1CH/TXXXX-XXXX高光譜衛星遙感監測土壤有機質技術規范本文件確立了高光譜衛星遙感監測土壤有機質的總體要求和監測流程，并規定了資料收集與整理、數據獲取與預處理、土壤樣品采集與有機質測定、模型構建與模型應用、精度驗證、成果整理與資料歸檔等內容。本文件適用于空間分辨率不低于30m、包含可見光至短波紅外譜段范圍高光譜衛星遙感數據的耕地土壤有機質監測。2規范性引用文件下列文件中的內容通過文中的規范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T30115—2013衛星遙感影像植被指數產品規范GB/T414751：25000～1：500000土壤養分圖用色與圖例規范CH/T3019—20181：250001：50000光學遙感測繪衛星影像產品生產技術規范NY/T1121.1—2006土壤檢測第1部分：土壤樣品的采集、處理和貯存NY/T1121.6—2006土壤檢測第6部分：土壤有機質的測定3術語和定義下列術語和定義適用于本文件。3.1高光譜衛星遙感hyperspectralsatelliteremotesensing在電磁波譜的可見光、近紅外等波段范圍內，以人造地球衛星作為遙感平臺，利用高光譜分辨率影像進行地物目標分析的技術。3.2耕地cultivatedland種植農作物的土地。3.3土壤有機質soilorganicmatter土壤中形成的和外加入的所有動植物殘體不同階段的各種分解產物和合成產物的總稱，包括高度腐解的腐殖物質、解剖結構尚可辨認的有機殘體和各種微生物體。[來源：GB/T33469—2016，3.9]4縮略語下列縮略語適用于本文件。CGCS2000：2000國家大地坐標系(ChinaGeodeticCoordinateSystem2000)CST：中國國家標準時間(ChinaStandardTime)5總體要求5.1空間參考5.1.1坐標系應采用CGCS2000。必要時，可采用經批準的其他坐標系。5.1.2高程基準宜采用1985國家高程基準。若無法實現，可采用數據源的高程基準或已公開的其他高2程基準。5.2時間系統采用CST。5.3監測時間應根據農作物物候期、當地農事等因素，選擇最佳的遙感監測時間。一般應選擇耕地翻耕后實施水肥措施前或作物收割后，土壤裸露且狀態較為穩定的時間段。6總體流程高光譜衛星遙感監測土壤有機質的流程主要包括資料收集與整理、遙感數據獲取與預處理、土壤樣品采集與有機質測定、模型構建與模型應用、成果整理等，高光譜衛星遙感監測土壤有機質技術流程見圖1高光譜衛星遙感監測土壤有機質技術流程CH/TXXXX-XXXX7資料收集與整理7.1資料收集資料收集時間上宜從新到老，比例尺應從大到小。應收集以下資料：a)土壤類型分布圖、土壤類型數據庫、土壤類型調查數據等土壤類型資料；b)通過遙感解譯、野外調查等方式獲取的土地利用、地表覆蓋或耕地分布資料；c)區域內長期定位觀測站點的土壤調查數據及圖件等土壤參量分布資料；d)數字高程模型（DEM）數據；e)行政區劃數據。7.2資料整理資料整理要求如下：a）查看收集資料的數據時相、數據來源、空間參考、比例尺、成果精度等，比較各類資料的地理分布特性及監測區覆蓋情況，評估資料的準確性和可靠性；b）紙介質圖件資料應轉換成柵格數據或矢量數據，具有不同量綱的數據應進行歸一化處理，各種資料應配準到統一的坐標系上。如有必要應對柵格數據進行重采樣，以匹配遙感數據分辨率；c）對收集的資料進行分析，明確區域內土壤類型、土地利用/土地覆蓋現狀、耕地分布情況以及土壤質地、肥力狀況，確定土壤有機質的空間分異情況。