土壤的本质特征范文

田间非均质土壤分层结构普遍存在，水分在均质土壤和层状土壤中的运动具有很大的差异，使得入渗过程变得较为复杂［1－2］．根据土壤质地的不同，层状土可以归为两类:第一类为“垆盖砂”，具有较大渗透性的粗质土被具有较小渗透性的细质土覆盖;第二类为“砂盖垆”，细质土被粗质土覆盖．研究水分在层状土壤中的入渗特性，对于指导农业生产实践及发展非饱和土壤水分理论［3］都具有重要意义．单夹层的层状土壤入渗分为两个阶段．入渗过程中，不均匀土质令土水势在土层界面产生突变．Hanks和Bowers［4］研究表明，土壤中的层状结构在入渗过程中起到抑制减渗作用，王文焰等［5］也得出了类似结论．在一些层状土壤中还能发生优先流［6－9］．以往的研究得出了丰富的成果［10－11］，但夹层位置变化对入渗特征的影响较少涉及．文中通过室内土柱入渗试验，对均质砂土和塿土及3种夹层位置条件下塿夹砂和砂夹塿的积水入渗规律进行探讨，以获得不同夹层位置条件下层状土入渗规律．

1材料与方法

1．1试验土样与试验方法供试土样取自陕西杨凌地区农田表层0～20cm，分别为塿土和渭河砂土．供试土样取回后经风干、碾压、粉碎后过2mm筛，均匀混合．用烘干法测得塿土和砂土的初始含水率分别为2．54%和0.35%．用吸管法测得供试土样的颗粒组成，结果如表1所示，其中r为颗粒半径．图1为采用离心机法测定的塿土和砂土的土壤水分特征曲线，S为土壤水吸力，θ为土壤含水率。图中，砂土和塿土水分特征曲线差异明显，吸力相同情况下塿土含水率高于砂土;而在含水率相同的条件下，塿土的吸力大于砂土．对层状土而言，当湿润锋达到夹砂层上界面时，上层塿土的土壤水吸力使水分不能进入砂土，水分入渗受到砂夹层的阻滞，只有当交界面塿土土水势大于砂土土水势时，水流才继续向下移动．分别以均质塿土及均质砂土、塿夹砂和砂夹塿进行3种不同夹层位置的积水垂直入渗试验．分别将均质土、塿夹砂和砂夹塿等不同处理的土样，以不同设计容重(塿土1．35g/cm3，砂土1．65g/cm3)分层均匀装入高50cm、直径8．5cm的有机玻璃筒中．土柱表层垫置滤纸，以利于均匀入渗．不同处理中夹层土壤厚度均为5cm，夹层位置为距土表5，10和20cm．利用马氏瓶供水，控制供水水头为2cm不变，入渗过程中记录湿润锋位置和不同时刻马氏瓶水位．当湿润锋到达35cm深度时停止入渗．入渗试验结束时，取不同深度土壤用烘干法测定土壤含水率．

2结果与分析

2．1均质土壤的入渗特征均质土的入渗特征较有规律，为简要说明其入渗特征，均质塿土和砂土在积水入渗过程中的累积入渗量随时间变化过程如图2所示．图中，累积入渗量随时间的增加曲线较连续平滑，砂土明显比塿土的入渗快．为统一对比，将均质塿土和砂土的入渗参数及其定量关系列于表2．表中I为累积入渗量，cm;i为入渗率，cm/min;t为时间，min;Zf为湿润锋，cm;R2为决定系数．由表2可知:①均质土壤的入渗率可采用传统的入渗模型来描述，其中Kostiakov模型对塿土和砂土入渗率的拟合比Philip公式和Horton公式更好．②均质塿土和砂土的湿润锋可采用简单的幂函数经验公式表达，且决定系数非常高．③均质塿土和砂土的累积入渗量与湿润锋之间存在相关性很高的线性关系．以上结果说明，均质土壤的入渗参数的描述可定量化．

2．2层状土累积入渗量随时间的变化特征为对比不同夹层位置对入渗特征的影响，将3种夹层位置塿夹砂和砂夹塿的湿润锋到达和穿过夹层界面的时间和累积入渗量列于表3．其中D为夹层位置，t1为湿润锋到达夹层界面的时间，I1为到达夹层界面时累积入渗量，t2为湿润锋穿过夹层界面的时间，I2为穿过夹层界面时的累积入渗量．由表3可知:无论是砂夹层还是塿夹层，夹层层位越靠上，湿润锋到达夹层分界需要的时间越短，累积入渗量越小．据试验结果，夹层位置深度居中者所需穿越时间最长，其中塿夹砂为65min，砂夹塿为39min，这说明夹层位置存在一个临界值(10～15cm)，当夹层深度大于或小于该临界值时，水分穿过夹层的速度变快．3种夹层位置下塿夹砂和砂夹塿的累积入渗量随时间变化曲线如图3所示．由图3可知:①湿润锋到达夹层上界面前，2种土壤的累积入渗量均随时间呈非线性变化．入渗开始时，土壤含水率小，入渗速度快;随着湿润锋推进，已湿润剖面的含水率不断增大，土壤水吸力减小，入渗变平缓．此过程中入渗率随时间增加而逐渐减小，累积入渗量随时间变化过程与均质土的相同．②湿润锋穿过夹层界面后，累积入渗量随时间关系转为线性，进入稳渗阶段，入渗率变为常数．采用线性关系I=a1t+b1可较好地描述此阶段入渗过程，不同条件下的参数见表4．由表4可知，无论土壤类型是塿夹砂还是砂夹塿，夹层位置为10～15cm时，参数a1(也即稳定入渗率)均小于夹层位置为5～10cm和20～25cm深度的情况．在入渗初期，同一夹层位置条件下，塿夹砂的入渗速率小于砂夹塿;当湿润锋到达夹层界面后，塿夹砂的入渗速率大于砂夹塿，累积入渗量也明显大于砂夹塿．夹层位置越深，差异越明显，这是由于塿土和砂土具有不同的持水性能所致．不同层位和不同土质下的入渗率随时间变化规律见图4．由图可知:①当夹层位置不变，塿夹砂的入渗率随时间变化曲线在5～10cm层位时比砂夹塿的高，而在10～15cm和20～25cm层位时入渗初期塿夹砂的入渗率高;在初期砂夹塿入渗率降低很快，但其稳定入渗率比塿夹砂的低．②对于塿夹砂，夹层位置由5～10cm变化到10～15cm时，入渗率稍有降低;夹层位置由10～15cm变化到20～25cm时，夹砂土壤的入渗率有明显增加，说明夹砂层的存在改变了土壤的入渗率，夹层位置越深，对入渗率的改变越明显．

