《高光譜衛(wèi)星遙感監(jiān)測土壤有機質技術規(guī)范》編制說明

高光譜衛(wèi)星遙感監(jiān)測土壤有機質技術規(guī)范

編制說明

一、概況

1.1任務來源

2022年9月6日，自然資源部下達了《自然資源部辦公廳關于印發(fā)2022年

度自然資源標準制修訂工作計劃的通知》（自然資辦發(fā)〔2022〕39號），本標準

是自然資源部發(fā)布的2022年自然資源衛(wèi)星應用行業(yè)標準計劃項目之一，項目編

號：202233004，標準計劃名稱《高光譜衛(wèi)星遙感監(jiān)測土壤有機質技術規(guī)范》。

本標準由全國地理信息標準化技術委員會衛(wèi)星應用分技術委員會歸口，由自然

資源部國土衛(wèi)星遙感應用中心牽頭起草。計劃周期：24個月。

1.2目的意義

隨著自然資源高光譜業(yè)務衛(wèi)星的陸續(xù)發(fā)射，衛(wèi)星應用技術與處理系統(tǒng)的不

斷發(fā)展，高光譜衛(wèi)星遙感已逐漸成為自然資源要素質量監(jiān)測的重要手段。近年

來，黨和國家高度重視糧食安全，而耕地作為糧食生產(chǎn)的依托，其質量監(jiān)測更

是自然資源監(jiān)測業(yè)務的重中之重。2021年的中央一號文件更是將耕地保護列為

保障國家糧食安全的兩個“要害”之一。

土壤有機質一直是耕地質量調查評價的關鍵指標，也是高光譜衛(wèi)星土壤參

量反演應用研究的熱點，相關技術較為成熟。但由于涉及高光譜衛(wèi)星數(shù)據(jù)預處

理、野外采樣與樣品測試化驗、反演模型構建與模型參數(shù)優(yōu)化等諸多環(huán)節(jié)，各

行業(yè)、各區(qū)域、各單位以分散作業(yè)為主，并未采用統(tǒng)一的、規(guī)范化的技術，為

監(jiān)測成果的橫向對比與集成帶來了很大難度。

十三五以來，在耕地質量保護相關規(guī)劃文件中，已多次提出要開展“遙感

1

動態(tài)監(jiān)測”，但由于缺少統(tǒng)一的技術規(guī)范，高光譜衛(wèi)星數(shù)據(jù)土壤質量監(jiān)測方面的

優(yōu)勢并未完全發(fā)揮。隨著第三次全國土地調查（“國土三調”）、第三次全國土壤

普查（“土壤三普”）等工作的陸續(xù)開展，迫切需要制定統(tǒng)一的高光譜衛(wèi)星遙感

監(jiān)測土壤有機質技術規(guī)范，對包括高光譜衛(wèi)星數(shù)據(jù)預處理、野外土壤樣品采集，

到土壤有機質反演模型構建與應用，以及監(jiān)測成果質量控制、成果整理等全鏈

路的技術方法進行規(guī)范，促進高光譜衛(wèi)星數(shù)據(jù)在國土三調、土壤三普以及全國

耕地質量等別調查與評定等業(yè)務中的統(tǒng)一化和規(guī)范化應用。

1.3主要起草人及工作分工

編制任務下達后，自然資源部國土衛(wèi)星遙感應用中心牽頭，由自然資源部

國土整治中心、中國科學院南京土壤研究所、中國科學院空天信息創(chuàng)新研究院、

中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所等作為參編單位共同完成。編制組

成員包括總體技術負責人和長期從事高光譜衛(wèi)星土壤質量監(jiān)測等專業(yè)領域的專

業(yè)技術人員和專家分工合作開展標準各章節(jié)的編寫，編制組主要人員組成及分

工見表1。

表1編制組人員分工

序號姓名單位任務分工備注

項目負責人，負責編制標準草案、征求

1尚坤自然資源部國土衛(wèi)星遙感應用中心意見稿、送審稿、報批稿等初稿的編制，

組織專家評審

負責衛(wèi)星遙感數(shù)據(jù)、模型應用與精度評

2肖晨超自然資源部國土衛(wèi)星遙感應用中心

價、成果整理與質量控制相關內(nèi)容

負責土壤樣品、模型應用與精度評價、

3李少帥自然資源部國土整治中心

成果整理與質量控制相關內(nèi)容

負責土壤樣品、光譜測量、反演模型構

4王昌昆中國科學院南京土壤研究所

建、模型應用與精度評價等相關內(nèi)容

負責高光譜數(shù)據(jù)處理、反演模型構建、

5張霞中國科學院空天信息創(chuàng)新研究院

模型應用與精度評價相關內(nèi)容

中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)負責衛(wèi)星遙感數(shù)據(jù)、模型應用與精度評

