干旱區(qū)綠洲土壤有機碳高光譜估測及其影響因子分析

周倩倩，丁建麗，黃 帥

(新疆大學資源與環(huán)境科學學院 綠洲生態(tài)教育部重點實驗室，新疆 烏魯木齊 830046)

土壤有機碳(soil organic carbon，SOC)是一個重要的土壤屬性，對土壤和植物之間的相互作用影響較大。它不僅是土壤侵蝕和退化過程的反映，同時也是土壤持水能力和滲透能力的調節(jié)因子[1]。土壤有機碳含量是衡量土壤肥力的重要參數(shù)，始終影響著土壤的物理和化學屬性[2]，尤其在干旱與半干旱地區(qū)，土壤有機碳對綠洲農業(yè)起著決定性的作用。在人類活動的影響下，土壤有機碳循環(huán)的加速改變引起了土壤環(huán)境的變化，同時各種環(huán)境因子交互作用深刻影響著碳庫的遷移和轉化[3]。對于時空變異小的小尺度區(qū)域有機碳的估算主要有直接測量法和渦度相關法[4]等，而精準農業(yè)要實現(xiàn)高精度的土壤有機碳監(jiān)測則需要較高的采樣密度。然而，常規(guī)土壤分析往往更費時、費力和費錢[5]，因此發(fā)展出了一系列有機碳的間接估算方法，如對照樣地法[6]、遙感法[7]等。

土壤反射光譜是土壤理化性質的重要體現(xiàn)，近年來可見光(VIS)和近紅外(NIR)區(qū)域的成像光譜技術優(yōu)勢明顯，是一種更高效、快速和較廉價的技術，它提供了具有高空間分辨率和時間分辨率的數(shù)據(jù)，其應用領域開始不斷擴大，被廣泛的應用于土壤有機碳[8]的分析。目前，國內外的許多學者已經通過各種方法建立了土壤有機碳與高光譜反射率之間的反演模型，常用的方法有多元線性回歸、主成分回歸、人工神經網(wǎng)絡等[9,10]，通常情況下，通過將可見/近紅外區(qū)域的光譜信息集中到幾個變量中，然后經過反復優(yōu)化建立預測模型來估計土壤有機碳。偏最小二乘回歸法(Partial Least Squares Regression，PLSR)是集多種分析方法優(yōu)點于一身的新型的多元統(tǒng)計數(shù)據(jù)分析方法，可以同時從不同類型的光譜中定量的反映土壤理化性質，是一個用于分析土壤高光譜數(shù)據(jù)的常用工具，它較好地解決了樣本個數(shù)少于變量個數(shù)等一系列問題[11]，大大提高了模型的精度、可靠性以及應用能力。國內外很多學者都采用偏最小二乘回歸模型對土壤參數(shù)進行分析，并取得了較好的效果[12-14]。然而由于深層土壤取樣工作較為困難，使目前有關土壤有機碳空間分布的研究都普遍集中于表層土壤，對土壤有機碳的垂直變化以及剖面土壤有機碳估算的研究相對較少[15]。

本文在綜合分析前人研究的基礎上，以新疆典型的干旱區(qū)綠洲渭干河-庫車河三角洲綠洲(以下簡稱為渭-庫綠洲)為研究區(qū)，對干旱區(qū)綠洲土壤有機碳進行研究。借助可見光/近紅外光譜，分析其與土壤有機碳含量之間的相關性，并選擇相關性好的光譜波段，利用機器學習方法構建了干旱區(qū)綠洲土壤有機碳的預測模型，選擇最優(yōu)預測模型估算的數(shù)據(jù)進行空間插值，以直觀的反映出偏最小二乘回歸模型的估算結果，并提高土壤有機碳含量的預測精度。此外，還對土壤表層有機碳及其環(huán)境影響因子進行分析，以揭示不同環(huán)境因子對土壤表層有機碳的影響大小。

