基于图像的土壤分析中环境因子交互作用：水分、质地与光照的综合影响机制

《Geoderma》：Environmental factors in image-based soil analysis: Interaction effects of moisture, texture, and illumination

本研究针对图像法表征土壤有机质(SOM)易受环境条件干扰的问题，系统探究了水分、质地和光照的交互作用。研究发现500–600 lx的暖光(2700–3000 Kelvin)下、田间持水量后4–12小时为最佳成像窗口，Lab/Luv色度组分稳定性显著优于RGB特征，为野外快速精准监测SOM提供了标准化框架。

　　

土壤是地球生态系统的关键组成部分，而土壤有机质（SOM）作为衡量土壤健康的核心指标，直接影响着作物养分供应、水分保持和全球碳循环。传统实验室测定SOM的方法虽然精确，但成本高、耗时长，难以满足大范围、高频次监测的需求。近年来，随着智能手机和数码成像技术的普及，基于图像分析的土壤表征方法展现出巨大潜力。这种方法通过捕捉土壤颜色与有机质含量之间的内在联系，有望实现快速、低成本的SOM估算。然而，理想很丰满，现实却很骨感。在实际应用中，土壤图像的色彩特征极易受到多种环境因素的干扰，其中土壤水分含量、土壤颗粒粗细（质地）以及拍摄时的光照条件，三者之间存在着复杂的交互效应。这些因素如同“调色盘”上的不确定因素，使得同一块土壤在不同条件下拍摄出的图像颜色差异显著，严重影响了SOM预测的准确性和可靠性。此前的研究大多孤立地考察单个因素的影响，对于三者如何协同作用影响图像稳定性的认知仍是一片空白。这就好比试图在闪烁不定的灯光下辨认一件湿透的衣服的真实颜色，挑战巨大。为了解决这一瓶颈问题，并为野外土壤图像采集建立可靠的标准，由Mojtaba Naeimi等人组成的研究团队在《Geoderma》上发表了他们的最新研究成果。

为了精准量化环境因子的交互影响，研究人员开展了一项设计严谨的系统性研究。他们从加拿大四个省份（萨斯喀彻温省、马尼托巴省、安大略省和新不伦瑞克省）的农业区采集了240份具有不同质地和SOM含量（0.5%–11.6%）的表层土壤样本。在实验室内，研究人员对样本进行了精细的物理化学性质表征，并设计了一套严格的控制流程。他们通过精确的湿度处理，设定了从饱和状态、田间持水量(θ_fc）到风干状态(θ_ad）的多个水分梯度，并模拟了土壤在饱和后自然干燥过程中不同时间点（T1-T8）的湿度状态。图像采集在一个特制的暗箱中进行，以排除外界光线干扰。研究团队系统地调整了光照强度（100, 300, 400, 500, 600, 900 lx）和色温（模拟自然光：5000–6500 Kelvin；暖光：2700–3000 Kelvin），使用智能手机（iPhone 14 Pro）拍摄土壤样本的高分辨率ProRAW格式图像。同时，使用与光照无关的Nix Pro 2色度计测量土壤颜色作为参考基准。从获取的图像中，研究人员提取了包括RGB（红绿蓝）、HSV（色相饱和度明度）、CIE Lab和CIE Luv等多个颜色空间的多种特征值（如均值、中位数及各种颜色指数），并计算了与参考标准的色差（ΔE）。随后，他们运用混合效应模型和随机森林（RF）回归等高级统计和机器学习方法，深入分析了水分、质地、光照及其交互作用对图像特征稳定性和SOM预测模型性能的影响。

3.1. 土壤性质分布

对采集样本的分析显示，不同省份的土壤有机质（SOM）含量存在显著差异，萨斯喀彻温省的SOM平均值最高（6.07%），而新不伦瑞克省的样本SOM含量相对较低且更为均一。这种天然的差异性为研究环境因素的影响提供了良好的基础。

3.2. 水分水平与光照条件的交互作用

3.2.1. 光照对图像特征的影响

研究发现，光照强度对图像特征的稳定性有显著影响。特征值在100至300 lx之间急剧上升，在500 lx之后趋于稳定。特别是在500 lx的暖光照射下，图像特征的变异性最小，表明这是获得稳定测量的最优条件。超过500 lx后，特征值仅出现微小波动，尤其是在自然光下，说明更高的光照强度对提升稳定性并无额外益处。暖光条件在维持特征稳定性方面 consistently（一致地）优于自然光。