6劉佳

劃研究所價、成果整理與質量控制等相關內(nèi)容

2

1.4主要工作過程

1.4.1征求意見稿階段

2022年6月-2022年10月，編制組開展了大量的調研工作，包括國內(nèi)外有

關現(xiàn)有標準，以及高光譜衛(wèi)星土壤有機質含量監(jiān)測業(yè)務的實際實施情況，編制

組開始起草標準草案。

2022年11月-2024年1月，以標準草案為基礎，編制組又以電話、社交軟

件、電子郵件和視頻會議的形式與高光譜衛(wèi)星土壤質量監(jiān)測領域生產(chǎn)作業(yè)單位、

大學、科研院所的多位技術專家和生產(chǎn)專家進行多次交流探討，并根據(jù)專家意

見對標準草案進行修改完善，于2024年1月完成了標準征求意見稿和編制說明。

二、標準編制原則和確定標準主要內(nèi)容的依據(jù)

2.1標準編制原則

（1）全面性

高光譜衛(wèi)星遙感監(jiān)測土壤有機質是自然資源衛(wèi)星土壤質量監(jiān)測中的一項重

要工作與技術，遵循測繪標準體系，確定本標準的定位、內(nèi)容以及與其它標準

的關系。標準編制過程中充分考慮到行業(yè)領域技術發(fā)展現(xiàn)狀和實際工作需求，

依托已有的技術優(yōu)勢和前期研究基礎，不斷總結經(jīng)驗，凝練高光譜衛(wèi)星遙感監(jiān)

測土壤有機質技術中規(guī)范流程。旨在保證標準內(nèi)容規(guī)范、對實際工作有指導作

用，為形成統(tǒng)一而全面的行業(yè)技術規(guī)范，指導后續(xù)作業(yè)生產(chǎn)，提高生產(chǎn)效率，

并為未來技術留有發(fā)展空間。

（2）適用性

本標準與現(xiàn)有的國標行標等相關標準相互協(xié)調，保持標準內(nèi)容間的一致性，

避免新制定標準同已經(jīng)頒布實施或正在報批的相關標準之間的沖突和矛盾。本

3

標準規(guī)定了高光譜衛(wèi)星遙感監(jiān)測土壤有機質的程序、方法、監(jiān)測結果的精度評

價、成果表達等內(nèi)容，對完善高光譜衛(wèi)星應用系列標準體系起到積極作用。

（3）可操作性

高光譜衛(wèi)星遙感監(jiān)測土壤有機質涉及較多新技術，實現(xiàn)的技術路線也差異

較大，因此需要明確最基本、最普遍適用的技術指標和要求以進行規(guī)范和約定，

使之既可控制整個高光譜衛(wèi)星遙感監(jiān)測土壤有機質全過程的質量，又可以充分

發(fā)揮不同技術、軟件的特點。該技術規(guī)范明確清晰地介紹了各流程，對于技術

人員而言具有較強的可操作性。

（4）先進性

作為指導和規(guī)范生產(chǎn)作業(yè)的技術標準，應具有先進性與可繼承性。國內(nèi)區(qū)

