引用本文
刘焕军, 王翔, 李厚萱, 孟祥添, 姜佰文, 张新乐, 于滋洋. 土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理[J]. 光谱学与光谱分析, 2018,38(10): 3238-3244.
LIU Huan-jun, WANG Xiang, LI Hou-xuan, MENG Xiang-tian, JIANG Bai-wen, ZHANG Xin-le, YU Zi-yang. Effect Mechanism of Soil Minerlas on Spectral Characterisitics of Main Soil Classes in Songnen Plain[J]. Spectroscopy and Spectral Analysis, 2018,38(10): 3238-3244.
Doi:10.3964/j.issn.1000-0593(2018)10-3238-07  
Permissions
Copyright©2018, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理
刘焕军1,2, 王翔1, 李厚萱1, 孟祥添1, 姜佰文1,*, 张新乐1, 于滋洋1
1. 东北农业大学资源与环境学院, 黑龙江 哈尔滨 150030
2. 中国科学院东北地理与农业生态研究所, 吉林 长春 130012
*通讯联系人 e-mail: jbwneau@163.com

作者简介: 刘焕军, 1981年生, 东北农业大学资源与环境学院副教授 e-mail: huanjunliu@yeah.net

收稿日期: 2018-03-24 接受日期: 2018-07-08
基金: 国家自然科学基金项目(41501357), 国家重点研发计划课题(2017YFD0201803)资助
摘要

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展, 但土壤中各原生矿物、 粘土矿物的测试主要是定性的, 即能测定土壤中含有何种矿物, 但难以测定准确的矿物组分含量。 土壤矿物是土壤学与地质学的交叉点, 易被忽视, 特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。 探讨了土壤矿物在可见光-近红外光谱部分(400~2 500 nm)对土壤反射光谱特征的影响, 明确影响土壤反射光谱特征的主要机理。 土壤样本于2014年采集于松嫩平原黑龙江部分, 包括4个土类和7个土属, 共54个土壤样本。 土壤样本通过研磨、 过筛后, 在室内暗室中测得反射光谱数据, 土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得, 对反射光谱数据进行九点平滑、 10 nm重采样和去包络线处理。 土壤矿物含量测试采用荷兰Philip X’ Pert Pro 型X射线衍射仪分析样品的矿物组成, 测试了土壤中石英、 长石、 方解石和闪石等原生矿物和蒙脱石、 伊利石和高岭石等粘土矿物的含量。 首先分析7个土属的反射光谱特征, 明确每个土属反射光谱曲线的形状特征和吸收位置, 其次分析土属的矿物含量情况, 找出不同土属各矿物含量的共性和差异; 再次分析不同粘土矿物和原生矿物的反射光谱特征, 确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置; 最后将不同土属的反射光谱特征、 不同土属的矿物含量情况和土壤矿物的反射光谱特征结合, 得到如下结论: (1)土壤矿物决定了土壤反射光谱的骨架特征, 土壤矿物对土属的反射光谱影响最明显, 由于土类存在多种反射光谱特征, 土壤矿物对土类的影响不明显。 (2)粘土矿物对土壤反射光谱特征的影响大于原生矿物, 主要受蒙脱石和伊利石等粘土矿物的影响, 但砂性土受部分原生矿物的影响, 主要是长石类矿物和高岭石的影响。 (3)蒙脱石和伊利石分别决定土壤反射光谱的第一个吸收谷和第二个吸收谷特征, 高岭石决定1 400和1 900 nm前的两个小吸收谷特征, 钾长石和钠长石决定了砂性土的前两个吸收谷特征。 (4)蒙脱石含量足够高时, 会完全掩盖高岭石和长石类的反射光谱特征, 部分掩盖伊利石的反射光谱特征; 随着蒙脱石含量降低, 伊利石的反射光谱特征逐渐体现; 蒙脱石和伊利石的含量降到很低时, 高岭石和长石类矿物的反射光谱特征逐渐体现出来。 研究结果揭示了不同土属反射光谱特征差异的原因, 可以为土壤反射光谱分类、 土壤精细制图和基于高光谱图像的矿物分布研究等提供理论依据。

