快速獲取田間尺度土壤有機質（SOM）的高分辨率空間分布對于***農業至關重要。無人機成像高光譜技術以其高空間分辨率和時效性，可以填補地面監測和遙感的研究空白。本研究旨在測試在中***東北典型低地勢黑土地區使用無人機高光譜數據（400–1000 nm）和小型校準樣本集進行1 m分辨率SOM繪圖的可行性。

該實驗在大約20公頃的土地上進行。為了進行校準，使用 100 × 100 m 網格采樣策略收集了 20 個樣品，同時隨機收集了 20 個樣品進行獨立驗證。無人機捕獲空間分辨率為0.05×0.05 m的高光譜圖像。

然后對每 1 × 1 m 內提取的光譜進行平均以代表該網格的光譜。在應用各種光譜預處理（包括吸光度轉換、多重散射校正、Savitzky-Golay 平滑濾波和***階微分）后，SOM 光譜相關系數的絕對***大值從 0.41 增加到 0.58。***佳隨機森林（RF）模型的重要性分析表明，SOM 的特征波段位于 450-600 和 750-900 nm 區域。當使用RF模型時，無人機高光譜數據（UAV-RF）能夠成功預測SOM，R 為0.53，RMSE為1.48 g kg?1。

然后將預測精度與使用相同數量校準樣本的普通克里金法（OK）和基于近端傳感的射頻模型（PS-RF）獲得的預測精度進行比較。然而，由于采樣密度較低，OK 方法無法預測 SOM 精度（RMSE = 2.17 g kg?1；R2 = 0.02）。半協方差函數無法有效描述SOM的空間變異性。當采樣密度增加到50×50 m時，OK成功預測了SOM，RMSE = 1.37 g kg?1，R2 = 0.59，其結果與UAV-RF的結果相當。PS-RF的預測精度與UAV-RF基本***致，RMSE值分別為1.41 g kg?1和1.48 g kg?1，R2值分別為0.57和0.53，表明基于UAV的SOM預測是可行的。

此外，與PS平臺相比，無人機高光譜技術可以同時提供數十甚至數百個連續波段的光譜信息和空間信息。該研究為進***步研究和開發無人機高光譜技術進行少量樣本精細尺度SOM測繪提供了參考。

研究區域位于中***吉林省梨樹縣，面積20公頃。該地區屬季風氣候，年平均降水量553.5毫米，平均氣溫6.5℃。此外，它的特點是地勢平坦，平均海拔160 m。由于這些特征，該地區成為北半球三大富含有機質的黑土地之***，主要農作物是大豆。

本研究采用Resonon公司的Resonon-Pika-L高光譜成像儀由高光譜成像光譜儀、六旋翼無人機、GPS和計算機組成。于2020年6月15日獲取了覆蓋整個研究區、像素大小為0.05×0.05 m的高光譜圖像。高光譜圖像提取的光譜范圍為400~1000 nm，光譜分辨率為2.1 nm。

根據Pearson相關系數的絕對值評價預處理方法的性能，以選擇***佳的預處理方法組合。如所示，基于吸光度轉換的MSC后，***小相關系數值發生變化（450-500 nm處為-0.4-0.6），總體相關系數在600-700 nm處增加，相關系數絕對值***大 在 700–800 nm 處增加，相關系數發生變化（800–900 nm 處為 -0.35–0.3 至 -0.5–0.3）。

本研究比較了使用無人機高光譜數據、觀測到的土壤數據和 RF 模型進行田間尺度 SOM 預測的 OK 技術。