域或舊的指標和要求有的必須調整以適應新技術的發(fā)展和境外作業(yè)的特點，有

的必須保留和繼承以保持測繪生產(chǎn)的延續(xù)性以及測繪成果的可靠性。

2.2國內(nèi)外調研情況

國外在高光譜衛(wèi)星遙感監(jiān)測土壤有機質方面開展了較多的研究工作，在算

法模型方面，以運用偏最小二乘回歸模型得到土壤參量為主。Reis等基于高光

譜數(shù)據(jù)，通過收集8個不同土壤深度的樣品，采用主成分分析和線性判別分析

方法對不同深度光譜曲線進行聚類，結合偏最小二乘模型預測土壤有機質含量，

R2達到0.75，RPD達到2.1，表明高光譜數(shù)據(jù)可用于獲取不同深度的土壤有機質

含量。Castaldi等比較了7種多光譜或高光譜衛(wèi)星數(shù)據(jù)估算土壤有機質的能力，

根據(jù)不同衛(wèi)星光譜響應函數(shù)獲得模擬反射率，分析重采樣間隔對精度的影響，

驗證了高光譜衛(wèi)星對土壤有機質估算的潛力。

隨著我國高光譜衛(wèi)星的接連發(fā)射，國內(nèi)學者針對國產(chǎn)高光譜衛(wèi)星土壤有機

質含量反演也開展了大量研究。楊雅煜等利用ZY1-02D衛(wèi)星高光譜數(shù)據(jù)，通過

4

建立土壤有機質光譜指數(shù)，實現(xiàn)長三角地區(qū)宿遷市的土壤有機質含量反演。孫

偉超等基于高分五號高光譜衛(wèi)星數(shù)據(jù)，采用遺傳算法和特征投影重要性綜合打

分對光譜譜段進行特征選擇，利用有機質與黏土礦物組合光譜帶估算土壤有機

質含量，與利用全譜段數(shù)據(jù)有機質含量相比，R2從0.34提高到0.76，模型精度

顯著提高。孟祥添等人利用運用不同去噪方法的GF-5衛(wèi)星高光譜數(shù)據(jù)預測土壤

有機質含量，充分挖掘了衛(wèi)星高光譜數(shù)據(jù)在監(jiān)測土壤有機質方面的潛力。顏祥

照基于國產(chǎn)星載高分五號高光譜衛(wèi)星數(shù)據(jù)估算耕地土壤有機質含量，利用光譜

反射率數(shù)據(jù)構建偏最小二乘回歸模型，同時評估了不同土壤類型對土壤有機質

預測精度的影響，應用于黑土區(qū)后模型驗證精度R達到0.8，在沼澤土內(nèi)模型驗

證精度R達到0.6。

目前國內(nèi)外在高光譜衛(wèi)星遙感監(jiān)測土壤有機質方面已經(jīng)取得了顯著的進

展。研究結果充分論證了利用高光譜衛(wèi)星監(jiān)測土壤有機質的可行性，并顯示高

光譜衛(wèi)星的監(jiān)測效果明顯優(yōu)于多光譜數(shù)據(jù)。隨著高光譜衛(wèi)星技術的不斷成熟，

越來越多的高光譜衛(wèi)星數(shù)據(jù)產(chǎn)品將投入業(yè)務化應用。但是，高光譜衛(wèi)星遙感監(jiān)

測土壤有機質涉及多項關鍵技術，在數(shù)據(jù)處理及技術流程上，仍未形成統(tǒng)一的

指標，不利于標準化的產(chǎn)品生產(chǎn)與批量應用，無法應對未來國產(chǎn)高光譜數(shù)據(jù)大

規(guī)模、業(yè)務化、規(guī)范化處理，可能會滯后高光譜數(shù)據(jù)的應用與推廣，影響我國

衛(wèi)星產(chǎn)業(yè)的發(fā)展。因此，迫切需要開展高光譜衛(wèi)星遙感監(jiān)測土壤有機質規(guī)范研

究，推動我國高光譜衛(wèi)星業(yè)務化運行。

本標準在制定過程中，廣泛收集了相關國家標準和行業(yè)標準，作為本標準

制定的參考和借鑒依據(jù)，主要包括：

GB/T14950-2009攝影測量與遙感術語

GB/T17296-2009中國土壤分類與代碼

5

GB/T18834-2002土壤質量詞匯

GB/T21010-2017土地利用現(xiàn)狀分類

GB/T30115-2013衛(wèi)星遙感影像植被指數(shù)產(chǎn)品規(guī)范

GB/T32722-2016土壤質量土壤樣品長期和短期保存指南

GB/T32726-2016土壤質量野外土壤描述

GB/T33469-2016耕地質量等級

GB/T36197-2018土壤質量土壤采樣技術指南

GB/T36199-2018土壤質量土壤采樣程序設計指南

GB/T36393-2018土壤質量自然、近自然及耕作土壤調查程序指南

GB/T41475—20221：25000～1：500000土壤養(yǎng)分圖用色與圖例規(guī)范

GB/T42363-2023土壤質量土壤理化分析樣品的預處理

CH/T3019-20181：250001：500000光學遙感測繪衛(wèi)星影像產(chǎn)品生產(chǎn)技

術規(guī)范

NY/T1119-2006土壤監(jiān)測規(guī)程

NY/T1121.1-2006土壤檢測第1部分：土壤樣品的采集、處理和貯存

NY/T1121.6-2006土壤檢測第6部分：土壤有機質的測定

本標準充分借鑒以上技術標準，但是具有明顯的差別。GB/T14950-2009是

基本術語要求，是很多測繪、遙感標準的基礎，用于解釋本標準中的部分專業(yè)

