全 文 ：第 ３５ 卷第 ２４ 期
２０１５年 １２月
生 态 学 报
ＡＣＴＡ ＥＣＯＬＯＧＩＣＡ ＳＩＮＩＣＡ
Ｖｏｌ．３５，Ｎｏ．２４
Ｄｅｃ．，２０１５
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
基金项目：国家基础科学人才培养基金（Ｊ１２１００６７）
收稿日期：２０１４⁃０６⁃２４； 网络出版日期：２０１５⁃０５⁃２１
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ： ｃｓｚｅｎｇ＠ ｆｊｎｕ．ｅｄｕ．ｃｎ
ＤＯＩ： １０．５８４６ ／ ｓｔｘｂ２０１４０６２４１３０３
章文龙，曾从盛，高灯州，陈晓艳，林伟．闽江河口湿地土壤全磷高光谱遥感估算．生态学报，２０１５，３５（２４）：８０８５⁃８０９３．
Ｚｈａｎｇ Ｗ Ｌ， Ｚｅｎｇ Ｃ Ｓ， Ｇａｏ Ｄ Ｚ， Ｃｈｅｎ Ｘ Ｙ， Ｌｉｎ Ｗ．Ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ｓｏｉｌ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ ｂａｓｅｄ ｏｎ ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ ｉｎ ｔｈｅ Ｍｉｎ
Ｒｉｖｅｒ ｅｓｔｕａｒｉｎｅ ｗｅｔｌａｎｄ．Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０１５，３５（２４）：８０８５⁃８０９３．
闽江河口湿地土壤全磷高光谱遥感估算
章文龙１，２，曾从盛１，２，３，∗，高灯州１，２，陈晓艳１，林 伟１
１ 福建师范大学地理科学学院，福州 ３５０００７
２ 福建师范大学亚热带湿地研究中心，福州 ３５０００７
３ 湿润亚热带生态地理过程教育部重点实验室，福州 ３５０００７
摘要：磷是湿地生态系统必需和限制性元素，利用高光谱遥感数据对其进行估算对实现湿地土壤磷素快速和准确定量具有重要
意义。 选取闽江河口湿地作为研究区，于 ２０１３年 ５月，采集 １６个土壤剖面 ８０个样本作为估算与验证模型样本；基于光谱指数
建立土壤全磷（ＴＰ）含量估算模型，其中光谱指数包括原始光谱反射率（Ｒ）、比值土壤指数（ＲＳＩ）、归一化土壤指数（ＮＤＳＩ）和有
机质诊断指数（ＯＩＩ）。 此外，进一步分析反射光谱与不同形态磷，ＴＰ 与有机质之间关系，以期初步揭示河口湿地土壤 ＴＰ 估算的
机理。 研究结果表明，闽江河口湿地土壤 ＴＰ 含量与 Ｒ 相关系数较高的区域分布在 ３６０—５６０ ｎｍ，并在 ４０６ ｎｍ 处达到最大值
－０．８１６；光谱指数 ＲＳＩ（Ｒ４３０， Ｒ８３０）、ＲＳＩ（Ｒ４６０， Ｒ８１０）、ＲＳＩ（Ｒ５６０， Ｒ５８０）、ＮＤＳＩ（Ｒ４３０， Ｒ８３０）、ＮＤＳＩ（Ｒ４６０， Ｒ８３０）、ＮＤＳＩ（Ｒ５６０， Ｒ５８０）和 ＯＩＩ
（Ｒ４４６）与土壤 ＴＰ 含量均有较高的相关系数，能较好的用于 ＴＰ 含量的估算；各估算模型决定系数（ ｒ２）和均方根误差（ＲＭＳＥ）分
别在 ０．６５７—０．８０５和 ０．０５２—０．０６７之间；验证模型 ｒ２和 ＲＭＳＥ分别在 ０．６０６—０．８９３和 ０．０３７—０．０４４之间。 分潮滩建立 ＴＰ 含量
估算模型是可行的，并且能提高部分光谱指数的估算精度。 土壤 ＴＰ 含量的估算精度与磷素的组成有关，其中与铁吸附态磷关
系较为密切，钙吸附态和铝吸附态磷关系较弱。 土壤 ＴＰ 与有机质和氧化还原环境的存在密切关系可能是湿地土壤 ＴＰ 含量估
算的重要机理。
关键词：全磷；高光谱；湿地土壤；闽江河口
Ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ｓｏｉｌ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ ｂａｓｅｄ ｏｎ ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ ｄａｔａ ｉｎ ｔｈｅ Ｍｉｎ Ｒｉｖｅｒ ｅｓｔｕａｒｉｎｅ ｗｅｔｌａｎｄ
ＺＨＡＮＧ Ｗｅｎｌｏｎｇ１，２， ＺＥＮＧ Ｃｏｎｇｓｈｅｎｇ１，２，３，∗， ＧＡＯ Ｄｅｎｇｚｈｏｕ１，２， ＣＨＥＮ Ｘｉａｏｙａｎ１， ＬＩＮ Ｗｅｉ１
１ Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ｆｕｊｉａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｆｕｚｈｏｕ ３５０００７， Ｃｈｉｎａ
２ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｗｅｔｌａｎｄｓ ｉｎ Ｓｕｂｔｒｏｐｉｃａｌ Ｒｅｇｉｏｎ， Ｆｕｚｈｏｕ ３５０００７， Ｃｈｉｎａ
３ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｈｕｍｉｄ Ｓｕｂｔｒｏｐｉｃａｌ Ｅｃｏ⁃ｇｅｏｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓ （Ｆｕｊｉａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ）， Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ， Ｆｕｚｈｏｕ ３５０００７， Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ： Ｐｈｏｓｐｈｏｒｕｓ （ Ｐ ） ｉｓ ａｎ ｅｓｓｅｎｔｉａｌ ａｎｄ ｌｉｍｉｔｉｎｇ ｎｕｔｒｉｅｎｔ ｉｎ ｗｅｔｌａｎｄ ｅｃｏｓｙｓｔｅｍｓ ａｎｄ ｉｔ ｐｌａｙｓ ａ ｖｉｔａｌ ｒｏｌｅ ｉｎ
ｅｕｔｒｏｐｈｉｃａｔｉｏｎ． Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ （ＲＳ） ｏｆｆｅｒｓ ａｎ ｕｐ⁃ｔｏ⁃ｄａｔｅ ａｎｄ ｒｅｌａｔｉｖｅｌｙ ａｃｃｕｒａｔｅ ｍｅａｎｓ ｔｏ ｍｅａｓｕｒｅ ｔｈｅ ｓｏｉｌ Ｐ ｃｏｎｔｅｎｔ．
