基于hj卫星的棉田土壤有机质空间分布格局反演-王琼.pdf

《基于hj卫星的棉田土壤有机质空间分布格局反演-王琼.pdf》由会员分享，可在线阅读，更多相关《基于hj卫星的棉田土壤有机质空间分布格局反演-王琼.pdf（7页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第32卷 第1期174 2016年 1月农业工程学报Thnsactions ofthe Chinese Society of A扣cultuml EngineeringV0132 No1Jan 2016基于HJ卫星的棉田土壤有机质空间分布格局反演王 琼1，陈 兵1，王方永1，宋庆平1，窦中江睬，戴建国z，肖春华s，杨秀春4(1新疆农垦科学院，石河子832000；2石河子大学信息科学与技术学院，石河子832000；3石河子大学兵团绿洲生态农业重点实验室，石河子832000；4中国农业科学院农业资源与农业区划研究所，北京100081)摘要：以北疆绿洲区棉田表层土壤为研究对象，利用国产HJlAlB卫

2、星cCD多光谱数据对裸土有机质空间分布格局进行研究。通过分析多光谱数据不同波段的光谱反射率及其变换形式与实地采样得到的土壤有机质含量的相关性，探寻适合绿洲区棉田表层土壤有机质含量快速反演的敏感波段及参数，并针对不同参数分别建立一元线性、二次、三次、对数、倒数、幂函数、生长型、s型回归模型，以及多元回归模型；对生成的模型进行综合对比分析，获取北疆绿洲区棉田表层土壤有机质含量的最佳反演模型，从而实现整个研究区土壤有机质空间格局的遥感反演。结果表明：HJ卫星多光谱数据4个波段的反射率均与土壤有机质含量存在显著的相关性，第3波段的倒数与土壤有机质含量相关性最为显著；且以第3波段光谱反射率作为因变量得到

3、的三次线性回归模型对土壤有机质含量进行反演的效果最佳；通过空间布局反演得到研究区土壤有机质空间分布整体呈现南北两端有机质含量较高，中部有机质含量较低的格局。该研究表明虽然与黑土有机质含量具有差别，但是遥感技术仍能够作为绿洲区土壤有机质含量空间布局反演的方法，为遥感技术在土壤参数监测中更好的发挥作用提供理论支持，同时也为新疆棉田生产管理和农田可持续利用提供科学依据。关键词：土壤；卫星；遥感；HJ卫星；绿洲棉田；土壤有机质；遥感反演doi：1011975jissn10026819201601024中图分类号：S一3 TP79 文献标志码：A 文章编号：10026819(2016)一0l一01740

4、7王琼，陈兵，王方永，宋庆平，窦中江，戴建国，肖春华，杨秀春基于HJ卫星的棉田土壤有机质空间分布格局反演J1农业工程学报，2016，32(01)：174180doi：1011975，iissn10026819201601024 http：硼Mtcsae0rgwang Qiong，chen Bing，wang Fangyong，song Qingping，Dou zhon西iang，Dai Jianguo，xiao chunhua，Yang xiuchunInversionfor spatial distribution pattem of soil organic matter based o

5、n HJ image in oasis cotton 6eldJ11ransactions of the Chinese Societyof A莉cultural Engineering(Transactions of the CSAE)，2016，32(01)：174180(in Chinese with English abstract) doi：101 1975jissn10026819201601024 http：wwwtcsaeorg0引 言新疆是中国重要的绿洲农业区，更是中国重要的棉产区。随着节水灌溉技术的推广，土壤养分不均衡导致滴灌棉田早衰的问题日渐凸显。已有研究表明土壤有机质含

6、量是表征土壤养分的重要属性之一川，及时获取大范围棉田土壤有机质空间布局有助于快速获取棉田土壤的养分状况，对更好的制定栽培措施，促进棉田稳产高产具有现实意义回。传统对土壤有机质含量的监测多采用普通克里金等空间插值方法，但由于采样点的数量有限，且分布不均等原因，常难以获得较为准确的空间预测结果。近年来众多学者以高光谱遥感为技术手段，对褐土【3】、红壤土4_扪、黑土、潮土【9】、荒漠土陋”】等土壤有机质含量进行了估测，为更大空间尺度上估算土壤有机质含量提供了可靠的理收稿日期：201510一18 修订日期：2015一ll一24基金项目：新疆农垦科学院引导计划项目(54YYD201302)；新疆兵团工业

