黑土养分含量的航空高光谱遥感预测

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;全氮、有效磷和速效钾的预测精度,BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

灌溉水中悬浮固体对土壤水分入渗性能的影响

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

北京典型耕作土壤养分的近红外光谱分析

为研究土壤养分含量分布信息,以从北京郊区一块试验田采集的72个土壤样品为试验材料,应用傅里叶变换近红外光谱技术分析了土样的全氮、全钾、有机质养分含量和pH值。采用偏最小二乘法(PLS)对光谱数据与土壤养分实测值进行回归分析,建立预测模型,以模型决定系数(R2)、校正标准差(RMSECV)、预测标准差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。结果表明,利用该模型与光谱数据对土壤全氮、全钾、有机质养分含量和pH值进行预测,结果与实测数据具有较好的一致性,最高决定系数R2达到0.9544。偏最小二乘回归方法建立的养分预测模型能准确地对北京地区褐土土质全氮、有机质、全钾和pH值4种养分进行预测。     

近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量

运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(NIRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R²分别为0.9520、0.8714和0.7300，平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522，相对误差分别为2.67%、6.48%和2.27%，测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明，人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型；用近红外光谱分析法预测土壤碱解氮含量是可行的，而速效磷、速效钾模型的测试集样品仿真的相对误差较大，其预测可行性还需做进一步研究。     

基于局部加权回归的土壤全氮含量可见-近红外光谱反演

全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义。采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性。结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RP2)为0.83,均方根误差(RMSEP)为0.25 g kg-1,测定值标准偏差与标准预测误差的比值(RPD)达到2.41。LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力。因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用。     

基于漫反射光谱的茶园土壤硝态氮检测

该文研究了充分利用土壤漫反射光谱在可见-近红外波段的有效信息,研究快速准确检测土壤硝态氮含量的新方法。试验选取89个风干土壤样本,经粉碎过直径1 mm筛孔后,使用 FieldSpec 3便携式光谱仪（光谱波长范围：400～2 500 nm）,获取其漫反射光谱。检查各土样的原始光谱的有效性并进行平均,经偏最小二乘法partial least squares（PLS）聚类分析后,选取其中的63个样本构成校正集建立模型,10个样本构成预测集进行模型验证。通过一阶微分与滑动平均滤波相结合的预处理方法,用15个主成分建立的主成分+神经网络模型为最好,其校正模型的回判相关系数为0.9908,均方根误差（RMSEC）为1.4528,预测模型的相关系数为0.7179。研究结果表明,利用可见-近红外光谱技术可以准确地检测茶园土壤硝态氮含量。     

霉变稻谷脂肪酸含量的光谱检测模型构建与优化分析

为了实现霉变稻谷脂肪酸含量无损、快速检测,该文研究应用可见/近红外光谱技术检测霉变稻谷的脂肪酸含量。考虑到直接选用霉变稻谷可见/近红外光谱数据构建脂肪酸含量预测模型存在建模费时、预测失准等问题,研究提出了霉变稻谷脂肪酸含量的可见/近红外优化校正模型。研究中通过光谱-理化值共生距离(sample set partitioning based on joint xy distance,SPXY)算法结合偏最小二乘法初步分析了不同校正集样本预测霉变稻谷脂肪酸含量的差异;利用连续投影算法(SPA)提取了反映霉变稻谷脂肪酸含量变化的特征波段;采用偏最小二乘法(partial least square,PLS)和多元线性回归法(multivariable linear regression,MLR)分别建立了基于特征波段光谱反射值的霉变稻谷脂肪酸含量预测模型,并对比分析了采用SPXY样本集划分的模型预测效果。结果表明:采用SPXY法筛选出的65个校正集样本分布与初始校正集相近,脂肪酸含量变化范围为18.55~127.26 mg,其标准差为32.39;SPA算法最终从256个全光谱波段中优选出9个特征波段,实现了光谱数据的压缩;分别建立的SPXY-SPA-PLSR模型和SPXY-SPA-MLR模型预测霉变稻谷脂肪酸含量相关系数RP为0.922 1和0.915 9,预测均方根误差RMSEP为13.889 3和14.261 0;SPXY筛选校正集所构建模型预测精度与初始校正集所建模型相当,但校正集样本数量减少为初始校正集的41%,运算时长缩短为初始样本集的32%,提高了模型的校正速度。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。     

