偶　２０１　１年９月　农机化研究　第９期　土壤养分遥感监测研究进展　徐丽华　，魏朝富　，谢德体。，杨伟　（西南大学ａ．资源与环境学院；ｂ．档案馆，重庆４００７１６）　摘要：用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此，综合分析了土壤养分遥感监测在光谱　特征指标的选择、反演方法、反演模型及其适用性等方面的研究进展。研究指出，随着空间信息技术的发展，遥　感技术在土壤养分预测中将展现出更广阔的应用前景。土壤养分遥感反演模型对环境、土壤类型、土壤剖面等　方面的适用性、光谱特征指标的选择、动态监测模型的建立、多源数据和多种技术手段的集成将是土壤养分监测　今后的发展研究方向。　关键词：土壤养分；遥感数据；光谱特征；反射率；统计学　中图分类号：Ｓ１５５　文献标识码：Ａ　文章编号：１００３－１８８Ｘ（２０１１）０９－０２４９—０４　０　引言　土壤养分含量准确快速地估算不仅是精确的测　土配方施肥顺利进行的保障，也是对农田面源污染进　行准确评价和有效控制的重要依据　Ｊ。　传统的土壤养分测定一般采用的是化学测定的　方法　ｌ８　Ｊ，该方法相对准确，但是费时费力，不能实时　反映土壤养分状况¨　Ｊ。遥感技术具有实时、快速获　取信息的能力，为高效快速地监测土壤养分提供了新　的技术手段＿１’７’ｍ　。　现有的土壤养分遥感监测方法都集中在从获取　的遥感数据中提取有用的信息，对土壤养分进行反　演　，ｎ・　，埔］。一个模型反演是否成功，不仅取决于观　测数据对反演参数的敏感程度，还取决于反演策略与　方法以及模型的适用性。土壤养分监测中所用到的　观测数据，都是从土壤光谱和作物冠层光谱中提取与　土壤养分高度相关的光谱特征指标ｌｌ　Ｈ　。为此，本　文从光谱特征指标的选择、反演方法、反演模型３个　方面介绍土壤养分遥感监测的应用进展。　１光谱特征指标　原始反射光谱常常受到干扰，往往不能直接反映　出光谱与土壤养分含量的关系　。因此，实际中往往　收稿日期：２０１０—１１—２４　基金项目：中央高校基本科研业务费专项（ＸＤＪＫ２００９Ｃ０６７）；国家　“十一五”科技支撑计划项目（２００７ＢＡＤ８７Ｂ］．０）　作者简介：徐丽华（１９７６一），女，黑龙江绥滨人，讲师，博士研究生，（Ｅ　－ｍａｉｌ）ｓｗｅｉｔｌｉａｎｎａ＠１２６．ｃｏｒｎｏ　通讯作者：谢德体（１９５７一），男，四川开江人，教授，博士生导师，（Ｅ—　ｍａｉｌ）ｘｄｔ＠ＳＷＵ．ｅｄｕ．ｃｎ　采用原始光谱的变换形式作为反映土壤养分变化的　光谱特征指标。　１．１　光谱形状特征及反射率的代数运算形式　光谱的形状特征参数经常作为与土壤养分预测　的光谱特征指标¨　Ｈ　Ｊ。研究指出，黑土土壤全氮含　量与黑土在１　１００ｎｍ的反射峰高度、５６０ｎｍ的反射面　积具有最好的相关性…，但波段深度与土壤全氮含量　之间具有较低的回归精度　Ｊ。而归一化反射高度建　立的土壤全氮含量估测模型在棉花的４个生育期都　具有通用性，并在花期中取得了最高的估测精度＿】　。　除此之外，很多学者采用了原始光谱的代数运算　形式作为光谱特征指标　。其中，反射率倒数的对数　（吸光度）是经常采用的一种代数变换形式，它与土壤　养分高度相关　Ｊ　¨。反射率的对数与土壤全氮　含量的相关性也比较高　，但反射率的倒数与土壤全　氮之间的关系并不够稳定　Ｊ。　１．２植被指数　植被指数是从作物冠层光谱中提取的主要光谱　特征指标。最优土壤调节植被指数ＯＳＡＶＩ、土壤亮度　指数ＭＳＢＩ、生理反射植被指数ＰＲＩ都与土壤全氮含量　达到显著相关水平，利用这些指标监测土壤的养分，　往往都能取得较满意的效果　。归一化植被指数　ＮＤＶＩ、转换型调节植被指数ＴＳＡＶＩ及比值植被指数　ＲＶＩｉ与土壤速效氮含量也具有很好的相关性＿ｌ　５＿。由　于受到土壤背景、环境条件、大气状况等多种因素的　影响，植被指数往往具有明显的地域性和时效性心　。　因此，在不同地区，用于土壤养分遥感监测的植被指　数指标往往是不同的＿ｌ　。　・２４９・

