基于USB显微镜成像与SAM模型快速反演土壤表面团聚体以丰富土壤光谱库的物理属性研究

本研究针对土壤光谱库(SSLs)中表面团聚体物理属性缺失的问题，开发了一种结合USB显微镜成像与Segment Anything Model (SAM)的快速数字化分析方案。结果表明，该方法能高效获取<2 mm土壤样品的表面团聚体粒径分布，与传统筛分法结果高度相关(R2=0.70)，显著提升了土壤光谱模型的物理表征真实性，为SSLs提供了可扩展的表面结构属性补充方案。

　　

在土壤科学领域，土壤光谱库(Soil Spectral Libraries, SSLs)已成为快速、无损预测土壤属性的重要工具。它通过将湿化学数据与风干过筛(<2 mm)土壤样品的光谱反射率建立联系来实现这一目标。然而，传统SSLs主要关注化学属性（如黏土、有机质），却普遍忽视了土壤表面团聚体这一关键物理属性。表面团聚体作为光散射的重要载体(物理染色团)，其粒径分布直接影响光谱响应特征，但由于测量复杂且耗时，该属性始终难以被有效量化并纳入光谱库。

针对这一空白，来自特拉维夫大学遥感实验室的研究团队在《Geoderma》上发表了创新性研究。他们开发了一种将USB显微镜RGB成像与零样本视觉Transformer模型(Segment Anything Model, SAM)相结合的新方法，实现了对土壤表面团聚体(<250 μm)粒径分布的快速数字化提取。该研究通过对91个代表6个美国农业部(USDA)土纲的风干土壤样品进行系统分析，在严格控制光照条件下采集五重复显微图像，并同步进行实验室标准筛分(分选为<0.1–2 mm的5个粒级)。利用SAM(ViT-H backbone)自动生成分割掩膜，通过轮廓过滤和Feret直径计算提取团聚体粒径，最终建立了数字化图像分析结果与物理筛分数据间的定量关系。

关键技术方法主要包括：1)采用多品牌USB显微镜(1000X-1600X变焦)在标准化照明与几何条件下采集土壤表面RGB图像，配合精密标尺进行像素-微米转换校准；2)应用零样本分割模型SAM自动识别团聚体边界，仅设置最小粒径过滤阈值(0.10 mm)；3)通过传统定量筛分法获取团聚体粒径的 gravimetric average diameter (AVG) 参考值；4)使用ASD FieldSpec? Hi-Res 4光谱仪采集350-2500 nm范围高光谱数据；5)采用机器学习管道(包含光谱分箱、Savitzky-Golay平滑及多种收缩回归模型)验证团聚体粒径的光谱可预测性。

3. 结果

3.1 土壤样品特性与光谱变异性

研究样本涵盖6种USDA土纲，黏土含量差异显著。通过代表性土壤显微图像与对应光谱曲线对比发现，黏土含量高的土壤表现出更高的光谱测量变异性(标准偏差平均比砂土高4.36%)，这源于黏土作为胶结剂形成的团聚体结构复杂性导致的光散射差异。

3.2 SAM分割效果验证

SAM模型成功识别了不同土壤质地的团聚体边界，生成的分割掩膜能准确反映表面结构特征(图5)。模型仅需排除<0.10 mm的细小颗粒，无需额外调参即表现出强大的泛化能力。

3.3 数字化与物理测量相关性

SAM计算的团聚体平均直径与实验室筛分结果呈现强相关(R²=0.70, RMSE=0.111 mm, MAE=0.091 mm)(图6)。黏土含量高的样品(图中红色点)显示更大变异，印证了黏土对团聚体形成的主导作用。

3.4 胶结剂与团聚体关系建模

分别使用黏土含量和土壤有机质(Soil Organic Matter, SOM)单独预测团聚体粒径时，效果较差(R²分别为0.600和0.538)。而将两者结合后，对物理筛分数据的预测能力显著提升(R²=0.788)，对SAM数据的预测也达到可接受水平(R²=0.610)(图7,8)，证实了黏土与SOM作为主要胶结剂的协同作用。

3.5 光谱预测模型性能

通过嵌套交叉验证的机器学习管道，直接从光谱数据预测团聚体粒径取得良好效果：对物理筛分粒径的预测R²达0.816，对SAM粒径的预测R²为0.604(表1,2)。特征重要性分析显示黏土相关特征(SWIR-2区1.4和1.9 μm处的OH晶格吸收)和SOM相关特征(VIS区斜率及有机官能团吸收)共同贡献于预测模型(图9,10)。

4. 讨论

本研究成功验证了USB显微镜成像结合SAM模型在量化土壤表面团聚体方面的有效性与实用性。该方法与传统物理筛分结果高度一致，且更直接地表征了光谱测量时的实际表面状态，弥补了SSLs中物理属性信息的缺失。

研究揭示了黏土含量与光谱变异性的内在联系：高黏土土壤因形成更复杂的团聚体结构而导致更高的光谱测量不确定性。这一发现强调在解释黏土光谱预测模型的高精度时，应考虑其通过影响团聚体结构(物理染色团)而间接贡献于光谱响应的机制。

方法学上，RGB-SAM方案提供了可扩展、低成本的表面团聚体量化替代方案，其非破坏性特征允许在同一样品上连续进行光谱与结构测量。SAM产生的副产物(土壤颜色、微粗糙度)还可进一步丰富土壤表征维度。

5. 结论

本研究开发了一种快速、可扩展的土壤表面团聚体数字化分析方案，通过USB显微镜成像与SAM分割模型的结合，实现了与传统筛分法高度相关的粒径分布提取(R²=0.70)。该方法成功将表面团聚体这一关键物理属性整合至土壤光谱库，增强了光谱模型的物理真实性与解释能力。通过揭示黏土与有机质作为胶结剂对团聚体形成的协同作用，研究为理解土壤结构-光谱关系提供了新视角。方案的操作简便性与成本效益使其易于在标准光谱测量流程中集成，为实验室与潜在原位土壤评估提供了实用工具。