基于高光谱数据的北疆绿洲农田灰漠土有机质反演

为了探寻快速、准确估测土壤有机质含量的方法以推动精准农业化进程,以北疆绿洲农田灰漠土为研究对象,通过野外实地调查收集土壤样品,室内化学分析测得土壤样品有机质含量,暗室内利用SVC HR-768高光谱仪测定土壤样品光谱反射率。通过对土壤光谱反射率进行倒数、对数、一阶微分、倒数的一阶微分、对数的一阶微分变换,运用单相关分析法提取土壤光谱特征波段,采用多元逐步方法对土壤有机质含量定量反演,分析研究土壤有机质含量和室内土壤光谱的特征关系。结果表明,在波长567、1 697 nm和2 221 nm处,采用反射率对数的一阶微分建立的土壤有机质含量反演模型预测精度最高,模型决定系数达到0.82。北疆绿洲农田灰漠土土壤有机质含量高光谱反演模型的建立为土壤有机质的快速测定提供了新的途径。     

粗面岩质火山碎屑物发育土壤有机质含量的高光谱特征与建模

利用ASD Field Spec 4便携式快速扫描分光辐射光谱仪,对采自吉林省长白山地区粗面岩质火山碎屑物发育的土壤进行光谱反射率测定,分析其光谱特征;对土壤原始光谱反射率进行一阶微分、二阶微分、倒数的微分、倒数的对数的一阶微分和倒数的对数的二阶微分等五种数学处理,并应用多元逐步回归分析建立土壤有机质含量的高光谱预测模型。研究表明:土壤有机质含量与原始光谱反射率在565~675 nm波段内呈显著负相关;一阶微分光谱在415 nm、445~605 nm波段内与土壤有机质含量呈极显著负相关,在705~985 nm、1015~1265 nm波段内呈极显著正相关,在865 nm波段处相关系数达到极大值0.87;建立的土壤有机质多元逐步线性回归预测模型中,以一阶微分模型为最优,R2为0.954,可用于粗面岩质火山碎屑物发育土壤有机质含量的快速测定。     

黑土土壤水分高光谱特征及反演模型

应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。     

基于高光谱的北京铁矿区土壤重金属镍元素含量反演研究

运用高光谱数据对北京典型铁矿区土壤重金属镍含量进行建模反演,探索高光谱遥感技术在土壤重金属污染快速监测上应用的可行性。使用便携式地物光谱仪采集研究区土壤样本光谱反射率数据,光谱反射率数据经多种数学变换后,经逐步回归方法筛选最佳特征波段,利用多元线性回归（SLR）和偏最小二乘回归（PLSR）方法建立模型以光谱反射数据对土壤重金属镍元素含量进行反演。基于光谱二阶微分的多元线性回归模型（SD-MLR）的稳定性和精度最高（R2 = 0.842,RMSE = 4.474）,能够良好地预测研究区土壤镍元素含量。光谱数据数学变换能够有效提高其与土壤镍元素含量间的相关性。不同的光谱变换形式建立模型的预测能力和精度有如下关系,光谱二阶微分 > 光谱倒数对数一阶微分 > 光谱一阶微分 > 光谱倒数对数 > 光谱连续统去除 > 原始光谱。采用光谱二阶微分建立多元线性回归模型为研究区土壤镍元素含量反演的最佳模型,可为土壤重金属污染快速监测提供技术参考。     

褐潮土的光谱特性及用土壤反射率估算有机质含量的研究

本文通过ASDFR便携式光谱仪对132个风干土壤样品的光谱反射率进行了实验室测定。根据土样光谱反射率变化,获得了褐潮土土壤剖面的不同诊断层反射光谱特征。结果表明,在400～1200nm范围之间,土壤有机质含量与土壤光谱反射率有较好的相关性。利用导数光谱方法建立了预测土壤有机质含量的方程,提出了预测北京地区褐潮土有机质光谱的最佳波段。在波长447nm处采用反射率和A值(反射率倒数的对数)所建立的预测方程的预测精度较高。采用反射率的一阶微分建立的预测方程的最佳波段在516nm处。而A值一阶微分光谱在615nm处相关性最好。作为一项参考指标用光谱分析法评价土壤中有机质含量,以期对精准农业中土壤养分或肥力的预测具有一定的指导作用。     

