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。     

土壤含水量对反射光谱法预测红壤土壤有机质的影响研究

研究土壤含水量对有机质预测的影响,可为野外红壤有机质快速测定提供理论依据。本文在实验室条件下测量了不同含水量红壤的可见光-近红外光谱反射率,运用偏最小二乘回归(PLSR)建立不同含水量的土壤有机质预测模型。结果显示,随土壤含水量的增加,有机质与一阶微分光谱的相关性先增加后下降,含水量为100～150 g/kg时相关系数最大。分380～2 400、380～1 300、1 300～2 400 nm三个波段建立不同含水量的有机质预测模型,模型预测精度均随土壤含水量增加而呈现先增加后下降的趋势。利用1 300～2 400 nm建立有机质预测模型可以有效避开氧化铁影响,建立的模型预测精度最高。本研究认为,当土壤含水量小于200 g/kg时,可以利用在室内控制条件下测定的土壤反射率,建立1 300～2 400 nm波段的PLSR模型,进行红壤土壤有机质含量预测。     

典型龟裂碱土土壤光谱特征影响因素研究

为了提高基于土壤光谱特征预测土壤盐渍化程度的准确性,需要研究土壤光谱特征的因素影响。该文通过对野外、室内预处理、不同含水率、粒径和粗糙度条件下龟裂碱土表层土壤光谱的测定,系统研究了不同因素对龟裂碱土光谱特征的影响。结果表明:土壤碱化程度越强表层土壤光谱反射率越高,在450~925 nm范围内,碱土表层野外光谱反射率比重度、中度、轻度碱化土壤和非碱化土壤野外光谱反射率高7.36%、23.18%、32.10%和39.97%;765、945和974 nm附近是龟裂碱土盐渍化信息的敏感波段;相同土壤经过室内预处理后反射率明显低于野外土壤,且预处理后不同碱化程度土壤间光谱反射率差异也小于野外光谱。土壤含水率较低时,随着土壤含水率的增加土壤光谱反射率逐渐降低,但当含水率高于田间持水率时土壤反射率随土壤含水率的增加而增加,在整个研究波段含水率为26.45%时土壤反射率较含水率为22.33%和25.39%的反射率平均分别升高39.68%和19.79%。土壤粒径越小反射率越高,较大粒径土壤在760~768 nm形成独特的"双峰"现象。土壤粒径越大反射率受表面粗糙度的影响越小,且土壤表面越粗糙光谱吸收率越大。整体来讲,在450~1000 nm波段范围内,不同碱化程度的龟裂碱土野外表层土壤光谱特征差异显著;室内经过预处理后的龟裂碱土土壤光谱特征差异主要取决于土壤含水率,而碱化程度和土壤表面粗糙度的变化对其影响较小。该研究可以为龟裂碱土盐渍化信息的准确预测提供科学依据。     

有机质对土壤光谱特性的影响研究

为了探明土壤有机质的光谱特征及其影响作用,从而为有机质土壤铁氧化物的定量反演提供理论依据。利用去有机质前后土壤的光谱数据,研究了有机质对土壤反射率、土壤线参数、土壤铁氧化物定量反演的影响。研究结果表明,去除有机质后,能明显提高土壤反射率,变化最明显的为可见光橙黄光波段,即570～630 nm。相关性分析也显示橙黄光波段反射率的相对变化量或差值与有机质去除量之间的相关系数要比其他波段高,相关系数最大值在600 nm。因此,建议采用570～630 nm的光谱数据进行有机质的反演;土壤线斜率在去有机质后明显降低,截距显著增大,二者变化量与有机质去除量呈极显著相关关系,可用土壤线参数预测有机质含量。有机质对铁氧化物的反演具有明显影响,特别是有机质大于20 g kg-1的土壤,在进行反演时应考虑有机质对反演精度的影响,需采取有效地技术手段消减其影响作用,才能达到较好的效果。     

采煤矿区表层土壤有机质含量遥感反演

利用LandSat ETM+影像反演煤炭开采区表层土壤有机质含量的空间格局,对采样点各波段光谱反射率进行数学变换,并将所得结果与有机质含量进行相关性分析.挑选出敏感波段,建立了表层土壤有机质含量的光谱预测模型.结果表明,研究区表层土壤有机质含量与第5波段和第7波段反射率呈极显著的负相关关系(R分别为-0.585和-0.543,P＜0.001);对反射率进行数学变换可以改善其与有机质之间的相关性;用第1波段反射率对数的倒数和第5波段反射率的倒数建立二元回归方程(R2 =0.616 2,p＜0.001)对研究区土壤有机质有很好的预测能力(R2 =0.616 2,RMSE=0.89);有机质含量在10～15g/kg范围的图斑面积最大,占研究区总面积的50.44％;表层土壤有机质随开采沉陷坡度的增加呈减少的趋势;煤炭开采沉陷对表层土壤有机质含量的扰动属于失碳效应.     