关键词: 高光谱; 粘土矿物; 土属; 去包络线
中图分类号:TP79 文献标志码:A
Effect Mechanism of Soil Minerlas on Spectral Characterisitics of Main Soil Classes in Songnen Plain
LIU Huan-jun1,2, WANG Xiang1, LI Hou-xuan1, MENG Xiang-tian1, JIANG Bai-wen1,*, ZHANG Xin-le1, YU Zi-yang1
1. College of Resources and Environment, Northeast Agricultural University, Harbin 150030, China
2. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130012, China
*Corresponding author
Abstract

Although the analysis of the reflectance spectral characteristics of pure minerals and the establishment of a database have been carried out, the test of primary minerals and clay minerals in soils is mainly qualitative, which means that it is possible to determine what minerals are contained in soils. However, it is difficult to accurately determine the contents of minerals. Soil minerals are the intersection of pedology and geology, which is easy to be ignored, especially the effects of soil minerals on soil reflectance spectral curves has been neglected in other researches. In this paper, we discussed the effects of soil minerals on the characteristics of soil reflectance spectra in the visible and near infrared region (400~2 500 nm), and clarified the main mechanism about affecting the characteristics of soil reflectance spectra. Soil samples were collected in the Heilongjiang part of Songnen Plain in 2014, including four great groups and seven genera, a total of 54 soil samples. After grinding and sifting, the soil samples were measured in the darkroom to obtain reflectance spectrum data. The reflectance spectrum data of soil minerals were obtained from the 2017 USGS mineral spectral library. We smoothed spectral reflectance data with nine points, resampled at 10-nm intervals and continuum removal. The mineralogical phases of the samples were detected by an X’Pert-Pro XRD (Philip, Holland). The contents of primary minerals, such as quartz, feldspar, calcite and amphibole, and clay minerals such as montmorillonite, illite and kaolinite were measured. First of all, we analyze the reflectance spectral characteristics of seven genera, and determine the shape characteristics and absorption position of spectral curves of each genus. Secondly, we analyze the mineral content of genera, and find out the commonness and difference of each mineral content of different genera. Thirdly, we analyze reflectance spectral characteristics of different primary minerals and clay minerals, and determine the shape characteristics and absorption position of different soil minerals. Finally, we combine the spectral characteristics of different genera, mineral content of different genera and spectral characteristics of soil minerals, the following conclusions are obtained: (1) The skeleton characteristics of soil reflectance spectra are determined by soil minerals, and the effect of soil minerals on reflectance spectra of genera is the most obvious, however, the effect at great group level isn’t obvious due to the existence of various reflectance spectral characteristics of great group. (2) The effect of clay minerals on soil reflectance spectral characteristics is greater than primary minerals, mainly by clay minerals such as montmorillonite and illite, but feldspar and kaolinite affect sandy soils. (3) Montmorillonite determines the characteristics of the first absorption valley, the illite determines the second valley, kaolinite determines the two small absorption valleys before 1 400 and 1 900 nm, and microcline and albite determine the first and second valleys of sandy soils. (4) When the content of montmorillonite is high enough, the spectral characteristics of kaolinite and feldspar will be completely masked, and the spectral characteristics of illite will be partially masked. With the decrease of montmorillonite content, the spectral characteristics of illite will be gradually reflected. When the content of montmorillonite and illite decreases to a very low level, the spectral characteristics of kaolinite and feldspar minerals gradually manifest. The results explain the reasons for the differences in spectral characteristics of different genera, which can provide theoretical basis for soil spectral classification, detailed soil mapping and mineral distribution based on hyperspectral images.

