荒漠化是指由气候变化和人类活动等因素造成的干旱、半干旱和干旱亚湿润地区的土地退化(UNEP,1995)，至少包含土壤退化和植被退化2种过程(Grainger et al., 2000)，这2个过程既相互作用又相互联系，但都从不同侧面反映了荒漠化发生的状态和过程。植被退化受降水年际波动的影响较大，容易逆转(Thomas et al., 1994)，但土壤退化更能反映土地潜在生产力下降的长期趋势，这也是联合国在荒漠化评价中更多地考虑土壤退化因素的重要原因，而荒漠化类型也主要依据风蚀、水蚀、盐渍化、冻融等土壤退化的化学、物理过程而划分。

土壤有机质(SOM)是反映土壤肥力和土地生产能力的重要因子，也是指示土壤退化程度的重要指标。传统的土壤有机质信息获取主要是通过土壤的野外取样化验分析来实现，这种方法精度高，但适时性差、成本高，很难满足荒漠化过程中土壤退化快速监测的需要。现代光谱测量分析技术的发展为土壤退化过程中土壤有机质的时空动态变化监测提供了新的有效手段。土壤成分与土壤反射光谱关系研究开始于20世纪60年代(Bowers et al.,1965)，之后，通过对不同类型土壤的反射光谱测量和土壤取样化验分析，国内外就土壤有机质的光谱响应特征及其定量反演方法开展了大量研究。大部分研究发现，土壤有机质在土壤光谱曲线上基本不存在明显的吸收峰，但其在可见光至近红外范围存在明显的光谱敏感区，最敏感光谱区域为600~800nm，而且不同区域和不同土壤类型的光谱敏感区有较大差异，并基于原始光谱、光谱微分技术等建立了不同类型土壤的有机质定量反演模型(Krishnan et al., 1980;徐彬彬等，1980; 徐彬彬等，1991;Baumgardner et al., 1985;Henderson et al., 1989;Gunsaulis et al.,1991;Ben-Dor et al., 1997;Galvao et al., 1998;徐彬彬，2000;沙晋明等，2003;;孙建英等，2006;何挺等，2006;贺军亮等，2007;卢艳丽等，2007;周萍等，2008)。在土壤有机质的光谱响应特征和反演建模技术研究基础上，直接用遥感影像数据定量估测区域地表土壤有机质的研究也取得了一些进展(Selige et al., 2006;程彬等，2008)。

土壤有机质主要由各种动植物残体、微生物体及它们分解或合成的各种有机物质组成，不同区域和不同土壤类型的水热条件变化大，土壤有机质的分解水平各不相同，土壤光谱特性也存在很大差异(Baumgardner et al., 1985;Ben-Dor et al., 1997)，这也是很难用一个通用模型反演土壤有机质含量的重要原因。目前，虽然关于土壤有机质光谱特征及其定量估测技术的研究较多，但针对干旱、半干旱荒漠化地区土壤的研究很少，目前仅见徐彬彬等(1980)在新疆南疆开展了这方面的研究。本研究在甘肃民勤县和青海共和县2个典型区进行土壤采样化验分析和室内光谱测量，判定荒漠化地区土壤有机质的光谱敏感区，建立基于实测光谱的土壤有机质含量估测模型，以期为荒漠化土地土壤有机质的快速监测提供有效手段。

1 研究区概况

本研究选择甘肃省民勤县和青海省共和县作为典型研究区。

民勤县位于河西走廊东段的石羊河下游(103°02'—104°02'E，38°05'—39°06'N)，总面积约1.6万km²，海拔1000~1936m。全县大部分被流动、固定和半固定沙丘及戈壁所覆盖，平原耕作绿洲仅约占总面积的10%。该区属典型的温带大陆性干旱气候区，年平均气温7.6℃，年均降水量113.2mm。植被以旱生的唐古特白刺(Nitrariatangutorum)、泡泡刺(N.sphaerocarpa)、短穗柽柳(Tamarix laxa)、珍珠(Salsola passerina)、红砂(Reaumuria soongorica)和沙蒿(Artemisia areanaria)等低矮灌木、半灌木为主，结构简单，覆盖度低。地带性土壤为灰棕漠土，非地带性土壤以风沙土、灌溉耕作土、盐土和草甸土为主，大多质地疏松、肥力差。大规模开采地下水引起地下水位下降，最终导致绿洲边缘植被退化和固定沙地活化是该区荒漠化的主要特点。