1 材料與方法

1.1 研究區(qū)概況

渭-庫綠洲位于新疆維吾爾自治區(qū)塔里木盆地北緣，天山南麓，隸屬阿克蘇地區(qū)，包括庫車、沙雅、新河三個縣。地勢西高東低、北高南低，是一個典型且完整的山前沖洪積扇平原綠洲[16]。該區(qū)溫差較大，年平均氣溫為10.5～14.4℃，最高氣溫為40.1～41.5℃，年均降水量僅43.1 mm，年均蒸發(fā)量高達1 992.0～2 863.5 mm，蒸降比高，屬于干旱與極端干旱地區(qū)。主要土壤類型為潮土、灌淤土、草甸土、灌耕棕漠土、水稻土、灌耕風沙土、沼澤土、鹽土、棕鈣土等[17]。研究區(qū)范圍為東經82°10′～83°40′、北緯41°06′～41°40′。

圖1 研究區(qū)地理位置及采樣點分布情況Fig.1 Location of study area and distribution of sampling points

1.2 數(shù)據(jù)采集與處理

1.2.1 土壤樣品采集與處理 由于該研究區(qū)是典型的極端干旱區(qū)，河流成為綠洲生存和發(fā)展的關鍵因素。綠洲內各區(qū)域土壤類型差異較大，因此根據(jù)渭-庫綠洲主要土壤類型和水系分布，遵循多點混合的采樣原則，利用GPS定位技術獲取每個采樣點的坐標，采用五點法沿渭干河、庫車河進行采樣并使采樣點分散于綠洲內部、荒漠以及荒漠-綠洲交錯帶，以便得到整個綠洲土壤有機碳含量的差異及規(guī)律。參考該區(qū)域以往研究[18-20]，選取土壤類型為砂質土，土壤質地較為一致的典型樣點39個(圖1)，每個采樣點的土壤分六層(0～10 cm、10～20 cm、20～40 cm、40～60 cm、60～80 cm、80～100 cm)進行采樣，共采集土壤樣品234個。將采集的土樣裝入塑料袋中，在實驗室內自然風干、磨碎、過不同孔徑篩。采用重鉻酸鉀容量法-外加熱法(油浴)測定土壤有機碳含量[20]；烘干法測定土壤含水量；按1∶5的土水比提取土壤浸提液，以測定土壤含鹽量和pH[21]。

1.2.2 光譜數(shù)據(jù)采集與處理 采用美國ASD公司的ASD Fieldspec3便攜式光譜儀進行光譜測定，波長范圍為350～2 500 nm，光譜分辨率為1 nm。將過0.25 mm孔徑篩的土樣裝入直徑12 cm、深1.8 cm的盛樣皿內，將土樣用直尺刮平，在暗室內進行光譜測量，每個土樣重復測10次，取平均值作為該土樣的反射率光譜值[22]。

利用View SpecPro對土壤反射率光譜曲線進行斷點校正以及平均值的計算并去除噪聲較大的波段(350～399 nm和2 451～2 500 nm)，運用OriginPro 9.0對光譜曲線進行Savitaky-Golay(2次多項式，5個點)平滑去噪處理，最終得到400～2 450 nm波段的光譜反射率，將其作為原始光譜數(shù)據(jù)。對實測土壤反射光譜進行分析時，將光譜進行微分變換是比較常用的方法，相關研究表明，土壤原始反射率光譜經微分變換后，反射率曲線隨波長變化更明顯，更能凸顯出細微差異引起的反射率變化。與土壤原始反射率和一階微分的反射率相比，土壤有機碳與二階微分的反射率有更強的相關性[23]。對反射率進行反射率一階微分A′、二階微分A″、倒數(shù)1/A、倒數(shù)一階微分(1/A)′、倒數(shù)二階微分(1/A)″、對數(shù)lgA、對數(shù)一階微分(lgA)′、對數(shù)二階微分(lgA)″等8種變換后與原始反射率一起作為光譜指標，通過分析9種土壤光譜指標與土壤有機碳含量的相關性，選擇敏感波段用于建模。

1.2.3 DEM數(shù)據(jù)處理 在ArcGIS 10.2 for Desktop中對研究區(qū)空間分辨率為90 m數(shù)字高程數(shù)據(jù)(Digital Elevation Model，DEM)進行處理并提取研究區(qū)高程(Elevation)、坡度(Slope)、坡向(Aspect)、曲率(Curvature)4個地形因子數(shù)據(jù)(圖2)。

