土壤有机质是土壤肥力的重要指标。传统的土壤有机质含量主要通过田间的土壤采样和实验室分析获取。这种方法虽然具有高精度，但由于它需要花费大量的时间和人力成本，因此不能大面积快速监测土壤退化过程中土壤有机质含量的空间变化。遥感技术可以提供一个新的有效方法，实现大面积快速估算土壤有机质含量的空间变化。然而，当前针对土壤有机质的遥感估算研究所选择的光谱波段在不同的研究区域存在较大差异，很难找到一个普适性的土壤有机质含量估算方程。我所水环境遥感学科组成员基于东北地区的土壤有机质含量和光谱数据，通过波段优化算法和灰色关联分析-人工神经网络（GRA-ANN）方法对土壤有机质含量进行了估算研究。研究结果表明，优化差异指数与土壤有机质含量有最好的关系（R² = 0.63和RMSE = 1.43%），优于优化归一化化差异指数（R² = 0.57和 RMSE = 1.56%）和优化比率指数（R² = 0.48 和RMSE = 1.82%）。与优化波段算法相比，GRA-ANN方法获得更好的土壤有机质含量估算结果（R² = 0.90和RMSE = 0.88%），具有更好的模型稳定性。因此，GRA-ANN方法对估算土壤有机质含量具有更大的潜力。该成果对中国东北地区黑土有机质田间管理，作物空间布局和栽培管理的相关性研究具有积极的推动作用。 

　　相关研究成果发表在农业气象领域的Top学术期刊上（Agricultural and Forest Meteorology）。研究工作获得中国科学院重点部署项目（KZD-EW-TZ-16-1）资助。 

　                      图 1三江平原不同土壤有机质含量的光谱变化 

 图 2实测的土壤有机质含量与估算的土壤有机质含量之间的关系：（a）GRA-ANN方法和（b）ANN方法。 

　　论文信息： 

    [1]X. L. Jin, J.Du, H.Liu, Z.M.Wang, K.SSong*. 2016. Remote estimation of soil organic matter content in the Sanjiang Plain, Northest China: the optimal band algorithm versus the GRA-ANN model. Agricultural and Forest Meteorology, 218-219: 250-260. 

　　链接:http://www.sciencedirect.com/science/article/pii/S016819231530023X