　２０１　１年９月　农机化研究　第９期　１．３光谱反射率的微分形式　不同的微分形式对土壤养分的响应往往是不同　的，也可能产生不同的校正或者验证精度　。　与原始光谱反射率、反射率倒数的一阶导、反射　率平方根的一阶导、反射率的一阶导相比，反射率对　数的一阶导与土壤全氮含量的相关性最好　Ｊ。反射　率的一阶导数与土壤养分也具有很好的相关　性　＇，８，９，１３，２４１，但该指标参数不适用于河北沧州的滨海　盐潮土表层土土壤全氮含量反演　。吸光度的导数　与北方潮土的全氮具有较高的相关系数，但是与东北　黑土的全氮含量之间的相关系数较低　。除此之外，　光谱反射率的二阶微分也是土壤养分监ｉ贝４中经常使　用的指标¨　。　目前的研究多集中于土壤氮含量反演中光谱指　标的选取，用这些指标来反演土壤养分取得了令人满　意的效果　。但由于所选择的光谱特征不能较好地　反映磷、钾等其他营养元素的变化，所以用这些指标　构建的反演模型，往往精度并不是很高　，　。因　此，选择与所研究的土壤养分具有高度相关的光谱特　征指标是学者们普遍关注的研究内容。　２建模方法　构建反演模型的方法多数使用的是统计方法。　除了传统的多元线性回归、逐步多元回归分析以外，　人工神经网络、最小二乘支持向量机、主成分分析、偏　最小二乘等其他高级统计方法及机器学习方法也被　广泛用于土壤养分的反演¨　。。。从目前看，　比较研究各种建模方法，寻求具有较高精度的反演模　型是很多学者努力研究的工作内容之一。　偏最小二乘和主成分分析是土壤养分反演中常　用的方法，其预测能力也是比较稳健的，但当用于建　模的数据集中存在定标的数据集中，不包含干扰效应　时，必须进行场址特性校正¨　。在土壤全氮含量的预　测中，偏最小二乘方法预测结果好于最小二乘支撑向　量机　；而在土壤全磷含量的预测中，最小二乘支撑　向量机的预测精度却高于最小二乘方法。有研究表　明，神经网络方法对土壤养分预测的精度不仅高于偏　最小二乘方法　川，还具有较好的鲁棒性　。很多时　候，综合两种或两种以上的统计方法对土壤养分预　测，往往比单独的方法具有更高的精度　’　。　相同的输入、相同的建模方法，也有可能得到不同的　反演模型　。这主要是由于复杂的土壤环境造成的。　不同地区具有不同的土壤类型和环境条件，植被　生长状况也不同，很难找到一种适用于不同地区的、　不同土壤类型的通用土壤养分遥感监测反演模型　。　有时土壤水分对反射光谱的影响，可能超过了土壤类　型对反射光谱的影响　。与使用原土样或进行田问　直接检测结果的模型相比，使用经过干燥处理土样的　模型往往具有很高的精度　。除此之外，土壤的　质地和耕作措施也是影响土壤养分反演模型精度的　重要因素　＇∞　ｌ。　相同土壤类型不同深度上的土壤养分反演模型　也不完全相同。研究显示，Ｍｇ在土壤的不同层次都　表现出较高的预测精度，但交换性Ｎａ在两个土壤层　的预测精度具有明显的差异　。土壤全氮模型适用　于山西广灵黄土类型不同层次的土壤，但不适用于河　北沧州滨海盐潮土的不同层次；表层土壤（０～ｌＯｅｍ）　的土壤全氮反演模型的精度低于深层土壤（１０～　３０ｅｒａ，３０—６０ｃｍ）　。这说明，某地区土壤的养分模　型可以用于该地区的表层土壤和深层土壤　…，但可能　并不适用于其他地区，这还需要进一步的验证。　４　结语　土壤养分的遥感反演虽然取得了一定的研究进　展，但是总体上都注重于某个时间点的研究，是静态　的，目前还没有发现土壤养分遥感监测模型；另外，空　间信息技术的发展，多源数据的共享和集成也将为土　壤养分遥感监测提供新的技术手段。为此，今后可从　以下几个方面开展进一步的研究。　１）进一步深入研究和探讨与土壤养分，尤其是　磷、钾等元素具有高度相关的光谱特征指标，提高模　型预测的精度。　２）针对不同的土壤类型、土壤剖面、耕作条件、气　候的环境等进一步研究遥感数据用于预测土壤养分　的可能性。　