第３３卷，第ｌＯ期２０ｌ３年１０月
光谱学与光谱分析
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ
Ｖｏｉ．３３，Ｎｏ．１０，ｐｐ２７７１—２７７６
Ｏｃｔｏｂｅｒ，２０１３
土壤湿润条件下基于光谱对称度的盐渍土盐分含量预测
刘
娅１’２，潘贤章¨，王昌昆１’２，李燕丽１’２，石荣杰１’２，周
睿３，解宪丽１
Ｉ．中国科学院土壤环境与污染修复重点实验室（南京土壤研究所），江苏南京２１０００８２．中国科学院大学，北京１０００４９
３．中国科学院南京分院，江苏南京２１０００８
摘要近年来光谱技术以其经济、高效的优势在土壤盐渍化监测研究中得到重视，但是由于土壤水分对反射光谱影响很大，土壤湿润条件下监测精度难以满足农业生产需求。通过对盐土土柱室内模拟蒸发过程中的反射光谱和水分、盐分变化的连续监测，利用多元逐步回归方法，建立了１３７０～１
６１０
ｎｌＴｌ光谱对称度
与土壤表层含盐量、含水量之间的线性关系模型，ｒ为０．８６３；用该模型反演表层土壤含盐量，实测值与预测值之间线性关系的ｒ为０．６５６（ｎ＝５４），ＲＭＳＥ为２．０５９ｇ・ｋｇ～。利用光谱对称度可以实现土壤湿润条件下土壤盐分含量预测。
关键词土壤盐渍化；土壤湿润条件；光谱对称度；土壤含盐量；预测中圈分类号：Ｓ１２７。ＴＰ７９
文献标识码：Ａ
ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１３）１０—２７７１—０６
降，１４００和１
９００
Ｉｕｎ水分子的振动特征变宽且更不对称［１］。
引言
土壤盐渍化是最常见的土地退化问题之一［１］，不仅影响
还有研究显示，土壤饱和浸提液电导率与８００～８１０啪处吸
收峰深度显著正相关，而与宽度和不对称度呈显著负相关［７］。Ｆａｒｉｆｔｅｈ对不同含盐量的土壤光谱特征进行了研究，认为盐分含量的增加会导致大于１
３００ａｍ（１
农业生产，对区域生态环境的稳定性也构成一定威胁。盐渍４００和１
９００
土中含有大量可溶性盐，对作物生长有较强的抑制作用，使
得该类土地生产力很低［ｚ］。由于极易受气候、地质、地形、海岸等影响，中国盐渍土具有分布广泛、类型复杂、季节性明显等特点，因而，给盐渍化监测带来了一定困扰［３］。传统
ｎｍ左右）波段反射率变化［８］。刘焕军也指出，盐碱土在４００
～２５００ｎｎｌ范围内有五个明显的吸收谷（５００，６７０，１４１８，
１
９１５和２
２１０
ｎｌＴｌ附近），盐渍土由于富含盐分，在上述五个
ｎｌＴｌ去
波段的吸收特征均显著强于其他土壤［９Ｊ。Ｗｅｎｇ对黄河三角洲的盐渍土光谱特征进行了研究，并用２０５２和２演，取得了较好结果［１０３。
上述研究表明了采用光谱技术进行土壤盐渍化研究的可行性，但是已有研究大都以风干土为研究对象，尚未考虑到
２０３
的盐渍土监测、制图主要依靠野外采样或者野外快速测定，
这就使精细的盐渍化分区制图浪费大量人力、物力、财力和
包络线后反射率构建的盐分特征指数对土壤含盐量进行了反
时间［４’５］，且易受到采样时问和采样范围的限制，难以实现
盐渍化程度的实时监测、区域制图的快速更新；而一些新型测定方法，比如磁感大地电导率仪的应用还不够广泛［６］。因此，目前的土壤盐渍化信息获取技术满足不了日益提高的需求，需要一种高效、精准的方法。
光谱技术以其高效、经济的优势在土壤盐渍化监测研究中得到重视，国内外学者已对盐渍化土壤的光谱特征进行了大量研究，Ｄｅｈａｎｎ等研究表明，高度盐渍化的土壤在６８０，
ｌ
水分对盐分及光谱的影响。而水分又是土壤的重要组成部
分，亦对土壤的光谱反射率有很大影响。尤其对盐渍化土壤而言，水是土壤中盐分的溶剂和载体，土壤含水量与土壤含
盐量有着密切关系，因而水盐变化对表层光谱反射率必然有
强烈的影响，结合土壤水分研究盐渍土光谱变化特征意义重大。Ｗａｎｇ等突破了以往只针对风干土做研究的局限，通过人为添加水分，制作不同含水量条件下各种盐渍化程度的土壤样品，并对其光谱特征进行了研究［１１‘，但是没有考虑到自
１８０和ｌ
７８０
ｎＩｎ相对于非盐渍化土壤有更清晰的吸收特
２００
征，且随盐渍化程度的增加，２ｎｎｌ处一ＯＨ的吸收特征
变弱，８００ｎｒｎ处增高，在８００～１
３００啪光谱曲线的斜率下
收稿日期：２０１２—１２—３１，修订日期：２０１３—０３—２４
基金项目：国家自然科学基金项目（４１０７１１４０），中国科学院战略先导性项目（ＸＤＡ０５０５０５０９０２）资助作者简介：刘娅，１９８６年生，中国科学院南京土壤研究所博士研究生
＊通讯联系人
ｅ－ｍａｉｌ：ｐａｎ＝＠ｉｓｓａ＆ａＧ
ｃｌ－ｉ
ｅ－ｍａｉｌ：ｌｉｕｙａ＠ｉｓｓａｓ．ａｃ．ｃｎ
２７７２
光谱学与光谱分析
第３３卷
然条件下水盐的相互作用、相互影响，忽略了整个动态的过程。因此，本工作选择在蒸发过程中，对不同水分条件下盐渍土的光谱变化特征及水盐变化进行研究，以探索盐渍土光谱反射率随土壤水盐变化的规律，为更准确地获取盐渍土信息，以及提高区域盐渍化制图精度提供依据，也为今后土壤盐渍化信息的原位、快速获取提供依据。
直方向夹角为４５。。为了消除阴影影响，每个样品采集４个方向的光谱，按９０。旋转样品，每个方向采集５条光谱曲线，共２０条曲线，以２０条光谱曲线算术平均值代表该样品的光谱。每次测量前先做暗电流校正，然后用２５射标准参考板进行校正［１
２｜。
ｃｍ×２５
ｃｍ的漫反
土壤含盐量数据由中国科学院南京土壤研究所研制的小型钠电极和小型氯电极测定，电极经校正后，参照供试土壤离子组成配制一系列盐分浓度的标准溶液，绘制出盐分传感器的读数值与盐分浓度之问的关系曲线，再由每次测量的土壤含水量推算出水土比，根据水土比计算出土壤含盐量，单位为ｇ・ｋｇ～。
土壤水分数据由英国Ｄｅｌｔａ－Ｔ公司生产的ＳＭ３００水分速测仪测得，该仪器测量精度可达±２．５％。根据各个模拟土柱的土壤容重，将体积含水量转化为质量含水量，单位为
ｇ・ｇ一。
１实验部分
ｌ－１样品与方法
实验以不同初始含盐量的土壤为研究对象，定期测定蒸发过程中表层土壤水分及盐分数据，同时采集表层土壤反射光谱，研究从湿润到蒸干过程中，三者之间的关系。供试土壤采自江苏省盐城市滨海地区，采样区内土壤为滨海盐土，滨海盐土是盐土的一个亚类，由沿海地区的盐渍淤泥发育而成，该盐土含盐量较高，尤其是Ｃｌ和Ｎａ＋含量较多，ｐＨ比较高。对研究区内２３个土壤样品分析发现，Ｃｌ占阴离子总量５５．３５％，Ｎａ＋占阳离子总量５３．４１％，可见主要阴阳离子含量符合滨海盐土的特征（表１）。
Ｔａｂｌｅ１
Ｄｅｓｃｒｉｐｔｉｖｅｓｔａｔｉｓｔｉｃｓｏｆｅｉｇｈｔｉｏｎｓｃｏｎｔｅｎｔｉｎｔｈｅｓｏｉｌｓａｍｐｌｅｓ
１．３光谱特征吸收参数构建
将平滑后的光谱曲线进行去包络线处理［１３【。包络线去除后，光谱反射率归一化到ｏ～１之间，那些峰值点上的反射率值为１，而非峰值点上的反射率则小于１，因此，特征吸收在去包络线之后的曲线上可以明显地看出来，有利于分析光谱的吸收特征。故光谱特征吸收参数均针对去包络线后的光谱曲线而言。