7、科技计划项目(2014BA019)；国家自然基金项目(41161068)；石河子大学高层次人才科研启动项目(RCzx201325)作者简介：王琼(1983一)，女，四川南充人，副研究员，博士，研究方向为作物信息技术与精准农业。石河子新疆农垦科学院，832000。Email：wangqiongh叩e163com通信作者：窦中江(1970一)，副研究员，主要从事信息技术在林学中的应用研究。石河子新疆农垦科学院，832000。Email：xjwqtg163com论基础和研究依据。多光谱遥感技术因其具有数据量大、实时、大范围等特点降阍，20世纪80年代就被研究者们用来反演黑土土壤有机质含量的空间格局【

8、1q。研究证明与传统方法相比，利用多光谱遥感数据进行土壤有机质制图、土壤分析和指导施肥花费的人力物力更少、得到的分析结果更接近实际情况【17_侣】。目前利用多光谱遥感对土壤有机质进行估测的研究主要集中在对黑土有机质含量进行反演【-喇，因其有机质含量均大于2，土壤有机质含量对光谱的影响更为明显；绿洲农业区土壤有机质含量与黑土和森林土壤有着明显的差异，特别是北疆棉田土壤，有机质含量均值在296左右，局部区域远小于296，能否用遥感数据对这样的土壤进行有机质空间格局的反演?参考已有对荒漠土壤的研究，并依托北疆绿洲棉田规模化、大面积的特点，本文以HJl刖1B数据为多光谱遥感数据源，获取采样点裸土的光谱

9、反射率及数学变换式得到的结果作为参数，与采样点土壤有机质含量进行分析研究，探寻适合绿洲棉田裸土有机质快速反演的敏感波段及参数并建立模型，从而实现整个研究区棉田土壤表层有机质空间格局的反演；以期为新疆棉田生产管理和农田可持续利用提供科学依据，为遥感技术在今后的土壤参数监测中更好的发挥作用提供理论支持。万方数据第1期 王琼等：基于HJ卫星的棉田土壤有机质空间分布格局反演 1751材料与方法11研究区概况研究区位于新疆生产建设兵团第七师130团垦区(440231”44。34”N，84076”85038”E)是典型的绿洲农耕区，年均温度为6471，10积温为3 6173 5998，无霜期为159186

10、 d，日照量2 61l2 697 h，平均降水量为1607。1821 mm，年蒸发量为l 76191 7097 mm。耕地面积2x104hm2，20132014年作物种植面积约为12104hm2，以平均面积约15 hm：的单块条田作为一种作物的种植单元，其中棉花种植面积约占总作物面积的80。气候属温带大陆性气候，光热资源丰富、降水量小；全区除局部略有起伏外，地势平坦；土壤类型以灰漠土为主，还有小部分属于草甸土、潮土。12土样采集与处理为了更好的反映棉田裸土的光谱信息，将土样采集时间定为10月底，此时棉田已秋收完成(图1)。在棉田内采用五点取样法【2l】，取020 cm耕层土壤样品，同时利用手持

11、GPS获取采样点地理位置等信息；并将土样带回实验室进行风干、研磨、过筛等预处理后用重铬酸钾容量法测定土壤有机质含量，其描述性统计量见表l。由表1可知研究区土壤有机质含量差异性明显，最大值与最小值之问相差26 g瓜g左右。Nw杀t C采样点Snnlpling I”图l 130团采样点分布图Fig1 Distribution of sample points in l 30 Group表l 土壤有机质描述性统计表Table 1 Descriptive statistics table of SOM13遥感数据获取与处理环境与灾害监测预报小卫星星座A、B星(HJ一1A1B星)于2008年发射，包括4

12、个谱段，空间分辨率为30 m。本文以该数据为数据源，分别获取2叭3年、2014年10月底，云量低于10的ccD数据，影像轨道号为4460。使用ENvI 50软件对遥感影像进行辐射校正得到地物光谱反射率数据，并以UTM，wGS一84投影及坐标系统，利用已有的基准影像对数据进行几何校正，用ENVI软件中FLAASH模块对几何校正后的数据进行大气校正，得到地面采样时间一致的裸土反射率数据。14模型建立与检验通过提取采样点的裸土反射率数值(R)，对(HJ一1A1 B)CCD数据各波段反射率进行倒数(1侬)、对数(LOG(尺)、差值(R。一尺，)、比值(尺。侬：)等运算得到不同形式的光谱指数，并利用计算

