尚璇，李西燦，徐郵郵，劉莎莎

（山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山東泰安 271018）

土壤水與有機(jī)質(zhì)對(duì)高光譜的作用及交互作用規(guī)律

尚璇，李西燦，徐郵郵，劉莎莎

（山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山東泰安 271018）

【目的】定量揭示土壤水分與有機(jī)質(zhì)對(duì)高光譜的作用規(guī)律，為提高土壤水分、有機(jī)質(zhì)的光譜估測(cè)精度提供基礎(chǔ)?！痉椒ā恳陨綎|省泰安市岱岳區(qū)90個(gè)棕壤土樣為研究對(duì)象，進(jìn)行室外光譜采集、室內(nèi)土壤水分和有機(jī)質(zhì)測(cè)定，運(yùn)用Savitzky-Golay filter對(duì)光譜曲線(xiàn)進(jìn)行平滑去噪預(yù)處理。根據(jù)含水量、有機(jī)質(zhì)含量的高低將土壤樣本分為9組，運(yùn)用比較法對(duì)9組原始光譜數(shù)據(jù)進(jìn)行分析，初步探究土壤水、有機(jī)質(zhì)對(duì)光譜的作用規(guī)律。然后采用相關(guān)分析法，分析水、有機(jī)質(zhì)與土壤原始光譜反射率（raw spectral reflectance，R）、光譜一階微分變換（first order differential reflectance，D（R））以及分組光譜的相關(guān)性。在假定其他影響因素基本相同的條件下，利用有交互作用的雙因素方差分析法，定量分析水、有機(jī)質(zhì)對(duì)土壤光譜反射率、光譜一階微分的作用程度及其交互作用。根據(jù)土壤水與有機(jī)質(zhì)的交互作用規(guī)律，按相關(guān)系數(shù)較大而交互作用小的原則選取特征因子，采取偏最小二乘回歸模型建立土壤有機(jī)質(zhì)含量的高光譜估測(cè)模型，分析依據(jù)兩者交互作用規(guī)律選取的因子對(duì)提高光譜估測(cè)模型精度的有效性?！窘Y(jié)果】在田間持水量范圍內(nèi)，水對(duì)土壤光譜反射率影響起主要作用；水與有機(jī)質(zhì)對(duì)土壤光譜客觀(guān)存在交互作用，當(dāng)土壤含水量小于10%時(shí)，600—1 800 nm的原始光譜能較好反映有機(jī)質(zhì)的作用，而當(dāng)土壤含水量大于 15%時(shí)，有機(jī)質(zhì)的作用幾乎被水的作用所掩蓋。水、有機(jī)質(zhì)對(duì)土壤原始光譜的作用及其交互作用分別在 360—1 800，410—1 800，509—1 800 nm達(dá)到顯著水平，且三者均在1 951—2 450 nm達(dá)到顯著水平（α=0.05）；對(duì)土壤光譜的作用程度由大到小依次為：水、有機(jī)質(zhì)、交互作用；在425—1 800 nm水對(duì)土壤光譜的作用大約是有機(jī)質(zhì)的5—8倍，在1 950—2 300 nm為8—12倍；在350—2 500 nm有機(jī)質(zhì)對(duì)土壤光譜的作用大約是水與有機(jī)質(zhì)交互作用的2倍。光譜經(jīng)一階微分變換之后，在450—530、600—790、1 019—1 027、2 000—2 020以及2 045—2 075 nm土壤水的作用增強(qiáng)，而在其他波段處減弱；土壤有機(jī)質(zhì)的作用在471—824、851—949、967—1 140、1 172—1 340、1 379—1 428、1 450—1 770、1 953—2 122、2 174—2 199以及2 271—2 342 nm處得到增強(qiáng)，而在其他波段處減弱。水與有機(jī)質(zhì)的交互作用也在不同波段處有所變化，但相對(duì)于土壤水與有機(jī)質(zhì)的作用變化幅度而言是相對(duì)減弱的。基于土壤水與有機(jī)質(zhì)的交互作用規(guī)律選取的特征因子，所建立的土壤有機(jī)質(zhì)高光譜估測(cè)模型精度有所提高，其中16個(gè)檢驗(yàn)樣本的決定系數(shù)R2由不考慮交互作用的0.6764提高到0.7934。【結(jié)論】研究表明，在反演土壤含水量時(shí)，可以不考慮有機(jī)質(zhì)對(duì)光譜的影響；而在反演有機(jī)質(zhì)含量時(shí)，必須要剔除水對(duì)反射率的影響，還要考慮水與有機(jī)質(zhì)對(duì)光譜的交互作用?？紤]水與有機(jī)質(zhì)對(duì)土壤光譜的交互作用，可有效提高土壤有機(jī)質(zhì)的光譜估測(cè)精度。

高光譜；有機(jī)質(zhì)；含水量；方差分析；交互作用

0 引言

【研究意義】有機(jī)質(zhì)與含水量是土壤的重要組成部分，是表征土壤肥力的重要指標(biāo)。常規(guī)實(shí)驗(yàn)室測(cè)定方法費(fèi)時(shí)且成本較高，無(wú)法滿(mǎn)足大區(qū)域、快速有效監(jiān)測(cè)的需求，而波段多、信息豐富的高光譜技術(shù)為解決這一問(wèn)題提供了一種新途徑?！厩叭搜芯窟M(jìn)展】借助高光譜技術(shù)定量研究土壤有機(jī)質(zhì)和含水量始于 20世紀(jì)60年代。眾多學(xué)者對(duì)土壤有機(jī)質(zhì)、含水量與反射光譜之間的關(guān)系[1-5]、土壤反射光譜特性[6-8]、光譜數(shù)據(jù)變換方法[9-10]、有機(jī)質(zhì)與含水量敏感波段[11-14]和定量反演建模方法[15-24]等進(jìn)行了深入研究，取得了顯著成果。前人研究表明，不僅土壤水和土壤有機(jī)質(zhì)的含量變化能夠?qū)е鹿庾V的差異[25]，土壤母質(zhì)、質(zhì)地、含鐵量、耕作方式等因素同樣會(huì)影響到土壤反射光譜[26]。光譜測(cè)量不可避免地存在不確定性[27]。這種不確定性主要表現(xiàn)在數(shù)據(jù)誤差出現(xiàn)的隨機(jī)性、數(shù)據(jù)大小劃分上的模糊性、數(shù)據(jù)內(nèi)涵上的灰色性，且其影響水與有機(jī)質(zhì)的光譜估測(cè)精度?！颈狙芯壳腥朦c(diǎn)】影響土壤光譜特性的因素眾多，且其交互作用復(fù)雜，在進(jìn)行光譜分析時(shí)無(wú)法考慮所有因素。目前大部分研究都針對(duì)單因素進(jìn)行探討，這在研究土壤成分變化不大或是人工制備的土樣時(shí)具有一定的可行性，而在研究區(qū)跨度較大、研究區(qū)土壤成分差別較大時(shí)，實(shí)用性會(huì)大大降低，因此研究主要因素、次要因素對(duì)土壤光譜的作用及其交互作用規(guī)律是非常必要的?！緮M解決的關(guān)鍵問(wèn)題】在成土母質(zhì)、土壤類(lèi)型等因素基本相同的條件下，水分是影響土壤反射光譜的主要因素，對(duì)土壤有機(jī)質(zhì)光譜估測(cè)影響較大。因此，本文基于實(shí)驗(yàn)數(shù)據(jù)，按照水、有機(jī)質(zhì)含量將樣品分成若干組，利用光譜分析、相關(guān)性分析和有交互作用的方差分析方法探究分組間的性質(zhì)差異，尋找土壤水、有機(jī)質(zhì)對(duì)光譜反射率的作用及其交互作用規(guī)律，為建立高精度的土壤水、有機(jī)質(zhì)光譜估測(cè)模型提供基礎(chǔ)。

