基于地理加权回归模型的博斯腾湖湖滨绿洲土壤盐分离子含量高光谱估算

以博斯腾湖湖滨绿洲为研究区,分析HCO_3~–、Cl~–、SO_4~(2–)、Ca~(2+)、Mg~(2+)、Na~++K~+等主要土壤盐分离子含量与土壤高光谱反射率的分数阶微分光谱变换与RSI、DSI、NDSI等二维土壤指数的相关性优选特征波段,构建基于地理加权回归模型的土壤盐分离子含量估算模型。研究结果表明:Na~++K~+的微分变换特征波段集中在468～724 nm与1 182～1 539 nm,二维土壤指数的特征波段集中在1 742～2 395 nm,基于RSI的特征波段优选下地理加权回归模型对Na~++K~+含量的估算效果较好,建模集R~2=0.94,RMSE=0.22,验证集R~2=0.74,RMSE=0.19;SO_4~(2–)含量在1.2阶优选的位于469～636 nm波段估算效果较佳,建模集R~2=0.91,RMSE=0.02,验证集R~2=0.75,RMSE=0.33;Ca~(2+)、Mg~(2+)优选的特征波段主要集中在912～2 340 nm的近红外波段;Cl~–含量在1阶的近红外波段建模效果较好,建模集R~2=0.74,RMSE=0.03,验证集R~2=0.93,RMSE=0.11;含量相对较高的Na~++K~+、SO_4~(2–)、Cl~–的地理加权回归模型精度高于含量较低的Ca~(2+)、Mg~(2+)。     

库尔勒香梨叶片全钾含量高光谱估算模型研究

为实现库尔勒香梨养分状况的无损、实时、快速监测,利用便携式光谱仪(SVC HR-768)测定不同钾肥施用量的20年树龄库尔勒香梨叶片光谱反射率,并结合叶片全钾含量的室内分析,对叶片全钾含量与原始光谱、一阶导数光谱、高光谱参数之间相关性进行分析。结果表明:在425 nm处原始光谱与叶片全钾含量构建的线性模型,调整决定系数R2值达到0.913;在630 nm处一阶微分光谱与全钾含量构建的线性模型,调整决定系数R2值为0.986。叶片全钾含量与高光谱特征变量中绿峰位置变量(Rg)和红谷位置变量(Ro)的相关性极显著,由此构建的线性模型调整决定系数R2值均达到0.96以上。通过模型检验,确定基于630 nm的光谱一阶微分(X630)模型Y=1 136.835X630+50.709为库尔勒香梨叶片全钾含量(Y)的最优估测模型。     

土壤水溶性盐基离子的高光谱反演模型及验证

土壤水溶性盐基离子是诊断土壤盐渍化类型与盐渍化程度的重要依据,利用光谱技术快速获取土壤水溶性盐基离子含量数据,可为土壤盐渍化类型与盐渍化程度的诊断提供新的技术和手段。该研究通过采集新疆5个不同地区399个土样的反射率与水溶性盐基离子数据并进行31种光谱预处理方法,分析了不同水溶性盐基离子(HCO3-、Cl-、SO42-、K+、Na+、Ca2+、Mg2+)与高光谱反射率之间的相关性;采用K-S(Kennard-Stone)方法挑选出299个样品,针对每种离子使用偏最小二乘回归(partial least squares regression,PLSR)分别建立32个高光谱定量反演模型,优选最佳反演模型,并单独使用100个样品对估测模型进行检验。结果表明:不同离子的最佳反演模型所使用的预处理方法存在差异,其中仅有Cl-和Ca2+、SO42-和Mg2+所使用的预处理方法相同,其他离子则不同;不同离子的反演精度也不同,HCO3-和Ca2+构建的模型相对分析误差(relative percent deviation,RPD)分别为2.67、2.57,模型具有很好的预测能力。Cl-、SO42-和Mg2+所构建的模型RPD分别为2.05、2.10和2.14,表明这三者建立的模型具有较好的预测能力。K+建立的模型RPD仅为1.11,不能对样品进行预测。Na+构建的模型RPD为1.83,表明该离子所建模型只能对样品进行粗略估测。研究结果为探究水溶性盐基离子的高光谱反演增添了新的内容,为土壤盐渍化监测的深入和推进提供了新的思路和方法。     

