土壤有机质可见-近红外反射光谱特性研究

doi:10.13304/j.nykjdb.2023.0309

摘要/Abstract

摘要：

为优化土壤有机质含量预测模型运算速度，以50份土壤有机质为例，利用Pearson相关系数分析法对土壤有机质的特征波段进行提炼筛选。结果表明，土壤样品的反射光谱与土壤有机质含量在555~662 nm波段范围内呈较强负相关，显著特征波段为601 nm；经过不同预处理后的土壤反射光谱与土壤有机质含量呈较强的相关性，显著特征波段增加，主要体现在601、1 221、1 410、1 665、1 880、2 110、2 200 nm波段附近。对不同土壤含水率的反射光谱与土壤有机质含量之间的Pearson相关曲线进行分析发现，显著特征波段主要体现在601、1 450、1 930、2 200 nm波段附近，随着土壤含水率的增加，土壤有机质的特征波段601 nm的相关性逐渐减弱，土壤水分的特征波段1 450、1 930、2 200 nm的相关性逐渐加强；土壤含水率超过10%，土壤反射光谱与土壤有机质含量呈正相关。研究获取的土壤有机质特征波段和土壤水分影响波段，为土壤有机质快速检测模型的建立提供理论支撑。

关键词: 土壤有机质, 可见-近红外反射光谱, Pearson相关系数, 土壤水分

Abstract:

To optimize the calculation speed of the soil organic matter （SOM） content prediction model， 50 soil samples were used to extract and screen the characteristic spectral bands of SOM by using Pearson correlation coefficient analysis method. The results showed that the reflectance spectra of the soil was strongly negatively correlated with SOM content in the range of 555~662 nm， with a characteristic band at 601 nm. After different preprocessing methods， the reflectance spectra of soil and SOM content showed a strong correlation， and the characteristic bands increased， mainly around 601， 1 221， 1 410， 1 665， 1 880， 2 110 and 2 200 nm. By analyzing the Pearson correlation curves between the reflectance spectra at different soil moisture levels and SOM content， the characteristic bands were observed around 601， 1 450， 1 930 and 2 200 nm. With an increase in soil moisture content， the correlation of the characteristic band at 601 nm gradually weakened， while the correlation of the moisture-related characteristic bands at 1 450， 1 930 and 2 200 nm increased. When the soil moisture content exceeded 10%， the reflectance spectra of soil and SOM content showed a positive correlation. The identified characteristic bands of SOM and soil moisture provided theoretical support for the development of a rapid detection model for SOM.

Key words: soil organic matter, visible-near infrared reflectance spectroscopy, Pearson correlation coefficient, soil moisture

中图分类号:

X836

王世芳, 宋海燕. 土壤有机质可见-近红外反射光谱特性研究[J]. 中国农业科技导报, 2024, 26(7): 183-188.

Shifang WANG, Haiyan SONG. Study on Characteristics of Visible and Near Infrared Reflectance Spectra of Soil Organic Matter[J]. Journal of Agricultural Science and Technology, 2024, 26(7): 183-188.

图/表 6

图1 不同有机质含量的烘干土壤样品的反射光谱图

Fig. 1 Reflectance of oven-dry soil samples with different SOM content

图2 土壤反射光谱与有机质含量的Pearson相关系数曲线注：虚线处为纵坐标0.7和-0.7处，0.7~1.0和-1.0~-0.7范围内为显著相关波段。

Fig. 2 Pearson correlation coefficient between soil reflectance spectrum and SOM contentNote： Dashed lines represent the vertical coordinates 0.7 and -0.7， the significant correlation bands are in the range of 0.7~1.0 and -1.0~-0.7.

图3 不同预处理的土壤反射光谱与有机质含量的Pearson相关系数A：反射光谱、吸光度转化、标准正态变量变换、基线校正；B：一阶导数；C：二阶导数。虚线处为纵坐标0.7和-0.7处，0.7~1.0和-1.0~-0.7范围内为显著相关波段。

Fig. 3 Pearson correlation coefficient between different pretreatment spectra and SOM contentA： Ref， Abs，SNV，baseline offset； B： FD； C： SD. Dashes lines represent the vertical coordinates 0.7 and -0.7， the significant correlation bands are in the range of 0.7~1.0 and -1.0~-0.7.

表1 不同预处理的土壤反射光谱与土壤有机质含量的相关性特征

Table 1 Correlation features of SOM concent and reflectance from soil samples with different pretreatment methods

光谱预处理 Pretreatment	显著相关波段 Significant bands/nm	正负相关性 Positive and negative correlation （+/-）	相关系数（绝对值的最大值） Correlation coefficient （maximum absolute value）
光谱反射率 Ref	400~662 ［601 （0.759）］	-	0.827
吸光度 Abs	400~670 ［601 （0.784）］	+	0.847
标准正态变量变换 SNV	400~518， 1 142~1 900［1 411 （0.923）， 1 880 （0.835）］	-	0.992
标准正态变量变换 SNV	558~893 ［597 （0.985）］， 2 081~2 158 ［2 138 （0.793）］	+	0.985
基线校正 Baseline offset	400~1 081	+	0.935
基线校正 Baseline offset	1 384~1 901 ［1 413 （0.861）， 1 886 （0.893）］， 2 001~2 071， 2 106~2 121 ［2 119 （0.849）］， 2 215~2 249 ［2 236 （0.902）］	-	0.902
一阶导数 FD	550 （0.994）， 1 655 （0.986）， 1 435 （0.957）	+	0.994
一阶导数 FD	2 192 （0.959）	-	0.959
二阶导数 SD	647 （0.934）， 1 221 （0.873）	+	0.883