8數據獲取與預處理8.1遙感數據選擇遙感數據選擇應符合下列要求：a)遙感數據具有可見光波段、近紅外波段、短波紅外波段；b)遙感數據的空間分辨率應不低于30m，光譜分辨率為（5-20）nm；c)遙感數據云覆蓋面積總和應不超過影像覆蓋面積的15%；d)遙感數據全部或部分覆蓋監測區內耕地；e)遙感數據圖面應清晰，無數據丟失，無明顯條紋、點狀或塊狀噪聲，無嚴重輻射和幾何畸變。8.2遙感數據預處理方法8.2.1輻射定標對選擇的遙感數據應進行輻射定標，將量化數字灰度值轉換為對應視場表觀輻亮度值，得到輻亮度數據。輻射定標按照GB/T30115-2013中7.3的規定執行。8.2.2大氣校正為消除或減弱遙感數據獲取時因大氣傳輸中的吸收或散射作用引起的輻射畸變，應對輻射定標得到的輻亮度數據進行大氣校正，得到地表反射率數據。大氣校正按照GB/T30115-2013中7.7的規定執行。8.2.3幾何糾正應對地表反射率數據進行幾何糾正以消除幾何畸變帶來的誤差。幾何糾正包括幾何精糾正與正射糾正，幾何精糾正應按照CH/T3019—2018中8.5的規定執行，正射糾正應按照CH/T3019—2018中9.5的規定執行，處理得到幾何糾正后的地表反射率數據。幾何精度應符合CH/T3019—2018中4.5的規定。8.3裸土分布信息提取8.3.1提取方法8.3.1.1裸土指數計算(S1+R(S1+R)?N+B)BI=S1+R)式中：4BI——裸土指數；S1——短波紅外波段（一般為1500nm～1700nm或2100nm～2300nm）；R——紅波段（600nm～700nm）；N——近紅外波段（700nm～1000nm）；B——藍波段（400nm～500nm）。8.3.1.2裸土像元提取按照下列步驟提取裸土像元：a)統計耕地范圍內像元在裸土指數中的數值，并繪制頻率分布直方圖；b)確定裸土像元與非裸土像元的劃分閾值，宜采用最大類間方差法確定閾值，具體方法見附錄A；c)將裸土指數中大于閾值的像元判定為裸土像元，賦值為1，其他像元（包括非耕地像元）判定為非裸土像元，賦值為0，生成裸土提取結果；d)在提取的裸土像元中隨機生成不少于100個像元作為驗證集，以目視判讀結果作為真值，按照公式（2）計算裸土提取精度。P=式中：P——裸土提取精度；TP——驗證集中目視判讀為裸土的像元數；FP——驗證集中目視判讀為非裸土的像元數。8.3.2技術要求裸土分布信息提取應符合下列要求：a)裸土提取結果應以柵格二值化形式存儲；b)裸土提取精度應不低于90%。9土壤樣品采集與有機質測定9.1樣點布設TPTP+FP樣點布設要求和方法如下：a)樣點布設應能反映區域內土壤有機質的空間變異性，應覆蓋不同有機質含量等級的地塊序列；b)樣點布設宜采用歷史土壤有機質空間分布數據輔助分層抽樣方式，將土壤有機質數值范圍劃分為（5～8）級，每級應布設不少于5個樣點，如果監測區域無歷史土壤有機質數據，應結合土壤類型和/或土地利用信息分層布設土壤樣點；c)樣點應布設在地塊中心位置，樣點周邊（3×3）個像元范圍內的土壤類型、耕地利用類型、農田管理措施應一致；d)在遠郊區，樣點布設應選擇代表區域內主要土壤類型、土地利用類型和地理地貌的地塊；e)在近郊區，樣點布設應選擇在種植面積相對較大的糧食作物、蔬菜基地以及特色農產品種植的代表性地塊；f)樣點應遠離城市垃圾堆放點、工業及生活排污口、交通、餐飲、住宅、溝渠、糞坑、墳墓等污染源影響顯著的地區300m以上，并避免在水土流失嚴重或表土被破壞處布設樣點。