術語。GB/T17296-2009確定了中國土壤分類與代碼，用于土壤類型的劃分和標

注。GB/T18834-2002規(guī)定了土壤質量詞匯，適用于對土壤保護、土壤監(jiān)測、土

壤治理等方面活動中用的名詞術語及定義的有關內(nèi)容。GB/T21010-2017規(guī)定了

土地利用現(xiàn)狀的總則、分類與編碼，明確了土地利用各類型的含義。CH/T

3019—2018用于規(guī)定1：250001：500000光學遙感測繪衛(wèi)星影像產(chǎn)品的生產(chǎn)，

6

其中對于衛(wèi)星數(shù)據(jù)的幾何校正處理要求適用于高光譜衛(wèi)星遙感數(shù)據(jù)處理，具有

一定參考價值。GB/T30115-2013明確了衛(wèi)星遙感影像植被指數(shù)產(chǎn)品規(guī)范，對于

裸土提取中的指數(shù)計算具有一定參考價值。GB/T32722-2016、GB/T32726-2016、

GB/T36197-2018、GB/T36199-2018、GB/T36393-2018、GB/T41475-2022、

GB/T42363-2023用于規(guī)定和指導土壤樣品保存、野外土壤描述、土壤采樣、土

壤調查、土壤理化分析樣品的預處理，主要是針對傳統(tǒng)的野外樣品采集，其中

部分內(nèi)容適用于高光譜衛(wèi)星遙感監(jiān)測土壤有機質，具有一定參考價值。GB/T

33469-2016用于規(guī)定耕地質量等級以及不同區(qū)域的劃分標準。NY/T1119-2006、

NY/T1121.1-2006、NY/T1121.6-2006用于規(guī)定傳統(tǒng)采樣為主的土壤監(jiān)測相關

技術環(huán)節(jié)，和土壤檢測中土壤樣品的采集、處理和貯存以及土壤有機質的測定。

通過分析，可以發(fā)現(xiàn)現(xiàn)有標準難以滿足高光譜衛(wèi)星遙感監(jiān)測土壤有機質的

技術要求，需要開展針對性的標準制定工作，以更好地指導相關作業(yè)。標準化

的試驗流程是國產(chǎn)高光譜衛(wèi)星監(jiān)測土壤質量走向業(yè)務化前提條件，因此，迫切

需要盡快填補該領域標準規(guī)范的缺失，構建完善的高光譜衛(wèi)星遙感監(jiān)測土壤有

機質技術規(guī)范，為業(yè)界提供明確的指導。

2.3主要技術內(nèi)容的說明

（1）標準的定位

本文件規(guī)定了高光譜衛(wèi)星遙感監(jiān)測土壤有機質的程序、方法、監(jiān)測結果的

精度評價、成果表達等內(nèi)容。本文件適用于空間分辨率不低于30米、包含可見

光、近紅外與短波紅外譜段范圍高光譜衛(wèi)星遙感數(shù)據(jù)的耕地土壤有機質監(jiān)測。

（2）確定標準主要內(nèi)容的依據(jù)