Ｒｅｃｅｎｔｌｙ， ｓｏｍｅ ｓｔｕｄｉｅｓ ｈａｖｅ ｓｈｏｗｎ ｔｈａｔ ｉｔ ｗａｓ ｆｅａｓｉｂｌｅ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ｔｏｔａｌ Ｐ （ＴＰ） ｃｏｎｔｅｎｔ ｏｆ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍ ｓｏｉｌ
ｂａｓｅｄ ｏｎ ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ ＲＳ ｄａｔａ． Ｈｏｗｅｖｅｒ， ｌｉｔｔｌｅ ｉｎｆｏｒｍａｔｉｏｎ ｉｓ ａｖａｉｌａｂｌｅ ｏｎ ＴＰ ｃｏｎｔｅｎｔ ｅｓｔｉｍａｔｉｏｎ ｂｙ ＲＳ ｔｅｃｈｎｏｌｏｇｙ ｏｎ
ｗｅｔｌａｎｄ ｓｏｉｌ． Ｔｈｅ ａｉｍ ｏｆ ｔｈｉｓ ｓｔｕｄｙ ｗａｓ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ＴＰ ｃｏｎｔｅｎｔ ｏｆ ｗｅｔｌａｎｄ ｓｏｉｌ ｕｓｉｎｇ ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ ＲＳ ｄａｔａ． Ｍｉｎ ｒｉｖｅｒ
ｅｓｔｕａｒｉｎｅ ｗｅｔｌａｎｄ， ｌｏｃａｔｅｄ ｉｎ ｔｈｅ ｓｕｂｔｒｏｐｉｃａｌ ｚｏｎｅ， ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｍｏｓｔ ｔｙｐｉｃａｌ ａｎｄ ｉｍｐｏｒｔａｎｔ ｅｓｔｕａｒｉｎｅ ｗｅｔｌａｎｄｓ ｉｎ ｓｏｕｔｈｅａｓｔ
Ｃｈｉｎａ． Ｓｏｉｌ ｓａｍｐｌｅｓ， ｆｒｏｍ Ｓｈａｎｙｕｔａｎ ｔｉｄａｌ ｍａｒｓｈ ｉｎ ｔｈｅ Ｍｉｎ Ｒｉｖｅｒ Ｅｓｔｕａｒｙ， ｗｅｒｅ ｃｏｌｌｅｃｔｅｄ ｉｎ ｓｉｘｔｅｅｎ ｐｒｏｆｉｌｅｓ ａｔ ｆｉｖｅ ｄｅｐｔｈｓ
（０—１０ ｃｍ， １０—２０ ｃｍ， ２０—３０ ｃｍ， ３０—４０ ｃｍ， ａｎｄ ４０—５０ ｃｍ） ａｌｏｎｇ ａｎ ｅｌｅｖａｔｉｏｎ ｇｒａｄｉｅｎｔ， ｉｎ Ｍａｙ ｏｆ ２０１３．
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
Ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｍｏｄｅｌｓ ｗｅｒｅ ｃｏｎｓｔｒｕｃｔｅｄ ｂｙ ｓｐｅｃｔｒｕｍ ｐａｒａｍｅｔｅｒｓ， ｉｎｃｌｕｄｉｎｇ ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ （Ｒ），
ｓｉｍｐｌｅ ｒａｔｉｏ ｓｏｉｌ ｉｎｄｅｘ （ ＲＳＩ）， ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｓｏｉｌ ｉｎｄｅｘ （ ＮＤＳＩ）， ａｎｄ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ｄｉａｇｎｏｓｉｓ ｉｎｄｅｘ （ ＯＩＩ）
ｃａｌｃｕｌａｔｅｄ ｂｙ ｏｐｔｉｍａｌ ｂａｎｄｓ． Ｔｈｅ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｔｈｅ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ ｏｆ ｔｈｅ ｓｏｉｌ ｉｎｃｒｅａｓｅｄ ｗｉｔｈ ｄｅｐｔｈ ａｔ ３５０—５８０
ｎｍ， ｗｈｉｌｅ ａｎ ｏｐｐｏｓｉｔｅ ｔｒｅｎｄ ｗａｓ ｏｂｓｅｒｖｅｄ ａｔ ５８０—２５００ ｎｍ． Ｓｏｉｌ ＴＰ ｃｏｎｔｅｎｔ ｓｈｏｗｅｄ ａ ｎｅｇａｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ ｗｉｔｈ Ｒ ａｔ ３５０—
６００ ｎｍ， ｗｈｅｒｅａｓ ａ ｐｏｓｉｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ ｗａｓ ｏｂｓｅｒｖｅｄ ａｔ ６００—２５００ ｎｍ． Ｔｈｅ ｈｉｇｈｅｓｔ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｖａｌｕｅ ｗａｓ －０．８１６
ａｎｄ ｏｃｃｕｒｒｅｄ ａｔ ４０６ ｎｍ． Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｂｅｔｗｅｅｎ ｓｏｉｌ ＴＰ ｃｏｎｔｅｎｔ ａｎｄ ＯＩＩ ｅｘｈｉｂｉｔｅｄ ａ ｂｉｍｏｄａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ， ｗｉｔｈ
ｐｅａｋｓ ａｔ ４４６ ｎｍ （ ｒ ＝ －０．８４３） ａｎｄ ６３４ ｎｍ （ ｒ ＝ ０．７９８）． ＮＤＳＩ ａｎｄ ＲＳＩ ｗｅｒｅ ｅａｃｈ ｃａｌｃｕｌａｔｅｄ ｂｙ ｂａｎｄｓ ｉｎ ｔｈｒｅｅ ｚｏｎｅｓ，
（４２０—４４０ ｎｍ ａｎｄ ４４０—５９０ ｎｍ， ４６０—４７０ ｎｍ ａｎｄ ５９０—１０００ ｎｍ， ａｎｄ ５５０—５９０ ｎｍ ａｎｄ ５５０—５９０ ｎｍ，
ｒｅｓｐｅｃｔｉｖｅｌｙ）， ｗｈｉｃｈ ｈａｄ ｈｉｇｈｅｒ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｗｉｔｈ ＴＰ ｃｏｎｔｅｎｔ ｔｈａｎ ｔｈｏｓｅ ｉｎ ｏｔｈｅｒ ｚｏｎｅｓ． Ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ （ ｒ２） ａｎｄ ｒｏｏｔ ｍｅａｎｓ ｓｑｕａｒｅ ｅｒｒｏｒ （ＲＭＳＥ） ｏｆ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌｓ ｒａｎｇｅｄ ｆｒｏｍ ０．６５７—０．８０５ ａｎｄ ０．０５２—０．０６７，
