全 文 ：基于多光谱遥感影像的表层土壤有机质
空间格局反演*
张法升1,2 摇 曲摇 威1,2 摇 尹光华1 摇 刘作新1**
( 1 中国科学院沈阳应用生态研究所, 沈阳 110016; 2 中国科学院研究生院, 北京 100049)
摘摇 要摇 利用多光谱 LandSat TM遥感影像反演辽宁省阜新镇表层土壤有机质的空间格局,筛
选出与土壤有机质分布相关的 TM波段,分析并确定表层土壤有机质含量与 TM1、TM2 、TM3、
TM4、TM5、TM6、TM7 波段亮度值(digital number, DN)的相关关系,建立了土壤有机质含量的
光谱预测模型.结果表明:研究区表层土壤有机质含量与 TM 4、TM 5 波段 DN 值呈极显著的
负相关关系(r分别为-0郾 617 和-0郾 623,P<0郾 001),与 TM 3、TM 5 波段 DN 值之间满足负二
次多项式回归关系(R2 =0郾 9134,P<0郾 001);基于 TM 3、TM 5 波段 DN值的回归模型对研究区
表层土壤有机质含量的预测结果可靠(R2 = 0郾 9151,P<0郾 001) .研究区表层土壤有机质含量<
10 g·kg-1的农田主要分布在山地边缘地带,而平坦地区农田表层土壤有机质含量一般>10 g
·kg-1,部分达到 15 ~ 20 g·kg-1 .
关键词摇 多光谱 TM影像摇 土壤有机质摇 空间格局
文章编号摇 1001-9332(2010)04-0883-06摇 中图分类号摇 S153. 6摇 文献标识码摇 A
Spatial pattern of surface soil organic matter based on remotely sensed multispectral image.
ZHANG Fa鄄sheng1,2, QU Wei1,2, YIN Guang鄄hua1, LIU Zuo鄄xin1 ( 1 Institute of Applied Ecology,
Chinese Academy of Sciences, Shenyang 110016, China; 2Graduate University of Chinese Academy of
Sciences, Beijing 100049, China) . 鄄Chin. J. Appl. Ecol. ,2010,21(4): 883-888.
Abstract: Remotely sensed multispectral LandSat TM image was used to analyze the spatial pattern
of surface soil organic matter across the cropland in Fuxin Town of Liaoning Province. The proper
bands of the TM image that correlated with the distribution of surface soil organic matter were select鄄
ed, and the quantitative relationships between surface soil organic matter and the digital number
(DN) values of bands TM 1, TM 2, TM 3, TM 4, TM 5, TM 6, and TM 7 were analyzed and de鄄
termined, which could be applied to establish a prediction model of surface soil organic matter. It
was shown that the surface soil organic matter in study area had a strong negative correlation with
the DN values of TM 4 and TM 5 ( r= -0郾 617 and -0郾 623, P<0郾 001), and an inverse second or鄄
der polynomial regression with the DN values of TM 3 and TM 5 (R2 =0郾 9134, P<0郾 001). The re鄄
gression model using the DN values of TM 3 and TM 5 could make a reliable prediction of the spa鄄
tial pattern of surface soil organic matter (R2 = 0郾 9151, P<0郾 001). Across the study area, the
cropland with soil organic matter content less than 10 g·kg-1 was mainly distributed in the zones at
hill foot, while that with surface soil organic matter content usually more than 10 g·kg-1 and partly
reached 15-20 g·kg-1 was in flat zone.
Key words: multispectral TM image; soil organic matter; spatial pattern.
*辽宁省节水农业重点实验室项目、国家科技支撑计划项目
(2008BADA4B06)、辽宁省重大科技项目(2008212003)和中国科学
院陆地生态过程重点实验室开放项目资助.
**通讯作者. E鄄mail: liuzuoxin@ yahoo. com. cn
2009鄄11鄄17 收稿,2010鄄02鄄03 接受.