土壤全氮的无人机高光谱响应特征及估测模型构建

为更好地体现出光谱与土壤全氮（soil totalnitrogen,STN）含量之间的响应关系,实现以高光谱快速估测土壤全氮含量,该研究以无人机搭载高光谱传感器获取农田土壤高光谱影像,提取光谱反射率并进行数学变换,基于灰色关联度和皮尔逊相关系数提取各光谱中土壤全氮含量的敏感波段,基于敏感波段采用偏最小二乘回归（partialleastsquares regression,PLSR）、岭回归（ridge regression,RR）和随机森林（random forest,RF）构建土壤全氮的高光谱反演模型,筛选出最优模型并对研究区土壤全氮含量进行反演制图。结果表明：1）反射率的倒数光谱中的敏感波段（996～1 003 nm）集中在近红外长波范围内,反射率的一阶微分（first derivative of reflectance,FDR）光谱中的敏感波段（398～459、469和472～1 003 nm）和反射率对数的一阶微分光谱中的敏感波段（398～459、463～973和978～1 003 nm）在可见光和近红外范围内都有分布,反射率的一阶微分光谱中的敏感波段（615～625、632和...     

辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。     

塔里木盆地北缘荒漠土壤有机质含量的高光谱估测

土壤有机质含量的多少是衡量土壤肥力的重要指标,了解土壤有机质的状况及动态变化,为指导干旱区绿洲农业生产及生态环境保护提供科学依据。基于在塔里木盆地北缘绿洲-荒漠过渡带采集的80个土壤样品,测定有机质含量和光谱反射率。在原始反射率R的基础上,进行光谱反射率的一阶微分R′、倒数对数lg(1/R)、倒数对数的一阶微分[lg(1/R)]′以及去除包络线C(R)处理,并将处理后的光谱数据与土壤有机质进行相关性分析,从而选取568、578、803、806、845、955 nm等敏感波段构建土壤有机质含量的估测模型。结果表明:(1)土壤有机质与土壤反射率呈负相关,有机质含量越高反射率越低。(2)光谱变换处理可有效提升光谱对土壤有机质含量的敏感性,其相关系数最高可达0.654(P<0.001)。(3)比较多元线性逐步回归、偏最小二乘回归和反向传播神经网络(BPNN)3种建模方法发现,反向传播神经网络模型精度较高,稳定性更好,且以倒数对数的一阶微分[lg(1/R)]′为自变量的模型最优,决定系数为0.864,均方根误差为1.86,这表明[lg(1/R)]′-BPNN模型相较于其它模型可以更为准确地预测荒漠区土壤有机质含量。     

干旱区典型绿洲土壤有机质的反演及影响因素研究

为了大面积、高精度地反演土壤有机质含量,为农业可持续发展提供数据支撑。以新疆渭干河-库车河三角洲绿洲为研究区,采用波段平均法将实测高光谱窄波段拟合为Landsat 8 OLI遥感影像的宽波段,建立土壤有机质含量的估算模型,并将最优估算模型应用到经过波段校正的Landsat 8OLI遥感影像中。结果表明:(1)反射率进行倒数、对数、平方、一阶微分等数学变换后与有机质含量的相关性显著提高;(2)土壤有机质的高光谱估算模型拟合度较高,最优估算模型的决定系数R2为0.852,采用比值法对多光谱波段反射率进行校正,校正后的遥感影像反演结果得到了较大提高,检验样本的决定系数R2从0.711提升至0.849。从反演结果来看,将高光谱估算模型应用到经过订正的多光谱影像,土壤有机质反演模型的精度得到了大幅度提高,运用此方法可以实现高精度的土壤有机质区域化反演。(3)有机质的分布受土地利用类型、土壤颗粒组成、土壤质地的影响,其中土壤质地对有机质的空间分布影响最为显著。     