9.2樣品采集9.2.1樣品采集要求樣品采集要求如下：a)樣品采集前，應準備好采樣工具、工作底圖和采樣記錄表等，樣品采樣記錄表示例見附錄B；b)樣品采集時間宜在高光譜遙感數據拍攝日期前后10日內完成，樣品采集與遙感數據拍攝時土壤表面狀況未發生明顯變化；c)每個樣點的土壤樣品應為混合樣，即樣點所在一定半徑范圍內若干子樣經均勻混合后的土壤樣品，混合樣的半徑范圍應小于高光譜衛星遙感數據空間分辨率的一半，每個混合樣由（3～5）個子樣組成；5CH/TXXXX-XXXXd)子樣宜采用“X”形布點法、“S”形布點法、梅花形布點法或棋盤形布點法，每個子樣采集深度為（5～20）cm耕作層土壤，采土部位應一致；e)土壤樣品應裝入塑料密封袋內并外套布袋，寫好便簽、做好采樣記錄，標簽與采樣記錄應按照NY/T1121.1—2006中2.2f)的規定執行。9.2.2樣品采集方法樣品采集方法應按照NY/T1121.1—2006中2.2c)～e)的規定執行。9.3樣品處理樣品處理應按照NY/T1121.1—2006中3.2的規定執行。9.4樣品有機質測定樣品有機質測定應按照NY/T1121.6—2006的規定執行。10模型構建與模型應用10.1模型構建10.1.1數據集建立應根據土壤樣品有機質含量數值分布情況，采用分層隨機方法劃分訓練集與驗證集，訓練集與驗證集的樣品比例應在2:1至3:1的范圍內。訓練集用于光譜特征選擇與反演模型構建，驗證集用于精度驗證。10.1.2光譜特征選擇光譜特征選擇包括光譜特征計算和土壤有機質敏感特征篩選：a)利用8.2.3幾何糾正后的地表反射率數據，根據訓練集中樣品坐標信息提取樣品對應的像元反射率光譜，計算光譜特征。常用的光譜特征包括光譜斜率、光譜吸收位置、光譜吸收深度、光譜吸收寬度等參量化光譜特征，以及經過數學變換后的光譜，如倒數光譜、對數光譜、導數光譜、積分光譜等，常用的光譜特征計算方法見附錄C；b)土壤有機質敏感特征篩選宜采用基于相關分析的特征選擇方法，按照公式（3）計算訓練集中式中：pj——第j個光譜特征與有機質含量間的皮爾遜相關系數；xij——第i個樣品的第j個光譜特征的值；j——所有樣品第j個光譜特征的平均值；yi——第i個樣品的有機質含量值；——所有樣品有機質含量的平均值；m——樣品的數量。10.1.3反演模型構建根據10.1.1劃定的訓練集樣品數據，以10.1.2篩選的土壤有機質敏感特征為自變量、以有機質含量為因變量，作為模型的輸入參數訓練模型。宜采用偏最小二乘回歸、隨機森林回歸和高斯過程回歸等統計預測模型進行反演模型構建。常用的統計預測模型見附錄D。10.2模型應用監測區土壤有機質含量分布結果估算方法如下：a）利用8.2.3幾何糾正后的整個監測區地表反射率數據，根據8.3提取的裸土像元，計算10.1.2中篩選的土壤有機質敏感特征，計算方法見附錄C；b）應用10.1.3構建的模型進行估算，得到監測區土壤有機質含量分布結果。10.3精度驗證10.3.1驗證方法6根據10.2估算的土壤有機質含量分布結果，采用以下兩種方式進行精度驗證。a)利用驗證集樣品數據，按照公式（4）計算皮爾遜相關系數；式中：p——皮爾遜相關系數；Y——驗證集土壤樣品有機質的實測值；Y'——驗證集土壤樣品有機質的遙感估算值；COVY,Y')——Y與Y'的協方差；σyσyyb)——Y'的標準差。TT=n1×1Yi?Y2式中：r——隨機均方根誤差;n——驗證集樣品數量；i——驗證集中第i個土壤樣品；Yi——驗證集中第i個土壤樣品有機質的實測值；Y——驗證集中第i個土壤樣品有機質的遙感估算值。