土壤有机质是植物生长的养分来源,是评价耕地质量的重要指标之一。快速、准确地获取土壤有机质对于推进农业精准化、农业现代化具有重要意义。当前,高光谱技术凭借信息量大、零破坏、无污染、高效率等特点,被逐渐应用于土壤有机质估测研究中。然而,土壤是一个复杂的系统,具有空间自相关性和空间异质性,现有的采用线性或非线性高光谱模型估测土壤有机质忽视了土壤的空间属性及模型残差的空间结构特征。因此,有必要探究基于土壤高光谱信息及相关环境因子构建土壤有机质空间估测模型。本研究以广水市为研究区,采集土壤样本181份,通过实验获取土壤有机质含量、土壤高光谱反射率、地形因子等数据。基于地统计方法分析研究区土壤样点有机质含量空间异质性与空间相关性;通过比较分析不同有机质含量样本的土壤光谱反射率,分析土壤有机质含量变化的土壤光谱的变化特征,揭示土壤有机质的光谱响应规律;比较了不同预处理后土壤高光谱反射率曲线的变化及土壤有机质估测模型的精度;比较了不同模型(包括非空间模型及空间模型)的土壤有机质估测效果,分析了光谱因子和地形因子对土壤有机质估测模型的影响。主要结论如下:(1)采用半变异函数表征土壤有机质含量空间特点,球状模型的块基比为0.027,说明其随机性变异程度较低,表现为强烈的结构性变异。本研究设置了 0°、45°、90°及135°四个方向,探究半变异函数在不同方向上是否存在差异。土壤有机质半变异函数值在四个方向上均不同,各向异性明显,符合几何各向异性特征。在各个方向上半变异函数值波动较为剧烈,说明土壤有机质含量在空间上变异性较高。采用Moran’I指数对土壤有机质进行全局空间自相关分析,通过分析得出土壤有机质的Moran’I指数为0.092(P<0.05),研究区内土壤有机质存在显著的空间自相关性。(2)通过比较不同样本的土壤高光谱反射率曲线发现,不同土壤有机质含量的光谱反射率曲线整体形态相似,可见光波段反射率低于近红外波段;有机质含量越高,土样全波段反射率越低;在1400、1900、2200 nm附近,出现三个吸收深度和宽度不一的吸收谷。(3)采用小波分析、多元辐射校正、一阶微分、二阶微分、SG平滑等方法对土壤高光谱进行预处理,利用PLSR模型评价预处理效果,结果表明SG平滑与一阶微分相结合为最佳预处理方法。(4)通过对土壤样本光谱进行主成分分析,前1 1个主成分累计贡献率达到90.56%,将土壤光谱主成分与土壤有机质含量进行相关性分析,其中第二、五主成分通过了(P<0.05)显著性检验,具有显著相关性。将坡度、坡向、DEM、地面粗糙度、地形起伏度、汇流动力指数、平面曲率、坡面曲率、土壤湿度指数等9个地形因子同土壤有机质含量进行相关性分析,其中,地形起伏度和DEM与土壤有机质含量具有显著相关性。(5)建立基于非空间和空间方法的土壤有机质估测模型,对比分析各个模型效果。回归克里格(RK)包含偏最小二乘回归克里格(PLSRK)和支持向量机回归克里格(SVMRK)模型,其中,PLSRK模型验证集决定系数(R2)和相对分析误差(RPD)分别为0.62、1.61,SVMRK模型验证集R2和RPD分别为0.67、1.69,均具有较优估测性能。与非空间模型相比,RK模型性能优于偏最小二乘回归(PLSR)、支持向量机(SVM)模型,说明残差项具有空间结构特征,RK反映了土壤有机质空间变异的局部特征,可更为精确地估测土壤有机质含量。从整体上看,基于非线性SVM模型的拟合效果要优于线性PLSR模型,其建模集和验证集R2分别达到0.82、0.60,RPD达到1.58,具有中等估测能力,表明土壤有机质同土壤反射率之间趋于非线性关系。普通克里格(OK)模型与协同克里格(COK)模型均表现欠佳,但COK模型建模及估测效果稍优于OK,其验证集R2和RPD分别为0.16、1.09;加入地形因子的PLSR模型性能也有所提升,说明土壤光谱信息和地形因子是土壤有机质信息的间接反映,可提供土壤有机质含量估测的辅助信息。因此,建立土壤有机质估测模型应充分考虑土壤样本及模型残差的空间结构特征,将光谱因子和地形因子协同耦合,提升模型的估测精度。