基于土壤光譜特征的寧夏銀北地區(qū)鹽堿地鹽分預(yù)測研究

張俊華，秦君琴，李 明

（1.寧夏大學(xué) 新技術(shù)應(yīng)用研究開發(fā)中心，寧夏 銀川750021；2.寧夏大學(xué) 物理與電氣學(xué)院，寧夏 銀川750021）

土壤鹽堿化是干旱、半干旱農(nóng)業(yè)區(qū)主要的土地退化問題，獲取有關(guān)鹽堿化土壤的性狀、范圍、面積、地理分布及鹽堿化程度等方面的信息，對治理鹽堿化土壤，防止其進(jìn)一步退化和農(nóng)業(yè)可持續(xù)發(fā)展至關(guān)重要，而遙感以其宏觀、綜合、動態(tài)、快速等特點，已成為監(jiān)測土壤鹽堿化的一種重要探測手段。

多年來，在鹽漬土光譜特征的研究方面國內(nèi)外學(xué)者取得了較大的進(jìn)展。Dehaan等［1］發(fā)現(xiàn)高度鹽堿化的土壤在0.68，1.18，1.78nm 處相對于未發(fā)生鹽堿化的土壤有更清晰的吸收特征。扶卿華等［2］表明波長451.42～593.79nm區(qū)域的土壤反射率對土壤鹽分含量較為敏感，即該波段范圍較適用于研究區(qū)土壤鹽分含量的預(yù)測。Yousef［3］研究發(fā)現(xiàn)土壤多種光譜指數(shù)隨著土壤鹽堿化程度的增加而降低。光譜特征值與土壤含鹽量之間表現(xiàn)出良好的線性關(guān)系，光譜反射率隨著含鹽量的增加而升高［4－5］。對于光譜反射率與鹽堿土中的鹽分離子的關(guān)系，許多學(xué)者也進(jìn)行了研究。李新國等［6］研究發(fā)現(xiàn)，采用多元回歸模型預(yù)測HCO－3／（Cl－＋SO2－4）精度較高，具有較好的適用性。李娜等［7］在瑪納斯河流域地物光譜數(shù)據(jù)庫的建立研究中指出在少數(shù)光譜波段，不同地貌的含鹽量及各地貌中占優(yōu)勢的鹽離子均與光譜反射率顯著相關(guān)。Chernousenko等［8］的研究則表明由于土壤陽離子交換量和鉀、鈣、鎂在近紅外區(qū)間內(nèi)沒有主響應(yīng)，其含量不能通過C—H，O—H和N—H化學(xué)鍵的吸收直接確定，但可以利用近紅外光譜的少數(shù)敏感波段建模以預(yù)測荔枝土壤陽離子交換量和交換性鈣含量的變化，能粗略預(yù)測交換性鉀和交換性鎂含量變化。屈永華等［9］在定量模型中利用偏最小二乘方法比較精確地估計了全鹽（S%）、pH值、硫酸根（SO2－4）、鉀鈉含量（K＋＋Na＋）這些表示鹽堿化程度的參數(shù)，并指出對于其余參數(shù)，如碳酸根（CO2－3）、碳酸氫根（HCO－3）、氯離子（Cl－）、鈣離子（Ca2＋）、鎂離子（Mg2＋）等，根據(jù)目前的數(shù)據(jù)分析，很難從遙感數(shù)據(jù)中精確估計。

寧夏銀北地區(qū)降雨稀少，蒸發(fā)量大，局部地區(qū)淺層地下水位淺，鹽分易于累積于土壤表層，目前該地區(qū)鹽堿化土壤面積占耕地面積的39.50%～54.7%［10］。該地區(qū)土壤雖然理化性狀不良，多為低產(chǎn)田或撂荒地，但地勢平坦，土層深厚，是當(dāng)?shù)刂饕母睾髠滟Y源。

本文以寧夏銀北地區(qū)鹽堿地為研究對象，通過對野外表層土壤實測光譜的分析，研究土壤光譜特征，篩選出對土壤全鹽及鹽分的敏感波段，在此基礎(chǔ)上采用不同回歸方法構(gòu)建基于野外光譜的鹽堿地鹽分預(yù)測模型，為快速、廉價預(yù)報土壤的鹽堿化提供依據(jù)，也為利用衛(wèi)星遙感數(shù)據(jù)大面積獲取同類鹽堿地鹽堿程度提供科學(xué)基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