光谱特征吸收参数（图１）一般为吸收波长的位置（Ｐ）、深度（Ｈ）、宽度（Ｗ）、面积（Ａ）和对称度（Ｓ）［１４｜。用于构建土壤含盐量反演模型的光谱特征吸收参数为对称度，计算公式为
Ｓ一粤
Ａｒｅａｌｅｆｔ
（１）
式中，Ｓ为对称度，Ａｒｅａ蛐。为吸收峰右边面积，Ａｒｅａｌｅｆｔ为吸收峰左边面积。
左右吸收峰面积采用积分法计算而得，首先找到吸收波长位置（Ｐ），按照逐波长积分的方法累加求得，由Ｖｉｓｕａｌ
实验所用基础土壤为已基本脱盐土壤，风干磨细过２ｎ１Ⅱ１筛后，装入深２５ｃｍ直径１０ｃｍ底部有孔的ＰＶＣ土柱中，在距表层５ｃｍ处埋设盐分传感器和水分传感器，表面用直尺刮平。共制作模拟土柱５个，分别放人盛有蒸馏水，０．３％，０．６％，０．９％以及１．２％ＮａＣｌ溶液的浅水容器中，从底部充分润湿，模拟５个盐分梯度的湿润土壤。然后开始定时进行光谱、水分和盐分的测量。蒸发过程在实验室条件下进行，实验室内保持恒温恒湿。整个实验过程共采集光谱数据、水盐数据６５组，因有些数据为某个土柱表面出现裂隙后所获，光谱数据有些异常，未将其列入分析范围，实际分析所用数据为５４组。１．２数据获取
光谱数据采集采用美国ＡＳＤ
ＦｉｅｌｄＳｐｅｃ３
Ｆｉｇ．１
Ｐ
Ｂａｓｉｃ编程实现。
Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｐａｒａｍｅｔｅｒｓｏｆｓｐｅｃｔｒｏｓｃｏｐｙａｂｓｏｒｐｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
Ｈｉ－Ｒｅｓ地物光
由于３５０～３８０与２４００～２５００［ｔｒｎｔ噪音较大，不能反映土壤真实的光谱信息，本研究去除上述波段，以３８０～２Ｄｉｎ为光谱研究范围。１．４模型建立与检验
随着水分的蒸发，土体中的盐分必然被运移到表层，并
４００
谱仪在暗室中进行，该光谱仪光谱范围为３５０～２５００和３５０
～ｌ０５０ｎｉｎ采样间隔为１．４ａｎ２，１０００～２５００ｎｍ采样间隔
为２ｎｍ，重采样间隔为１ｎｍ。光谱测量采用８。视场角探头，探头到土样表面的距离为４０ｃｍ，光源为两盏５０ｗ的卤素灯，其到样品表面中心的距离为４０ｃｍ，光源照射方向与垂
第１０期
光谱学与光谱分析
程度升高而增加，而２２１０和２光谱在这波段的吸收深度变浅［１
２４３
２７７３
在表层积聚，水盐含量的一系列变化势必引起表层反射光谱的变化，且表层反射光谱的变化与水盐变化过程密切相关。由于表层土壤含盐量变化幅度较大，且分布不符合正态分
ｎＩｎ则反之，这是由于土
壤盐渍化使土壤粘土矿物中的结晶程度减弱，从而导致土壤
０】。
布，所以，对表层含盐量进行了对数转换。以代表光谱反射率变化的光谱对称度为因变量，表层土壤含盐量和表层土壤含水量为自变量，采用多元逐步回归（ｓｔｅｐｗｉｓｅｍｕｌｔｉｐｌｅ
ａｒ
２．１．２蒸发过程中盐渍土光谱变化特征
图３以其中一个土柱为例来说明蒸发过程中土壤光谱反
ｌｉｎｅ—
射率与表层含水量的关系。该土柱观测过程中含水量范围为
４．３２％～３２．６８％。由图３可知，不同含水量的土壤光谱曲线之间形态相似，各个波段光谱反射率均随含水量的增加而降低，含水量越高，光谱曲线１
４１４，１
ｒｅｇｒｅｓｓｉｏｎ，ＳＭＬＲ）方法建立三者之间的定量关系。然后
用所建立的回归模型，结合水分含量，根据光谱对称度反推土壤表层含盐量，并对反演结果进行验证。决定系数（ｅｏｅｆｆｉ—
ｃｉｅｎｔｏｆ
９４３和２
２１０
ｍ附近水
ｄｅｔｅｒｍｉｎａｔｉｏｎ，Ｒ２）用于判定模型拟和优度，均方根
ｍｅａｎｓｑｕａｒｅ
分的吸收谷越明显。将该土壤５个盐分梯度的观测数据按表层含水量从高到低逐条排序，可以发现，随着含水量的减少，各样品去包络线后的光谱曲线在１３７０～１
６１０
误差（ｒｏｏｔ度。
ｅｒｒｏｒ，ＲＭＳＥ）用于评价预测模型的精
ｎｉｎ表现
出极大的差异性，且该波段范围的光谱曲线因土壤含盐量的
２结果与讨论
２．１盐渍化土壤光谱特征２．１．１盐渍化土壤光谱吸收特征
按照中国盐渍土的等级划分标准［３］，以在非盐渍化、轻度盐渍化、中度盐渍化、强度盐渍化和盐土五个级别内的５个风干土壤的光谱曲线为例进行说明（图２）。由５个等级土
差异也呈现出不同的形状（图４所示）。当含水量在３０％以上
时，该波段范围的光谱曲线平滑，且吸收峰没有表现出明显
的不对称性；当含水量降低到１０％～３０％时，该处吸收深度变浅，不对称性有所表现；当含水量降低到３％～１０％时，吸收深度继续变浅，且该波段范围开始呈现比较尖锐的形状，吸收峰的不对称性表现明显；含水量继续降低，达到３％以下时，吸收深度继续变浅，该处的不对称性更加明显，且因含盐量的不同导致吸收峰的对称度不同，含盐量越高不对称性越强烈。因此，选用１３７０～１
６１０
壤的原始光谱曲线［图２（ａ）］可知，盐渍化等级越高的土壤，其光谱反射率越低，这是由于采样区内土壤为氯化物型滨海
盐土，富含ＮａＣｌ和ＭｇＣｌｚ，而氯化物极易吸收空气中的水分，因此，盐渍化程度越高的土壤其光谱反射率越低。
０．５
ｎｍ波段范围的对称度
（简称Ｓ・Ⅲ～・ｓ・ｏ）来预测土壤含盐量。
０．４０Ｏ．３５０．３０
ｏ．４
褂０．３呕０．２
０．１
斛０．２５亲０２０
１喇
“０１５
０．１０Ｏ．０５
Ｏ
０
７５０
ｌ２５０
ｌ７５０
２２５０
７５０
ｌ２５０
ｌ７５０
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
№３
疼一
２２５０
Ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａｏｆ
ａ
ｓｉｍｕｌａｔｅｄｓｏｉｌ
１．００
ｃｏｌｕｍｎｗｉｔｈｄｉｆｆｅｒｅｎｔｓｏｉｌｍｏｉｓｔｕｒｅｓ
０．９５
２．２多元逐步回归模型
当土壤由湿润状态蒸发至风干状态，这个过程中发生变化的不仅是土壤水分，土壤光谱和含盐量也发生着显著的变化，也就是说，光谱的变化不仅由含水量的变化导致，与含盐量的变化也有密切关系，因此，利用多元逐步回归模型建立Ｓ。啪～㈨ｏ、含盐量和含水量三者之间的定量关系。结果显示，含盐量和含水量这两个自变量均能进入模型，并能很好地解释Ｓ。。，。～㈨。的变化。由表２可知，该模型的各系数均达到显著（ｎ＝５４），多元逐步回归模型为
Ｓ１
３７０～１
０．９０
０．８５
０．８０
７５０
１２５０
ｌ７５０
２２５０
ＷａｖｅｌｅｎｇｆｌＹｎｍ
吩２
Ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａ（ａ）ａｎｄｃｏｎｔｉｎｕｕｍｒｅｍｏｖｅｄ
ｓｐｅｃｔｒａ（ｂ）ｏｆｆｉｖｅｓａｌｉｎｉｔｙｇｒａｄｅｓ
６１０一１．５７４＋０．１３９１０９ＳＳＣ十而ｕ．ｕｌｌ（２）
ｎ
ｎ１々
ｄｙｊＵ
本采样区土壤，主要吸收波段的位置［图２（ｂ）］为：４８９，
６６８，９０２，１１４３，１４１４，１８０９，ｌ９４３，２２１０和２２４３
式中，Ｓ・ｓ，ｏ～・ｓ，ｏ为光谱对称度值，ＳＳＣ为表层含盐量，ＳＭＣ为表层含水量。
图４中浓度１～浓度１０为１０ｆ盐分梯度，且盐化程度
ｎｒｎ。其
中１４１４和１
９４３
ｎＩｎ附近的吸收谷，其吸收深度均随盐渍化