本標準的任務是規(guī)范并指導資料收集與整理、遙感數(shù)據(jù)獲取與預處理、土

壤樣品采集與有機質測定、模型構建與模型應用、成果整理等環(huán)節(jié)，用于進行

7

基于星載高光譜數(shù)據(jù)的土壤有機質監(jiān)測。為提高標準的實用性，編制組在標準

制定前期進行了大量的調研、資料收集，以及技術試驗等工作，在編制過程中

與自然資源部國土整治中心、中國科學院南京土壤研究所、中國科學院空天信

息創(chuàng)新研究院、中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所、中國科學院地理

科學與資源研究所、中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所等單位的專家進行

了多次的交流和探討。同時充分利用主編單位的有利條件，總結凝練利用高光

譜衛(wèi)星遙感監(jiān)測黑土地土壤有機質含量的實踐經(jīng)驗，開展了大量技術試驗。這

些都是本標準主要內(nèi)容編制的重要依據(jù)。

（3）已發(fā)射的國產(chǎn)高光譜衛(wèi)星

從2018年起，我國已成功發(fā)射高分五號、資源一號02D、高分五號衛(wèi)星、

高分五號B星、高分五號01A星等5顆高光譜觀測衛(wèi)星，高光譜對地觀測當前

已邁入星載時代。2020和2021年自然資源部作為業(yè)主相繼發(fā)射的資源一號02D、

資源一號02E兩顆高光譜衛(wèi)星，組成了全球首個民用高光譜業(yè)務衛(wèi)星星座。該

星座不僅具有大幅寬、高光譜分辨率的特點，保持國際同類載荷最高的信噪比，

并具備同時刻、同角度、同大氣條件下，高分辨率多光譜成像以及大氣輻射反

演能力，可為我國高光譜應用深化研發(fā)與規(guī)?；瘧贸掷m(xù)提供星載數(shù)據(jù)方面的

有力支持和保障。

（4）資料收集與整理

利用高光譜遙感衛(wèi)星開展土壤有機質監(jiān)測，首先需要進行資料收集與整理。

資料收集在時間上一般宜從新到老，比例尺從大到小。收集的資料應包括土壤

類型分布資料、土地利用/地表覆蓋/耕地分布資料、土壤有機質等參量分布資

料、數(shù)字高程模型數(shù)據(jù)以及行政區(qū)劃數(shù)據(jù)等。在資料整理時，需要首先查看資

料的數(shù)據(jù)時相、數(shù)據(jù)來源、空間參考、比例尺、成果精度等，綜合分析各類型

8

資料的分布以及監(jiān)測區(qū)覆蓋情況，評估資料的準確性和可靠性。然后將介質圖

件資料轉換成柵格數(shù)據(jù)或矢量數(shù)據(jù)，具有不同量綱的數(shù)據(jù)應進行歸一化處理，

各種資料應配準到統(tǒng)一的坐標系上，如有必要應對柵格數(shù)據(jù)進行重采樣，以匹

配遙感數(shù)據(jù)分辨率。最后，對收集的資料進行分析，明確區(qū)域內(nèi)土壤類型、土

地利用/土地覆蓋現(xiàn)狀、耕地分布情況，以及土壤有機質、質地、肥力等土壤指

標的空間分布情況，確定土壤有機質的空間分異情況。資料收集與整理一方面

用于為樣點布設的依據(jù)，另一方面可與土壤有機質監(jiān)測結果進行對照，分析結

果的合理性與科學性為樣點布設提供依據(jù)。

（5）數(shù)據(jù)獲取與預處理

數(shù)據(jù)獲取與預處理包含遙感數(shù)據(jù)選擇、遙感數(shù)據(jù)預處理、裸土分布信息提

取三個環(huán)節(jié)。

遙感數(shù)據(jù)選擇時，需要重點考慮譜段范圍與設置、空間分辨率是否可滿足

土壤有機質反演的指標要求，影像的云量覆蓋、耕地覆蓋以及數(shù)據(jù)質量是否滿

足要求等。為此，在遙感數(shù)據(jù)選擇中從上述五個方面分別提出了具體要求：a)

遙感數(shù)據(jù)具有可見光波段、近紅外波段、短波紅外波段；b)遙感數(shù)據(jù)的空間分

辨率應不低于30m，光譜分辨率為（5-20）nm；c)遙感數(shù)據(jù)云覆蓋面積總和應

不超過影像覆蓋面積的15%；d)遙感數(shù)據(jù)全部或部分覆蓋監(jiān)測區(qū)內(nèi)耕地；e)遙

感數(shù)據(jù)圖面應清晰，無數(shù)據(jù)丟失，無明顯條紋、點狀或塊狀噪聲，無嚴重輻射

和幾何畸變。

高光譜衛(wèi)星遙感數(shù)據(jù)的預處理一般包括輻射定標、大氣校正和幾何糾正三

部分。輻射定標一般是根據(jù)傳感器各波段定標系數(shù)利用定標公式對影像各波段

數(shù)據(jù)進行輻射定標，將量化數(shù)字灰度值轉換為對應視場表觀輻亮度值，得到輻

亮度數(shù)據(jù)。通過對現(xiàn)有標準規(guī)范的查閱比較，本文件中確定高光譜衛(wèi)星遙感監(jiān)

9

測土壤有機質中的輻射定標具體計算方法按照GB/T30115—2013中7.3的規(guī)定

執(zhí)行。為消除或減弱遙感數(shù)據(jù)獲取時因大氣傳輸中的吸收或散射作用引起的輻

射畸變，一般應對輻射定標得到的輻亮度數(shù)據(jù)進行大氣校正，得到地表反射率

數(shù)據(jù)。大氣校正方法應根據(jù)傳感器特性、地表覆蓋和氣象等條件選擇適宜的方

法，具體按照GB/T30115—2013中7.7的規(guī)定執(zhí)行。為消除幾何畸變帶來的誤

差，應對地表反射率數(shù)據(jù)進行幾何糾正。一般的幾何糾正包括幾何精糾正和正

射糾正。幾何精糾正的方法按照CH/T3019—2018中8.5的規(guī)定執(zhí)行，正射糾

正的方法按照CH/T3019—2018中9.5的規(guī)定執(zhí)行。幾何精度應符合CH/T3019

—2018中4.5的規(guī)定。

裸土分布信息提取是高光譜衛(wèi)星遙感監(jiān)測土壤有機質中的關鍵預處理環(huán)