1 材料與方法

1.1 土樣采集

土樣采集工作于2014年3月在泰安市岱岳區(qū)周邊進(jìn)行。泰安市岱岳區(qū)位于山東省中部、泰山腳下，北緯35°52′—36°28′、東經(jīng)116°50′—117°29′，地勢(shì)北高南低，東高西低，地貌類(lèi)型多樣，山地、丘陵、平原各占三分之一。設(shè)置采樣區(qū)20個(gè)，覆蓋了林地、草地、麥田、果園等，主要土壤類(lèi)型為棕壤。棕壤又名棕色森林土，是在濕潤(rùn)暖溫帶落葉闊葉林下形成的土壤，其主要特征是呈微酸性反應(yīng)，成土母質(zhì)多為酸性母巖風(fēng)化物。土樣采集時(shí)隨機(jī)取樣，使用取土鏟垂直于地面入土取樣，采樣深度約20 cm，同步使用GPS儀定位，共采集土樣90個(gè)。

1.2 數(shù)據(jù)獲取

將每個(gè)土樣分為兩份，一份用于實(shí)驗(yàn)室化驗(yàn)，一份用于光譜采集。

土樣含水量使用質(zhì)量法測(cè)定，有機(jī)質(zhì)含量采用重鉻酸鉀-外加熱法測(cè)定，數(shù)據(jù)統(tǒng)計(jì)特征如表1所示。

表1 樣本含水量及有機(jī)質(zhì)含量特征統(tǒng)計(jì)Table 1 The statistical features of soil indicators

光譜測(cè)量時(shí)，選擇晴朗無(wú)風(fēng)的天氣，利用 ASD FieldSpec Pro地物光譜儀進(jìn)行室外光譜采集，其波長(zhǎng)范圍為350—2 500 nm，光譜采樣間隔為1.4 nm（250—1 000 nm）和2 nm （1 000—2 500 nm），重采樣間隔1 nm，輸出波段數(shù)2 151。光譜采集時(shí)，探頭視場(chǎng)角設(shè)置為5°，與土樣距離15 cm，每個(gè)土樣采集10次，取其平均值作為該土樣反射率。光譜反射曲線(xiàn)如圖1所示。因1 800—1 950 nm的光譜曲線(xiàn)存在嚴(yán)重噪聲，予以剔除。

圖1 原始光譜反射曲線(xiàn)Fig. 1 Raw spectral reflection curve

1.3 光譜去噪

由于光譜儀在不同波段對(duì)能量響應(yīng)的差異，光譜曲線(xiàn)存在大量噪聲，光譜曲線(xiàn)平滑程度較差。先利用ASD FieldSpec Pro地物光譜儀自帶的ViewSpecPro軟件進(jìn)行光譜去除跳躍處理，然后采用9點(diǎn)加權(quán)移動(dòng)平均法[28]繼續(xù)去除噪聲，增加信噪比。

1.4 研究方法

本研究是根據(jù)野外采集的棕壤數(shù)據(jù)分析的。棕壤的田間持水量較高，達(dá)到25%—30%。而本文采集的數(shù)據(jù)水分含量最大為19.90%，小于田間持水量，所以在分組時(shí)不用考慮田間持水量的影響。根據(jù)實(shí)驗(yàn)數(shù)據(jù)，按照含水量高、中、低分為3組，在組內(nèi)按有機(jī)質(zhì)含量高、中、低再分為3組，為了便于方差分析，應(yīng)盡可能的保證各組的樣本數(shù)量大致相同，從而形成了不同含水量和不同有機(jī)質(zhì)含量的9組數(shù)據(jù)。分組涵蓋了含水量以及有機(jī)質(zhì)含量從高到低排列的所有樣本，如表2所示。

通過(guò)對(duì)比不同水、有機(jī)質(zhì)含量樣本間的光譜差異以及相關(guān)性分析，初步探究土壤水、有機(jī)質(zhì)對(duì)光譜作用規(guī)律，然后在假定其他影響因素基本相同的條件下，利用有交互作用的雙因素方差分析法，定量分析二者對(duì)土壤光譜反射率的作用程度及其交互作用。

表2 樣本分組統(tǒng)計(jì)Table 2 Sample grouping and statistics

考慮水與有機(jī)質(zhì)對(duì)土壤光譜的交互作用，按相關(guān)系數(shù)較大且交互作用較小的原則，選擇特征因子，利用多元線(xiàn)性回歸方法建立土壤有機(jī)質(zhì)光譜估測(cè)模型，并檢驗(yàn)?zāi)Ｐ偷挠行浴?/p>

2 結(jié)果

2.1 組分光譜特性分析

土壤反射光譜特性是對(duì)土壤有機(jī)質(zhì)、土壤類(lèi)型、土壤質(zhì)地和土壤濕度等因素的綜合響應(yīng)。取90個(gè)樣本反射率的平均值，其光譜曲線(xiàn)如圖2所示。

