王曉晴 孫孝林，2? 王會(huì)利

（1 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東省城市化與地理環(huán)境空間模擬重點(diǎn)實(shí)驗(yàn)室，廣州 510275）（2 土壤與農(nóng)業(yè)可持續(xù)發(fā)展國(guó)家重點(diǎn)實(shí)驗(yàn)室(中國(guó)科學(xué)院南京土壤研究所)，南京 210008）（3 廣西壯族自治區(qū)林業(yè)科學(xué)研究院，南寧 530002）

土壤容重是土壤質(zhì)地和孔隙狀況的綜合反映［1］，決定著土壤的物理?xiàng)l件和多項(xiàng)生態(tài)、環(huán)境功能，例如調(diào)節(jié)溶質(zhì)和氣體流動(dòng)、影響土壤與環(huán)境間交換的界面、影響植物生長(zhǎng)等［2］。特別是在當(dāng)前全球氣候變化的大背景下，它是土壤碳儲(chǔ)量估算的重要參數(shù)，對(duì)土壤碳儲(chǔ)量、固碳潛力等的估算有重要影響［3］。因此，土壤容重在農(nóng)業(yè)、環(huán)境、氣候變化研究等多個(gè)方面均具有重要意義。

目前，國(guó)內(nèi)外研究學(xué)者測(cè)定土壤容重時(shí)通常采用環(huán)刀取樣后烘干稱(chēng)重的方法［4-6］。其他方法還有蠟封法、水銀排除法、填砂法、排水法等，即用已知體積的水、沙或泡沫填補(bǔ)土樣取走后的空隙體積，或者用防水物質(zhì)（例如石蠟）涂抹土塊再排水從而測(cè)定土樣的體積，最后稱(chēng)重烘干土樣來(lái)計(jì)算容重［4］。這些直接測(cè)定容重的方法存在著人力、物力花費(fèi)高而效率低、破壞性大等缺點(diǎn)。為此，Petrovic等［7］提出用計(jì)算機(jī)斷層掃描（computed tomography, CT）技術(shù)間接估算土壤容重，即用X射線(xiàn)對(duì)土壤進(jìn)行斷面掃描并利用X射線(xiàn)穿透土壤后的衰減特征作為容重計(jì)算的依據(jù)。盡管該方法具有較高的精度，但所用到的CT掃描儀價(jià)格昂貴，并不適應(yīng)大規(guī)模的普及應(yīng)用，也不能應(yīng)用于野外快速、無(wú)損分析。此后，Rossi等［8］利用三維激光掃描儀對(duì)土樣進(jìn)行掃描，然后分析三維土壤圖像來(lái)間接計(jì)算容重。該方法雖然儀器設(shè)備花費(fèi)較低，但仍需人力挖取土塊，且三維土壤圖像的分析耗時(shí)較長(zhǎng)，因此也未能實(shí)現(xiàn)野外快速、無(wú)損分析土壤容重。此外，也有研究提出使用伽馬（γ）射線(xiàn)法（雙放射源）來(lái)測(cè)定土壤容重，然而由于放射儀器比較特殊且需要防護(hù)設(shè)施，不易廣泛使用［1,9-10］。除了利用儀器之外，一些研究人員還開(kāi)發(fā)土壤轉(zhuǎn)換函數(shù)（pedotransfer functions, PTF）來(lái)間接計(jì)算土壤容重。該方法模擬土壤有機(jī)碳、機(jī)械組成等土壤屬性與容重之間的定量關(guān)系來(lái)預(yù)測(cè)容重［11-12］，為土壤樣品采集困難地區(qū)提供了比較可行的方法。但該方法的主要缺點(diǎn)之一是依賴(lài)其他土壤屬性，因而在缺乏這些土壤屬性的地區(qū)不能使用。同時(shí)，該方法的誤差也較大。