2．3层状土的湿润锋随时间变化规律如前述表2所示，均质土在积水入渗过程中的湿润锋随时间变化为一连续函数，湿润锋增加速度随时间延长呈光滑递增趋势，无突增或突降情况．而层状土入渗的湿润锋显然不再符合此特征，由于夹层界面处水分运移受质地和土水势不连续的影响，其湿润锋运移速度也与均质土明显不同．实测的塿夹砂和砂夹塿在3种层位下湿润锋推进距离随入渗时间的变化见图5，图例表示夹层深度．由图5a可知:①随着入渗时间的延长，塿夹砂的湿润锋与时间由非线性逐渐转为线性关系．湿润锋到达交界面时，由于上层塿土中水分不饱和，塿土吸力大于砂土，水流并非继续进入砂层，而是在界面上积累，当交界面塿土水势大于砂土水势时，水流才继续向下流入砂层．②水分进入砂层后，上层塿土的水通量不能满足砂土入渗水量的要求，入渗速率逐渐减缓，穿过砂层后湿润锋随时间呈线性变化，入渗受上层土壤入渗能力控制．③夹砂层位不同，入渗稳定后湿润锋推进速度也不同，其中当夹层位置为距土表10～15cm时，湿润锋推进速度最慢．由图5b可以知:①砂夹塿土中，水分由砂土进入塿土时，塿土的吸力大于砂土，故湿润锋无停留，直接进入塿土层．②水分进入塿土夹层后，湿润锋推进距离随时间变化迅速减慢，3种夹层位置下均有明显转折，湿润锋与时间呈线性关系．夹黏层的阻水作用主要由于塿土导水率低于砂土，从而控制了水分在下层砂土中的入渗速率．③塿夹层的层位不同，入渗稳定后湿润锋推进速度也不同，夹层位置为距土表10～15cm时，湿润锋推进速度最慢．由此推测，夹层深度存在一个临界值，当夹层距土表深度为这个临界值时，夹层的减渗作用最强，夹层深度大于或小于该临界值时，夹层虽然有减渗阻水的作用，但减渗作用未达到最大．

2．4层状土累积入渗量与湿润锋之间的关系根据实测资料，对塿夹砂和砂夹塿入渗过程中累积入渗量I与湿润锋推进距离Zf之间的关系进行分析，发现两者有明显的线性关系，将不同夹层位置下的湿润锋推进距离与累积入渗量用I=a3Zf+b3表达，得出的相关参数如表6所示．由表可知，无论是砂土夹层还是黏土夹层，夹层位置均为10～15cm时a3最小，夹层位置为5～10cm时a3略大，夹层位置为10～20cm时a3最大．系数a3即为直线斜率，可作为湿润锋推进单位距离所需要的水量，因此夹层位置可影响夹层的减渗效果，夹层位置为1015cm时减渗效果最好．2．5层状土入渗结束后土壤剖面水分分布特征为对比夹层深度D对土壤含水率分布η的影响，图6显示了入渗结束后土壤剖面含水率，Z表示夹层距土表距离．由图6可知:①3种夹层位置下，夹层以上部分的土壤含水率在表层0～5cm范围内随深度的增大而迅速减小，土表基本饱和，塿夹砂的土表塿土含水率达55%，5cm深度的塿土含水率减小到35%;砂夹塿的土表砂土含水率约20%，5cm深度的砂土含水率为35%．②夹层土壤含水率因质地不同与夹层上下有较大差异，夹层位置为10～15cm时，夹层含水率最小，其值明显小于夹层位置为5～10cm和20～25cm的情况．③夹层以下土壤含水率随深度增加而减小．在夹层以下同一深度处，夹层位置为10～15cm时土壤含水率最小．在30cm深度处，具有砂夹层的塿土含水率在夹层位置为5，10，20cm时分别为28．6%，25．6%和30．3%，具有塿土夹层的砂土含水率在夹层位置为5，10，20cm时分别为8．5%，6．3%和8．3%，含水率在层状土剖面上的不连续性与王文焰等［5］的研究结果一致．④图6b中10～20cm深度处，夹层位置为20cm的砂土含水率远大于夹层位置为5cm时的砂土含水率．由于夹层位置为20cm时表层至20cm深度为均质土入渗，夹层位置为5cm的情况，充分说明了砂层对水分入渗具有阻滞作用．⑤对比图6a，b可看出，无论塿土位于夹层还是非夹层，其土壤含水率都高于砂土．将均质土入渗特征和层状土进行对比，可知层状土的入渗过程更复杂，已经无法用传统的入渗模型来定量模拟．

土壤的本质特征范文篇2

关键词：森林土壤；理化特性；调查分析；通道县

中图分类号：S714

文献标识码：A文章编号：16749944（2016）12002204

1引言

通道县地处湖南省西南边陲，湘、桂、黔三省（区）交界之处。境内气候温和，冬无严寒，夏无酷暑，降雨充沛，年蒸发量小于年均降水量，林中空气湿度高，土壤自然含水量高。区内主要为砂质页岩、页岩、沙砾岩发育的母质，地带性土壤为红壤、山地黄壤、山地黄棕壤，海拔为206～1077m。保护区内保留着成片的常绿阔叶林，其区系地理成分复杂、起源古老，物种荟萃，群峰耸立，沟谷纵横，水系发达，林木繁茂。这种山、水、石、林兼备的优美生态环境，充满了大自然原始、幽野的神韵。为了保护这块神圣土地，让人们了解自然、认识自然，开展了森林土壤资源特征调查与研究。