13、得到的指数与采样测定的土壤有机质含量进行数理分析，得到采样点裸土光谱指数和土壤有机质含量之问的相关关系。对与土壤有机质问的相关性显著的光谱反射率及其变换形式进行回归分析，并基于SPss统计分析软件分别构建单波段和多波段回归方程，其中单波段回归方程包括线性回归模型、对数回归模型、倒数回归模型、二次回归模型、三次回归模型、幂函数回归模型、S型回归模型、生长回归模型和指数回归模型。将采样点分为建模样本(65个)和验证样本(26个)，对建立的模型进行检验。采用统计量F值、修正自由度的可决定系数(尺：)、均方根误差(RMSE)评价估算模型的有效性呻】。当F值大于理论临界值Fa时，估算方程显著；R2越大模

14、型越稳定；RMSE越小模型精度越高【7】。15空间分布格局反演使用ENvl50软件的波段运算模块，将采样点对应的ccD数据光谱参数代入到回归方程，波段运算后得到研究区土壤有机质含量灰度图；根据全国第二次土壤普查推荐的土壤肥力分级和新疆棉田土壤主要养分含量分级指标【筮将土壤有机质含量范围划分为4个等级：在0。12 gl(g范围内有机质含量等级为“低”，1215 gkg范围内有机质含量等级为“较低”，1518 gkg范围等级为“中等”，有机质含量18 gkg时等级为“较高”。使用密度分割方法按照4个等级的划分范围，对生成的有机质含量灰度图进行分级，得到不同级别有机质含量的空间分布图。2结果与分析2

15、1不同多光谱遥感数据土壤反射率特征在研究区选取有机质含量分别在l10、1020、2030 gl(g和有机质含量大于30 gkg范围内具有代表性的土壤样点4个，计算遥感影像上对应点在不同波段的反射率值，绘制反射率折线图(图2)可知，4个样点在遥感影像不同波段B，(045052肛m)、B2(052060肛m)、B3(063069肛m)、B。(076090肛m)的反射率值均呈现随着波长的增加，反射率值也随之上升的趋势，说明无论是有机质含量大于20 gkg(2)的黑土，或者有机质含量均值小于20眺g(2)的荒漠土，对光谱的吸收、反射过程都是相近的，即随波长的增加，对光谱的吸收作用逐渐减弱，反射作用逐渐

16、增强。当有机质含量在2030 g，l(g之间和大于30 gkg时，不同土壤样点的光谱反射率值相差很小，尤其在B，、B。波段；当有机质含量在110kg和1020 gl(g万方数据176 农业丁程学报(http：删tcsaeo唱) 2016年时，土壤样点在不同波段的光谱反射率值相差较为明显，其中以B，波段差异较大。波段数Band注：B、B2、玛、民分别为卫星CCD数据第l、2、3、4波段，Note：Bl、B!、B3、B4 rPpresentfour ban(IsofHJlA1BCCDimage，re5pectively图2不同有机质含量范围土壤反射率折线图Fig2 Spectrum line ch

17、an of soil organic matter sample in di“brn【range of contents研究区受人为活动影响大，无论实地调研还是采集的土壤样本，有机质含量均呈现出较为明显的差异性，为了明确土壤有机质含量与光谱反射率之间是否存在相关关系，对二者及其变换形式进行了相关性检验，表2列出了土壤有机质含量与对应点多光谱数据各波段反射率的相关系数。由表2可知，不同采样点在4个波段的光谱反射率及其变化形式均与有机质含量存在相关性，其中反射率进行倒数变换后与有机质含量相关系数最高，其次为对数变换形式。不同波段反射率做差值和比值变换后与土壤有机质含量虽然也具有相关性，但是相关系数

18、远小于反射率倒数变换的数值。同一变换形式中，不同波段光谱参数与有机质含量的相关性也不同，其中以第3波段光谱反射率及其变换行形式的相关系数最高，其次为第2波段、第1波段和第4波段。第3波段光谱反射率及其对数、倒数的变换形式与对应点土壤有机质含量的相关系数差别不大，以倒数变换形式最高，对数变换次之。表2土壤有机质含量与CcD数据各波段反射率相关系数m=65)TahlPl 2 Cnrrelation coemrjent helween SOM anrj CCD reflectanceat diff色rent bands注：$和分别在O01和O05水平卜显著相关；R1尺4分别为CCD数据四个波段B。B