可見(jiàn)，現(xiàn)有的多種土壤容重測(cè)定方法由于諸多不足而不能實(shí)現(xiàn)快速、無(wú)損分析，難以滿(mǎn)足快速發(fā)展的精準(zhǔn)農(nóng)業(yè)、生態(tài)環(huán)境模擬、土壤碳儲(chǔ)量估算等對(duì)大量、準(zhǔn)確容重?cái)?shù)據(jù)的需求。鑒于此，Lobsey和Rossel等［2,13-14］根據(jù)物質(zhì)吸收γ射線(xiàn)滿(mǎn)足朗伯-比爾定律的原理，建立了利用γ射線(xiàn)傳感器測(cè)定原狀土容重，可見(jiàn)-近紅外光譜傳感器測(cè)定原狀土水分，并用于校正前者的容重測(cè)定方法。他們的研究結(jié)果表明該方法的準(zhǔn)確度與環(huán)刀法接近，可用于土壤碳儲(chǔ)量的估算中；同時(shí)，他們還將γ射線(xiàn)傳感器和可見(jiàn)-近紅外光譜傳感器集成后，用于測(cè)定包括土壤容重在內(nèi)的多種土壤屬性，實(shí)現(xiàn)了野外快速、無(wú)損的土壤容重分析［2,13-14］。然而，Lobsey和Rossel［2］也指出，該方法的準(zhǔn)確性還受其他因素如礫石含量的影響。此外，由于土壤近地傳感器研究中普遍存在著區(qū)域土壤異質(zhì)性問(wèn)題，例如同物異譜、同譜異物等［15］，該方法在其他地區(qū)土壤上的準(zhǔn)確性和適用性還需要進(jìn)一步探索。

為此，本研究試圖探討Lobsey和Rossel等的方法在我國(guó)南方丘陵區(qū)土壤容重測(cè)定上的準(zhǔn)確性和適用性。首先，采集了廣西南寧丘陵區(qū)不同地形位置上土壤剖面的環(huán)刀樣本，將樣本帶回實(shí)驗(yàn)室稱(chēng)重，并用可見(jiàn)近紅外光譜傳感器測(cè)定這些樣本的光譜；然后，用γ射線(xiàn)傳感器測(cè)定這些樣本原狀土（即自然狀態(tài)下未烘干水分）的衰減量，烘干后再次用γ射線(xiàn)傳感器測(cè)定樣本烘干土的衰減量，從而確定土壤衰減系數(shù)μs；最后，用烘干法測(cè)定這些樣本的土壤水分，進(jìn)而用偏最小二乘法（partial least squares regression，PLSR）建立光譜預(yù)測(cè)土壤水分的模型，并將預(yù)測(cè)值用于校正γ射線(xiàn)傳感器所測(cè)原狀土容重中的水分；最后，將校正后的容重與環(huán)刀法測(cè)定的容重比較，評(píng)價(jià)該方法測(cè)定容重的準(zhǔn)確性和適用性。

1 材料與方法

1.1 土壤采樣

土樣采自廣西壯族自治區(qū)南寧市國(guó)家高峰林場(chǎng)。該林場(chǎng)為丘陵地形，高程為125～300 m；年均氣溫為21.6 ℃，年均降水量為1 301 mm，其中4—9 月的降水量占全年的7 9.8%，處于南亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)［16］；土壤母質(zhì)以古生代的泥巖、泥質(zhì)頁(yè)巖、砂頁(yè)巖等沉積巖系為主，均風(fēng)化發(fā)育為赤紅壤［17］；植被以桉樹(shù)人工林為主，林下灌草植物以木姜(L i t s e a pungens)、毛桐(Mallotus barbatus)、鹽膚木(Rhus chinenesis)、半邊旗(Pteris semipinnata)、五節(jié)芒(Miscanthus floridulus)、鐵芒箕(Dicranopteris dichotoma)等為優(yōu)勢(shì)樹(shù)種［18］。該林場(chǎng)自21世紀(jì)之初開(kāi)始種植桉樹(shù)，約5 年輪伐輪種一次，現(xiàn)生長(zhǎng)的桉樹(shù)樹(shù)齡為第二代桉樹(shù)林，胸徑約為20～40 cm。

