基于高光谱的太湖流域土壤磷流失高风险区的识别研究

土壤磷的流失不仅影响农业生产，而且是水环境污染的重要来源。及时准确获取土壤磷素养分的空间分布信息是控制农田磷素面源污染、精确施用磷肥的关键。本研究利用可见近红外反射高光谱技术，通过太湖流域的土壤野外调查取样、长期定位施肥试验以及室内培肥等模拟试验研究土壤类型、土壤水分、表面粗糙度以及其他土壤背景信号等对土壤磷光谱响应规律的影响；利用人工神经网络法对土壤光谱进行分类；在定性识别土壤类型的基础上，综合利用现有的光谱信息提取和增强技术以及先进的化学计量学模型来建立土壤磷的光谱定量反演模型；利用GIS技术，对太湖流域土壤磷制图，从而识别土壤磷流失的高风险区。研究结果将为水网地区土壤磷风险区的识别提供一种快速诊断工具，为土壤磷传感器或便携式野外土壤养分光谱诊断仪的研制及土壤磷的遥感制图提供理论基础和技术支持。

土壤磷的流失不仅影响农业生产，而且是水环境污染的重要来源。及时准确获取土壤磷素养分的空间分布信息是控制农田磷素面源污染、精确施用磷肥的关键。但传统的实验室化学分析法需要破坏性取样并室内分析测定,耗时耗力而且成本相对较高，急需一种快速无损简便高效的土壤磷测试方法。利用遥感技术监测土壤磷的含量，能为政府制定相应的政策提供技术支持，应用高光谱数据研究土壤磷流失对农业土地利用、水体富营养化监测具有重要的意义。本研究利用可见近红外反射高光谱技术，首先以太湖流域广泛存在的水稻土为研究对象，探讨了利用光谱来反演土壤磷的可行性，结果表明，基于10nm的重采样光谱，光谱预处理方法对土壤全磷反演精度的影响不大，窗口移动平均平滑法相对较优，利用偏最小二乘回归法（PLS）或者PLS与ANN的组合方法建立的水稻土全磷光谱预测模型可以对直湖港小流域的水稻土全磷进行预测。在此基础上，进一步探讨了土壤类型、土地利用方式、土壤粗糙度以及土壤水分含量对土壤光谱磷反演精度的影响，发现土壤颗粒在12目（1.6mm）及60目（0.22mm）粒径大小时有最高的建模和预测决定系数，表明以后进行土壤磷光谱反演时，无需用过100目筛的样品，用过12目或60目的土壤样品即可，并可节约时间和成本。土壤全磷光谱反演精度随着土壤水分含量的增加而呈现出双峰曲线，土壤含水量在30%左右和75%左右时预测精度最高，在利用光谱对野外土壤直接进行全磷反演时，最好是统一校正至最佳含水量时再进行光谱的测定反演较好。土壤类型和土地利用方式对土壤全磷光谱反演模型的精度影响较大，必须根据土壤类型和土地利用方式进行分别建模。建立了基于概率人工神经网络（PNN）的土壤分类模型，精度可达80-99%。在对土壤样品进行分类的基础上，再利用定量反演模型来预测，精度比未分类前直接光谱预测的效果提高了20-50%。最后，对直湖港小流域的土壤全磷含量进行了制图，识别了直湖港小流域的磷流失风险区，主要集中在阳山镇的老桃园区以及胡埭镇等的老设施蔬菜区。由于土壤样本还不够多，土壤类型还不够丰富，如何进一步提高土壤全磷的光谱反演精度以及消除其他因素的影响，仍有待于进一步深入。