反射光谱在近年来广泛应用于土壤属性的估算。 作为一种有效估算土壤全磷含量的手段, 反射光谱技术可以很大程度上减少传统化学测量方法所损耗的人力物力。 以江苏滨海土壤为研究对象, 在30个采样点采集了共147个土样, 测量土壤样品光谱反射率及全磷含量。 利用原始光谱反射率数据及6种不同的光谱变换结果, 通过随机抽样(RS)、 KS、 SPXY三种样本集划分方法, 基于偏最小二乘回归(PLSR)和支持向量机(SVM)方法分别建立土壤全磷含量的估算模型, 对比分析了三种样本集划分方法对估算结果精度的影响。 结果表明: (1)以原始光谱反射率为数据, PLSR模型, RS方法在多数情况下可以获得较为稳定的模型精度, 明显优于KS和SPXY方法; 在SVM模型中, 采用SPXY方法获得的模型结果最优, KS次之, RS结果最差。 (2)不同的样本集划分方法所合适的光谱变换方法不同, 对于三种划分样本集方法, PLSR和SVM对应的最优光谱变换分别是对数的倒数和一阶导数(KS方法), 原始光谱和一阶导数(RS方法), 一阶导数和多元散射校正(SPXY方法)。 其中采用KS方法划分样本集, PLSR和SVM均能获得最佳的预测结果。 并非所有光谱变换方法都可以提高模型精度, 部分光谱变换后PLSR模型预测精度显著降低; (3)在所有的样本集划分方法中, SVM的建模效果优于PLSR, 采用RS方法划分样本集, PLSR的预测精度高于SVM, 而采用KS和SPXY方法划分样本集, SVM的预测精度整体高于PLSR。 综上所述, 本研究区域估算土壤全磷含量的最佳模型是基于KS样本集划分方法和一阶导数光谱变换建立的SVM模型, 此时拟合优度($R_{p}^{2}$)为0.82。 结果表明反射光谱可以对滨海地区的土壤全磷含量进行有效预测, 对土壤磷元素的高效快速反演具有一定的指导意义。

土壤有机质是土壤肥力的重要指标, 也是全球土壤碳的重要存在形式, 快速估算土壤有机质含量及其变化是保障粮食安全与评估气候变化的前提与基础。 传统的土壤有机质测定方法存在周期长、 成本高、 有污染物排放等不足。 近年来的大量研究表明, 土壤反射光谱技术可以成功实现土壤有机质估算, 具有时间短、 成本低、 无污染、 无破坏等特点。 但反射光谱技术仅能估算点状土壤样品有机质含量, 要实现土壤有机质的空间制图还必须借助空间插值技术。 成像光谱技术(也称为高光谱成像技术)为每个像元采集一条光谱曲线, 实现了图谱合一, 为土壤有机质空间制图提供了技术基础。 目前利用成像光谱开展土壤有机质制图的研究尚处于起步阶段, 利用室内可见-短近红外波段的成像光谱数据建立土壤有机质光谱指数可以探讨土壤有机质成像光谱估算的机理, 从而为土壤有机质遥感制图奠定理论基础。 建立600 nm“弓曲差”光谱指数并分析其与土壤有机质的相关关系, 通过1 000次随机划分数据集、 建立“弓曲差”非线性回归与偏最小二乘回归模型并对比结果精度, 探讨成像光谱数据估算土壤有机质的可行性。 结果表明, 研究区土壤有机质含量偏低, 变化范围较大, “弓曲差”与有机质含量呈显著的对数关系; 对数函数可以较好实现土壤有机质的建模与预测, 拟合结果稳定性较好, 精度优于偏最小二乘回归。 原因可能是由于偏最小二乘回归所使用的全部光谱数据中包含了部分与有机质无关的信息, 影响了偏最小二乘回归结果精度。 所以, 使用三个波段光谱信息建立的光谱指数“弓曲差”可以用于成像光谱数据的有机质制图, 从而为未来开展土壤有机质卫星遥感制图提供新的思路与方法。