Keyword: Hyperspectra; Clay minerals; Genus; Continuum removal
引 言

土壤反射光谱特征是土壤理化性质的综合反映, 被用于土壤理化性质预测与土壤反射光谱分类, 该方法具有非破坏性、 快速、 环保等优点。 不同土壤的反射光谱特征存在差异, 这种差异是土壤矿物造成的。 因为土壤矿物占干土的90%以上, 而且成土母质决定了土壤反射光谱曲线的基本形状(骨架)特征, 成土母质又是由不同的土壤矿物组成的。

土壤矿物包括土壤固相物质中除土壤有机质(SOM)和生物体以外的所有无机质部分, 构成了土壤的骨骼, 分为原生矿物(如石英、 长石、 云母、 角闪石、 辉石等)和次生(粘土)矿物(如高岭石、 蒙脱石、 水云母、 含水氧化铁、 含水氧化铝等)。 粘土矿物类型主要包括: 蒙蛭组(蒙脱石为主)、 水化云母组(伊利石)、 高岭组(高岭石)、 绿泥石组(绿泥石)。 从土壤发生学的角度理解土壤的组成, 原生矿物记载了土壤形成之前原始的母质特征, 次生(粘土)矿物记载着土壤的形成过程、 表征土壤风化的发育程度及肥力水平。

当前对土壤矿物的研究一般有土壤中矿物的组成、 矿物的反射光谱特征等方面。 Rossel等[1]以400~2 500 nm的土壤反射光谱特征为研究对象, 结合纯矿物的光谱特征预测土壤中的矿物组成。 杜昌文等[2]分析了蒙脱石、 伊利石和高岭石在中红外波段的反射光谱特征, 结合光谱分析定义了不同区域土壤的性质。 梁树能等分析了绿泥石中不同矿物成分与反射光谱之间的关系, 发现绿泥石矿物的诊断性特征吸收波长位置随绿泥石中Fe离子含量的增加而向长波方向移动。 高鹏等[3]认为自然条件和人为干扰是土壤矿物质空间异质性的主要影响因素。 张小梦等[4]以月球光谱仪成像数据为研究对象, 研究了月球上冷海地区玄武岩的矿物成分及这些成分的分布特征。

不管是土壤矿物成分的研究还是土壤矿物反射光谱特征的分析, 大部分忽略了土壤矿物对土壤反射光谱特征的影响。 这是因为: (1)土壤矿物属于土壤学与地质学交叉学科研究对象, 土壤学专家研究土壤矿物, 一般样本较少; 而地质学家侧重岩石, 较少研究土壤矿物时空分布。 (2)过去土壤矿物测试成本高, 定性、 半定量测试, 只能得出土壤有何种矿物, 无法测定准确含量, 难以得到规律性发现。 目前, 已可以实现土壤矿物的定量测试、 土壤粘土矿物的提取与分离。 (3)已有研究指出, SOM含量2%以上可以掩盖其他特征, SOM的主要光谱范围在400~700, 620~660和570~630 nm[5, 6], 但本文发现即使SOM含量较高的黑土, 也不能完全掩盖土壤矿物的反射光谱特征, 尤其是粘土矿物的反射光谱特征。

本文以松嫩平原四种典型土壤和主要原生矿物和粘土矿物的反射光谱数据作为研究对象, 进行对比分析, 明确土壤矿物对土壤反射光谱特征的影响机理。

具体目标包括: (1)明确影响土壤反射光谱特征的矿物有哪些, 粘土矿物和原生矿物哪个是主要影响因素? (2)分析主要矿物影响土壤反射光谱特征的作用大小。

1 实验部分
1.1 研究区概况

以松嫩平原黑龙江部分作为研究区, 松嫩平原位于我国东北地区中西部, 由湖泊河流和风沙冲击形成的一个冲积平原, 年降水量350~600 mm, 70%~80%的降水量集中在六月至九月[7]。 黑土、 黑钙土、 草甸土、 风砂土为松嫩平原四种主要土壤类型。 黑土分布在东部, 由北向南延伸, 黑土中含有大量的有机质和腐殖质并且无钙积层和石灰反应; 黑钙土分布在中部, 由北向南延伸, 黑钙土中含有碳酸钙淋溶淀积层, 通透性一般; 风砂土主要分布在西南部, 一般存在于江河沿岸洪泛区等地, 土质松散, 孔隙度在43%左右; 草甸土几乎分布在整个平原, 大多存在于水泊或地势低洼处, 土壤腐殖质含量高, 孔隙度在53%~59%之间。 采样点分布图见图1。

