基于VIS-NIR光谱的互花米草入侵湿地土壤有机碳预测研究

为了研究可见光—近红外光谱技术预测互花米草入侵背景下滨海湿地土壤有机碳含量的潜力,以江苏省典型互花米草湿地为研究对象,利用时空替代法采集15个土壤剖面3个深度共45个土壤样品。在实验室测定土壤光谱及有机碳含量,利用偏最小二乘回归方法建立了基于6种光谱变换的土壤有机碳预测模型,并分析了互花米草入侵年限和土层深度对土壤光谱和模型预测精度的影响。结果表明,表层土壤有机碳含量随互花米草入侵而显著增加。相对于仅包含光谱信息的预测模型,加入辅助变量(土层深度和植物入侵年限)建立的混合模型预测精度更高。交叉验证结果表明,基于光谱倒数1/R建立的混合模型预测精度最高,其决定系数(R~2)为0.68,预测相对分析误差(RPD)为1.6,是预测互花米草入侵湿地土壤有机碳含量的最优模型。本研究表明,利用可见光—近红外光谱技术可以对互花米草入侵湿地的土壤有机碳含量进行有效预测,土层深度和植物入侵年限辅助变量可以在一定程度上提高模型预测精度。     

梯田不同作物土壤有机碳含量及其影响因素分析

以赤峰市敖汉旗水平梯田土壤为研究对象,选取玉米、谷子、高粱、绿豆4种当地多年主栽作物的表层(0~20 cm)土壤216个样品,通过方差分析方法探究梯田4种作物表层土壤有机碳含量的差异及其影响因素。结果表明,研究区梯田表层土壤有机碳含量平均值为6.34 g/kg,处于中等偏下水平。不同作物土壤有机碳含量由高到低表现为绿豆谷子高粱玉米。在0.01显著性水平下,绿豆地土壤有机碳含量显著高于玉米、高粱、谷子地(P=0.000 6)。玉米、高粱、绿豆地土壤有机碳含量均随坡位的上升而减少,谷子则相反。4种作物土壤有机碳含量大小在两个坡向上都表现为阴坡阳坡。下坡位以及阴坡的土壤有机碳含量比较高。人为因素是通过不同的耕作制度和管护措施来影响梯田土壤有机碳含量的,免耕、秸秆还田、绿豆种植等措施能提高梯田土壤有机碳含量。     

结合高光谱信息的土壤有机碳密度地统计模型

传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R~2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R~2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。     

侵蚀红壤区植被恢复对表层与深层土壤有机碳矿化的影响

试验研究了典型红壤侵蚀区不同植被恢复年限(0,11,31a)的表层(0—10cm)和深层(60—80cm)土壤有机碳矿化特征。结果表明:深层土壤有机碳84d累积矿化量或潜在矿化量显著低于表层土壤,植被恢复则显著增加了表层和深层土壤累积矿化量或潜在矿化量(P0.05),相关分析显示土壤有机碳累积矿化量或潜在矿化量与WSOC、MBC和SOC显著(P0.05)或极显著(P0.01)相关,表明碳矿化底物数量是决定土壤碳累积矿化量或潜在矿化量的主导因子;对照表层土壤的矿化速率常数(k)高于深层土壤的,植被恢复降低了表层土壤的k值(P0.05),对深层土壤的k值却没有显著影响;而深层土壤矿化率显著高于表层土壤,且植被恢复后均显著降低(P0.05),相关分析显示土壤有机碳矿化率与微生物代谢熵呈极显著的正相关(P0.01),表明微生物碳利用效率是影响土壤碳矿化率的重要因素,而深层土壤微生物碳利用效率显著低于表层土壤,但植被恢复可以改善侵蚀红壤的环境条件,提高土壤微生物的碳利用效率,从而增强土壤固碳能力。     