以寧夏銀北西大灘為研究對象，該地位于寧夏賀蘭山東麓洪積扇和平原之間，屬于黃河中上游灌區(qū)（106°24′E，38°50′N），年降水量150～203mm，年蒸發(fā)量1 755.1mm以上。因地形低洼，排水條件很差，是一個水分與鹽分匯集的地區(qū)，故地下水位高，礦化度大，以至于這一地區(qū)形成了大面積的鹽堿土，大部分屬于鹽化堿土。

1.2 光譜數(shù)據(jù)的獲取及其他指標(biāo)的測定

土壤表層光譜采用美國產(chǎn)Unispec－SC型單通道便攜式光譜儀進(jìn)行測定，該光譜儀探測波段為310～1 130nm，分辨率＜10nm，絕對精度＜0.3nm。測定時選取一塊平坦且表觀土壤屬性均一的地塊，于每個月中旬測定土壤表層光譜，全年測定12次，每次選取7個點，每個點重復(fù)測定10次（光譜測定后標(biāo)記該點），取平均值作為此次的光譜反射值。光譜儀探頭設(shè)置在距離地面1.0m處，視角為8°。測定過程中，及時在每次觀測前進(jìn)行標(biāo)準(zhǔn)白板校正。野外光譜測定試時間為10：00—14：00，測定期間天氣狀況良好，晴朗無云，風(fēng)力較小，光譜儀采用垂直向下測定的方法，與多數(shù)傳感器采集數(shù)據(jù)的方向一致。

1.3 土壤樣品采集與測定指標(biāo)

每個樣點光譜測定結(jié)束后立即標(biāo)記，然后取改點土壤作為樣本，采集深度為0—20cm，全年共84個土樣。室內(nèi)風(fēng)干后，剔出植物殘茬、石粒、磚塊等雜質(zhì)，根據(jù)土壤鹽堿化指標(biāo)測定的粒徑過篩。鹽分指標(biāo)為全鹽（質(zhì)量法），CO2－3（電位滴定法），HCO－3（電位滴定法），Cl－（硝酸銀滴定法），SO2－4（EDTA間接滴定法），K＋（火焰光度法），Na＋（火焰光度法），Ca2＋（EDTA 絡(luò)合滴定法），Mg2＋（EDTA 絡(luò)合滴定法）［11］。

1.4 光譜數(shù)據(jù)處理與方法

土壤光譜數(shù)據(jù)預(yù)處理。為消除高頻噪聲的影響，本研究采用何挺等［12］9點加權(quán)移動平均法對高光譜反射率原始數(shù)據(jù)（r）進(jìn)行平滑去噪處理（R）。本研究除對平滑后的原始反射光譜數(shù)據(jù)分析外，還對平滑后反射光譜進(jìn)行了以下6種變換：反射率的倒數(shù)（1／R）、反射率的差分（ΔR）、反射率的對數(shù)（lgR）、反射率的一階微分（R）′、反射率對數(shù)的一階微分（lgR）′和反射率倒數(shù)對數(shù)的一階微分〔lg（1／R）〕′，并進(jìn)行同步分析，以期構(gòu)建對土壤鹽分反應(yīng)更敏感的光譜參數(shù)。數(shù)據(jù)變換的主要目的是降低背景噪聲對土壤光譜的影響［13－15］。

土壤鹽分信息的估測建模與驗證。將84個土壤樣本分為兩部分，一部分?jǐn)?shù)據(jù)子集用于建模（60個樣本），另一部分用于驗證模型性能（24個樣本）。利用土壤反射光譜，采用SAS軟件［16］全回歸（多重線性回歸分析，TR）和逐步回歸法（SR）建模預(yù)測該地區(qū)鹽堿土鹽分指標(biāo)。多重線性回歸分析中，自變量之間會存在一定程度的相關(guān)性，若相關(guān)程度較高，則會使各回歸系數(shù)估計的方差很大，較嚴(yán)重的多重共線性會導(dǎo)致不能準(zhǔn)確地解釋因變量的變化，此時去除共線性嚴(yán)重的反射率，剩余的反射率再次進(jìn)行全回歸分析（TR′）。模型的穩(wěn)定性用決定系數(shù)R2檢驗，R2越大，模型越穩(wěn)定；模型的預(yù)報能力用驗證樣本的擬合度R2′以及總均方根差（RMSE）來檢驗，R2′越大、RMSE越小，則模型精度越高、預(yù)測能力越強。