图1 采样点分布图Fig.1 Sampling distribution and soil map

1.2 土样采集与处理

土壤样本采集于2014年, 采集了松嫩平原的四种典型土壤: 黑钙土、 草甸土、 黑土和风砂土, 选择了面积较大的7个土属(表1), 共计54个0~20 cm 表层土壤样本作为研究对象。 土壤样本经过研磨、 风干、 过2 mm筛等处理并光谱测试。

表1 松嫩平原土类和土属样本信息及缩写 Table 1 Great group and genus information and abbreviations of Songnen Plain
1.3 土壤光谱测试

采用美国分析光谱仪器公司(analytical spectral devices, ASD)生产的FieldSpec@3便携式光谱仪在暗室内对风干土样进行光谱测试。 光谱测试详见文献[8]。 对得到的光谱反射数据进行九点平滑、 10 nm重采样和去包络线处理。

1.4 矿物光谱测试

对54个土壤样本进行矿物含量测试, 样本涵盖了4个土类和7个土属。 矿物含量测试采用荷兰Philip X’ Pert Pro 型X射线衍射仪分析样品的矿物组成, 测试条件为: Cu Kα 射线, 波长为0.154 18 nm, 工作电压40 kV, 工作电流40 mA, 步长0.017° , 采用连续步进扫描方式, 超能探测器, 各个物相的相对含量根据XRD 图谱采用PIR因子法计算。

在最新的USGS矿物光谱库[9]中挑选出松嫩平原主要原生矿物和粘土矿物的反射光谱曲线, 包括石英、 钾长石、 钠长石、 方解石、 蒙脱石、 伊利石和高岭石。 将这些反射光谱曲线进行九点平滑、 10 nm重采样和去包络线处理, 与测试的54个土壤样本的反射光谱去包络线进行对比分析。

2 结果与讨论
2.1 主要土属反射光谱特征

图2为不同土属反射光谱去包络线。 黑钙土的三个土属表现出三种反射光谱特征[图2(a), (b)和(c)], LCACH的第一个吸收谷深度一般在0.071, 第二个在0.057, 第一个吸收谷深度普遍大于第二个吸收谷深度; SCACH的第一个吸收谷比较对称而且较深, 第二个吸收谷特别小; SMCH前两个吸收谷的深度基本相同, 体现出“ W” 型特征。 图2(d)和(e)分别是LBS和SFMA, LBS和SFMA的反射光谱特征都只有一种变化趋势, LBS的前两个吸收谷特别深, 第一个吸收谷不太明显; SFMA的变化趋势与SCACH相似, 但SFMA的第一个吸收谷更对称, 对称度为0.5。 图2(f)和(g)是两种草甸土(SCAMS和SSMS), SCAMS有两种反射光谱特征, 这两种光谱特征分别和LCACH与LBS的反射光谱特征相似; SSMS的反射光谱特征与砂性土相似, 但第二个吸收谷更深一些, 第四个吸收谷明显比砂性土深。

图2 不同土属反射光谱特征
(a): 黄土质石灰性黑钙土; (b): 砂壤质石灰性黑钙土; (c): 砂底草甸黑钙土; (d): 黄土质黑土; (e): 半固定草甸风沙土; (f): 粘壤质石灰性草甸土; (g): 苏打盐化草甸土Fig.2 Reflectance spectral characteristics of different genera
(a): LCACH; (b): SCACH; (c): SMCH; (d): LBS; (e): SFMA; (f): SCAMS; (g): SSMS