四川省仁寿县土壤有机碳空间分布特征及其主控因素

准确地获取区域尺度内土壤有机碳含量信息对土壤碳调控及全球环境变化具有重要意义。本研究基于野外实地采集的555个表层(0~20 cm)土样,探讨四川省仁寿县土壤有机碳空间分布特征及其主控因素。运用方差分析和回归分析对比了成土母质、土壤类型和土地利用方式对仁寿县土壤有机碳空间分布的影响。结果表明:研究区表层土壤有机碳含量为3.36~37.10 g·kg-1,平均13.46 g·kg-1,变异系数为48.87%,属中等强度的空间变异性。块金效应C0/(C0+C)为66.7%,空间分布受结构性因素和随机性因素的共同影响,总体呈现北高南低的趋势。土地利用方式和土壤类型对土壤有机碳的影响极显著(P0.01),而成土母质的影响不明显(P=0.256)。土类能够独立解释23.7%的土壤有机碳空间变异;亚类和土类的解释能力接近,分别为27.0%和27.1%,土壤亚类可作为探讨该区域土壤有机碳空间变化的最小土壤分级单元。土地利用方式能独立解释53.0%的土壤有机碳空间变异,远大于土壤类型,是研究区土壤有机碳空间分布的主控因素。     

基于多变量与RF算法的耕地土壤有机碳空间预测研究——以福建亚热带复杂地貌区为例

耕地土壤有机碳(Soil Organic Carbon,SOC)含量不仅是土壤质量的重要表征,还是农业温室气体的重要源库,而基于环境变量建立的随机森林算法(Random Forest,RF)是当前提高土壤有机碳空间预测精度的方法,但不同组合环境变量对RF模型预测精度的影响仍需深入研究。本文以福建闽东南复杂地貌区为例,以两种环境变量组合(遥感变量+气候因子和遥感变量+气候因子+土壤属性)为输入数据集,利用RF算法对耕地表层SOC含量进行模拟预测和精度对比,并与普通克里格(OrdinaryKriging,OK)插值模型进行比较。结果表明,基于全部环境变量构建的RF模型表现最佳,其模型拟合度和预测精度相较于未加入土壤属性的模型有显著提高(r提高7.95%,为0.95,RMSE下降45.13%),且对SOC空间分异信息的捕获更精确,OK模型总体预测精度最弱。利用最优模型反演得到的研究区耕地SOC含量为14.70±2.95 g·kg~(–1),东部沿海低于西部内陆。变量贡献率分析显示,除了与土壤碳紧密相关的水解性氮(N),遥感变量中数字高程模型(Digital Elevation Modecs,DEM)也是影响闽东南地区SOC预测精度的重要变量,因此,遥感变量、气候因子和土壤属性共同驱动的随机森林模型可作为闽东南复杂地貌区耕地有机碳含量空间预测的有效方法。     

基于多光谱遥感图像的青海湖流域土壤有机质估算初探

土壤有机质是土壤固相部分的重要组成成分,也是陆地表层重要的碳库,其含量的快速、准确测定关乎农牧业生产活动安排与地表过程研究中关键参数的获取效率。为了探寻适合青藏高原高寒地区土壤有机质遥感反演的响应波段及遥感模型,实现区域像元尺度上的土壤表层有机质估算,本文利用Landsat8-OLI多光谱遥感数据与实地采样数据对青海湖流域表层(0～20 cm)土壤进行了有机质含量反演研究。结果表明:Landsat8-OLI影像的第5、6和7波段是青海湖流域土壤有机质含量的特征波段,基于这3个波段构建的土壤有机质遥感反演三元回归模型(R~2=0.704,P0.001),经实测点验证(RMSE=8.66)与相关文献研究结果验证(RMSE=8.85),精度高、稳定性强、预测趋势平稳。本研究不仅为高寒地区土壤有机质含量快速测定提供了一定的技术支持,也为高寒地区的碳库计算、土壤肥力评价、土壤碳循环、农作物估产、草地退化监测等提供了参考。     

上海市绿地表层土壤有机碳储量的估算

本文调查了上海市472个绿地土壤样点,通过对其土壤有机碳含量、密度等指标进行测定分析,最终估算出上海市绿地土壤表层有机碳储量,同时为预测上海市未来十几年的碳库变化提供数据支撑。研究结果表明:①上海市绿地表层(0～20 cm)土壤有机碳空间分异性较大,土壤有机碳含量和密度表现为西高东低,且自中心向四周逐渐增高。②不同绿地类型土壤有机碳含量大小依次为:公园绿地公共绿地道路绿地;有机碳密度的大小依次为:公共绿地公园绿地道路绿地。不同绿地类型土壤有机碳含量和密度差异显著,其中,城区不同绿地类型土壤有机碳含量和密度差异显著(P0.05),但郊区不同绿地类型土壤有机碳含量和密度差异不显著(P0.05)。③2015年上海市绿地表层土壤有机碳储量约为4.26×106 t。预计到2035年,上海市绿地表层土壤有机碳储量约可达到1.53×107 t。     