高光谱成像分析植物叶片滞尘前后光谱特征变化

灰霾的监测与治理是迫切需要解决的问题,分析植被叶片滞尘前后的光谱变化特征是灰霾监测的一种有效方式。植物叶片具有吸附空气颗粒物的能力。该文通过获取10种常见树木叶片10月和11月连续26 d的高光谱图像,对比分析每种叶片滞尘前后的光谱特征变化情况,得出滞尘前后叶片光谱变化的基本趋势:1)10种叶片变化趋势基本一致,10种叶片滞尘前后光谱变化明显的区间均表现在500~550 nm、550~700 nm、730~760 nm波段内;2)滞尘前后的叶片红边位置并没有发生改变,滞尘没有对叶片内部生理结构构成影响;3)金露梅和二球悬铃木在765 nm波段处的光谱响应与其它树种存在很大差异;白杜、金银忍冬、紫薇和玉兰在550~570 nm波段区间对于滞尘的敏感度较弱。研究为大气降尘的监测以及灰霾的治理提供应用参考。为进一步通过高光谱探测灰霾典型成分提供理论支撑。     

几种一年生盐生植物的吸盐能力

【目的】土壤盐渍化在新疆发生面积多,分布广,利用盐生植物对盐分的超富集能力,选育生物量大且体内盐分浓度高的品种,可有效改良盐碱地。本试验比较了几种主要盐生植物的吸收离子类型和盐分积累量,为科学合理利用盐生植物进行盐碱地改良提供科学依据。【方法】选取一年生盐角草(Salicornia europaea)、盐地碱蓬(Suaeda salsa)、高碱蓬(Suaeda altissima)和野榆钱菠菜(Atripex aucheri Moq.)为材料进行人工种植,试验地土壤为壤土和砂壤土,耕层土壤盐分均值为10.23 g/kg,p H为8.36,属于中度盐化土壤。采用完全随机排列设计,在生育早期、中期和末期采样测定植物地上、地下部分干物质量和K+、Na+、Ca2+、Mg2+、Cl-、SO2-4浓度。【结果】生育末期四种盐生植物地上生物量均占整株生物量的89%以上,高碱蓬(23302 kg/hm2)蓬野榆钱菠菜(20379 kg/hm2)盐地碱蓬(18670 kg/hm2)盐角草(9096 kg/hm2)。盐分总浓度盐角草(215 g/kg)盐地碱蓬(152 g/kg)高碱蓬(137 g/kg)野榆钱菠菜(103 g/kg)。不同植物离子含量不同,K+浓度以高碱蓬中最高,Na+、Cl-、SO2-4在盐角草中最高,Ca2+、Mg2+浓度在盐地碱蓬中最高;4种盐生植物对Na+、Cl-、SO2-4的吸收能力极强,按阴离子类型划分盐角草属于SO2-4-Cl-型盐生植物,盐地碱蓬、高碱蓬、野榆钱菠菜属于Cl--SO2-4型盐生植物;盐分积累量为高碱蓬(3499 kg/hm2)盐地碱蓬(3061 kg/hm2)蓬野榆钱菠菜(2180 kg/hm2)盐角草(2080 kg/hm2)。【结论】盐生植物对土壤的改良效果主要以生育末期刈割时单位面积从土壤中吸收的盐分总量来衡量,这取决于此时地上部分生物量与植株体内盐分浓度的大小。植物会根据其生长需求选择吸收土壤中矿物质元素,盐角草对的Na+、Cl-的吸收能力强于盐地碱蓬、高碱蓬和野榆钱菠菜,尤其对Cl-表现出极强的选择吸收能力。     