３）利用遥感数据的动态性，建立土壤养分遥感监　测的动态模型，研究不同时期内土壤养分的变化。　参考文献：　［１］卢艳丽，白由路，王磊，等．黑土土壤中全氮含量的高光谱　３　反演模型适用性研究　［２］　从模型的通用表达形式可看出，输入变量和建模　方法是影响函数模型的主要因素　。但即使是　［３］　・２５０・　预测分析［Ｊ］．农业工程学报，２０１０，２６（１）：２５６—２６１．　袁石林，马天云，宋韬，等．土壤中总氮与总磷含量的近红　外光谱实时检测方法［Ｊ］．农业机械学报，２００９，４０（ｚ１）：　１５０—１５３．　李伟，张书慧，张倩，

等．近红外光谱法快速测定土壤碱解　２０１　１年９月　农机化研究　第９期　氮、速效磷和速效钾含量［Ｊ］．农业工程学报，２００７，２３　（１）：５５－５９．　［４］　陈鹏飞，刘良云，王纪华，等．近红外光谱技术实时测定土　壤中总氮及磷含量的初步研究［Ｊ］．光谱学与光谱分析，　２００８，２８（２）：２９５－２９８．　［５］宋晓宇，王纪华，薛绪掌，等．利用航空成像光谱数据研　究土壤供氮量及变量施肥对冬小麦长势影响［Ｊ］．农业工　程学报，２００４，２０（４）：４５－４９．　［６］徐永明，蔺启忠，黄秀华，等．利用可见光／近红外反射光　谱估算土壤总氮含量的实验研究［Ｊ］．地理与地理信息科　学，２００５，２１（１）：１９—２２．　［７］潘瑜春，王纪华，陆安祥，等．基于小麦长势遥感监测的土　壤氮素累积估测研究［Ｊ］．农业工程学报，２００７，２３（９）：５８　—６３．　［８］　胡永光，李萍萍，吴才聪，等．基于漫反射光谱的茶园土壤　硝态氮检测［Ｊ］．农业工程学报，２００９，２５（ｚ２）：２４０—２４４．　［９］　于飞健，闵顺耕．近红外光谱法分析土壤中的有机质和氮　素［Ｊ］．分析试验室，２００２，２１（３）：４９—５１．　［１０］　Ｃｏｎｆａｌｏｎｉｅｒｉ，Ｍ．，Ｆ．Ｆｏｒｎａｓｉｅｒ，Ａ．Ｕｒｓｉｎｏ，Ｔｈｅ　ｐｏｔｅｎｔｉａｌ　ｏｆ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｒｅｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｓ　ａ　ｔｏｏｌ　ｆｏｒ　ｔｈｅ　ｔｈｅｍ－　ｉｃａｌ　ｅｈａｒａｃｔｅｒｉｓａｔｉｏｎ　ｏｆ　ａｇｒｉｃｕｌｔｕｒａｌ　ｓｏｉｌｓ『Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ，２００１（９）：１２３．　［１　１］Ｄｉｋｅｒ，Ｋ．，Ｗ．Ｃ．Ｂａｕｓｃｈ．Ｒａｄｉｏｍｅｔｒｉｃ　ｆｉｅｌｄ　ｍｅａｓｕｒｅｍｅｎｔｓ　ｏｆ　ｍａｉｚｅ　ｆｏｒ　ｅｓｔｉｍａｔｉｎｇ　ｓｏｉｌ　ａｎｄ　ｐｌａｎｔ　ｎｉｔｒｏｇｅｎ［Ｊ］．Ｂｉｏｓｙｓｔｅｍｓ　ｅｎｇｉｎｅｅｒｉｎｇ，２００３，８６（４）：４１１－４２０．　［１２］Ｅｈｓａｎｉ，Ｍ．Ｒ．，Ｓ．Ｋ．Ｕｐａｄｈｙａｙａ，Ｄ．Ｓｌａｕｇｈｔｅｒ，ｅｔ　ａ１．Ａ　ＮＩＲ　ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　ｒａｐｉｄ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｓｏｉｌ　ｍｉｎｅｒａｌ　ｎｉｔｒｏ—　ｇｅｎ［Ｊ］．Ｐｒｅｃｉｓｉｏｎ　ａｇｒｉｃｕｌｔｕｒｅ，１９９９，１（２）：２１９－２３６．　［１３］程彬，姜琦刚，湛邵斌．利用可见光／近红外一短波红外光　谱预测土壤总氮含量的研究［Ｊ］．安徽农业科学，２００７，　３５（１０）：３　００９．　［１４］潘文超，李少昆，王克如，等．基于棉花冠层光谱的土壤　氮素监测研究［朋．棉花学报，２０１０，２２（１）：７０—７６．　［１５］薛利红，卢萍，杨林章，等．利用水稻冠层光谱特征诊断　土壤氮素营养状况［Ｊ］．