19、。的反射率值。Note：+4and+on 00 l and 005 level is oI】vious，respec【ivelyand R 1尺4 areIhe renectance of B1B d22表层土壤有机质含量反演模型建立对土壤有机质含量与多光谱数据各波段反射率相关系数表中相关系数在o01水平显著的反射率(R)，及其倒数(1侬)、对数(LOc(尺)3种形式分别进行单波、多波段回归分析。得到单波段回归模型9种，包括：线性回归模型、对数回归模型、倒数回归模型、幂函数回归模型、S型回归模型、生长型回归模型、指数回归模型、一元二次回归模型和一元i次回归模型共75个。进行对比分析发现：B和B

20、，波段虽然与土壤有机质相关性显著，但是单波段模型在判定系数、均方根误差等比较中均低于B，波段，该规律在反射率倒数和对数变换中同样成立，从不同波段反射率及其变换形式构建的模型中挑选出R：较大、RMSE较小的模型(表3)。由表3可知，对HJ卫星多光谱数据，基于单波段反射率及其变换形式建立的有机质反演模型中，线性模型、对数模型和倒数模型精度和稳定性略低，幂函数模型、s型模型、增长模型和指数模型精度最低，光谱反射率及其倒数和对数变换得到的二次和三次回归模型精度相对较高、稳定性较好。综合对比不同波段、不同反射率变换形式得到的线性、对数、倒数等模型的精度和稳定性，发现B，的反射率(R3)作为变量，有机质含

21、量作为因变量得到的j次回归模型尺2值为0625，RMSE为693，与其他单波段模型相比最优。表3 基于单波段光谱指数的农田土壤有机质遥感反演模型Table 3 Reversing models of FarInland s0M based on sinde_bandsDectIal indices模型 变量 回归方程Model Variables Regression。quation判定系数Coem(五enl ofdetermination侬1均方根方差误差检验量RMSE F值注：R3为ccD数据第三波段的反射率值。Nole：R3 represenls Ihe renectance of B3

22、万方数据第1期 王琼等：基于HJ卫星的棉田土壤有机质空间分布格局反演 177多波段回归分析后，剔除了相关性较强的B。和B：，利用B，和B。波段光谱反射率及其倒数、对数等变换形式得到二元一次回归模型。由表4可知，基于多波段反射率及其变换形式进行逐步回归分析得到的模型中，光谱反射率倒数变换得到二元一次回归模型精度相对较高、稳定性较好。表4基于度波段光谱指数的农田土壤有机质遥感反演模型Table 4 Reversing models of Fa珊land SOM based on multispectml indices注：尺3、尺4分别为CCD数据第三波段B，和B4的反射率值。Note：R3 an

23、d R4 represent the renectance of B3 and B423研究区表层土壤有机质含量空间格局反演231模型精度验证对比多波段反演模型和单波段反演模型，虽然在模型精度和稳定性上多波段光谱反射率倒数变换得到的二元一次回归模型和单波段三次回归模型都相对较优，但是三次回归模型精度稍高，且需要的光谱参数较简单，故选取单波段三次回归模型对研究区裸土有机质含量进行反演。由于模型预测精度主要取决于土壤理化参数数值范围和土壤属性间的自相关程度。对采样点实测值与预测数值进行统计分析发现，研究区表层土壤有机质含量实测值和预测值的均值大致相同，为199班g，极小值分别为75眺g和l 12

24、gkg、极大值分别341 gl(g和38玑g，预测值均略高于实测值。变异系数分别为472和376，二者的变异系数存在一定的差异。为了能够更好的揭示棉田表层土壤光谱反射率与有机质含量之间的关系，通过野外实测样点数据对理论得到的模型进行验证。得到土壤有机质实测值与模型预测值间的线性函数l，=1028 1x表达(图3)，该线性方程斜率为1028l(尺2-072，P0001)，散点图较为集中，该结果表明模型预测结果与土壤有机质含量实测结果具有较好的线性相关性，通过遥感估测数值能够反演研究区表层土壤有机质的空间分布格局。图3反演精度验证ng3 Validated resulf for model pre

