山东农业大学学报（自然科学版），２０１１，４２（２）：３１７—３２１ Ｊｏｕｒｎａｌ ｏｆ Ｓｈａｎｄｏｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） 文・献・综・述 遥感在土壤有机质含量估算中的应用及其研究进展 程彬 ，姜琦刚 ，王坤 （１．长春师范学院城市与环境科学学院，长春１３００３２； ２．吉林大学地球探测科学与技术学院，长春１３００２６；３．吉林交通职业技术学院，长春１３００１２） ＡＰＰＬＩＣＡＴＩｏＮ ＡＮＤ ＰＲｏＧＲＥＳＳ ＩＮ ＥＳＴⅡ垤ＡＴＩＮＧ ＳｏⅡ ｏＲＧＡＮＩＣ ＭＡＴＴＥＲ ＣｏＮＴＥＮＴ ＢＡＳＥＤ ｏＮ ＲＥＭｏＴＥ ＳＥＮＳＩＮＧ ＣＨＥＮＧ Ｂｉｎ‘，ＪＩＡＮＧ Ｑｉ—ｇａｎｇ２，ＷＡＮＧ Ｋｕｎ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｕｒｂａｎ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ Ｃｈａｎｇｃｈｕｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ １３００３２，Ｃｈｉｎａ； ２．Ｃｏｌｌｅｇｅ ｏｆ ｇｅｏ—Ｅｘｐｌｏｒａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ １３００２６，Ｃｈｉｎａ； ３．Ｊｉｌｉｎ Ｖｏｃａｔｉｏｎａｌ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｃｈａｎｇｃｈｕｎ １３００１２，Ｃｈｉｎａ） Ｋｅｙ ｗｏｒｄｓ：ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ，ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ，ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ，ｅｓｔｉｍａｔｉｏｎ 摘要：土壤作为农业生产最基本的载体，快速和准确地获取土壤信息是现代农业最基本的保证。成像和非成像 高光谱技术也因其光谱分辨率高的优势而逐渐成为获取土壤理化数据的一种有效手段。本文综合前人研究成 果，一方面阐述常用的三种土壤有机质含量估算的遥感方法，即：遥感影像直接估算、植被指数间接估测和非成 像光谱仪估测土壤有机质含量；另一方面，简要归纳了土壤有机质含量估算的遥感方法的发展趋势。 关键词：遥感；土壤有机质；土壤有机碳；估测 中图分类号：ＴＰ７９；Ｓ１２７：Ｓ１５３．６＋２１ 文献标识码：Ａ 文章编号：１０００—２３２４（２０１１）０２—０３１７—０５ １ 引言 随着世界范围内人口一资源一环境之间的矛盾越来越严重，土地退化越加严重，土地质量也成为各国所关注的热 点问题。 土地是农业生产的基础，是人类生存环境的重要载体。土壤作为土地资源的主要物质基础，其固有的有限性和在人类 的时间尺度上的不可再生性决定了土壤承载容量的有限性…。土壤信息准确、快速的获取也是现代农业的保证。土壤有 机质作为土壤肥力的重要物质基础之一，对土壤的理化、生物学性状影响很大。土壤有机质在土壤中的累积、移动和分解 的过程是土壤形成作用中最主要的特征。有机质不仅为作物提供所需要的各种营养元素（如氮、磷等）。同时对土壤结构 的形成、改善土壤物理形状（如提高土壤的保肥能力和缓冲性能）有决定作用。了解土壤理化特性并据此进行农业生产管 理是保障农业稳产高产优质高效的重要前提 ’ 。 如何在有限时间里获取所需的土壤信息已是土壤工作者面临的重大课题，传统的调查方法因其费时、费力、费钱而显 示出不符合现代农业生产（特别是精细农业）特征的局限性。２０世纪６０年代来随着遥感技术的形成和发展，特别是８０年 代以来高光谱遥感技术的产生和逐步成熟，其具有广域、快速、可重复对同一地区获取时间序列信息、现势性强等特点 ］， 使遥感技术在农业中得到广泛的应用，并逐步成为精准农业技术体系中支持大面积快速获得田间数据信息的重要工具。 本文通过整理分析有代表性的土壤有机质估算的遥感方法及应用文献，追踪遥感估算土壤有机质的研究应用进展和 发展趋势，为本文作者和从事相似研究的同行提供参考。 ２ 利用遥感估算土壤有机质含量的方法 ２．１ 利用遥感影像直接估算方法 土壤表层有机质含量是土壤制图、土壤特性解译和进行农业施肥的一个重要土壤属性。如何利用遥感影像直接获取 收稿日期：２００９—１０—１２ 基金项目：中国地质调查局资助项目（１２１２０１０５１０６１３） 作者简介：程彬（１９７３一），女，讲师，从事遥感和地理信息系统研究。 ・３ｌ８・ 山东农业大学学报（自然科学版） 第４２卷 土壤有机质含量成为当前土壤学研究的一个热点。 根据物质的电磁波理论，任何物质其光谱的产生均有严格的物理机制。作为其固有的性质反射、吸收、投射及辐射电 磁波，成为遥感判读和分析地表目标的依据 Ｊ。土壤组成物质的多样性以及土壤中每种组成物质独特光谱特性使得各类 土壤的光谱都具有自己的特点。对土壤成分（如水分、有机质、氧化铁和粘粒等）和在实验室条件下测定的土壤反射率之间 的关系进行研究表明：土壤的光谱特性与土壤的理化性质有着明显的关系，能够用土壤光谱从 某种程度上反应出土壤的性质 ’ 据进行土壤成分的研究却很少。 Ｆｒａｚｉｅｒ¨。 研究华盛顿州东部的Ｐａｌｏｕｓｅ地区的土地，利用ＴＭ波段比值来判断研究区中由于侵蚀引起的古土壤的裸露。 作者分析使用波段比值的好处在于可以抑制由于山坡引起的不同亮度值和大气反射的影响。文中利用ＴＭ数据１／４，３／４ 和５／４的波段比值对夏天休耕地进行有机碳制图。在研究区中利用３／４，５／４和５／３的波段比判断游离态铁／碳的含量来估 。而与实验室土壤光谱研究相比，通过航空或航天多光谱传感器得到的光谱数 计古土壤的侵蚀情况。 为了确定能否利用裸土的航空遥感影像估算土壤有机碳含量，Ｃｈｅｎ等 在美国南部乔治亚洲Ｃｒｉｓｐ县ｌ１５ ｈａ的试验 田中选择２８个采样点，分析地表土壤有机碳含量与航空像片的红、绿、蓝波段图像亮度值之间的统计关系，建立一个对数 方程预测地表有机碳含量： ＳＯＣ：ｅ（１．７１ Ｉｎ 。 一 ” （１） 公式（１）中Ｒ、Ｇ、Ｂ分别表示红、绿、蓝波段的图像亮度值。作者利用公式（１）采用２种方法对表层有机碳进行分类，并 另外采集３２个土壤用于检验预测效果，２种方法的正确分类率分别为７７．４％和７４．２％。研究结果表明，裸露地表的高分 辨率遥感影像能够定量化分析土壤表层有机碳含量的空间变异性。该方法由于简便、准确，也可以应用于实际的农业生产 管理。文章中也指出，在预测模型中没有考虑其它土壤特性（例如铁含量的存在）的影响。 Ｐａｌａｃｉｏｓ—Ｏｒｕｅｔａ等 在加州桑塔莫尼卡山脉的两个山谷用分级前台本底分析法（ＨＦＢＡ：ｈｉｅｒａｒｃｈｉｃａｌ ｆｏｒｅｇｒｏｕｎｄ ａｎｄ ｂａｃｋｇｒｏｕｎｄ ａｎａｌｙｓｉｓ）方法辨别土壤特性。方法的思路是从土壤化学成分差异的不同等级中提取光谱信息，ＨＦＢＡ方法依次 得到一系列训练矢量。将这些矢量值在ＡＶＩＲＩＳ影像中用来判断有机质和铁的含量。这个方法通过逐步缩小土壤特性的 差异变化范围，发现一些直接与土壤特性有关的细小吸收光谱特征。将此方法用于实验室和ＡＶＩＲＩＳ图像中进行土壤分 类。结果表明，分类结果都有很好的预测效果。研究区植被和比较陡的地形影响对土壤属性的判断。 Ｆｏｘ等 利用数字摄影系统对美国中西部２个区域的裸土进行拍摄。本研究目的是为了确定包含红波段和近红外波 段的图像亮度值的土壤线可以用于进行表层土有机质制图和为土壤采样提供指导。作者首先将每景图像中研究区内所有 像元亮度值带人公式：ＮＩＲ＝ｅｒＲ＋ｐ（Ｒ、ＮＩＲ：红波段和近红外波段亮度值， 、ｐ：土壤线的斜率和截距）计算土壤线和土壤线 中红波段和近红外波段最小点的亮度值；然后计算每个像元亮度值与土壤线最小点亮度值之间的欧氏距离；最后得出沿土 壤线像元的欧氏距离与表土有机质含量的关系： ＯＭ＝ａｅ 。 （２） 其中：ＯＭ：有机质含量，Ｄ：欧几里得距离，ａ，ｂ：回归参数。 此方法对两个研究区域表层土有机质含量进行估计，并与Ｃｈｅｎ＿２。。采用的方法进行比较。虽然预测效果相似，经过作 者分析土壤线欧氏距离方法更有效、更稳定，而且这个方法的优势是图像亮度值与土壤母质／类型有关系。 在２００４年Ｆｏｘ等 】 又做进一步研究，对采用人工提取裸土像元的反射特征确定土壤线参数的方法进行改进，提出从 裸土遥感影像中生成自动土壤线判别程序得出土壤线参数。