2 結(jié)果與分析

2.1 表層土壤與土壤鹽分的相關(guān)性

2.1.1 鹽堿土表層土壤光譜特征 寧夏銀北地區(qū)土壤屬于蘇打鹽堿化土壤，鹽分組成以Na2CO3和NaHCO3為主，其光譜反射曲線如圖1所示。在400～570nm的范圍內(nèi)光譜曲線斜率較大，且在570nm附近有一拐點（特征點）出現(xiàn)；571～888nm范圍內(nèi)斜率較小，反射率緩緩增強，但在763nm附近有一個小的反射峰出現(xiàn)；在889～990nm處又有較大一個反射峰出現(xiàn)；從991～1 130nm出現(xiàn)最大的反射峰，最大峰值在1 102nm附近，且整體反射率越高峰值越大。因此，在400～1 130nm表層土壤的光譜反射率曲線的形狀大致可由4個折線段（400～570～888～990～1 130nm，見圖1）和3個反射峰值（763，948和1 102nm）大致控制。

圖1 寧夏銀北地區(qū)鹽堿地表層土壤光譜特征曲線

2.1.2 表層土壤光譜與全鹽含量的相關(guān)性 研究區(qū)春季干旱、多風(fēng)，升溫較快，蒸發(fā)量大；夏季炎熱，雨量集中；秋季短暫，降溫快；冬季干冷，降雪少。研究區(qū)土壤屬于鹽化堿土，pH值在8.81～10.30，而全鹽含量范圍在1.07～5.64g／kg，平均值為2.98g／kg。在土壤表層光譜數(shù)據(jù)的7種數(shù)學(xué)變換方法與土壤全鹽含量的相關(guān)關(guān)系中（如表1所示，數(shù)據(jù)未全部列出），r，R，lg（R）與全鹽含量呈極顯著正相關(guān)關(guān)系，1／R，lg（1／R）與全鹽呈極顯著負(fù)相關(guān)關(guān)系。1／R變換方法綜合表現(xiàn)最佳，其在整個研究波段內(nèi)的相關(guān)系數(shù)普遍居首位，均達(dá)到極顯著正相關(guān)水平；7種光譜數(shù)據(jù)在整個研究波段的最佳表現(xiàn)并不固定，各有優(yōu)劣，但整體來看，R和1／R在特征波段范圍且相關(guān)系數(shù)較大，（R）′和〔lg（1／R）〕′在特定單波段處表現(xiàn)較佳，而r，lg（R），lg（1／R）和DR 這4種變換方法表現(xiàn)相對差一些。所以，土壤其他鹽分指標(biāo)與光譜特征的相關(guān)性分析只采用R，1／R，（R）′和〔lg（1／R〕′這4種方法來分析。

表1 不同變換形式下反射率與土壤全鹽的相關(guān)性

2.1.3 表層土壤光譜與土壤陰離子含量的相關(guān)性土壤在可見及近紅外波段的光譜特征起因于其礦物成分的電子躍遷及分子振動，土壤成分的電子過程主要是由Fe3＋和Fe2＋引起，土壤成分的振動過程主要是由 H2O，OH－1，CO23－等陰離子基團(tuán)的倍頻或合頻引起［17］。銀北地區(qū)鹽堿土中陰離子以HCO3－和含量最大，其次為Cl－含量含量最低。從4種反射率數(shù)據(jù)變換方法下土壤表層光譜特征與陰離子的關(guān)系來看（表2），土壤表層光譜反射率與的相關(guān)性最強，最大相關(guān)系數(shù)達(dá)到0.75（767nm）。其次是，與和Cl－的相關(guān)性較弱，其中R和1／R這2種方式與這2種陰離子含量相關(guān)性普遍未達(dá)到顯著水平，但這2種離子采用（R）′和 〔lg（1／R）〕′方 式 處 理 后 相 關(guān) 性 在 571～1 130nm波段范圍內(nèi)呈顯著相關(guān)關(guān)系，但在3個反射峰值處相關(guān)性較弱，未達(dá)顯著水平。

表2 不同變換方式下反射率與土壤陰離子含量的相關(guān)系數(shù)