２７７４
光谱学与光谱分析
第３３卷
１．ＯＯ０．９５
１．００
Ｏ９５
Ｏ．９００８５
０．９０
瓣
尝０．８０嶙０．７５
０．７００．６５Ｏ．６０
１３５０
１４００
１４５０
１５００
ｌ５５０
ｌ６００
１６５０
惭
箧０．８５
Ｏ．８０
Ｏ７５
１６００
１３５０ｌ４００１４５０１５００ｌ５５０
Ｗａｖｅｌｅｎｇｔｈ／ｒｉｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｆｉｇ．４
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
ｌｕｌｌ
Ｃｏｎｔｉｎｕｕｍｒｅｍｏｖｅｄｓｐｅｃｔｒａｉｎｔｈｅｂａｎｄｏｆ１、，３７０～ｌ６１０ｏｆｓａｍｐｌｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｓａｌｔｃｏｎｔｅｎｔ
依次增大，百分数为表层土壤含水量范围。
该模型决定系数Ｒ２为０．８７３，其统计学意义表明，所建模型可以很好地表示自变量和因变量之间的关系，而其物理学意义则表示土壤表面光谱的变化与表层土壤含盐量及表层土壤含水量具有定量关系。
Ｔｈｂｋ２
利用上述模型的反推模型，将表层土壤含盐量作为因变量，以光谱对称度和表层土壤含水量为自变量进行表层土壤含盐量的预测。结果表明，实测含盐量与反演含盐量具有较好的线性关系，决定系数Ｒ２为０．６５６，ＲＭＳＥ为２．０５９ｋｇ，结果如图５所示。
ｇ・
模型
器警ｔ
Ｃｏｅｆｆｉｃｉｅｎｔｓ
同时也采用Ｗｅｎｇ和Ｍａｓｈｉｍｂｙｒｌ０Ｈ５］提出的特征光谱指
数，对数据进行分析，反演结果均差于本工作基于光谱对称度方法所得反演结果，可能是由于研究区不同，土壤盐分离
ｓｉ昏
ｉｎｔｈｅＳＭ匝Ｒｍｏｄｅｌ
子组成和母质的差异造成了这些光谱特征指数在本区反演效果较差。
３讨论
４
近年来，国内外学者用光谱方法成功进行了土壤有机质、颗粒组成、氧化铁含量、土壤含水量、ｐＨ、土壤含盐量、土壤矿物组成等土壤基本理化性质的预测。而在诸多土壤属性中，土壤水分是影响土壤光谱反射率最重要的因素之一，土壤水分增加会导致光谱反射率迅速降低，这一特性可能会掩盖其他土壤属性的光谱特征，因此，土壤水分对各土壤属性光谱预测均有重要影响。对盐渍土盐分光谱特征分析而言，由于水分的变化和盐分的运移有着密切的关系，很难找到不受土壤水分干扰的盐分敏感波段。既然水分的干扰不可避免，且土壤含水量相对土壤含盐量而言较容易获取，将水
，＿
Ｏ８６４２Ｏ０
２
４
６
８
１０
１２
１４
含盐鞋实测值／ｇ・ｋｇ’１
Ｆｉｇ．５
Ｓｃａｔｔｅｒｄｉａｇｒａｍｏｆｍｅａｓｕｒｅｄｓｏｉｌｓａｌｔ
ｃｏｎｔｅｎｔ
分信息引入反演模型应该是一种可以提高反演精度行之有效
的方法。
研究指出，盐渍化程度越高土壤光谱反射率越低［图２（ａ）］，这种现象是对无盐结壳出现的风干研磨土样而言，而
ａｎｄｐｒｅｄｉｃｔｅｄｓｏｉｌｓａｌｔｃｏｎｔｅｎｔ
第１０期光谱学与光谱分析
２７７５
有学者研究认为盐渍化程度越高土壤光谱反射率越高［１１’“］，其研究对象一般为有盐结壳出现的土壤或野外原状土壤，与本研究对象有所差别。图２（ｂ）中盐渍土去包络线后的特殊光谱吸收波段，如４８９，６６８，９０２，１
２
１４３，１４１４，１８０９，１９４３，
湿润条件下土壤盐渍化程度的预测方法，得出了以下结论：
（１）利用多元逐步回归模型建立光谱对称度Ｓ。。，¨ｓ。。、
表层土壤含盐量和土壤含水量三者之间的定量关系，模型决定系数为０．８６３，结果表明，土壤表面光谱的变化与表层土壤含盐量及含水量具有定量关系。
（２）以回归模型的反推模型预测土壤表层含盐量，取得了较好的预测结果，Ｒ２为０．６５６，ＲＭＳＥ为２．０５９
ｇ・ｋｇ～，
２１０和２
３４３
ｎｍ，与已有研究结论类似［１…。其中某些波段
有出入，是因供试土壤的盐分类型、母质或所含矿物类型不同导致。
说明该模型具有较高的预测精度，从而改善了土壤湿润条件
４结论
以盐土土柱室内模拟蒸发实验为依据，以室内光谱数据及所测水盐数据为研究对象，重点研究了土壤湿润条件下反射光谱的变化特征及其与水盐变化的定量关系，探索了土壤
下光谱预测模型的预测精度。
由于本工作主要以江苏滨海地区土壤为基础土壤进行的模拟实验，该模型可能仅适用于该区域或类似区域的盐渍土含盐量预测，其他区域能否运用需要进一步的实验验证。
［１］Ｄｅｈａａｎ［２］Ａｂｒｏｌ
ｚａｔｉｏｎ
Ｒ
Ｌ，ＴａｙｌｏｒＧＲＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００２，８０（３）：４０６．
ＩＰ，Ｙａｄａｖ
ＪＳＰ，ＭａｓｓｏｕｄＦＩ．Ｓａｌｔ－ＡｆｆｅｃｔｅｄＳｏｉｌｓａｎｄＴｈｅｉｒＭａｎａｇｅｍｅｎｔ：ＦＡＯ，ＳｏｉｌｓＢｕｌｌｅｔｉｎ，３９．ＦｏｏｄａｎｄＡｇｒｉｃｕｌｔｕｒｅＯｒｇａｎｉ—
ｏｆｔｈｅＵｎｉｔｅｄＮａｔｉｏｎｓ，Ｒｏｍｅ，１９８８．
ｉｎ
［３］ＷＡＮＧＺｕｎ－ｑｉｎ，ＺＨＵＳｈｏｕ－ｑｕａｎ，ＹＵＲｅｎ－ｐｅｉ（Ｔ遵亲，祝寿泉，俞仁培）．ＳａｌｉｎｅＳｏｉｌｓ
京：科学出版社），１９９３．
［４］Ｍｉｌｔｏｎ
Ｅ
Ｃｈｉｎａ（中国盐渍土）．Ｂｅｉｊｉｎｇ：ＳｃｉｅｎｃｅＰｒｅｓｓ（北
Ｊ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８７，８（１２）：１８０７．
Ｒ，Ｄｅｍａｔｔｅ
［５］ＮａｎｎｉＭＪＡ
Ｍ
ｓｏｉｌＳｃｉｅｎｃｅ
ＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，２００６，７０（２）：３９３．
Ｅｎｇｉｎｅｅｒｉｎｇ
［６］ＹＡＮＧＪｉｎ－ｓｏｎｇ，ＹＡＯＲｏｎｇ－ｊｉａｎｇ（杨劲松，姚荣江）．Ｈｙｄｒｏｇｅｏｌｏｇｙ８Ｌ［７］Ｓｈｒｅｓｔｈａ
Ｄ
Ｇｅｏｌｏｇｙ（水文地质工程地质），２００７，３４（５）：６７．
Ｐ，ＭａｒｇａｔｅＤＥ，ＭｅｅｒＦ，ｅｔａ１．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎａｎｄＧｅｏｉｎｆｏｒｍａｔｉｏｎ，２００５，７（２）：８５．
［８］ＦａｒｉｆｔｅｈＪ，ＭｅｅｒＦ，ＭｅｉｊｄｅＭ，ｅｔａ１．Ｇｅｏｄｅｉ－ｍａ，２００８，１４５（３—４）：１９６．
［９］ＬＩＵＨｕａｎ－ｊｕｎ，ＺＨＡＮＧＢａｉ，ＷＡＮＧＺｏｎｇ－ｍｉｎｇ，ｅｔ
毫米波学报），２００８，２７（２）：１３８．
［１０３［１１３
ＷｅｎｇＹｏｎｇｌｉｎｇ，ＧｏｎｇＷａｎｇＱ，Ｌｉ
Ｐｅｎｇ，Ｚｈｕ
ａｌ（刘焕军，张柏，王宗明，等）．ＪｏｕｒｎａｌｏｆＩｎｆｒａｒｅｄａｎｄＭｉｌｌｉｍｅｔｅｒＷａｖｅｓ（红外与
Ｚｈｉｌｉａｎｇ．Ｐｅｄｏｓｐｈｅｒｅ，２０１０，２０（３）：３７８．
ＰＨ，ＣｈｅｎＸＧｅｏｄｅｒｍａ，２０１２，１７０：１０３．
Ｃｈａｎｇ－ｋｕｎ，ｅｔａｌ（刘娅，潘贤章，王昌昆，等）．ＡｃｔａＰｅｄｏｌｏｇｉ∞Ｓｉｎｉｃａ（土壤学报），２０１２，４９（４）：８２４．