近红外光谱结合偏最小二乘法快速评估土壤质量

以长江中下游粮食主产区水稻土为研究对象,采集17种不同施肥处理下共136个土壤样品在350 ～2 500 nm范围的近红外光谱,利用偏最小二乘回归分析结合交叉验证法建立了近红外漫反射光谱与传统化学分析方法测得的全碳、全氮、碳氮比、速效钾、速效磷、电导率、土壤pH等土壤指标之间的定量分析模型。模型的决定系数（R2）以及化学分析值标准差（SD）与模型的内部交叉验证均方差（RMSECV）的比值RSC用于判定建立的模型的好坏。结果表明：全碳、全氮、碳氮比和pH模型的R2和RSC分别为：R2=0.94,RSC=4.31;R2=0.95,RSC=4.35;R2=0.97,RSC=5.60;R2=0.92,RSC=3.37,说明上述土壤指标的预测结果很好。速效钾模型的R2和RSC分别为：R2=0.87,RSC=2.23,表明预测结果尚好。而速效磷和电导率模型的R2和RSC分别为：R2=0.18,RSC=1.16;R2=0.37,RSC=1.31,说明两者的预测结果均很不理想。综上所述,水稻土的土壤质量相关指标（全碳、全氮、碳氮比、速效钾和土壤pH）可以通过近红外光谱结合偏最小二乘法（NIR-PLS）快速评估。     

马铃薯淀粉渣对土壤保肥特性及玉米幼苗生长的影响

[目的]探究马铃薯淀粉渣对土壤保肥特性及玉米幼苗生长的影响,为马铃薯淀粉渣的利用提供依据。[方法]采用室内人工气候箱模拟自然环境和用淋洗管模拟田间淋洗的方法,测定沙壤土中施入0,1.00,5.00,10.00,20.00,30.00g/kg的马铃薯淀粉渣对土壤容重、土壤总孔隙度、土壤含水量;土壤淋洗出的硝态氮、铵态氮、速效磷和速效钾含量及玉米幼苗株高、茎粗和干鲜重等指标。[结果]马铃薯淀粉渣施用量为30g/kg时,土壤容重降幅达7.24%,土壤总孔隙度、土壤含水量升幅分别为10.15%,21.25%;土壤淋洗出的硝态氮、铵态氮、速效磷和速效钾含量降幅分别为97.13%,91.03%,63.85%和66.4%;玉米幼苗株高较对照降低8.90%,茎粗较对照增加25.53%,幼苗的干、鲜重分别比对照提高13.47%,15.79%。[结论]马铃薯淀粉渣施用量为30.00g/kg时,改善了土壤理化性状,增强了保肥能力,明显促进玉米幼苗干物质的积累。     

长江三峡山地集水区土壤水分空间变异特征

为阐明亚热带湿润气候区山地坡面土壤水分的时空变化及影响因素,以三峡库区针叶林覆盖的中山凹坡为研究对象,采用经典统计学和地统计学的方法,对2019-2020年5 m×5 m网格点监测的117个点位0-70 cm土层深度的土壤水分数据进行分析,研究了湿润和干旱条件下典型凹坡集水区内土壤含水量的统计学特征与环境因子的相关性,以及土壤含水量的空间变异特征。结果表明:(1)水平方向上,集水区内各层土壤水分均表现为中等变异(10%相似文献   

高光谱遥感土壤湿度信息提取研究

精准农作管理中土壤水分、土壤养分等的空间信息分布 ,可通过高光谱遥感传感器获得。本文通过对土壤的光谱反射率与土壤的表面湿度进行分析 ,比较 5种方法在反演土壤表面湿度的能力 ,并对小汤山精准农业试验区的土壤表面湿度进行高光谱填图 ,建立了较为精细的土壤水分空间分布图 ,对高光谱遥感在精准农业中深入应用进行了有效探索。     