節(jié)。在前面獲得幾何糾正后的地表反射率基礎上，首先按照公式計算裸土指數(shù)，

然后統(tǒng)計耕地范圍內(nèi)像元在裸土指數(shù)中的數(shù)值，并繪制頻率分布直方圖，確定

裸土像元與非裸土像元的劃分閾值，宜采用最大類間方差法確定閾值，將裸土

指數(shù)中大于閾值的像元判定為裸土像元，賦值為1，其他像元（包括非耕地像元）

判定為非裸土像元，賦值為0，生成裸土提取結果。在提取的裸土像元中隨機生

成不少于100個像元作為驗證集，以目視判讀結果作為真值計算裸土提取精度。

為確保后續(xù)結果的精度，提取的裸土分布結果一般應以柵格二值化形式存儲，

且提取精度應不低于90%。

（6）土壤樣品采集與有機質測定

土壤樣品采集與有機質測定具體包含四方面的內(nèi)容：樣點布設、樣品采集、

樣品處理、樣品有機質測定。

樣點布設時應重點考慮樣點是否能綜合反映區(qū)域內(nèi)土壤有機質的空間變異

性、應覆蓋不同有機質含量等級的地塊序列。其次，樣點布設宜采用歷史土壤

10

有機質空間分布數(shù)據(jù)輔助分層抽樣方式，將土壤有機質數(shù)值范圍劃分為（5～8）

級，每級應布設不少于5個樣點，如果監(jiān)測區(qū)域無歷史土壤有機質數(shù)據(jù)，應結

合土壤類型和/或土地利用信息分層布設土壤樣點。樣點應布設于平坦地塊中心

位置，樣點周邊（3×3）個像元范圍內(nèi)的土壤類型、耕地利用類型、農(nóng)田管理

措施應一致。在遠郊區(qū)，樣點布設應選擇代表區(qū)域內(nèi)主要土壤類型、土地利用

類型和地理地貌的地塊；在近郊區(qū)，樣點布設應選擇種植面積相對較大的糧食

作物、蔬菜基地及特色農(nóng)產(chǎn)品種植的代表性地塊。此外，樣點應遠離城市垃圾

堆放點、工業(yè)及生活排污口、交通、餐飲、住宅、溝渠、糞坑、墳墓等污染源

影響顯著的地區(qū)300m以上，并避免在水土流失嚴重或表土被破壞處布設樣點。

樣品采集前，應準備好采樣工具、工作底圖和采樣記錄表等。樣品采集時

間應綜合考慮監(jiān)測時間需求與衛(wèi)星數(shù)據(jù)獲取計劃確定，一般應在高光譜影像數(shù)