2.1.4 表層土壤光譜與土壤陽離子含量的相關(guān)性銀北地區(qū)鹽堿土中陽離子以Na＋含量最高（在所測定的土樣中，Na＋含量平均占4種陽離子總和的75.80%），其次為 K＋和Ca2＋，Mg2＋含量最低。從4種數(shù)據(jù)變換方法下土壤表層光譜特征與陽離子的關(guān)系來看（表3），土壤光譜反射率與Na＋的相關(guān)性在4種變換方法下均較強，相關(guān)系數(shù)普遍大于0.60，以〔lg（1／R）〕′的相關(guān)性最佳；其次為 Mg2＋，但前2種變換方法相關(guān)系數(shù)較?。环瓷渎逝cK＋的相關(guān)性相對較弱，與Ca2＋的相關(guān)性最弱。Na＋濃度在400～570，571～888，889～990，991～1 130nm與土壤光譜呈顯著相關(guān)性，3個反射峰值處在763nm相關(guān)性最好，其余2個峰值處相關(guān)性很差；Mg2＋與土壤光譜在1 102nm 2個個反射峰值處相關(guān)性很強。所以，表層敏感波段反射率與土壤陽離子之間的良好相關(guān)性為其光譜估測模型的建立提供了科學(xué)基礎(chǔ)。

2.2 土壤鹽分指標(biāo)預(yù)測模型的建立

針對反射率的4種變換方法，選擇該地區(qū)鹽堿地表層土壤光譜特征的4個折線段（400～570～888～990～1 130nm）和3個反射峰值（763，948和1 102nm）中與土壤各鹽分指標(biāo)相關(guān)系數(shù)最大的敏感波段，進(jìn)行了全回歸和逐步回歸分析，由于有些波段反射率間具有明顯的共線性，通過全回歸方法診斷出共線性后剔除存在共線性的反射率，將剩余的其他敏感波段反射率再次進(jìn)行全回歸（TR′），最終得到土壤鹽分的預(yù)測模型。

通過分析比較，建立與土壤全鹽和分鹽含量之間的預(yù)測模型（表4）。

表3 不同變換方式下反射率與土壤陽離子的相關(guān)系數(shù)

表4 敏感波段反射率對土壤表層全鹽含量的預(yù)測方程

2.2.1 土壤全鹽預(yù)測模型的建立 4種反射率變換方法中R全回歸產(chǎn)生的方程決定系數(shù)最大（R2＝0.83），但選用了570，763，885，948，990，1 090 和1 102nm共7個敏感波段，且從模型輸出結(jié)果來看763，885和1 090nm這3個波段具有共線性，去除后的再次全回歸結(jié)果敏感波段數(shù)減少為1個（570nm），但方程的決定系數(shù)大大降低（R2＝0.60）；逐步回歸方程決定系數(shù)較全回歸略?。≧2＝0.83，見表4，方程未全列出），敏感波段減少到4個，故選擇逐步回歸方程為基于R的全鹽含量預(yù)測模型。

1／R通過全回歸產(chǎn)生的方程決定系數(shù)在所有方程中最高（R2＝0.85），但選用的敏感波段也有7個；逐步回歸方程決定系數(shù)R2為0.75，選用了2個敏感波段。

反射率采用（R）′和〔lg（1／R）〕′的回歸方程決定系數(shù)偏低，擬合效果相對都不理想。

2.2.2 土壤陰離子預(yù)測模型的建立 對土壤表層CO2－3的擬合結(jié)果表明（表5），采用（R）′得到的方程決定系數(shù)最大，但涉及到5個敏感波段，〔lg（1／R）〕′得到的方程決定系數(shù)略小，但只涉及到3個敏感波段，所以選擇此方程來預(yù)測土壤CO2－3的含量。采用R和1／R時與 HCO－3含量間均未達(dá)到顯著相關(guān)關(guān)系，故未建立這2種變換方法下的預(yù)測模型；（R）′和〔lg（1／R）〕′獲得的方程決定系數(shù)相差很小，各方程R2＞0.60，其中〔lg（1／R）〕′決定系數(shù)略高。基于土壤光譜反射率擬合土壤的準(zhǔn)確度略高于對土壤。

基于R和1／R與Cl－和的相關(guān)性都很差，回歸方程的決定系數(shù)很低，所以此處只列出了決定系數(shù)較高情況下的方程。（R）′和〔lg（1／R）〕′2種變換方法下方程的決定系數(shù)差異較小。土壤的含量低于Cl－（其含量大概為Cl－的1／2甚至更低），但采用敏感波段估測其含量的決定系數(shù)卻明顯高于其他陰離子，后2種反射率變換方法下兩種回歸方法的平均決定系數(shù)分別比，，Cl－高出0.08，0.13和0.15。