摇 摇 土壤是陆地生态系统的组成部分,参与大气圈
与生物圈两个碳库之间的循环,对全球范围内生态
环境的稳定具有重要意义[1] . 土壤有机质是土壤的
重要组成部分,也是土壤肥力的核心指标之一.尽管
土壤有机质只占土壤总质量的很小一部分(耕作土
壤表层有机质含量通常在 5%以下),但其对土壤物
理、化学和生物学等特性及各种生态学过程均能产
生重要影响,在土壤肥力、环境保护、植物生长和农
应 用 生 态 学 报摇 2010 年 4 月摇 第 21 卷摇 第 4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Apr. 2010,21(4): 883-888
业生产等方面有着积极的作用和意义[2-3] . 土壤作
为一个连续体,土壤有机质的分布并非均一,而呈空
间异质性,掌握土壤有机质的空间格局有利于准确
了解土壤有机质空间分布状况,进而进一步估算土
壤有机碳储量和分析生态系统碳循环,可为农田养
分的精确管理和区域甚至全球范围内生态健康的可
持续发展提供科学依据[4] .
土壤有机质空间格局研究主要通过测定某个或
多个尺度上土壤有机质含量或相关因子,借助尺度
推绎及相关模型实现目标尺度上的土壤有机质空间
格局[5],尺度推绎所使用的方法主要包括地统计学
和遥感反演等.其中,地统计学以变异函数为核心理
论,借助克里格插值实现尺度上推[6-8] .地统计学理
论比较详尽、计算方法较可靠,且能提供尺度上推的
估计方差,在土壤有机质空间格局研究中得到了大
量应用,效果也较理想.但地统计学通常要求采样规
则化,数据量较大的野外采样和室内分析导致负担
和成本较高,且实时性差、观测周期较长[9-13] . 遥感
技术是一门新兴的综合性探测技术,可实现短时间
内对同一地区进行重复观测、并获得大面积的同步
数据,且遥感影像记录的信息可反映土壤的多种特
征,因而被广泛应用于土壤调查和土地评价[14-16] .
表层土壤有机质含量的高低会影响土壤的反射光谱
特征,因而利用遥感影像可反演表层土壤有机质含
量及其空间格局[17-18] .利用遥感技术观测表层土壤
有机质空间格局具有费用低、精度高和实时性强等
特点.自 20 世纪 70 年代开始,有学者在利用遥感影
像反演表层土壤有机质及其空间格局方面做了一些
研究[19-20],证明了其应用的可行性,总结出影像解
译和模型建立的一些经验方法,以及影响该技术反
演土壤有机质精度的因素,如景观尺度上土壤母质
的差异可能会降低遥感影像与土壤有机质之间的相
关性、长期农田耕作管理措施的差异会造成土壤有
机质空间分布的相应变化等[21-22] .以往的研究往往
存在诸多不一致性,如结论不一致、尺度不一致以及
运用的遥感数据各不相同等,因此,需要更多此类研
究进一步讨论以确定通用性强的方法与模型. 随着
遥感技术的发展,高质量的遥感影像和逐渐成熟的
遥感影像解译技术将使遥感影像在观测土壤特性空
间格局研究中得到越来越多的应用.
尽管目前遥感技术已经发展到了高光谱时代,
但基于高光谱技术的土壤有机质反演多集中在室内
或田间操作层面[17,23],其研究结果存在不一致性且
实用性有待提高;而基于航空高光谱遥感影像反演
土壤有机质的研究还少有尝试[24],且高质量的高光
谱航空影像数据获取成本太高,其应用可行性和普
及性有待进一步研究.因此,本研究以美国航空卫星
LandSat 5 记录的多光谱 TM 影像为试验遥感影像,
通过几何校正、投影变换、降噪等手段处理并解译遥
感影像,分析了乡镇尺度上表层土壤有机质含量与
多波段 TM影像亮度值(DN)之间的相关性,并建立
了回归模型,从而反演获得表层土壤有机质的空间
格局,以期为农业生产管理和土壤可持续利用提供
科学依据.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
试验地位于辽宁省西北部阜新县阜新镇(42毅
01忆50义—42毅15忆22义 N, 121毅31忆12义—121毅48忆51义 E).
