.92， RMSE=2.90， RPIQ=4.52； 土壤胡敏素以及胡敏酸在基于VNIR光譜的RF模型中精度最高， 胡敏素預(yù)測精度為R2=0.93， RMSE=2.44， RPIQ=4.87， 胡敏酸預(yù)測精度為R2=0.93， RMSE=0.34， RPIQ=4.75； 土壤富里酸以MIR的RF模型的預(yù)測精度最高， 模型精度R2=0.94， RMSE=0.22， RPIQ=6.08。

土壤有機(jī)質(zhì)及組分在模型精度驗(yàn)證中均以RF模型反演精度最高， 除VNIR-MIR光譜RF模型預(yù)測富里酸時(shí)， 模型決定系數(shù)R2小于0.8， 其他RF模型R2均大于0.8。 而PLSR模型與SVM模型相比， PLSR模型反演模型精度整體上高于SVM模型的反演模型精度， 但在VNIR-MIR光譜模型中， SVM模型精度大于PLSR模型精度。 9種模型的模型驗(yàn)證精度均小于模型預(yù)測精度。 反演模型精度最高的為富里酸， 模型R2可達(dá)0.94， RMSE為0.24， RPIQ為4.41。 胡敏素和胡敏酸的反演模型R2均為0.92， RMSE分別為2.66和0.34， RPIQ分別為4.61和3.93。 有機(jī)質(zhì)模型預(yù)測精度低于各組分模型精度，R2為0.90， RMSE為4.08， RPIQ為3.51。

2.4 土壤有機(jī)質(zhì)單一光譜模型及組合模型的精度對比

土壤有機(jī)質(zhì)由胡敏素、 胡敏酸及富里酸3個(gè)組分組成， 這三種組分含量之和等于有機(jī)質(zhì)含量。 篩選出上文中土壤有機(jī)質(zhì)組分最優(yōu)模型的預(yù)測結(jié)果， 將各組分含量預(yù)測結(jié)果之和與土壤有機(jī)質(zhì)實(shí)測值建立線性模型， 圖3為土壤有機(jī)質(zhì)單一模型和組合模型與土壤有機(jī)質(zhì)實(shí)測值的散點(diǎn)圖。 有機(jī)質(zhì)組合模型決定系數(shù)R2為0.93， 大于土壤有機(jī)質(zhì)單一光譜模型精度(R2=0.90)。

圖3 土壤有機(jī)質(zhì)組合模型、 單一模型與有機(jī)質(zhì)實(shí)測值散點(diǎn)圖

土壤有機(jī)質(zhì)的主要成分為腐殖質(zhì)， 根據(jù)其溶解性可分為胡敏素、 胡敏酸和富里酸。 其中， 富里酸易溶于酸堿溶液， 在土壤中最易被分解， 胡敏素是在所有pH水平下仍不溶于水溶液的萃取部分， 在土壤中難以分解， 且與疏水性有機(jī)化合物緊密結(jié)合， 并在其結(jié)構(gòu)中呈現(xiàn)出不變的生物聚合物， 如木質(zhì)素和多糖， 提取過程復(fù)雜， 對土壤肥力性質(zhì)的研究造成了一定的困難。 光譜技術(shù)是應(yīng)用于土壤屬性測定的一種新的技術(shù)手段， 已被證明能夠有效的分析SOM。 Gu等[14]發(fā)現(xiàn)， 土壤有機(jī)質(zhì)含量大于2%會對土壤光譜影響較大， 可能忽略其他因素的影響; 當(dāng)小于2%時(shí)， 隨著土壤有機(jī)質(zhì)含量降低， 對光譜的影響能力逐漸減小， 也說明了土壤有機(jī)質(zhì)含量越大， 光譜反射率越小。 Dinesh等[15]基于中紅外光譜， 建立MNIRS-PLSR模型， 預(yù)測了再造林地土壤的總有機(jī)碳等指標(biāo)， 結(jié)果表明總有機(jī)碳的驗(yàn)證精度R2可達(dá)到0.96。 現(xiàn)階段大部分研究主要是對有機(jī)質(zhì)的物理性質(zhì)等方面進(jìn)行研究， 對有機(jī)質(zhì)組分研究的報(bào)道還很少見。 本研究分別做了有機(jī)質(zhì)與其組分的預(yù)測模型， 在有機(jī)質(zhì)組分層面對土壤肥力更為深入的研究發(fā)現(xiàn)， 盡管在近紅外光譜中， 土壤有機(jī)質(zhì)與光譜反射率的相關(guān)性最高， 相關(guān)系數(shù)最大， 但在實(shí)際建模預(yù)測過程中， 有機(jī)質(zhì)的預(yù)測精度指標(biāo)要小于其組分的預(yù)測精度， 富里酸的模型反演精度最好， 預(yù)測精度R2可達(dá)到0.94， 胡敏素與胡敏酸的模型反演精度R2也可達(dá)到0.92， 均大于有機(jī)質(zhì)的模型反演精度， 說明有機(jī)質(zhì)模型反演并不能完全反映出土壤肥力的高低， 有機(jī)質(zhì)組分的礦質(zhì)化程度也會影響土壤有機(jī)質(zhì)的預(yù)測精度。 Machado等[16]研究發(fā)現(xiàn)， 土壤有機(jī)質(zhì)組分中胡敏酸的反射率會掩蓋土壤反射率和土壤顏色等信息， 當(dāng)土壤中胡敏酸的含量增大時(shí)， 土壤有機(jī)質(zhì)的反射率會降低， 與本研究得出的結(jié)論一致。 此外， 對比了胡敏素、 胡敏酸和富里酸的有機(jī)質(zhì)組合模型與有機(jī)質(zhì)單一光譜模型的預(yù)測精度， 有機(jī)質(zhì)組合光譜模型預(yù)測精度高于有機(jī)質(zhì)單一光譜模型， 表明這種組合建模方法即可精確預(yù)測有機(jī)質(zhì)各組分的含量， 同時(shí)也提高了有機(jī)質(zhì)的預(yù)測精度， 為提高光譜預(yù)測有機(jī)質(zhì)的模型精度， 更精準(zhǔn)的反映土壤肥力狀況提供了新思路。

