一、引言

土壤可見-近紅外反射光譜是土壤理化特性光譜行為的綜合。土壤中許多成分在可見-近紅外光譜范圍內具有反射與吸收特征，可以根據它們來識別土壤中的成分，許多學者通過分析光譜曲線形狀特征、斜率變化以及吸收波段出現與否分析光譜特征，劃分土壤反射光譜曲線基本類型。隨著高光譜技術的發展，獲得的土壤光譜信息越來越豐富，對土壤特性光譜特征及其土壤分類的研究更加深入。紅壤是江西分布最廣、面積最大的土壤之一，為中國乃至世界上最重要的土壤資源，研究紅壤地區不同土壤亞類乃至不同土屬的光譜特征對其理化性質的快速估算和土壤分類等有重要意義。本研究從江西省紅壤地區有代表性地域的縣(吉安縣、余江縣、興國縣和灣里區)采集了7種亞類的443個土壤樣品，獲取其室內可見-近紅外(Vis-NIR)高光譜反射率(350~2500nm)。從反射光譜曲線位置、吸收峰特征和曲線的斜率等分析不同亞類土壤、亞類內不同土屬的光譜特征，并探討利用光譜特征對土壤進行分類的可能性。

二、材料與方法

2.1 樣品采集

樣品采集的區域位于江西省的吉安縣、余江縣、興國縣以及南昌市的灣里區，余江縣的土壤類型為典型的低丘紅砂巖發育的土壤，吉安縣為丘陵盆地區土壤，興國縣為典型低山丘陵花崗巖發育的土壤，灣里區土壤主要是由低山區黑云母花崗巖和花崗片麻巖風化而來。根據典型性和代表性原則，隨機采取443個樣品，土壤亞類分別為紅壤土類中的紅壤亞類、黃紅壤亞類、紅壤性土亞類和棕紅壤亞類，水稻土土類包括潛育型水稻土亞類、潴育型水稻土亞類和淹育型水稻土亞類（表1）。土樣清除植物殘留物和石塊后，于室內自然風干，經研磨后統一過1mm篩，四分法分成兩份，一份用于實驗室測定，另一份用于室內光譜測量。

表1供試土壤樣品基本情況

2.2 樣品分析

土壤有機質采用重鉻酸鉀容量—外加熱法測定；土壤陽離子交換量采用乙酸銨交換法測定；全氮采用凱式定氮法測定；速效鉀采用乙酸銨浸提—火焰光度法測定；有效磷采用鉬銻抗比色法測定；pH采用電位法測定。土壤樣品光譜數據的采集可以使用萊森光學iSpecField-WNIR系列地物光譜儀。土壤樣品放在直徑10cm，深1.5cm，內部涂黑的盛樣器皿內，土樣表面刮平。每個測量點測量10條光譜，30條光譜取平均值后作為該土壤采樣點的室內光譜。

2.3 光譜數據預處理

先對反射光譜去掉噪聲較大的邊緣波段200～400nm和2400～2500nm。為了消除一些不確定性的噪聲和減少數據矩陣，對400～2400nm的波段每10nm進行平均，最終得到了201個波段值進行后續分析。為了更明顯地看出特征吸收峰，對光譜進行連續統去除，可以有效地突出光譜曲線吸收和反射特征，并將其歸一到一致的光譜背景上，有利于與其他光譜曲線進行特征數值比較，從而提取出特征波段進行分類識別。用1減去連續統去除后的反射光譜即為特征吸收光譜（見圖1）。特征吸收峰和橫坐標所包圍的圖形為吸收面積。

圖1光譜曲線特征提取

導數光譜法也是展示光譜吸收特征的一種方法，原始光譜的二階導數對重疊光譜的較窄或者較微弱的吸收波段的分辨有明顯的增強作用。對原始光譜的二階導數主要是運用于對光譜可見光區域范圍，以找出不同土壤亞類和不同土屬的差異性。