圖 2 平均反射率光譜曲線(xiàn)Fig. 2 The average spectral reflection curve

從圖2可見(jiàn)，光譜從400—800 nm反射特性增加較快，800—1 350 nm增速放緩，在2 100 nm之后逐漸下降。因690—930 nm波段是鐵氧化物的主要吸收區(qū)[29]，所以800 nm附近的小吸收谷是鐵的氧化物吸收造成的，1 380和1 900 nm（1 800—1 950 nm被剔除）處有強(qiáng)烈的水吸收谷，這與土壤中所含的OH-有關(guān)。受采集條件以及儀器指標(biāo)限制，1 800—1 950 nm與2 400 nm之后的波段出現(xiàn)了嚴(yán)重的噪聲。這與已有研究結(jié)果相符。

為對(duì)比分析土壤水與有機(jī)質(zhì)對(duì)光譜的作用規(guī)律，根據(jù)表2的分組，將9個(gè)組的平均光譜同時(shí)呈現(xiàn)在同一圖中（圖3）。由圖3可見(jiàn)，9條光譜曲線(xiàn)明顯分為3大類(lèi)，9條光譜曲線(xiàn)基本按照含水量越高光譜反射率越低的規(guī)律分布，尤其是在600—1 800 nm、2 100—2 300 nm含水量對(duì)反射光譜均有較好的響應(yīng)，呈現(xiàn)乘冪函數(shù)關(guān)系，如在1 300 nm處，2R=0.9711。相對(duì)土壤水含量，土壤有機(jī)質(zhì)對(duì)反射光譜的作用總體上較微弱，光譜曲線(xiàn)因有機(jī)質(zhì)的變化而導(dǎo)致的反射率差異十分有限，僅當(dāng)土壤含水量低于10%時(shí)，在600—1 800 nm、2 100—2 300 nm范圍內(nèi)土壤有機(jī)質(zhì)的作用才較為明顯；而當(dāng)土壤含水量高于10%時(shí)，又體現(xiàn)出土壤水與有機(jī)質(zhì)的相互影響，如當(dāng)含水量約為13%時(shí)，有機(jī)質(zhì)含量2.02%的土壤反射率高于1.41%的土壤反射率。當(dāng)土壤含水量大于15%時(shí)，有機(jī)質(zhì)的作用幾乎被水的作用所掩蓋。限于篇幅，更細(xì)致的分組光譜特性分析不再贅述。

2.2 相關(guān)性分析

根據(jù)表2分組情況，計(jì)算不同有機(jī)質(zhì)含量水平下水與光譜反射率的相關(guān)系數(shù)，以及不同含水量水平下有機(jī)質(zhì)與光譜反射率的相關(guān)系數(shù)，結(jié)果如圖 4—5所示。

圖4為原始光譜及其一階微分（Δλ=10 nm）變換與含水量的相關(guān)性曲線(xiàn)。對(duì)于原始光譜，當(dāng)有機(jī)質(zhì)含量為1.11%—1.69%時(shí)，含水量與光譜反射率相關(guān)性較高，380 nm之后的相關(guān)性皆大于0.6，在800—1 380 nm以及1 500—1 800 nm相關(guān)性大于0.8；當(dāng)有機(jī)質(zhì)含量達(dá)到1.72%—2.29%時(shí)，相關(guān)性有所下降；升高到2.31%—3.39%時(shí)，有機(jī)質(zhì)對(duì)光譜的影響開(kāi)始顯現(xiàn)，570 nm之前相關(guān)性由 0.6一直下降至 0，其他波段相關(guān)性在0.4左右，但在900 nm與1 100 nm兩處水吸收峰，相關(guān)性明顯高于附近波段，1 380 nm附近的水強(qiáng)吸收峰，相關(guān)性達(dá)到了0.6以上。

圖 3 不同有機(jī)質(zhì)（SOM）、含水量（W）土壤反射光譜曲線(xiàn)Fig. 3 The soil reflectance curves of different organic matter (SOM) and water content (W)

圖 4 原始光譜R及一階微分光譜R′與含水量相關(guān)性曲線(xiàn)Fig. 4 The original spectra R and the first derivative spectra R′ correlation curves of water content

從圖4可見(jiàn)，總體上在600—1 800 nm、2 100—2 300 nm范圍內(nèi)，土壤含水量與光譜反射率的相關(guān)性隨有機(jī)質(zhì)含量的升高而逐漸降低。有機(jī)質(zhì)含量的增加，減弱了土壤水對(duì)光譜的作用效應(yīng)[30]。

對(duì)于一階微分變換光譜與含水量相關(guān)系數(shù)曲線(xiàn)，總體上也呈現(xiàn)隨有機(jī)質(zhì)含量的升高，相關(guān)性降低的規(guī)律。相較原始光譜而言，經(jīng)一階微分變換之后的相關(guān)性在某些波段處得到增大，在1 400 nm附近水的吸收峰處，有機(jī)質(zhì)含量不同時(shí)，水的相關(guān)系數(shù)曲線(xiàn)大致重合且相關(guān)性較高，達(dá)到0.6，說(shuō)明在此波段處，水幾乎完全掩蓋了有機(jī)質(zhì)對(duì)光譜的作用。

圖5 原始光譜R及一階微分光譜R′與有機(jī)質(zhì)相關(guān)性曲線(xiàn)Fig. 5 The original spectra R and the first derivative spectra R′ correlation curves of organic matter

圖5為原始光譜及其一階微分變換與有機(jī)質(zhì)的相關(guān)性曲線(xiàn)。對(duì)于原始光譜，當(dāng)含水量低于11.42%時(shí)，光譜在500 nm之前受儀器指標(biāo)限制，與有機(jī)質(zhì)的相關(guān)性在-0.15—-0.30之間；500—750 nm相關(guān)性持續(xù)增加，750—1 300 nm穩(wěn)定在-0.45左右；在1 400 nm附近的水吸收敏感波段，相關(guān)系數(shù)驟降，最小相關(guān)系數(shù)僅有-0.26；1 500—1 800 nm處的相關(guān)性有所增加，但仍比1 300 nm之前的?。辉? 950 nm之后近紅外區(qū)的相關(guān)性和之前可見(jiàn)光部分相比較弱，數(shù)值上總體小于0.30，且相關(guān)性呈現(xiàn)出先增強(qiáng)后減弱的趨勢(shì)。相關(guān)系數(shù)在全部波段上都呈現(xiàn)負(fù)值，符合光譜反射率與有機(jī)質(zhì)含量呈現(xiàn)負(fù)相關(guān)的規(guī)律。

當(dāng)含水量升高到11.60%—14.97%時(shí)，由于水對(duì)有機(jī)質(zhì)光譜的影響加劇，總體上相關(guān)性呈現(xiàn)下降趨勢(shì)。但曲線(xiàn)的整體走勢(shì)與含水量低于 11.42%的曲線(xiàn)相類(lèi)似，波長(zhǎng)350—500 nm相關(guān)系數(shù)小于-0.10；500 nm之后相關(guān)性開(kāi)始增加，相關(guān)系數(shù)最高出現(xiàn)在1 135 nm，為-0.235；1 300—1 800 nm的規(guī)律與之前類(lèi)似；1 950 nm處相關(guān)性已經(jīng)非常微弱，相關(guān)系數(shù)在0附近。