據(jù)拍攝日期前后10日內(nèi)完成，樣品采集與影像拍攝時土壤表面理化性狀未發(fā)生

明顯變化。樣點采集方法按照NY/T1121.1—20062.2中c)-e)的規(guī)定執(zhí)行。每

個樣點的土壤樣品應為混合樣，即采樣點所在一定半徑范圍內(nèi)若干子樣經(jīng)均勻

混合后的土壤樣品。混合樣的半徑范圍應小于高光譜衛(wèi)星影像分辨率的一半。

每個混合樣由3-5個子樣組成。子樣宜采用“X”形布點法、“S”形布點法、梅

花形布點法或棋盤形布點法，每個子樣采集深度為5-20cm耕作層土壤，采土部

位應一致。土壤樣品應裝入塑料密封袋內(nèi)并外套布袋，寫好便簽、做好采樣記

錄。標簽與采樣記錄按照NY/T1121.1—20062.2中f)的規(guī)定執(zhí)行。

樣品的處理按照NY/T1121.1—2006中3.2的規(guī)定執(zhí)行，樣品有機質測定

按照NY/T1121.6—2006的規(guī)定執(zhí)行。

（7）模型構建與模型應用

模型構建與模型應用部分具體包括模型構建、模型應用和精度驗證三方面

11

內(nèi)容。

在模型構建中，具體包含數(shù)據(jù)集建立、光譜特征選擇、反演模型構建三個

環(huán)節(jié)。數(shù)據(jù)集的建立應根據(jù)土壤樣品有機質含量數(shù)值分布情況，采用分層隨機

方法劃分訓練集與驗證集，訓練集與驗證集樣品比例在2:1至3:1的范圍內(nèi)。

訓練集用于光譜特征選擇與反演模型構建，驗證集用于精度驗證。光譜特征選

擇包括光譜特征計算和土壤有機質敏感特征篩選。常用的光譜特征包括光譜斜

率、光譜吸收位置、光譜吸收深度、光譜吸收寬度等，以及經(jīng)過數(shù)學變換后的

光譜，如倒數(shù)光譜、對數(shù)光譜、導數(shù)光譜、積分光譜等。在土壤有機質敏感特

征篩選時，宜采用基于相關分析的特征選擇方法，以皮爾遜相關系數(shù)的絕對值

大于0.4作為標準，篩選與土壤有機質含量相關性高的光譜特征組合。根據(jù)劃

定的訓練集樣品數(shù)據(jù)，以篩選的土壤有機質敏感特征為自變量、以有機質含量

為因變量，作為模型的輸入?yún)?shù)訓練模型，采用偏最小二乘回歸、隨機森林回

歸和高斯過程回歸等統(tǒng)計預測模型進行反演模型構建。

在應用模型估算土壤有機質含量分布結果時，利用幾何糾正后的地表反射

率數(shù)據(jù)，根據(jù)提取的裸土像元，計算篩選的土壤有機質敏感特征，然后應用構

建的模型進行估算，得到土壤有機質含量分布結果。

精度驗證應根據(jù)估算的土壤有機質含量分布結果，采用以下兩種方式進行

判定：1）利用驗證集樣品數(shù)據(jù)，計算土壤樣品有機質實測值Y與遙感監(jiān)測土壤

有機質含量Y’間的皮爾遜相關系數(shù)ρ；2）利用驗證集樣品數(shù)據(jù)，計算土壤樣

品有機質實測值Y與遙感監(jiān)測土壤有機質含量Y’間的均方根誤差r。滿足

且則判定為精度合格，精度判定不合格的，應逐個檢查并優(yōu)化數(shù)據(jù)獲取

與預處理、土壤樣品采集與有機質測定、模型構建、模型應用中各個環(huán)節(jié)，直

至精度合格。

12

（8）成果整理與資料歸檔

成果整理包括監(jiān)測成果圖與監(jiān)測成果報告。土壤有機質遙感監(jiān)測成果圖應

利用土地利用數(shù)據(jù)對監(jiān)測成果圖中非耕地區(qū)域進行掩膜；對耕地土壤有機質反

演結果進行彩色渲染或分級設色，用色與圖例按照GB/T41475的規(guī)定執(zhí)行；監(jiān)

測成果圖坐標系應采用CGCS2000；監(jiān)測成果圖應包括圖名、圖例、比例尺、指

北針、監(jiān)測時間、制圖單位等。

監(jiān)測成果報告方面，宜包括但不限于如下內(nèi)容：任務來源、工作目標和具

體指標要求等資料與信息；區(qū)域內(nèi)土壤類型、土地利用/土地覆蓋現(xiàn)狀、耕地分

布情況，以及土壤有機質、質地、肥力等土壤指標的空間分布情況；高光譜衛(wèi)

星遙感數(shù)據(jù)獲取情況與處理結果；土壤樣品采集與有機質測定結果；土壤有機

質光譜特征選擇與反演模型構建；區(qū)域內(nèi)土壤有機質遙感監(jiān)測結果，宜采用統(tǒng)

計表格和圖片等，統(tǒng)計表格應包括土壤有機質含量、監(jiān)測精度評價等信息。圖

片應包括樣點實際分布圖、樣點處實景照片、監(jiān)測成果圖等；土壤有機質遙感

監(jiān)測結果精度。

資料歸檔介質主要為光盤、磁帶或硬盤等，歸檔資料包括：監(jiān)測成果圖、

監(jiān)測成果報告、其他。

三、驗證試驗的情況和結果

在驗證試驗方面，編制組首次利用星載高光譜數(shù)據(jù)實現(xiàn)了中國黑土地耕地

土壤有機質全覆蓋制圖，包括黑龍江省、吉林省、遼寧省和內(nèi)蒙古自治區(qū)東部

的赤峰市、通遼市、興安盟、呼倫貝爾市，區(qū)域總面積約126.54萬平方公里。

監(jiān)測區(qū)域覆蓋黑土地全域耕地，具體包含水田、旱地、水澆地。本次監(jiān)測使用

自然資源部作為業(yè)主的我國首顆民用高光譜衛(wèi)星（資源一號02D）。

13

在試驗中，針對中國耕地復雜地理環(huán)境與土壤類型、農(nóng)業(yè)分區(qū)特點，研發(fā)