2研究方法

对通道县的森林土壤调查与研究中，采取野外挖掘土壤剖面观察、记载测定和室内理化分析相结合的方法。室内分析采用的是国家标准方法[1，2]。土壤水分物理性质采用环刀法，土壤团粒结构采用机械筛分法，常规方法测定土壤含水量、有机质、全氮、全磷、速效磷、速效钾、pH值（H2O），机械组成用比重计法进行测量。

3调查结果与分析

3.1土壤剖面形态的观察与描述

土壤剖面形态，是诸成土因素共同作用下形成的内在性质和外在形态的综合表现，是成土过程的客观记录。土壤剖面是指由上向下包括不同发育层次的垂直切面。它的界线，是以空气或浅层水为上界，以坚硬的母岩或不再有生物活动的土状物质为下界。土壤剖面是在成土因素不断影响下而逐渐产生层次分化所表现出来的一种纵向变化现象，是在土体同外界物质发生相互交换而促使内部物质迁出、归回，分解合成和依变创新而产生的层次变异。土壤是成土因素的函数，也是自然环境的一面镜子，它将各种自然环境因素在土壤剖面上反映出来，这样就能从土壤剖面形态来推断成土环境。保护区土壤主要形态是：枯枝落叶层（A0）较厚2～6cm，在坡度大而陡的环境条件下，这种粗腐殖质层厚度的分布应视为良好。有的土层A1层与A层上下土层界面之间没有明显过渡。A层（淋溶层）平均厚20.5cm，表层颜色从高海拔往低海拔的顺序为黑色（5Y2/1）、暗灰棕（5YR/2）、暗棕（5Y2/1），但在常绿阔叶、落叶林典型群落内，特别是沟谷森林条件下的土壤剖面上反映颜色与海拔高度异同。如低海拔样地，表层为黑色，其原因是沟谷边或冲积土湿度大粗腐殖质难以分解，腐殖质化程度较高，使土壤表层出现黑色。B层（淀积层）为暗灰棕（5YR4/2）、淡棕（7.5.YR5/6）、淡黄棕（10YR7/6）、黄棕（10YR7/8）、为红黄色（7SYR6/8）。土壤结构好，一般剖面以A层为粒状、核状，B层为碎块状，C层为碎块状出现。土壤质地为重壤土、轻粘土。

3.2土壤发育层次分化特征

土壤层次，是指层次界线性质、层次厚度以及层次与层次之间或亚层与亚层之间的反差程度。在调查的21个剖面保护区土壤的发生层不论是海拔为350m低点，还是海拔1350m高点，中部为发育较完善的A0―A―B―C―D土体构型或A0―A1A―B―C―D土体构型，说明该区的成土环境是良好的，在该保护区基本没出现A1层、A层，而是A1A层交织一起，A1层、A层上下腐殖质层之间无明显的过渡，形成A0―A1A―B―C―D土体构型。这里的土体构型，与沟谷森林地貌景观有关，与降雨量和蒸发量消长有关。降雨量决定其干湿状况。以湿润系数（K）为指标，境内的干湿消长状况是降雨>蒸发，湿润系数（K1.84）>1.5，干湿程度为过湿。说明，森林的土壤过湿，有机残体进入土壤以后，在以土壤生物为主的作用下，把复杂的有机物转变为简单的化合物，最后变成无机物―矿质化过程减弱。

发生层粘粒含量及比率。根据机械组成分析结果计算A层、B层与C层的粘粒比率，可以确定土壤粘化作用的强弱[3]。土壤机械组成分析表明（表1、表2、表3）土壤质地尚好，为重壤土、轻粘土。沙粒（>0.05mm）占5.44%～32.64%，沙粒含量的多少与不同母质、坡度上发育的土壤有关。粉沙粒（0.001～0.05mm）占45%以上，而粘粒含量在30%以下，1，为1.01～1.10，说明境内在植物繁茂的条件下森林土壤环境较好，土壤侵蚀强度弱。

3.3森林土壤类型

境内的地貌特征是山地夹丘陵谷地，以中低山为主，海拔206～1607.7m。由于纬度偏低，地势变化大，人类干扰小，加上气候温和，雨量充沛，适于亚热带动植物的生长和繁殖，植被覆盖率大。在特殊的沟谷地貌和生物气候条件下，有利于土壤的脱硅富铝化作用和生物富集过程，决定着该区的土壤类型为红壤、山地黄壤、山地黄棕壤。

3.3.1红壤

红壤分布在海拔300～800m。根据中国森林土壤1984年分类的标准，红壤几种不同的亚类有红壤、黄红壤、棕红壤等，由此将黄红壤亚类归在红壤土类。保护区海拔300～550m为红壤，550～800m的山地土壤为红壤与黄壤的过渡带即黄红壤。黄红壤分布地区水湿条件和红壤基本类同，但热量条件较红壤差，同典型红壤的区别是以黄红色为主，即氧化铁水化为褐铁矿和针铁矿而呈现黄红色基调。这类土壤一般分布在中低山丘陵及山麓地区，坡度一般为25°～35°，粘粒（

3.3.2山地黄壤

山地黄壤分布在海拔800～1100m常绿阔叶林或常绿、落叶阔叶混交林及针阔混交林中，主要树种有拟赤杨、楠木、枫香、杜英、木、栲、湖南山核桃、杉木、马尾松等。母质类型为页岩、板岩、沙砾岩发育。地貌类型以群山接岭的中低山为主。气候特点是冬无严寒，夏无酷暑，空气湿度高，土壤形成发育除一般富铝化过程外，还进行着明显的黄化作用。土壤剖面常有A0―A1A―B―C―D构型，A0层3～6cm，土壤表层为粒状结构，土体厚度一般在70～100cm，土壤颜色与腐殖质聚合、分解紧密相关，肥力高的土壤颜色就深，也就是说腐殖质含量就高。表层颜色深浅顺序依次为黑色（5Y2/1）、暗灰棕（SYR4/2）、暗棕（7.5YR3/4），心土层为暗灰棕（5YR4/2）、淡棕（7.5YR5/6）、黄棕色（10YR5/8）。土壤结构、松紧度一般在层次上分异明显。A层为粒状结构，B层为核状结构，C层为碎块状结构；松紧度A层为散，B层为紧，C层为紧；质地为重壤土、轻粘土。其他理化性质见表5。