在該林場(chǎng)內(nèi)，選取不同高程、坡向、坡度的11個(gè)樣點(diǎn)（如表1所示）。在樣點(diǎn)周?chē)?，選擇人為干擾（如施肥等）較小的位置挖掘土壤剖面，深至母質(zhì)層或當(dāng)母質(zhì)層深度大于140 cm時(shí)至140 cm。對(duì)每個(gè)土壤剖面劃分發(fā)生層后分層取環(huán)刀樣（直徑50 mm；高50 mm），并將采集到的環(huán)刀樣密封好防止水分蒸發(fā)。最終采集到44個(gè)環(huán)刀樣品用于本研究。

1.2 γ射線(xiàn)衰減測(cè)定土壤容重

γ射線(xiàn)衰減可以直接測(cè)定物質(zhì)的密度［2］。例如，當(dāng)γ射線(xiàn)穿過(guò)土壤時(shí)，由于土壤對(duì)γ射線(xiàn)的吸收作用，會(huì)發(fā)生衰減，衰減量與土壤的密度符合朗伯-比爾定律：式中，I為探測(cè)器檢測(cè)到的輻射量；I0為從射線(xiàn)源發(fā)射出的輻射量；x（cm）為衰減路徑，即樣品的厚度；μs（cm2·g-1）為土壤質(zhì)量衰減系數(shù)；ρs（g·cm-3）為土壤容重。土壤質(zhì)量衰減系數(shù)μs為光子能量和土壤元素組成的函數(shù)，因此不同的土壤具有不同的μs。然而，Wells和Luo［19］的研究表明，當(dāng)γ射線(xiàn)源能量較大（例如0.662 MeV（兆電子伏））時(shí)，元素組成的變化對(duì)質(zhì)量衰減的影響微不足道。很多研究如Lobsey和Rossel［2］也表明，在較大能量的γ射線(xiàn)下，不同的土壤具有幾乎相同的μs。為了直接測(cè)量自然條件下原狀土壤容重，還需要自然狀態(tài)下土壤水分的質(zhì)量衰減系數(shù)μs。對(duì)于原狀土，衰減量與物質(zhì)的密度可表示為［19-20］：γ射線(xiàn)衰減測(cè)定，再依據(jù)式（1）求得土壤質(zhì)量衰減系數(shù)μs：式中，μw（cm2·g-1）為土壤水分的質(zhì)量衰減系數(shù)；ρw為純水的密度，即1g·cm-3；θ為土壤體積含水量。由式（2）可知，只要測(cè)得參數(shù)I0、μs、μw、θ，就可以通過(guò)γ射線(xiàn)衰減計(jì)算出土壤容重。

表1 采樣點(diǎn)的地形特征Table 1 Topographic features of the sampling sites

本研究所用的γ 射線(xiàn)傳感器為G E M 1 8 1 8 0高純鍺γ 譜儀。該儀器的放射源為137C s，強(qiáng)度為1 8 5 M B q（兆貝克勒爾），光子能量為0.662MeV。測(cè)定時(shí)，γ射線(xiàn)垂直環(huán)刀面通過(guò)環(huán)刀原狀土的中心及中心外均勻分布的三個(gè)點(diǎn)，每個(gè)點(diǎn)分別獲取2分鐘內(nèi)的計(jì)數(shù)值。因此，衰減路徑x為環(huán)刀原狀土樣的厚度，即50mm。為了得到土壤的質(zhì)量衰減系數(shù)μs，環(huán)刀原狀土經(jīng)過(guò)105℃烘干16h后再反復(fù)稱(chēng)重、烘干，直至恒重，又用同樣的方法進(jìn)行式中，I表示對(duì)烘干土進(jìn)行4次γ衰減測(cè)定的平均值；ρbs（g·cm-3）為環(huán)刀原狀土經(jīng)上述烘干后測(cè)定的容重值。本研究最終測(cè)得在光子能量為0.662MeV條件下，土壤質(zhì)量衰減系數(shù)μs為0.085 6 cm2·g-1，其標(biāo)準(zhǔn)偏差（Standard deviation，SD）為0.004 5 cm2·g-1，因而變異系數(shù)很小，僅為5.27%，可認(rèn)為不同的土壤具有相同的μs；純水的衰減系數(shù)μw為0.085 0 cm2·g-1。Lobsey［2］使用碘化鈉閃爍晶體測(cè)定的土壤質(zhì)量衰減系數(shù)μs為0.077 0 cm2·g-1，水的質(zhì)量衰減系數(shù)μw為0.083 2 cm2·g-1；Pires等［20］同樣用碘化鈉閃爍晶體測(cè)得黏土的土壤衰減系數(shù)μs為0.074 3 cm2·g-1，砂土的土壤衰減系數(shù)μw為0.075 5 cm2·g-1，水的質(zhì)量衰減系數(shù)μw為0.084 0 cm2·g-1?？梢?jiàn)本研究測(cè)得的土壤衰減系數(shù)與這些研究有差異，主要是因?yàn)槭褂玫奶綔y(cè)器不同。