ｒｅｓｐｅｃｔｉｖｅｌｙ， ａｎｄ ｔｈｏｓｅ ｏｆ ｔｈｅ ｖａｌｉｄａｔｉｏｎ ｍｏｄｅｌｓ ｒａｎｇｅｄ ｆｒｏｍ ０．６０６—０．８９３ ａｎｄ ０．０３７—０．０４４， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅｓｅ ｒｅｓｕｌｔｓ
ｉｎｄｉｃａｔｅ ｔｈａｔ ＴＰ ｃｏｎｔｅｎｔ ｏｆ ｔｈｅ Ｍｉｎ Ｒｉｖｅｒ ｅｓｔｕａｒｉｎｅ ｓｏｉｌ ｃｏｕｌｄ ｂｅ ｅｓｔｉｍａｔｅｄ ｂｙ ｍｏｓｔ ｏｆ ｔｈｅ ｓｅｌｅｃｔｅｄ ｐａｒａｍｅｔｅｒｓ． Ｔｈｅ
ｅｖａｌｕａｔｉｏｎ ｐａｒａｍｅｔｅｒｓ ｏｆ ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌｓ ｓｕｐｐｏｒｔｅｄ ｔｈａｔ ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ＴＰ ｃｏｎｔｅｎｔ ｏｆ ｈｉｇｈ ａｎｄ ｍｉｄｄｌｅ ｔｉｄａｌ ｆｌａｔｓ ｓｏｉｌ
ｉｎｄｉｖｉｄｕａｌｌｙ ｃｏｕｌｄ ｉｍｐｒｏｖｅ ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｓｏｍｅ ｐａｒａｍｅｔｅｒｓ ｓｕｃｈ ａｓ ＲＳＩ（Ｒ４３０， Ｒ８３０）， ＲＳＩ（Ｒ４６０， Ｒ８１０）， ａｎｄ
ＮＤＳＩ（Ｒ４３０， Ｒ８３０）． Ａｄｄｉｔｉｏｎａｌｌｙ， ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｓｏｉｌ ＴＰ ｃｏｎｔｅｎｔ ａｌｓｏ ｄｅｐｅｎｄｅｄ ｏｎ ｔｈｅ Ｐ ｆｒａｃｔｉｏｎｓ． Ｉｒｏｎ ｂｏｕｎｄ
ｐｈｏｓｐｈｏｒｕｓ （Ｆｅ⁃Ｐ）， ｏｃｃｌｕｄｅｄ ｐｈｏｓｐｈｏｒｕｓ （Ｏ⁃Ｐ）， ａｎｄ ｏｒｇａｎｉｃ ｐｈｏｓｐｈｏｒｕｓ （Ｏｒｇ Ｐ） ｈａｄ ｈｉｇｈｅｒ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｗｉｔｈ
Ｒ ｔｈａｎ ｄｉｄ ａｌｕｍｉｎｕｍ ｂｏｕｎｄ ｐｈｏｓｐｈｏｒｕｓ （Ａｌ⁃Ｐ） ａｎｄ ｃａｌｃｉｕｍ ｂｏｕｎｄ ｐｈｏｓｐｈｏｒｕｓ （Ｃａ⁃Ｐ）． Ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｃｈａｎｇｅｓ ｉｎ ｔｈｅ
ｃｏｎｔｅｎｔｓ ｏｆ ＴＰ ｗｉｔｈｉｎ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ａｎｄ ａ ｒｅｄｏｘ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ ｗｅｔｌａｎｄ ｓｏｉｌ ｃｏｕｌｄ ｂｅ ｕｓｅｄ ａｓ ｉｍｐｏｒｔａｎｔ ｍｅｃｈａｎｉｓｍｓ ｆｏｒ
ｅｓｔｉｍａｔｉｎｇ ｓｏｉｌ ＴＰ ｃｏｎｔｅｎｔ． Ｉｎ ｃｏｎｃｌｕｓｉｏｎ， ｉｔ ｗａｓ ｆｅａｓｉｂｌｅ ｔｏ ｅｓｔｉｍａｔｅ ＴＰ ｃｏｎｔｅｎｔ ｏｆ ｓｕｂｔｒｏｐｉｃａｌ ｅｓｔｕａｒｉｎｅ ｗｅｔｌａｎｄ ｓｏｉｌｓ ｂａｓｅｄ
ｏｎ ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ ＲＳ ｄａｔａ．
Ｋｅｙ Ｗｏｒｄｓ： ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ； ｈｙｐｅｒ⁃ｓｐｅｃｔｒａｌ； ｗｅｔｌａｎｄ ｓｏｉｌ； Ｍｉｎ Ｒｉｖｅｒ Ｅｓｔｕａｒｙ
磷作为重要生源要素，对生物的生长起到重要的影响，同时其也是重要的污染物质之一。 河口湿地土壤
是磷的重要源、汇及转化器［１］，在调节磷素循环方面发挥中重要的作用。 以往土壤磷素的测定方法主要为化
学方法，高光谱遥感技术的出现为土壤养分的快速和无损测定提供了新的方法。 利用高光谱遥感手段实现湿
地土壤全磷（ＴＰ）含量快速检测对实现生态系统的科学管理具有重要意义。
目前，已有较多学者对土壤有机质［２⁃３］和全氮［４］含量高光谱遥感估算进行了大量的研究。 磷作为土壤另
外一个重要组分，也有部分学者尝试利用高光谱数据，基于光谱指数，采用回归分析、偏最小二乘法和神经网
络模型等手段对陆地生态系统土壤 ＴＰ 和速效磷进行估算。 研究结果表明利用高光谱手段估算陆地生态系
统土壤 ＴＰ 和速效磷是可行的，但不同类型土壤的敏感波段以及模型的估算精度不尽一致［５⁃１１］，还有待进一步
开展大量相关研究。 湿地是介于陆地和水生生态系统之间的一种独特的生态系统；河口则是一种特殊的湿
地，其在潮汐作用下，氧化还原交替，使得土壤也表现出独特的性质。 遗憾的是，目前关于河口湿地土壤 ＴＰ
含量的高光谱估算还未见报道。 基于此，以亚热带闽江河口为研究区，采集不同潮滩土壤样本，室内测定其反
射光谱，尝试利用高光谱遥感数据建立湿地土壤 ＴＰ 含量的估算模型，通过这一研究以期拓展对湿地土壤 ＴＰ
含量高光谱遥感估算可行性和精度的认识。
１ 研究区概况与研究方法
１．１ 研究区概况
闽江河口湿地国家自然保护区是中国东南沿海典型的亚热带河口湿地之一（图 １）。 其气候属亚热带季
风气候，暖热湿润，年均气温为 １９．３ ℃，年平均降水量 １３５０ ｍｍ左右，年均降水日数为 １５３ ｄ［１２］。 土壤为滨海
盐土和沙土，其粒径以粉砂为主（６０％以上）。 土壤 ｐＨ值呈偏酸性到中性。 区内潮汐属正规半日潮。 土著植
６８０８ 生 态 学 报 ３５卷
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
被主要有芦苇（Ｐｈｒａｇｍｉｔｅｓ ａｕｓｔｒａｌｉｓ）、短叶茳芏（Ｃｙｐｅｒｕｓ ｍａｌａｃｃｅｎｓｉｓ）和藨草（Ｓｃｉｒｐｕｓ ｔｒｉｑｕｅｔｅｒ），其中芦苇主要分
布于中高潮滩，短叶茳芏主要分布于中低潮滩［１３］。 本世纪初，外来物种互花米草（Ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ）入侵本
区中低潮滩，２０１０年面积达到 ３０６．９４ ｈｍ２ ［１４］。
１．２ 研究方法
图 １ 采样点示意图
Ｆｉｇ． １ Ｍａｐ ｏｆ ｓａｍｐｌｉｎｇ ｓｉｔｅｓ
１．２．１ 样品采集