10.3.2合格判定土壤有機質估算結果精度合格判定如下：a）根據公式（4）和公式（5）的計算結果，如果p≥0.6且T≤10g/kg，則判定土壤有機質估算結果精度合格，否則為不合格；b）精度判定為不合格，應逐個檢查并優化數據獲取與預處理、土壤樣品采集與測試分析、模型構建、模型應用中各個環節，直至精度合格。11成果整理與資料歸檔11.1成果整理11.1.1監測成果圖監測成果圖制作要求如下。a)監測成果圖坐標系應采用CGCS2000；b)監測成果圖應包括圖名、圖例、比例尺、指北針、監測時間、制圖單位等，監測成果圖示例見附錄E；c)應利用土地利用數據對監測成果圖中非耕地區域進行掩膜；d)應根據8.3中裸土提取結果對非裸土區域進行掩膜；e)對耕地土壤有機質反演結果進行彩色渲染或分級設色，用色與圖例按照GB/T41475的規定執行。11.1.2監測成果報告監測成果報告宜包括但不限于如下內容：a)任務來源、工作目標和具體指標要求等資料與信息；b)區域內土壤類型、土地利用/土地覆蓋現狀、耕地分布情況，以及土壤有機質、質地、肥力等土壤指標的空間分布情況；c)高光譜衛星遙感數據獲取情況與處理結果；d)土壤樣品采集與測試分析結果；e)土壤有機質光譜特征選擇與反演模型構建；f)區域內土壤有機質遙感監測結果，宜采用統計表格和圖片等，統計表格應包括土壤有機質含量、監測精度評價等信息。圖片應包括樣點實際分布圖、樣點處實景照片、監測成果圖等；g)土壤有機質遙感監測結果精度。CH/TXXXX-XXXX11.2資料歸檔歸檔介質為光盤、磁帶或硬盤等，歸檔資料包括：a)監測成果圖；b)監測成果報告；c)其他。8最大類間方差法A.1概述最大類間方差法是一種確定圖像二值化分割閾值的優化算法，將圖像的像元值分為兩類，使兩類之間的方差最大，同一類內的方差最小，通過計算類間方差，可以找到一個最優的閾值，以最大化兩個類別之間的差異。A.2計算直方圖統計圖像的灰度直方圖，顯示每個灰度級在圖像中出現的頻率。A.3灰度級劃分假設圖像的灰度級范圍是0到L-1（例如，對于8位圖像，L=256）。對于每一個可能的閾值T（0≤T≤L-1可以將圖像分為兩類：a）類0：包含所有灰度級小于T的像元；b）類1：包含所有灰度級大于或等于T的像元。A.4計算權重和均值對于每個閾值T，計算兩個類的權重（即像元數量占總數量的比例）和均值：a)類0的權重w0T)是灰度級小于T的像元數量除以總像元數量；b)類1的權重w1T)是灰度級大于或等于T的像元數量除以總像元數量；c)類0的均值μ0T是類0中所有像元灰度值的和除以類0的像元數量；d)類1的均值μ1T)是類1中所有像元灰度值的和除以類1的像元數量；e)全局均值μ是所有像元灰度值的和除以總像元數量。A.5計算類間方差式中：σT——類間方差；w0T)——類0的權重；μ0T)——類0的均值；μ——全局均值；w1T——類1的權重；μ1T)——類1的均值。A.6選擇最優閾值遍歷所有可能的閾值T，找到使類間方差σT最大的那個閾值，即最優的分割閾值。A.7應用閾值應用確定的最優閾值將圖像二值化。所有小于閾值的像元被設置為0（或某個其他指定的值而所有大于或等于閾值的像元被設置為255（或其他指定的值）。CH/TXXXX-XXXX樣品采樣記錄表示例樣品采樣記錄表示例見表A.1。表A.1樣品采樣記錄表示例1234經度(°)5緯度(°)6789常用的光譜特征計算C.1參量化光譜特征C.1.1光譜斜率在某一個波長區間，連接光譜曲線起始波段與終止波段的光譜反射率形成一條線段，該線段的斜率（C.1）即為光譜斜率，計算方法見公式（C.1）。