名山河流域不同土壤类型和土地利用方式下有机碳的分布特征

以名山河流域不同类型土壤为研究对象,研究了不同土地利用方式下土壤有机碳和团聚体中有机碳含量的分布特征。结果表明:(1)名山河流域3种类型的土壤有机碳含量在17.50~34.70g/kg之间,含量高低表现为水稻土黄壤紫色土,水稻土含量分别是黄壤和紫色土的1.32,1.39倍;从不同的土地利用方式看,水田土壤有机碳及活性有机碳含量显著高于旱地、茶园和果园,土壤活性有机碳与土壤有机碳呈极显著正相关(R2=0.884 6);(2)土壤有机碳含量在土壤剖面中表现出随着土层深度的增加而降低的趋势,表层土壤(0—20cm)有机碳含量由高到低依次为水稻土黄壤紫色土,下层土壤(20—40cm)有机碳含量为水稻土紫色土黄壤,土壤活性有机碳含量的分布具有相似规律;(3)在不同土地利用方式下,表层土壤(0—20cm)有机碳含量大小关系表现为水田旱地果园茶园,下层土壤(20—40cm)有机碳含量表现为水田果园茶园旱地,水田表层、下层土壤活性有机碳含量均极显著地高于旱地、果园、茶园,再次证明活性有机碳是表征有机碳特性的重要指标;(4)3种类型土壤的团聚体在不同的利用方式下的有机碳含量表现出随着土壤剖面加深而降低的趋势,土壤团聚体的单位有机碳含量随着粒径的减小呈现波浪形的变化趋势,各粒径团聚体中的有机碳含量与土壤有机碳含量呈正相关关系。综上可知,土壤类型的差异和土地利用方式的不同会对土壤有机碳及各粒径团聚体中有机碳的含量及分布特征产生一定的影响。     

植被恢复对侵蚀坡地表层土壤性质的影响

为了评价表层土壤有机碳和养分对放牧和不同植被类型互作的反应,选择四川省西昌市西溪乡牛郎村马家松坡放牧丘陵坡地,分别在坡顶、上、中、下部各层采集有乔木(桉树)、灌木(米油枝)、草本3种类型植被覆盖以及无植被覆盖的0—5 cm表层土壤,测定分析了土壤容重、土壤有机碳、速效氮含量。结果表明,植被对改善表层土壤有机碳和速效氮含量的作用大小顺序为:米油枝>草本植物>桉树。米油枝、草本植物能显著提高土壤有机碳和速效氮含量,桉树改善表层土壤有机碳和速效氮含量的作用则比较小。不同坡位对土壤有机碳、速效氮含量无显著影响。不同植被类型下表层土壤容重变化为:米油枝下土壤<桉树下土壤<草地<裸地。米油枝能显著降低表层土壤容重,而在不同坡位间无显著差异。不同植被类型下表层土壤对放牧的反应不同。放牧显著降低了桉树林下表层土壤有机碳和速效氮的含量,对米油枝和草本植物覆被下表层土壤性质的影响不显著。     

引入时相信息的耕地土壤有机质遥感反演模型

土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。     

Sample preparation and selection for qualitative and quantitative analyses of soil organic carbon with mid‐infrared reflectance spectroscopy

Mid‐infrared spectroscopy (MIRS) is a well‐established analytical tool for qualitative and quantitative analysis of soil samples. However, effects of soil sample grinding procedures on the prediction accuracy of MIR models and on qualitative spectral information have not been well investigated and, in consequence, not standardized up to now. Further, the effects of soil sample selection on the accuracy of MIR prediction models has not been quantified yet. This study investigated these effects by using 180 well‐characterized soil samples that were ground for different times (0, 2 or 4 minutes) and then used for MIR measurements. To study the impact of sample preparation, soil spectra were subjected to principal component analyses (PCA), multiple regression and partial least square (PLS) analysis. The results indicate that the prediction accuracy of MIR models for soil organic carbon (SOC) and pH and the qualitative spectral information were better overall for lightly ground (2 minutes) soil samples compared with intensively (4 minutes) or unground soil samples. Whereas the grinding procedure did not show any effect on spectra of clay minerals, spectral information for quartz and for SOC was modified. Even though it is difficult to recommend a global standardized soil sample grinding procedure for MIR measurements because of different mill types available within laboratories, we highly recommend using an internally standardized grinding procedure. Moreover, we show that neither land use nor soil sampling depth influences the prediction of the SOC content. However, sand and clay content substantially affect the score vectors used by the PLS algorithm to predict the SOC content. Thus, we recommend using soil samples similar in texture for more precise SOC calibration models for MIR spectroscopy.     