NaCl胁迫下3种盐生植物生长发育及离子在不同器官分布特性研究

盆栽试验研究不同浓度NaCl盐胁迫下盐地碱蓬(Suaeda salsa)、碱蓬(Suaeda glauca)、中亚滨黎(Atriplexcentralasiatica)等3种盐生植物生长发育及离子在不同器官分布特性结果表明,随土壤含盐量的升高,盐生植物出苗率明显降低,但对碱蓬和中亚滨黎株高、碱蓬花序长度等有一定促进作用,并与土壤含盐量密切相关。盐地碱蓬和碱蓬叶片内Na 含量随土壤含盐量的增高而升高,其他离子有少量下降或变化不明显,而盐地碱蓬茎中离子含量随土壤含盐量的变化不显著。植株中各离子含量为Na>K/Mg>Ca,不同器官内含盐量为叶>茎。     

条锈病胁迫下冬小麦冠层叶片氮素含量的高光谱估测模型

为利用高光谱遥感诊断条锈病胁迫下作物的营养状况,测量感染条锈病的冬小麦冠层反射率以及相应叶片全氮(LTN)含量,利用线性和非线性回归方法,建立了微分光谱与小麦LTN含量之间的回归模型.研究表明随病情加重,小麦LTN含量逐渐降低,并与一阶微分光谱在430～518、534～608、660～762 nm以及783～893 nm区域具有极显著相关性.经检验,以红边内一阶微分总和与蓝边内一阶微分总和比值(SDr/SDb)为变量的模型是估测LTN含量的最佳模型,其RMSE为0.3567,相对误差为8.33%.因此,利用高光谱遥感估测条锈病胁迫下作物LTN含量是可行的,且具有较高的反演精度.研究成果可为小麦氮素营养监测、精准施肥以及条锈病情诊断等提供理论依据和指导.     

冻结状态下盐渍化土壤中水溶性盐基离子含量高光谱反演

为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量（HCO3-、Cl-、CO32-、SO42-、K+、Na+、Ca2+、Mg2+）,光谱经标准正态变量变换（standard normal variable,SNV）和变量投影重要性法（variable importance in projection,VIP）筛选出敏感波段后,采用偏最小二乘回归法（partial least squares regression,PLSR）、支持向量机回归法（support vector regression,SVR）和极限学习机法（extreme learning machine,ELM）构建基于特征光谱的土壤离子含量高光谱反演模型,并对比冻结与未冻结状态反演模型的精度。结果表明：在冻结状态下,不同离子的反演精度存在很大差异,其中Cl-和K+的预测精度极高（相对分析误差大于2.5）,SO42-、Ca2+和Na+预测精度较好（相对分析误差在2.0～2.5之间）,其余离子预测效果较差;3种回归方法中,ELM模型精度最高,SVM模型次之,PLSR模型最低。冻结和未冻结状态下离子的最优反演模型相同,但冻结状态下Cl-、SO42-、K+和Na+反演精度比未冻结状态高,而Ca2+和Mg2+反演精度比未冻结状态低且Mg2+的反演精度差别最大。各离子最优反演模型与未冻结状态下的相对分析误差相比变化为-34.45%～24.43%。该研究构建的VIP-ELM模型为季节性冻土区盐渍化土壤盐基离子的高光谱监测提供了一种可靠途径。     

基于高光谱图像的牧草粗蛋白含量反演模型

粗蛋白(crude protein,CP)是评价牧草品质和饲用价值的重要指标。利用高光谱技术实现大面积牧草CP含量实时、准确、无损监测是草地营养状况监测的重要内容。为掌握青海省海晏县金银滩草原牧草CP含量的分布状况,该文采用课题组航空飞艇搭载自主集成高光谱成像系统获取高分辨率高光谱图像,对高光谱数据进行光谱衍生变换,采用不同建模方法构建CP含量的反演模型。选取最佳组合的2种光谱指数为自变量构建牧草CP含量的单变量模型。对于包络线去除的衍生光谱和对数、归一化、一阶微分及其衍生组合变换光谱,使用逐步判别分析法筛选各光谱变量的特征波段作为自变量,构建牧草CP含量的多元线性和非线性回归模型,综合比较各模型的精度选择最优反演模型。结果表明,不同光谱变量相比,微分光谱变量对牧草CP含量拟合效果较好,R~2均达到0.794以上。不同多元回归模型相比,非线性回归模型精度高于对应的线性回归模型。以光谱对数后再一阶微分变量(D(log(R)))构建的多元非线性回归模型为牧草CP含量最优估算模型,R~2为0.918,RMSE为0.054。将D(log(R))建立的非线性回归模型应用于高光谱图像上,绘制研究区牧草CP含量空间分布图。研究为大区域尺度CP含量的定量反演及精准畜牧业的高效实施提供参考和技术依据,也为今后智慧畜牧业的发展奠定基础。     