3 結(jié) 論

為探討土壤有機(jī)質(zhì)組分對土壤有機(jī)質(zhì)光譜預(yù)測的影響， 大范圍尺度的更精準(zhǔn)的研究土壤肥力狀況， 通過對南疆不同地區(qū)土壤有機(jī)質(zhì)、 胡敏素、 胡敏酸以及富里酸進(jìn)行反射光譜曲線及相關(guān)性分析， 基于VNIR， MIR和VNIR-MIR三種不同光譜數(shù)據(jù)， 結(jié)合PLSR， SVM和RF三種模型， 建立基于不同光譜數(shù)據(jù)的土壤有機(jī)質(zhì)及組分的預(yù)測模型， 篩選最優(yōu)模型， 得出以下結(jié)論：

(1)土壤中有機(jī)質(zhì)及組分含量越大， 土壤光譜反射率越小。 VNIR光譜中， 在1 400， 1 900和2 200 nm波長附近出現(xiàn)吸收谷； MIR光譜中， 在3 500， 2 520， 1 800和2 500 cm-1波長附近出現(xiàn)波谷， 在2 900， 2 200以及1 200 cm-1波長附近出現(xiàn)波峰。

(2)不同土壤有機(jī)質(zhì)及組分與土壤光譜反射率相關(guān)性在VNIR和MIR光譜中均為負(fù)相關(guān)， 土壤有機(jī)質(zhì)及其組分在VNIR中相關(guān)性最高的是土壤有機(jī)質(zhì)， 最大相關(guān)系數(shù)為-0.799； 在MIR中土壤富里酸的相關(guān)性最高， 相關(guān)系數(shù)為-0.836。

(3)對各模型精度進(jìn)行比較及分析， 土壤富里酸模型精度最高， MIR-RF模型精度R2可達(dá)到0.94， RMSE為0.24， RPIQ為4.41， 胡敏素和胡敏酸最優(yōu)預(yù)測模型為VNIR-RF模型， 決定系數(shù)R2可達(dá)到0.92， RMSE分別為2.66和0.34， RPIQ分別為4.61和3.93。 預(yù)測精度相對較差的是土壤有機(jī)質(zhì)， 最優(yōu)模型為VNIR-MIR-RF模型， 反演精度R2為0.90， RMSE為4.08， RPIQ為3.51。

(4)基于胡敏素、 胡敏酸和富里酸的有機(jī)質(zhì)組合光譜模型決定系數(shù)R2為0.93， RMSE為2.58， RPIQ為5.89， 明顯大于有機(jī)質(zhì)單一光譜模型預(yù)測精度。 本研究表明不同土壤光譜反射率能夠快速簡便準(zhǔn)確的預(yù)測出土壤有機(jī)質(zhì)及組分含量， 實(shí)現(xiàn)迅速鑒定土壤肥力， 對南疆地區(qū)土壤肥力的監(jiān)測及改良提供一些必要理論和技術(shù)， 也對南疆地區(qū)土壤肥力的治理具有一定的指導(dǎo)意義。