3.3.3山地黄棕壤

山地黄棕壤是亚热带土壤垂直带谱的基本组成之一。保护区的山地黄棕壤主要分布在海拔1100m以上的山地。山地黄棕壤的气候是以雨量多，湿度大、气压低、云雾环绕、无霜期短为特征。山地黄棕壤分布的海拔较高，坡度植被组成以常绿革叶灌丛为主，主要树种有鹿角杜鹃、南岭杜鹃、马尾松、山柳等。土壤紧，质地重壤土，pH值5.0；23～45cm，暗黄棕色（10YR5/4），碎块状结构，中量根系，土壤紧，质地重壤土，润，pH值5.2；45～61cm，淡黄棕色（10YR7/6），碎块状结构，中根系，土壤紧，质地重壤土，润，pH值5.5，其理化性质见表6。

3.4典型植物群落森林土壤养分特征

3.4.1典型群落森林土壤养分差异大

从表7可见：①21个典型样地中森林土壤有机质平均值为61.83g/kg，标准差为15.92g/kg，是平均数的25.11%，变幅范围30.86～84.48g/kg，差值达53.62g/kg，最高含量为最小含量2.74倍。②21个典型样地森林土壤全氮平均为2.87g/kg，标准差为0.73g/kg，是平均数的24.74%，变幅范围1.54～3.80g/kg，差值达2.26g/kg，最高含量是最低含量2.47倍。③21个典型样地森林土壤全磷平均为0.44g/kg，标准差0.24g/kg，是平均数的52.27%。变幅范围0.17～0.91g/kg，差值达0.74，最高含量为最低含量5.35倍。④21个典型样地森林土壤速效磷平均为7.17mg/kg，标准差4.78mg/kg，是平均数的64.99%。变幅范围1.92～18.19mg/kg，差值达16.27mg/kg，最高含量为最低含量9.47倍。⑤21个典型样地森林土壤速效钾平均为118.73mg/kg，标准差为48.86mg/kg，是平均数的41.15%，变幅范围76.44～218.2mg/kg，差值达141.76mg/kg，最高含量为最小的3.64倍。由于土壤生态环境的变化，造就了植物多样性良性循环的大环境。

3.4.2典型森林群落对土壤有机质含量的影响

根据通道县土壤垂直地带性和植物群落具有代表性的种类，选择了21个剖面层次分化较为典型的森林林地，参照有关文献[5]，选取与肥力特征有关的特征指标。土壤有机质是土壤养分最重要的指标之一，它是土壤中各营养元素特别是氮、磷的重要来源，以林地土壤有机质含量为化学指标作为评判肥力较为合理。从表10中看出，在21个群落中有机质大于75g/kg的有6个群落为I类型，有机质在50～75g/kg的有10个群落为Ⅱ类型，有机质低于50g/kg有5个群落为Ⅲ类型。在成土环境基本相同的条件下，坡面位置和植物种类及生长势有关。从坡面位置看，I类型中有针叶林的马尾松群落分布在脊背上，岩竹分布在龙底岩790m的夷平面上，这两种地段的土壤侵蚀微弱，比较陡坡面上的土壤年龄较长，肥力要高；1个为坡脚的杉木群落，土层较厚78.0cm，分别比平均土层73.8cm高6.2cm，土壤坡积物多，冲积肥力高。另外5个由喙核桃―豌蕨、润楠+杜英+青榨槭、榉木+南酸枣―杜茎山、拟赤杨+罗浮栲―尖叶伦、光叶白兰组成的落叶阔叶林、常绿阔叶林群落组成，前4个为落叶阔叶林，后1个为常绿阔叶林。根据“九五”期间的研究结果[6]，土壤有机质：落叶阔叶林>常绿阔叶林>针叶林，分别为63.95g/kg、45.35g/kg、32.58g/kg，前者分别为后者的41.01%、96.29%，而光叶白兰常绿阔叶林群落，在调查中属于异常的情况，高出其他几个常绿阔叶林群落的有机质含量，其原因为本样地林木粗壮，林龄偏大，土壤粗腐殖质厚为5cm，在森林土壤中粗腐殖质是每年增补有机质的主要方式。森林每年从土壤中吸收的物质只有30%～40%用来生长木材，而60%～70%以落叶枯枝的形式归还给土壤，经李昌华[7]测定，几种主要森林类型归还给土壤的凋落物，最多的是常绿阔里弄林（苦槠、木荷）每年的归还量有9.5lt/hm2。Ⅱ类型001、008、009、010、011、013、016、017、018、021有5个为常绿阔叶林群落，有2个为常绿落叶阔叶混交林，有一个为坡度大的落叶阔叶林群落。Ⅲ类型5个群落中，有003、004、007为低海拔的红壤亚类，005为黄红壤亚类，这一类型不但处于人为活动较大低山区，而由于生物气候差异引起土壤腐殖质积累偏低。

4结论与建议

4.1通道县森林土壤物理性能好，有机质含量高

从物理学的观点来看，土壤是一个极其复杂的，三相物质的分散系，它的固体基质包括大小、形状和排列不同的土粒。这些土粒的相互排列和组织，决定着土壤结构与孔隙的特征，水和空气在孔隙中保存和传导。境内土壤质地为重壤土、轻黏土，沙、黏比例适中。由于境内特有气候和地形形成的天然次生林，因此，森林土壤有机质平均达61.83g/kg。新鲜腐殖质是土壤团聚体的主要胶结剂，在钙离子的作用下，能形成水稳性团粒结构。结构良好的土壤，具有多孔性，不仅有利于排水，也有利于保水。

4.2土壤资源是人类赖以生存的基本物质基础

在这块肥沃的土地上，经过漫长的地质年代，才逐渐由砂质页岩、板页岩、硅质岩类风化成母质，数千年后才形成土壤。建议加强森林保护，合理开发和利用，实施退耕还林，增加森林质量，增加林下土壤枯枝落叶层，涵养水源等特殊功能，对土壤进化起着积极的作用。

参考文献：

[1]

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，1976.