自动判别程序的关键是用户定义的波段宽度和用于迭代程序 的原始子集的大小。对两种提取方法进行比较，认为自动提取方法更简便、更容易。 Ｈｉｌｌ等¨ 首先在实验室对采集的土壤进行光谱测试，并分析在０．３５ ｍ一１．４ ｍ波段范围内土壤有机质含量决定反射 光谱的形状。因此作者通过３次多项式的系数作为参数确定土壤连续光谱曲线的形状。而这种方法用于ＴＭ或ＥＴＭ图像 中预测有机质含量是需要对参数做一些改动，并且计算在１．０４９ｉｘｍ、１．２５８１ｘｍ和１．４６７ｐ￣ｍ处的光谱反射率值用于计算多项 式系数。在ＴＭ或ＥＴＭ图像中预测有机质含量的模型为： ＩｎＣｏｔｓ（ ｔ％）＝一２．５１９＋１．８０８女ｂ１—７．７６８｝ｂ３ 其中：ｃｏ （Ｗｔ％）：土壤有机质含量， （１．３） ｂ。，ｂ，：多项式中描述曲线斜率和弯曲度的系数。 Ｇａｌｖａｏ等”刮分析取自巴西中部３个重要土壤类型的成分含量（全铁、有机质、氧化钛、氧化铝和二氧化硅）和土壤在 ＡＶＩＲＩＳ影像中的反射率值之间的关系。由于研究中采集的是富含不透明矿物（如氧化铁和氧化钛）的黑红色热带土壤，这 些不透明矿物降低土壤的反射率值并掩盖由其他成分产生的吸收波段特征：在可见光范围内土壤有机质含量的不同对光 谱只是产生很小的改变，所以反射率和有机质含量之间的相关关系很差。 第２期 程彬等：遥感在土壤有机质含量估算中的应用及其研究进展 ・３１９・ 以上研究表明，利用高光谱、高空间分辨率遥感数据源，特别是航空航天高光谱遥感数据源，对农用土壤在较少覆盖下 （如休闲期作物残茬、杂草等）其特性信息的获取技术，从而建立基于遥感高光谱数据的土壤肥力监测模型，使通过航空航 天遥感进行土壤地球化学填图成为可能。这种方法简单、准确完全可以应用到农业生产中。在进行有机质制图、土壤分析 和指导施肥中与传统方法相比，此方法更便宜、更准确。利用遥感影像估测土壤有机质含量关键是如何建立并优化二者之 间的关系，形成有机质估算模型。 ２．２ 基于植被指数估算方法 由于目前技术的局限性，植被冠层覆盖下的土壤特性（如土壤有机质、养分含量）还不能直接使用航空和航天遥感影像数 据来预测。基于植被指数（ＮＤＶＩ）建立土壤有机质光谱模型的关键是找出不同土壤对植被所产生的不同光谱响应。Ｌｅｖｉｎｅ和 Ｋｉｍｅｓｌ１７］、Ｓｍｉｔｈ等¨ ，以及Ｌｅｖｉｎｅ等 在美国缅因州国际纸业集团的北方森林实验站从事研究，进行深入的野外采样和实 验工作，测试和开发模型，建立ＮＤＶＩ与土壤有机碳之间的关系。土壤遥感仍存在许多困难，对植被覆盖下的土壤调查以及土 壤性质分析就更困难了 ，因为ＮＤＶＩ对绿色植被表现敏感，但它也容易受大气和土壤背景的影响，对于一些植被覆盖少的 地区效果不佳。此外，这种方法需要大数量的采集数据，才能从统计角度建立土壤有机质含量与ＮＤＶＩ之间的关系。 ２．３ 地面非成像光谱仪估算土壤有机质含量 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，取得很大进展。 我国科学家对土壤光谱反射特性的研究始于云南腾冲遥感试验。戴昌达等 根据我国２３类主要土壤、１００个样品， 用分光光度计所测得的０．３６～２．５ ｍ光谱反射曲线特征与斜率变化情况，把我国主要土壤反射特性划分为四类。在随后 的宁芜遥感试验中，徐彬彬、季耿善等 ２】 对土壤光谱与理化性状之间的相关性进行深人的研究，取得丰富成果。在多年 研究的基础上，徐彬彬指出，一般可由二个光谱特征指标来比较有机质含量的高低：其一是４００～１１００ｒｉｍ（特别是６２０～ ６６０ｎｍ）平均反射率的高低。有机质含量越高，反射率越低；其二是光谱曲线在６０Ｏ ｎｍ处的形态，即６００ｎｍ处光谱曲线的 “弓曲差”的大小。有机质含量越高，“弓曲差”越小，曲线越平直，反之亦然。含量在ｌ一５％时，估测精度较高 。 Ｓｔｏｎｅ与Ｂａｕｍｇａｒｄｎｅｒ 在实验室利用光谱仪在０．５２～２．３２１￣ｍ光谱范围内测定取自美国和巴西的４８５个土样的二向 性反射光谱，并将这些光谱归纳和描述为５类土壤反射光谱曲线。分析结果表明这５类土壤反射光谱曲线可以代表多种 自然发生的表面土壤类型的光谱性质。