與Lobsey［2］相同，本研究使用可見(jiàn)-近紅外光譜預(yù)測(cè)土壤體積含水量θ，詳述于1.3。得知了以上I0、μs、μw、θ參數(shù)后，通過(guò)式（4）可以計(jì)算校正水分后的γ射線(xiàn)感測(cè)容重：式中，I表示對(duì)原狀土進(jìn)行4次γ衰減測(cè)定的平均值。本文比較γ 射線(xiàn)感測(cè)容重ρbr和前述環(huán)刀原狀土烘干后測(cè)定的容重值ρbs，計(jì)算兩者的平均誤差（mean error, ME）、標(biāo)準(zhǔn)偏差（standard deviation of the error，SDE）、均方根誤差（root mean squared error，RMSE），以評(píng)價(jià)γ射線(xiàn)感測(cè)容重的準(zhǔn)確性和適用性。

1.3 可見(jiàn)-近紅外測(cè)定土壤體積含水量

本研究采用美國(guó)ASD公司的FieldSpec4型高分辨率地物光譜儀測(cè)定環(huán)刀原狀土樣的可見(jiàn)-近紅外光譜。該儀器的波段范圍為350～2500nm，采樣間隔在350～1000nm處為1.4nm、1001～2500nm處為1.1nm，分辨率在700nm處為3nm、1400/2100nm處為6nm，輸出波段總數(shù)為2151；光源為杯狀光源，內(nèi)置12°天頂角的鹵素?zé)艉徒佑|式光纖探頭，測(cè)量時(shí)，直接將杯狀光源放置于環(huán)刀樣品上?？紤]土壤表面的不均勻性，本研究均勻選取環(huán)刀樣品兩面上的9個(gè)點(diǎn)進(jìn)行測(cè)量，每個(gè)點(diǎn)保存10條光譜，共180條光譜，再計(jì)算算術(shù)平均后用于土壤體積含水量θ的數(shù)據(jù)分析中。

在數(shù)據(jù)分析前，先對(duì)光譜數(shù)據(jù)進(jìn)行去噪等預(yù)處理。首先，去除每條光譜曲線(xiàn)中噪聲較大的邊緣波段，即350～399nm和2401～2500nm。然后，以10nm的間隔對(duì)光譜進(jìn)行重采樣，消除光譜數(shù)據(jù)中的高度共線(xiàn)性，共獲得每條光譜曲線(xiàn)的200個(gè)波段。最后，使用Unscrambler 9.7 軟件對(duì)光譜曲線(xiàn)進(jìn)行平滑去噪處理，平滑方法選用Savitzky-Golay濾波。該濾波方法在有效去除噪聲的同時(shí)還較好地保存了光譜曲線(xiàn)的總體特征［21］。