[2]中国科学院.森林土壤分析方法[S].北京：国家标准局，1998.

[3]朱先贵.土壤调查与制图[M].北京：中国农业出版社，1998.

[4]陈绍栓.杉木细柄阿丁枫混交林涵养水源功能和土壤肥力的研究[J].生态学报，2001.

[5]丘风琼，丁庆堂.不同肥力水平的黑土中有机质碳、氮、磷的形成及其分配与供肥强度关系[M].沈阳：辽宁科学技术出版社，1983.

土壤的本质特征范文

关键词：褐土；高光谱；反演；多元逐步回归

中图分类号：S127；S11+4；S151.9+5文献标识码：A文章编号：0439-8114（2013）12-2757-06

HighSpectralInversionofCinnamonSoilParameters

LIUZheng，HANChen-xia，ZHAOXu-yang，MAYan-yan

（DepartmentofResourcesandEnvironment，ShijiazhuangUniversity，Shijiazhuang050035，China）

Abstract：Thestudyonsoilreflectancespectralisoneofthehotspotsinsoilscience.Selectingthecinnamonsoilinthesecond-levelprotectionzoneofdrinkingwatersourceinShijiazhuangcityastheobjectofstudy，pH，thecontentoforganicmatterandtotalsalt，andthenearinfrared（400～900nm）spectrumfeaturesof36soilsamplesweremeasured.Then5kindsoftransform（reflectivityderivative，reciproalanditsderivative，reciproallogarithmicanditsderivative）onreflectionspectrumweremade.Thebesttransformwasselectedbysinglecorrelationanalysisandtheprincipalcomponentsanalysiswasconducted.Finally，threequantitativeestimationmodelswereestablishedusingthemultivariategraduallylinearregressionandmeasured.TheresultsshowedthatthecorrelationbetweensoilreflectivityreciprocallogarithmicderivativeandpHwasthebestandthecorrelationcoefficientwasupto0.54at671～680nmband.Thecorrelationbetweenreflectivityreciprocalofthefirstderivativeandtheorganicmatterwasthebest，andthemaximumcorrelationcoefficientwas0.32at441～450nmband.Thecorrelationsbetweenthereflectanceanditsfirstderivativecorrelationandthetotalsaltcontentwerethebest，themaximumcorrelationcoefficientsat891～900nmand851～860nmbandwere0.60and0.68respectively.ThedeterminationcoefficientofthesoilpHreflectancemodelwas0.79anditsverifyaccuracywas0.026.Thedeterminationcoefficientofthesoilorganicmatterreflectancederivativemodelwas0.78andtheverifyaccuracywas0.350.Theoptimalmodeloftotalsaltcontentwasthereflectancefirstderivativemodel，itsdeterminationcoefficientandverifyaccuracywere0.731and0.529respectively.

Keywords：cinnamonsoil；highspectral；inversion；multivariategraduallylinearregression

土壤是自然生态环境的一个重要组成部分，是地圈系统最活跃、最富生命力的圈层，它与人类的生产和生活活动有着极其密切的关系。土壤中的有机质含量、pH等理化参数影响作物对污染物的吸收，是重要的生态化学因子。传统的土壤研究中土壤信息获取方法是进行野外采样和室内化学分析，需要耗费大量人力、物力和经济成本[1]。土壤光谱反射特性研究为土壤本身属性的研究提供了一个新的途径和指标[2]。目前光谱仪可以在不破坏样品的情况下几分钟或几秒钟即可扫描获取样品的反射光谱曲线，具有简单、快速的特点。因此，研究土壤理化参数和光谱参数之间的关系，不仅可以为定量分析土壤质量参数找到简单快速、不破坏样品、经济的新方法，而且为卫星遥感大面积反演土壤参数奠定理论基础。20世纪80年代以来，土壤光谱研究已进入高光谱遥感阶段[3]。

从20世纪20年代以来，国内外诸多土壤工作者一直致力于土壤光谱特性的研究，取得了可喜的成绩。科学研究表明土壤理化性质中土壤水分、土壤有机质含量、土壤质地等诸多因素对土壤光谱有明显的影响[4]。Burrough等[4]首次将光谱技术应用到土壤研究中，采用热红外光谱对土壤属性进行了估计。Csillag等[5]研究了表层土壤样品的高光谱数据与土壤中pH、电导率和可交换钠含量的回归模型，指出土壤光谱在可见光波段（550～770nm）、近红外波段（900～1030nm，1270～1520nm）以及中红外波段（1940～2150nm，2150～2310nm，2330～2400nm）的反射率对于定量分析盐碱化有较好的指示作用。Bao等[6]研究发现，与一般耕地相比，盐分含量较高的土壤可见光和近红外波段光谱响应较强，而且土壤的盐分含量越高，光谱响应越强，但在红光和绿光波段，地面植被会影响含盐土壤的光谱效应。已有的研究结果表明，用高光谱数据分析土壤盐碱化情况，建立土壤光谱与土壤盐分（或电导率EC）以及其他土壤参数（如pH）之间的定量模型是实现土壤盐分定量反演的基础[7，8]。沙晋明等[9]通过土壤有机质含量与光谱特征对比分析，发现土壤有机质在紫外区376.795nm附近、可见光区616.506nm附近和近红外区724.098nm附近有较好的负相关性。郑立华等[10]利用BP神经网络法建立土壤光谱模型，对土壤有机质含量进行预测，相关系数达到了0.854。齐文文等[11]通过表层土壤的光谱测量和光谱特征分析，发现反射率一阶微分和反射率对数一阶微分与土壤全盐量的相关性最强，利用多元逐步线性回归方法，以反射率对数一阶微分为自变量的回归方程效果最佳。