这些曲线类型主要根据曲线形状和吸收波段出现与否来鉴别；同时也说明土壤光 谱的实验室控制测量对于描述土壤光谱特征、土壤分类、发生学和调查是有意义的。 有机质含量可以从土壤反射光谱中得到一定程度上的反应。徐彬彬等 引、Ｓｔｏｎｅ与Ｂａｕｍｇａｒｄｎｅｒ［２５】、王人潮等［２６ｊ、 Ｋｆｉｓｈｎａｎ 、Ｈｅｎｄｅｒｓｏｎ等 研究表明土壤有机质在可见光和近红外区域有独特的光谱特性。Ｄｅｍａｔ￣等 驯，李震宇等 ， 牛灵安等 ，研究发现有机质中不同的成份光谱特性也不一样。即使有机质含量相同，土壤腐殖质中胡敏酸和富丽酸的 含量不同，所形成的光谱也不相同。此外，土壤反射光谱与土壤有机质含量呈显著负相关。而且，Ｋｒｉｓｈｎａｎ等 认为土壤 中的有机质含量是决定其在土壤反射光谱中所起的作用，当有机质含量＞２％时，其在描述土壤反射特性起主要作用：当有 机质含量在２％以下时，有机质在遮蔽其他土壤组成物质的光谱特性的能力有所减弱。 Ｄａｌａｉ与Ｈｅｎｒｙ 使用近红外反射光谱仪同时估算风干土壤的水分含量、有机碳含量和总氮含量。利用公式： ｓｏｉｌ ｖａｌｕｅ＝ ｏ＋ ｌｌｏｇｌ／Ｒｌ＋ｏ【２ｌｏｇｌ／Ｒ２＋ ３ｌｏｇｌ／Ｒ３ （４） 其中：ｓｏｉｌ ｖａｌｕｅ：分别为土壤水分、有机碳和总氮含量； ｄｏ，ｄｌ，ｄ２，Ｏｔ３：回归系数； Ｒ。，Ｒ ， ：在三个波段处样品的反射值。 通过选取不同的波段和回归系数估算三种土壤属性的含量。文中指出，当土壤中有机碳和总氮含量很低时，用近红外 反射光谱估算效果很差。 Ｋｅｉｔｈ Ｄ．Ｓｈｅｐｈｅｒｄ 在１９９３～１９９９年期间，利用取自非洲西部和南部１００个表土样品用便携式光谱仪测试光谱，形 成土壤光谱库。并将土壤属性用土壤反射光谱标定出来。用土壤光谱库进行土壤有机碳含量、ｐＨ值、土壤粘粒、沙粒含量 和阳离子交换量等估算。其中有机碳的Ｒ ＝０．８０。作者认为这种方法是农业、环境应用中进行土壤估测一种新的尝试。 Ｖｉｓｃａｒｒａ Ｒｏｓｓｅｌ等 对可见光（４００～７００ ｎｍ）、近红外（７００～２５００ ｎｌＴ１）、中红外（２５００～２５０００ ｉｌｍ）和可见光一近红外 一中红外波段组合在一起，利用这４个波段范围同时估算不同的土壤属性，并比较其估算效果。在研究中采用偏最小二乘 回归方法建立校正模型。通过研究显示，由于中红外有更宽的光谱入射波段范围、更大的亮度值和信号特征，所以中红外 波段比可见光波段、近红外波段更适合于土壤分析。通过比较，得出用中红外波段估算土壤有机碳含量、ｐＨ值、土壤中粘 粒、粉粒和沙粒含量和阳离子交换量等更准确。 刘焕军等定量分析了黑龙江省黑土室内高光谱反射率曲线特征，确定了影响反射光谱曲线的主要特征控制点，建立了 黑土光谱反射率模拟模型并对其进行评价 。丁国香通过研究红壤表明，对于有机质，回归模型、集成网络模型以及径向 ・３２０・ 山东农业大学学报（自然科学版） 第４２卷 基函数网络模型皆取得了较好效果，其中以集成网络模型的效果最好 。 室内光谱测试研究是其它与室内光谱测试有关研究的基础。建立基于室内光谱数据的有机质含量光谱参数模型，不 仅为建立基于野外农田地表光谱的有机质含量光谱参数模型打下基础，也可以作为一种室内替代传统化学分析的方法，而 且也为航空、航天遥感影像提供不同的地面客观辐射信息，它获取的土壤信息是对影像方法的宝贵补充。 随着高光谱分辨率光谱仪系统的出现，光谱分辨率大幅度提高，使得精细光谱特征分析和地物参数的定量反演成为可 能。 ３ 发展趋势 土壤调查或监测对于土壤科学家来说是一个比较困难的问题。而高光谱分辨率遥感作为一种手段可以用来提供土壤 表面状况及其性质的空间信息，也可以用来评价探测土壤性质及其差异的潜力。 当前用遥感估测土壤有机质含量的发展趋势表现为以下几个方面：①利用高光谱、高空间分辨率遥感数据源，特别是 航天高光谱遥感数据源，对农用土壤在较小覆盖下（如休闲期作物残茬、杂草等）其特性信息的获取技术，从而建立基于遥 感高光谱数据的土壤肥力监测模型，使通过航空航天遥感进行土壤地球化学填图成为可能。②土壤的光谱反射特性是土 壤母质、水分含量、有机质含量、阳离子代换量、质地、氧化铁含量等各种理化性状的综合效应，各理化性状之间也是相互影 响相互作用的，如：土壤质地能影响土壤持水能力，进而影响土壤光谱反射率，因此建立的反演模型宜为综合考虑多个参数 的多元回归模型，而就现有的模型看大多是只考虑单个因素的一元线形回归模型。