含水率对土壤有机质含量高光谱估算的影响

土壤含水率对有机质(soil organic matter,SOM)含量高光谱估算精度有很大的影响。为了探讨SOM高光谱估算中土壤含水率的影响,该文对烘干土、风干土和质量含水率为5%~40%(按5%递增)的土壤样本进行了室内高光谱测量,对光谱数据进行了反射率、反射率一阶导数和反射率倒数对数3种光谱数据变换,运用偏最小二乘回归法(partial least squares regression,PLSR)建立了相应的SOM估算模型。结果表明,风干土的SOM高光谱估算精度较好;当含水率水平小于25%时,SOM估算模型精度受含水率的影响较大,光谱数据进行反射率倒数对数变换后的模型精度最高;当含水率水平大于等于25%时,水分对土壤光谱反射率的影响要大于SOM,不适宜利用土壤光谱数据进行SOM含量高光谱估算。该研究可为大田环境不同含水率情况下光谱估算SOM提供参考。     

两种测定土壤微生物量氮方法的比较初探

用氯仿熏蒸-0.5mol/L的K2SO4直接浸提,280nm紫外比色法和熏蒸-淹水培养法测定了20种有机质、全氮和速效氮差异较大的土样的土壤微生物量N。研究结果表明,两种方法测得20种土样的土壤微生物量N数值呈极显著正相关;280nm紫外比色法操作步骤简单、产生误差的环节少、测定所需时间短、且测定数据比熏蒸-淹水培养法有更好的重现性。初步认为,280nm紫外比色法来反映土壤微生物量的大小。结果还表明,两种方法的测定结果都与土壤的全氮含量呈极显著正相关关系,与有机碳含量有一定的正相关关系,与速效氮无明显的相关关系;但在不同的土壤类型上,与全氮、有机碳和速效氮的相关性有所不同。用280nm紫外比色法测定两种土壤的新鲜和风干样的微生物生物量的结果说明,可用风干土经预培养后测定土壤微生物生物量。风干土样的预培养时间初步确定为10天。     

水肥耦合对玉米化学计量学特征及其生长性状的影响

为了探讨不同水肥条件下玉米C、N、P化学计量学特征及其影响因素,设置土壤不同含水量和全氮含量的盆栽试验,分析了不同水肥对玉米生长性状和碳氮磷化学计量学特征的影响,并对两者进行了相关分析。试验设置田间持水量的90%,70%,50%(W1、W2、W3),田间正常施氮量的150%,100%,50%,(N1、N2、N3),共9个处理。结果表明:玉米根、茎、叶不同器官干物质量均随着施氮量的减少而减少,随着土壤含水量的增加而增加。高、中水分时玉米株高随着施氮量的增加而增加,当玉米处于干旱胁迫时施氮量对玉米株高影响不大。低水分下的茎粗显著低于高、中水分。玉米根、茎、叶的C含量差异不显著。低氮施肥处理下玉米根、茎和叶的N含量均显著低于中、高氮处理,而后两者对根、茎和叶的N含量的影响表现不一,其中对茎氮含量差异达到显著水平,对叶氮含量在抽雄期以后才显著。玉米C∶N∶P生态化学计量特征随水肥因素的变化表现不一,其中N/P平均为6.01,随着施氮量的增加而升高,随土壤含水量的增加而降低;C/N为0.31,随着施氮量的增加而降低,对水分因素不敏感;C/P为1.62,表现出强烈的内稳性,不随外界生物与非生物环境的变化而变化。     

黄土高原小流域土壤水分及全氮的垂直变异

为了研究黄土高原土壤中水分及全氮垂直分布及变异情况,对陕北神木县六道沟小流域中苜蓿地、荒草地、农地、柠条地以及油松地5种不同植被类型下0～800 cm土层中土壤含水率和土壤全氮进行了测定和分析。土壤含水率在垂直方向上呈现出干湿交替的层状分布。植被类型影响土壤水分含量的垂直剖面分布;各植被类型下相对高湿层和低湿层出现的深度不同;不同深度土层平均土壤含水率不同。农地及退耕荒草地土壤水分涵养较好,垂直方向上含水率变化较大;人工植被苜蓿、柠条消耗土壤水分较多,土壤含水率变化相对平缓;油松地平均土壤含水率及变化幅度居中。研究区域中,土壤全氮含量水平较低,表层发生陡降后,在20 cm以下土层中仍以很小的变幅降低,变化平缓。柠条地土壤全氮含量高于其他植被类型。     

Influence of Tropical Seasons on Carbon and Nitrogen Transformations; Nitrite And Nitrate Formers and Bacterial Plate Count

Seasonal fluctuations of soil moisture; ammoniacal, nitrite, nitrate and total nitrogen; total bacterial plate count; nitrite and nitrate formers and soil temperature at 3 depths were studied in the humid sub-tropical allvial plain of India, at Kanpur. The sharp seasonal changes result in considerable fluctuations of these soil properties. In general, nitric and total nitrogen and bacterial plate count follow the soil temperature variations while organic carbon content follows a different trend. Appreciable numbers of nitrite and nitrate formers were observed only in summer. Even at high soil temperature and low soil moisture content the soil micro-organisms remained active.     