25、cision232空间格局反演将采样点对应多光谱数据的光谱参数尺3代入到三次回归方程l，=196678一l 313770X+9 746337X3中，波段运算后得到研究区土壤有机质含量空间分布图(图4)。由图可知：研究区土壤有机质空间分布整体呈现南北两端有机质含量较高，中部有机质含量较低的格局。有机质含量在1215丹k和1836印，kg范围的斑块所占面积较大，分别为o42104hmz和030104hm2，占研究区棉田总面积的40和29；15。18 g瓜g范围面积为020104 hm2，占研究区棉田总面积的20；有机质含量在O12品，I(g的部分最少只有01l104hmz，占研究区棉田总面积的11

26、。通过实地调查发现，土壤有机质含量较高的区域，多分布在老河道和河流附近，土壤类型多为壤土或潮土；种植的作物以棉花为主。含量在1218以g之间的土壤，在地形、分布和作物种植上均没有明显的规律。) 5 6()()Il】二二_I“紫圈4研究区表层土壤有机质含量空间格局图F唔4 Dist曲ution of result for su出ce SOM in study area3讨论已有利用遥感数据对表层土壤有机质的研究，大多集中在有机质含量大于2的黑土区或者森林土壤，而对万方数据178 农业工程学报(http：咖tcsaeo瞎) 2016年有机质含量平均值小于2的土壤，特别是西北荒漠土壤的研究相对较少。

27、本文利用国产HJ卫星多光谱数据对新疆绿洲棉田表层裸土有机质含量进行了研究，发现HJ卫星多光谱数据4个波段反射率均与土壤有机质含量存在显著的相关性，最大相关系数在第3波段(630。690 nm)，其次为第2波段(520600 nm)。该结论与侯艳军【13、Gunsaulis【刎等的研究保持一致，侯艳军以准格尔盆地东部荒漠过渡带020 cm土壤为研究对象，认为土壤有机质响应波段集中在可见光和近红外范围内，只是光谱敏感区的具体位置与黑土等其他土壤不同，在“0790 nm土壤光谱反射率与土壤有机质含量相关性最为显著。对4个波段不同的反射率变换形式进行相关性分析，得到第3波段的倒数与土壤有机质含量相关系

28、数最大，该结论与李春蕾闭的研究结论具有相同之处，但是李春蕾认为土壤有机质含量与土壤光谱数据的倒数在430 nm处达到最大相关，与本文研究不同。经分析不排除数据源和研究尺度的关系，具体原因将在进一步研究中进行论证。在研究相关性的基础上，以土壤有机质含量为因变量，多光谱数据不同波段反射率数据及其变换形式作为变量分别进行一元和多元回归分析得到87个模型。通过对比分析，发现一元回归分析模型中，二次和三次线性回归模型的精度较其他模型高，该结论与李春蕾研究结论相似，但由于其使用的是低空间分辨率的MODIs数据，本文使用30 m分辨率的国产数据更适合进行农场尺度土壤有机质含量的空间格局反演。利用三次线性回归

29、模型对研究区棉田土壤进行有机质空间格局反演时，部分非棉田区域没能在自动提取过程中提取出来，导致分级图中有机质含量较高的面积稍大。同时由于利用遥感影像估测土壤有机质含量对研究区具有一定的要求，例如水分变化较小等闭，且对土壤有机质含量的影响因素如土壤类型、地形、地质等因素也会对反演结果造成影响，因此研究反演精度在72左右，与侯艳军等的研究相比精度稍低，在后续的研究中将会综合考虑土壤有机质含量的影响因素，以达到提高反演精度的目的。反演结果可以用于表层土壤有机质空间布局分析、耕地质量评价、土壤有机碳库估算等，为干旱半干旱区土地可持续利用提供技术与数据支持。4结论本研究基于国产卫星HJ一1AB的CCD多

30、光谱数据，建立了北疆绿洲区农场尺度棉田表层土壤有机质含量的遥感预测模型，对绿洲区棉田土壤有机质含量的空间布局进行反演，结论如下：1)北疆表层土壤有机质含量与黑土有机质含量差异明显，但是棉田土壤有机质含量的空间布局仍能够采用遥感技术进行快速监测，部分样点土壤有机质含量低于2，对整体监测结果影响不大。2)HJ卫星多光谱影像4个波段反射率均与土壤有机质含量存在显著的相关性，最大相关系数在第3波段，其次为第2波段。对比不同的反射率变换形式，第3波段反射率及其变换形式相关系数均较高，且不同变换形式间差别较小。3)以HJ一1刖1B卫星多光谱数据第3波段反射率(R3)作为变量，棉田土壤有机质含量作为因变量进