从现有的研究文献中可以发现，土壤有机质含量的光谱研究较多，也比较成熟，而全盐量和pH的光谱研究相对来说还比较少，pH光谱经验预测具有区域依赖性，可能跟土壤类型有关[1]。

研究在石家庄市地表水源二级保护区岗南水库和黄壁庄水库附近采集土壤样品，土壤类型为褐土，进行pH、有机质、全盐量参数室内测定，并利用地物光谱仪测定其土壤反射光谱，通过对土壤pH、有机质、全盐量与光谱特征的相关性分析，建立定量反演模型，为今后利用星载高光谱传感器对石家庄市地表水源保护区周边乃至太行山区土壤理化参数大面积反演提供理论依据。

1研究区概况

石家庄市地表水源保护区位于石家庄市西部滹沱河中游的平山县和井陉县境内，主体由滹沱河干流、岗南水库和黄壁庄水库及其支流所组成，两座水库承担着石家庄和北京的生产生活用水功能。水源保护区分为一级保护区、二级保护区和准保护区三级。采样点位于水源二级保护区内，北马冢铁矿山北侧。

2数据来源

2.1数据获取

2.1.1土壤样品采集2011年6月5日，沿山体河流流向，选择土壤的地区作为样区，样区选择时考虑各种不同的土地利用类型，每个样区内选择具有代表性的一点，每个测点取深度10、20cm，分层采集土壤样品，去除根系、石块和其他杂质后，风干、研磨，过2mm筛孔并分为两组，一组用于土壤理化性质（pH、有机质、全盐量）测定，另一组用于室外光谱测定。据此分析反射光谱数据与土壤理化性质的关系。此次采样共采集18个样点，36个样品，具体样点分布见图1。样本覆盖了未利用地、耕地、林地、灌木、建筑用地等土地利用类型。

2.1.2光谱数据采集由于野外光谱测量会因为研究区域地表坡度、水分、植被和人为因素而造成很大的影响，土样室外光谱测量则可以有效减少光谱噪声及其他不可控因素的干扰，使测得的数据更加稳定可靠[12]。实验室光谱测定中，土壤样品经研磨预处理后改变了表面的粗糙度，其反射光强度比未研磨土样有所增强，但吸收特性的位置并没有发生改变[13]。因此，试验对研磨后的土样进行室外光谱测试，光谱测试利用美国光谱分析仪器公司制造的ASD野外光谱辐射计（ASDFieldSpec）。该仪器光谱范围为325～1075nm，采样间隔为1.6nm，光谱分辨率3.5nm，波长精度为1nm。选择光照条件好的晴天进行测量，测试时间为11∶30～14∶00，在自然光条件下，采用5°视场角探头，探头垂直于土样表面，探头距离为5cm。测量时并不是直接测反射率，而是测辐射亮度，与直接测反射率相比，这种做法可以消除部分随机噪声的影响[14]。先测白板的辐射亮度，然后测土壤样品的辐射亮度，每个样品取10次辐射亮度，根据曲线图，删除有问题的曲线，将其他曲线取算术平均值作为该样品的原始光谱辐射亮度数据，土壤的辐射亮度和白板的辐射亮度之比即为土壤的反射率。对测量获得的土壤反射率进行筛选，去除14条异常采样点数据后，共获得22条光谱数据。从325～1075nm波段范围内去除受外界影响噪声较大的325～399nm和901～1075nm两个边缘波段。土壤样品的室外原始光谱曲线见图2。

3结果与分析

3.1数据分析

数据分析主要包括两方面的内容，即土壤理化参数分析和反射光谱分析，目的是获取土壤的化学特征和光谱特征，为研究两者的关系打下基础。

3.1.1实验室化学分析此次试验对土壤样品进行了研磨预处理，取其中一份样品用标准化学方法进行分析：土壤pH用土壤水提取液pH计法测定，有机质含量用重铬酸钾氧化-外加热法测定，全盐量用电导法测定。不同深度土样的pH、有机质和全盐量的统计特征描述见表1。

3.1.2光谱预处理光谱信号在采集过程中受到外界和仪器本身的影响，光谱曲线存在许多“毛刺”噪声，导致光谱分析的精度降低。光谱预处理是通过对原始光谱进行一种或多种处理或变换，降低或消除光谱中的各种噪声影响，从而提高光谱分析模型的精度和稳定性。常用的高光谱数据预处理方法主要有信号平滑法、导数法、多重散射校正法、变量标准化法、去趋势处理法、正交信号校正法等[15]。研究主要采用的是平滑法。

1）光谱数据平滑去噪声处理。为得到平稳的光谱曲线变化，需平滑波形，以去除包含在信号内的少量噪声。如果噪声的频率较高，其量值也不大，用平滑方法可在一定程度上降低噪声[11]。研究采用9点加权移动平均方法对光谱曲线进行平滑去噪处理，波段i处的反射率用包括i在内的相邻9个波段的加权平均值替代，计算公式为：

Ri=0.04Ri-4+0.08Ri-3+0.12Ri-2+0.16Ri-1+0.20Ri+0.16Ri+1+0.12Ri+2+0.08Ri+3+0.04Ri+4

选取能量较稳定的400～900nm波段范围的反射率平滑值作为土壤参数诊断研究数据，土壤反射光谱平滑后的曲线如图3所示。

从图3可以看出，在400～900nm测定波段，土壤光谱曲线的总体变化比较平缓，光谱特征总的形态相似，基本平行。多数光谱在可见光和近红外波段的反射率不高，为0.2～0.5。由于在550nm波段为Fe2+的吸收带、850～900nm波段为赤铁矿的强吸收带，光谱呈现下降趋势，但并没有形成吸收峰。同时由于土壤类型的影响，部分样品反射率在500～900nm波段显著上升，且反射率较高。10～17号样品在500～600nm波段下降趋势明显，600nm以后基本保持不变。