當(dāng)含水量達(dá)到15.07%—19.90%時(shí)，水幾乎完全掩蓋了有機(jī)質(zhì)對(duì)光譜的作用，相關(guān)系數(shù)曲線(xiàn)走勢(shì)與之前2組的光譜完全不同。350—750 nm及1 950 nm之后的位置出現(xiàn)正相關(guān)，這不但與有機(jī)質(zhì)和光譜反射率的作用規(guī)律相悖，也不同于水和光譜反射率的作用規(guī)律；其他波段的相關(guān)性在都在0附近。

對(duì)比圖4和圖5，從含水量、有機(jī)質(zhì)與原始光譜的相關(guān)性可見(jiàn)，土壤水對(duì)光譜的作用大于有機(jī)質(zhì)，含水量和有機(jī)質(zhì)對(duì)原始光譜的交互作用是客觀(guān)存在的?？傮w上在600—1 800 nm、2 100—2 300 nm范圍內(nèi)，隨著含水量的增大，有機(jī)質(zhì)與原始光譜的相關(guān)性減小，反之亦然。這與圖3中的分組光譜特性分析結(jié)果相符。

從圖5可見(jiàn)，一階微分變換光譜與含水量相關(guān)系數(shù)曲線(xiàn)，大致也呈現(xiàn)出隨有機(jī)質(zhì)含量的升高，含水量與反射率的相關(guān)性降低的規(guī)律。相較原始光譜而言，經(jīng)一階微分變換之后的相關(guān)性在某些波段處得到增大，在某些波段處卻減小。

2.3 方差分析

方差分析是數(shù)理統(tǒng)計(jì)中具有廣泛應(yīng)用的基本方法之一，它的的實(shí)質(zhì)是在多個(gè)正態(tài)總體等方差的假設(shè)下，檢驗(yàn)各總體均值是否相等的假設(shè)檢驗(yàn)問(wèn)題[31]。將土壤含水量與有機(jī)質(zhì)含量作為兩個(gè)因素，利用雙因素方差分析法，探討當(dāng)兩者狀態(tài)變化時(shí)是否會(huì)導(dǎo)致光譜反射率指標(biāo)的變化，從而探討它們對(duì)光譜反射率的影響。

由于不同水平的樣本數(shù)量難以控制，本文采用不等次數(shù)重復(fù)試驗(yàn)雙因素方差分析方法[32]對(duì)每個(gè)波段的反射率值進(jìn)行方差分析。試驗(yàn)因素A表示含水量，因素B表示有機(jī)質(zhì)含量，因素各水平如表3所示。F統(tǒng)計(jì)量曲線(xiàn)結(jié)果如圖6所示。

圖6中，F(xiàn)(W)表示水對(duì)土壤光譜的F統(tǒng)計(jì)量，F(xiàn)(SOM)表示有機(jī)質(zhì)對(duì)土壤光譜的F統(tǒng)計(jì)量，F(xiàn)(WO)表示水與有機(jī)質(zhì)的交互作用對(duì)土壤光譜的 F統(tǒng)計(jì)量。圖6通過(guò)F統(tǒng)計(jì)量表示了土壤水、有機(jī)質(zhì)及其交互作用對(duì)土壤光譜反射率的影響程度，且由大到小依次為：水、有機(jī)質(zhì)、交互作用。3條F統(tǒng)計(jì)量的曲線(xiàn)形狀基本相似，但F統(tǒng)計(jì)量值隨波長(zhǎng)的變化速率不同。350—500 nm作用較弱；500—1 350 nm作用程度隨波長(zhǎng)的增大逐步增強(qiáng)，其中在 900 nm與1 100 nm兩個(gè)水吸收峰處，作用程度有所加??；受空氣中水分影響，在1 380nm波段附近的水作用最為強(qiáng)烈；而在1 380—1 450 nm作用程度下降劇烈，1 450—1 800 nm作用程度再次逐步升高；2 200 nm附近也出現(xiàn)了一個(gè)峰值，但作用程度相對(duì)變小。

表 3 因素水平表Table 3 Factor level

圖 6 水、有機(jī)質(zhì)及其交互作用的F統(tǒng)計(jì)量曲線(xiàn)Fig. 6 F statistic curves of water, organic matter and their interaction

為了定量表達(dá)水、有機(jī)質(zhì)在各個(gè)波段的相對(duì)影響程度，分別對(duì)水與有機(jī)質(zhì)、有機(jī)質(zhì)與交互作用的F統(tǒng)計(jì)量進(jìn)行了比值處理，而水與交互作用兩者差距較大，不再進(jìn)行直接比較。結(jié)果如圖7所示。

從圖7可見(jiàn)，在425—1 800 nm處，水對(duì)土壤光譜的作用大約是有機(jī)質(zhì)的5—8倍，在1 380 nm處是有機(jī)質(zhì)作用的5倍，而在1 950 nm—2 300 nm 處，水對(duì)土壤光譜的作用大約是有機(jī)質(zhì)的8—12 倍。所以有機(jī)質(zhì)對(duì)水的光譜響應(yīng)影響不大，在反演含水量信息時(shí)可以忽略其影響。但在反演有機(jī)質(zhì)時(shí)，必須剔除水對(duì)光譜的影響。

圖7 F統(tǒng)計(jì)量比值曲線(xiàn)Fig. 7 F statistic ratio curve

有機(jī)質(zhì)對(duì)反射率的作用是交互作用的2倍左右，在波段950、1 140以及1 380 nm處均略有增加，都出現(xiàn)在水吸收峰的位置，在這些波段處，水對(duì)光譜反射率的影響較大。所以在反演有機(jī)質(zhì)時(shí)，不但要剔除水對(duì)反射率的影響，而且需要考慮水與有機(jī)質(zhì)的交互作用對(duì)反射率的影響。

將原始光譜數(shù)據(jù)作一階微分變換后，再次進(jìn)行方差分析，結(jié)果如圖8所示。

圖 8 一階微分變換前后F統(tǒng)計(jì)量對(duì)比曲線(xiàn)Fig. 8 The comparison curves of F statistics before and after the first order differential transformation