圖2 研究區(qū)地形因子Fig.2 Terrain attributes of study area

1.2.4 模型數(shù)據(jù)及檢驗標準 在39個樣本中隨機選擇29個作為建模樣本集，10個作為驗證樣本集。以土壤有機碳含量作為估算模型的因變量，敏感波段的值為自變量，分析其相關性，選擇相關性較好的變換處理和特征波段運用偏最小二乘法建立土壤碳含量的估算模型。模型估測精度通過決定系數(shù)R2、均方根誤差(RMSE)、相對分析(RPD)3個參數(shù)進行檢驗，R2越接近1，RMSE越小，模型估算穩(wěn)定性越好、準確性越高；當RPD<1.4時，模型預測精度一般，當1.4≤RPD≤2.0時，說明模型預測能力尚可，當RPD>2.0時，說明模型具有較好的預測能力[25]。

2 結果與分析

2.1 土壤有機碳描述性統(tǒng)計特征分析

對渭-庫綠洲土壤39個土壤樣本的有機碳含量數(shù)據(jù)進行描述性統(tǒng)計分析發(fā)現(xiàn)土壤有機碳含量的垂直分布具有明顯的規(guī)律性，結果如表1所示。1 m深土壤內有機碳含量在0.172～17.376 g·kg-1范圍內變化，并主要富集在0～60 cm深度的土壤中，在這4個土層，有機碳含量約占到整個采樣剖面的80%，說明作物殘余物分解后輸入土壤的有機碳都聚集在土壤表層，導致土壤有機碳的表聚性較明顯；而60 cm以下土層，土壤有機碳含量差異變小，這主要是因為土壤成土母質大致相同，植物殘留及外界差異對其影響較小。0～10 cm、10～20 cm、20～40 cm、40～60 cm、60～80 cm、80～100 cm土壤有機碳均值分別為7.806、4.442、3.621、3.117、2.844、2.492 (g·kg-1)，表明土壤深度與有機碳含量呈負相關性；土壤有機碳具表聚性，隨土層深度增加，土壤含碳量呈減少趨勢。各深度土壤有機碳含量的變異系數(shù)相差不大，在35%～53%之間，均表現(xiàn)為中等變異[24]。

2.2 光譜與土壤有機碳相關性分析

將土壤光譜原始反射率、一階微分A′、二階微分A″、倒數(shù)1/A、倒數(shù)一階微分(1/A)′、倒數(shù)二階微分(1/A)″、對數(shù)lgA、對數(shù)一階微分(lgA)′、對數(shù)二階微分(lgA)″、與土壤含碳量進行相關性分析，并對相關系數(shù)進行0.005的顯著性檢驗，結果如圖3所示。

表1 土壤有機碳統(tǒng)計特征

圖3 不同處理的光譜數(shù)據(jù)與土壤有機碳含量之間的相關分析Fig.3 The correlation coefficient between soil spectral reflectance and soil organic carbon content

土壤光譜A、lgA和1/A與土壤碳含量的相關性較小，沒有通過0.005顯著性檢驗的波段，因此不能作為自變量進行建模分析。而A′、A″、(lgA)′、(lgA)″、(1/A)′、(1/A)″與土壤有機碳含量的相關性均符合自變量的選取要求，這是由于光譜經過微分變換，突出了光譜反射率與土壤有機碳的關系所致。土壤光譜與土壤有機碳含量相關系數(shù)絕對值最大的波段550 nm、650 nm、780 nm、818 nm、866 nm、1 423 nm、1 733 nm、2 005 nm以及2 172 nm等9個波段相關性較強。

2.3 土壤有機碳的最優(yōu)偏最小二乘估算模型

將土壤光譜A′、A″、(lgA)′、(lgA)″、(1/A)′、(1/A)″6種處理中通過0.005顯著性檢驗的波段作為自變量，土壤有機碳含量作為因變量，利用The Unscrambler 9.7建立偏最小二乘回歸模型。本文共建立36組土壤含碳量預測模型，對建模結果的R2、RMSE、RPD進行對比分析，選擇出6組最優(yōu)模型，結果如表2所示，各土層最佳處理方式依次為對數(shù)二階微分、對數(shù)二階微分、二階微分、對數(shù)二階微分、對數(shù)二階微分、倒數(shù)二階微分，通過偏最小二乘回歸擬合，主成分個數(shù)在6～7之間。以上模型建模集的R2均大于0.8，驗證集的R2均大于0.6，且各組RPD均大于1.5，各項參數(shù)顯示出模型精度和穩(wěn)定性均較高，因此可以利用這些模型對土壤有機碳含量進行較精確的估算。