青海省共和县地处青藏高原东北部，东临黄河，北靠青海湖，西与柴达木盆地毗连(98°46'—101°22'E，35°27'—36°56'N)，总面积约1.73万km²，其中陆地占84.86%，其余为青海湖和黄河龙羊峡水库水域，全境海拔2400~3600m。气候类型上属高寒干旱荒漠和半干旱草原过渡区(杨世琦等，2005)，四季分明，昼夜温差大，年平均气温0.7~6.3℃，年降水量250~420mm，年蒸发量1400~2400mm，年无霜期88天; 草原面积占全县总面积的75%以上，植被以克氏针茅(Stipa krylovii)、短花针茅(S.breviflora)、沙生针茅(S.plareosa)、芨芨草(Achnatherum splendens)、青海固沙草(Orinuskokonorica)和冷蒿(Artemisia frigida)等为主，土壤以栗钙土、棕钙土、风沙土、草甸土、沼泽土和盐土为主。受全球气候变暖、青藏高原特殊的地理条件和过度放牧等人类活动的影响，草场退化和沙化是共和县荒漠化的主要特点。

2 研究方法 2.1 土壤样品采集与制备

土壤样品采集于2007年5月。共取土样159个民勤试验区81个，共和试验区78个)。样点的分布充分考虑了2个研究区的不同荒漠化程度和土壤类型，同时也考虑了样点分布的均匀性。取样深度控制在3cm。样品经自然风干，适当压磨后去除植物残体等杂质。每个样品3等份，一份用于光谱测量，一份用于土壤有机质含量测定，另一份留存备查。

2.2 土壤光谱测量

采用ASDFieldSpecFR便携式光谱仪测量土壤样品的反射光谱，测量的光谱范围为350~2500nm，采样间隔为1nm，输出波段数为2150个。在与自然光良好隔绝的暗室中，将土样置于直径20cm的黑色盘形容器中，装满后刮平土壤表面，将光谱仪光纤探头通过支架固定于样品上方，探头距土壤样品表面30cm(视场角约5°)。光源为可提供平行光的1000W卤光灯，固定于样品的侧上方，距土壤表面50cm，光源天顶角15°。每一样品共测量4次，每次测量之间将托盘旋转90°，每次测量重复25次，取其平均值作为最后光谱。以准同步测量的漫反射标准白色参考板的辐射光谱为参考，通过比值法获得土壤样品的绝对反射光谱R(λ)(贺军亮等，2007):

(1)

式中:R(λ_ref)为土壤和参考板的反射率，DN(λ_soil)和DN(λ_ref)分别为土壤和参考板测量亮度的平均值，λ为光谱采样的中心波长。

2.3 土壤有机质测定

土壤有机质含量采用重铬酸钾容量法-外加热法测定(鲁如坤，1998)。

2.4 光谱数据分析 2.4.1 光谱变换

本研究除对原始反射光谱数据分析外，还对反射光谱进行了对数、倒数、一阶微分等反射光谱数据变换并进行同步分析，以期构建对土壤有机质反应更敏感的光谱参数。数据变换的主要目的是降低背景噪声对土壤光谱的影响，如对数变换可增强可见光区的光谱差异，降低光照条件变化的乘性影响，倒数变换可使某些非线性关系变为线性关系，而微分光谱可降低对低频噪声影响的敏感性，减少大气散射和吸收对目标光谱特征的影响(Cloutis，1996;何挺等，2006)。

一阶微分光谱值的计算公式如下(Fuan et al., 1998):

(2)

式中:λ_i-1和λ_i+1分别为波段i-1和波段i+1的中心波长; R(λ_i-1)和R(λ_i+1)分别为波段i-1和波段i+1的反射光谱值，R'(λ_i)为波段i反射光谱的一阶微分光谱值。