该区受东亚季风影响,属北温带大陆性气候,年均气
温 7郾 1 益 ~ 7郾 6 益,年均降水量仅 480 mm,且年内
分配极不均匀,60%降水集中在 6—8 月,年均水面
蒸发量为 1746 mm,属风沙半干旱区.阜新市农业人
口占总人口的 50%以上,粮食作物种植面积占耕地
面积的 75% ,主要粮食作物为玉米、大豆和花生,种
植方式主要为玉米连作以及部分玉米与花生、大豆
等间作和轮作.研究区 10 月底秋收生产完成,作物
的经济部分被收获,作物秸秆移出农田,田间除部分
作物根茬外全部裸露,因此,遥感影像可直接反映土
壤表层反射光谱特征.
1郾 2摇 采样设计
2006 年 10 月底,通过手持式全球定位系统
(GPS)在阜新镇范围内的农田定位随机选取了 27
个样点.取样深度为 0 ~ 20 cm,在 30 m伊30 m 内采
用五点取样法获得 1 个样本,样本带回实验室充分
风干,过 2 mm筛,采用重铬酸钾氧化鄄比色法测定土
壤有机质含量.另选取 6 处道路交叉点及河流交汇
处作为几何校正的地面控制点.
1郾 3摇 遥感影像及预处理
遥感图像为 2006 年 10 月 27 日 LandSat 5 拍摄
的多光谱 TM遥感影像,与地面采样时间一致.利用
阜新镇区域图裁剪出研究图像区域,将控制点数字
化后做投影变换(横轴墨卡托投影)对遥感图像进
行几何校正,重采样方法为二次多项式模型;采用 5
伊5 滤波处理消除微地形、地物阴影和地貌差异以及
成像过程等在遥感影像上造成的噪声,处理方法[19]
如下:
488 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
PDN(x,y) = 移
x+2
k = x-2
移
y+2
l = y-2
[W(k,l) 伊 PDN(k,l)]
式中:PDN(x,y)为滤波处理后 (x,y)处的 DN 值;
PDN(k,l)为(k,l) 处的 DN值;W(k,l)为 PDN(k,l) 的
权重系数,其值为 1 / 25, 其中 x - 2 臆 k臆 x + 2,y -
2 臆 l臆 y + 2.由27个取样点处 TM影像各波段上的
光谱 DN值可得到各个波段 DN 值与表层土壤有机
质含量的相关关系,利用分析结果进行回归分析并
建立表层土壤有机质含量的光谱预测模型.
采用平均误差(ME)和均方根误差(RMSE)对
模型预测土壤有机质的准确性进行评价,算式如下:
ME =
移
n
i
(Mi - P i)
n
RMSE =
移
i
n
(Mi - P i) 2
n - 1
式中:Mi和 P i分别为表层土壤有机质含量的实测值
和预测值;n为土壤样本数.平均误差的正负值可反
映预测模型的过高(ME<0)或过低(ME>0)估计趋
势,均方根误差则能体现预测模型的精度及准确
性[25] .
10 月底阜新镇农田土壤表面干燥且少有植被
覆盖,而且航空飞行器 LandSat 5 拍摄 TM影像时研
究区上空的云层含量为零,可以认为遥感影像记录
的土壤光谱反射特征为真实的土壤光谱特征,通常
认为反射率较低(DN值较低)的土壤有机质含量较
高.由于研究区域内水体、植被覆盖以及城镇建筑、
道路等因素的影响,使非农田区域内 TM 影像的光
谱反射特征不能反映土壤有机质的真正含量,但考
虑到本文中取样点均分布在阜新镇的农田内,不会
对预测模型的精度造成影响,因此,本研究不做其他
处理.
1郾 4摇 数据处理
采用 SAS 9郾 1 统计软件对多光谱 TM 影像各波
段 DN值与表层土壤有机质含量进行描述性统计分
析、主成分分析和 Pearson 相关分析,对筛选波段与
表层土壤有机质含量进行二元非线性回归分析.