2.4 土壤有機碳插值結果

克里金(kriging)插值方法在不同的樣點分布條件下，預留空間信息的能力較強，對總體和局部趨勢均具有良好表現(xiàn)，預測精度較高，屬于最優(yōu)無偏內插計量方法。為了更加直觀的反映出土壤有機碳的反演結果，對研究區(qū)土壤有機碳估算得到的數(shù)據(jù)應用kriging插值并繪制了土壤有機碳的空間分布圖(圖4)。

土壤有機碳含量在綠洲不同區(qū)域存在明顯的分布差異。為探索綠洲內部不同區(qū)域有機碳分布的差異，對綠洲內不同土壤深度的有機碳含量進行空間插值，用以揭示土壤剖面有機碳空間分布依深度變化的特征。從其垂直分布來看，綠洲不同區(qū)域的土壤有機碳含量均集中于土壤表層，與土層深度呈負相關性。主要原因是植物根系的集中程度從表層往下逐漸遞減，植被掉落物均在土壤表層，從而為土壤表層提供了大量的有機碳。但各土層土壤有機碳水平空間分布也存在一定的差異，均呈現(xiàn)出東南高、西北低的分布格局，這與地形、水資源狀況、土地利用等因素有關。尤其是0～10 cm土壤層，南部和北部土壤有機碳含量明顯高于中部，與其它各層均有較大差異。其原因主要是由于土壤表層受外界環(huán)境影響較大，如地表溫度、植被覆蓋等因素，但這些差異在垂直方向上隨著深度的增加，對土壤有機碳的影響逐漸減小。

2.5 環(huán)境影響因子分析

對有機碳而言，各環(huán)境因素的變化可以直接影響土壤中有機碳含量，對有機碳的空間分布格局也產生影響。當生態(tài)系統(tǒng)中各環(huán)境因子作用于土壤時，土壤表層最易受環(huán)境的影響，引起土壤性質的改變。不同的環(huán)境因子對有機碳含量的影響程度不同，揭示不同環(huán)境因子，對土壤有機碳影響的大小在土壤有機碳含量和分布研究中具有重要意義[26]。

為了更清楚地分析綠洲表層土壤有機碳的差異性，本文選擇土壤pH、含鹽量(Salt)、含水率(Moisture content，簡稱MC)、海拔高度(Elevation)、坡度(Slope)、坡向(Aspect)和曲率(Curvature)與39個采樣點的表層土壤有機碳含量進行Pearson相關性分析。相關分析結果表明，各環(huán)境因子與土壤有機碳含量的相關性存在明顯差異。各環(huán)境因子對有機碳含量的影響程度由大到小依次為：土壤含鹽量>土壤含水率>曲率>坡度>高程>pH，造成這種結果的主要原因是研究區(qū)屬于鹽漬化嚴重的干旱區(qū)綠洲，鹽漬化嚴重的地區(qū)地表具有鹽結皮，對土壤有機碳含量的影響較大，從而導致表層與其它層在空間分布上的差異。

表2 各土層的土壤光譜最優(yōu)處理形式的偏最小二乘回歸建模和驗證

圖4 研究區(qū)各層土壤有機碳的空間分布圖Fig.4 Spatial distribution of soil organic carbon in the study area

項目ItemSOCpHSaltMCElevationSlopeCurvatureAspectSOC1pH0.0061Salt0.490??0.2971MC0.412?0.0280.0361Elevation0.156-0.324-0.446?0.2991Slope0.336-0.043-0.1520.1720.2061Curvature0.397?0.1650.2900.118-0.0270.2351Aspect-0.1530.193-0.0650.107-0.31-0.2020.2361

注:*和**分別表示在0.05和0.01水平下顯著相關.

Note: *and**are significantly correlated at 0.05 and 0.01 levels respectively.