大豆叶绿素含量高光谱反演模型研究

叶绿素是植物体进行光合作用、进行第一性生产的重要物质,能够间接反映植被的健康状况与光合能力,同时也能反映植被受环境胁迫后的生理状态。高光谱遥感为快速、大面积监测植被的叶绿素变化提供了可能。该研究实测了不同水肥耦合作用下,大豆冠层的高光谱反射率与叶绿素含量数据,对二者进行了相关分析;采用特定叶绿素敏感波段建立了植被指数叶绿素估算模型;最后采用相关系数较大的波段作为神经网络模型的输入变量进行了叶绿素含量的估算。经对比发现叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致,在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度(R²>0.736),但是人工神经网络模型可以大大提高大豆叶绿素含量的估算水平,当隐藏层节点数为4时,R²大于0.94,随着隐藏层节点数的增加,R²可高达0.99,表明神经网络模型可以大大提升高光谱反演大豆叶绿素含量的能力。     

基于分数阶微分预处理高光谱数据的荒漠土壤有机碳含量估算

对光谱数据进行预处理是提升高光谱建模精度十分必要和有效的途径。为了研究分数阶微分预处理方法在高光谱数据估算荒漠土壤有机碳含量中的应用,该研究以艾比湖流域为研究靶区,利用2015年5月采集的103个表层土壤样本的实测有机碳数据和室内测定的高光谱数据,以0.2阶为步长对原始光谱反射率及对应的倒数变换、对数变换、对数倒数变换、均方根变换的0-2阶微分进行分数阶运算预处理并研究其与土壤有机碳含量相关性,基于通过0.01显著性检验的特征波段对土壤有机碳含量进行偏最小二乘回归建模并进行精度分析。结果表明：1）分数阶微分预处理可以细化土壤有机碳及其光谱反射率相关性的变化趋势;2）各阶微分预处理后的相关系数通过显著性检验波段的数量均呈现先增后减的趋势,但波段数量最多的对应阶数并不统一;3）对数变换的1.6阶微分所建立的模型为最优模型,该模型的RMSEC=2.433 g/kg,R2c=0.786,RMSEP=2.263 g/kg,R2p=0.825,RPD=2.392。说明了分数阶预处理过后的模型精度和稳健性较整数阶微分有了大幅提升,并且运用在高光谱反演土壤有机碳含量上是可行的。     