圖8中，W(R′)、SOM(R′)、WO(R′)分別表示原始光譜數(shù)據(jù)一階微分變換后水、有機(jī)質(zhì)、水與有機(jī)質(zhì)交互作用的F統(tǒng)計(jì)量。通過(guò)方差分析，在顯著性水平時(shí)，土壤水、有機(jī)質(zhì)、交互作用以及殘差的自由度分別為 2、2、4、801，F(xiàn)統(tǒng)計(jì)量臨界值分別為由原始光譜數(shù)據(jù)所求取的土壤水、有機(jī)質(zhì)及其交互作用的F統(tǒng)計(jì)量得知：土壤水分在所有波段的作用均是顯著的；有機(jī)質(zhì)除在350—409 nm波段內(nèi)作用不顯著之外，在其余波段的作用均是顯著的；兩者的交互作用除了在350—508 nm波段內(nèi)作用是不顯著的，其余波段作用均顯著。原始光譜數(shù)據(jù)經(jīng)一階微分變換之后再次求取三者的F統(tǒng)計(jì)量可知：土壤水分在絕大多數(shù)波段的作用仍是顯著的，除在450—530、600—790、1 019—1 027、2 000—2 020、2 045—2 075nm增強(qiáng)外，其他波段相較對(duì)原始光譜作用均有所減弱；有機(jī)質(zhì)在除471—824、851—949、967—1 140、1 172—1 340、1 379—1 428、1 450—1 770、1 953—2 122、2 174—2 199、2 271—2 342 nm波段內(nèi)作用是顯著的，其余波段作用均不顯著；而兩者的交互作用得到減弱，除了在473—544、572—921、940—953、961—994、1 005—1 101、1 170—1 293、1 464—1 680、1 961—2 025、2 039—2 121、2 272—2 289 nm波段內(nèi)作用是顯著的，其余波段作用均不顯著。這在圖8中均得到很直觀(guān)的體現(xiàn)。

經(jīng)過(guò)試驗(yàn)，光譜的其他函數(shù)的微分變換與原始光譜一階微分變換有類(lèi)似規(guī)律，鑒于篇幅，此處不再詳述。

原始光譜數(shù)據(jù)一階微分變換前后，與水的相關(guān)性變化如圖9所示。

圖 9 水與土壤光譜的相關(guān)性曲線(xiàn)Fig. 9 The correlation curve of water and soil spectra

從圖9可見(jiàn)，土壤光譜經(jīng)過(guò)一階微分變換后，在460—540、600—790 nm可見(jiàn)光區(qū)域，水的相關(guān)性明顯增強(qiáng)，這與方差分析結(jié)果是相吻合的，可以認(rèn)為一階微分有效減弱了噪聲及空氣中水分的影響。

在800—1 800、2 100—2 500 nm范圍內(nèi)，整體上水的相關(guān)性減弱，尤其是在水的強(qiáng)吸收峰 1 380、1 750、2 194 nm處兩側(cè)一定波長(zhǎng)范圍內(nèi)，水的相關(guān)性幾乎為零。但以水的強(qiáng)吸收峰為中心的一定波長(zhǎng)范圍內(nèi)，相關(guān)系數(shù)由負(fù)相關(guān)變?yōu)檎嚓P(guān)。在其他波段，一階微分變換前后均為負(fù)相關(guān)。

從圖8—9可見(jiàn)，在910、1 025、1 228nm的小的水吸收峰處，一階微分有限地減弱了土壤水分的作用，且由于受室外測(cè)量光譜時(shí)土壤水分瞬間蒸發(fā)產(chǎn)生的噪聲影響，所以仍呈現(xiàn)負(fù)相關(guān)，且相關(guān)性有所減弱。

2.4 有機(jī)質(zhì)光譜估測(cè)精度分析

已有研究表明，土壤水分的高光譜估測(cè)可得到較為滿(mǎn)意的結(jié)果，所以，本文主要建立有機(jī)質(zhì)的光譜估測(cè)模型，驗(yàn)證依據(jù)水分及有機(jī)質(zhì)的交互作用規(guī)律所選取的特征因子對(duì)提高有機(jī)質(zhì)估測(cè)模型精度的有效性。根據(jù)相關(guān)分析剔除 3個(gè)異常樣本，87個(gè)樣本中 71個(gè)用于建模、16個(gè)用于預(yù)測(cè)檢驗(yàn)。

對(duì)土壤光譜反射率數(shù)據(jù)進(jìn)行不同形式的變換，在未考慮土壤水與有機(jī)質(zhì)的交互作用時(shí)，按極大相關(guān)性原則選取特征因子，分別為建立PLSR模型估測(cè)土壤有機(jī)質(zhì)，檢驗(yàn)樣本的決定系數(shù)為0.6764。有機(jī)質(zhì)含量實(shí)測(cè)值與預(yù)測(cè)值的對(duì)比結(jié)果如圖10所示。

考慮土壤水與有機(jī)質(zhì)的交互作用時(shí)，按有機(jī)質(zhì)的作用較大、水的作用相對(duì)較小且兩者的交互作用較小的原則選取特征因子，分別為并以此為基礎(chǔ)建立PLSR模型，得到檢驗(yàn)樣本的決定系數(shù)為 0.7934。有機(jī)質(zhì)含量實(shí)測(cè)值與預(yù)測(cè)值的對(duì)比結(jié)果如圖 11所示。

從圖10和圖11可見(jiàn)，考慮水與有機(jī)質(zhì)對(duì)土壤光譜的交互作用，可有效提高土壤有機(jī)質(zhì)的光譜估測(cè)精度。

圖 10 未考慮土壤水與有機(jī)質(zhì)交互作用時(shí)土壤有機(jī)質(zhì)含量實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)圖Fig. 10 Scatter plot between measured and predicted soil organic matters without considering the interaction

圖 11 考慮土壤水與有機(jī)質(zhì)交互作用時(shí)土壤有機(jī)質(zhì)含量實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)圖Fig. 11 Scatter plot between measured and predicted soil organic matters considering the interaction

3 討論

研究結(jié)果表明，在田間持水量范圍內(nèi)，水、有機(jī)質(zhì)含量與光譜反射率均呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，其含量的增加均使土壤光譜反射率減小，這與前人的研究成果一致[33-36]，并且兩者之中水對(duì)土壤反射率的影響起主要作用，1 380 nm與2 200 nm兩處水吸收峰尤為明顯。

經(jīng)由分組相關(guān)性分析發(fā)現(xiàn)，當(dāng)土壤含水量低于10%時(shí)，原始光譜能較好反映有機(jī)質(zhì)的作用，但當(dāng)土壤含水量大于15%時(shí)，有機(jī)質(zhì)的作用幾乎被水的作用所掩蓋，此時(shí)原始光譜不宜用于有機(jī)質(zhì)估測(cè)。

