文章推荐 | ASD Fieldspec 3 FR光谱仪在东北典型黑土地区农田土壤侵蚀热点探测方面的应用

黑土地是指具有黑色或者暗黑色腐殖质表土层，性状好、肥力高的耕地，这类耕地可用于粮食生产。

黑土地

黑土地是地球上最 珍贵的土壤资源，地球上一共有四块黑土地，分别是乌克兰的乌克兰平原、美国的密西西比平原、中国的东北平原以及南美洲阿根廷连至乌拉圭的潘帕大草原。我国东北平原典型黑土区耕地面积约2.78亿亩，是重要的粮食生产优势区和全国最 大的商品粮生产基地。

然而，近年来相关研究和调查发现，由于掠夺经营、水土流失等原因，黑土层厚度已逐渐减少，土壤有机质含量也明显降低，土壤侵蚀成了黑土地不容忽视的问题之一。

保护黑土地对于保障国家粮食安全、生态安全，促进农业绿色可持续发展具有重大的意义。接下来我们了解一篇在黑土地区探测土壤侵蚀状况的论文。

ASD Fieldspec 3 FR光谱仪在东北典型黑土地区

农田土壤侵蚀热点探测方面的应用

土地退化影响着世界上大约三分之一的农田 ，其中土壤侵蚀是最严重和最广泛的退化形式。在侵蚀严重的地区，土壤剖面可能出现明显的截断现象，导致富含碳和营养丰富的表土物质空间重组，造成土壤有机碳（SOC）加速损失，土壤肥力下降，从而影响退化农田的粮食生产。据估计，每10厘米土壤损失作物产量平均减少约4%，而由于农业管理不当和施肥水平低，发展中国家减产的程度可能会加剧。联合国可持续发展目标框架下的土地退化中立方案明确采用了SOC作为评估和监测土地退化状况的关键指标。因此，更好地了解发生土壤侵蚀的地点和加速侵蚀程度，以及SOC损失的发生，将在很大程度上有助于全 球在粮食安全和气候方面可持续利用土壤资源的努力。普遍通用的土壤损失方程（USLE）拥有高度的数据可访问性，然而，它仍然是一种经验方法，只考虑了水蚀，而忽略了其他形式，如耕作和风蚀，并没有模拟土壤沉积。另外，主要在流域规模上，存在许多基于过程的物理模型来模拟单个降雨事件中相互作用的侵蚀和沉积过程，但其模型结构的复杂性和模型参数化的不平衡往往会影响模型的空间预测能力，且当前评估侵蚀发生地点和程度的方法仍然不足以在高空间分辨率下精确探测侵蚀热点。无论使用何种建模方法，阻碍土壤侵蚀精确建模和制图的常见问题还包括：(1)输入过时的、静态的和粗糙的分辨率数据，通常无法捕捉到侵蚀过程尺度上土壤侵蚀的时空变化；(2)缺乏空间分布的观测数据来进行严格的模型校准和验证。此外，土壤侵蚀追踪技术作为得出净侵蚀空间估计的可行选择，其价格昂贵，在大空间尺度上的适用性有限。遥感的发展将解决上述问题，不仅因为高分辨率卫星图像的日益普及，土壤成像光谱学的快速发展也提供了直接捕获由侵蚀引起的土壤特性变化的潜力，特别是SOC，如哨兵-2可以很好地明确评估土壤侵蚀程度。然而，很少有研究直接与哨兵-2衍生的土壤光谱信息检测土壤侵蚀热点相关，且一些检测方法的普遍适用性以及支持基于不同侵蚀程度土壤光谱特征分类的基本机制仍有待进一步探讨。