3 討 論

干旱區(qū)綠洲土壤有機碳的分布非常不均，有機碳含量多的地區(qū)可達17.376 g·kg-1，,最少的地區(qū)含量僅為1.551 g·kg-1。盡管不同土壤類型的光譜曲線在形狀上大致相似，但是光譜反射率差異較為明顯，Srivastava[12]等研究認為，印度河-恒河平原地區(qū)土壤有機碳與460 nm、470 nm、550 nm、1 400 nm、1 420 nm、1 920 nm、2 040 nm、2 210 nm、2 270 nm、2 320 nm具有顯著的相關關系；本研究中土壤有機碳含量與550 nm、650 nm、780 nm、818 nm、866 nm、1 423 nm、1 733 nm、2 005 nm以及2 172 nm等9個波段相關性較強，即不同類型土壤有機碳的敏感波段存在差異。

基于干旱區(qū)綠洲土壤有機碳建模結果表明，建模均方根誤差小于交叉驗證均方根誤差，建模集R2大于驗證集R2。就本研究中對土壤光譜原始反射率的不同預處理方法的效果而言，原始反射率與一階微分在3種預處理方法中效果較差，基于反射率二階微分所建立模型的效果最好，這與Yang[27]天山北坡土壤有機碳反演的研究結果一致，這表明雖然不同的土壤類型存在高度異質性，但最佳預處理方法存在一致性。偏最小二乘回歸模型估算結果表明土壤有機碳在垂直方向上呈現(xiàn)為表聚性，水平方向上表現(xiàn)為綠洲內部高于綠洲外圍，與實地考察結果一致。

由于不同區(qū)域、不同類型土壤的成土因素復雜，土壤的屬性存在較明顯的差異，本研究發(fā)現(xiàn)土壤含鹽量是與土壤有機碳含量相關性最大的環(huán)境因子，這也是干旱區(qū)土壤的特色之一，此結論與楊順華[28]研究結果不同，表明不同區(qū)域土壤屬性的空間變異性的影響因子是不同的。由于不同區(qū)域鹽漬土的形成過程以及地域環(huán)境的差異，在未來的研究中有待更大范圍的研究，以了解不同區(qū)域鹽漬化土壤的屬性以及光譜反射率等特征對于估算土壤有機碳含量的影響，為干旱區(qū)綠洲地區(qū)土壤有機碳估算、農業(yè)生產及土壤改良等提供參考。

4 結 論

選取新疆塔里木盆地南緣渭-庫綠洲為研究對象，利用光譜儀測定的土壤高光譜數(shù)據(jù)，結合實驗室測定的土壤有機碳數(shù)據(jù)，研究出一種土壤高光譜和偏最小二乘回歸模型相結合的土壤有機碳估算方法，并分析了表層土壤有機碳含量與環(huán)境因子之間的相關性。可得如下結論：

1)通過對土壤光譜原始反射率、一階微分、二階微分、倒數(shù)、倒數(shù)一階微分、倒數(shù)二階微分、對數(shù)、對數(shù)一階微分、對數(shù)二階微分9種光譜指標進行分析，發(fā)現(xiàn)經過數(shù)學變換后，明顯提高了土壤有機碳與高光譜的相關性，反射率二階微分效果明顯優(yōu)于原始反射率和反射率一階微分。建模分析發(fā)現(xiàn)對數(shù)二階微分、原始二階微分、倒數(shù)二階微分變換在該研究中效果較好，所建模型可以實現(xiàn)土壤有機碳的快速估算。

2)在研究區(qū)1m的土壤深度內，土壤有機碳含量介于0.172～17.376 g·kg-1之間，并與土壤深度呈顯著負相關。土壤有機碳主要富集在0～60 cm土層內，占到整個剖面有機碳含量的80%。六個土層土壤有機碳的偏最小二乘最優(yōu)估算模型的R2均大于0.8，且各組殘留預測偏差RPD均大于1.5，模型精度和穩(wěn)定性均較好。從土壤有機碳的空間插值結果來看，由于該地區(qū)獨特的地理環(huán)境，研究區(qū)土壤有機碳的分布存在顯著的空間差異。

3)不同環(huán)境因子與土壤有機碳的Pearson相關性分析結果表明，土壤含鹽量對土壤有機碳的影響最為顯著，說明干旱區(qū)綠洲土壤鹽漬化對土壤作物的影響作用于土壤有機碳，鹽漬化越重越不利于有機碳的積累。