［１２］ＬＩＵ
Ｙａ，ＰＡＮＲ
Ｘｉａｒｒｚｈａｎｇ，ＷＡＮＧ
［１３］Ｃｌａｒｋ［１４］Ｇｒｅｅｎ
Ｎ，ＲｏｕｓｈＴＬ
ＧｅｏｐｈｙｓＲｅｓ，１９８４，８９（Ｂ７）：６３２９．
ｏｆｔｈｅ
ＡＡ，Ｃｒａｉｇ
ＭＤ．Ｐｒｏｃｅｅｄｉｎｇｓ
ＡｉｒｂｏｒｎｅＩｍａｇｉｎｇＳｐｅｃｔｒｏｍｅｔｅｒＤａｔａＡｎａｌｙｓｉｓＷｏｒｋｓｈｏｐ．ＮＡＳＡ－ＪＰＬＰｕｂｌｉｃａｔｉｏｎ，１９８５，８５
（４１）：１１１．
［１５］Ｍａｓｈｉｍｂｙｅ
Ｚ
Ｅ，ＣｈｏＭＡ，ＮｅｌｌＪＰ，ｅｔａ１．Ｐｅｄｏｓｐｈｅｒｅ，２０１２，２２（５）：６４０．
Ｄ
［１６］ＥｖｅｒｉｔｔＪＨ，Ｅｓｃｏｂａｒ
Ｅ，ＧｅｒｂｅｒｍａｎｎＡＨ，ｅｔａ１．ＰｈｏｔｏｇｒａｍｍｅｔｒｙＥｎｇｉｎｅｅｒｉｎｇａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８８，５４（９）：１２８３．
２７７６
光谱学与光谱分析
第３３卷
ＰｒｅｄｉｃｔｉｎｇＳｏｉｌＳａｌｉｎｉｔｙＢａｓｅｄ
ｏｎ
ＳｐｅｃｔｒａｌＳｙｍｍｅｔｒｙｕｎｄｅｒ
Ｗｅｔ
Ｓｏｉｌ
Ｃｏｎｄｉｔｉｏｎ
ＬＩＵＹａｌ～，ＰＡＮ
Ｘｉａｎ－ｚｈａｎｇ¨，ＷＡＮＧ
Ｃｈａｎｇ－ｋｕｎｌ～，ＬＩＹａｎ－ｌｉｌ～，ＳＨＩＲｏｎｇ－ｊｉｅｌ一，ＺＨＯＵ
Ｒｕｉ３，ＸＩＥＸｉａｎ－ｌｉｌ
１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｏｉｌＥｎｖｉｒｏｎｍｅｎｔａｎｄＰｏｌｌｕｔｉｏｎＲｅｍｅｄｉａｔｉｏｎ，Ｉｎｓｔｉｔｕｔｅｏｆ
ＳｏｉｌＳｃｉｅｎｃｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，
Ｎａｎｊｉｎｇ３．Ｎａｎｊｉｎｇ
Ａｂｓｔｒａｃｔ
２１０００８，Ｃｈｉｎａ
２．ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ
１０００４９，Ｃｈｉｎａ
２１０００８，Ｃｈｉｎａ
ＢｒａｎｃｈｏｆｔｈｅＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｎａｎｊｉｎｇ
Ｔｈｅｒｅｈａｓｂｅｅｎ
ａ
ｇｒｏｗｉｎｇｉｎｔｅｒｅｓｔｉｎｕｓｉｎｇｓｐｅｃｔｒａｌｒｅｆｌｅｃｔａｎｃｅ
ａ
ａｓａ
ｒａｐｉｄａｎｄｉｎｅｘｐｅｎｓｉｖｅｔｏｏｌｆｏｒｓｏｉｌｓａｌｉｎｉｔｙｍｏｎｉｔｏ—
ｏｎ
ｒｉｎｇｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｈｏｗｅｖｅｒ，ｓｉｎｃｅｓｏｉｌｍｏｉｓｔｕｒｅｏｆｔｅｎｅｘｅｒｔｓ
ｃｙ
ｔｒｅｍｅｎｄｏｕｓｉｎｆｌｕｅｎｃｅｓｏｉｌｒｅｆｌｅｃｔａｎｃｅ，ｔｈｅｍｏｎｉｔｏｒｉｎｇ
ａｃｃｕｒａ—
ｕｎｄｅｒｖａｒｉｏｕｓｍｏｉｓｔｕｒｅｃｏｎｄｉｔｉｏｎｓｃａｎｎｏｔｆｕｌｌｙｓａｔｉｓｆｙｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆａｇｒｉｃｕｌｔｕｒａｌｐｒａｃｔｉｃｅ．Ｉｎｔｈｅｐｒｅｓｅｎｔｐａｐｅｒ，ａｌｉｎｅａｒ
ｎｌＴｌ
ｍｏｄｅｌｗａｓｂｕｉｌｔｔＯｒｅｌａｔｅｔｈｅｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙｉｎｔｈｅｂａｎｄｏｆ１３７０～１６１０ｓａｌｉｎｅｓｏｉｌｂａｓｅｄ
ｏｎ
ｗｉｔｈｔｈｅｓａｌｔ
ｃｏｎｔｅｎｔ
ｃｏｎｔｅｎｔ
ａｎｄｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｔｈｅ
ｒｅｇｕｌａｒｌｙｍｅａｓｕｒｅｄｄａｔａｏｆｒｅｆｌｅｃｔａｎｃｅ．ｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｓａｌｔｏｆｔｈｅｓｕｒｆａｃｅｏｆ５ｓｏｉｌｃｏｌｕｍｎｓｄｕｒｉｎｇ
ｒ
ｔｈｅｓｉｍｕｌａｔｅｄｅｖａｐｏｒａｔｉｏｎｐｒｏｃｅｓｓｉｎｌａｂｏｒａｔｏｒｙ．Ｔｈｅ
ｍｅａｎ
ｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｍｏｄｅｌｗａｓｇｏｏｄｗｉｔｈｇｒｅａｔｅｒｔｈａｎ０．８．Ｂｙｉｎｖｅｒ—
ｓｉｎｇｔｈｅｍｏｄｅｌ。ｓｏｉｌｓａｌｔｃｏｎｔｅｎｔｔｈｅｎｗａｓｐｒｅｄｉｃｔｅｄａｆｔｅｒｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｗａｓｄｅｔｅｒｍｉｎｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｅｄｉｃ—ｔｉｏｎａｃｃｕｒａｃｙｗａｓａｃｃｅｐｔａｂｌｅｗｉｔｈ
ａ
ｒｏｏｔ
ｓｑｕａｒｅ
ｅｒｒｏｒ（ＲＭＳＥ）ｏｆ２．０５９
ｇ・ｋ－１
ａｎｄ
ａｎｒ
ｏｆ０．６５６．Ｔｈｅｒｅｓｕｌｔｓｄｅｍｏｎ—
ｓｔｒａｔｅｄｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｕｓｉｎｇｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙｔｏｐｒｅｄｉｃｔｓｏｉｌｓａｌｔｃｏｎｔｅｎｔｕｎｄｅｒｖａｒｉｏｕｓｍｏｉｓｔｕｒｅｃｏｎｄｉｔｉｏｎｓ．
Ｋｅｙｗｏｔｄｓ
Ｓｏｉｌ
ｓａｌｉｎｉｔｙ；Ｗｅｔｃｏｎｄｉｔｉｏｎ；Ｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙ；Ｓｏｉｌｓａｌｔｃｏｎｔｅｎｔ；Ｐｒｅｄｉｃｔｉｏｎ
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ
ａｕｔｈｏｒ
（ＲｅｃｅｉｖｅｄＤｅｃ．３１，２０１２；ａｃｃｅｐｔｅｄＭａｒ．２４，２０１３）
（上接２７６５页）重要时间
论文截稿日期：２０１４年４月３０日第三轮会议通知：２０１４年１０月上旬产品展示
第二轮会议通知：２０１４年８月上旬会议召开期：２０１４年１０月３１—１１月４日
ｓｉｎｏｓｐｅｃｔｒｏｓｃｏｐｙ．ｏｒｇ．ｅｎ．
请您经常浏览光谱网主页，了解会议筹备情况和会议具体安排。网址：ｈｔｔｐ：／／ｗ、＾Ｍ
会议热忱邀请国内外仪器厂商前来展示红外、近红外、拉曼、荧光更各类光谱仪以及质谱、核磁等其他相关仪器设备。我
们将在本次会议的网站和会议现场提供展出场所，希望各厂商充分利用这次机会展示自己的最新产品。联系方式
大家若有对召开本次会议的建议和想法，可与组委会联系，若您决定参加会议，请填写回执寄回（联系方式见回执表格），或以电子邮件传到组委会电子邮箱ｊｌｙａｏ＠ｓｕｄａ．ｅｄｔｈｅｎ，组委会将适时开通网上参会注册系统，请注意组委会的通知。
联系人：姚建林：０５１２—６５８８０３５９，１３９１２６１２３９８
徐敏敏：０５１２－６５８８２８９０，１３８１４８０２５８５
ｊｌｙａｏ＠．ｓｕｄａ．ｅｄｕ．ｃｎ
ｘ呦＠ｓｕｄａ．ｅｄｕ．ｅｎ