在成土母質(zhì)、土壤類(lèi)型等影響因素基本相同的條件下，水與有機(jī)質(zhì)對(duì)土壤原始光譜的交互作用是客觀(guān)存在的，并且對(duì)土壤光譜的作用程度從大到小依次為：水、有機(jī)質(zhì)、交互作用，其中土壤含水量對(duì)土壤反射光譜起著主要作用，土壤有機(jī)質(zhì)起次要作用。

經(jīng)由方差分析發(fā)現(xiàn)，土壤原始光譜數(shù)據(jù)的一階微分在某些波段不僅可有效減弱土壤水分、空氣中水分等背景噪聲對(duì)光譜的影響，同時(shí)也在可見(jiàn)光、近紅外的某些波段，增強(qiáng)了水、有機(jī)質(zhì)的作用而減弱了二者的交互作用。這是本次研究的新發(fā)現(xiàn)，可為選取有機(jī)質(zhì)光譜反演因子提供有效指導(dǎo)。通過(guò)選取水作用及交互作用較弱，而有機(jī)質(zhì)作用相對(duì)較強(qiáng)的波段作為估測(cè)因子，可有效提高土壤有機(jī)質(zhì)含量的估測(cè)精度。

當(dāng)在室外測(cè)量光譜時(shí)，土壤樣本會(huì)產(chǎn)生水分瞬間蒸發(fā)，改變局部的空氣濕度；雖然一階微分在強(qiáng)吸收峰1 380、1 750、2 194 nm處兩側(cè)一定波長(zhǎng)范圍內(nèi)幾乎完全消除了土壤中水分的作用，但此時(shí)空氣中水分產(chǎn)生的噪聲不會(huì)完全消除，且呈現(xiàn)出土壤含水量越高，水分瞬間蒸發(fā)產(chǎn)生的噪聲越強(qiáng)烈的規(guī)律。因此，在以水強(qiáng)吸收峰為中心一定波長(zhǎng)范圍內(nèi)的相關(guān)系數(shù)由負(fù)相關(guān)變?yōu)檎嚓P(guān)。又因?yàn)樗畯?qiáng)吸收峰中心處對(duì)噪聲響應(yīng)最敏感，所以1 380、1 750、2 194 nm處的正相關(guān)性為最大。在410—760 nm波段，因?yàn)橥寥浪制鹬鲗?dǎo)作用，空氣中水分產(chǎn)生的噪聲相對(duì)較小，經(jīng)一階微分作用后有效減弱了空氣中水分的作用，所以使土壤水分的作用相對(duì)增強(qiáng)，即負(fù)相關(guān)性得到增大。

本文研究結(jié)果為土壤光譜重采樣、光譜特征選擇以及研究土壤水、有機(jī)質(zhì)光譜估測(cè)的新模型提供基礎(chǔ)。但是由于試驗(yàn)條件限制，本研究?jī)H是基于棕壤的初步研究結(jié)果，而基于不同土壤類(lèi)型以及更多代表性樣本的分析有待進(jìn)一步的探討。如何充分利用水與有機(jī)質(zhì)對(duì)光譜的交互作用規(guī)律，采用新的光譜變換方法和建模方法進(jìn)一步提高土壤有機(jī)質(zhì)光譜估測(cè)精度[37]，還有待深入研究。

4 結(jié)論

本文基于山東省泰安市90個(gè)土樣樣本，在假設(shè)成土母質(zhì)、土壤類(lèi)型等因素基本相同的條件下，利用組分光譜分析、相關(guān)性分析和方差分析3種方法探究土壤水、有機(jī)質(zhì)的光譜作用規(guī)律，通過(guò)對(duì)比水、有機(jī)質(zhì)及交互作用對(duì)土壤光譜的作用程度，發(fā)現(xiàn)在反演含水量時(shí)可以不考慮有機(jī)質(zhì)的作用及水與有機(jī)質(zhì)的交互作用；而在反演有機(jī)質(zhì)時(shí)，不僅要剔除水的作用，還需要考慮水與有機(jī)質(zhì)對(duì)光譜的交互作用。試驗(yàn)結(jié)果表明，依據(jù)兩者的交互作用規(guī)律并應(yīng)用偏最小二乘回歸分析方法可有效提高土壤有機(jī)質(zhì)含量光譜估測(cè)模型的精度。

[1] WANG C K, PAN X Z, WANG M, LIU Y, LI Y L, XIE X L, ZHOU R, SHI R J. Prediction of soil organic matter content under moist conditions using Vis-NIR diffuse reflectance spectroscopy. Soil Science, 2013, 178(4): 189- 193.

[2] MINASNY B, MCBRATNEY A B, BELLON-MAUREL V, ROGER J M, GOBRECHT A, FERRAND L, JOALLAND S. Removing the effect of soil moisture from NIR diffuse reflectance spectra for the prediction of soil organic carbon, Geoderma, 2011, 167-168: 118 -124.

[3] LIU W D, BARET F, GU X F, TONG Q X, ZHENG L F, ZHANG B. Relating soil surface moisture to reflectance. Remote Sensing of Environment, 2002, 81(2): 238-246.

[4] MOUAZEN A M, DE BAERDEMAEKER J, RAMON H. Effect of wavelength range on the measurement accuracy of some selected soil properties using visual-near infrared spectroscopy. Journal of Near Infrared Spectros, 2006, 14(3): 189-199.

[5] TEKIN Y, TUMSAVAS Z, MOUAZEN A M. Effect of moisture content on prediction of organic carbon and pH using visible and near-infrared spectroscopy. Soil Science Society of America Journal, 2012, 76(1): 188-198.

[6] 朱永豪, 鄧仁達(dá), 盧亞非, 陳銘臻. 不同濕度條件下黃棕壤光譜反射率的變化特征及其遙感意義. 土壤學(xué)報(bào), 1984, 21(2): 194-201.

ZHU Y H, DENG R D, LU Y F, CHEN M Z. Varying characteristics of spectral reflectivity in different humidities of yellow-brown earth and its significance in remote sensing. Acta Pedologica Sinica, 1984, 21(2): 194-201. (in Chinese)

[7] STENBERG B. Effects of soil sample pretreatments and standardised rewetting as interacted with sand classes on Vis-NIR predictions of clay and soil organic carbon. Geoderma, 2010, 158(1/2): 15-22.

[8] CECILE G, PHILIPPE L, GUILLAUME C. Regional predictions of eight common soil properties and their spatial structures from hyperspectral Vis-NIR data. Geoderma, 2012, 189-190: 176-185.