2摇 结果与分析
2郾 1摇 遥感影像 DN值与表层土壤有机质含量的关系
研究区 TM影像 7 个波段的亮度覆盖中,TM 5
最宽(达 138 级),其次为 TM 4(达 90 级),TM 6 最
小(仅 28 级);标准差也是 TM 5 最高,其次为 TM 4
(表 1).较大的极差和标准差表明波段 TM 4 和 TM
5 的 DN 值的离散程度较大,其反映的土壤差异性
最显著、信息量最丰富.进一步对各波段 DN值进行
主成分分析(表 2)可知,第一主成分分量信息占 TM
影像 7 个波段总信息量的 67郾 3% ,其中波段 TM 5
和 TM 4 的特征向量较高,分别为 0郾 940 和 0郾 905,
说明第一主成分中 TM 5 和 TM 4 的 DN 值贡献最
大,包含的信息量也最丰富,而 TM 1 ~ TM 3、TM 6、
TM 7 波段所包含的信息量有限. 由表 3 可以看出,
TM 4 与 TM 5 DN值的相关系数最高( r = 0郾 922,P<
0郾 00);其次为 TM 2 与 TM 3( r = 0郾 905,P<0郾 00),
表明这些波段 DN 值之间的重叠较多;可见光 3 个
波段(TM 1 ~ TM 3)之间及其与波段 TM 4 DN 值之
间的相关性也较大;TM 6、TM 7 DN 值有较大的独
立性.对于相关性高、数据之间有重叠的波段,需要
表 1摇 研究区 TM影像各波段 DN值的统计分析
Tab. 1摇 Statistical analysis for DN value of TM bands in the
study area
波段
Band
最小值
Minimum
最大值
Maximum
均值
Mean
中值
Median
标准差
SD
TM 1 50 107 66郾 4 67 4郾 3
TM 2 19 59 31郾 5 32 3郾 4
TM 3 17 82 38郾 7 40 6郾 3
TM 4 4 94 46郾 6 48 12郾 4
TM 5 9 147 84郾 0 93 17郾 9
TM 6 98 123 113郾 7 114 3郾 1
TM 7 12 85 43郾 2 44 5郾 6
表 2摇 研究区 TM各波段 DN值的主成分分析
Tab. 2摇 Principal components analysis for DN value of the TM bands in study area
主成分
Principal
component
方 差
Variance
(% )
特征向量 Eigenvector
TM 1 TM 2 TM 3 TM 4 TM 5 TM 6 TM 7
1 67郾 348 0郾 361 0郾 281 0郾 687 0郾 905 0郾 940 -0郾 045 0郾 412
2 11郾 903 -0郾 222 -0郾 134 -0郾 088 -0郾 120 0郾 365 0郾 650 0郾 596
3 9郾 297 -0郾 070 0郾 250 0郾 076 0郾 180 -0郾 148 0郾 710 -0郾 606
4 6郾 588 0郾 362 0郾 241 0郾 304 -0郾 546 -0郾 560 0郾 175 0郾 276
5 2郾 769 0郾 775 -0郾 517 -0郾 263 0郾 036 0郾 098 0郾 190 -0郾 127
6 1郾 351 -0郾 158 -0郾 568 0郾 541 0郾 430 -0郾 381 0郾 062 0郾 146
5884 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张法升等: 基于多光谱遥感影像的表层土壤有机质空间格局反演摇 摇 摇 摇 摇 摇
表 3摇 研究区 TM各波段 DN值的相关系数
Tab. 3 摇 Correlation coefficient of DN values of the TM
bands in the study area
TM 1 TM 2 TM 3 TM 4 TM 5 TM 6
TM 2 0郾 786**
TM 3 0郾 838** 0郾 905**
TM 4 0郾 706** 0郾 777** 0郾 788**
TM 5 0郾 481* 0郾 550** 0郾 588** 0郾 922**
TM 6-0郾 235 -0郾 061 -0郾 078 -0郾 115 0郾 215
TM 7 0郾 206 0郾 192 0郾 319 0郾 131 0郾 626** 0郾 314
* P<0郾 05; ** P<0郾 01.