2）光谱重采样。波段数过多可能导致逐步回归分析中的过拟合现象。在400～900m波段共有501个波段，无论是进行传统的多元回归，还是偏最小二乘回归，都存在变量多样本少的问题，这必然给分析和处理带来一定的困难，影响处理的效率和结果。因此，在满足研究需要，保留尽量多的光谱信息，并维持原有光谱基本特征的前提下，研究对光谱数据以10nm为间隔进行算术平均，则光谱反射率的新波段数为51。处理后的光谱曲线在更加平滑的同时仍然保持了原有光谱的特征（图4）。重采样的计算公式为：

R（λi）=[R（λi）+R（λi-1）+R（λi-2）+R（λi-3）+R（λi-4）+R（λi-5）+R（λi-6）+R（λi-7）+R（λi-8）+R（λi-9）]/10

式中，λi=400nm、410nm，…，900nm

3）数据变换。为了突出某些物质特征性吸收峰等标志性光谱特征，在进行光谱分析时，除了使用原始反射率光谱数据外，还进行了反射率（R）的一阶导数（R′）、倒数（1/R）、倒数的一阶导数[（1/R）′]、倒数的对数[log（1/R）]及倒数对数的一阶导数[log（1/R）′]共5种变换形式。光谱一阶导数变换处理，不仅可以消除粒度、基体效应等因素，使光谱信息更容易反映样品化学成分，而且可以对重叠混合光谱进行分解以便识别，扩大样品之间的光谱特征差异[1，15]。

光谱的原始反射率和5种变换形式分别与土壤的pH、有机质含量、全盐量3个参数进行相关性分析，得到最大相关波段如表2。通过相关性分析得出，倒数变换减弱了反射率与土壤参数的相关性，倒数的对数变换使得光谱曲线与土壤参数呈现单一的负相关，且相关性与反射率相比并没有显著增强，反射率一阶导数变换则能显著提高敏感波段的相关性，说明一阶导数这种光谱指标有可能提高反演模型的精度。从表2可以直观看出，反射率倒数对数的一阶导数变换显著增强了光谱与土壤pH的相关性，反射率倒数的一阶导数变换对土壤pH的相关性较好，在671～680nm波段相关系数最大；受土壤类型及其他因素影响，反射率及其5种变换形式与土壤有机质的相关系数偏低，反射率一阶导数变换对相关系数的提高并不显著。反射率倒数的一阶导数变换相比反射率一阶导数变换更能增强光谱与土壤有机质含量的相关性，反射率倒数一阶导数与有机质含量的相关系数在441～450nm波段出现最大值；反射率及其变换对全盐量的相关性变化较大，反射率及其一阶导数对土壤全盐量的相关性较好，相关系数明显高于其他几种变换形式。反射率在891～900nm波段、反射率一阶导数在851～860nm波段与全盐量的相关性较好，这与Csillag等[5]的研究结果相一致，齐文文等[11]也指出反射率一阶微分与土壤全盐量的相关性最强。

3.2土壤参数的多元逐步回归分析

传统的建模方法有一元回归（LR）、多元逐步回归（MLR）、偏最小二乘回归（PLSR）、主成分回归（PCR）等，新兴的有人工神经网络（ANN）、最小二乘支持向量机（LSSVM）等。这些方法各有利弊，如一元回归法计算速度快，但计算精度低，而且建模时需要利用特殊的方法寻找光谱对检测物质的敏感波段。多元回归如果波段选择不当，很容易降低模型精度。ANN和LSSVM法能够很好地反映光谱信号中的非线性信息，提高光谱检测的精度，但也会由于输入数据冗余而导致网络结构复杂，计算量大，训练时间长，收敛速度慢等问题[15，16]。目前，运用土壤光谱对土壤各种性质的估算大多是利用统计的方法，如多元逐步回归、偏最小二乘回归[17，18]。此次研究选用多元逐步回归建立土壤理化参数反演模型。设定变量方差贡献显著水平为0.05作为选入和剔除变量的依据。回归方法是双向多元线性逐步回归，在SPSS13.0软件中实现。建模精度和检验精度分别通过决定系数R2和相关系数R衡量，模型总精度通过均方根误差RMSE衡量。R2和RMSE计算公式：

式中Xi为实测值，X为实测值的平均值，Yi为预测值，n为样本数目，k为自变量数目。

因为波段数过多，可能导致回归分析中的过拟合现象，主成分分析（PCA）是数据压缩和特征提取的一种基本方法，其利用输入变量间的线性关系，用少部分互不相关的主成分来描述多维变量空间的绝大部分信息[15]。所以首先对光谱数据进行主成分分析，提取若干主成分，用光谱数据及主成分构建模型。研究共22个样本，随机抽取18个样本进行模型的构建，其余4个样本用于模型检验。

3.2.1土壤pH的反演模型将建模样本的pH作为因变量，光谱及其变换形式（光谱反射率51个波长、光谱反射率一阶导数的8个主成分、光谱反射率倒数对数的一阶导数的8个主成分）作为自变量，进行逐步回归分析，建立模型如表3。

从表3可以看出，从决定系数R2、相关系数R及均方根误差RMSE三个指标来看，反射率倒数对数的一阶导数主成分建模精度较低，R2小于0.5，说明该模型不能很好地反映土壤的pH情况。R的建模精度最高，决定系数达到0.788，相关系数达0.888，利用回归模型对检验样本进行验证时验证精度亦最高，RMSE为0.026，模型的拟合度较好。

3.2.2土壤有机质含量的反演模型将建模样本的有机质含量作为因变量，光谱反射率及其变换形式（光谱反射率一阶导数的51个波长及其8个主成分、光谱反射率倒数的一阶导数的8个主成分）作为自变量，进行逐步回归分析，建立模型如表4。

从表4可以看出，比较决定系数R2、相关系数R及均方根误差RMSE3个指标，PCAR′和PCA（1/R）′模型的决定系数相近，说明两种建模形式对土壤有机质含量的反演效果相当。比较3种模型，R′的建模精度最高，验证精度虽不是最高，但数值较小，亦能较好地反演土壤有机质的实际情况。对R′提取主成分后反倒降低了模型的精度，可见提取主成分的效果并不理想。R′模型为最佳选择。