基于高光谱特征的盐渍化土壤不同土层盐分离子含量预测

为了利用高光谱技术准确预测不同土层土壤盐渍化程度,该研究以宁夏银北地区不同层次土壤为研究对象,以土壤实测光谱数据和室内盐渍化指标测定数据为基本信息源,系统分析不同类型盐渍化土壤光谱特征,确定与土壤pH值、电导率(electricconductivity,EC)和可溶性盐分离子相关性最强的反射率转换方式,筛选0～5 cm和0～20 cm土层盐分指标敏感波段,然后建立并验证不同土层不同土壤盐分指标的预测模型。结果表明:研究区不同类型、不同盐渍化程度土壤光谱特征曲线变化趋势相似,盐土光谱反射率最高,轻度硫酸盐型土壤反射率最低。在所有盐分指标中,单波段反射率与0～5 cm土壤SO42-的相关性最强(相关系数为0.910 4);反射率与CO32-、HCO3-、Cl-含量相关性不显著。土壤单波段反射率与0～20 cm土层SO42-的平均相关系数比0～5 cm土层降低了0.232 2,但Cl-、K+、HCO3-和EC的相关系数都有所增大。反射率通过不同方式转换后,敏感波段与各盐分的相关性有不同程度的增强,尤其是一阶微分和连续统去除后一阶微分转换。在0～5 cm土层反射率经过平滑后一阶微分转换后与土壤pH值、SO42-、K+、Mg2+相关性最强;反射率经平滑后连续统去除一阶微分转换与土壤EC、CO32-、HCO3-、Cl-、Na+、Ca2+的相关性最强。0～20 cm土层中,平滑后连续统去除一阶微分与土壤pH值、Cl-相关性最强,平滑后倒数对数一阶微分与EC、HCO3-、SO42-、Na+、Ca2+的相关性最强,而平滑后一阶微分与CO32-、K+、Mg2+相关性最强。不同土层相同盐分指标敏感波段不同。利用偏最小二乘回归建立的预测模型中,0～5 cm和0～20 cm敏感波段对10个盐分指标预测平均决定系数分别为0.820 8和0.890 7,其中0～5 cm敏感波段对SO42-的预测模型决定系数达0.967 6。采用逐步回归与偏最小二乘回归相比模型引入敏感波段减少,但R2降低。验证结果表明模型对0～20 cm土层SO42-和CO32-的预测能力不及0～5 cm;但对其他8个盐分离子的预测能力明显高于0～5 cm。研究结果可以为该地区土壤的盐渍化信息预测及植物格局配置提供科学依据。     

基于高光谱数据的土壤全氮含量估测模型对比研究

构建基于高光谱数据的土壤全氮含量估测模型,为快速、准确监测农田土壤全氮含量,判断作物生长发育情况和评价土地质量提供新的技术和方法.以新疆南疆地区主要类型土壤为研究对象,于室内测定土壤全氮含量和光谱反射率数据,利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换...     

基于主成分回归分析的土壤有机质高光谱预测与模型验证

在室内条件下,利用ASD2500高光谱仪测定了风干土壤样品的光谱。通过相关分析对土壤有机质（SOM）光谱敏感波段进行了初步筛选;利用逐步回归分析和主成分回归(PCR)分析等统计方法进行了显著性变量筛选、共线性诊断、数据转换等处理;最终建立了东北黑土SOM回归预测模型。模型所选的波段为均位于近红外波段。经验证,模型预测值与实测值的决定系数R2=0.840,总均方根差RSME=0.226。     

基于高光谱图像的茶树LAI与氮含量反演

为了对茶树进行实时、快速、无损的叶面积指数LAI和氮含量检测,该文以英红九号茶树为试验对象,利用便携式高光谱成像仪采集光谱数据、人工破坏性采摘叶片进行叶面积指数的计算以及传统化学方法测量叶片氮含量,比较不同高光谱特征变换形式与LAI和氮含量之间的相关性,并选择其中相关系数较高的高光谱特征变量作为自变量,分别采用线性、指数、对数和抛物线表达式建立LAI和氮含量的回归模型。结果显示:在多种高光谱数据变量建立的模型中,以绿峰反射率R_g为自变量的对数拟合模型最佳,其拟合样本的决定系数R~2和验证样本的均方根误差RMSE值分别为0.9和0.087 6。以植被指数变量VI_4(红边面积/黄边面积)与氮含量建立的指数模型为最佳建模效果,拟合样本的决定系数R~2和验证样本的均方根误差RMSE值分别为0.830 3和0.102 9,研究结果可为茶树叶面积指数LAI和营养成分的无损检测提供参考。     

