的流程中，本发明实施例在暗室内采用FieldSpeC3仪器测量土壤光谱，对测量的光谱进行了光滑处理，对反射率光谱进行再处理，得到反射率光谱的一阶导数、二阶导数和吸收深度三个衍生指标，不同光谱指标具有不同的信息量。
[0088]以涩北气田为例，如图7A至图7D所示，为380?2500nm波长范围内4个光谱指标的谱线图，从图7A至图7D可以看出，不同光谱指标具有不同的信息量。
[0089]S104及S105为应用相关性分析的方法，计算土壤氧化还原电位与光谱指标间的相关性及确定最佳光谱指标与建模波长的步骤。S104中，计算氧化还原电位与对应土壤样品在380?2500nm波长范围的光谱指标(反射率光谱、反射率一阶导数、反射率二阶导数和反射率吸收深度)之间的相关系数。
[0090]如图8所示，S104及S105具体实施时，包括如下步骤:
[0091]S801:计算土壤氧化还原电位与对应土壤样品在380?2500nm波长范围的光谱指标(反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度)之间的相关系数；
[0092]S802:根据相关系数大小，确定用于建模的最佳光谱指标。
[0093]S803:根据相关系数大小，确定参与建模的波长。
[0094]S106具体实施时，需要以氧化还原电位作为因变量，以参与建立回归模型的波长的光谱指标(比如反射率一阶导数)作为自变量，应用偏最小二乘法，计算所述氧化还原电位与参与建立回归模型的波长的最佳光谱指标之间的回归系数。
[0095]S106之后，还可以根据土壤样品在参与所述建模波长的位置的吸收特征确定所述回归系数的合理性，以及应用交叉验证方法确定所述回归模型的预测能力。
[0096]以涩北气田为例，如图9所示，土壤样品的实测氧化还原电位与利用回归模型得到的砂百分含量对比，结果非常好。
[0097]本发明在现有技术基础上，引入可见光-近红外光谱分析技术，建立了土壤氧化还原电位-光谱指标回归模型，实现了基于可见光-近红外光谱的土壤氧化还原电位的快速预测。
[0098]如图10所示，本发明实施例还提供了一种油气藏上方土壤氧化还原电位的光谱分析装置，该光谱分析装置包括:样品采集单元1001，电位测量单元1002，指标生成单元1003，相关系数计算单元1004，参数确定单元1005及回归模型建立单元106。
[0099]样品采集单元1001用于采集油气藏及其外围浅表设定深度的土壤样品；
[0100]电位测量单元1002用于测量所述土壤样品的氧化还原电位；
[0101]指标生成单元1003用于测量土壤样品的反射率光谱，消除所述土壤样品在设定波长位置的光谱跃迀，对所述反射率光谱进行再处理，生成反射率一阶导数、反射率二阶导数和反射率吸收深度三个衍生光谱指标；
[0102]相关系数计算单元1004用于计算所述氧化还原电位与所述反射率光谱、反射率一阶导数、反射率二阶导数和反射率吸收深度之间的相关系数；
[0103]参数确定单元1005用于根据相关系数，确定建模的最佳光谱指标及建模波长；
[0104]回归模型建立单元1006用于应用最小二乘法建立所述氧化还原电位与最佳光谱指标之间的回归模型。
[0105]一实施例中，如图11所示，样品采集单元1001包括:样品采集模块1101及样品划分模块1102。
[0106]样品采集模块1101用于以设定间隔采集油气区、非油气区浅表在设定深度范围的土壤样品；
[0107]样品划分模块1102用于将采集的同一土壤样品分为两份，一份用于氧化还原电位测量，另一份用于光谱测量。
[0108]一实施例中，如图12所示，电位测量单元1002包括:加湿模块1201及电位测量模块 1202。
[0109]加湿模块1201用于对所述土壤样品洒水使其具有一定的湿度；
[0110]电位测量模块1202用于应用FJA-02型氧化还原电位去极化法自动测定仪测量所述土壤样品的氧化还原电位。
[0111]一实施例中，如图13所示，指标生成单元1003包括:粉碎模块1301，光谱生成模块1302，光谱修正模块1303及再处理模块1304。
[0112]粉碎模块1301用于对所述土壤样品进行物理粉碎，筛除块状颗粒和植物根；
[0113]光谱生成模块1302用于在暗室环境下，采用FieldSpec3光谱仪，应用接触式高密度反射探头进行样品的光谱测量，得到所述土壤样品的反射率光谱；
[0114]光谱修正模块1303用于对所述土壤样品的反射率光谱进行连接点修正，消除设定波段位置的光谱跃迀，得到校正后的反射率光谱；
[0115]再处理模块1304用于对校正后的反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度三个衍生光谱指标。
[0116]一实施例中，回归模型建立单元1005具体用于:以所述氧化还原电位作为因变量，以参与建立回归模型的波长的光谱指标作为自变量，应用偏最小二乘法，计算所述氧化还原电位与参与建立回归模型的波长的最佳光谱指标之间的回归系数。
[0117]—实施例中，如图14所示，光谱分析装置还包括:合理性确定单元1401，用于根据土壤样品在参与所述建模波长的位置的吸收特征确定所述回归系数的合理性。
[0118]—实施例中，如图15所示，光谱分析装置还包括:预测能力确定单元1501，用于应用交叉验证方法确定所述回归模型的预测能力。
[0119]本发明在现有技术基础上，引入可见光-近红外光谱分析技术，建立了土壤氧化还原电位-光谱指标回归模型，实现了基于可见光-近红外光谱的土壤氧化还原电位的快速预测。
[0120]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0121]本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0122]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程