潮汐是河口湿地最显著的特征之一，其对土壤磷的
源和汇起到重要作用。 为使得所采集的土壤样本具有
代表性。 于 ２０１３年 ５月在闽江口鳝鱼滩湿地选取典型
潮滩，沿水文梯度设置样线（横跨高潮滩和中潮滩，图
１），采集 １６个样点（每 ２个样点间距 ２０ ｍ）。 每个样点
利用钢制土钻（长 ８０ ｃｍ，直径 １０ ｃｍ）采集土壤样品，并
进一步分割出不同深度（０—１０ ｃｍ、１０—２０ ｃｍ、２０—３０
ｃｍ、３０—４０ ｃｍ和 ４０—５０ ｃｍ）土样。 将所采集的土壤样
品在室温条件下自然风干，过 ２ ｍｍ 尼龙筛，并去除明
显可见的根系。 然后取一部分过 ２ ｍｍ 筛土样，全部过
０．１４９ ｍｍ 筛，保存，待测。 土壤有机质用浓 Ｈ２ ＳＯ４⁃
Ｋ２Ｃｒ２Ｏ７外加热法测定。 土壤 ＴＰ 含量采用浓 Ｈ２ ＳＯ４⁃
ＨＣｌＯ４消煮法测定［１５］；用 １ ｍｏｌ ／ Ｌ的 Ｈ２ＳＯ４振荡 １６ ｈ浸
提，然后将灼烧（５５０ ℃，１ ｈ）与未灼烧的土样相减，作
为有机磷（Ｏｒｇ Ｐ） ［１６］；无机磷（ＩＰ）的连续分级方法参考 Ｃｈａｎｇ ａｎｄ Ｊａｃｋｓｏｎ［１７］，将 ＩＰ 进一步分为铝吸附态磷
（Ａｌ⁃Ｐ）、铁吸附态磷（Ｆｅ⁃Ｐ）、钙吸附态磷（Ｃａ⁃Ｐ）和闭蓄态磷（Ｏ⁃Ｐ），每组实验同时做空白对照实验。 不同形
态磷在浸提后用连续流动分析仪（Ｓａｎ＋＋，荷兰）测定，每个样品做 ２个平行，误差小于 ５％。
１．２．２ 土壤反射光谱测定
土壤反射光谱利用美国 ＡＳＤ （Ａｎａｌｙｔｉｃａ Ｓｐｅｃｔｒａ Ｄｅｖｉｃｅｓ．， Ｉｎｃ）公司生产的 ＦｉｅｌｄＳｐｅｃ２５００进行测定。 测量
波段范围为 ３５０—２５００ ｎｍ，其中在 ３５０—１０００ ｎｍ光谱分辨率为 ３ ｎｍ，光谱间隔为 １．４ ｎｍ；在 １０００—２５００ ｎｍ
光谱分辨率为 １０ ｎｍ，光谱间隔为 ２ ｎｍ。 利用 ＢＲＤＦ系统建立相应的测试环境：探头垂直向下，视场角 ２５°，距离
土壤样品（０．１４９ ｍｍ）表面约为 １２ ｃｍ，光源使用光谱仪配套功率为 ５０ Ｗ的卤素灯，入射天顶角设置为 ４５°，入射
方位角 ０°，观测天顶角 ０°。 测定时，将土壤样品平铺（厚度约为 ０．５ ｃｍ，直径约为 １０ ｃｍ）放置于对采集波段接近
全吸收的工作台上，测定其反射光谱，同时为确保测量精度，每次测定保存 ８条光谱，３０ ｍｉｎ进行一次白板校正。
１．２．３ 统计分析
使用 ＶｉｅｗＳｐｅｃ软件中的 Ｓｐｌｉｃｅ Ｃｏｒｒｅｃｔｉｏｎ修正功能对土壤反射光谱数据进行修正；使用均值平滑对光谱
进行平滑处理；利用 ＳＰＳＳ １７．０计算土壤 ＴＰ 含量和反射光谱，ＴＰ 含量和光谱指数之间的相关关系，并基于回
归分析法建立估算和验证模型；利用 Ｓｕｒｆｅｒ ８．０ 和 Ｏｒｉｇｉｎ ８．０作图。 在 ８０个样本中随机挑选出 １２个样本作为
验证模型样本，剩余 ６８个样本作为估算模型样本。 用 ＳＰＳＳ １７．０ 中 Ｄｅｓｃｒｉｐｔｉｖｅ ｓｔａｔｉｓｔｉｃｓ模块对估算和验证模
型样本的 ＴＰ 含量分布进行检验，检验结果如表 １所示。 表 １表明估算和验证模型样本均通过随机分布检验。
表 １ ＴＰ含量分布特征
Ｔａｂｌｅ １ Ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ
模型 Ｍｏｄｅｌ 样本数ｎ
最小值 ／ （ｇ ／ ｋｇ）
Ｍｉｎｉｍｕｍ
最大值 ／ （ｇ ／ ｋｇ）
Ｍａｘｉｍｕｍ
均值 ／ （ｇ ／ ｋｇ）
Ｍｅａｎ
标准差 ／ （ｇ ／ ｋｇ）
Ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ
ＰＳｈａｐｉｒｏ⁃Ｗｉｌｋ
估算 Ｅｓｔｉｍａｔｉｏｎ ６８ ０．３８ ０．９１ ０．６６ ０．１１６ ０．４８４
验证 Ｖａｌｉｄａｔｉｏｎ １２ ０．５７ ０．８１ ０．６７ ０．０６７ ０．５６５
７８０８ ２４期 章文龙 等：闽江河口湿地土壤全磷高光谱遥感估算
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
１．２．４ 光谱指数定义
表 ２ 参数意义
Ｔａｂｌｅ ２ Ｐａｒａｍｅｔｅｒｓ ｄｅｆｉｎｉｔｉｏｎ
参数
Ｐａｒａｍｅｔｅｒｓ
定义
Ｄｅｆｉｎｉｔｉｏｎ
文献
Ｒｅｆｅｒｅｎｃｅｓ
Ｒλ 在波段 λ处的土壤反射光谱 ———
ＲＳＩ（Ｒｉ， Ｒ ｊ） ＲＳＩ＝Ｒ ｊ ／ Ｒｉ 本文
ＮＤＳＩ（Ｒｉ， Ｒ ｊ） ＮＤＳＩ＝（Ｒ ｊ－Ｒｉ） ／ （Ｒｉ＋Ｒ ｊ） 本文
ＯＩＩ（Ｒλ） ＯＩＩ （Ｒλ） ＝ Ｒλ ／ Ｒ４５０—７５０ ［３］
Ｒ：土壤原始光谱反射率 ｏｒｉｇｉｎａｌ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ；ＲＳＩ：简单
比值土壤指数 ｓｉｍｐｌｅ ｒａｔｉｏ ｓｏｉｌ ｉｎｄｅｘ；ＮＤＳＩ：归一化差值土壤指数
ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｓｏｉｌ ｉｎｄｅｘ；ＯＩＩ：有机质诊断指数 ｏｒｇａｎｉｃ ｍａｔｔｅｒ
ｄｉａｇｎｏｓｉｓ ｉｎｄｅｘ
光谱指数被认为是估算土壤养分信息的重要手段
之一，其不仅简单便于应用，而且与原始反射光谱（Ｒ）
相比，可一定程度降低噪声，提高估算的稳定性。 本研
究中，土壤 ＴＰ 含量与 Ｒ 在 ３５０—６００ ｎｍ 呈负相关，在
６００—２５００ ｎｍ 呈正相关（图 ３），这与植物生物量和归
一化植被指数（ＮＤＶＩ）和简单比植被指数（ＳＲ）的关系
相似。 因此，考虑构建简单比值土壤指数（ＲＳＩ）和归一
化差值土壤指数（ＮＤＳＩ）作为土壤 ＴＰ 含量的估算参数。
此外，土壤 ＴＰ 含量估算的机理可能同有机质的存在相
似之处。 因此，进一步选取土壤有机质诊断指数（ＯＩＩ）
作为其估算参数。 各估算参数的定义如表 ２。
１．２．５ 检验方法
为衡量各参数的估算精度，分别选取均方根误差（ＲＭＳＥ）和决定系数（ ｒ２）作为评价指标。 在样本数相同
的条件下，一般认为 ｒ２越大，ＲＭＳＥ越小，估算精度越高。 ＲＭＳＥ计算公式如公式（１）。
ＲＭＳＥ ＝ １
ｎ∑
ｎ
ｉ ＝ １
（ｙｉ － ｙ＾） （１）