3.2.3土壤全盐量的反演模型将建模样本的全盐量作为因变量，光谱及其变换形式（光谱反射率的51个波长、光谱反射率一阶导数及其8个主成分）作为因变量，进行逐步回归分析，建立模型如表5。

从表5可以看出，从决定系数R2、相关系数R及均方根误差RMSE3个指标来看，R和R′的建模精度较高，决定系数分别为0.738和0.731，但利用回归模型对验证样本进行验证时发现，R的验证精度很低，RMSE为7.322。因此，光谱反射率模型不能准确预测土壤的全盐量，而R′模型则能很好地反演土壤的全盐量情况，有应用于实际的潜力。PCAR′模型与R′模型相比，提取主成分后反而降低了模型的精度，说明R′模型是最佳模型，这与王静[19]的研究一致。

4结论与讨论

4.1结论

研究在室外条件下获取了土壤样品的光谱反射率，通过反射率的多种变换形式与土壤pH、有机质含量和全盐量分别进行相关分析，选择若干最优变换进行多元逐步回归分析并进行比较，得到最佳反演模型。主要结论如下：

1）在400～900nm波段，对光谱反射率进行一阶导数、倒数及其一阶导数、倒数对数及其一阶导数变换。相关性分析表明，一阶导数变换均能增强光谱与土壤理化性质间的相关性。光谱反射率倒数对数的一阶导数变换与pH的相关性最好，相关系数在680nm处达到最大值0.5379，土壤有机质与各种变换形式的相关系数偏小，最大为反射率倒数一阶导数变换，敏感波长为450nm，全盐量相对来说与反射率及其一阶导数变换的相关性较好，相关系数最大值均在0.6以上。

2）通过不同定量模型的比较，土壤pH的反射率回归模型决定系数最大（0.788），模型验证精度为0.026。土壤有机质的一阶导数模型决定系数最大（0.784），模型验证精度为0.350。土壤全盐量的反射率及其一阶导数回归模型决定系数分别为0.738和0.731，但反射率模型的检验精度较低，RMSE为7.322，反射率一阶导数模型的检验精度为0.529。因此，最优模型可以用于分析土壤的理化性质。

4.2讨论

室外光谱采样较之室内能更好地反映自然条件下的土壤性质，为星载遥感反演提供依据。但由于仪器和时间的限制，仍有许多地方有待进一步完善。一是在更宽的波段范围内获取数据，如350～2400nm波段能更好地反演土壤有机质含量；二是光谱采样可尽量接近土壤实际情况，如采用野外实地光谱测量；三是探索基于非线性方法的土壤参数定量估算模型，如人工神经网络模型、最小二乘支持向量机模型等。

参考文献：

[1]夏学齐，季俊峰，陈骏，等.土壤理化参数的反射光谱分析[J].地学前缘，2009，16（4）：354-362.

[2]吕雄杰，潘剑君，张佳宝，等.不同含水量黄棕壤反射光谱特征研究[J].遥感信息，2004（3）：10-12.

[3]周清.土壤有机质含量高光谱预测模型及其差异性研究[D].杭州：浙江大学，2004.

[4]BURROUGHPA，BREGTAK，DEHEUSMJ，etal.Complementaryuseofthermalimageryandspectral-analysisofsoilpropertiesandwheatyieldstorevealcyclicpatternsintheFlevopolders[J].JournalofSoilScience，1985，36（1）：141-152.

[5]CSILLAGF，PASZTORL，BIEHLLL.Spectralbandselectionforthecharacterizationofsalinitystatusofsoils[J].RemoteSensingofEnvironment，1993，43（3）：231-242.

[6]BAOBRM，SANKARTR，DWIVEDIRS，etal.Spectralbehaviourofsaltaffectedsoils[J].InternationalJournalofRemoteSensing，1995，16（12）：2125-2136.

[7]BEN-DORE，PATKINK，BANINA，eta1.MappingofseveralsoilpropertiesusingDAIS-7915hyperspectralscannerdata——acasestudyoverclayeysoilsinIsrael[J].InternationalJournalofRemoteSensing，2002，23（6）：1043-1062.

[8]FARIFTEHJ，MEERRFVD，ATZBERGERC，etal.Quantitativeanalysisofsalt-affectedsoilreflectancespectra：Acomparisionoftwoadaptivemethods（PLSRandANN）[J].RemoteSensingofEnvironment，2007，110（1）：59.

[9]沙晋明，陈鹏程，陈松林.土壤有机质光谱响应特性研究[J].水土保持研究，2003，10（2）：21-24.

[10]郑立华，李民赞，潘娈，等.基于近红外光谱技术的土壤参数BP神经网络预测[J].光谱学与光谱分析，2008，28（5）：1160-1164.

[11]齐文文，张建明.民勤绿洲土壤盐分组成与光谱特征研究[EB/OL].http：///index.php/default/releasepaper/content/201105-470，2011-05-20.

[12]丁文广，陈劲松，吴晟，等.半干旱区土壤肥力与可见光谱的相关性分析[J].干旱地区农业研究，2011，29（30）：150-155.

[13]DEMATTEJAM，GARCIAGJ.Alterationofsoilpropertiesthroughaweatheringsequenceasevaluatedbyspectralreflectance[J].SoilScienceSocietyofAmericaJournal，1999，63：327-342.

[14]何挺，王静，林宗坚，等.土壤有机质光谱特征研究[J].武汉大学学报（信息科学版），2006，31（11）：975-979.

[15]丁国香.基于神经网络的土壤有机质及全铁含量的高光谱反演研究[D].南京：南京信息工程大学，2008.

[16]宋韬.基于光谱分析和数字图像处理技术的土壤信息检测研究[D].杭州：浙江大学，2010.

[17]徐永明，蔺启忠，王璐，等.基于高分辨率反射光谱的土壤营养元素估算模型[J].土壤学报，2006，43（5）：709-716.