中国光学学会中国化学会苏州大学
苏州市化学化工学会
２０１３年８月
第３３卷，第ｌＯ期２０ｌ３年１０月
光谱学与光谱分析
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ
Ｖｏｉ．３３，Ｎｏ．１０，ｐｐ２７７１—２７７６
Ｏｃｔｏｂｅｒ，２０１３
土壤湿润条件下基于光谱对称度的盐渍土盐分含量预测
刘
娅１’２，潘贤章¨，王昌昆１’２，李燕丽１’２，石荣杰１’２，周
睿３，解宪丽１
Ｉ．中国科学院土壤环境与污染修复重点实验室（南京土壤研究所），江苏南京２１０００８２．中国科学院大学，北京１０００４９
３．中国科学院南京分院，江苏南京２１０００８
摘要近年来光谱技术以其经济、高效的优势在土壤盐渍化监测研究中得到重视，但是由于土壤水分对反射光谱影响很大，土壤湿润条件下监测精度难以满足农业生产需求。通过对盐土土柱室内模拟蒸发过程中的反射光谱和水分、盐分变化的连续监测，利用多元逐步回归方法，建立了１３７０～１
６１０
ｎｌＴｌ光谱对称度
与土壤表层含盐量、含水量之间的线性关系模型，ｒ为０．８６３；用该模型反演表层土壤含盐量，实测值与预测值之间线性关系的ｒ为０．６５６（ｎ＝５４），ＲＭＳＥ为２．０５９ｇ・ｋｇ～。利用光谱对称度可以实现土壤湿润条件下土壤盐分含量预测。
关键词土壤盐渍化；土壤湿润条件；光谱对称度；土壤含盐量；预测中圈分类号：Ｓ１２７。ＴＰ７９
文献标识码：Ａ
ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１３）１０—２７７１—０６
降，１４００和１
９００
Ｉｕｎ水分子的振动特征变宽且更不对称［１］。
引言
土壤盐渍化是最常见的土地退化问题之一［１］，不仅影响
还有研究显示，土壤饱和浸提液电导率与８００～８１０啪处吸
收峰深度显著正相关，而与宽度和不对称度呈显著负相关［７］。Ｆａｒｉｆｔｅｈ对不同含盐量的土壤光谱特征进行了研究，认为盐分含量的增加会导致大于１
３００ａｍ（１
农业生产，对区域生态环境的稳定性也构成一定威胁。盐渍４００和１
９００
土中含有大量可溶性盐，对作物生长有较强的抑制作用，使
得该类土地生产力很低［ｚ］。由于极易受气候、地质、地形、海岸等影响，中国盐渍土具有分布广泛、类型复杂、季节性明显等特点，因而，给盐渍化监测带来了一定困扰［３］。传统
ｎｍ左右）波段反射率变化［８］。刘焕军也指出，盐碱土在４００
～２５００ｎｎｌ范围内有五个明显的吸收谷（５００，６７０，１４１８，
１
９１５和２
２１０
ｎｌＴｌ附近），盐渍土由于富含盐分，在上述五个
ｎｌＴｌ去
波段的吸收特征均显著强于其他土壤［９Ｊ。Ｗｅｎｇ对黄河三角洲的盐渍土光谱特征进行了研究，并用２０５２和２演，取得了较好结果［１０３。
上述研究表明了采用光谱技术进行土壤盐渍化研究的可行性，但是已有研究大都以风干土为研究对象，尚未考虑到
２０３
的盐渍土监测、制图主要依靠野外采样或者野外快速测定，
这就使精细的盐渍化分区制图浪费大量人力、物力、财力和
包络线后反射率构建的盐分特征指数对土壤含盐量进行了反
时间［４’５］，且易受到采样时问和采样范围的限制，难以实现
盐渍化程度的实时监测、区域制图的快速更新；而一些新型测定方法，比如磁感大地电导率仪的应用还不够广泛［６］。因此，目前的土壤盐渍化信息获取技术满足不了日益提高的需求，需要一种高效、精准的方法。
光谱技术以其高效、经济的优势在土壤盐渍化监测研究中得到重视，国内外学者已对盐渍化土壤的光谱特征进行了大量研究，Ｄｅｈａｎｎ等研究表明，高度盐渍化的土壤在６８０，
ｌ
水分对盐分及光谱的影响。而水分又是土壤的重要组成部
分，亦对土壤的光谱反射率有很大影响。尤其对盐渍化土壤而言，水是土壤中盐分的溶剂和载体，土壤含水量与土壤含
盐量有着密切关系，因而水盐变化对表层光谱反射率必然有
强烈的影响，结合土壤水分研究盐渍土光谱变化特征意义重大。Ｗａｎｇ等突破了以往只针对风干土做研究的局限，通过人为添加水分，制作不同含水量条件下各种盐渍化程度的土壤样品，并对其光谱特征进行了研究［１１‘，但是没有考虑到自
１８０和ｌ
７８０
ｎＩｎ相对于非盐渍化土壤有更清晰的吸收特
２００
征，且随盐渍化程度的增加，２ｎｎｌ处一ＯＨ的吸收特征
变弱，８００ｎｒｎ处增高，在８００～１
３００啪光谱曲线的斜率下
收稿日期：２０１２—１２—３１，修订日期：２０１３—０３—２４
基金项目：国家自然科学基金项目（４１０７１１４０），中国科学院战略先导性项目（ＸＤＡ０５０５０５０９０２）资助作者简介：刘娅，１９８６年生，中国科学院南京土壤研究所博士研究生
＊通讯联系人
ｅ－ｍａｉｌ：ｐａｎ＝＠ｉｓｓａ＆ａＧ
ｃｌ－ｉ
ｅ－ｍａｉｌ：ｌｉｕｙａ＠ｉｓｓａｓ．ａｃ．ｃｎ
２７７２
光谱学与光谱分析
第３３卷
然条件下水盐的相互作用、相互影响，忽略了整个动态的过程。因此，本工作选择在蒸发过程中，对不同水分条件下盐渍土的光谱变化特征及水盐变化进行研究，以探索盐渍土光谱反射率随土壤水盐变化的规律，为更准确地获取盐渍土信息，以及提高区域盐渍化制图精度提供依据，也为今后土壤盐渍化信息的原位、快速获取提供依据。
直方向夹角为４５。。为了消除阴影影响，每个样品采集４个方向的光谱，按９０。旋转样品，每个方向采集５条光谱曲线，共２０条曲线，以２０条光谱曲线算术平均值代表该样品的光谱。每次测量前先做暗电流校正，然后用２５射标准参考板进行校正［１
２｜。
ｃｍ×２５
ｃｍ的漫反
土壤含盐量数据由中国科学院南京土壤研究所研制的小型钠电极和小型氯电极测定，电极经校正后，参照供试土壤离子组成配制一系列盐分浓度的标准溶液，绘制出盐分传感器的读数值与盐分浓度之问的关系曲线，再由每次测量的土壤含水量推算出水土比，根据水土比计算出土壤含盐量，单位为ｇ・ｋｇ～。
土壤水分数据由英国Ｄｅｌｔａ－Ｔ公司生产的ＳＭ３００水分速测仪测得，该仪器测量精度可达±２．５％。根据各个模拟土柱的土壤容重，将体积含水量转化为质量含水量，单位为
ｇ・ｇ一。
１实验部分
ｌ－１样品与方法
实验以不同初始含盐量的土壤为研究对象，定期测定蒸发过程中表层土壤水分及盐分数据，同时采集表层土壤反射光谱，研究从湿润到蒸干过程中，三者之间的关系。供试土壤采自江苏省盐城市滨海地区，采样区内土壤为滨海盐土，滨海盐土是盐土的一个亚类，由沿海地区的盐渍淤泥发育而成，该盐土含盐量较高，尤其是Ｃｌ和Ｎａ＋含量较多，ｐＨ比较高。对研究区内２３个土壤样品分析发现，Ｃｌ占阴离子总量５５．３５％，Ｎａ＋占阳离子总量５３．４１％，可见主要阴阳离子含量符合滨海盐土的特征（表１）。
Ｔａｂｌｅ１
Ｄｅｓｃｒｉｐｔｉｖｅｓｔａｔｉｓｔｉｃｓｏｆｅｉｇｈｔｉｏｎｓｃｏｎｔｅｎｔｉｎｔｈｅｓｏｉｌｓａｍｐｌｅｓ
１．３光谱特征吸收参数构建
将平滑后的光谱曲线进行去包络线处理［１３【。包络线去除后，光谱反射率归一化到ｏ～１之间，那些峰值点上的反射率值为１，而非峰值点上的反射率则小于１，因此，特征吸收在去包络线之后的曲线上可以明显地看出来，有利于分析光谱的吸收特征。故光谱特征吸收参数均针对去包络线后的光谱曲线而言。