通过筛选手段以确定预测土壤有机质含量的最佳波
段或波段组合.
摇 摇 考虑到土壤有机质特性与土壤反射光谱的非线
性关系,对表层土壤有机质含量作对数转换后与
TM影像各波段 DN 值进行相关性分析. 结果表明,
表层土壤有机质含量的对数值与 TM 4 和 TM 5 的
DN值呈极显著负相关关系 ( r 分别为 - 0郾 617 和
-0郾 623,P<0郾 001),与其他波段 DN 值的相关性并
不显著(表 4).由于 TM 4 与 TM 5 的 DN 值相关性
很大,数据重叠较多,且 TM 5 波段的信息量更丰
富,而可见光波段 TM 1 ~ TM 3 的 DN值之间相关性
较高,且这 3 个波段 DN 值与表层土壤有机质含量
的相关性接近显著水平(P<0郾 13).因此,本文选择
TM 5 和 TM 3 的 DN值与表层土壤有机质含量进行
回归分析,回归效果较优,满足负二次多项式回归关
系.回归方程如下:
SOM = 358郾 4614 + 22郾 7306 伊 ( DNTM 3 ) -2 -
65457郾 7003伊(DNTM 5) -1+3067486郾 357伊(DNTM 5) -2
式中:SOM 为表层土壤有机质含量 ( g · kg-1 );
DNTM 3和 DNTM 5分别为波段 TM 3 和 TM 5 的 DN值.
回归方程的 R2 = 0郾 9134、F = 126郾 5996、P<0郾 001.回
归方程的系数检验结果见表 5,波段 TM 5 DN 值的
各项系数均通过了统计学意义上的显著性检验,但
波段 TM 3 DN值的唯一系数虽然未通过检验,但 P
值(0郾 154)较小,因此,在方程中仍保留了波段 TM 3
的 DN值.
表 4摇 表层土壤有机质含量与遥感影像 DN 值的相关系数
(r)及检验
Tab. 4摇 Correlation coefficients (r) and significant test be鄄
tween surface SOM content and image DN values in study
area
变 量
Variable
TM 1 TM 2 TM 3 TM 4 TM 5 TM 6 TM 7
r -0郾 356 -0郾 360 -0郾 303 -0郾 617 -0郾 623 -0郾 017 -0郾 082
P 0郾 069 0郾 065 0郾 124 0郾 000 0郾 000 0郾 932 0郾 684
表 5摇 回归方程系数的检验
Tab. 5摇 Test for coefficients of the regression equation
系 数
Coefficient
系数值
Value
标准误
Standard
error
t检验
t
test
概 率
Probability
常数 Constant 358郾 46 64郾 93 5郾 52 P<0郾 001
DNTM 3二次项系数
Coefficient of
(DNTM 3 -2)
22郾 73 6郾 49 1郾 47 P=0郾 154
DNTM 5一次项系数
Coefficient of
(DNTM 5 -1)
-65457郾 70 11404郾 55 -5郾 74 P<0郾 001
DNTM 5二次项系数
Coefficient of
(DNTM 5 -2)
3067486郾 36 49944郾 49 6郾 14 P<0郾 001
2郾 2摇 遥感影像光谱 DN 值与表层土壤有机质含量
回归模型的精度验证
本研究中回归模型的平均误差 ( ME ) 为
-0郾 0115,说明模型有微弱的过高估计趋势,但基本
可以忽略;RMSE 值为 0郾 061,表明模型估计效果较
可靠. 图 1 显示实测值与预测值间存在斜率为
0郾 9073 的线性关系(R2 =0郾 9151,P<0郾 001),表明预
测结果能较好地再现样区表层土壤有机质的空间分
布状况.