2.4 土壤光譜特征變量提取

對光譜特征表現、反射率的強度、曲線變化的斜率和特征吸收谷的強度等進行光譜特征變量提取，初選出24個光譜特征變量，作為預選特征參數，再運用逐步判別分析方法從24個反射率值中選擇最具代表性的19個光譜變量用于光譜聚類分析，其中特征吸收峰和三個弓曲差分別反映氧化鐵、有機質和黏土礦物等的含量；四個波段范圍的均值和三個曲線的比值反映曲線位置。聚類之前所有變量均標準化，聚類的類別按照采樣的土壤亞類給定7類，每種亞類內按土屬再進行聚類。

三、結果

3.1 不同紅壤亞類光譜特征

基于全部土壤特征變量對土壤光譜進行聚類，對聚類的同一類土壤光譜求均值得到光譜分類后的四個紅壤亞類的光譜曲線（圖2）。從圖2可以看出，不同紅壤亞類的光譜曲線有類似的趨勢。在可見光-短波近紅外光譜范圍曲線較為陡峭，在近紅外光譜區域有幾個波折，1400nm、1910nm和2200nm有強烈的吸收峰，980nm左右有明顯的吸收峰。由于成土環境、黏土礦物和成土母質等特性差異導致不同紅壤亞類光譜曲線差異明顯，整體來看，紅壤性土亞類光譜反射率整體最高，黃紅壤亞類反射率最低，棕紅壤亞類反射率較低。紅壤各亞類光譜曲線在900nm左右均有吸收峰，在1400nm、1900nm和2200nm均有強的吸收峰，但不同紅壤亞類的吸收峰有差異，紅壤性土亞類的光譜曲線在1400nm、1900nm和2200nm為強烈的V形吸收峰，而其他亞類的吸收峰較寬較淺。這是由于土壤發育程度的不同，其黏土礦物、有機質含量和水分含量等的差異導致光譜曲線差異明顯。在可見光短波近紅外光譜區域，紅壤性土亞類反射曲線急劇上升，而黃紅壤亞類在600nm左右有較淺的有機質吸收峰。

圖2不同紅壤亞類土壤光譜反射率

圖3a和圖3b分別是紅壤中不同黏土礦物和鐵氧化物的光譜曲線。從圖2和圖3可知紅壤性土亞類的黏土礦物以高嶺石為主，含有一定量的赤鐵礦，而紅壤亞類的黏土礦物除了以高嶺石為主還含有少量蛭石。黃紅壤的光譜曲線位置較紅壤低，在900nm左右有較明顯的氧化鐵吸收峰，吸收峰強度較紅壤強，在400nm～800nm波段范圍內有明顯的有機質吸收峰，在水分吸收波段1400nm和1900nm有較強吸收峰，但較紅壤弱，其黏土礦物與紅壤類似。棕紅壤光譜曲線整體較平，根據圖3可以看出棕紅壤的黏土礦物以高嶺石、伊利石為主，含有一定量石英。

圖3紅壤部分黏土礦物反射系數曲線

圖4是對紅壤不同亞類的特征吸收光譜的提取方法，圖4a為連續統去除后的特征提取，圖4b為二階導數處理。圖4a顯示黃紅壤亞類吸收光譜位置最高，紅壤亞類位置較高，棕紅壤亞類和紅壤性土亞類幾乎與x軸重疊。研究顯示620～640nm為紅壤地區土壤有機質的吸收區域，因此從圖4a可以看出，黃紅壤亞類的有機質含量最高。Kosmas等的研究表明，可見光范圍的二階導數處理能判別出土壤中的針鐵礦和赤鐵礦的含量，二階導數處理的420～447nm范圍的波段能夠定量估算土壤中針鐵礦的含量。從圖4b可以看出，447nm和420nm處反射率的二階導數之間的距離大小為：黃紅壤亞類＞棕紅壤亞類＞紅壤亞類＞紅壤性土亞類，說明黃紅壤亞類中含有大量的針鐵礦，棕紅壤亞類中含有一定量的針鐵礦，而紅壤和紅壤性土亞類針鐵礦的含量較少。