表5 敏感波段反射率對土壤表層陰離子的預(yù)測方程

2.2.3 土壤陽離子預(yù)測模型的建立 研究區(qū)土壤表層陽離子以Na＋為主（占陽離子的75%左右）。在土壤Na＋的擬合方程中，4種反射率變換方法下敏感波段均不存在共線性，全回歸和再次全回歸方程完全相同。在R和1／R的擬合方程中逐步回歸方程決定系數(shù)偏低，但全回歸選用的敏感波段多達(dá)6～7個，所以全回歸得到的方程也并非最佳預(yù)測方程；后兩種變換方法下逐步回歸方程的決定系數(shù)與二次全回歸方程相近，而且逐步回歸方程所選用的敏感波段明顯少于二次全回歸法。

綜合敏感波段和決定系數(shù)的大小來看，〔lg（1／R）〕′采用逐步回歸得到的方程擬合土壤Na＋的效果最理想。利用各種方法所得的預(yù)測土壤K＋的方程決定系數(shù)明顯低于Na＋。前2種反射率變換方法下對土壤K＋的擬合方程決定系數(shù)平均只有0.22，（R）′全回歸方程決定系數(shù)R2達(dá)到0.60，但敏感波段有564，656，763，945，1 102和1 111nm；綜合來看，〔lg（1／R）〕′在采用逐步回歸法時擬合土壤K＋含量相對于其他方式最為理想（R2＝0.61，敏感波段為656，945和1 111nm）。

表6 敏感波段反射率對土壤表層陽離子的預(yù)測方程

對土壤Ca2＋的回歸方程中，（R）′和〔lg（1／R）〕′采用全回歸和逐步回歸的方程完全相同；對土壤Ca2＋的擬合采用（R）′下的全回歸方程決定系數(shù)最大，但選用敏感波段較多。該地區(qū)土壤Mg2＋含量雖然非常低，但其含量與反射率的相關(guān)性卻較K＋和Ca2＋高，僅次于Na＋，所以根據(jù)反射率預(yù)測其含量的決定系數(shù)也較高。在敏感波段的選擇中，雖然R和1／R與Mg2＋含量的相關(guān)性較好，但采用不同回歸方法建立擬合方程后，其決定系數(shù)較低，不能較準(zhǔn)確地擬合 Mg2＋的含量，而采用后2種變換方法決定系數(shù)相對較高，平均達(dá)到0.72，可以粗略估測Mg2＋的含量。在考慮敏感波段和決定系數(shù)時，〔lg（1／R）〕′采用逐步回歸的方法預(yù)測Mg2＋效果相對最好。

2.3 土壤鹽分預(yù)測模型的驗證

為了檢驗?zāi)Ｐ偷念A(yù)測效果，利用24個驗證樣本對表層土壤不同鹽分預(yù)測模型進(jìn)行了驗證。綜合考慮模型的決定系數(shù)和選用波段的多寡來選擇預(yù)測模型。采用模型預(yù)測值與實測值之間的擬合度R2′及預(yù)測總均方根差 （RMSE）來進(jìn)行驗證。由表7可見，除Ca2＋和Cl－外，其他各鹽分指標(biāo)的光譜預(yù)測值與其實測值之間具有較好的相關(guān)性，擬合度R2′＞0.59，其中對土壤全鹽的擬合度最高，對Na＋擬合度次之，而且對這2個指標(biāo)擬合的RMSE也最小，說明這2個模型的精度較高，預(yù)測能力很強；光譜對土壤SO2－4 和Mg2＋的預(yù)測能力也較強；對土壤Cl－和Ca2＋的預(yù)測模型的穩(wěn)定性、預(yù)測能力和精度都較差。

表7 土壤鹽分模型驗證指標(biāo)

3 結(jié)論

（1）表層土壤光譜r，R，lg（R）與全鹽含量呈極顯著正相關(guān)關(guān)系，1／R，lg（1／R）與全鹽呈極顯著負(fù)相關(guān)關(guān)系。（R）′和〔lg（1／R）〕′在特定單波段處表現(xiàn)較佳，而r，lg（R），lg（1／R）和DR這4種變換方法表現(xiàn)相對差一些。