2郾 3摇 研究区表层土壤有机质含量的空间格局
研究区表层土壤有机质含量实测值与预测值的
最大值、最小值、平均值以及变异系数基本一致,表
明研究区农田土壤有机质含量的变化范围保持在 8
~ 20 g·kg-1,但接近 30%的变异系数显示研究区
表层土壤有机质含量属中等程度的空间变异性[26]
(表 6).考虑到研究区的地貌类型以山地、丘陵为
主,同时存在大量城镇、道路和局部植被、河流乡间,
为消除这些因素对预测结果的干扰,对预测结果进
行统计分析后,将研究区土壤分为四类(这 4 类土
壤的 SOM含量分别在<10 g·kg-1、10 ~ 15 g·kg-1、
图 1摇 模型精度的验证
Fig. 1摇 Validated result for model precision.
688 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
表 6摇 研究区表层土壤有机质含量实测值与预测值的统计
分析
Tab. 6摇 Statistical analysis of predicted and measured value
of surface SOM content in the study area
最大值
Maximum
(g·
kg-1)
最小值
Minimum
(g·
kg-1)
平均值
Mean
(g·
kg-1)
标准差
SD
(g·
kg-1)
变异
系数
CV
(% )
实测值
Measured value
18郾 4 8郾 8 12 3郾 50 29郾 17
预测值
Predicted value
19郾 5 9郾 2 12 3郾 35 27郾 92
15 ~ 20 g·kg-1和>20 g·kg-1;土地面积分别占研究
区土地总面积的 19郾 88% 、 22郾 97% 、 9郾 93% 和
47郾 22% ),利用不同类别的差异性显现表层土壤有
机质含量的变化范围和空间分布格局.据此作图,可
获得研究区农田表层土壤有机质含量的空间分布状
况和格局(图 2).
摇 摇 去除山地、丘陵和水体等非农田因素外,研究区
农田主要分布在南部平坦地区、山脚的坡地以及最
西部的小区域内,其中表层土壤有机质含量<10 g·
kg-1的区域主要分布在山地、丘陵地区的边缘地带,
由于阜新镇区域内山地较多,导致此类农田大量存
在.阜新镇年降水量稀少,灌溉水资源非常缺乏,土
壤干旱导致农田生产力水平较低,限制了土壤有机
质的积累和土壤肥力的提高,农业生产效益不高.研
究区主要的高生产力农田集中在南部的平坦地区.
此类农田土壤有机质含量稍高,在 10 ~ 15 g·kg-1
之间(22郾 97% ),少量(9郾 93% )土地土壤有机质含量
图 2摇 研究区表层土壤有机质含量分类结果分布
Fig. 2 摇 Distribution of the classification result for the surface
SOM content in the study area.
超过 15 g·kg-1,这些地区是阜新镇农业生产的核
心地区,也是人口和城镇的主要聚集地区. >20 g·
kg-1的土壤类型不能真实反映土壤有机质含量,一
般为水体、植被、城镇和道路等.
3摇 讨摇 摇 论
与传统方法相比,利用 TM 影像结合地面取样
分析表层土壤有机质含量空间格局的方法具有很多
优势,主要体现在可大大节省时间、节约成本,而且
预测结果的准确性和实用性将为土壤肥力的提高和
土地可持续利用的宏观管理提供有力工具. 本研究
中 TM波段 DN 值与表层土壤有机质含量的非线性
关系与 Chen等[19]和李欣宇等[20]的研究结果相似,
但根据这种非线性相关性建立的预测模型却存在较
大差别,原因可能与地面取样及研究的尺度不同、研
究土壤存在差异和模型选择等有关. 利用遥感数据
观测表层土壤有机质含量的关键在于寻找相关的土
壤光谱特征参数,如反射率、反射率的数学变换形
式、波段的组合等. LandSat 卫星拍摄的 TM 影像只
是众多遥感手段的一种,并且 TM 影像本身也在发
展当中.伴随光谱学、遥感技术的发展,高分辨率、高
光谱遥感影像会提供越来越多的供试土壤光谱特
征,利用多光谱以及高光谱遥感数据反演土壤有机
质含量显示出广阔的应用发展前景.
