摘要：基于相似土壤组分和光谱特征,利用土壤光谱反射率数据和曲线特征来进行土壤光谱分类,同时充分挖掘有效信息是光谱分析的重要应用方向之一。借助模糊k-均值聚类方法将土壤光谱数据分成四个类别（分类前先将原始光谱进行范围归一化处理）,比较分析了不同类型土壤在光谱分类前后的高光谱特征,然后利用Kennard-Stone法将各类别样本划分为建模集和预测集,将预处理后的建模集光谱数据作为输入量,采用偏最小二乘回归法（PLSR）方法建立全局和各自类别的盐分预测模型。结果表明：光谱分类建模较按土壤系统分类建模和全局建模的精度有明显提高,其预测模型总体的预测决定系数RP2、预测均方根误差RMSEP、相对分析误差RPD和RPIQ（样本观测值三四分位数Q3与一四分位数Q1之差与RMSEP的比值）四个指标分别从0.664、1.219、1.733和1.461提高至0.818、1.132、2.356和2.422,其中RPD提高幅度达23.13%,四个类别所建模型RPD均大于2.0,可以对土壤含盐量进行较为精确的定量研究。研究结果为利用大样本光谱数据建立大尺度区域的盐分等土壤属性预测模型提供一种新的思路和方法。

关键词：土壤 高光谱 盐分 盐渍化 

单位：塔里木大学机械电气化工程学院; 新疆阿拉尔843300; 塔里木大学现代农业工程重点实验室; 新疆阿拉尔843300; 塔里木大学植物科学学院; 新疆阿拉尔843300