31、行回归分析得到的一元三次回归模型y=1966781 31377时+9 74633髓。在综合对比分析中，精度和稳定性都相对较高，可以用于该区土壤有机质遥感反演。致谢：感谢中国资源卫星应用中心提供HJ卫星数据。参考文献】f11陆访仪，赵永存，黄标，等海伦市耕层土壤有机质含量空间预测方法研究J土壤通报，20l 2，43(3)：662667I。u Fangyi，Zhao Yongcun，Huang Biao，et a1Comparison ofpredicting methods for mapping the spatial distribution of topsoilorganic matter

32、 content in cropland of Hailun【JChinese Joumalof Soil Science，2012，3(3)：662667(in Chinese with Englishabstractl【2】彭陶，吕新绿洲棉田土壤有机质的时空变异性研究J土壤通报，2010，41f31：563567Peng 7rao，Lv XinStudy on spatiotemporal varialion of soilorganic matter inoasis conon矗eld【JChinese Joumal of Soi lScience，2010，41 (3)：563567(

33、in Chinese with En91ishabstractl3刘炜，常庆瑞，郭曼，等土壤导数光谱小波去噪与有机质吸收波段特征提取【J光谱学与光谱分析，2011，3l(1)：100104“u Wei，Chang Qinmi，Guo Man，et a1Extmction of 6rstderivative spectmm features of soil organic matter via waveletdenosingJ】Spectmscopy and Spectral Analysis，2011，31(1)：100104(in Chinese with English abstract)

34、【4】刘磊，沈润平，丁国香基于高光谱的土壤有机质含量估算研究叨光谱学与光谱分析，2011，31(3)：762766Liu Iei，Shen Ruiping，Ding GuoxiangStudies on the estimationof soil organic matter content based 0n hype卜spectmmJSpectmscopy and Spectml Analysis，201 1，3 1(3)：762766(inChinese with English abstmct)51沈润平，丁国香，魏国栓，等基于人工网络的土壤有机质含量高光谱反演【J土壤学报，2009，4

35、6(3)：39l一397Shen Ruiping，Ding Guoxiang，wei Guoshuan，et a1RetrieVal ofsoil o曙anic matter content fmm hype卜spectrum based on ANNJActa Pedologica Sinica，2009，46(3)：391397(in chinesewith English abstract)61卢艳丽，白由路，杨俐苹，等基于主成分回归分析的土壤有机质高光谱预测与模型验证J植物营养与肥料学报，2008，14(6)：10761082Lu Yanli，Bai Youlu，Yang Liping

36、，et a1Application of hyperspectml data for soil o唱anic matter estimation based onprinciple components analysisJPlant Nutrition and FenilizerScience，2008，14(6)：10761082(in Chinese with En甜ishabstractl71刘焕军，赵春江，王纪华，等黑土典型区土壤有机质遥感反演J】农业工程学报，2011，27(8)：2ll一215万方数据第1期 王琼等：基于HJ卫星的棉田土壤有机质空间分布格局反演 179Liu Hua

37、njun，Zhao Chunjiang，Wang Jihua，et a1Soil organicmatter predicting with remote sensing image in typical black soilarea of Northeast China【J】Transactions of the Chinese Societyof Agricultuml Engineering(Transactions of the CSAE)，20l 1，27(8)：21l一215(in Chinese with English abstract)8刘焕军，张柏，赵军，等黑土有机质含量高

38、光谱模型研究【J土壤学报，2007，44(1)：2732Liu Huanjun，zhang Bai，Zhao Jun，et a1Spectral models forprediction of o唱anic matter in black soilJActa P色dologicaSinica，2007，44(1)：2732(in Chinese with English abstmct)9】廖钦洪，顾晓鹤，李存军，等基于连续小波的潮土有机质含量高光谱估算【J】农业工程学报，2012，28(23)：132139Liao Qinhong，Gu Xiaohe，Li Cunjun，et a1Estim

39、ation of nuvoaquic soil organic matter content f而m hyperspectral renectancebased on continuous wavelet tmnsfb册ation【JTransactions ofthe Chinese Society of Agricultural Engineering frransactions ofthe CSAE)，2012，28(23)：132139(in Chinese with Englishabstracn【10徐彬彬，戴昌达南疆土壤光谱反射特性与有机质的相关分析J科学通报，1980，25(6