2.2 松嫩平原主要土壤矿物含量分析

表2为松嫩平原7个土属的矿物含量, 表中各土属的矿物含量由每个土属样本矿物含量取平均值求得。 从表2中可以看出, 7个土属的石英含量很高, 钾长石和钠长石的含量比较高, 石英和两种长石的含量占比达到60%~80%左右。 松嫩平原的主要成土母质细粒矿物类型有花岗岩残积母质、 山麓冲积-洪积物、 黄土性淤积物等。 这些成土母质矿物中, 石英和长石含量比较高。 矿物含量第三高的是蒙脱石, 不同土属蒙脱石含量差异比较大。 SCACH和SFMA蒙脱石含量比较低, LBS和SCAMS比它俩的蒙脱石含量高一些, 其他土属的蒙脱石含量相近且含量比较高。 伊利石、 闪石、 高岭石和方解石的含量所占比例较小, 总含量占比只有10%左右, 伊利石的含量整体比其他三类矿物的含量高一些。 基于上述分析, 每个土属的石英、 长石含量都很高, 闪石和方解石的含量比较低, 所以蒙脱石和伊利石是对土壤反射光谱曲线产生影响的主要因素, 高岭石可能也对土壤反射光谱曲线产生影响。

表2 不同土属主要矿物含量(%) Table 2 Mineral content of different genera (%)
2.3 主要原生矿物与粘土矿物反射光谱特征

图3为原生矿物与粘土矿物的反射光谱去包络线图。 蒙脱石在460~590 nm有相对窄的吸收谷, 1 400 nm之前反射光谱曲线较平缓, 没有特别明显的吸收特征, 水分吸收带(1 400和1 900 nm)有很明显的吸收特征, 这与蒙脱石本身的晶体结构有关; 伊利石在1 120 nm有很强的吸收特征, 吸收深度为0.334; 高岭石在1 000 nm之前没有特别明显的吸收特征, 但在1 400和1900 nm前分别有较小的吸收特征[图3(a)]。 对于原生矿物来说, 石英在400~2 500 nm范围内没有显著的吸收特征, 比较平缓; 方解石在850 nm之前很平缓, 1 900 nm附近开始出现比较小的吸收谷; 钾长石在430~610 nm有一个细长的吸收谷, 1 900 nm附近有一个小吸收谷; 钠长石在550~810 nm同蒙脱石相似, 有一个小吸收谷, 但位置略微右移, 而且吸收谷较宽[图3(b)]。

图3 原生矿物与粘土矿物反射光谱去包络线图
(a): 粘土矿物; (b): 原生矿物Fig.3 Continuum removal curves of primary mineral and clay mineral
(a): Clay mineral; (b): Primary mineral

2.4 主要土壤矿物对土属反射光谱的影响

LCACH, SMCH和SSMS的蒙脱石含量比较高(表2), 所以他们的蒙脱石反射光谱特征比较明显, 第一个吸收谷比其他土属的第一个吸收谷小一些, LCACH和SMCH最明显; LCACH, SMCH和SSMS的伊利石含量也比较高, LCACH和SMCH的第二个吸收谷比其他土属宽一些, SSMS却没有, 可能是蒙脱石特征掩盖了伊利石的特征。 SCACH和SFMA的蒙脱石和伊利石含量都比较低(表2), 所以SCACH和SFMA的蒙脱石和伊利石特征不明显。 SCACH和SFMA的第一个吸收谷大多都是在430~590 nm之间, 吸收深度分别为0.063和0.081, 表现出“ 细长” 的特征[图2(b)和(e)]; SCACH和SFMA第二个吸收谷的吸收特征不太明显, 应该是受到了钾长石和钠长石的影响[图3(b)], 钾长石的第一个吸收谷在430~600 nm之间且吸收深度为0.092, 也表现为“ 细长” 特征, 钠长石在第二个吸收谷位置有很小的吸收特征。 SCACH和SFMA的反射光谱去包络线在两个水分吸收带(1 400和1 900 nm)前分别有较弱的吸收特征, 这是高岭石对反射光谱特征的影响, 高岭石在1 400和1 900 nm前也存在两个小的吸收特征[图3(a)]。 LBS的蒙脱石含量比较低, 伊利石含量较高(表2), 所以蒙脱石无法掩盖伊利石的反射光谱, 受伊利石影响, LBS反射光谱特征与伊利石相似, 但伊利石的特征吸收有些右移。 SCAMS自身受“ 向邻性” 影响比较严重[10], 反射光谱特征比较多, 很难分析SCAMS受哪种矿物的影响较大。