光谱特征吸收参数（图１）一般为吸收波长的位置（Ｐ）、深度（Ｈ）、宽度（Ｗ）、面积（Ａ）和对称度（Ｓ）［１４｜。用于构建土壤含盐量反演模型的光谱特征吸收参数为对称度，计算公式为
Ｓ一粤
Ａｒｅａｌｅｆｔ
（１）
式中，Ｓ为对称度，Ａｒｅａ蛐。为吸收峰右边面积，Ａｒｅａｌｅｆｔ为吸收峰左边面积。
左右吸收峰面积采用积分法计算而得，首先找到吸收波长位置（Ｐ），按照逐波长积分的方法累加求得，由Ｖｉｓｕａｌ
实验所用基础土壤为已基本脱盐土壤，风干磨细过２ｎ１Ⅱ１筛后，装入深２５ｃｍ直径１０ｃｍ底部有孔的ＰＶＣ土柱中，在距表层５ｃｍ处埋设盐分传感器和水分传感器，表面用直尺刮平。共制作模拟土柱５个，分别放人盛有蒸馏水，０．３％，０．６％，０．９％以及１．２％ＮａＣｌ溶液的浅水容器中，从底部充分润湿，模拟５个盐分梯度的湿润土壤。然后开始定时进行光谱、水分和盐分的测量。蒸发过程在实验室条件下进行，实验室内保持恒温恒湿。整个实验过程共采集光谱数据、水盐数据６５组，因有些数据为某个土柱表面出现裂隙后所获，光谱数据有些异常，未将其列入分析范围，实际分析所用数据为５４组。１．２数据获取
光谱数据采集采用美国ＡＳＤ
ＦｉｅｌｄＳｐｅｃ３
Ｆｉｇ．１
Ｐ
Ｂａｓｉｃ编程实现。
Ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｐａｒａｍｅｔｅｒｓｏｆｓｐｅｃｔｒｏｓｃｏｐｙａｂｓｏｒｐｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
Ｈｉ－Ｒｅｓ地物光
由于３５０～３８０与２４００～２５００［ｔｒｎｔ噪音较大，不能反映土壤真实的光谱信息，本研究去除上述波段，以３８０～２Ｄｉｎ为光谱研究范围。１．４模型建立与检验
随着水分的蒸发，土体中的盐分必然被运移到表层，并
４００
谱仪在暗室中进行，该光谱仪光谱范围为３５０～２５００和３５０
～ｌ０５０ｎｉｎ采样间隔为１．４ａｎ２，１０００～２５００ｎｍ采样间隔
为２ｎｍ，重采样间隔为１ｎｍ。光谱测量采用８。视场角探头，探头到土样表面的距离为４０ｃｍ，光源为两盏５０ｗ的卤素灯，其到样品表面中心的距离为４０ｃｍ，光源照射方向与垂
第１０期
光谱学与光谱分析
程度升高而增加，而２２１０和２光谱在这波段的吸收深度变浅［１
２４３
２７７３
在表层积聚，水盐含量的一系列变化势必引起表层反射光谱的变化，且表层反射光谱的变化与水盐变化过程密切相关。由于表层土壤含盐量变化幅度较大，且分布不符合正态分
ｎＩｎ则反之，这是由于土
壤盐渍化使土壤粘土矿物中的结晶程度减弱，从而导致土壤
０】。
布，所以，对表层含盐量进行了对数转换。以代表光谱反射率变化的光谱对称度为因变量，表层土壤含盐量和表层土壤含水量为自变量，采用多元逐步回归（ｓｔｅｐｗｉｓｅｍｕｌｔｉｐｌｅ
ａｒ
２．１．２蒸发过程中盐渍土光谱变化特征
图３以其中一个土柱为例来说明蒸发过程中土壤光谱反
ｌｉｎｅ—
射率与表层含水量的关系。该土柱观测过程中含水量范围为
４．３２％～３２．６８％。由图３可知，不同含水量的土壤光谱曲线之间形态相似，各个波段光谱反射率均随含水量的增加而降低，含水量越高，光谱曲线１
４１４，１
ｒｅｇｒｅｓｓｉｏｎ，ＳＭＬＲ）方法建立三者之间的定量关系。然后
用所建立的回归模型，结合水分含量，根据光谱对称度反推土壤表层含盐量，并对反演结果进行验证。决定系数（ｅｏｅｆｆｉ—
ｃｉｅｎｔｏｆ
９４３和２
２１０
ｍ附近水
ｄｅｔｅｒｍｉｎａｔｉｏｎ，Ｒ２）用于判定模型拟和优度，均方根
ｍｅａｎｓｑｕａｒｅ
分的吸收谷越明显。将该土壤５个盐分梯度的观测数据按表层含水量从高到低逐条排序，可以发现，随着含水量的减少，各样品去包络线后的光谱曲线在１３７０～１
６１０
误差（ｒｏｏｔ度。
ｅｒｒｏｒ，ＲＭＳＥ）用于评价预测模型的精
ｎｉｎ表现
出极大的差异性，且该波段范围的光谱曲线因土壤含盐量的
２结果与讨论
２．１盐渍化土壤光谱特征２．１．１盐渍化土壤光谱吸收特征
按照中国盐渍土的等级划分标准［３］，以在非盐渍化、轻度盐渍化、中度盐渍化、强度盐渍化和盐土五个级别内的５个风干土壤的光谱曲线为例进行说明（图２）。由５个等级土
差异也呈现出不同的形状（图４所示）。当含水量在３０％以上
时，该波段范围的光谱曲线平滑，且吸收峰没有表现出明显
的不对称性；当含水量降低到１０％～３０％时，该处吸收深度变浅，不对称性有所表现；当含水量降低到３％～１０％时，吸收深度继续变浅，且该波段范围开始呈现比较尖锐的形状，吸收峰的不对称性表现明显；含水量继续降低，达到３％以下时，吸收深度继续变浅，该处的不对称性更加明显，且因含盐量的不同导致吸收峰的对称度不同，含盐量越高不对称性越强烈。因此，选用１３７０～１
６１０
壤的原始光谱曲线［图２（ａ）］可知，盐渍化等级越高的土壤，其光谱反射率越低，这是由于采样区内土壤为氯化物型滨海
盐土，富含ＮａＣｌ和ＭｇＣｌｚ，而氯化物极易吸收空气中的水分，因此，盐渍化程度越高的土壤其光谱反射率越低。
０．５
ｎｍ波段范围的对称度
（简称Ｓ・Ⅲ～・ｓ・ｏ）来预测土壤含盐量。
０．４０Ｏ．３５０．３０
ｏ．４
褂０．３呕０．２
０．１
斛０．２５亲０２０
１喇
“０１５
０．１０Ｏ．０５
Ｏ
０
７５０
ｌ２５０
ｌ７５０
２２５０
７５０
ｌ２５０
ｌ７５０
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
№３
疼一
２２５０
Ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａｏｆ
ａ
ｓｉｍｕｌａｔｅｄｓｏｉｌ
１．００
ｃｏｌｕｍｎｗｉｔｈｄｉｆｆｅｒｅｎｔｓｏｉｌｍｏｉｓｔｕｒｅｓ
０．９５
２．２多元逐步回归模型
当土壤由湿润状态蒸发至风干状态，这个过程中发生变化的不仅是土壤水分，土壤光谱和含盐量也发生着显著的变化，也就是说，光谱的变化不仅由含水量的变化导致，与含盐量的变化也有密切关系，因此，利用多元逐步回归模型建立Ｓ。啪～㈨ｏ、含盐量和含水量三者之间的定量关系。结果显示，含盐量和含水量这两个自变量均能进入模型，并能很好地解释Ｓ。。，。～㈨。的变化。由表２可知，该模型的各系数均达到显著（ｎ＝５４），多元逐步回归模型为
Ｓ１
３７０～１
０．９０
０．８５
０．８０
７５０
１２５０
ｌ７５０
２２５０
ＷａｖｅｌｅｎｇｆｌＹｎｍ
吩２
Ｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａ（ａ）ａｎｄｃｏｎｔｉｎｕｕｍｒｅｍｏｖｅｄ
ｓｐｅｃｔｒａ（ｂ）ｏｆｆｉｖｅｓａｌｉｎｉｔｙｇｒａｄｅｓ
６１０一１．５７４＋０．１３９１０９ＳＳＣ十而ｕ．ｕｌｌ（２）
ｎ
ｎ１々
ｄｙｊＵ
本采样区土壤，主要吸收波段的位置［图２（ｂ）］为：４８９，
６６８，９０２，１１４３，１４１４，１８０９，ｌ９４３，２２１０和２２４３
式中，Ｓ・ｓ，ｏ～・ｓ，ｏ为光谱对称度值，ＳＳＣ为表层含盐量，ＳＭＣ为表层含水量。
图４中浓度１～浓度１０为１０ｆ盐分梯度，且盐化程度