2.4.2 光谱指数构建

根据荒漠化土地土壤光谱曲线的弓形变化特征，参考徐彬彬等(1980)的方法，构建了600nm处弓曲差(D₆₀₀)和800nm处弓曲差(D₈₀₀)2个光谱指数，另外，本研究新构建了弓前变率(C_f)、弓后变率(C_b)和700nm处弓形高(H₇₀₀)3个光谱指数，比较基于不同光谱指数提取土壤有机质信息的效果。上述光谱指数的具体计算公式如下:

(3)

式中:D_λ为波长λ处弓曲差; R(λ₁)和R(λ₂)分别为弓曲前波长λ₁处和弓曲后波长λ₂处的光谱反射值; R(λ)为波长λ处的光谱反射值。本研究中用于D₆₀₀计算的λ₁和λ₂分别为550和650nm，用于D₈₀₀计算的λ₁和λ₂分别为750和850nm。

(4)

式中:C为曲线变率，研究中分为弓前变率(C_f)和弓后变率(C_b)2类，本研究中计算C_f时λ₁和λ₂分别为550和570nm，计算C_b时λ₁和λ₂分别为830和850nm。

(5)

式中:H_λ为波长λ处的弓曲高，R(C_λ)为假设在光谱曲线弓前和弓后点间直接连直线在波长λ处获得的对应光谱反射数值，本例中λ取700nm，弓前和弓后点分别取490和900nm。

2.4.3 相关分析

分析350~2500nm光谱范围内土壤反射率及其多种光谱变换形式与土壤有机质含量的相关系数，确定土壤有机质光谱反应的敏感区域，为有机质含量的估测建模提供依据。

2.4.4 土壤有机质含量回归估测建模与验证

将159个土壤样本分为2组，一组用于建模，另一组用于验证。建模样本106个(民勤试验区54个，共和试验区52个)，占样本总数的66.7%，验证样本53个(民勤试验区27个，共和试验区26个)，占样本数的32.3%。根据相关分析结果，选择相关系数较高的波长值处的原始光谱反射率及其光谱变换形式，并计算相关的光谱指数，分别建立土壤有机质含量的回归估测模型。有机质含量实测值和模型预测值相关的决定系数(R²)值越大，均方根误差(RMSE)值越小，模拟线偏离1:1线越少，模型预测效果越好。

3 结果与分析 3.1 不同土壤类型的反射光谱特征

图1为在民勤和共和2个试验区选取的6种典=型地类的土壤样品的反射光谱曲线。这些地类的地表土壤粒径组成不同，相应的土壤有机质含量有很大差异，其中未退化草地的土壤有机质含量最高，达4.165%，该类草地的优势种为克氏针茅; 含量最低的流动沙地土壤有机质含量仅为0.141%(表 1)。从图 1可以看出，土壤有机质含量较低的盐碱地和粘土地的反射值最高，土壤有机质含量最低的流动沙地和平沙地次之，有机质含量较高的退化草地和未退化草地的反射率最低。根据戴昌达等(2004)对我国主要土壤光谱曲线类型的划分，研究区主要土壤的光谱曲线基本上属波浪型，除未退化草地外，主要荒漠化地类的光谱曲线在500~900nm范围都存在一个明显的弓形突起区，这是荒漠化土地退化土壤的典型光谱特征。土壤光谱曲线首先在可见光范围内急剧上升，至600nm处曲线上升的陡度开始下降，并在此形成一个明显的弓曲，之后，在近红外范围的800nm处曲线呈下降趋势，并形成第二个弓曲，至890nm后曲线又开始上升。光谱曲线上的弓形突起区可能对提取荒漠化土壤有机质信息有实际意义。