当前的研究有对东北四种典型土壤中粘土矿物组成的分析, 但测试的样本比较少; 张华安等分析了粘土矿物的反射光谱特征, 样本数虽然多, 但当时的矿物测试精度有限, 仅能分析出各粘土矿物的相对丰度[10]; 而本文对更多的土壤样本进行分析, 并且测试出每个样本中的各矿物含量, 将这两个分析结合, 研究土壤矿物对土壤反射光谱特征的影响。 研究发现, 土壤矿物会影响土壤的反射光谱特征, 且在土属级别上体现的最明显。 土壤的反射光谱特征主要受蒙脱石、 伊利石和高岭石等粘土矿物影响, 但当蒙脱石和伊利石含量比较低时, 原生矿物也会起到影响作用。 砂性土的反射光谱去包络线在1 400和1 900 nm水分吸收带附近前有两个很小的吸收谷。

2.5 土壤矿物对反射光谱特征影响的比较(土类和土属)

土壤矿物对土属反射光谱特征的影响最明显, 而在土类级别上表现的不明显。 图1(a), (b)和(c)构成了黑钙土的反射光谱特征, 即黑钙土有三种反射光谱特征。 在分析土壤矿物对黑钙土反射光谱特征的影响时, 会比较混乱, 因为三种反射光谱特征只对应黑钙土一种粘土矿物和原生矿物的含量。 与土类相比, 土属就不同, 土属是根据成土母质定义的, 而成土母质是由很多土壤矿物组成的, 所以一个土属只对应一种反射光谱特征并且对应一种粘土矿物和原生矿物的含量, 更容易明确影响反射光谱特征的主要因素。

2.6 影响反射光谱特征的主要土壤矿物

基于2.2节和2.4节的分析, 粘土矿物对土壤反射光谱特征的影响更大。 石英和长石等原生矿物在每个土类或土属中都占有很大比例, 而蒙脱石、 伊利石和高岭石等粘土矿物在不同土类或土属中所占比例存在差异。

对于粘土矿物来说, 蒙脱石是影响土壤反射光谱特征最主要的因素。 当蒙脱石含量很高时, 主要体现蒙脱石的特征, 即使伊利石的含量也很高, 伊利石会有所体现, 但不是特别明显, 比如LCACH和SMCH的伊利石含量都高于LBS的伊利石含量, 但LBS的伊利石特征最明显, 因为LCACH和SMCH的蒙脱石特征掩盖了大部分伊利石特征。 对于砂性土来说(SCACH和SFMA), 它们的反射光谱特征与粘土矿物的反射光谱特征不同, 而与钾长石和钠长石这两个原生矿物的反射光谱特征相似。

2.7 水分吸收带前存在小吸收谷的土属

砂性土(SCACH和SFMA)在1 400和1 900 nm两个水分吸收带前都有较小的吸收特征, 而非砂性土的土类或土属中基本没有这个特征。 这是因为砂性土的蒙脱石和伊利石含量很低, 这两种粘土矿物的反射光谱特征不能体现, 而高岭石的含量足够高, 蒙脱石和伊利石的特征不能将其掩盖。 图1中显示, LCACH, SCACH, SMCH和SFMA中都有这种小的吸收特征, 但通过对每一个样本反射光谱曲线的分析发现, SCACH和SFMA中的大多数样本都有这两个小吸收谷, 仅一到两个样本没有这种特征。

