融合地面与轨道反射光谱数据提升红壤铁铝土属性建模精度的研究

本研究针对传统土壤调查方法效率低下的问题，创新性地结合地面高光谱仪Fieldspec Pro 4与ASTER轨道传感器数据，通过随机森林(RF)和多元线性回归(MLR)算法建模，证实多源光谱数据整合可将黏土和有机质预测R2提升至0.65-0.69，为红壤铁铝土(FRro.dy)的高效监测提供了新范式。

　　

土壤作为维系生态系统功能的核心载体，其属性精准监测一直是环境管理的难点。传统土壤调查依赖耗时耗力的实验室分析，尤其在巴西稀树草原(Cerrado)广泛分布的红壤铁铝土(FRro.dy)区域，高黏土含量和复杂矿物组成更增加了调查难度。近年来，遥感技术虽为土壤快速评估带来希望，但轨道传感器如ASTER（先进星载热发射反射辐射计）受限于大气干扰和低光谱分辨率，而地面高光谱仪Fieldspec Pro 4虽精度高却覆盖范围有限。如何协同两类数据优势，成为提升土壤建模精度的关键突破口。

针对这一挑战，由巴西利亚大学等机构组成的研究团队在《Geoderma Regional》发表研究，创新性地将37个红壤铁铝土样本（0-20 cm深度）的实验室高光谱数据重采样至ASTER波段，通过构建合成土壤图像(SSI)对比分析，并采用随机森林(RF)和多元线性回归(MLR)算法建模。研究首次系统评估了地面-轨道光谱数据融合对黏土、有机质(OM)、碱基饱和度(BS)等关键属性的预测效能。

关键技术方法包括：1) 使用Fieldspec Pro 4获取400-2500 nm范围实验室高光谱数据，重采样匹配ASTER的可见光-短波红外(VNIR-SWIR)波段；2) 构建合成土壤图像(SSI)模拟轨道观测条件；3) 采用Pearson相关性分析筛选敏感波段；4) 对比RF与MLR算法在单一及联合数据源的建模表现。

土壤表征
野外调查显示样本具有典型红壤铁铝土特征：深厚土层、黏粒含量高（黏土占比超60%）、富含赤铁矿衍生铁。X射线衍射证实其矿物组成以高岭石和铁氧化物为主，这种特殊组合导致在1400 nm和2200 nm处出现显著吸收峰，为光谱建模提供了天然标记。

反射率与土壤属性的回归分析
MLR模型在联合数据源中表现最优，黏土和有机质预测R²分别达0.65和0.69，显著高于单一数据源。关键敏感波段包括ASTER第4波段(1600 nm附近)与Fieldspec Pro 4的2200 nm区域，二者共同捕捉了铁氧化物和有机质的特征振动。RF模型因样本量限制表现稍逊，但对阳离子交换量(CEC)仍显示出0.30的解释力。

结论与意义
该研究开创性地证实：1) 地面高光谱数据经重采样后可有效校正轨道数据噪声，二者光谱曲线相似性达0.89；2) 数据融合使建模精度平均提升23%，尤其对黏土和有机质等关键指标；3) MLR在中小样本量下优于RF，因后者更依赖大数据训练。这一成果为红壤区土壤数字制图提供了实用方案，其提出的SSI构建方法可直接推广至Sentinel-2等新型卫星数据。研究团队特别指出，未来需扩大样本量和空间异质性以增强模型泛化能力，而开发针对热带土壤的光谱指数将是下一阶段重点。

该工作不仅为巴西稀树草原的可持续管理提供了技术支撑，其方法论框架更适用于全球类似气候带的红壤监测，标志着多尺度遥感技术在精准农业和碳中和评估中的应用迈出关键一步。