土壤有机质（SOM）是重要的土壤理化参数之一，是土壤安全和土壤肥力的主要评价指标。快速、准确的SOM预测在精准农业和土地可持续利用方面起到重要的作用。可见光近红外光谱被很多研究证明可以有效的预测和监测土壤属性。光谱微分技术和数学变换等被广泛应用于SOM预测，得到很高的预测精度。 

　　光谱特征参数是对光谱曲线吸收特征的描述，在土壤属性预测和土壤分类中被很多广泛使用。对于土壤分类，因不同土壤的理化性质差异会引起土壤在不同波长上的光谱反射差异，光谱特征参数可以有效的区分不同土壤类型。但对于土壤属性预测，光谱特征参数的使用不如光谱微分和数学变换普遍，而且使用的光谱特征参数都是基于包络线去除后提取的吸收深度、吸收面积或吸收位置等。本研究发现，对于低有机质含量的土壤，随着SOM含量的变化，在土壤反射光谱曲线上的可见光部分具有较明显的形状变化。 

　　基于上述特征，本研究分别以黑龙江三江平原和吉林省农安县为研究区进行采样分析，从土壤反射光谱曲线的可见光部分提取了两个新的光谱特征参数，曲线的长度（Lc）和曲线下的面积（Ac）（图1），并构建了基于新光谱特征参数的SOM混合预测模型。在预测分析中国土壤样本的SOM后，将两个新光谱特征参数应用于土地利用/土地覆盖面积框架测量数据库（LUCAS），验证该方法的适用性。研究表明，砂质土提取的新光谱特征参数与SOM具有更高的相关性；Lc对SOM预测的重要性高于Ac；基于新光谱特征参数的SOM预测精度和基于光谱微分的SOM预测精度相似，可以得到R2=0.76和RMSE= 7.43 g kg -1的预测结果。研究结果证明基于反射光谱曲线提取的光谱特征参数具有较好的预测精度和空间可移植性，本研究为高光谱影像的SOM制图提供了参考。 

　　该研究成果发表在国际期刊Soil & Tillage Research上，中国科学院东北地理与农业生态研究所王翔博士为第一作者，宋开山研究员为通讯作者。 

　　该研究得到了国家自然科学基金项目（41871257, 42171385）和中国科学院战略性先导科技专项（XDA28050400）共同资助。 

　　论文信息如下： 

　　Xiang Wang, Lin Li, Huanjun Liu, Kaishan Song*, Liping Wang, Xiangtian Meng. Prediction of soil organic matter using VNIR spectral parameters extracted from shape characteristics. Soil & Tillage Research, 2022, 216, 105241. https://doi.org/10.1016/j.still.2021.105241 

　　图1曲线的长度（Lc）和曲线下的面积（Ac）提取（a为曲线的长度，b为曲线下的面积）