图4 不同含水率反射光谱与有机质含量的Pearson相关系数曲线注：虚线处为纵坐标0.7和-0.7处，0.7~1.0和-1.0~-0.7范围内为显著相关波段。

Fig. 4 Pearson correlation coefficient between different moisture content spectra and SOM contentNote： Dashed lines represent the vertical coordinates 0.7 and -0.7， the significant correlation bands are in the range of 0.7~1.0 and -1.0~-0.7.

表2 不同含水率的土壤反射光谱与土壤有机质含量的相关性特征

Table 2 Correlation features of SOM concentrations and reflectance from soil samples with different moisture

含水率 Moisture content/%	显著相关波段 Significant bands/nm	正负相关性 Positive and negative correlation （+/-）	相关系数（绝对值的最大值） Correlation coefficient （maximum absolute value）
烘干 Oven-dry	400~662 ［601 （0.759）］	-	0.827
5	/	/	/
10	400~515， 1 155~1 170， 1 373~1 584， 1 850~2 450 1 416 （0.761）， 1 931 （0.867）， 2 210 （0.744）	+	0.867
15	400~559， 716~2 450 1 448 （0.867）， 1 930 （0.927）， 2 210 （0.874）	+	0.927
17	400~530， 772~2 450 1 452 （0.850）， 1 927 （0.914）， 2 211 （0.854）	+	0.914

参考文献 16

1	刘雪梅.近红外漫反射光谱检测土壤有机质和速效N的研究[J].中国农机化学报,2013,34(2):202-206.
	LIU X M. Near infrared diffuse reflectance spectra detection of soil organic matter and available N [J]. J. Chin. Agric. Mech.,2013,34(2):202-206.
2	刘振尧,温江北,高洪智,等.基于随机森林方法在土壤有机质近红外建模中的研究[J].现代农业装备,2017(6):37-41, 54.
	LIU Z Y, WEN J B, GAO H Z, et al.. Study of dimension-reducing optimization for near-infrared modeling on soil using random forest regression with Gini [J]. Mod. Agric. Equip., 2017(6):37-41, 54.
3	冉思,丁建丽,葛翔宇,等.基于稀疏网络的可见光/近红外反射光谱土壤有机质含量估算[J].激光与光电子学进展,2020,57(24):389-397.
	RAN S, DING J L, GE X Y, et al.. Estimation method of VIS-NIR spectroscopy for soil organic matter based on sparse networks [J]. Laser Optoelectr. Pro., 2020,57(24):389-397.
4	KIRSHNAN P, ALEXANDER J D, BUTLER B J, et al.. Reflectance technique for predicting soil organic matter [J/OL]. Soil Sci. Soc. Am. J., 1980, 44(6), 1282 [2023-03-19]. .
5	WU C Y, JACOBSON A R, LABA M, et al.. Alleviating moisture content effects on the visible near-infrared diffuse-reflectance sensing of soils [J]. Soil Sci., 2009, 174(8), 456-465.
6	WANG S F, CHENG X, ZHENG D C, et al.. Prediction of the soil organic matter (SOM) content from moist soil using synchronous two-dimensional correlation spectroscopy (2D-COS) analysis [J/OL]. Sensors, 2020, 20(17): 4822 [2023-03-19]. .
7	李阳,刘新路,彭杰,等.基于可见光近红外光谱的南疆荒漠土壤有机质反演研究[J].土壤通报,2018,49(4):767-772.
	LI Y, LIU X L, PENG J, et al.. Inversion of desert soil organic matter content using visiable-infrared spectrum in southern Xinjiang [J]. Chin. J. Soil Sci., 2018,49(4):767-772.
8	谭洋,姜琦刚,刘骅欣,等.基于多尺度SNV-CWT特征的黑土有机质、水分、总铁及pH值估测[J].光谱学与光谱分析,2021,41(11):3424-3430.
	TAN Y, JIANG Q G, LIU H X, et al.. Estimation of organic matter, moisture, total iron and pH from back soil based on multi scales SNV-CWT transformation [J]. Spectrosc. Spectral Anal., 2021,41(11):3424-3430.
9	曹永研,杨玮,王懂,等.基于水分和粒度的土壤有机质特征波长提取与预测模型[J].农业机械学报,2022,53():241-248.
	CAO Y Y, YANG W, WANG D, et al.. Soil organic matter characteristic wavelength extraction and prediction model based on moisture and particle size [J]. Trans. Chin. Soc. Agric. Mach., 2022,53(S1):241-248.
10	张笑寒,孟祥添,唐海涛,等.优化光谱输入量的土壤有机质随机森林预测模型[J].农业工程学报,2023,39(2):90-99.
	ZHANG X H, MENG X T, TANG H T, et al.. Random forest prediction model for the soil organic matter with optimized spectral inputs [J]. Trans. Chin. Soc. Agric. Eng., 2023,39(2):90-99.
11	张俊华,尚天浩,陈睿华,等.基于光谱FOD与优化指数的银川平原土壤有机质含量反演[J].农业机械学报,2022,53(11):379-387.
	ZHANG J H, SHANG T H, CHEN R H, et al.. Inversion of soil organic matter content in Yinchuan plain using field spectral fractional-order derivatives combined with spectral optimization index [J]. Trans. Chin. Soc. Agric. Mach., 2022,53(11):379-387.
12	任意,辛景树,田有国,等. 土壤检测第6部分:土壤有机质的测定: [S]. 北京:中国标准出版社, 2006.
13	丁海泉,卢启鹏,朴仁官,等.土壤有机质近红外光谱分析组合波长的优选[J].光学精密工程,2007,15(12):1946-1951.
	DING H Q, LU Q P, PIAO R G, et al.. Optimum choice of combination wavelengths in near infrared analysis for soil organic matter [J]. Opt. Precis. Eng., 2007,15(12):1946-1951.
14	程航,万远,陈奕云,等.部分土壤重金属可见-近红外反射光谱特征及机理研究[J].光谱学与光谱分析,2018,38(3):771-778.
	CHENG H, WAN Y, CHEN Y Y, et al.. Study on the characteristic and mechanism of visible and near infrared reflectance spectra of soil heavy metals [J]. Spectrosc. Spectral Anal., 2018,38(3):771-778.
15	曾静,李光林,周胜灵.水分对近红外光谱检测紫色土有机质含量影响的研究[J].西南大学学报(自然科学版),2015,37(10):167-173.
	ZENG J, LI G L, ZHOU S L. A research of the effects of soil moisture on NIR spectroscopic detection of organic matter content in purple soil [J]. J. Southwest Univ.,2015,37(10):167-173.
16	宋海燕,程旭.水分对土壤近红外光谱检测影响的二维相关光谱解析[J].光谱学与光谱分析,2014,34(5):1240-1243.
	SONG H Y, CHENG X. Analysis of the effect of moisture on soil spectra detection by using two-dimensional correlation near infrared spectroscopy [J]. Spectrosc. Spectral Anal.,2014,34(5):1240-1243.

