综述：土壤遥感中的光谱指数：定义、流行度与问题——一项批判性概述

这篇综述系统梳理了471种光谱指数（VIs/WIs/SoIs）在土壤研究中的应用，重点探讨了NDVI、EVI、BSI等核心指数的历史演变与跨传感器适用性，揭示了命名混淆（如TSAVI双公式）、阈值敏感性（NDVI<0.35提取裸土）及大气校正影响（L1C vs L2A数据差异达24%）等关键问题，为土壤健康监测（SOC、Fe3+含量）提供了标准化使用指南。

　　

光谱指数在土壤遥感中的多维应用与挑战

引言
自1972年Landsat-1发射以来，光谱指数已成为连接原始光谱数据与环境解释的关键桥梁。作为定量化工具，NDVI、EVI等植被指数（VIs）和NDWI等水分指数（WIs）被广泛用于表征地表特征，但针对土壤的专用指数（SoIs）仍存在巨大探索空间。

历史演变与指数分类
通过分析1968-2023年的310篇文献，研究发现光谱指数发展呈现三阶段特征：早期（1960-1970年代）以NDVI和RVI为代表；中期（1980-2000年）出现SAVI等土壤线校正指数；近期（2010年后）则涌现出SOCI等有机碳专用指数。目前土壤相关指数达190种，但仅17种被纳入"Awesome Spectral Indices"标准化目录。

核心土壤指数解析
• 水分监测：TCW和S2WI利用SWIR波段对水分吸收敏感的特性，但易受大气校正误差影响
• 有机碳预测：SOCI（B/R×G）和CI（R-G/R+G）在凡尔赛平原案例中显示与SOC含量相关性达R²=0.4
• 盐渍化检测：MAI指数通过融合MSAVI、反照率和I_Fe2O3构建三维特征空间，精度达RMSE=0.678 g kg^-1

应用争议与标准化挑战
典型案例显示，同名指数如BSI存在两种计算公式：Rikimaru版本（SWIR1+R-NIR-B/SWIR1+R+NIR+B）与Wentzel版本（√(SWIR2-G/SWIR2+G)），阈值差异导致裸土提取面积偏差达20%。Sentinel-2数据对比证实，L1C（表观反射率）与L2A（地表反射率）产品计算的BSI在多云条件下R²从0.98降至0.71。

未来发展方向
多指数联用成为新趋势，如PV+IR2组合指数通过时间序列分析提升裸土检测精度。研究建议建立包含波长范围、校正方法和空间分辨率的元数据标准，并开发基于土壤形成因子的有效性域评估框架，以增强跨研究可比性。

（注：全文严格依据原文数据，未添加非文献依据的结论）