第七届青年地学论坛

土壤有机质（SOM，Soil Organic Matter）的动态变化不仅影响农业生态系统稳定，而且与大气圈、生物圈的碳循环密切相关，对土壤有机碳的大规模快速监测和碳储量核算具有举足轻重的意义。目前国内SOM高光谱反演研究多集中在东北平原、东部农业区、东南丘陵和新疆南部等，针对青藏高原腹地，特别是三江源区土壤有机质高光谱反演研究较少。该区域恶劣的自然环境导致SOM大面积野外监测困难，然而作为江河源头，有机质的大面积监测，对整个流域生态安全和土壤修复有着举足轻重的作用，因此，通过高光谱遥感估算土壤有机质含量就成为一个重要途径。
目前，在反演土壤有机质含量方面，使用最多的为室外土壤采样、室内光谱检测相结合。本研究基于实测SOM含量和室内ASD Field Spec地物光谱仪检测得到的光谱数据，参考国内外研究成果，采用一阶微分（FD）、二阶微分(SD)、倒数对数(LR)和去包络线(CR)等进行光谱数据变换，并通过线性回归模型中较优的最小偏二乘回归（PLSR）和非线性的支持向量机回归（SVM）、随机森林算法（RF）对三江源区土壤有机质含量进行建模，从而根据反演结果探究精度最高的光谱变换和模型组合。结果表明：
（1）除二阶微分变换以外，RF模型在其余4种数据变换中的预测精度均高于PLSR和SVM。总体上，SOM反演效果理想，R²最低为0.5294，其中LR-RF组合预测效果最佳（R² = 0.8565），说明利用高光谱数据反演SOM含量具有可行性。
（2）基于遥感影像分别进行土壤有机质全波段和特征波段反演，特征波段的模型预测能力明显优于全波段。特征波段估算结果显示3种模型的模拟精度为SVM>RF>PLSR，其中SD-SVM=组合预测能力最佳（R²=0.8551）。SOM含量全波段反演中，大部分数据变换后RF和SVM模型的反演效果优于PLSR，且最佳数据变换和模型组合为FD-RF（R²=0.7939）；说明高光谱遥感影像能很好的反演大面积的土壤有机质，促进大尺度动态化的陆地碳核算。
本研究可为高寒地区SOM大尺度动态监测和土壤质量评价提供技术支撑，深化高光谱遥感在生态环境监测评价领域的应用。
 

土壤有机质,随机森林,高光谱遥感