S=R21λ1（C.1）式中：S——待求波長區間的光譜斜率；λ1——起始波段波長；λ2——終止波段波長；Rλ1——起始波段的光譜反射率；Rλ2——終止波段的光譜反射率。C.1.2光譜吸收位置在光譜吸收谷中,反射率最低處的波長被定義為光譜吸收位置，計算方法見公式（C.2）。λa=argminλR(λ)（C.2）式中：λa——光譜吸收位置；R(λ)——波長為λ處的反射率；argminλ——使R(λ)最小的波長。C.1.3光譜吸收深度在某一光譜吸收范圍，反射率最低點到歸一化包絡線的距離被定義為光譜吸收深度，計算方法見公式（C.3）。AD=1（C.3）式中：AD——光譜吸收深度；R(λa)——光譜吸收位置λa處的反射率；Renv——光譜吸收位置λa處歸一化包絡線上的反射率。C.1.4光譜吸收寬度在光譜吸收谷中,最大吸收深度一半處的光譜帶寬FWHM（FullWidthatHalftheMaximumDepth）被定義為光譜吸收寬度，計算方法見公式（C.4）。AW=λ2?λ1（C.4）式中：AW——光譜吸收寬度；λ1、λ2——分別為達到最大吸收深度一半處的兩個波長，其中λ2>λ1。C.2光譜數學變換C.2.1倒數光譜倒數光譜指光譜曲線在某一波段處的倒數值。C.2.2對數光譜CH/TXXXX-XXXX對數光譜指光譜曲線在某一波段處以10或自然常數為底的對數值。C.2.3導數光譜導數光譜也叫微分光譜，指光譜曲線在某一波段處的導數值。第i個波段的一階導數光譜計算方法見公式（C.5）。R'λi=Rλ1i1........................................................（C.5）式中：R'λi)——第i個波段的光譜導數；λi——第i個波段的波長；Rλi+1——第i+1個波段的光譜反射率；RλRλi+1——第i+1個波段的光譜反射率；λi+1——第i+1個波段的波長；λi?1λi+1——第i+1個波段的波長；C.2.4積分光譜積分光譜指光譜曲線在某一波長范圍內的下覆面積，計算方法見公式（C.6）。f(λ)dλ.............................................................（C.6）式中：φ——積分光譜；f(λ)——待求積分的光譜曲線；λ1——積分的起始波段波長；λ2——積分的終止波段波長。常用的統計預測模型D.1偏最小二乘回歸偏最小二乘回歸（PartialLeastSquaresRegression，PLSR）是一種用于解決多元線性回歸中自變量間高度相關的問題的統計建模方法。其基本思想是，將原始自變量X和因變量Y分別轉換為一組新的綜合變量（稱為主成分或潛在變量），然后再使用這些主成分進行回歸分析，從而減少自變量之間的共線性，并且提高模型的穩定性和預測能力。假設有一個新的自變量向量x?,預測其對應的因變量y?主要包含以下步驟：a）對x?進行標準化處理，使其均值為0，方差為1；b）按照公式（D.1）計算的x?主成分t；t=x?wi式中：t——x?的第i個主成分；x?——新的自變量向量；σ1bitci中：因變量y?的預測值；k——主成分的數量；bi——X與Y的第i個主成分間相關系數；ci——Y的第i個主成分的權重向量。（D.1）（D.2）D.2隨機森林回歸隨機森林回歸（RandomForestRegression）是一種基于決策樹的集成學習算法，通過構建多個決策樹并對其預測結果進行平均或投票來提高預測精度和穩定性。最終預測結果的計算方法見公式（D.3）：=σ1i