关键词：土壤光谱 化学属性 来源地 随机森林 

摘要：土壤是一种重要的法庭痕迹科学证据,可提供有价值的信息,在案件侦破和法庭审理中发挥关键作用。对于一个未知的土样,怎样确定其来源地,是一个值得研究的问题。分别从跨省和省内两种尺度,基于黑龙江、安徽和江苏三个省市的土壤可见-近红外波段光谱以及土壤化学数据,采用随机森林模型对土壤样本的来源地进行判别,比较了不同土壤测定数据集及其组合方案的判别效果,并分析了土壤化学属性和光谱数据在来源地判别中的相对重要性,以判别正确的样点占总样点数作为验证精度进行评价。结果发现:跨省尺度下,光谱主成分和化学数据结合建模判别验证精度最佳,为0.92;土壤光谱测量所需样品量少,当土壤物证材料量少,化学数据难以获取时,光谱主成分和吸收峰结合建模验证精度最高,为0.82。省内尺度下,依旧是光谱主成分和化学数据结合建模精度最佳,为0.83;在化学数据难以获取时,仅利用光谱主成分与吸收峰也取得了相当的精度(0.82),可见在省内尺度,可以利用光谱来替代化学数据进行建模判别。计算两种尺度下判别因子的重要性发现,跨省尺度下,影响模型判别的化学数据主要是土壤中的全钾、全磷,光谱数据主要是光谱第一主成分以及350~600nm与1800~2100nm波段的吸收峰;省内化学数据主要是全磷,光谱数据主要是第七主成分与1300~1600nm以及2100~2200nm波段的吸收峰。这表明,利用土壤可见-近红外光谱与化学数据可以有效地判别土壤的来源地。当模型的样点空间分布范围有差异时,可以考虑利用不同的判别因子建模和多个指标来评估判别结果。

土壤学报杂志要求:

{1}作者简介（作者姓名、职称、职务、工作单位、详细通信地址、联系电话、电子邮箱）。

{2}已在非公开刊物上发表，或在学术会议交流过的文稿，或已用其他文种发表过的文稿(可以不再列出英文文题和英文摘要)，不属于一稿两投，但必须注明首次发表的刊物。

{3}文中图表要精选，具有自明性且随文出现，统一连续编号。图形中文字、符号和数字应与文中表述一致。

{4}文章一律使用新式标点符号。凡书籍、报刊、文章篇名等,均用书名号《》书名与篇名连用时,中间加间隔号。

{5}对省部级及省部级以上基金项目资助的论文(投稿时提交基金项目批文扫描件并在文内注明)开辟“快速通道”。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社