為了進(jìn)一步增強(qiáng)信噪比，在上述土壤原始光譜反射率（raw spectral reflectance，R）的基礎(chǔ)上，進(jìn)行倒數(shù)之對(duì)數(shù)（inverse-log reflectance，LR）、一階微分（first order diffferential reflectance，F(xiàn)DR）以及連續(xù)統(tǒng)去除（continuum removal，CR）處理。其中，F(xiàn)DR 處理可以消除背景噪聲的干擾，分解混合重疊峰，提高光譜分辨率和靈敏度，易于找到相關(guān)性高的波段；CR 處理利于突出光譜曲線(xiàn)的吸收、反射特征，分類(lèi)識(shí)別提取敏感波段［21］。LR和FDR在ViewSpec Pro軟件中計(jì)算；CR在ENVI5.1軟件中處理。

經(jīng)預(yù)處理和信噪比增強(qiáng)后的光譜數(shù)據(jù)再用于土壤體積含水量θ的估測(cè)。本研究使用PLSR建立土壤體積含水量θ與光譜數(shù)據(jù)之間的模型?？紤]本研究的樣本量較小，本文用Leave-one-out交叉驗(yàn)證法進(jìn)行模型驗(yàn)證。同時(shí)，為了驗(yàn)證光譜估測(cè)土壤水分模型的可行性，本文也用隨機(jī)獨(dú)立樣本法對(duì)模型進(jìn)行驗(yàn)證，即將樣本隨機(jī)分為建模集和驗(yàn)證集，其中建模集有30個(gè)樣本，驗(yàn)證集有14個(gè)樣本。為了避免隨機(jī)采樣的不均勻性導(dǎo)致驗(yàn)證結(jié)果的不均勻性，本文共進(jìn)行了100次隨機(jī)獨(dú)立樣本驗(yàn)證，并計(jì)算驗(yàn)證結(jié)果的平均值，用于模型評(píng)價(jià)。PLSR模型建立分析在Unscrambler 9.7中完成。其中，土壤體積含水量θ為環(huán)刀樣品烘干前后的重量差與體積的比值。因此，在本研究中，環(huán)刀原狀土樣先用于光譜測(cè)定，再用于γ射線(xiàn)衰減測(cè)定，接著在105℃下烘干16h后反復(fù)稱(chēng)重、烘干，直至恒重，再次測(cè)定γ射線(xiàn)衰減，以測(cè)定土壤衰減系數(shù)μs，最后稱(chēng)重測(cè)定土壤體積含水量θ。

土壤體積含水量θ 與光譜數(shù)據(jù)之間的模型預(yù)測(cè)準(zhǔn)確性用驗(yàn)證結(jié)果的決定系數(shù)R2、均方根誤差RMSE、相對(duì)分析誤差（relative percent deviation，RPD）等3個(gè)參數(shù)衡量。R2反映模型建立和驗(yàn)證的穩(wěn)定性；RMSE用來(lái)檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精準(zhǔn)度；RPD是樣本標(biāo)準(zhǔn)差與均方根誤差RMSE的比值，表示模型的預(yù)測(cè)能力：RPD＜1.4時(shí)，模型對(duì)樣品的預(yù)測(cè)效果很差；1.4≤RPD＜1.8時(shí)，模型預(yù)測(cè)效果一般，可用于對(duì)樣品進(jìn)行一般的估測(cè)；RPD≥1.8時(shí)，模型具有很好的預(yù)測(cè)能力［22］。一般而言，R2和RPD越大，且RMSE越小，則模型的預(yù)測(cè)準(zhǔn)確性越好［15,23］。

2 結(jié)果與討論

2.1 土壤體積含水量與可見(jiàn)-近紅外光譜

土壤體積含水量的統(tǒng)計(jì)特征如表2所示?？梢?jiàn)，土壤體積含水量適中，具有中等變異（變異系數(shù)為14%），偏離正態(tài)分布，涵蓋了從16%到37%的土壤體積含水量。