利用太赫兹光谱技术构建番茄水分胁迫状态检测模型

快速检测番茄水分胁迫状态，对于科学有效地进行番茄的水肥管理，保障和提高番茄的产量和品质具有重要意义。该文利用太赫兹光谱对水分极为敏感的特性，提出了基于太赫兹光谱技术的番茄水分胁迫状态的快速检测方法。试验利用太赫兹光谱系统获取不同水分胁迫番茄叶片的功率谱、吸光度及透射率频谱数据。采用（Savitzky-Golay, SG）算法对数据进行降噪，利用稳定性竞争自适应重加权（Stability Competitive Adaptive Reweighted Sampling, SCARS）算法进行了多维特征频段的提取；在此基础上，建立了叶片含水率功率谱、吸光度及透射率等单一维度下的多元线性回归（Multiple Linear Regression, MLR）模型。结果表明，太赫兹功率谱和吸光度与叶片含水率之间呈负相关；而透射率则随水分胁迫程度的提高逐渐升高，呈正相关。为了进一步提高模型的精度，使用支持向量机（Support Vector Machines, SVM）在融合3种维度太赫兹特征的基础上，建立了番茄含水率的融合预测模型，结果表明，预测集R2达到0.951 4，RMSE为0.366 8，均高于单一维度检测模型，实现了番茄水分的快速检测。     

降雨对不同土地利用类型土壤水氮变化特征的影响

以2018年6—10月降雨条件下园地、林地、荒草地、坡耕地和裸地的标准径流小区为研究对象,裸地为对照,通过研究降雨对园地、林地、荒草地、坡耕地和裸地的土壤含水率、总氮、硝态氮和铵态氮含量与土层深度和时间的变化特征,经野外试验数据统计分析,提出降雨对园地、林地、荒草地、坡耕地和裸地土壤含水率、总氮、硝态氮和铵态氮含量与土层深度和时间变化特征的影响。结果表明:降雨增加园地、林地、荒草地、坡耕地和裸地土壤含水率,加速土壤总氮、硝态氮和铵态氮水解转化硝化和反硝化速度,影响土壤含水率、总氮、硝态氮和铵态氮含量,降雨与土壤含水率、总氮、硝态氮、铵态氮呈显著相关性(P0.05)。降雨条件下园地、林地、荒草地、坡耕地和裸地的土壤含水率随土层深度增大而增大,土层深度100 cm处土壤含水率最大,分别为30.34%,27.67%,24.98%,24.03%和21.95%,总氮随土层深度增大呈先增大后减小,在土层深度为60 cm土壤总氮含量最大,分别为1.02,0.99,0.90,0.86,0.75 g/kg,硝态氮和铵态氮含量随土层深度增大而减小,在土层深度为100 cm硝态氮和铵态氮含量均最小,其中硝态氮含量分别为9.01,7.89,7.25,6.10,5.22 mg/kg,铵态氮含量分别为9.41,9.14,6.40,5.38,4.37 mg/kg。土壤含水率随时间的延长先减小后增大又减小,呈正余弦变化趋势,8月土壤含水率最大,分别为22.97%,22.01%,19.87%,19.03%和17.98%,总氮随时间的延长先增大后减小,8月总氮最大,分别为1.09,1.01,0.94,0.84,0.76 g/kg,硝态氮和铵态氮含量随时间的延长而逐渐减少,6月硝态氮和铵态氮含量均最大,其中硝态氮含量分别为13.40,12.37,11.20,10.39,8.67 mg/kg,铵态氮含量分别为18.89,17.02,14.54,12.02,8.36 mg/kg。不同土地利用类型土壤含水率、总氮、硝态氮和铵态氮平均值与土层深度和时间关系由大到小依次为园地、林地、荒草地、坡耕地和裸地,研究结果为农田土壤水肥流失控制和养分利用提供理论技术支持。