[1]	刘宏元, 周志花, 赵光昕, 王艳君, 王娜娜. 改性纤维素对旱稻萌发和旱地土壤性质的影响[J]. 中国农业科技导报, 2023, 25(5): 168-175.
[2]	高日平, §, 刘小月, §, 杜二小, 韩云飞, 任永峰, 高宇, 赵沛义, 李焕春, 张鹏, . 垄膜沟播与秸秆还田对内蒙古黄土高原玉米农田土壤水分、酶活性及产量的影响[J]. 中国农业科技导报, 2021, 23(11): 181-190.
[3]	郭晗1,2,张序1*,陆洲2,田婷3,徐飞飞2,罗明2,吴正贵4,孙振军5. 基于机载高光谱影像的南方水稻土有机质含量估算[J]. 中国农业科技导报, 2020, 22(6): 60-71.
[4]	朱国龙,王转,龙怀玉*,张认连,喻科凡. 负压供水下土壤水分对樱桃萝卜生长及水分利用效率的影响[J]. 中国农业科技导报, 2020, 22(12): 127-136.
[5]	王转,朱国龙,龙怀玉*,张认连,申哲,曲潇琳,喻科凡. 土壤水分时间变异对玉米生长及水分效率的影响[J]. 中国农业科技导报, 2020, 22(11): 153-164.
[6]	刘晓蕾1,高明2. 不同土壤水分含量对丹参生长及4种水溶性有效成分含量的影响[J]. 中国农业科技导报, 2020, 22(10): 175-180.
[7]	程介虹1,陈争光1*,张庆华2. 不同波长选择方法在土壤有机质含量检测中对比研究[J]. 中国农业科技导报, 2020, 22(1): 162-170.
[8]	朱茜1,林杰2*. 基于137Cs的苏南丘陵区的土壤侵蚀和土壤养分研究[J]. 中国农业科技导报, 2018, 20(8): 134-141.
[9]	唐杰,王昌全*,李冰,曾建,李启权,徐强,李一丁,李珊. 川中丘陵区土壤有机质和碱解氮空间变异特征研究[J]. 中国农业科技导报, 2017, 19(6): 124-130.
[10]	程红胜1,沈玉君1,孟海波1*,湛世界1,2. 生物炭基保水剂对土壤水分及油菜生长的影响[J]. 中国农业科技导报, 2017, 19(2): 86-92.
[11]	郑毅张福锁. 石灰性土壤上花生缺铁黄化与土壤水分和重碳酸盐的关系[J]. , 2000, 2(3): 73-76.