圖4不同紅壤亞類土壤特征吸收光譜

3.2不同水稻土亞類光譜特征

潛育型水稻土亞類和潴育型水稻土亞類的光譜反射曲線位置較低（圖5a），但在可見光-短波近紅外光譜區域，潛育型水稻土反射率較潴育型水稻土低，在950nm左右潛育型水稻土有明顯的氧化鐵吸收峰，潴育土壤光譜曲線較為平滑。淹育性水稻土反射率最高，三種水稻土亞類光譜反射曲線位置為：淹育性水稻土＞潴育型水稻土＞潛育型水稻土，根據曲線反射率的位置高低可以用于識別不同的水稻土亞類。

江西紅壤地區水稻土在一年中浸水的時間較長，有利于有機質的積累，但不同亞類在相同的管理下有機質的積累速度差異較大。從光譜曲線（圖5）可以看出在可見光-短波近紅外波段范圍內，潛育型水稻土光譜反射曲線位置最低，在680nm左右有微弱的有機質吸收，說明潛育型水稻土亞類有機質含量較高。潴育型水稻土亞類光譜反射率較低，是因為其分布的地理位置較為平坦、排灌便利、土壤培肥熟化水平較高。淹育性水稻土亞類光譜反射率高于潴育型水稻土和潛育型水稻土，在1000nm以后光譜反射率高于0.55，而潴育型和潛育型曲線整體均在0.55以下，說明其有機質含量和土壤肥力均較低。

為了進一步分析紅壤地區水稻土的光譜特征，對紅砂巖母質發育的水稻土亞類的平均光譜進行光譜特征分析（圖5b），從中可以看出不同亞類水稻土的光譜曲線位置與圖5a類似，淹育性水稻土光譜反射率最高，潛育型水稻土在可見-近紅外反射率最低、而在近紅外（1500nm以外）其反射率高于潴育型水稻土。圖6a顯示不同土壤亞類總體特征吸收面積為潛育型水稻土亞類＞潴育型水稻土亞類＞淹育型水稻土亞類＞紅壤亞類。

圖5不同水稻土亞類和紅壤亞類土壤光譜反射率

由于土壤受不同水分作用以及淹水時間長短的影響，光譜曲線不僅表現在有機質的差異上，而且反映在氧化鐵的氧化還原程度上。水稻土中還原淋溶、氧化淀積交替過程造成不同亞類水稻土耕層土壤氧化鐵含量差異明顯。圖6b顯示不同水稻土亞類在422～445nm光譜區域二階導數之間距離的大小，根據二階導數距離的大小可以判定針鐵礦的含量，紅壤地區水稻土針鐵礦為土壤晶體氧化鐵，淹育型水稻土亞類在422～445nm光譜差值最大，表明其含晶體氧化鐵最多。潴育型水稻土氧化條件較好，因此較多的氧化鐵結晶成為晶質鐵，表現在422～445nm光譜區域的二階導數差值較大，而潛育性水稻土因長期浸水，部分氧化鐵處于還原狀態，晶體鐵相對較少，表現在422～445nm波段之間的二階導數差值較小。圖6b顯示紅壤亞類在422nm和445nm這兩個波段的二階導數差值最小，可推斷出紅壤亞類的針鐵礦含量最少，這與圖4的結果一致，因此422～445nm波段范圍的二階導數是一項衡量晶體氧化鐵含量的綜合指標，因而其對水稻土發生學研究具有一定的研究意義。

圖6不同水稻土亞類和紅壤亞類特征吸收光譜曲線

根據圖3的黏土礦物的光譜曲線可以推斷出紅壤地區紅砂巖發育而來的水稻土與紅壤亞類的黏土礦物類似，以高嶺石和伊利石為主，含有一定量的蛭石、蒙脫石和石英，與其起源土壤一致。

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學專門用于野外遙感測量、土壤環境、礦物地質勘探等領域的最新明星產品，獨有的光路設計，噪聲校準技術、可以實時自動校準暗電流，采用了固定全息光柵一次性分光，測試速度快，最短積分時間最短可達20μs，操作靈活、便攜方便、光譜測試速度快、光譜數據準確，廣泛應用于遙感測量、農作物監測、森林研究、海洋學研究和礦物勘察等各領域。

審核編輯 黃宇