研究区表层土壤有机质含量较低,原因主要与
该地区干旱少雨的气候特征以及局部的成土母质差
异有关.干旱气候以及灌溉水资源有限导致土壤水
分含量低、植物生产力低、土壤微生物活性低、土壤
动植物残体归还土壤少,使有机质在土壤中的积累
缓慢,土壤有机质含量偏低. 除此之外,农业生产中
以化学肥料为主、收获后的农作物秸秆作为农户的
燃料和部分动物饲料而几乎全部被移出土壤生态系
统,土壤有机肥的施用量很少,使土壤有机质维持在
较低的平衡状态.针对研究区农田类型、分布状况以
及气候特征,农业生产管理中应注意增施有机肥,还
可采取秸杆还田等措施,以提高土壤有机质含量、保
持土壤的可持续利用.
参考文献
[1]摇 Sparling GP, Wheeler D, Vesely ET, et al. What is soil
organic matter worth? Journal of Environmental Quality,
2006, 35: 548-557
[2] Singer MJ, Munns DN. Soils: An Introduction. New
Jersey: Prentice Hall, 1996
[3] Huang C鄄Y (黄昌勇). Soil Science. Beijing: China
7884 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张法升等: 基于多光谱遥感影像的表层土壤有机质空间格局反演摇 摇 摇 摇 摇 摇
Agriculture Press, 2000 (in Chinese)
[4]摇 Zeng D鄄H (曾德慧), Jiang F鄄Q (姜凤岐), Fan Z鄄P
(范志平), et al. Ecosystem health and sustainable de鄄
velopment for human. Chinese Journal of Applied Ecolo鄄
gy (应用生态学报), 1999, 10 (6): 751 - 756 ( in
Chinese)
[5] Leemans R. Scientific challenges for anthropogenic re鄄
search in the 21th century: Problems of scale / / Ehlers
E, Krafft T, eds. Earth System Science in the Anthro鄄
pocene. Berlin: Springer, 2006: 249-262
[6]摇 Wang Z鄄Q (王政权). Geostatistics and Its Application
in Ecology Science. Beijing: Science Press, 1999 ( in
Chinese)
[7] Goovaerts P. Geostatistics in soil science: State鄄of鄄the鄄
art and perspectives. Geoderma, 1999, 89: 1-45
[8] Iqbal J, Thomassond JA, Jenkinsc JN, et al. Spatial
variability analysis of soil physical properties of alluvial
soils. Soil Science Society of America Journal, 2005,
69: 1338-1350
[9]摇 Zhang F鄄S (张法升), Liu Z鄄X (刘作新), Zhang Y
(张摇 颖), et al. Scaling effect on spatial variability of
soil organic matter in crop land. Journal of the Graduate
School of the Chinese Academy of Sciences (中国科学院
研究生院学报), 2009, 26 (3): 350 - 356 ( in Chi鄄
nese)
[10]摇 Jiang Y (姜摇 勇), Zhang Y鄄G (张玉革), Liang W鄄J
(梁文举), et al. Spatial variability of soil nutrients in
cultivated surface soil of Sujiatun District, Shenyang
City. Chinese Journal of Applied Ecology (应用生态学
报), 2003, 14(10): 1673-1676 (in Chinese)
[11]摇 Zhang F鄄S (张法升), Liu Z鄄X (刘作新), Shen Y鄄J
(沈业杰), et al. Spatial variability of soil organic mat鄄
ter in small scale across a cropland. Ecological Science
(生态科学), 2009, 28(6): 532-536 (in Chinese)
[12]摇 Shu QS, Liu ZX, Si BC. Characterizing scale鄄 and loca鄄
tion鄄dependent correlation of water retention parameters
with soil physical properties using wavelet techniques.