ｎｒｎ。其
中１４１４和１
９４３
ｎＩｎ附近的吸收谷，其吸收深度均随盐渍化
２７７４
光谱学与光谱分析
第３３卷
１．ＯＯ０．９５
１．００
Ｏ９５
Ｏ．９００８５
０．９０
瓣
尝０．８０嶙０．７５
０．７００．６５Ｏ．６０
１３５０
１４００
１４５０
１５００
ｌ５５０
ｌ６００
１６５０
惭
箧０．８５
Ｏ．８０
Ｏ７５
１６００
１３５０ｌ４００１４５０１５００ｌ５５０
Ｗａｖｅｌｅｎｇｔｈ／ｒｉｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
Ｆｉｇ．４
Ｗａｖｅｌｅｎｇｔｈ／ｎｍ
ｌｕｌｌ
Ｃｏｎｔｉｎｕｕｍｒｅｍｏｖｅｄｓｐｅｃｔｒａｉｎｔｈｅｂａｎｄｏｆ１、，３７０～ｌ６１０ｏｆｓａｍｐｌｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｓａｌｔｃｏｎｔｅｎｔ
依次增大，百分数为表层土壤含水量范围。
该模型决定系数Ｒ２为０．８７３，其统计学意义表明，所建模型可以很好地表示自变量和因变量之间的关系，而其物理学意义则表示土壤表面光谱的变化与表层土壤含盐量及表层土壤含水量具有定量关系。
Ｔｈｂｋ２
利用上述模型的反推模型，将表层土壤含盐量作为因变量，以光谱对称度和表层土壤含水量为自变量进行表层土壤含盐量的预测。结果表明，实测含盐量与反演含盐量具有较好的线性关系，决定系数Ｒ２为０．６５６，ＲＭＳＥ为２．０５９ｋｇ，结果如图５所示。
ｇ・
模型
器警ｔ
Ｃｏｅｆｆｉｃｉｅｎｔｓ
同时也采用Ｗｅｎｇ和Ｍａｓｈｉｍｂｙｒｌ０Ｈ５］提出的特征光谱指
数，对数据进行分析，反演结果均差于本工作基于光谱对称度方法所得反演结果，可能是由于研究区不同，土壤盐分离
ｓｉ昏
ｉｎｔｈｅＳＭ匝Ｒｍｏｄｅｌ
子组成和母质的差异造成了这些光谱特征指数在本区反演效果较差。
３讨论
４
近年来，国内外学者用光谱方法成功进行了土壤有机质、颗粒组成、氧化铁含量、土壤含水量、ｐＨ、土壤含盐量、土壤矿物组成等土壤基本理化性质的预测。而在诸多土壤属性中，土壤水分是影响土壤光谱反射率最重要的因素之一，土壤水分增加会导致光谱反射率迅速降低，这一特性可能会掩盖其他土壤属性的光谱特征，因此，土壤水分对各土壤属性光谱预测均有重要影响。对盐渍土盐分光谱特征分析而言，由于水分的变化和盐分的运移有着密切的关系，很难找到不受土壤水分干扰的盐分敏感波段。既然水分的干扰不可避免，且土壤含水量相对土壤含盐量而言较容易获取，将水
，＿
Ｏ８６４２Ｏ０
２
４
６
８
１０
１２
１４
含盐鞋实测值／ｇ・ｋｇ’１
Ｆｉｇ．５
Ｓｃａｔｔｅｒｄｉａｇｒａｍｏｆｍｅａｓｕｒｅｄｓｏｉｌｓａｌｔ
ｃｏｎｔｅｎｔ
分信息引入反演模型应该是一种可以提高反演精度行之有效
的方法。
研究指出，盐渍化程度越高土壤光谱反射率越低［图２（ａ）］，这种现象是对无盐结壳出现的风干研磨土样而言，而
ａｎｄｐｒｅｄｉｃｔｅｄｓｏｉｌｓａｌｔｃｏｎｔｅｎｔ
第１０期光谱学与光谱分析
２７７５
有学者研究认为盐渍化程度越高土壤光谱反射率越高［１１’“］，其研究对象一般为有盐结壳出现的土壤或野外原状土壤，与本研究对象有所差别。图２（ｂ）中盐渍土去包络线后的特殊光谱吸收波段，如４８９，６６８，９０２，１
２
１４３，１４１４，１８０９，１９４３，
湿润条件下土壤盐渍化程度的预测方法，得出了以下结论：
（１）利用多元逐步回归模型建立光谱对称度Ｓ。。，¨ｓ。。、
表层土壤含盐量和土壤含水量三者之间的定量关系，模型决定系数为０．８６３，结果表明，土壤表面光谱的变化与表层土壤含盐量及含水量具有定量关系。
（２）以回归模型的反推模型预测土壤表层含盐量，取得了较好的预测结果，Ｒ２为０．６５６，ＲＭＳＥ为２．０５９
ｇ・ｋｇ～，
２１０和２
３４３
ｎｍ，与已有研究结论类似［１…。其中某些波段
有出入，是因供试土壤的盐分类型、母质或所含矿物类型不同导致。
说明该模型具有较高的预测精度，从而改善了土壤湿润条件
４结论
以盐土土柱室内模拟蒸发实验为依据，以室内光谱数据及所测水盐数据为研究对象，重点研究了土壤湿润条件下反射光谱的变化特征及其与水盐变化的定量关系，探索了土壤
下光谱预测模型的预测精度。
由于本工作主要以江苏滨海地区土壤为基础土壤进行的模拟实验，该模型可能仅适用于该区域或类似区域的盐渍土含盐量预测，其他区域能否运用需要进一步的实验验证。
［１］Ｄｅｈａａｎ［２］Ａｂｒｏｌ
ｚａｔｉｏｎ
Ｒ
Ｌ，ＴａｙｌｏｒＧＲＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００２，８０（３）：４０６．
ＩＰ，Ｙａｄａｖ
ＪＳＰ，ＭａｓｓｏｕｄＦＩ．Ｓａｌｔ－ＡｆｆｅｃｔｅｄＳｏｉｌｓａｎｄＴｈｅｉｒＭａｎａｇｅｍｅｎｔ：ＦＡＯ，ＳｏｉｌｓＢｕｌｌｅｔｉｎ，３９．ＦｏｏｄａｎｄＡｇｒｉｃｕｌｔｕｒｅＯｒｇａｎｉ—
ｏｆｔｈｅＵｎｉｔｅｄＮａｔｉｏｎｓ，Ｒｏｍｅ，１９８８．
ｉｎ
［３］ＷＡＮＧＺｕｎ－ｑｉｎ，ＺＨＵＳｈｏｕ－ｑｕａｎ，ＹＵＲｅｎ－ｐｅｉ（Ｔ遵亲，祝寿泉，俞仁培）．ＳａｌｉｎｅＳｏｉｌｓ
京：科学出版社），１９９３．
［４］Ｍｉｌｔｏｎ
Ｅ
Ｃｈｉｎａ（中国盐渍土）．Ｂｅｉｊｉｎｇ：ＳｃｉｅｎｃｅＰｒｅｓｓ（北
Ｊ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８７，８（１２）：１８０７．
Ｒ，Ｄｅｍａｔｔｅ
［５］ＮａｎｎｉＭＪＡ
Ｍ
ｓｏｉｌＳｃｉｅｎｃｅ
ＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，２００６，７０（２）：３９３．
Ｅｎｇｉｎｅｅｒｉｎｇ
［６］ＹＡＮＧＪｉｎ－ｓｏｎｇ，ＹＡＯＲｏｎｇ－ｊｉａｎｇ（杨劲松，姚荣江）．Ｈｙｄｒｏｇｅｏｌｏｇｙ８Ｌ［７］Ｓｈｒｅｓｔｈａ
Ｄ
Ｇｅｏｌｏｇｙ（水文地质工程地质），２００７，３４（５）：６７．
Ｐ，ＭａｒｇａｔｅＤＥ，ＭｅｅｒＦ，ｅｔａ１．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎａｎｄＧｅｏｉｎｆｏｒｍａｔｉｏｎ，２００５，７（２）：８５．
［８］ＦａｒｉｆｔｅｈＪ，ＭｅｅｒＦ，ＭｅｉｊｄｅＭ，ｅｔａ１．Ｇｅｏｄｅｉ－ｍａ，２００８，１４５（３—４）：１９６．
［９］ＬＩＵＨｕａｎ－ｊｕｎ，ＺＨＡＮＧＢａｉ，ＷＡＮＧＺｏｎｇ－ｍｉｎｇ，ｅｔ
毫米波学报），２００８，２７（２）：１３８．
［１０３［１１３
ＷｅｎｇＹｏｎｇｌｉｎｇ，ＧｏｎｇＷａｎｇＱ，Ｌｉ
Ｐｅｎｇ，Ｚｈｕ
ａｌ（刘焕军，张柏，王宗明，等）．ＪｏｕｒｎａｌｏｆＩｎｆｒａｒｅｄａｎｄＭｉｌｌｉｍｅｔｅｒＷａｖｅｓ（红外与
Ｚｈｉｌｉａｎｇ．Ｐｅｄｏｓｐｈｅｒｅ，２０１０，２０（３）：３７８．
ＰＨ，ＣｈｅｎＸＧｅｏｄｅｒｍａ，２０１２，１７０：１０３．
Ｃｈａｎｇ－ｋｕｎ，ｅｔａｌ（刘娅，潘贤章，王昌昆，等）．ＡｃｔａＰｅｄｏｌｏｇｉ∞Ｓｉｎｉｃａ（土壤学报），２０１２，４９（４）：８２４．