基于Google Earth Engine和机器学习的耕地土壤有机质含量预测

土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎（Google Earth Engine,GEE）云计算平台的出现,为土壤有机质的高效反演提供了新的途径和方法。该研究以藁城区的Sentinel-2A MSI数据和Landsat8 OLI 数据为主要的数据源,结合Sentinel-1 SAR数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,分别采用随机森林（Random Forest,RF）、梯度升级树（Gradient Boosting Decision Tree,GBDT）和支持向量机（Support Vector Machine,SVM）算法,在GEE平台对藁城耕地土壤有机质含量进行反演。结果表明：1）基于Sentinel-2A建立的模型（模型A*）在预测SOM含量方面优于基于Landsat8建立的模型（模型B*）,GDBT算法下的Sentinel-2A的全变量模型取得了最佳结果（R2=0.759,RMSE= 2.852 g/kg）;2）模型A-1对比模型A-0增加了红边波段,模型A-1比模型A-0提高了9.752%;3）从不同的预测算法来看,GDBT算法能较好地适用于研究区的土壤有机质预测,GDBT算法、Sentinel-2A与GEE的结合是SOM预测制图的一种有效方法。     

成都典型区水稻土有机碳组分构成及其影响因素研究

农田生态系统土壤有机碳对农业生产、生态平衡和全球气候变化至关重要,有机碳组分构成及平均驻留时间对深入了解土壤有机碳特征及演变规律意义重大。通过土壤呼吸培养实验和三库一级动力学方程,模拟分析了成都典型区水稻土有机碳组分构成特征;利用土壤定量化属性与有机碳各组分相关及回归分析,建立研究区土壤有机碳各组分预测模型。结果表明,有机碳组分的活性碳、慢性碳和惰性碳含量在表层(0~20 cm)分别为0.42、6.13、11.43 g kg-1,均高于亚表层(20~40 cm)的0.23、4.09、7.50 g kg-1,两土层间有机碳组分含量具有显著性差异,但有机碳组分比例没有显著性差异。剖面(0~100 cm)有机碳组分含量随着深度增加而减小,活性碳和慢性碳比例随着深度增加而降低,惰性碳比例则随着深度增加显著升高。容重、全氮和全磷对有机碳各组分含量,质地对活性碳组分含量、比例及平均驻留时间,p H对慢性碳和惰性碳组分比例均具有显著影响;活性碳和惰性碳组分含量与土壤全氮、碳氮比、p H以及土壤细粉粒(0.02~0.002 mm)含量间存在显著线性关系,可用来预测水稻土有机碳各组分含量,研究结果对其他地区土壤有机碳各组分研究及预测具有积极启示作用。     

采用无人机载高分辨率光谱仪反演土壤有机碳含量

小型无人机(Unmanned Aerial Vehicle,UAV)平台与土壤高光谱技术的有机结合可作为一种快速、准确获取高分辨率土壤有机碳(Soil Organic Carbon,SOC)空间信息的手段,适用于精准农业管理和土地监测,但目前该方面应用不多。该研究选取中国东北黑土和比利时黄土研究区,通过构建与UAV兼容的土壤高光谱数据获取平台,研究其在暗室和野外自然光条件下快速反演SOC含量的能力;进行多源光谱数据修正,探索暗室SOC模型直接应用到野外条件的可行性。结果表明:1)暗室条件下构建的基于UAV兼容光谱数据(FX)的偏最小二乘回归(Partial Least Squares Regression,PLSR)模型能准确预测2个研究区的SOC含量(相对分析误差大于1.6,R~2≥0.65);2)野外自然光条件下构建的SOC预测模型精度略有下降(R~2=0.58),但SOC含量估算值与实测值的值域相近,说明仍能捕捉SOC含量在其值域的变化;3)利用校准标样对不同光照条件下的FX数据进行修正,将基于实验室光谱数据的PLSR模型应用于野外光谱数据,为实现无需实地采样即可利用无人机载高光谱数据进行SOC快速调查奠定了基础。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