了一套地形因子與目標光譜特征協(xié)同的土壤參量反演技術，首次提出了基于多

指標評價的變量重要性因子-競爭性自組織選擇-隨機蛙三算法聯(lián)合特征選擇技

術（VIP-CARS-Frog），實現(xiàn)高質量、穩(wěn)定的特征選擇。該反演技術現(xiàn)已成功應

用于GF5、5米光學業(yè)務衛(wèi)星、5米光學02星等國產(chǎn)高光譜衛(wèi)星，利用該技術構

建了東北黑土區(qū)尺度土壤有機質反演模型。

整個過程分為以下部分：1）對高光譜數(shù)據(jù)進行預處理得到地表反射率數(shù)據(jù)，

基于實測點數(shù)據(jù)提取影像中點位光譜反射率；2）基于點位光譜計算光譜指數(shù)、

光譜反射率（包含不同變換后的光譜）；基于高程數(shù)據(jù)提取坡度、坡向等地形因

子；基于實測點數(shù)據(jù)提取對應點位地形因子；利用光譜反射率、光譜指數(shù)、地

形因子構建特征集；3）按照一定比例將土壤有機質和特征集劃分為建模集和驗

證集；4）基于隨機蛙算法（RandomFrog，RF）對不同特征集組合進行降維，

構建高斯過程回歸模型（GaussianProcessRegression,GPR），通過比較精度

對不同特征集組合進行評價，選擇出最優(yōu)特征集組合；5）基于RF、競爭性自適

應重加權抽樣（CompetitiveAdaptiveReweightedSampling，CARS）、投影變

量重要性（VariableImportanceinProjection，VIP）三種特征選擇方法對

最優(yōu)特征集組合進行降維，篩選出各自優(yōu)選的特征變量，構建集成提升樹模型

（Least-squaresboosting，LSBoost），基于驗證集比較每種方法中不同特征

對決定系數(shù)（Adj-R2）、均方根誤差（RMSE）、相對分析誤差（RPD）的貢獻，以

此確定最優(yōu)特征變量和特征數(shù)量；6）基于最優(yōu)特征變量構建不同反演模型，通

過比較精度選擇最優(yōu)反演模型，應用該模型并得到土壤有機質。

14

圖1技術流程圖

1）樣本集劃分

為減小參量反演模型的預測偏差，考慮到土壤有機質含量差異，將研究區(qū)

的163個樣本分成建模集和驗證集2組，建模集用于特征選擇與模型構建，驗

證集用于評價模型精度。

2）特征集比較

考慮到光譜反射率、光譜指數(shù)、地形因子的特征集數(shù)量較大，為提高所選

特征的代表性，為此，本研究進行特征集比較，通過計算不同組合的精度，選

擇最優(yōu)特征集組合。首先，為解決光譜反射率波段數(shù)量多、冗余性較大的問題，

分析實測點土壤有機質與光譜反射率（包括點位光譜與基于點位光譜計算不同

變換后的光譜）之間的相關性，其相關性的絕對值如下所示，可見原始光譜與

土壤有機質之間的相關性最高，倒數(shù)、平方根、對數(shù)、微分與土壤有機質之間

15

的相關性較低，由此，選擇原始光譜作為光譜反射率特征集。

圖2土壤有機質與光譜反射率間相關性

其次，基于隨機蛙算法對不同特征集組合進行降維，組合分為光譜反射率

（R）、光譜指數(shù)（SI）、光譜反射率+地形因子（R+DEM）、光譜指數(shù)+地形因子

（SI+DEM）、光譜指數(shù)+光譜反射率（SI+R）、光譜指數(shù)+光譜反射率+地形因子

（SI+R+DEM），分別選擇每組的特征變量，利用這些特征變量建立GPR反演模型，

通過對不同特征集組合進行精度評價，選擇光譜指數(shù)+地形因子（SI+DEM）為最

優(yōu)特征集組合。

3）特征選擇

為篩選出對模型構建有幫助的特征，基于光譜指數(shù)+地形因子的組合，比較

了RF、CARS、VIP三種特征選擇方法在LSBoost反演模型下的精度，由此，我

們確定最終選用的特征變量與特征數(shù)量。

綜合比較，我們選擇7個用于反演土壤有機質含量的特征變量，這些在每

組別中均有一定貢獻，分別是elevation、mean_650_750、Slp620_500、SOC_C600、

DIOR580735、Slp820_500、DIOR740525。

16

圖3不同特征選擇方法下各特征的貢獻度

17

4）反演模型構建

基于最優(yōu)特征變量比較不同反演模型的精度，利用10折交叉驗證方法進行

模型參數(shù)優(yōu)化，分別計算基于交叉驗證數(shù)據(jù)的R2、RMSE和基于驗證集數(shù)據(jù)的R2、

RMSE，由此，確定最終的土壤有機質反演模型。、下表為不同反演模型的精度對

比，從表中可得知，與其他模型相比，GPR