（3）基于R的逐步回歸方程為全鹽含量預(yù)測的最佳模型；反射率采用（R）′和〔lg（1／R）〕′的回歸方程決定系數(shù)偏低，擬合全鹽＋的效果相對都不理想；預(yù)測土壤的含量時（R）′和〔lg（1／R）〕′獲得的方程決定系數(shù)相差很小，其中〔lg（1／R）〕′決定系數(shù)略高；基于土壤光譜反射率擬合土壤的準(zhǔn)確度略高于對土壤；敏感波段估測土壤含量的決定系數(shù)明顯高于其他陰離子；采用〔lg（1／R）〕′逐步回歸得到的方程擬合土壤Na＋，K＋和 Mg2＋含量相對于其他方式效果最理想。

（4）建立的預(yù)測模型中對土壤全鹽的擬合度最高，對Na＋擬合度次之，而且擬合的RMSE也最小，說明這2個模型的精度較高，預(yù)測能力很強；光譜對土壤和Mg2＋的預(yù)測能力也較強；對土壤Cl－和Ca2＋的預(yù)測模型的穩(wěn)定性、預(yù)測能力和精度都較差。

［1］ Dehaan R L，Taylor G R.Field-derived spectra of salinized soils and vegetation as indicators of irrigation-induced soil salinization［J］.Remote Sens.Envir.，2002，80（3）：406-417.

［2］ 扶卿華，倪紹祥，王世新，等.土壤鹽分含量的遙感反演研究［J］.農(nóng)業(yè)工程學(xué)報，2007，23（1）：48-54.

［3］ Aldakheel Y Y.Assessing NDVI spatial pattern as related to irrigation and soil salinity management in Al-Hassa Oasis，Saudi Arabia［J］.J.Indian Soc.Remote Sens.，2011，39（2）：171-180.

［4］ Mettemicht G L，Zink J A.Remote sensing of soil salinity：potentials and constraints［J］.Remote Sensing of Environment，2003，85（1）：1-20.

［5］ 張俊華，賈科利.基于水稻冠層NDVI的土壤鹽堿化信息預(yù)測研究［J］.水土保持通報，2012，31（6）：113-116.

［6］ 李新國，李和平，任云霞，等.開都河流域下游綠洲土壤鹽漬化特征及其光譜分析［J］.土壤通報，2012，43（1）：166-170.

［7］ 李娜，吳玲，王紹明，等.瑪納斯河流域土壤鹽漬化現(xiàn)狀及其與光譜關(guān)系研究［J］.江西農(nóng)業(yè)大學(xué)學(xué)報，2011，33（6）：1242-1247.

［8］ Chernousenko G I，Kalinina N V，Khitrov N，et al.Quantification of the areas of saline and solonetzic soils in the Ural Federal Region of the Russian federation［J］.Genesis and Geography of Soils，2012，44（4）：367-379.

［9］ 屈永華，段小亮，高鴻永，等.內(nèi)蒙古河套灌區(qū)土壤鹽分光譜定量分析研究［J］.光譜學(xué)與光譜分析，2009，29（5）：1362-1366.

［10］ 嚴(yán)海霞，何文壽.寧夏銀北地區(qū)鹽堿地改良與水稻種植技術(shù)探討［J］.湖北農(nóng)業(yè)科學(xué)，2010，49（11）：2693-2695，2708.

［11］ 魯如坤.土壤農(nóng)業(yè)化學(xué)分析方法［M］.北京：中國農(nóng)業(yè)科技出版社，1999.

［12］ 何挺，王靜，程燁，等.土壤氧化鐵光譜特征研究［J］.地理與地理信息科學(xué)，2006，3（2）：30-34.

［13］ 王靜，何挺，李玉環(huán).基于高光譜遙感技術(shù)的土地質(zhì)量信息挖掘研究［J］.遙感學(xué)報，2005，9（4）：438-445.

［14］ Mahlein A K，Steiner U，Hillnhütter C，et al.Hyper-spectral imaging for small-scale analysis of symptoms caused by different sugar beet diseases ［J］.Plant Methods，2012，8（3）：1-13.

［15］ 高志海，白黎娜，王琫瑜，等.荒漠化土地土壤有機(jī)質(zhì)含量的實測光譜估測［J］.林業(yè)科學(xué)，2011，47（6）：9-16.

［16］ 黃燕，吳平.SAS統(tǒng)計分析及應(yīng)用［M］.北京：機(jī)械工業(yè)出版社.2007.

［17］ Palacios-Orueta A，Ustin S L.Remote sensing of soil properties in the Santa Monica Mountains（I）：spectral analysis［J］.Remote Sens.Envir.，1998，65（2）：170-183.