3.2 土壤有机质含量与土壤反射光谱相关性

图 2左侧从上到下分别为不同波长的土壤光谱反射值R及其对数lgR和倒数变换1/R与有机质含量的相关系数r的变化情况。可以发现，R与有机质含量在中心波长600nm的可见光范围存在显著的负相关，其中，539~658nm波谱范围(谱宽119nm)的r值达0.85以上，波长588nm处r为最大值达0.8797;对数变换和倒数变换都在一定程度上增强了光谱反射值与土壤有机质含量的相关性，lgR与土壤有机质含量也呈负相关，r值大于0.85的波谱范围扩大到513~687nm(谱宽174nm)，588nm处的最大值为0.8960，而1/R与有机质含量呈正相关，r值大于0.85的范围扩大到499~704nm(谱宽205nm)，588nm处的最大值达0.9008。图 2右侧部分为不同波长范围土壤光谱反射值及其对数和倒数变换的一阶微分与土壤有机质含量相关系数r的变化情况。土壤光谱反射值的一阶微分变换(R')与土壤有机质含量在中心波长530nm的可见光范围和中心波长830nm的近红外光谱范围分别有一个强相关区:在可见光区2者呈显著负相关，523~541nm波长范围r值超过0.85，波长529nm处为最大值达0.8689;在近红外区2者成正相关，2者的相关性更强，相关的波谱范围更宽，790~875nm波谱区的r值超过0.85，波长835nm处为最大值达0.9143。反射光谱对数的一阶微分变换(lgR)'和反射光谱倒数的一阶微分变换(1/R)'与土壤有机质含量只在中心波长830nm的近红外范围有一个强相关区，r最大值都出现于835nm处。(lgR)'与有机质含量呈正相关，r最大值达0.9379，663~897nm波长区域(谱宽234nm)的r值超过0.85，其中744~865nm波长范围(谱宽121nm)的r值超过0.90;(1/R)'与有机质含量呈负相关，r最大值为0.9475，603~901nm范围(谱宽298nm)的r值超过0.85，其中671~875 nm范围(谱宽204nm)的r值超过0.90。

由以上分析不难发现，虽然R，lgR，1/R，R'，(lgR)'和(1/R)'等土壤光谱参数与土壤有机质含量的高相关波谱区有一定差异，但主要可概括为2个区域:一个区域存在于可见光的绿光至红光范围，中心波长为600nm，主要出现于R不进行微分变换的情况下，R经对数和倒数变换后与土壤有机质含量的相关性更高，以倒数变换的相关性更高，相关系数r最高值都出现于588nm处; 另一个区域存在于近红外范围，中心波长为830nm，主要出现于R进行微分变换的情况下，R经对数和倒数变换后再进行一阶微分变换与有机质含量的相关性更高，r最高值都出现于835nm处。这一结果说明对数、倒数和微分变换都能有效地降低各类噪声对荒漠化土地土壤光谱的影响，从而增强土壤光谱反射与有机质含量的相关性。土壤光谱反射与有机质含量的第1个高相关区基本与荒漠化土壤光谱曲线的第1个弓曲位置一致，而第2个高相关区基本与光谱曲线第2个弓曲后的曲线下降区位置一致，这说明荒漠化土壤光谱曲线在500~900nm范围的弓形突起区对有机质信息提取有实际意义。

3.3 土壤有机质含量高光谱估测模型的建立

根据土壤有机质含量与土壤反射光谱的相关性分析结果，分别选择R₅₈₈，lg(R₅₈₈)，1/R₅₈₈，R₈₃₅'，(lgR₈₃₅)'和(1/R₈₃₅)'6个指标为自变量，建立土壤有机质含量的实测高光谱估测模型;同时，分别选~900nm范围光谱曲线弓形变化特征的光谱指数为自变量，建立有机质含量的回归估测模型。R²值越大，RMSE越小，说明模型的相关性越大，拟合误差越小，建模效果越好。表 2为用11个参数分别建立的土壤有机质含量估测模型，可以看出，所有模型的相关性都达到了极显著水平(α＜0.0001)，R²值介于0.75和0.89之间，RMSE值介于0.49和0.71之间。R₅₈₈，D₈₀₀和C_f这3个模型的R²值都低于0.8，RMSE值也较大，建模效果明显较差，而其他模型的R²值都在0.8以上，RMSE的差异也不大，建模效果都比较好。