Degradation of [carboxyl-14C] 2,4-D and [ring-U-14C] 2,4-D in 114 agricultural soils as affected by soil organic carbon content

This study compared the degradation of [carboxyl-¹⁴C] 2,4-dichlorophenoxyacetic acid (2,4-D) (C2,4-D) and [ring-U-¹⁴C] 2,4-D (R2,4-D) in 114 agricultural soils (0–15 cm) as affected by 2,4-D sorption and soil properties (organic carbon content, pH, clay content, carbonate content, cation exchange capacity, total microbial activity). The sample area was confined to Alberta, Canada, located 49–60° north longitude and 110–120° west latitude and soils were grouped by soil organic carbon content (SOC) (0–0.99%, 1–1.99%, 2–2.99%, 3–3.99% and >4% SOC). Degradation rates of C2,4-D and R2,4-D followed first-order kinetics in all soils. Although total microbial activity increased with increasing SOC, degradation rates and total degradation of C2,4-D and R2,4-D decreased with increasing SOC because of increased sorption of 2,4-D by soil and reduced bioavailability of 2,4-D and its metabolites. Rates of R2,4-D degradation were more limited by sorption than rates of C2,4-D degradation, possibly because of greater sorption and formation of bound residues of 2,4-D metabolites relative to the 2,4-D parent molecule. Based on the sorption and degradation parameters quantified, there were two distinct groups of soils, those with less than 1% SOC and those with greater than 1% SOC. Specifically, soils with less than 1% SOC had, on average, 2.4 times smaller soil organic carbon sorption coefficients and 1.4 times smaller 2,4-D half-lives than soils with more than 1% SOC. In regional scale model simulations of pesticide leaching to groundwater, covering many soils, input parameters for each pesticide include a single soil organic carbon sorption coefficient and single half-life value. Our results imply, however, that the approach to these regional scale assessments could be improved by adjusting the values of these two input parameters according to SOC. Specifically, this study indicates that for 2,4-D and Alberta soils containing less than 1% SOC, the 2,4-D pesticide parameters obtained from generic databases should be divided by 2.5 (soil organic carbon sorption coefficient) and 1.5 (half-life value).     

基于分数阶微分预处理高光谱数据的荒漠土壤有机碳含量估算

对光谱数据进行预处理是提升高光谱建模精度十分必要和有效的途径。为了研究分数阶微分预处理方法在高光谱数据估算荒漠土壤有机碳含量中的应用,该研究以艾比湖流域为研究靶区,利用2015年5月采集的103个表层土壤样本的实测有机碳数据和室内测定的高光谱数据,以0.2阶为步长对原始光谱反射率及对应的倒数变换、对数变换、对数倒数变换、均方根变换的0-2阶微分进行分数阶运算预处理并研究其与土壤有机碳含量相关性,基于通过0.01显著性检验的特征波段对土壤有机碳含量进行偏最小二乘回归建模并进行精度分析。结果表明：1）分数阶微分预处理可以细化土壤有机碳及其光谱反射率相关性的变化趋势;2）各阶微分预处理后的相关系数通过显著性检验波段的数量均呈现先增后减的趋势,但波段数量最多的对应阶数并不统一;3）对数变换的1.6阶微分所建立的模型为最优模型,该模型的RMSEC=2.433 g/kg,R2c=0.786,RMSEP=2.263 g/kg,R2p=0.825,RPD=2.392。说明了分数阶预处理过后的模型精度和稳健性较整数阶微分有了大幅提升,并且运用在高光谱反演土壤有机碳含量上是可行的。     

克里格插值在区域土壤有机碳空间预测中的应用

基于河北省第二次全国土壤普查数据,对比了常用土壤有机碳相关因子土地利用和土壤类型与普通克里格插值结合前后对土壤有机碳密度空间预测精度的差异,探讨了普通克里格插值在区域土壤有机碳空间预测中的应用。研究结果表明,土地利用能够独立解释土壤有机碳密度总方差的19.0%,与普通克里格插值结合以后能够将对土壤有机碳密度总方差的解释程度显著提高到30.2%。低级土壤分类土属能够独立解释土壤有机碳密度总方差的45.0%,但与普通克里格插值结合以后对土壤有机碳密度总方差的解释程度为44.8%,两者相差不大。因此区域空间上能否进一步应用普通克里格插值优化土壤有机碳的空间预测与所选用的土壤有机碳相关因子有关。