式中，ｙｉ 为实测值，ｙ＾为估算值，ｉ为样点号，ｎ为样本数。
２ 结果与分析
２．１ 土壤反射光谱特征
闽江河口湿地土壤反射率在 ３５０—８００ ｎｍ上升较快，在 ８００ ｎｍ以后反射率趋于平稳，并在 １３８０、１８８０ ｎｍ
和 ２２００ ｎｍ 附近出现吸收谷（图 ２）。 此外，为对比不同深度土壤光谱特征，分别计算不同深度土壤反射率的
平均值（图 ２）。 图 ２表明，在 ３５０—５８０ ｎｍ处，越深的土壤，其反射率越大；在 ５８０—２５００ ｎｍ则与之相反。
图 ２ 土壤反射光谱特征
Ｆｉｇ． ２ Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｓｏｉｌ ｒｅｆｌｅｃｔａｎｃｅ
２．２ 土壤 ＴＰ 含量估算的最佳波段选取
２．２．１ 基于 Ｒ和 ＯＩＩ土壤 ＴＰ 含量估算的最佳波段选取
闽江河口湿地土壤 ＴＰ 含量与 Ｒ在 ３５０—６００ ｎｍ呈负相关，在 ６００—２５００ ｎｍ 呈正相关，相关系数在 ４０６
ｎｍ处达到最大，最大值为－０．８１６（图 ２）。 不同波段反射率计算的 ＯＩＩ与 ＴＰ 含量的相关系数在 ３５０—２５００ ｎｍ
范围内存在两个极值，一个在 ４４６ ｎｍ，一个在 ６３４ ｎｍ，值分别为－０．８４３和 ０．７９８（图 ２）。 因此，考虑 ＯＩＩ（Ｒ４４６）
８８０８ 生 态 学 报 ３５卷
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
作为土壤 ＴＰ 含量的估算参数。
图 ３ 土壤 ＴＰ含量与 Ｒ（ａ）及 ＯＩＩ（ｂ）相关系数 （ｎ＝ ８０）
Ｆｉｇ． ３ Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ Ｒ ａｎｄ ＴＰ （ａ）， ＯＩＩ ａｎｄ ＴＰ （ｂ） （ｎ＝ ８０）
２．２．２ 基于 ＮＤＳＩ和 ＲＳＩ土壤 ＴＰ 含量估算的最佳波段选取
图 ３ａ表明，在 １０００ ｎｍ以后，土壤 ＴＰ 含量与 Ｒ的相关系数较小，且噪音较大。 因此，选取 ３５０—１０００ ｎｍ
内的波段作为 ＮＤＳＩ和 ＲＳＩ的计算波段。 任意两个波段组合计算所得的 ＮＤＳＩ与土壤 ＴＰ 含量，ＲＳＩ与土壤 ＴＰ
含量的相关系数分布如图 ４ 所示。 由图 ４ 可以看出 ＮＤＳＩ 和 ＲＳＩ 与土壤 ＴＰ 含量的相关系数分布大致相似。
相关系数较高的波段组合主要集中在 ３个区域。 一是 ４２０—４４０ ｎｍ 与 ５９０—１０００ ｎｍ 的波段组合，最佳估算
参数分别为 ＮＤＳＩ（Ｒ４３０， Ｒ８３０）和 ＲＳＩ（Ｒ４３０， Ｒ８３０），最大相关系数均为 ０．８３５。 二是 ４６０—４７０ ｎｍ 与 ５９０—１０００
ｎｍ的波段组合，最佳估算参数分别为 ＮＤＳＩ（Ｒ４６０， Ｒ８３０）和 ＲＳＩ（Ｒ４６０， Ｒ８１０），最大相关系数分别为－０．８１３ 和
－０．８１２。 另一个是 ５５０—５９０ ｎｍ内波段组合，最佳估算参数分别为 ＮＤＳＩ（Ｒ５６０， Ｒ５８０）和 ＲＳＩ（Ｒ５６０， Ｒ５８０），相关
系数均为 ０．８３２。 此外，对比图 ４进一步表明，对 ＮＤＳＩ 而言，各波段组合估算精度是对称的，ＲＳＩ 则不是完全
对称。
图 ４ 土壤 ＴＰ含量与 ＮＤＳＩ（ａ）和 ＲＳＩ（ｂ）相关系数分布图 （ｎ＝ ８０）
Ｆｉｇ． ４ Ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ＮＤＳＩ ａｎｄ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ （ａ）， ＲＳＩ ａｎｄ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ （ｂ） （ｎ＝ ８０）
２．３ 土壤 ＴＰ 含量估算模型构建与验证
基于选取的光谱指数分别建立高、中和整个潮滩样本土壤 ＴＰ 含量估算与验证模型，结果如表 ３ 所示。
表 ３表明所选取的光谱指数均能较好的用于不同潮滩及整个潮滩样本 ＴＰ 含量的估算（估算与验证模型均通
过了置信水平为 ０．０５的检验）。 进一步比较同一指数对不同潮滩样本 ＴＰ 含量的估算精度发现，将高潮滩和
９８０８ ２４期 章文龙 等：闽江河口湿地土壤全磷高光谱遥感估算
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
中潮滩样本分开，分别建立估算模型，能够提高部分光谱指数（如 ＲＳＩ（Ｒ４３０， Ｒ８３０）、ＲＳＩ（Ｒ４６０， Ｒ８１０）和 ＮＤＳＩ
（Ｒ４３０， Ｒ８３０））的估算精度，而对其他指数的估算精度影响不大。 因此，除部分指数外，可以考虑用整个潮滩样
本建立 ＴＰ 含量估算与验证模型。 本研究中，整个潮滩样本 ＴＰ 含量估算模型 ｒ２和 ＲＭＳＥ分别在 ０．６５７—０．８０５
和 ０．０５２—０．０６７之间；验证模型 ｒ２和 ＲＭＳＥ 分别在 ０．６０６—０．８９３ 和 ０．０３７—０．０４４ 之间。 综合 ｒ２和 ＲＭＳＥ 表
明，ＲＳＩ（Ｒ４３０， Ｒ８３０）、ＮＤＳＩ（Ｒ４３０， Ｒ８３０）、ＲＳＩ（Ｒ５６０， Ｒ５８０）、ＮＤＳＩ（Ｒ５６０， Ｒ５８０）和 ＯＩＩ（Ｒ４４６）的估算精度略高于其他
参数。
表 ３ 土壤 ＴＰ含量估算与验证模型
Ｔａｂｌｅ ３ Ｓｏｉｌ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌ ａｎｄ ｉｔｓ ｖａｌｉｄａｔｉｏｎ
样本 Ｓａｍｐｌｅ
估算模型 Ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌ 验证模型 Ｖａｌｉｄａｔｉｏｎ Ｍｏｄｅｌ
变量
Ｖａｒｉａｂｌｅ
方程
Ｅｑｕａｔｉｏｎ ｒ
２ 均方根误差
ＲＭＳＥ ｒ
２ 均方根误差
ＲＭＳＥ
高潮滩 Ｒ４０６ ｙ ＝－１０．０５４ｘ＋１．９４６ ０．７５１∗∗ ０．０７０ ０．９４６∗∗ ０．０４３
Ｈｉｇｈ ｔｉｄａｌ ｆｌａｔ ＲＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝－３．２８１ｘ＋１．９１８ ０．７４５∗∗ ０．０７１ ０．７０９∗ ０．０５８