3.2.2. 水分-光照交互作用

分析表明，水分和光照的交互效应呈现出时间依赖性。在达到田间持水量后的早期时间点（4-12小时），图像特征在不同光照水平下都表现出最小的变异性，稳定性最高。而在后期时间点（24-72小时），低光照（100-300 lx）和高光照（900 lx）都会导致变异性显著增加。中等光照水平（500-600 lx）在整个水分变化过程中都能产生最一致的测量结果。

3.3. 图像特征一致性分析

为了评估颜色特征的稳健性，研究比较了不同颜色空间特征在自然光和暖光下的表现。方差分析（ANOVA）结果显示，RGB颜色空间的所有组分（R, G, B）对光照变化都非常敏感。相比之下，CIE Lab和 CIE Luv颜色空间中的色度组分（a, b, u, v）在暖光条件下表现出惊人的稳定性，其受光照影响不显著。而亮度组分（L）则在两种光照下都显示出显著变化。这表明，色度特征比亮度特征更能抵抗环境变化的影响，是更可靠的SOM预测指标。

3.4. 色差分析与参考验证

通过计算图像分析结果与Nix Pro参考设备之间的色差（ΔE），研究人员评估了不同条件下的测量准确性。结果显示，在田间持水量后第24小时（T5）采集的图像，其与参考值的平均色差最小（ΔE = 7.91），且变异性最低，表明此时是进行颜色测量的最佳水分状态。这一结果显著优于在饱和状态（T1）或烘干状态（T8）下的测量结果。

3.5. 预测模型性能

基于随机森林（RF）算法构建的SOM预测模型，在不同环境条件下表现出不同的性能。总体而言，在暖光条件下建立的模型，其校准精度（例如，确定系数R2最高达0.933）和验证性能均优于自然光下的模型。在水分梯度中，较高水分水平（如T0, T4, T8）下的模型通常能获得更好的验证指标。相关性分析进一步证实，SOM含量与Lab等色度特征在暖光下，尤其是在第24小时附近，呈现出最强的负相关关系。

该研究的讨论部分深刻阐释了上述发现背后的机理与重要意义。光照与水分之间的复杂交互作用根植于土壤-光相互作用的基本物理原理。土壤水分增加会形成水膜包裹颗粒表面，改变其反射特性，降低亮度并增强对光的吸收，尤其在颜色较深的土壤中更为明显。暖光照明的光谱分布（富含红光）有助于减少蓝光通道的变异性，从而提高了色度的稳定性。而自然光则可能因其光谱组成的波动而放大水分引起的变异性。

研究确定的500-600 lx最佳光照范围以及田间持水量后4-12小时的最佳测量窗口，是标准化土壤图像采集协议的重大进展。在此期间，土壤表面水膜厚度适中且分布相对均匀，既能减少镜面反射干扰，又允许底层土壤颗粒的真实颜色充分显现，从而获得更稳定、更准确的色彩信息。

关于颜色空间的选择，研究结果挑战了土壤颜色分析中惯常依赖RGB指数的做法。具有感知均匀性的CIE Lab和Luv颜色空间，能够更好地从环境噪声中分离出有意义的颜色信息，其色度组分（a, b, u, v）对环境变化的强韧性使其成为更可靠的预测指标。

这项研究的结论具有明确的实践指导价值。它确立了基于图像的土壤有机质（SOM）表征中，控制环境因素（特别是光照和水分）的优化框架。研究证实，在500-600 lx的暖光照明下，于土壤达到田间持水量后4-12小时的时间窗口内进行图像采集，可以最大限度地保证图像特征的稳定性。CIE Lab和Luv颜色空间中的色度组分是抵抗环境干扰、实现准确SOM预测的关键特征。这些发现不仅推动了数字土壤分析方法的标准化进程，为开发更稳健的野外实时土壤监测工具（如智能手机应用）提供了坚实的理论依据和技术参数，而且对促进精准农业和全球土壤健康评估具有重要意义。未来研究可在此基础上，开发能自动补偿环境变化的智能算法，并将该框架扩展到更广泛的土壤类型和属性监测中。