摘要：【目的】快速、准确地监测土壤有机质对于精准农业的发展具有重要意义。可见光-近红外（visible and near-infrared,Vis-NIR）光谱技术在土壤属性估算、数字化土壤制图等方面应用较为广泛,然而,在田间进行光谱测量,易受土壤含水量（soil moisture,SM）、温度、土壤表面状况等因素的影响,导致光谱信息中包含大量干扰信息,其中,SM变化是影响光谱观测结果最为显著的因素之一。此研究的目的是探讨OSC算法消除其影响,提升Vis-NIR光谱定量估算土壤有机质（soil organic matter,SOM）的精度。【方法】以江汉平原公安县和潜江市为研究区域,采集217份耕层（0—20 cm）土壤样本,进行风干、研磨、过筛等处理,采用重铬酸钾-外加热法测定SOM;将总体样本划分为3个互不重叠的样本集：建模集S~0（122个样本）、训练集S~1（60个样本）、验证集S~2（35个样本）;设计SM梯度试验（梯度间隔为4%）,在实验室内获取S~1和S~2样本集的9个梯度SM（0%—32%）的土壤光谱数据;分析SM对土壤Vis-NIR光谱反射率的影响,采用外部参数正交化算法（external parameter orthogonalization,EPO）、正交信号校正算法（orthogonal signal correction,OSC）消除SM对土壤光谱的干扰;利用主成分分析（principal component analysis,PCA）的前两个主成分得分和光谱相关系数两种方法检验消除SM干扰前、后的效果;基于偏最小二乘回归（partial least squares regression,PLSR）方法建立EPO和OSC处理前、后的SOM估算模型,利用决定系数（coefficient of determination,R~2）、均方根误差（root mean square error,RMSE）和RPD（the ratio of prediction to deviation）3个指标比较PLSR、EPO-PLSR、OSC-PLSR模型的性能。【结果】土壤Vis-NIR光谱受SM的影响十分明显,随着SM的增加,土壤光谱反射率呈非线性降低趋势。OSC处理前的湿土光谱数据主成分得分散点相对分散,与干土光谱数据主成分�

关键词：土壤有机质 土壤含水量 正交信号校正 偏最小二乘回归 江汉平原 

单位：华中师范大学城市与环境科学学院、华中师范大学地理过程分析与模拟湖北省重点实验室; 武汉430079