不同土樣的光譜曲線(xiàn)均不完全相同，但均具有相似的變化趨勢(shì)。本文以土壤體積含水量分別為最大值、中間值、最小值所對(duì)應(yīng)的3條原始光譜曲線(xiàn)為例，來(lái)說(shuō)明光譜曲線(xiàn)的特征，如圖1a所示?？梢钥吹剑海?）在可見(jiàn)光波段（400～760 nm）范圍內(nèi)，3條光譜反射率均呈現(xiàn)明顯上升趨勢(shì)，但上升幅度不同；（2）在近紅外波段范圍（760～2 400 nm）內(nèi)，光譜反射率起伏明顯，且不同光譜曲線(xiàn)間差異較大；（3）在1 400、1 900和2 200 nm附近，存在非常明顯的水分吸收谷，且吸收面積和吸收深度因水分含量不同而差異較大。通常認(rèn)為，1 400 nm附近的吸收帶為羥基（-OH）帶譜；1 900 nm附近為以層間水為主的H2O譜帶；2 200 nm附近的吸收帶為羥基伸縮震動(dòng)與Al-OH和Mg-OH彎曲振動(dòng)的合譜帶［24-25］。

表2 土壤體積含水量與容重的統(tǒng)計(jì)特征Table 2 Statistics of volumetric soil water contents and bulk densities

圖1 土壤原始光譜、倒數(shù)之對(duì)數(shù)、一階微分、連續(xù)統(tǒng)去除光譜曲線(xiàn)Fig. 1 Raw soil spectral curves and their inverse-log, first order differential and continuum removal curves

經(jīng)過(guò)倒數(shù)之對(duì)數(shù)后，不同體積含水量的土壤光譜曲線(xiàn)在1 400、1 900和2 200 nm附近差異性減小，吸收峰未更加突出（圖1b）。經(jīng)過(guò)一階微分以后，不同土壤體積含水量的光譜曲線(xiàn)差異性減小，但光譜曲線(xiàn)的吸收峰更加明顯（圖1c）。經(jīng)過(guò)連續(xù)統(tǒng)去除后，1 400、1 900和2 200 nm附近的吸收峰被放大，且不同土壤含水量光譜曲線(xiàn)間的差異減?。▓D1d）。

2.2 土壤體積含水量PLSR模型

分別以土壤原始光譜、倒數(shù)之對(duì)數(shù)、一階微分、連續(xù)統(tǒng)去除光譜曲線(xiàn)的光譜數(shù)據(jù)為自變量，以土壤體積含水量為因變量，建立土壤體積含水量的PLSR模型并驗(yàn)證，驗(yàn)證結(jié)果列于表3。

在Leave-one-out交叉驗(yàn)證中，4種光譜數(shù)據(jù)建立的模型在建模集上有較高的R2。均在0.89以上，而在驗(yàn)證集上的R2卻較低，在0.58至0.66之間（表3）。這些模型在建模集和驗(yàn)證集上的RMSE值差別也較大，如以原始光譜的建模結(jié)果為例，分別占土壤體積含水量平均值的3.33%和6.67%，后者說(shuō)明模型的預(yù)測(cè)精度較好（表3）。這些模型的RPD值在1.53至1.68之間，均大于1.4而低于2.0，因此只能用于估測(cè)土壤體積含水量。其中，用原始光譜數(shù)據(jù)建立的模型具有最高的RPD值和最低的RMSE值，因而預(yù)測(cè)效果最好。這可能是因?yàn)樵瓲钔凉庾V反射率的水分吸收特征已較突出，進(jìn)行其他三種變換并不能明顯地增強(qiáng)光譜對(duì)水分的敏感性（圖1）。隨機(jī)獨(dú)立樣本驗(yàn)證（100次）的結(jié)果中，R2相對(duì)Leave-one-out交叉驗(yàn)證的結(jié)果普遍偏低，而RMSE則普遍偏高。這是因?yàn)殡S機(jī)獨(dú)立樣本驗(yàn)證中的建模樣本數(shù)較少而驗(yàn)證樣本數(shù)較多。然而，隨機(jī)獨(dú)立樣本驗(yàn)證結(jié)果中的RPD也均大于1.4而低于2.0，說(shuō)明模型能用于一般的估測(cè)。同時(shí)，隨機(jī)獨(dú)立樣本驗(yàn)證的結(jié)果同樣說(shuō)明，用原始光譜數(shù)據(jù)建立的模型在所有4種光譜數(shù)據(jù)中具有最高的RPD值和最低的RMSE值，預(yù)測(cè)效果最好。因此，本文最終選取用原始光譜數(shù)據(jù)建立的模型來(lái)預(yù)測(cè)土壤體積含水量，用于校正γ射線(xiàn)測(cè)定原狀土容重中的土壤體積含水量θ?？紤]到本研究的樣本量較小，而Leave-one-out驗(yàn)證中的預(yù)測(cè)結(jié)果要好于隨機(jī)獨(dú)立樣本驗(yàn)證中的預(yù)測(cè)結(jié)果（RPD相近而RMSE較低），本文采用Leave-one-out驗(yàn)證中的預(yù)測(cè)結(jié)果進(jìn)行后續(xù)γ射線(xiàn)測(cè)定原狀土容重中的水分校正。