西河流域不同海拔区土壤有效钾的高光谱反演

为探究不同海拔条件对土壤有效钾含量高光谱反演的影响以及筛选效果最好的光谱指标。采集118个土壤样本后进行其室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱(R)处理的基础上提取了反射率倒数一阶微分((1/R)')、反射率倒数的对数一阶微分((log(1/R))')和反射率对数的倒数一阶微分((1/(log R))')三种光谱变换指标,分析土壤原始光谱和三种变换后的光谱指标与不同海拔区土壤有效钾含量的相关性,并运用偏最小二乘回归法(PLSR)建立不同海拔条件下土壤有效钾的高光谱预测模型。结果表明:(1)比较土壤原始光谱和三种变换后的光谱指标,基于(log(1/R))'变换结果构建的PLSR模型在土壤有效钾的反演效果最好,其决定系数(R2)最高,为0.89,均方根误差(RMSE)为12.45 mg kg-1;(2)相比全区域而言,依据海拔分区所建立的模型能够更好的预测土壤有效钾的含量。该结果对今后地形复杂区域土壤养分的光谱预测具有一定的指导作用。     

大米直链淀粉含量的近红外光谱分析

大米的直链淀粉含量是影响大米蒸煮和加工特性的最重要因素之一,常被用作蒸煮米质构特性评价指标。该文对不同粒度、不同类型大米样品进行了近红外光谱分析,建立了大米直链淀粉含量的预测模型,（精米样品）预测值与化学分析值的相关系数达0.95。预测标准差、平均相对误差分别为0.56和3.1%。     

重庆市合川区土地利用状况定量分析

基于重庆市合川区2005年土地详查和2006年土地变更调查数据,采用计量地理学定量模型和空间分析方法,从土地利用的多样化指数、集中化指数、组合类型、区位熵以及土地综合利用程度等方面对合川区及各乡镇的土地利用状况进行了定量分析。结果表明:（1）土地利用呈现明显的地域差异性,土地利用的多样性指数和集中化指数在空间上呈现较显著的南北反向趋势;（2）研究区土地利用类型组合数少,大多数乡镇的土地类型组合数仅2~3种,区域土地整体功能较弱。在数量上耕地比重大,高达47.2%,且共有28个乡镇的土地利用类型以耕地为首,在一定程度上可为农业产业化和多种经营提供支持;（3） 土地利用综合指数值均小于300,区域土地综合利用程度不高。具有区位意义的农业土地资源类型和数量较为齐全,未利用地相对充足。     

Use of percentage and milliequivalent expressions in plant composition studies

Abstract

Corn yields and leaf samples vere obtained from experimental plots receiving various rates and combinations of N, P and K. Yields were regressed on leaf N, P, K, Ca and Mg as independent variables expressed in milliequivalents per 100 grams and percentages in three regression models. The fit of two models was shown to be equivalent regardless of method of expressing the independent variables. For the other model the choice of milliequivalents per 100 grams or percentages determines a unique function.     

Developing Pedotransfer Functions for Predicting FC and PWP

Using pedotransfer functions (PTF) is a useful way for field capacity (FC) and permanent wilting point (PWP) prediction. The aim of this study was to model PTF to estimate FC and PWP using regression tree (RT) and stepwise multiple linear regressions (SMLR). For this purpose, 165 and 45 soil samples from UNSODA and HYPRES datasets were used for development and validation of new PTFs, respectively. %Clay, geometric mean diameter (dg), and bulk density (BD) were selected as predictor variables due to the highest correlation and lowest multicollinearity. The results showed that clay percentage with W* = 0.89 and dg with W* = ?0.57 were the most effective variables to predict PWP and FC, respectively. The RT method had a better performance (R² = 0.80, ME = ?0.002 cm³cm^?3, RMSE = 0.05 cm³cm^?3 for FC and R² = 0.85, ME = 0.003 cm³cm^?3, RMSE = 0.03 cm³ cm^?3 for PWP) than SMLR in estimation of FC and PWP.     