③采用航空、航天卫星影像与实验室光 谱分析相结合的方法是未来土壤调查的发展方向。两者有效的结合，可以更好地进行土壤肥力的评价和作物估产。从而 进行土壤改良和防止土壤腐蚀等。④复杂的土壤光谱特征需要发展各种光谱分析技术和土壤遥感信息提取方法。⑤多角 度遥感技术和雷达遥感技术的发展也为土壤研究和相关应用提供了新的技术途径。 随着高光谱和超高光谱技术的发展及其应用于民用事业，利用遥感技术并结合ＧＩＳ技术进行准确预测土壤有机质含 量会是未来的发展方向。 参考文献 ［１］卢炎，贾大成，常平．东北黑土壤的不可再生性分析［Ｊ］．吉林大学学报（地球科学版），２００５，３５（增刊）：１０１—１０４ ［２］陈庆强，沈承德，易惟熙，等．土壤碳循环研究进展［Ｊ］．地球科学进展，１９９８，１３（６）：５５５—５６３ ［３］耿元渡，董云社，孟维奇．陆地碳循环研究进展［Ｊｊ．地理科学进展，２０００，１９（４）：２９７—３０６ ［４］陈述彭，童庆禧，郭华东．遥感信息机理的研究［Ｍ］．北京：科学出版社，１９９８．１３９—２３３ ［５］Ａｌ—Ａｂｂａｓ，Ａ．Ｈ．，Ｓｗａｉｎ，Ｐ．Ｈ．，Ｂａｕｍｇａｒｄｎｅｒ，Ｍ．Ｆ．．Ｒｅｌａｔｉｎｇ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ａｎｄ ｃｌａｙ ｃｏｎｔｅｎｔ ｔｏ ｔｈｅ ｍｕｌｔｉｓｐｅｅｔｒａｌ ｒａｄｉａｎｃｅ ｏｆ ｓｏｉｌｓ［Ｊ］． Ｓｏｉｌ ＳＣｉ．，１９７２，１１４（６）：４７７—４８５ ［６］Ｐａｇｅ Ｎ．Ｒ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ｉｎ Ａｔｌａｎｔｉｃ ｃｏａｓｔａｌ ｐｌａｉｎ ｓｏｉｌｓ ｗｉｔｈ ａ ｃｏｌｏｕｒ ｄｉｆｅｒｅｎｃｅ ｍｅｔｅｒ［Ｊ］．Ａｇｒｏｎｏｍ Ｊｏｕｒｎａｌ，１９７４，６６：６５２—６５３ ［７］ＬｅｇｅｒＲＧ，ＭｉｌｌｅｔｔｅＧ Ｊ Ｆ ａｎｄ Ｃｈｏｍｃｈａｎ，Ｓ．Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｏｒｇａｎｉｃｍａｔｔｅｒ，ｉｒｏｎ ｏｘｉｄｅｓ ａｎｄｍｏｉｓｔｕｒｅ ｏｎｔｈｅ ｃｏｌｏｕｒ ｏｆｔｗｏ ａｇｒｉｃｕｌｔｕｒａｌ ｓｏｉｌｓ ｏｆＱｕｅｂｅｃ ［Ｊ］．Ｃａｎｅｄｉｎ ａＪｏｕｒｎａｌ ｏｆ Ｓｏｉｌ Ｓｃｉｅｎｃｅ．１９７９，５９：１９１—２０２ ［８］Ｋｒｉｓｈｎａｎ Ｐ，Ａｌｅｘａｎｄｅｒ Ｊ Ｄ，ａｎｄ Ｂｕｔｌｅｒ Ｂ Ｊ，ｅｔ ａ１．Ｒｅｆｌｅｃｔｎｃｅａ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｏｓｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ Ｊｏｕｒｎａｌ，１９８０，４４：１２８２—１２８５ ［９］Ｂｅｎ—Ｄｏｒ Ｅ ａｎｄ Ｂａｎｉｎ Ａ．Ｖｉｓｉｂｌｅ ａｎｄ ｎｅａｒ—ｉｎｆｒａｒｅｄ（０．４—１．１Ｌｍ）ａｎａｌｙｓｉｓ ｏｆ ａｒｉｄ ａｎｄ ｓｅｍｉａｒｉｄ ｓｏｉｌｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９４。４８：２６１—２７４ ［１０］Ｆｒａｚｉｅｒ Ｂ Ｅ，ａｎｄ Ｃｈａｎｇ Ｙ．Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｏｆ ｓｏｉｌｓ ｉｎ ｔｈｅ ｅａｓｔｅｒｎ ｐａｌｏｕｓｅ ｒｅｇｉｏｎ ｗｉｈ ｔｌａｎｄｓａｔ ｔｈｅｍａｔｉｃ ｍａｐｐｅｒ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆＥｎｖｉｒｏｎ— ｍｅｎｔ，１９８９，２８：３１７—３２５ ［１】］Ｃｈｅｎ Ｆ，ＫｉｓｓｅｌＤＥ，ｗｅ８ｔＬＴ，ｅｔ ａ１．