3.4 土壤有机质含量高光谱反演模型的验证

利用53个未参与建模的验证样本数据，建立实测土壤有机质含量值和模型预测土壤有机质含量值的简单线性关系，从不同模型的R²和RMSE的变化以及各个模型的相关验证模拟线偏离1:1线的程度，综合评价各模型对未知样本的预测能力。

图 3为上述8个建模效果比较好的模型的验证结果。所有8个模型验证的R²都大于0.8，其中1/R₅₈₈，(1/R₈₃₅)'，(lgR₈₃₅)'和H₇₀₀模型的R²值超过0.85，验证的RMSE值在0.45和0.54之间，这说明无论是R²还是RMSE值，模型间的差异都较小。所有模型的验证模拟线相对于1:1线都有一定程度的偏离(斜率小于1)，当土壤有机质含量较低时，预测值都高于实测值，而有机质含量较高时，预测值基本都低于实测值，这可能与随着有机质含量增加光谱逐渐趋于饱和有关。在8个模型中，(1/R₈₃₅)'，(lgR₈₃₅)'，lgR₅₈₈和1/R₅₈₈模型验证模拟线的偏离程度较低，斜率都在0.8以上，而其他模型的斜率都在0.8以下，模拟线的偏离相对大。

综上所述，在模型的拟合精度差异很小的情况下，验证模型线偏离1:1线的程度就成为验证模型可用性的最重要指标，这样就不难判断，以(1/R₈₃₅)'，(lgR₈₃₅)'，lgR₅₈₈和1/R₅₈₈光谱参数为自变量构建的模型，对未知样本土壤有机质含量的预测能力较强，是土壤有机质含量实测高光谱估测的较适宜模型。值得一提的是，在围绕光谱曲线的弓形突起区专门设计的5个光谱指数中，H₇₀₀和C_b的建模效果仅次于上述4种模型，其他3个指数的建模效果相对较差。

4 结论与讨论

本研究的结果表明，荒漠化土地土壤具独特的波浪型光谱曲线(戴昌达等，2004)，其最显著特点是在可见光和近红外的500~900nm光谱范围存在1个明显的弓形突起区，这可能是荒漠化土地土壤的典型光谱特征。相关分析结果表明，在该弓形突起区，土壤有机质有2个主要的反射光谱敏感区:一个存在于中心波长600nm的可见光绿光和红光范围，主要在土壤反射光谱不进行微分变换时体现，与弓形突起区的第1个弓曲的位置正好一致，另一个存在于中心波长830nm的近红外范围，主要在土壤光谱进行微分变换时体现，位于弓形突起区第2个弓曲后的曲线下降区，这2个光谱敏感区对运用土壤反射光谱估测荒漠化土地的土壤有机质含量有实际意义。

基于荒漠化土地土壤有机质的光谱反映特征，建立了多种荒漠化土地土壤有机质含量的光谱估测模型，模型验证结果显示，以波长835nm反射光谱倒数的导数(1/R₈₃₅)'和对数的导数(lgR₈₃₅)'以及波长588nm反射光谱的对数lgR588和倒数1/R₅₈₈作为自变量分别建立的土壤有机质含量估测模型，对未知样本的预测精度高，是基于实测光谱估测荒漠化土地土壤有机质含量的适宜模型，也说明(1/R₈₃₅)'，(lgR₈₃₅)'，lgR₅₈₈和1/R₅₈₈这4个光谱参数在描述550~900nm光谱范围弓形突起变化方面更具有代表意义。

本研究确定的荒漠化土地土壤有机质光谱敏感区位于可见光和近红外波谱范围，这与大多数前人研究结果基本一致，但光谱敏感区的具体位置与其他类型土壤存在明显差异(Krishnan et al., 1980;Galvao et al., 1998;谢伯承等，2004;徐彬彬等, 1980, 沙晋明等，2003;何挺等，2006;贺军亮等，2007;卢艳丽等，2007)，这反映了荒漠化土地土壤光谱反应的特殊性，这可能与荒漠化土地土壤有机质的组成和分解状态以及较高的盐分含量有关(徐彬彬等，1980;Ben-Dor et al., 1997;Chang et al., 2002)。