[9] KRISHNAN P, ALEXANDER J D, BUTLER B J, HUMMEL J W. Reflectance technique for predicting soil organic matter. Soil ScienceSociety of America Journal, 1980, 44(6): 1282-1285.

[10] CLOUTIS E A. Review Article Hyperspectral geological remote sensing: Evaluation of analytical techniques. Remote Sensing, 1996, 17(12): 2215-2242.

[11] 王昌佐, 王紀(jì)華, 王錦地, 趙春江, 劉良云, 王鵬新, 景娟娟. 裸土表層含水量高光譜遙感的最佳波段選擇. 遙感信息, 2003(4): 33-36.

WANG C Z, WANG J H, WANG J D, ZHAO C J, LIU L Y, WANG P X, JING J J. The choice of best detecting band for hyperspectral remote sensing on surface water content of bare soil. Remote Sensing Information, 2003(4): 33-36. (in Chinese)

[12] GALVAL L S, VITORELLO í. Variability of laboratory measured soil lines of soils from southeastern Brazil. Remote Sensing of Environment, 1998, 63(2): 166-181.

[13] 沙晉明, 陳鵬程, 陳松林. 土壤有機(jī)質(zhì)光譜響應(yīng)特性研究. 水土保持研究, 2003, 10(2): 21-24.

SHA J M, CHEN P C, CHEN S L. Characteristics analysis of soil spectrum response resulted from organic material. Research of Soil and Water Conservation, 2003, 10(2): 21-24. (in Chinese)

[14] NOCITA M, STEVENS A, NOON C, WESEMAEL B V. Prediction of soil organic carbon for different levels of soil moisture using Vis-NIR spectroscopy. Geoderma, 2013, 199: 37-42.

[15] YANG H, KUANG B, MOUAZEN A. Quantitative analysis of soil nitrogen and carbon at a farm scale using visible and near infrared spectroscopy coupled with wavelength reduction. European Journal of Soil Science, 2012, 63(3): 410-420.

[16] 陳紅艷, 趙庚星, 張曉輝, 王瑞燕, 孫莉, 陳敬春. 去除水分影響提高土壤有機(jī)質(zhì)含量高光譜估測(cè)精度. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(8): 91-100.

CHEN H Y, ZHAO G X, ZHANG X H, WANG R Y, SUN L, CHEN J C. Improving estimation precision of soil organic matter content by removing effect of soil moisture from hyperspectra. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(8): 91-100. (in Chinese)

[17] CONFORTI M, BUTTAFUOCO G, LEONE A P, AUCELLI P P C, ROBUSTELLI G, SCARCIGLIA F. Studying the relationship between water-induced soil erosion and soil organic matter using Vis-NIR spectroscopy and geomorphological analysis: A case study in southern Italy. Catena, 2013, 110(2): 44-58.

[18] LIU F, ROSSITER D G, SONG X D, ZHANG G L, YANG R M, ZHAO Y G, LI D C, JU B. A similarity-based method for three-dimensional prediction of soil organic matter concentration. Geoderma, 2015, 263(1): 254-263.

[19] LIU S L, AN N N, YANG J J, DONG S K, WANG C, YIN Y J. Prediction of soil organic matter variability associated with different land use types in mountainous landscape in southwestern Yunnan province, China. Catena,, 2015, 133(10): 137-144.

[20] NAVEEN J P A, ABD-ELRAHMAN A H, LEWIS D B, HEWITT N A. Modeling soil parameters using hyperspectral image reflectance in subtropical coastal wetlands. International Journal of Applied Earth Observation and Geoinformation, 2014, 33(11): 47-56.

[21] LI X C, YU T, WANG X. The soil organic matter content grey relationship inversion pattern based on hyper-spectral technique. Grey Systems: Theory and Application, 2011, 1(3): 261-267.

[22] 李希燦, 王靜, 王芳, 杜嘉津. 基于模糊識(shí)別的土壤性質(zhì)指標(biāo)光譜反演. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 29(2): 324-327.

LI X C, WANG J, WANG F, DU J J. Spectral retrieved deduction of soil properties index based on fuzzy recognition theory. Journal of Liaoning Technical University(Natural Science), 2010, 29(2): 324-327. (in Chinese)

[23] LI X C, WANG J, BAI L. The pattern of multiple objects and multiple stages grey relationship for land ecological security assessment. The Journal of Grey System, 2008, 20(4): 351-358.

[24] 袁征, 李希燦, 于濤. 高光譜土壤有機(jī)質(zhì)估測(cè)模型對(duì)比研究. 測(cè)繪科學(xué), 2014, 39(5): 160-164.

YUAN Z, LI X C, YU T. Contrast research on soil organic matter estimation model using hyper-spectral data. Science of Surveying and Mapping, 2014, 39(5): 160-164. (in Chinese)

[25] 湯娜, 張新樂(lè), 劉煥軍, 楊振華, 胡言亮, 于曉靜. 土壤有機(jī)質(zhì)與水分反射光譜響應(yīng)特征綜合作用模擬. 土壤通報(bào), 2013, 44(1): 72-76.

TANG N, ZHANG X L, LIU H J, YANG Z H, HU Y L, YU X J. Synthesis simulation of correlation characteristics between organic matter and moisture reflectance spectra. Chinese Journal of Soil Science, 2013, 44(1): 72-76. (in Chinese)

[26] 劉煥軍, 宇萬(wàn)太, 張新樂(lè), 馬強(qiáng), 周樺, 姜子紹. 黑土反射光譜特征影響因素分析. 光譜學(xué)與光譜分析, 2009, 29(11): 3019-3022.

LIU H J, YU W T, ZHANG X L, MA Q, ZHOU H, JIANG Z S. Study on the main influencing factors of black soil spectral characteristics. Spectroscopy and Spectral Analysis, 2009, 29(11): 3019-3022. (in Chinese)

[27] 于濤, 李希燦, 王曉, 尚曉東. 高光譜技術(shù)應(yīng)用情況研討. 測(cè)繪科學(xué), 2012, 37(2):115-118.

YU T, LI X C, WANG X, SHANG X D. Application advances and outlooks of hyperspectral technique. Science of Surveying and Mapping, 2012, 37(2): 115-118. (in Chinese)

[28] 王力賓. 數(shù)列修勻的加權(quán)算術(shù)平均數(shù)—中位數(shù)混合移動(dòng)平均法.昆明理工大學(xué)學(xué)報(bào), 2001, 26(5): 50-55.