表3 土壤體積含水量的PLSR模型預(yù)測(cè)精度Table 3 Accuracy of the PLSR model in predicting volumetric soil moisture content

PLSR在簡(jiǎn)化數(shù)據(jù)模型的同時(shí)提高了模型的估算精度，被廣泛應(yīng)用于實(shí)際，但該方法僅對(duì)土壤含水量和土壤光譜數(shù)據(jù)存在明顯線(xiàn)性關(guān)系的情況下有較好的描述。實(shí)際上，田間條件下的土壤含水量可能因天氣、灌溉等因素而變異較大，且不同深度條件下水分含量變異較大。李民贊等［26］指出，當(dāng)土壤水分含量較高時(shí)，利用非線(xiàn)性模型進(jìn)行預(yù)測(cè)會(huì)有更好的效果，因此在面對(duì)更大濕度范圍時(shí)，可考慮分別用非線(xiàn)性和線(xiàn)性預(yù)測(cè)模型［27］?？梢?jiàn)，含水量的變異可能影響光譜估算土壤含水量的精度［28-29］。在今后的工作中還需要分析土壤含水量對(duì)光譜估測(cè)的影響，并進(jìn)一步考慮其他建模技術(shù)（如人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、局部加權(quán)回歸等）來(lái)提高水分估測(cè)精度，例如Lobsey和Rossel［2］使用CUBIST機(jī)器學(xué)習(xí)方法。

2.3 γ射線(xiàn)測(cè)定容重

表1列出了傳統(tǒng)環(huán)刀烘干法測(cè)定土壤容重的統(tǒng)計(jì)值?？梢?jiàn)，土壤容重最大值為1.64g·cm-3，最小值為0.92 g·cm-3，均值為1.34 g·cm-3，表明本研究采集的土壤樣品涵蓋了大部分土壤容重的變化范圍，且基本呈正態(tài)分布。

圖2a顯示了傳統(tǒng)環(huán)刀烘干法測(cè)定的土壤容重與γ射線(xiàn)測(cè)定原狀土及烘干土的容重之間的對(duì)比。由圖2a可以看出，總體上γ射線(xiàn)測(cè)定原狀土的容重均高于烘干土并遠(yuǎn)離圖中的1∶1線(xiàn)，且R2值也低于烘干土，而ME、SDE、RMSE值均遠(yuǎn)高于烘干土（表4）。這說(shuō)明γ射線(xiàn)感測(cè)原狀土的容重需要校正水分后才具有較好的準(zhǔn)確性。