（Ｔ＝ ３９， Ｖ＝ ６） ＲＳＩ（Ｒ４６０， Ｒ８１０） ｙ＝－３．１１７ｘ＋２．０９ ０．７３９∗∗ ０．０７１ ０．７９３∗∗ ０．０４９
ＲＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝－１３．９３３ｘ＋１３．６５９ ０．７２∗∗ ０．０７４ ０．８８５∗∗ ０．０４８
ＮＤＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝ ３．１２１ｘ－０．７３４ ０．７４∗∗ ０．０７１ ０．７１５∗ ０．０５８
ＮＤＳＩ（Ｒ４６０， Ｒ８３０） ｙ＝ ３．３３ｘ－０．５９３ ０．７４１∗∗ ０．０７１ ０．８０８∗∗ ０．０４９
ＮＤＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝ ２５．９８３ｘ－０．２４２ ０．７１９∗∗ ０．０７４ ０．８８５∗∗ ０．０４８
ＯＩＩ（Ｒ４４６） ｙ＝－３．１３２ｘ＋２．５０８ ０．７２６∗∗ ０．０７３ ０．６６２∗ ０．０５６
中潮滩 Ｒ４０６ ｙ＝－５．９４７ｘ＋１．４１４ ０．３１８∗∗ ０．０５６ ０．６３１∗ ０．０４３
Ｍｉｄｄｌｅ ｔｉｄａｌ ｆｌａｔ ＲＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝－２．５５２ｘ＋１．６７５ ０．７３９∗∗ ０．０３５ ０．６８４∗ ０．０５８
（Ｔ＝ ２９， Ｖ＝ ６） ＲＳＩ（Ｒ４６０， Ｒ８１０） ｙ＝－２．４６２ｘ＋１．８４１ ０．６９０∗∗ ０．０３８ ０．８２６∗∗ ０．０４９
ＲＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝－１２．７４６ｘ＋１２．５７１ ０．６０４∗∗ ０．０４３ ０．９１２∗∗ ０．０４８
ＮＤＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝ ２．４８４ｘ－０．４１１ ０．７４０∗∗ ０．０３５ ０．６８９∗ ０．０５８
ＮＤＳＩ（Ｒ４６０， Ｒ８３０） ｙ＝ ２．６７７ｘ－０．２９３ ０．６８２∗∗ ０．０３８ ０．８２６∗∗ ０．０４９
ＮＤＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝ ２３．８０５ｘ－０．１４６ ０．６０３∗∗ ０．０４３ ０．９１２∗∗ ０．０４８
ＯＩＩ（Ｒ４４６） ｙ＝－２．５３５ｘ＋２．１７６ ０．７２０∗ ０．０３６ ０．６５ ０．０５６
全部 Ｒ４０６ ｙ＝－９．３０２ｘ＋１．８４６ ０．６６５∗∗ ０．０６６ ０．８３３∗∗ ０．０４４
Ｔｏｔａｌ ＲＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝－２．９６７ｘ＋１．８１６ ０．７０２∗∗ ０．０６３ ０．７０１∗∗ ０．０４２
（Ｔ＝ ６８， Ｖ＝ １２） ＲＳＩ（Ｒ４６０， Ｒ８１０） ｙ＝－２．７０６ｘ＋１．９２５ ０．６６∗∗ ０．０６７ ０．７６８∗∗ ０．０３８
ＲＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝－１３．５８３ｘ＋１３．３４２ ０．６９４∗∗ ０．０６３ ０．８９３∗∗ ０．０３７
ＮＤＳＩ（Ｒ４３０， Ｒ８３０） ｙ＝ ２．８２９ｘ－０．５８５ ０．６９８∗∗ ０．０６３ ０．７０５∗∗ ０．０４２
ＮＤＳＩ（Ｒ４６０， Ｒ８３０） ｙ＝ ２．８８５ｘ－０．４０１ ０．６５７∗∗ ０．０６７ ０．７７６∗∗ ０．０３８
ＮＤＳＩ（Ｒ５６０， Ｒ５８０） ｙ＝ ２５．３２６ｘ－０．２１０ ０．６９２∗∗ ０．０６４ ０．８９３∗∗ ０．０３７
ＯＩＩ（Ｒ４４６） ｙ＝－２．９６５ｘ＋２．４２０ ０．７１２∗∗ ０．０６２ ０．６３９∗∗ ０．０４１
∗Ｐ＜０．０５，∗∗Ｐ＜０．０１，Ｔ：建模样本数，Ｖ：验证样本数
为进一步验证各光谱指数对土壤 ＴＰ 含量的估算效果，以 ＲＳＩ（Ｒ４３０， Ｒ８３０）、ＲＳＩ（Ｒ５６０， Ｒ５８０）和 ＯＩＩ（Ｒ４４６）为
例，绘制其估算模型和验证模型散点图（整个潮滩），结果如图 ５ 所示。 图 ５ 表明，所选取的参数均能较好的
估算土壤 ＴＰ 含量。 与其他估算参数相比，ＲＳＩ（Ｒ４３０， Ｒ８３０）的散点分布较为特殊，存在一些较为离散的样本
（ＴＰ 含量估算值比实测值偏高），并且这些样本主要来自高潮滩 ２０ ｃｍ以下样本。
３ 讨论
３．１ 湿地土壤 ＴＰ 含量高光谱遥感估算机理
为探讨河口湿地土壤 ＴＰ 含量的高光谱遥感估算机理，将土壤 ＴＰ 含量与有机质含量做相关分析（图
６ａ）。 从整个潮滩样本来看，ＴＰ 含量与有机质含量存在极显著相关（ ｒ２ ＝ ０．２５４，ｎ＝ ８０，Ｐ＜０．０１），但高潮滩和中
０９０８ 生 态 学 报 ３５卷
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 ５ 土壤 ＴＰ含量估算（ａ）与验证（ｂ）模型
Ｆｉｇ． ５ Ｔｈｅ ｅｓｔｉｍａｔｉｏｎ （ａ） ａｎｄ ｖａｌｉｄａｔｉｏｎ （ｂ） ｍｏｄｅｌｓ ｆｏｒ ｓｏｉｌ ｔｏｔａｌ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ ｅｓｔｉｍａｔｉｏｎ
潮滩样本两者之间关系存在一定差异。 高潮滩样本 ＴＰ 和有机质含量变幅较大，且两者相关性较高（ ｒ２ ＝
０．５０５，ｎ＝ ４５，Ｐ＜０．０１）；中潮滩 ＴＰ 和有机质含量变幅减小，两者相关性也相应减弱（ ｒ２ ＝ ０．０２７，ｎ ＝ ３５，Ｐ＞
０．０５）。 而表 ３表明，基于光谱指数分别建立高潮滩和中潮滩土壤 ＴＰ 含量估算模型是可行的。 由此可知，湿
地土壤 ＴＰ 含量的高光谱遥感估算的机理与有机质的存在一定的相似之处，但并不完全与之一致。 湿地氧化
还原环境的空间变化可能是影响土壤 ＴＰ 含量高光谱遥感估算精度的另外一个重要因素。 徐金鸿等［１８］指出，
氧化铁能强烈吸收太阳能，当氧化铁含量较高时，其光谱反射率则越低。 Ｌｕｏ 等［１９］对闽江河口沿潮滩铁分级