基于高光谱的冬油菜叶片磷含量诊断模型

为快捷、无损和精准表征冬油菜磷素营养与冠层光谱间的定量关系,该文以连续3a田间试验为基础,探究叶片磷含量的敏感波段范围及光谱变换方式,明确基于高光谱快速诊断的叶片磷含量有效波段,降低光谱分析维度,提高磷素诊断时效性。以2013-2016年田间试验为基础,测定不同生育期油菜叶片磷含量和冠层光谱反射率。此后,对原初光谱(raw hyperspectral reflectance,R)分别进行倒数之对数(inverse-log reflectance,log(1/R))、连续统去除(continuum removal,CR)和一阶微分(first derivative reflectance,FDR)光谱变换,采用Pearson相关分析确定叶片磷含量的敏感波段区域。在此基础上,利用偏最小二乘回归(partial least square,PLS)构建最优预测模型并筛选有效波段。结果表明,油菜叶片磷含量的敏感波段范围为730~1300 nm的近红外区域;基于敏感波段的FDR-PLS模型预测效果显著优于其他光谱变换方式,建模集和验证集决定系数(coefficient of determination,R2)分别为0.822和0.769,均方根误差(root mean square error,RMSE)分别为0.039%和0.048%,相对分析误差(relative percent deviation,RPD)为2.091。根据各波段变量重要性投影(variable importance in projection,VIP)值大小,确定油菜叶片磷含量有效波段分别为753、826、878、995、1 187和1 272 nm。此后,再次构建基于有效波段的油菜叶片磷含量估算模型,R2和RMSE分别为0.678和0.064%,预测精度较为理想。研究结果为无损和精确评估冬油菜磷素营养提供了新的研究思路。     

农田土壤铅、镉含量影响因素地理加权回归模型分析

为了定量分析土壤重金属含量的影响因素,以长沙城郊农田土壤Pb、Cd为例,采用传统回归模型(ordinary least squares,OLS)和地理加权回归模型(geographically weighted regression,GWR)分析比较了土壤Pb、Cd含量与影响因素间的相关关系。结果表明:长沙城郊农田土壤Pb、Cd含量存在空间自相关性,Pb、Cd的GWR模型拟合度较OLS模型高,残差不存在空间自相关,GWR模型能更好地解释土壤Pb、Cd与影响因素变量的空间异质性。土壤Pb与Cd含量呈极显著正相关;土壤pH值、有机质、氮磷含量是影响土壤Pb、Cd含量的重要因素;离河流、城镇、工矿建设用地的距离对于城郊农田土壤Pb、Cd含量也有一定影响,土壤Pb、Cd的"高-高"集聚区(土壤Pb或Cd含量高的区域被Pb或Cd含量高的其他区域所包围,区域土壤Pb或Cd含量水平较高,且空间差异程度较小)和离河流、城镇、工矿建设用地较近的农田是Pb、Cd污染风险防控的重点区域。该研究可为定量分析区域土壤重金属含量的空间结构与影响因素提供参考,为长沙城郊农田土壤重金属污染的防控提供参考。     

Analysis on influence factors of soil Pb and Cd in agricultural soil of Changsha suburb based on geographically weighted regression model

为了定量分析土壤重金属含量的影响因素,以长沙城郊农田土壤Pb、Cd为例,采用传统回归模型（ordinary least squares, OLS）和地理加权回归模型（geographically weighted regression, GWR）分析比较了土壤Pb、Cd含量与影响因素间的相关关系。结果表明：长沙城郊农田土壤Pb、Cd含量存在空间自相关性,Pb、Cd的GWR模型拟合度较OLS模型高,残差不存在空间自相关,GWR模型能更好地解释土壤Pb、Cd与影响因素变量的空间异质性。土壤Pb与Cd含量呈极显著正相关;土壤pH值、有机质、氮磷含量是影响土壤Pb、Cd含量的重要因素;离河流、城镇、工矿建设用地的距离对于城郊农田土壤Pb、Cd含量也有一定影响,土壤Pb、Cd的"高-高"集聚区（土壤Pb或Cd含量高的区域被Pb或Cd含量高的其他区域所包围,区域土壤Pb或Cd含量水平较高,且空间差异程度较小）和离河流、城镇、工矿建设用地较近的农田是Pb、Cd污染风险防控的重点区域。该研究可为定量分析区域土壤重金属含量的空间结构与影响因素提供参考,为长沙城郊农田土壤重金属污染的防控提供参考。     

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。