黑龙江省黑土区拉林河流域土壤侵蚀强度评价方法比较

为了保护水土资源、改善生态环境,进行区域土壤侵蚀强度评价,以黑龙江省黑土区拉林河流域为研究区,选取坡度、坡向、土壤类型、土地利用状况和标准化植被指数等5项评价指标,分别采用逻辑回归和广义回归神经网络模型,在ArcGIS平台上进行土壤侵蚀强度评价。应用受试者工作特征曲线对2种方法的评价结果进行对比。结果表明:逻辑回归模型和广义回归神经网络模型的受试者工作特征曲线下面积值分别为0.857和0.881,与实际的土壤侵蚀强度情况基本吻合;2种模型的评价结果可以相互校验,广义回归神经网络模型评价结果的精度较高。     

县级尺度土地利用结构特征定量分析

基于土地利用数量和空间结构内涵理解,选取相关定量指标组合并结合GIS技术,以安徽省含山县为例,利用其2002年土地变更数据和2000年1︰50000土地利用现状图,探讨县级尺度土地利用结构特征定量分析方法。研究表明：定量分析结果与县域实际相一致,所选取的定量指标能够充分发挥各自作用,尤其是在表征数量结构总体特征上,多样化指数、集中化指数、洛伦兹曲线和组合系数4个指标之间优势互补,相互验证,最为显著,这说明定量分析具有可行性,其关键在于合理地选取具有明确意义的定量指标组合,包括指标选取以及各指标之间的优化组合。全县土地利用结构总体特征可概括为：以耕地－林地－未利用地－水域为组合类型,以耕地和林地为景观基质,土地利用程度不高,以农用地为主,县域地形地貌格局是土地利用结构形成的自然基础,单位面积土地GDP、人口密度与土地利用程度、建设用地区位优势在一定程度上呈正相关。该研究可为县级,尤其是类似地区土地利用结构特征定量分析提供借鉴和参考。     

Soil erodibility and its prediction in semi-arid regions

ABSTRACT

Pedotransfer functions (PTFs) have been used to save time and cost in predicting certain soil properties, such as soil erodibility (K-factor). The main objectives of this study were to develop appropriate PTFs to predict the K-factor, and then compare new PTFs with Universal Soil Loss Equation (USLE) and the Revised Universal Soil Loss Equation (RUSLE) K-factor models. The K-factor was measured using 40 erosion plots under natural rainfall in Simakan Watershed, an area of 350 km² in central of Iran. The Regression Tree (RT) and Multiple Linear Regression (MLR) were used to develop PTFs for predicting the K-factor. The result showed that the mean of measured K was 0.01 t h MJ^?1 mm^?1. The mean K value predicted by USLE and RUSLE was 2.08 and 2.84 times more than the measured K, respectively. Although calcium carbonate was not considered in the original USLE and RUSLE K-factors, it appeared in the advanced PTFs due to its strong positive significant impact on aggregate stability and soil infiltration rate, resulting in decreased K-factor. The results also showed that the RT with R² = 0.84 had higher performance than developed MLR, USLE and RUSLE for the K estimation.     

基于光谱变换的滨海湿地土壤全氮含量建模预测

基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R²均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R²为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。     

Evaluation of a local regression kriging approach for mapping apparent electrical conductivity of soil (ECa) at high resolution

Apparent electrical conductivity of soil (ECa) is a property frequently used as a diagnostic tool in precision agriculture, and is measured using vehicle‐mounted proximal sensors. Crop‐yield data, which is measured by harvester‐mounted sensors, is usually collected at a higher spatial density compared to ECa. ECa and crop‐yield maps frequently exhibit similar spatial patterns because ECa is primarily controlled by the soil clay content and the interrelated soil moisture content, which are often significant contributors to crop‐yield potential. By quantifying the spatial relationship between soil ECa and crop yield, it is possible to estimate the value of ECa at the spatial resolution of the crop‐yield data. This is achieved through the use of a local regression kriging approach which uses the higher‐resolution crop‐yield data as a covariate to predict ECa at a higher spatial resolution than would be prudent with the original ECa data alone. The accuracy of the local regression kriging (LRK) method is evaluated against local kriging (LK) and local regression (LR) to predict ECa. The results indicate that the performance of LRK is dependent on the performance of the inherent local regression. Over a range of ECa transect survey densities, LRK provides greater accuracy than LK and LR, except at very low density. Maps of the regression coefficients demonstrated that the relationship between ECa and crop yield varies from year to year, and across a field. The application of LRK to commercial scale ECa survey data, using crop yield as a covariate, should improve the accuracy of the resultant maps. This has implications for employing the maps in crop‐management decisions and building more robust calibrations between field‐gathered soil ECa and primary soil properties such as clay content.