植物生态学报，２００６，３０（４）：６７５　—６８１．　［１６］　Ｂｒｕｎｅｔ，Ｄ．，Ｍ．Ｂｅｒｎｏｕｘ，Ｂ．Ｇ．Ｂａｒｔｈ￣ｓ．Ｃｏｍｐａｒｉｓｏｎ　ｂｅ—　ｔｗｅｅｎ　ｐｒｅｄｉｃｔｉｏｎｓ　ｏｆ　Ｃ　ａｎｄ　Ｎ　ｃｏｎｔｅｎｔｓ　ｉｎ　ｔｒｏｐｉｃａｌ　ｓｏｉｌｓ　ｕｓｉｎｇ　ａ　Ｖｉｓ－ＮＩＲ　ｓｐｅｃｔｒｏｍｅｔｅｒ　ｉｎｃｌｕｄｉｎｇ　ａ　ｆｉｂｒｅ—ｏｐｔｉｃ　ｐｒｏｂｅ　ｖｅｒｓｕｓ　ａ　ＮＩＲ　ｓｐｅｃｒｏｍｅｔｅｒ　ｉｎｃｌｕｄｉｎｇ　ａ　ｓａｍｐｌｅ　ｔｒａｎｓｐｏｒｔ　ｍｏｄｕｌｅ［Ｊ］．　Ｂｉｏｓｙｓｔｅｍｓ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００８，１００（３）：４４８—４５２．　［１７］Ｇｉｌａｂｅｒｔ，Ｍ．Ａ．，Ｊ．Ｇｏｎｚｈｌｅｚ—Ｐｉｑｕｅｒａｓ，Ｆ．Ｊ．Ｇａｒｃｉａ—Ｈａｒｏ，　ｅｔ　ａ１．Ａ　ｇｅｎｅｒａｌｉｚｅｄ　ｓｏｉｌ－ａｄｊｕｓｔｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ［Ｊ］．Ｒｅ—　ｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　ｅｎｖｉｒｏｎｍｅｎｔ，２００２，８２（２－３）：３０３－３１０．　［１８］　曾志远．卫星图象密度一辐射量算与土壤资源探测［Ｊ］．　资源科学，１９８１（４）：７２—７８．　［１９］汪善勤，舒宁，张海涛．土壤全氮田间Ｖｉｓ／ＮＩＲ光谱测定　方法研究［Ｊ］．光谱学与光谱分析，２００８，２８（４）：８０８一　・２５ｌ・　［２Ｏ］　［２１］　［２２］　［２３］　［２４］　［２５］　［２６］　［２７］　［２８］　［２９］　［３Ｏ］　［３１］　［３２］　［３３］　［３４］　８ｌ２．　鲍一丹，何勇，方慧，等．土壤的光谱特征及氮含量的预　测研究［Ｊ］．光谱学与光谱分析，２００７，２７（１）：６２－６５．　彭玉魁，卢恩双．土壤水分，有机质和总氮含量的近红外　光谱分析研究［Ｊ］．土壤学，１９９８，３５（４）：５５３—５５９．　张良培，张立福．高光谱遥感［Ｍ］．武汉：武汉大学出版　社．２００５．　Ｌｅｏｎ，Ｃ．Ｔ．，Ｄ．Ｒ．Ｓｈａｗ，Ｍ．Ｓ．Ｃｏｘ，ｅｔａ１．Ｕｔｉｌｉｔｙ　ｏｆ　ｒｅ—　ｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｎ　ｐｒｅｄｉｃｔｉｎｇ　ｃｒｏｐ　ａｎｄ　ｓｏｉｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．　Ｐｒｅｃｉｓｉｏｎ　Ａｇｒｉｃｕｌｔｕｒｅ．２００３（４）：３５９－３８４．　Ｍｉｎｚａｎ，Ｌ．Ｅｖａｌｕａｔｉｎｇ　ｓｏｉｌ　ｐａｒａｍｅｔｅｒｓ　ｗｉｔｈ　ｖｉｓｉｂｌｅ　ｓｐｅｃｔｒｏｓ－　ｃｏｐｙ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｆ　Ｔｈｅ　Ｃｈｉｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，１９（５）：３６－４１．　张雪莲，李晓娜，武菊英，等．不同类型土壤总氮的近红　外光谱技术测定研究［Ｊ］．光谱学与光谱分析，２０１０，３０　（４）：９０６—９１０．　孙建英，李民赞，郑立华，等．基于近红外光谱的北方潮　土土壤参数实时分析［Ｊ］．光谱学与光谱分析，２００６，２６　（３）：４２６—４２９．　Ｓａｓａｏ，Ａ．，Ｓ．Ｓｈｉｂｕｓａｗａ，Ｋ．Ｓａｋａｉ，ｅｔ　ａ１．Ｓｏｉｌ　Ｐａｒａｍｅｔｅｒｓ　Ｅｓｔｉｍａｔｉｏｎ　ｗｉｔｈ　ＮＩＲ　Ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｊａｐａ—　ｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｍａｃｈｉｎｅｒｙ，２０００，６２（３）：１ｌ１—　１２０．　