Journal of Environmental Quality, 2008, 37: 2284 -
2292
[13]摇 Wang ZY, Shu QS, Liu ZX, et al. Scaling analysis of
soil water retention parameters and physical properties of
a Chinese agricultural soil. Australian Journal of Soil
Research, 2009, 47: 821-827
[14]摇 Zhao Y鄄S (赵英时). Methods and Theories of Remote
Sensing Applications and Analysis. Beijing: Science
Press, 2003 (in Chinese)
[15]摇 Ren J鄄Q (任建强), Chen Z鄄Q (陈忠群), Tang H鄄J
(唐华俊). Regional scale remote sensing鄄based yield
estimation of winter wheat by using MODIS鄄NDVI data:
A case study of Jining City in Shandong Province. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2006, 17(12): 2371-2375 (in Chinese)
[16]摇 Wu Y鄄K (吴亚坤), Yang J鄄S (杨劲松), Li X鄄M (李
晓明). Study on spatial variability of soil salinity based
on spectral indices and EM38 readings. Spectroscopy and
Spectral Analysis (光谱学与光谱分析), 2009, 29
(4): 1023-1027 (in Chinese)
[17]摇 Chen Z鄄W (陈增文), Chen G鄄S (陈光水), Zhong X鄄
F (钟羡芳), et al. Review on estimations of soil organ鄄
ic carbon content based on hyperspectral measurements.
Journal of Subtropical Resources and Environment (亚热
带资源与环境学报), 2009, 4(1): 78-87 ( in Chi鄄
nese)
[18]摇 Zhang W鄄J (张文娟), Wang S鄄Q (王绍强), Chang H
(常摇 华), et al. Application of remote sensing tech鄄
nique in soil carbon storage researches. Progress in Ge鄄
ography (地理科学进展), 2005, 24 (3): 118 -126
(in Chinese)
[19]摇 Chen F, Kissel DE, West LT, et al. Field鄄scale map鄄
ping of surface soil organic carbon using remotely sensed
imagery. Soil Science Society of America Journal, 2000,
64: 746-753
[20]摇 Li X鄄Y (李欣宇), Yu W鄄T (宇万太), Li X鄄Z (李秀
珍). Spatial distribution pattern of surface soil organic
carbon based on TM image. Chinese Journal of Ecology
(生态学杂志), 2008, 27(3): 333-338 (in Chinese)
[21]摇 Yin Y鄄F (尹云锋), Cai Z鄄C (蔡祖聪), Qin S鄄W (钦
绳武). Dynamics of fluvo鄄aquic soil organic matter frac鄄
tions under long鄄term fertilization. Chinese Journal of
Applied Ecology (应用生态学报), 2005, 16(5): 875
-878 (in Chinese)
[22]摇 Yang J鄄C (杨景成), Han X鄄G (韩兴国), Huang J鄄H
(黄建辉), et al. The dynamics of soil organic matter in
cropland responding to agricultural practices. Acta Eco鄄
logica Sinica (生态学报), 2003, 23 (4): 787 - 796
(in Chinese)
[23]摇 Liu H鄄J (刘焕军), Zhang B (张摇 柏), Zhao J (赵摇
军), et al. Spectral models for predication of organic
matter in black soil. Acta Pedologia Sinica (土壤学
报), 2007, 44(1): 27-32 (in Chinese)
[24] Gomez C, Rossel RAV, McBratney AB. Soil organic
carbon prediction by hyperspectral remote sensing and
field VIS鄄NIR spectroscopy: An Australian case study.
Geoderma, 2008, 146: 403-411
[25]摇 Webster R. Statistics to support soil research and their
presentation. European Journal of Soil Science, 2001,
52: 331-340
[26]摇 Lei Z鄄D (雷志栋), Yang S鄄X (杨诗秀), Xu Z鄄R (许
志荣), et al. Research spatial variability of soil proper鄄
ties. Journal of Hydraulic Engineering (水利学报),
1985(9): 10-21 (in Chinese)
作者简介摇 张法升,男,1984 年生,博士研究生.主要从事土
壤特性空间分析研究,发表论文 3 篇. E鄄mail: fasheng06@
163. com
责任编辑摇 杨摇 弘
888 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