WANG L B. A new graduated method: The mixed moving average method of weighted-arithmetic-mean and median. Journal of Kunming University of Science and Technology, 2001, 26(5): 50-55. (in Chinese)

[29] 劉慶生, 王志剛, 荊林海. 巖石實(shí)驗(yàn)室光譜對(duì)應(yīng)分析. 遙感學(xué)報(bào), 1999, 3(2): 151-156.

LIU Q S, WANG Z G, JING L H. Correspondence analysis of laboratory spectra of rock. Journal of Remote Sensing, 1999, 3(2): 151-156. (in Chinese)

[30] BAUMGARDNER M F, KRISTOF S, JOHANNSEN C J, ZACHARY A. Effects of organic matter on the multispectral properties of soils. Proceedings of the Indiana Academy of Science, 1969, 79: 413-422.

[31] 韓之俊, 章渭基. 質(zhì)量工程學(xué). 北京: 科學(xué)出版社, 1991: 44-50.

HAN Z J, ZHANG W J. Quality Engineering. Beijing: Science Press, 1991: 44-50. (in Chinese)

[32] 俞純權(quán). 不等次數(shù)重復(fù)試驗(yàn)雙因素方差分析的應(yīng)用. 統(tǒng)計(jì)教育, 1996(3): 42-43.

YU C Q. The application of double factor variance analysis of repeated trials with unequal frequency. Statistical Thinktank, 1996(3): 42-43. (in Chinese)

[33] 劉煥軍, 趙春江, 王紀(jì)華, 黃文江, 張新樂(lè). 黑土典型區(qū)土壤有機(jī)質(zhì)遙感反演. 農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(8):211-215.

LIU H J, ZHAO C J, WANG J H, HUANG W J, ZHANG X L. Soil organic matter predicting with remote sensing image in typical black soil area of Northeast China. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(8): 211-215. (in Chinese)

[34] LIU D S, WANG Z S. A modeling study of potential evapotranspiration and the estimation of Chinese soil moisture regimes. Pedosphere, 1994, 4(3): 193-200.

[35] STONER E R, BAUMGARDNER M F. Characteristic variations in reflectance of surface soils. Soil Science Society of America Journal, 1981, 45(6): 1161-1165.

[36] MULLER E, DECAMPS H. Modeling soil moisture-reflectance. Remote Sensing of Environment, 2001, 76(2): 173-180.

[37] LI M L, LI X C, TIAN Y, WU B, ZHANG S. Grey relation estimating pattern of soil organic matter with residual modification based on hyper-spectral data. The Journal of Grey System, 2016, 28(4): 27-39.

（責(zé)任編輯 楊鑫浩）

The Role and Interaction of Soil Water and Organic Matter on Hyper-Spectral Reflectance

SHANG Xuan, LI XiCan, XU YouYou, LIU ShaSha
(College of Information Science and Engineering, Shangdong Agricultural University, Taian 271018, Shangdong)

hyper-spectrum; soil organic matter; water content; variance analysis; interaction

2016-09-13；接受日期：2016-12-21

國(guó)家自然科學(xué)基金（41271235）、山東省自然科學(xué)基金（ZR2016MD03）

聯(lián)系方式：尚璇，E-mail：646320669@qq.com。通信作者李西燦，E-mail：lxc@sdau.edu.cn

Abstract:【Objective】The objective of this study is to reveal the rule of soil moisture and organic matter on the high spectrum quantitatively and to provide a basis for improving the accuracy of spectral estimation of soil moisture and organic matter.【Method】Ninety brown soil samples collected from the Tai'an city, Shandong province were used as research materials, and their outdoor spectrum, soil moisture and organic matter were obtained. At the same time, smoothing denoising pretreatment of the spectral curves were carried out by Savitzky-Golay filter. Soil samples were divided into 9 groups according to water and organic matter contents. By using comparative method, 9 groups of original spectral data were analyzed, and the effect of soil water and organic matter on the spectrum was discussed. Then, correlation analysis was used to analyze the correlation between water, organic matter and raw spectral reflectance (R), first order differential reflectance (D (R)) and grouping spectra. Under the basic assumption that other factors were identical, two factor variance interaction analysis was used to analyze the degree of water, organic matter and their interaction to the soil spectral reflectance and spectral derivative quantitatively. According to the law of interaction between soil water and organic matter, characteristic factor was selected on the basis of the principle that the correlation coefficient is relatively large and the interaction is small. Finally, partial least squares regression model was established to predict the soil organic matter content of hyperspectra, and the effectiveness of the model which established with the factors selected according to the interaction was analyzed.【Result】 The results showed that water had the main effect on the reflectance of soil spectral reflectance in the range of field capacity, and the interaction between water and organic matter was exist objectively. When the soil moisture content was less than 10%, the original spectra of 600-1 800 nm could better reflect the effect of organic matter. And when the soil moisture content was more than 15%, the role of organic matter was almost covered by the action of water. The role and interaction of soil water and organic matter reached significant level in 360-1 800 nm, 410-1 800nm and 509-1 800 nm, And all of them reached significant level in 1 951-2 450 nm (α=0.05). The effect on soil spectrum from large to small was water, organic matter and interaction. The effect of water on soil spectrum was about 5 to 8 times in 425-1 800 nm and 8 to 12 times in 1 950-2 300 nm than that of organic matter. The effect of organic matter on soil spectrum was about 2 times as much as interaction in 350-2 500 nm. After the first-order differential transformation, the effect of soil water at 450-530 nm, 600-790 nm, 1 019-1 027 nm, 2 000-2 020 nm and 2 045-2 075 nm was enhanced, but weakened in other bands. The effect of soil organic matter was enhanced at 471-824 nm, 851-949 nm, 967-1 140nm, 1 172-1 340nm, 1 379-1 428 nm, 1 450-1 770 nm, 1 953-2 122 nm, 2 174-2 199 nm, and 2 271-2 342 nm, and weakened at other bands. The interaction between water and organic matter also changed at different wavelengths, but change was relatively weakened than that of the soil water and organic matter. Based on the characteristics selected by the interaction between soil water and organic matter, the accuracy of the hyperspectral model of soil organic matter was improved. The determination coefficient R2of the 16 test samples increased from 0.6764 (without considering the interaction) to 0.7934.【Conclusion】The researches showed that the effect of organic matter on the spectral reflectance may not be considered in the inversion of soil water content. In the inversion of organic matter content, not only the influence of water on the reflectance should be eliminated, but the interaction between water and organic matter on the spectrum should be considered. The accuracy of spectral estimation of soil organic matter can be effectively improved when considering the interaction of water and organic matter on soil spectrum.