［１２］ＬＩＵ
Ｙａ，ＰＡＮＲ
Ｘｉａｒｒｚｈａｎｇ，ＷＡＮＧ
［１３］Ｃｌａｒｋ［１４］Ｇｒｅｅｎ
Ｎ，ＲｏｕｓｈＴＬ
ＧｅｏｐｈｙｓＲｅｓ，１９８４，８９（Ｂ７）：６３２９．
ｏｆｔｈｅ
ＡＡ，Ｃｒａｉｇ
ＭＤ．Ｐｒｏｃｅｅｄｉｎｇｓ
ＡｉｒｂｏｒｎｅＩｍａｇｉｎｇＳｐｅｃｔｒｏｍｅｔｅｒＤａｔａＡｎａｌｙｓｉｓＷｏｒｋｓｈｏｐ．ＮＡＳＡ－ＪＰＬＰｕｂｌｉｃａｔｉｏｎ，１９８５，８５
（４１）：１１１．
［１５］Ｍａｓｈｉｍｂｙｅ
Ｚ
Ｅ，ＣｈｏＭＡ，ＮｅｌｌＪＰ，ｅｔａ１．Ｐｅｄｏｓｐｈｅｒｅ，２０１２，２２（５）：６４０．
Ｄ
［１６］ＥｖｅｒｉｔｔＪＨ，Ｅｓｃｏｂａｒ
Ｅ，ＧｅｒｂｅｒｍａｎｎＡＨ，ｅｔａ１．ＰｈｏｔｏｇｒａｍｍｅｔｒｙＥｎｇｉｎｅｅｒｉｎｇａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８８，５４（９）：１２８３．
２７７６
光谱学与光谱分析
第３３卷
ＰｒｅｄｉｃｔｉｎｇＳｏｉｌＳａｌｉｎｉｔｙＢａｓｅｄ
ｏｎ
ＳｐｅｃｔｒａｌＳｙｍｍｅｔｒｙｕｎｄｅｒ
Ｗｅｔ
Ｓｏｉｌ
Ｃｏｎｄｉｔｉｏｎ
ＬＩＵＹａｌ～，ＰＡＮ
Ｘｉａｎ－ｚｈａｎｇ¨，ＷＡＮＧ
Ｃｈａｎｇ－ｋｕｎｌ～，ＬＩＹａｎ－ｌｉｌ～，ＳＨＩＲｏｎｇ－ｊｉｅｌ一，ＺＨＯＵ
Ｒｕｉ３，ＸＩＥＸｉａｎ－ｌｉｌ
１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｏｉｌＥｎｖｉｒｏｎｍｅｎｔａｎｄＰｏｌｌｕｔｉｏｎＲｅｍｅｄｉａｔｉｏｎ，Ｉｎｓｔｉｔｕｔｅｏｆ
ＳｏｉｌＳｃｉｅｎｃｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，
Ｎａｎｊｉｎｇ３．Ｎａｎｊｉｎｇ
Ａｂｓｔｒａｃｔ
２１０００８，Ｃｈｉｎａ
２．ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ
１０００４９，Ｃｈｉｎａ
２１０００８，Ｃｈｉｎａ
ＢｒａｎｃｈｏｆｔｈｅＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｎａｎｊｉｎｇ
Ｔｈｅｒｅｈａｓｂｅｅｎ
ａ
ｇｒｏｗｉｎｇｉｎｔｅｒｅｓｔｉｎｕｓｉｎｇｓｐｅｃｔｒａｌｒｅｆｌｅｃｔａｎｃｅ
ａ
ａｓａ
ｒａｐｉｄａｎｄｉｎｅｘｐｅｎｓｉｖｅｔｏｏｌｆｏｒｓｏｉｌｓａｌｉｎｉｔｙｍｏｎｉｔｏ—
ｏｎ
ｒｉｎｇｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｈｏｗｅｖｅｒ，ｓｉｎｃｅｓｏｉｌｍｏｉｓｔｕｒｅｏｆｔｅｎｅｘｅｒｔｓ
ｃｙ
ｔｒｅｍｅｎｄｏｕｓｉｎｆｌｕｅｎｃｅｓｏｉｌｒｅｆｌｅｃｔａｎｃｅ，ｔｈｅｍｏｎｉｔｏｒｉｎｇ
ａｃｃｕｒａ—
ｕｎｄｅｒｖａｒｉｏｕｓｍｏｉｓｔｕｒｅｃｏｎｄｉｔｉｏｎｓｃａｎｎｏｔｆｕｌｌｙｓａｔｉｓｆｙｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆａｇｒｉｃｕｌｔｕｒａｌｐｒａｃｔｉｃｅ．Ｉｎｔｈｅｐｒｅｓｅｎｔｐａｐｅｒ，ａｌｉｎｅａｒ
ｎｌＴｌ
ｍｏｄｅｌｗａｓｂｕｉｌｔｔＯｒｅｌａｔｅｔｈｅｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙｉｎｔｈｅｂａｎｄｏｆ１３７０～１６１０ｓａｌｉｎｅｓｏｉｌｂａｓｅｄ
ｏｎ
ｗｉｔｈｔｈｅｓａｌｔ
ｃｏｎｔｅｎｔ
ｃｏｎｔｅｎｔ
ａｎｄｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｏｆｔｈｅ
ｒｅｇｕｌａｒｌｙｍｅａｓｕｒｅｄｄａｔａｏｆｒｅｆｌｅｃｔａｎｃｅ．ｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｓａｌｔｏｆｔｈｅｓｕｒｆａｃｅｏｆ５ｓｏｉｌｃｏｌｕｍｎｓｄｕｒｉｎｇ
ｒ
ｔｈｅｓｉｍｕｌａｔｅｄｅｖａｐｏｒａｔｉｏｎｐｒｏｃｅｓｓｉｎｌａｂｏｒａｔｏｒｙ．Ｔｈｅ
ｍｅａｎ
ｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｍｏｄｅｌｗａｓｇｏｏｄｗｉｔｈｇｒｅａｔｅｒｔｈａｎ０．８．Ｂｙｉｎｖｅｒ—
ｓｉｎｇｔｈｅｍｏｄｅｌ。ｓｏｉｌｓａｌｔｃｏｎｔｅｎｔｔｈｅｎｗａｓｐｒｅｄｉｃｔｅｄａｆｔｅｒｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔｗａｓｄｅｔｅｒｍｉｎｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｅｄｉｃ—ｔｉｏｎａｃｃｕｒａｃｙｗａｓａｃｃｅｐｔａｂｌｅｗｉｔｈ
ａ
ｒｏｏｔ
ｓｑｕａｒｅ
ｅｒｒｏｒ（ＲＭＳＥ）ｏｆ２．０５９
ｇ・ｋ－１
ａｎｄ
ａｎｒ
ｏｆ０．６５６．Ｔｈｅｒｅｓｕｌｔｓｄｅｍｏｎ—
ｓｔｒａｔｅｄｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｕｓｉｎｇｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙｔｏｐｒｅｄｉｃｔｓｏｉｌｓａｌｔｃｏｎｔｅｎｔｕｎｄｅｒｖａｒｉｏｕｓｍｏｉｓｔｕｒｅｃｏｎｄｉｔｉｏｎｓ．
Ｋｅｙｗｏｔｄｓ
Ｓｏｉｌ
ｓａｌｉｎｉｔｙ；Ｗｅｔｃｏｎｄｉｔｉｏｎ；Ｓｐｅｃｔｒａｌｓｙｍｍｅｔｒｙ；Ｓｏｉｌｓａｌｔｃｏｎｔｅｎｔ；Ｐｒｅｄｉｃｔｉｏｎ
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ
ａｕｔｈｏｒ
（ＲｅｃｅｉｖｅｄＤｅｃ．３１，２０１２；ａｃｃｅｐｔｅｄＭａｒ．２４，２０１３）
（上接２７６５页）重要时间
论文截稿日期：２０１４年４月３０日第三轮会议通知：２０１４年１０月上旬产品展示
第二轮会议通知：２０１４年８月上旬会议召开期：２０１４年１０月３１—１１月４日
ｓｉｎｏｓｐｅｃｔｒｏｓｃｏｐｙ．ｏｒｇ．ｅｎ．
请您经常浏览光谱网主页，了解会议筹备情况和会议具体安排。网址：ｈｔｔｐ：／／ｗ、＾Ｍ
会议热忱邀请国内外仪器厂商前来展示红外、近红外、拉曼、荧光更各类光谱仪以及质谱、核磁等其他相关仪器设备。我
们将在本次会议的网站和会议现场提供展出场所，希望各厂商充分利用这次机会展示自己的最新产品。联系方式
大家若有对召开本次会议的建议和想法，可与组委会联系，若您决定参加会议，请填写回执寄回（联系方式见回执表格），或以电子邮件传到组委会电子邮箱ｊｌｙａｏ＠ｓｕｄａ．ｅｄｔｈｅｎ，组委会将适时开通网上参会注册系统，请注意组委会的通知。
联系人：姚建林：０５１２—６５８８０３５９，１３９１２６１２３９８
徐敏敏：０５１２－６５８８２８９０，１３８１４８０２５８５
ｊｌｙａｏ＠．ｓｕｄａ．ｅｄｕ．ｃｎ
ｘ呦＠ｓｕｄａ．ｅｄｕ．ｅｎ
中国光学学会中国化学会苏州大学
苏州市化学化工学会
２０１３年８月