鉴于上述研究差距，迫切需要一种有效的土壤侵蚀测绘方法，从而能够精确地检测出多重侵蚀过程导致的侵蚀热点。中国东北黑土区是一个粮仓，年产量超过国家粮食产量的20%，然而其是中国受土壤侵蚀影响最 严重的地区之一，因此，一种有效检测局部侵蚀热点的方法对于实施针对性的保护措施具有重要意义。为此，本研究的目标是建立一个方法框架，实现仅基于光谱特征对土壤侵蚀进行准确分类和高分辨率制图。

基于此，在本研究中，由吉林大学地球科学学院、鲁汶大学地球与生命研究所、中国农业科学院农业环境与可持续发展研究所组成的一组研究团队以中国东北吉林省中部德惠市木石河流域（44°34′-44°38′N，125°51′-125°59′E，面积约46.20 km2）为例，进行土壤取样与分析（共选取72个采样点，其中山顶19个，斜坡中段28个，山脚25个）；在实验室内使用ASD Fieldspec 3 FR光谱仪测量土壤样品VNIR光谱数据；建立地面真实数据集；结合主成分分析和综合光谱判别分析（PCA-LDA）方法对实验室高光谱数据进行测试与分析、研究不同侵蚀影响下土壤的光谱可分性；建立侵蚀分类方案、创建混淆矩阵，通过Kappa系数评估分类性能；最 后通过多时间裸土像素合成方法，优化裸土反射率稳定性，基于哨兵-2衍生的宽带光谱对研究区土壤侵蚀情况进行测绘与验证。

（a,  b）中国东北流域数字高程模型上采样点空间分布；（c，d）哨兵-2彩色图像(2021年5月13日）；（e，f）沿典型斜坡剖面的代表性采样位置。

【结果】

基于实验室VNIR谱PC评分的线性判别分析（LDA）对三个斜坡位置进行分类。

基于土壤的三个土壤侵蚀强度等级表土实验室平均光谱。(a)原始光谱和(b)连续体去除反射率。

用于侵蚀强度等级光谱分离的表土实验室光谱指数的箱形图。

基于哨兵2裸土壤光谱的PC得分的线性判别分析（LDA）确定三个侵蚀强度等级。

三种土壤侵蚀强度等级的平均光谱。(a)原始光谱和(b)连续去除反射率。

用于侵蚀强度类别光谱分离的哨兵-2光谱指数的箱形图。

10米分辨率下的土壤侵蚀强度图。

2021年6月，农田范围内三个侵蚀强度等级的NDVI密度图；（b，c）是详细土壤侵蚀模式的放大区域，（d，e）相应的田间尺度NDVI图。

【结论】

本研究在中国东北黑土区流域尺度上测试了多时间遥感探测侵蚀热点的潜力。建立了一个地面真实数据集，包括在山顶、中坡和脚坡位置收集的土壤，由于其地形特征、净侵蚀率和SOC含量的差异，对应于中、重度和低侵蚀程度类别。对实验室和基于哨兵-2的土壤光谱数据的调查表明，由于侵蚀引起的土壤反照率和生化组成的变化，三个侵蚀类别中的土壤显示出明显的光谱特征，特别是在严重侵蚀的地区，其表土层明显有大量土壤损失。

      PCA-LDA在不同侵蚀影响下表现出明显的类间光谱可分性，其对两种数据源都产生了良好的分类精度（Kappa系数> 0.9），对哨兵-2光谱更是如此，从而能够开发一种光谱分类方案，该方案由确定的光谱指数阈值组成，用于基于哨兵-2裸土混合物质的像素级土壤侵蚀测绘，其中15.9%的农田面积为侵蚀热点，中等类占65.4%。将侵蚀图与NDVI图进行比较，从空间角度来看，显示了土壤侵蚀对作物生长的负面影响。制作的高分辨率土壤侵蚀图可以对土壤侵蚀和作物生产力之间的关系进行进一步分析，突出了本研究提出的方法在黑土地区帮助粮食安全和气候的有针对性可持续农田管理方面的潜力。未来的研究应进一步检验这种方法在其他领域和更大的空间尺度上的可转移性。