2.8 研究的不足之处及下一步研究

初步探讨了土壤矿物对土壤反射光谱特征的影响因素, 认为蒙脱石和伊利石是影响土壤反射光谱特征的主要因素, 当蒙脱石和伊利石含量较低时, 高岭石和长石类矿物是决定土壤反射光谱特征的主要因素。 但研究样本54个, 样本数偏少。 虽然确定了影响反射光谱特征的主要因素, 但应该更进一步的确定不同蒙脱石和伊利石含量配比情况下的反射光谱特征。 对于砂性土来说, 蒙脱石和伊利石的含量存在一个阈值, 但这个阈值的具体数值是多少, 还需要更进一步的研究。

3 结 论

以松嫩平原四种典型土壤耕层(0~20 cm)和主要土壤矿物的反射光谱数据为研究对象, 通过矿物含量和矿物的反射光谱特征分析影响土壤反射光谱特征的主要因素, 得出如下结论:

(1)粘土矿物是影响土壤反射光谱特征的主要因素, 特别是蒙脱石和伊利石, 蒙脱石影响土壤反射光谱曲线的第一个吸收谷, 伊利石影响第二个吸收谷; 在蒙脱石和伊利石不同含量配比下, 形成了不同土属的前两个吸收谷的形状差异。

(2)蒙脱石和伊利石的含量较高时, 掩盖了高岭石和原生矿物的反射光谱特征; 蒙脱石和伊利石的含量偏低时, 高岭石和长石类矿物共同影响土壤的反射光谱特征, 高岭石决定了水分吸收带前的两个小吸收谷。

(3)粘土矿物对土壤反射光谱特征的影响程度依次为蒙脱石> 伊利石> 高岭石, 蒙脱石的含量足够高时, 以体现蒙脱石的反射光谱特征为主, 体现伊利石的特征为次; 当蒙脱石和伊利石的含量都较低时, 才以高岭石的反射光谱特征为主。

研究结果解释了不同土壤反射光谱特征差异的原因, 分析了不同矿物的反射光谱特征, 可以为土壤分类、 土壤理化参数预测和矿物分布等研究提供理论依据, 为土壤精细制图、 土壤和矿物资源的利用和保护提供技术支持。

The authors have declared that no competing interests exist.

参考文献
[1] Rossel R A V, Cattle S R, Ortega A, et al. Geoderma, 2009, 150(3-4): 253. [本文引用:1]
[2] DU Chang-wen, ZHOU Gui-qin, DENG Jing, et al(杜昌文, 周桂勤, 邓晶, 等). Transactions of the Chinese Society for Agricultural Machinery(农业机械学报), 2009, 40(s1): 154. [本文引用:1]
[3] GAO Peng, FU Tong-gang, WANG Ke-lin, et al(高鹏, 付同刚, 王克林, 等). Chinese Journal of Applied Ecology(应用生态学报), 2013, 24(11): 3179. [本文引用:1]
[4] ZHANG Xiao-meng, ZHANG Xun-yu, CHEN Yuan, et al(张小梦, 张迅与, 陈媛, 等). Earth Science Frontiers(地学前缘), 2018, 25(1): 314. [本文引用:1]
[5] PENG Jie, ZHOU Qing, ZHANG Yang-zhu, et al(彭杰, 周清, 张杨珠, 等). Acta Pedologica Sinica(土壤学报), 2013 , 50(3): 517. [本文引用:1]
[6] ZHU Ya-xing, YU Lei, HONG Yong-sheng, et al(朱亚星, 于雷, 洪永胜, 等). Scientia Agricultura Sinica(中国农业科学), 2017, 50(22): 4325. [本文引用:1]
[7] Zhang B, Song X F, Zhang Y H, et al. Journal of Integrative Agriculture, 2017, 16(1): 229. [本文引用:1]
[8] Zhang X K, Liu H J, Zhang X L, et al. Geoderma, 2018, 320: 12. [本文引用:1]
[9] Kokaly, Clark, Swayze, et al. USGS Spectral Library Version 7: U. S. Geological Survey Data Series 1035, 2017. 61. [本文引用:1]
[10] ZHANG Hua-an, ZHU Yong-hao(张华安, 朱永豪). Remote Sensing for Land & Resources(国土资源遥感), 1994, 6(2): 52. [本文引用:2]