特征进行研究指出，从高潮滩到中潮滩铁的分布存在明显的分带，随深度增加或者从高潮滩到中潮滩，土壤氧
化铁含量具有显著降低的变化趋势。 在此条件下，表层土壤与底层土壤相比，其光谱反射率较低；而土壤 ＴＰ
含量则随深度增加而降低，从而使得土壤 ＴＰ 含量与反射光谱之前呈负相关关系。 本研究虽然没有直接测定
土壤氧化还原条件，但 Ｆｅ⁃Ｐ 的含量可以一定程度表征土壤的氧化还原环境。 图 ６ 表明，Ｆｅ⁃Ｐ 含量较其它形
态磷在可见光波段具有较高的相关系数，这也间接证明了氧化还原环境变化是估算河口湿地土壤 ＴＰ 含量的
重要机制。 此外，土壤 ＴＰ 含量的高光谱遥感估算还与磷素的组成密切相关（图 ６）。 当 Ｆｅ⁃Ｐ、Ｏｒｇ⁃Ｐ 和 Ｏ⁃Ｐ 比
重较高时，湿地土壤 ＴＰ 含量的估算具有较高的精度；当 Ｃａ⁃Ｐ 和 Ａｌ⁃Ｐ 比重较大时，则估算精度将会有所降低。
３．２ 湿地土壤 ＴＰ 含量高光谱遥感估算敏感波段及估算精度
闽江河口湿地土壤 ＴＰ 含量与 Ｒ 在 ３５０—６００ ｎｍ 呈负相关，在 ６００—２５００ ｎｍ 呈正相关，相关系数在
３６０—５６０ ｎｍ较高（图 ３ａ）。 这一研究结果与张娟娟［６］对中国中、东部地区 ５种不同类型土壤 ＴＰ 含量与反射
光谱的相关关系（在 ３５０—４００ ｎｍ正相关，其它波段负相关）不一致；同时这也与徐丽华等［５］对紫色土进行研
究的结果也不一致。 产生这种差异可能是因为不同土壤类型 ＴＰ 含量估算的机理及影响因素不同。 与陆地
生态系统土壤相比，湿地土壤尤为特殊，其土壤随深度的变化，氧化还原环境随之发生明显变化，有机质含量
１９０８ ２４期 章文龙 等：闽江河口湿地土壤全磷高光谱遥感估算
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 ６ 土壤 ＴＰ含量与有机质相关关系及不同形态磷与土壤反射光谱相关关系（ｎ＝ ８０）
Ｆｉｇ． ６ Ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｓｏｉｌ ＴＰ ｃｏｎｔｅｎｔ ａｎｄ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ｃｏｎｔｅｎｔ， ｐｈｏｓｐｈｏｒｕｓ ｆｒａｃｔｉｏｎｓ ｃｏｎｔｅｎｔ ａｎｄ ｓｏｉｌ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ （ｎ＝ ８０）
也发生相应变化，这为 ＴＰ 的估算提供重要的机制。 另一方面，闽江口位于亚热带区域，水热条件比较好，岩
石受强烈风化，铁铝矿物相对富集，Ｆｅ⁃Ｐ 是土壤 ＴＰ 的重要组分；Ｆｅ⁃Ｐ 对氧化环境的变化较为敏感，从而为湿
地土壤 ＴＰ 估算提供重要估算机理。 与本研究相比，中国中、东部地区以及紫色土土壤，磷可能主要来源于土
壤矿物的风化；同时这些土壤的氧化与还原环境变化不如湿地的明显。 在此背景下，其土壤 ＴＰ 含量估算的
敏感波段与精度与湿地土壤的有所不同。 进一步将本研究中土壤 ＴＰ 含量的估算精度与其他生态系统土壤
的比较，表明闽江口湿地土壤 ＴＰ 含量高光谱反演精度要优于已有报道中一些陆地生态系统土壤 ＴＰ 含量的
估算精度［６， ２０］。 这也预示着，基于高光谱手段对河口湿地土壤 ＴＰ 含量进行反演具有一定的可行性。
此外，本研究还发现基于 ＲＳＩ（Ｒ４３０， Ｒ８３０）估算土壤 ＴＰ 含量时存在一些较为离散的样本，这些样本主要为
高潮滩 ２０ ｃｍ以下样本。 这可能同这些样本有机质含量较同一深度其它土壤低有关。 一般而言，土壤有机质
含量较低，可见光反射率则较高，近红外波段反射率则较低［６］，从而造成近红外与可见光比值偏低，而
ＲＳＩ（Ｒ４３０， Ｒ８３０）又与土壤 ＴＰ 含量呈负相关关系，最终导致估算值比实测值偏高。
４ 结论
通过选取常用估算参数，确定其最佳估算波段，构建闽江口湿地土壤 ＴＰ 含量估算模型，并同已有相关研
究进行比较，得到以下几点结论：
（１）闽江河口湿地土壤 ＴＰ 含量与 Ｒ存在较好的相关性，相关系数较高的区域在 ３６０—５６０ ｎｍ；但这些敏
感波段与已有报道中陆地生态系统土壤的敏感波段不尽一致。
（２）光谱指数 Ｒ４０６、ＲＳＩ（Ｒ４３０， Ｒ８３０）、ＲＳＩ（Ｒ４６０， Ｒ８１０）、ＲＳＩ（Ｒ５６０， Ｒ５８０）、ＮＤＳＩ（Ｒ４３０， Ｒ８３０）、ＮＤＳＩ （Ｒ４６０，
Ｒ８３０）、ＮＤＳＩ（Ｒ５６０， Ｒ５８０）和 ＯＩＩ（Ｒ４４６）均能较好的估算闽江口湿地土壤 ＴＰ 含量，且分潮滩建立模型可以提高部
分光谱指数的估算精度。
（３）湿地土壤 ＴＰ 含量和有机质含量，ＴＰ 含量和氧化还原环境存在密切关系可能是估算湿地土壤 ＴＰ 含
量的重要机理。
（４）湿地土壤 ＴＰ 含量的高光谱遥感估算的精度与其自身磷素的组成密切相关。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［ １ ］ 仝川， 贾瑞霞， 王维奇， 曾从盛． 闽江口潮汐盐沼湿地土壤碳氮磷的空间变化． 地理研究， ２０１０， ２９（７）： １２０３⁃１２１３．
［ ２ ］ 徐明星， 周生路， 丁卫， 吴绍华， 吴巍． 苏北沿海滩涂地区土壤有机质含量的高光谱预测． 农业工程学报， ２０１１， ２７（２）： ２１９⁃２２３．
［ ３ ］ 贺军亮， 蒋建军， 周生路， 徐军， 蔡海良， 张春耀． 土壤有机质含量的高光谱特性及其反演． 中国农业科学， ２００７， ４０（３）： ６３８⁃６４３．
［ ４ ］ 彭杰， 向红英， 周清， 王家强， 柳维扬， 迟春明， 庞新安． 不同类型土壤全氮含量的高光谱预测研究． 中国农学通报， ２０１３， ２９（９）：
１０５⁃１１１．
２９０８ 生 态 学 报 ３５卷
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
［ ５ ］ 徐丽华， 谢德体， 魏朝富， 李兵． 紫色土土壤全氮和全磷含量的高光谱遥感预测． 光谱学与光谱分析， ２０１３， ３３（３）： ７２３⁃７２７．
［ ６ ］ 张娟娟． 土壤养分信息的光谱估测研究［Ｄ］． 南京： 南京农业大学， ２００９．