40、)：282284XU Binbin，DAI ChangdaCo玎elation analysis of o昭anic mattercontent and spectral Ienection pIDperties of the soil in SouthXinjiang【J】Chinese Science Bulletin，1980，25(6)：282284(inChinese with English abstract)1 1彭杰，张杨珠，庞新安，等有机质含量的高光谱特征分析【J干旱区地理，2010，33f5)：740一746Peng Jie，Zhang Yangzhu，Pang Xinan

41、，et a1Hyperspectmlfeatures of soil organic matter content in South Xinjiang叨AridLand Geography，2010，33(5)：740746(in Chinese with Englishabstractl12高志海，白黎娜，王璋瑜，等荒漠化土地土壤有机质含量的实测光谱估算J】林业科学，201l，47(6)：9一16Gao Zhihai，Bai Li 7na，Wang Bengyu，et a1Estimation of soilorganic matter content in deserti矗ed lands

42、 using measured soilspectral dataJScientla Silvae Sinicae，201 1，47(6)：916(inChinese with English abstract)【13侯艳军，塔西甫拉提特依拜，买买提沙吾提，等荒漠土壤有机质含量高光谱估算模型【J】农业工程学报，2014，30(16)：113一120Hou Yanjun，TashpolatTiyip，MamatSawut，et a1Estimationmodel of desert soil organic matter content using hyperspectraldata【J】Tra

43、nsactions of the Chinese S0ciety of AgriculturalEngineering(7Ihnsactions of the CSAE)，2014，30(16)：1 13120(in Chinese with English abstract)14梅安新，彭望碌，秦其明，等遥感导论【M】北京：高等教育出版社，200l：12115赵英时遥感应用分析原理与方法M北京：科学出版社，2003，280326【l 6Bowers S A，Hanks R JRenectance of radiant energy f而m soilsSo订Science，1965，100(2

44、)：13013817程彬，姜琦刚，王坤遥感在土壤有机质含量估算中的应用及其研究进展J山东农业大学学报(自然科学版)，2011，42(2)：317321Cheng Bin，Jiang Q培ang，wang KunApplication and progressin estimting soil o唱anic matter content based on RemoteSensingJ】Joumal of Shandong Agricultural University(Naturalscience edition)，20l l，42(2)：317321(in Chinese with Engli

45、shabstractl1 80bade V D，I丑1 RAssessing 1and cover and soil quality byremote sensing and geographical info瑚ation systems(GIS)【JCatena2013，104：779219程彬，姜琦刚遥感影像在土壤属性估算中的应用【J】中国农学通报，2008，24f1)：467470Cheng Bin，Jiang QigangEstimation of soil pmperties usingremotely sensed imagery啊Chinese Agncultuml Scienc

46、e Bulletin，2008，24(1)：467-470(in Chinese with English abstmct)20】张法升，曲威，尹光华，等基于多光谱遥感影像的表层土壤有机质空间格局反演J】应用生态学报，2010，21(4)：883888zhang Fashen昏Qu wei，Yin Guanghua，et a1Spatial panem ofsurface soil o增anic matter based on remotely sensed multispectral imageryJ】Chinese JoumaJ of Applied Ecology，2010，21(4)：

47、883888(in Chinese with English abstract)21】中国科学院南京土壤研究所土壤理化分析M】上海：上海科学技术出版社：1987，6213622张炎，王讲利，付明鑫，等新疆棉田土壤养分评价指标的建立A】中国科协，2005年学术年会“新疆现代农业论坛”论文专集fcl，2005Zhang Yan，Wang Jiangli，Fu Mingxin，et a1The establishmentof the xinjiang cotton soil nutrient evaluation indexAChinaassociation for science and tech

48、nology 2005 AcademicConVention”BBS”Modem Agriculture inXinjiang 711lesis AlbumC，2005(in Chinese wich English abs咖ct)23Volkan Bilgili A，van Es H M，Akbas F，et a1Visiblenearinfhred renectance spectmscopv for assessment of soilproperties in a semiarid area of TurkeyJJoumal of AridEnvimnments，2010，74(2)：22923824Gunsaulis E R，Kocher M F，Grims C L Surface stmcture efkctson closemnge renectance a fun