黑土地重点实验室关于黑土地土壤有机质含量光谱反演研究取得进展

土壤有机质是土壤质量的重要参数，可为农作物提供各类养分，同时对元素表生地球化学特征有着重要影响。黑土作为珍贵的土地资源，其有机质含量是反映土地质量的重要指标参数。近年来，随着黑土逐渐退化，土壤中有机质成分明显减少，估算黑土有机质含量、扭转含量下降趋势，是黑土地保护的重要举措。传统的土壤有机质监测主要是通过对监控区进行大量野外土壤样品采集和室内化学实验分析进行反演。这种方法周期较长，费时费力，精度受样品密度控制，难以满足现代农业快速发展的需求。随着卫星遥感技术日益成熟，通过光谱差异来测定土壤有机质的含量已成为一种有效手段。土壤有机质含量遥感反演主要包含两个研究方向：光谱信息的处理与选择、反演模型的构建。目前针对有机质敏感波段的选择主要采Pearson相关分析法，反演模型也多选择线性拟合。

依托上述研究背景和模型算法，重点实验室陈超群工程师借助Sentinel-2A遥感影像，结合黑河市孙吴县土壤有机质含量实测数据，通过Peason相关分析和随机森林(RF)选择不同特征波段作为模型输入值，采用偏最小二乘法和BP神经网络构建土壤有机质含量多光谱模型，研究土壤表层有机质含量与遥感影像关系。研究发现，通过相关性分析法建模时反射率的倒数对数一阶微分变换模型拟合程度最好，而采用RF算法筛选的组合波段在反演时能有效提高土壤有机质含量建模精度。由于多光谱遥感影像光谱分辨率较低，因此线性拟合模型无法准确估测土壤有机质含量，需要非线性模型以实现光谱信息与有机质含量的有效拟合。对比不同遥感影像预处理操作下的建模情况，RF-BP神经网络模型反演土壤有机质含量拟合程度最高，建模集R2为0.724 5，RMSE为1.3127%，测试集R2为0.5418，RMSE为1.3722%。根据上述结论，绘制了地面黑土区红旗林场的土壤有机质含量分布图。

相关研究成果发表在《物探与化探》期刊第46卷第5期上发表。