［ ７ ］ 袁石林， 马天云， 宋韬， 何勇， 鲍一丹． 土壤中总氮与总磷含量的近红外光谱实时检测方法． 农业机械学报， ２００９， ４０（Ｚ１）： １５０⁃１５３．
［ ８ ］ Ｂｏｇｒｅｋｃｉ Ｉ， Ｌｅｅ Ｗ Ｓ． Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｕｌｔｒａｖｉｏｌｅｔ， ｖｉｓｉｂｌｅ， ａｎｄ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｅｎｓｉｎｇ ｆｏｒ ｓｏｉｌ ｐｈｏｓｐｈｏｒｕｓ． Ｂｉｏｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ， ２００７， ９６（２）：
２９３⁃２９９．
［ ９ ］ Ｂｏｇｒｅｋｃｉ Ｉ， Ｌｅｅ Ｗ Ｓ， Ｈｅｒｒｅｒａ Ｊ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｐ⁃ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｔｈｅ Ｌａｋｅ Ｏｋｅｅｃｈｏｂｅｅ ｄｒａｉｎａｇｅ ｂａｓｉｎｓ ｗｉｔｈ ｓｐｅｃｔｒｏｓｃｏｐｉｃ ｒｅｆｌｅｃｔａｎｃｅ ｏｆ ＶＩＳ ａｎｄ
ＮＩＲ． ２００３ ＡＳＡＥ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ， ２００３．
［１０］ 高会， 陈红艳， 刘慧涛， 谭莉梅， 刘金铜． 基于高光谱的鲁西北平原土壤有效磷含量快速检测研究． 中国生态农业学报， ２０１３， ２１（６）：
７５２⁃７５７．
［１１］ 王昶， 黄驰超， 余光辉， 冉炜， 沈其荣． 近红外光谱结合偏最小二乘法快速评估土壤质量． 土壤学报， ２０１３， ５０（５）： ８８１⁃８９０．
［１２］ Ｔｏｎｇ Ｃ， Ｗａｎｇ Ｗ Ｑ， Ｚｅｎｇ Ｃ Ｓ， Ｍａｒｒｓ Ｒ． Ｍｅｔｈａｎｅ （ＣＨ４ ） ｅｍｉｓｓｉｏｎ ｆｒｏｍ ａ ｔｉｄａｌ ｍａｒｓｈ ｉｎ ｔｈｅ Ｍｉｎ Ｒｉｖｅｒ ｅｓｔｕａｒｙ， ｓｏｕｔｈｅａｓｔ Ｃｈｉｎ． Ｊｏｕｒｎａｌ ｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｈｅａｌｔｈ， Ｐａｒｔ Ａ： Ｔｏｘｉｃ ／ Ｈａｚａｒｄｏｕｓ Ｓｕｂｓｔａｎｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１０， ４５（４）： ５０６⁃５１６．
［１３］ 刘剑秋． 闽江河口湿地研究． 北京： 科学出版社， ２００６．
［１４］ Ｚｈａｎｇ Ｗ Ｌ， Ｚｅｎｇ Ｃ Ｓ， Ｔｏｎｇ Ｃ， Ｚｈａｎｇ Ｚ Ｃ， Ｈｕａｎｇ Ｊ Ｆ． Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｅｘｐａｎｄｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ｔｈｅ ｓｐａｒｔｉｎａ ａｌｔｅｒｎｉｆｌｏｒａ ｓａｌｔ ｍａｒｓｈ ｉｎ Ｓｈａｎｙｕｔａｎ
ｗｅｔｌａｎｄ， Ｍｉｎｊｉａｎｇ Ｒｉｖｅｒ Ｅｓｔｕａｒｙ ｂｙ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ． Ｐｒｏｃｅｄｉａ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ， ２０１１， １０： ２４７２⁃２４７７．
［１５］ Ｐａｒｋｉｎｓｏｎ Ｊ Ａ， Ａｌｌｅｎ Ｓ Ｅ． Ａ ｗｅｔ ｏｘｉｄａｔｉｏｎ ｐｒｏｃｅｄｕｒｅ ｓｕｉｔａｂｌｅ ｆｏｒ ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｎｉｔｒｏｇｅｎ ａｎｄ ｍｉｎｅｒａｌ ｎｕｔｒｉｅｎｔｓ ｉｎ ｂｉｏｌｏｇｉｃａｌ ｍａｔｅｒｉａｌ．
Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｓｏｉｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｐｌａｎｔ Ａｎａｌｙｓｉｓ， １９７５， ６（１）： １⁃１１．
［１６］ Ｗａｌｋｅｒ Ｔ Ｗ， Ａｄａｍｓ Ａ Ｆ Ｒ． Ｓｔｕｄｉｅｓ ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ： Ｉ． Ｉｎｆｌｕｅｎｃｅ ｏｆ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｔｅｎｔ ｏｆ ｐａｒｅｎｔ ｍａｔｅｒｉａｌｓ ｏｎ ａｃｃｕｍｕｌａｔｉｏｎｓ ｏｆ ｃａｒｂｏｎ，
ｎｉｔｒｏｇｅｎ， ｓｕｌｆｕｒ， ａｎｄ ｏｒｇａｎｉｃ ｐｈｏｓｐｈｏｒｕｓ ｉｎ ｇｒａｓｓｌａｎｄ ｓｏｉｌｓ． Ｓｏｉｌ Ｓｃｉｅｎｃｅ， １９５８， ８５（６）： ３０７⁃３１８．
［１７］ Ｃｈａｎｇ Ｓ Ｃ， Ｊａｃｋｓｏｎ Ｍ Ｌ． Ｆｒａｃｔｉｏｎａｔｉｏｎ ｏｆ ｓｏｉｌ ｐｈｏｓｐｈｏｒｕｓ． Ｓｏｉｌ Ｓｃｉｅｎｃｅ， １９５７， ８４（２）： １３３⁃１４４．
［１８］ 徐金鸿， 徐瑞松， 夏斌， 朱照宇． 土壤遥感监测研究进展． 水土保持研究， ２００６， １３（２）： １７⁃２０．
［１９］ Ｌｕｏ Ｍ， Ｚｅｎｇ Ｃ Ｓ， Ｔｏｎｇ Ｃ， Ｈｕａｎｇ Ｊ Ｆ， Ｙｕ Ｑ， Ｇｕｏ Ｙ Ｂ， Ｗａｎｇ Ｓ Ｈ． Ａｂｕｎｄａｎｃｅ ａｎｄ ｓｐｅｃｉａｔｉｏｎ ｏｆ ｉｒｏｎ ａｃｒｏｓｓ ａ ｓｕｂｔｒｏｐｉｃａｌ ｔｉｄａｌ ｍａｒｓｈ ｏｆ ｔｈｅ Ｍｉｎ
Ｒｉｖｅｒ Ｅｓｔｕａｒｙ ｉｎ ｔｈｅ Ｅａｓｔ Ｃｈｉｎａ Ｓｅａ． Ａｐｐｌｉｅｄ Ｇｅｏｃｈｅｍｉｓｔｒｙ， ２０１４， ４５： １⁃１３．
［２０］ 陈鹏飞， 刘良云， 王纪华， 沈涛， 陆安祥， 赵春江． 近红外光谱技术实时测定土壤中总氮及磷含量的初步研究． 光谱学与光谱分析，
２００８， ２８（２）： ２９５⁃２９８．
３９０８ ２４期 章文龙 等：闽江河口湿地土壤全磷高光谱遥感估算