Ｆｉｅｌｄ—ｓｃａｌｅｍａｐｐｉｎｇ ｏｆ ｓｕｒｆａｃｅｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｕｓｉｎｇｒｅｍｏｔｅｌｙｓｅｎｓｅｄｉｍａｇｅｒｙ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏ－ ｅｉｅｔｙ ｏｆＡｍｅｒｉｃａ Ｊｏｕｒｎａｌ，２０００，６４：７４６—７５３ ［１２］Ｐａｌｃｉａｏｓ—Ｏｒｕｅｔａ Ａ，Ｐｉｎｚｏｎ Ｊ Ｅ，ａｎｄ Ｕｓｔｉｎ Ｓ Ｌ，ｅｔ ａ１．Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｏｆ ｓｏｉｌｓ ｉｎ ｔｈｅ Ｓａｎｔａ Ｍｏｎｉｃａ Ｍｏｕｎｔａｉｎｓ：ＩＩ．Ｈｉｅｒａｒｃｈｉｃａｌ ｆｏｒｅｇｒｏｕｎｄ ａｎｄ ｂａｃｋｇｒｏｕｎｄ ａｎａｌｙｓｉｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，１９９９，６８：１３８—１５１ ［１３］Ｆｏｘ Ｇ Ａ，ａｎｄ Ｓａｂｂａｇｈ Ｇ Ｊ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ｆｒｏｍ ｒｅｄ ａｎｄ ｎｅａｒ—ｉｎｆｒａｒｅｄ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ ｄａｔａ ｕｓｉｎｇ ａ ｓｏｉｌ ｌｉｎｅ Ｅｕｃｌｉｄｅａｎ ｄｉｓ－ ｔｎｃｅｔｅｃｈｎｉａｑｕｅ［Ｊ］．ＳｏｉｌＳｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆＡｍｅｒｉｃａ Ｊｏｕｒｎａｌ，２００２，６６：１９２２—１９２９ ［１４］ＦｏｘＧＡ，ａｎｄ ｓａｂｂａ曲Ｇ Ｊ，ｅｔ ａ１．Ａｎ ａｕｔｏｍａｔｅｄｓｏｉｌｌｉｎｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｒｏｕｔｉｎｅｆｏｒ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄｉｍａｇｅｓ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ ＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａ Ｊｏｕｒｎａｌ，２００４，６８：１３２６—１３３１ ［１５］Ｈｉｌｌ Ｊ，ａｎｄ Ｓｅｈｉｉｔｔ Ｂ．Ｍａｐｐｉｎｇ ｃｏｍｐｌｅｘ ｐａｔｔｅｒｎｓ ｏｆｅｒｏｓｉｏｎ ａｎｄ ｓｔａｂｉｌｉｔｙｉｎ ｄｒｙＭｅｄｉｔｅｒｒａｎｅａｎ ｅｃｏｓｙｓｔｅｍｓ［Ｊ］．Ｒｅｍｏｔｅ ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ， ２０００，７４：５５７—５６９ ［１６］Ｇａｌｖ ｏ ＬＳ，ＰｉｚａｒｒｏＭＡ，ｅｔ ａ１．Ｖａｒｉａｔｉｏｎｓｉｎ ｒｅｆｌｅｃｔａｎｃｅ ｏｆｔｒｏｐｉｃａｌ ｓｏｉｌｓ：ｓｐｅｃｔｒａｌ—ｃｈｅｍｉｃａｌ ｃｏｍｐｏｓｉｔｉｏｎ ｒｅｌａｔｉｏｎｓｈｉｐｓｆｒｏｍＡＶＩＲＩＳ ｄａｔａ［Ｊ］． 第２期 程彬等：遥感在土壤有机质含量估算中的应用及其研究进展 ・３２１・ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００１，７５：２４５—２５５ ［１７］Ｌｖｉｎｅ Ｅ Ｒ，Ｋｉｍｅｓ Ｄ．Ｐｒｅｄｉｃｔｉｎｇ ｓｏｉｌ ｃａｔｈｏｎ ｉｎ Ｍｏｌｌｉｓｏｌｓ ｕｓｉｎｇ ｎｅｔｗｏｒｋｓ．Ｉｎ：ｓｏｉｌ Ｐｒｏｃｅｓｓｅｓ ａｎｄ ｔｈｅ Ｇｒｅｅｎｈｏｕｓｅ Ｅｆｆｅｃｔ（Ｅｄ．Ｂｙ，Ｉａｌ Ｒ，Ｋｉｍｂｌｅ Ｊ Ｍ，Ｆｏｌｌｅｔ Ｒ Ｆ，Ｓｔｅｗａｒｔ Ｂ Ａ），ＣＲＣ Ｐｒｅｓｓ，Ｂｏｃａ Ｒａｔｏｎ，ＦＬ，ＵＳＡ，１９９８：４７３—４８４ ［１８］Ｓｍｉｔｈ Ｊ Ａ，Ｒａｎｓｏｎ Ｋ Ｊ，Ｗｉｌｌｉａｍｓ Ｄ Ｌ，ｅｔ ａ１．Ａ ｓｅｎｓｏｒ ｆｕｓｉｏｎ ｉｆｅｌｄ ｏｐｔｉｃａｌ ｅｘｐｅｒｉｍｅｎｔ ｉｎ ｆｏｒｅｓｔ ｅｃｏｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ．ＳＰＩＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉ． ｕｍ ｏｆ Ｏｐｔｉｃａｌ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｐｈｏｔｏｎｉｃｓ ｉｎ Ａｅｒｏｓｐａｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｏｒｌａｎｄｏ．ＦＬ．１９９０．Ｖｏ１．１３００ ［１９］Ｌｖｉｎｅ Ｅ Ｒ，Ｒａｎｓｏｎ Ｋ Ｊ，Ｓｍｉｔｈ Ｊ，ｅｔ ａ１．Ｆｏｒｅｓｔ ｅｃｏｓｙｓｔｅｍ ｄｙｎａｍｉｃｓ：ｌｉｎｋｉｎｇ ｆｏｒｅｓｔ ｓｕｃｃｅｓｓｉｏｎ，ｓｏｉｌ ｐｒｏｃｅｓｓ，ａｎｄ ｒａｄｉａｔｉｏｎ ｍｏｄｅｌｓ［Ｊ］．Ｅｃｏｌｏｇｉ． ｃａｌ Ｍｏｄｅｌｉｎｇ，１９９３，６５：１９９—２１９ ［２０］浦瑞良，宫鹏．高光谱遥感及其应用［Ｍ］．北京：高等教育出版社，２０００．１—２２８ ［２１］戴昌达．中国主要土壤光谱反射特性分类与数据处理的初步研究，遥感文集［Ｊ］．北京：科学出版社，１９８１：３１５—３２３ ［２２］徐彬彬，季耿善．宁芜土壤遥感研究的主要成果［Ｊ］．土壤专报，１９８７，４１：５—８ ［２３］徐彬彬，季耿善．土壤光谱反射特性与理化性状的相关分析［Ｊ］．土壤专报，１９８７，４１号，６６—７７ ［２４］徐彬彬．土壤剖面的反射光谱研究［Ｊ］．土壤，２０００，６：２８１—２８７ ［２５］Ｓｔｏｎｅ Ｅ Ｒ，ａｎｄ Ｂａｕｎｇａｒｄｎｅｒ Ｍ Ｆ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｖａｒｉａｔｉｏｎｓ ｉｎ ｒｅｆｌｅｃｔａｎｃｅ ｏｆ ｓｕｒｆａｃｅ ｓｏｉｌｓ［Ｊ］．Ｓｏｉｌ Ｓｃｉ．Ｓｏｃ．Ａｍ．Ｊ．，１９８１，４５：１１６１—１１６５ ［２６］王人潮，苏海萍，王深法．浙江省主要土壤光谱反射特性及其模糊分类在土壤分类中的应用研究［Ｊ］．浙江农业大学学报，１９８６，１２（４）： ４６４—４７ｌ ［２７］Ｋｒｉｓｈｎａｎ Ｐ，Ａｌｅｘａｎｄｅｒ Ｊ Ｄ，ａｎｄ Ｂｕｔｌｅｒ Ｂ Ｊ，ｅｔ ａ１．Ｒｅｆｌｅｃｔａｎｃｅ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ Ｊｏｕｒｎａｌ，１９８０，４４：１２８２—１２８５ ［２８］Ｈｅｎｄｅｒｓｏｎ Ｔ Ｌ，Ｂａｕｍｇａｒｄｎｅｒ Ｍ Ｆ，Ｆｒａｎｚｍｅｉｅｒ Ｄ Ｐ，ｅｔ ａ１．Ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｒｅｆｌｅｃｔａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｅｒ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆＡｍｅｒｉｃａ Ｊｏｕｒｎａｌ，１９９２，５６：８６５—８７２ ［２９］Ｄｅｍａｔ Ｊ Ａ Ｍ，Ｇａｒｃｉａ Ｇ Ｊ．Ａｌｔｅｒａｔｉｏｎ ｏｆ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ ｔｈｒｏｕｇｈ ａ ｗｅａｔｈｅｒｉｎｇ ｓｅｑｕｅｎｃｅ ａｓ ｅｖａｌｕａｔｅｄ ｂｙ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ Ｊｏｕｒｎａｌ，１９９９，６３：３２７—３４２ ［３０］李震宇，朱荫湄．西湖沉积物有机质特征［Ｊ］．环境化学，１９９９，１８（２）：１２２—１２６ ［３１］牛灵安，郝晋珉．盐溃土熟化过程中腐殖质特性的研究［Ｊ］．土壤学报，２００１，３８（１）：１１４—１２２ ［３２］Ｄａｌａｉ Ｒ Ｃ，Ｈｅｎｒｙ Ｒ Ｊ．Ｓｉｍｕｌｔｎａｅｏｕｓ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｍｏｉｓｔｕｒｅ，ｏｒｇａｎｉｃ ｃａｒｂｏｎ，ａｎｄ ｔｏｔｌａ ｎｉｔｏｒｇｅｎ ｂｙ ｎｅａｒ ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒ０ｐｈｏｔｏｍｅｔｒｙ ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆＡｍｅｒｉｃａ Ｊｏｕｒｎａｌ，１９８６，５０：１２０—１２３ ［３３］Ｓｈｅｐｈｅｒｄ Ｋ Ｄ，Ｗａｌｓｈ Ｍ Ｇ．Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒａｌ ｌｉｂｒａｒｉｅｓ ｆｏｒ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ［Ｊ］．Ｓｏｉｌ Ｓｃｉｅｎｃｅ Ｓｏｃｉｅｔｙ ｏｆ Ａ— ｍｅｒｉｃａ Ｊｏｕｒｎａｌ，２００２，６６：９８８—９９８ ［３４］Ｖｉｓｃａｒｒａ Ｒｏｓｓｅｌ Ｒ Ａ，Ｗａｌｖｏｏｒｔ Ｄ Ｊ Ｊ，ＭｃＢｒａｔｎｅｙ Ａ Ｂ，ｅｔ ａ１．Ｖｉｓｉｂｌｅ，ｎｅａｒ ｉｎｆｒａｒｅｄ，ｍｉｄ ｉ￣ｒａｒｅｄ ｏｒ ｃｏｍｂｉｎｅｄ ｄｉｆｕｓｅ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｏｒｓｃｏｐｙ ｆｏｒ ｓｉｍｕｌｔａｎｅｏｕｓ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｖａｒｉｏｕｓ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ［Ｊ］．Ｇｅｏｄｅｒｍａ ２００６，１３１：５９—７５． ［３５］吴昀昭，田庆久，季峻，等．土壤光学遥感的理论、方法及应用［Ｊ］．遥感信息，２００３，１：４０—５２ ［３６］刘焕军，张柏．基于反射率模拟模型的黑土有机质含量估测［Ｊ］．光谱学与光谱分析，２００８，２８（１２）：２９４７—２９５０ ［３７］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：南京信息工程大学硕士学位论文，２００８ （上接第３０８页） 参考文献 ［１］高焕文，李问盈．我国农业机械化的跨世纪展望［Ｊ］．农业工程学报，２０００，（２）：１０—１１ ［２］陈艳巧，张晓辉．我国植保机械现状及其发展策略［Ｊ］．农业装备与车辆工程，２００６（２）：３—４ ［３］何雄魁，严苛荣，储金宇．果园自动对靶静电喷雾机设计与试验研究［Ｊ］．农业工程学报，２００３，１９（６）：７９—８Ｏ ［４］卢植新．当前农药发展趋势和农药开发和工作综述［Ｊ］．广西植保，２００２，１５（２）：２３—２４ ［５］戴奋奋．简论我国施药技术发展趋势［Ｊ］．植物保护，２００４，（４）：９６—１００ ［６］何雄魁，曾爱军，刘亚佳，等．水田风送低量喷杆喷雾机设计及其参数研究［Ｊ］．农业工程学报，２００５，２１（９）：７６—７８ ［７］张帆．小议我国农药的发展趋势［Ｊ］．农化新世纪，２００８，０４（６）：３２ ［８］史万苹，王熙，王新忠，等．基于ＧＰＳ和ＧＩＳ的变量喷药技术研究［Ｊ］．农机化研究，２００７，（２）：２０—２１ ［９］王新忠，王熙，王智敏．精准农业与变量施肥技术［Ｊ］．黑龙江八一农垦大学学报，２００２，１４（４）：２６—２７ ［１Ｏ］屠像钦．农药使用技术标准化［Ｍ］．北京：中国标准出版社，２００１ ［１１］吴春笃．农药使用的安全性研究［Ｊ］．农业机械学报，１９９６，２７（１Ｏ）：１４５—１４７ ［１２］郑文钟，应霞芳．我国植保机械和施药技术的现状、问题及对策［Ｊ］．农机化研究，２００８，（５）：２１９—２２０ ［１３］Ｊｉｅ Ｈｏｎｇ—ｚｈｏｕ，Ｓｈａｏ Ｓｈｅｎｇ—ｊｉｎ．Ｓａｆｅｔｙ ｏｆ ｖｅｇｅｔａｂｌｅｓ ａｎｄ ｔｈｅ ｕｓｅ ｏｆ ｐｅｓｔｉｃｉｄｅｓ ｂｙ ｆａｒｍｅｒｓ ｉｎ Ｃｈｉｎａ：ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｚｈｅｊｉａｎｇ ｐｒｏｖｅｎｃｅ［Ｊ］ Ｆｏｏｄ Ｃｏｎｔｒｏｌ，２００９，２０（６）：１０４５—１０４９ ［１４］Ｋ Ｍ Ｊｏｎｅｓ，Ｓ Ａ Ｂｏｕｎｄｌ＆Ｍ Ｊ Ｏａｋｆｏｒｄ．Ｓｐｒａｙ ａｐｐｌｉｃａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｐｌａｎｔ Ｇｒｏｗｔｈ Ｒｅｇｕｌａｔｉｏｎ，２０００，３１（１２）：４—５