圖2b顯示了γ射線(xiàn)測(cè)定原狀土的容重經(jīng)可見(jiàn)-近紅外原始光譜預(yù)測(cè)的水分校正后，與傳統(tǒng)環(huán)刀烘干法測(cè)定的土壤容重之間的對(duì)比?？梢?jiàn)，兩者間的RMSE、ME、SDE均較低（表4），分別僅占土壤容重平均值的4.5%、2.2%、11.2%，而且兩者間的線(xiàn)性回歸R2較高，大于0.90，并接近1∶1線(xiàn)。在Lobsey和Rossel［2］的研究中，此方法測(cè)定的烘干土與原狀土的感測(cè)容重值，其R2、RMSE分別為0.936、0.037和0.798、0.245，略低于本文的估測(cè)精度。經(jīng)過(guò)水分校正后原狀土容重的R2、RMSE分別為0.897、0.055，且Lobsey和Rossel認(rèn)為該預(yù)測(cè)準(zhǔn)確性較好，并應(yīng)用于土壤碳儲(chǔ)量的估算中。顯然，本研究得到的估測(cè)準(zhǔn)確性較Lobsey高。這可能與本研究采用的γ射線(xiàn)衰減傳感器不同有關(guān)，本研究采用高純鍺γ譜儀，較NaI閃爍體探測(cè)器有更高的能量分辨率［30］。

圖2 傳統(tǒng)容重與感測(cè)容重值對(duì)比圖Fig. 2 Comparisons of conventional bulk density ρbs with sensored bulk density ρbγ

表4 土壤容重結(jié)果比較Table 4 Comparation in determination of soil bulk densities

本研究雖然使用室內(nèi)γ射線(xiàn)衰減傳感器，但該儀器可與光譜儀一起較容易地被開(kāi)發(fā)成車(chē)載移動(dòng)式，例如Rossel等［13］，并與土鉆采樣結(jié)合，用于野外快速、無(wú)損地測(cè)定土壤容重，有效避免了傳統(tǒng)容重測(cè)量中挖掘、搬運(yùn)和復(fù)雜的實(shí)驗(yàn)室測(cè)量等繁瑣、耗時(shí)、耗財(cái)?shù)墓ぷ?。雖然γ射線(xiàn)衰減傳感器和光譜儀目前價(jià)格相對(duì)較貴，但從大規(guī)模批量獲取土壤容重的應(yīng)用前景來(lái)看，其應(yīng)用價(jià)值更大。

3 結(jié) 論

本研究在我國(guó)南方丘陵區(qū)的土壤上，檢驗(yàn)了Lobsey和Rossel［2］提出的γ射線(xiàn)與可見(jiàn)-近紅外光譜相結(jié)合測(cè)定土壤容重的方法。研究結(jié)果表明，可見(jiàn)-近紅外光譜可以較好地用于土壤水分估測(cè)，估測(cè)結(jié)果可用于校正γ射線(xiàn)衰減測(cè)定原狀土容重中的水分含量，使得校正后的土壤容重與傳統(tǒng)環(huán)刀采樣并烘干稱(chēng)重法測(cè)定結(jié)果較為一致。兩者間的回歸系數(shù)R2高達(dá)0.92，且RMSE較低，僅占土壤容重平均值的4.48%。因此，本研究認(rèn)為，γ射線(xiàn)衰減與可見(jiàn)-近紅外光譜相結(jié)合測(cè)定土壤容重的方法在我國(guó)南方丘陵區(qū)的土壤上有較好的適用性。同時(shí)，由于本研究區(qū)為丘陵林地，礫石含量在下層土壤中較高，利用土壤傳感器估測(cè)土壤容重的方法不可避免地受到土壤中礫石含量的影響。然而，本研究區(qū)處于南方高溫高濕區(qū)域，且母巖主要為泥巖、泥質(zhì)頁(yè)巖、砂頁(yè)巖等，因而礫石風(fēng)化程度較高，不易完整地與土壤區(qū)分而剔除出來(lái)，所以本研究對(duì)礫石并未做特殊處理。未來(lái)研究還需要探討礫石含量對(duì)該方法的影響。

致 謝 特此感謝中山大學(xué)李軍教授提供可見(jiàn)-近紅外光譜儀和深圳大學(xué)羅奇老師提供γ譜儀。