Ｈｅ，Ｙ．，Ｍ．Ｈｕａｎｇ，Ａ．Ｇａｒｅｆａ，ｅｔ　ａ１．、Ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｓｏｉｌ　ｍａｃｒｏｎｕｔｒｉｅｎｔｓ　ｃｏｎｔｅｎｔ　ｕｓｉｎｇ　ｎｅａｒ—ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　［Ｊ］．Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，２００７，５８　（２）：１４＿４—１５３．　．　Ｈｅ，Ｙ．　，Ｈ．Ｓｏｎｇ，Ａ．Ｇ．Ｐｅｒｅｉｒａ，ｅｔ　ａ１．Ａ　ｎｅｗ　ａｐｐｒｏａｃｈ　ｔｏ　ｐｒｅｄｉｃｔ　Ｎ，Ｐ，Ｋ　ａｎｄ　ＯＭ　ｃｏｎｔｅｎｔ　ｉｎ　ａ　ｌｏａｍｙ　ｍｉｘｅｄ　ｓｏｉｌ　ｂｙ　ｕｓｉｎｇ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｒｅｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ａｄｖａｎｃｅｓ　ｉｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｍｐｕｔｉｎｇ，２００５，３６４４：８５９－８６７．　Ｍｏｒｏｎ，’Ａ．，Ｄ．Ｃｏｚｚｏｌｉｎｏ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｒｅ—　ｆｌｅｃｔａｎｃｅ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｆｏｒ　ｔｈｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｏｒｇａｎｉｃ　Ｃ，ｔｏｔａｌ　Ｎ　ａｎｄ　ｐＨ　ｉｎ　ｓｏｉｌｓ　ｏｆ　Ｕｒｕｇｕａｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ，２００２，１０（３）：２１５－２２１．　郑立华，李民赞，潘娈，等．近红外光谱小波分析在土壤　参数预测中的应用［Ｊ］．光谱学与光谱分析，２００９，２９　（６）：１　５４９－１　５５２．　ＭｕＨｅｒ，Ｅ．，Ｈ．Ｄｅｃａｍｐｓ　Ｍｏｄｅｌｉｎｇ　ｓｏｉｌ　ｍｏｉｓｔｕｒｅ－ｒｅｆｌｅｃｔａｎｃｅ　［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，２００１，７６（２）：１７３—　１８０．　Ｒｕｓｓｅｌｌ，Ｃ．Ａ．，Ｊ．Ｆ．Ａｎｇｕｓ，Ｇ．Ｄ．Ｂａｔｔｅｎ，ｅｔ　ａ１．Ｔｈｅ　ｐｃ—　ｔｅｎｔｉａｌ　ｏｆ　ＮＩＲ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｔｏ　ｐｒｅｄｉｃｔ　ｎｉｔｒｏｇｅｎ　ｍｉｎｅｒａｌｉｚａｔｉｏｎ　ｉｎ　ｒｉｃｅ　ｓｏｉｌｓ［Ｊ］．Ｐｌａｎｔ　ａｎｄ　ｓｏｉｌ，２００２，２４７（２）：２４３—２５２．　Ｍａｌｌｅｙ，Ｄ．Ｆ．，Ｌ．Ｙｅｓｍｉｎ，Ｄ．Ｗｒａｙ，ｅｔ　ａ１．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｎｅａｒ——ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｉｎ　ａｎａｌｙｓｉｓ　ｏｆ　ｓｏｉｌ　ｍｉｎｅｒａｌ　ｎｕｔｒｉ—　ｅｎｔｓ［Ｊ］．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ｉｎ　ｓｏｉｌ　ｓｃｉｅｎｃｅ　ａｎｄ　ｐｌａｎｔ　ａｎａｌｙｓｉｓ．　１９９９，３０（７）：９９９－１　０１２．