湖南省几种主要类型土壤反射光谱的剖面变化特性

通过野外采样和室内测定,研究了湖南省主要类型土壤反射光谱的剖面变化特性。结果表明,同一土壤剖面中不同土层的反射光谱曲线形态基本上是一致的;经统计分析得出,在每个自然土壤剖面中,各土层420nm处的的光谱反射率均与土壤游离氧化铁含量之间存在着线性负相关性,620-660nm波段的平均光谱反射率与土壤有机质含量呈幂函数负相关性。     

翅碱蓬野外光谱对土壤化学性质的响应

翅碱蓬(Suaeda salsa)是土壤盐渍化较为严重的地区常见的植被类型,研究翅碱蓬群落特征可以间接反映下方土壤的化学性质。通过野外采集的17个翅碱蓬野外光谱数据和相应土壤样品的理化分析数据,探讨了土壤化学性质和翅碱蓬野外光谱之间的关系。结果表明,翅碱蓬二阶导数光谱1 121nm波段可用来反映土壤有机质和全氮的含量变化,二阶导数光谱1 208nm波段可以很好地反映土壤全磷的含量变化,一阶导数光谱353nm波段可以很好地反映土壤速效钾的含量变化最好,二阶导数光谱724nm波段可以很好地反映土壤pH值的变化,而反映土壤盐分含量变化最好的为一阶导数光谱950nm,这为翅碱蓬覆盖的区域利用遥感技术进行土壤化学性质监测奠定了基础。     

辽河三角洲土壤性状与水稻群体野外光谱关系初步研究

通过土壤性状(盐分、pH值等)分析和水稻群体野外光谱测定,获得了27个配对样品。初步分析了乳熟期水稻群体野外光谱、微分光谱与土壤盐分、pH值的关系。结果表明:全盐量、pH值与乳熟期水稻群体野外光谱(350～1350nm)无显著相关性,与植被指数、红边位置、红边振幅等表征水稻光学特性的指数无显著相关性,而与其微分光谱有一定的相关性;利用层次聚类分析法,将654～754nm微分光谱作为自变量,将27个样品分为三类,在此基础上非参数Kruskal-WallisTest检验结果表明全盐量、pH值、有机质并不随着类别的改变而发生明显的变化。MedianTest检验结果表明,三类之间全盐量并不完全相同,而pH值和有机质并不随类别的不同而存在这种差别。最后,建立了水稻微分光谱与土壤全盐量、pH值的线性回归模型。     

不同粒径土壤有机质含量可见光-近红外光谱估算研究-以湟水流域为例

不同土壤粒径大小差异致使土壤光谱反射率不近相同,从而影响土壤有机质含量的预测精度。因此探索不同粒径下土壤有机质含量估算精度,可为有机质的精确估算以及减少样品的前期处理提供参考依据。本文将分别过10、20、60、100目筛的土样于暗室内进行350~2500 nm波段光谱反射率测量,经多元散射校正(MSC)与小波变换(WT)平滑去噪后,首先将原始光谱(R)及其数学形式包括反射率倒数(1/R)、反射率对数(lgR)、反射率根号(R~(1/2))进行一阶微分变换,然后采用遗传算法结合偏最小二乘法(GA-PLS)筛选土壤有机质含量特征波段区间,再将R、R'及特征波段(CHR)作为偏最小二乘回归(PLSR)和支持向量机(SVM)的输入波段进行有机质含量建模。结果表明:1)土壤粒径越小,光谱反射率越高,特别是当波长大于600 nm时,反射率明显增加;2)土壤有机质含量的特征波段主要位于426~447 nm,1427~1459 nm,1948~1958nm,1970~1991 nm,2012~2039 nm,2165~2186 nm谱区;3)采用GA-PLS算法挑选特征波段建立SOM估算模型,模型精度和预测能力明显高于R和R';4)利用SVM方法建模模型精度明显高于PLSR方法;5)样本容量较大时,采用1mm(20目)粒径光谱数据建模最佳。     

基于野外实测Vis-NIR光谱的土壤肥力估算研究——以湟水流域为例

为探讨野外实测光谱数据对土壤肥力的估算能力,采集青海省湟水流域表层0～20 cm土壤样品220份,同步测量其采样位置的野外实测光谱数据,实验室对土壤养分、机械组成含量以及pH值进行分析。基于上述数据,对野外实测光谱反射率进行多元散射校正(Multiplicative scatter correction,MSC)、SG-一阶导数变换(SG-First Derivative,SG-1st)预处理,采用稳定性竞争自适应重加权采样法(stability competitive adaptive reweighted sampling,SCARS)提取不同土壤养分、机械组成含量以及pH值的特征波段,以偏最小二乘回归(partial least squares regression,PLSR)模型对土壤全碳(TC)、有机质(OM)、全氮(TN)、碱解氮(AN)、pH、黏粒(clay)、粉粒(silt)、砂粒(sand)含量进行估算并对比分析,构建土壤养分含量、p H值以及机械组成含量的最优野外实测光谱估算模型。结果表明:通过MSC校正和SG-1st变换能够有效增强野外光谱特征;经SCARS选取的特征波段主要集中于近红外波段。基于野外实测光谱数据建立的PLSR模型能够对研究区土壤TC、OM、TN、AN含量以及pH值进行粗略估算;其中,对于TC、OM、TN含量及pH值而言,最佳估算模型为经SG-1st处理后的SCARS-PLSR模型,RPD值均达到1.70以上(RPD_(TC)=1.76;RPD_(OM)=1.82;RPD_(TN)=2.04;RPD_(pH)=1.89),RPIQ值均达到1.90以上(RPIQ_(TC)=1.91;RPIQ_(OM)=2.53;RPIQ_(TN)=2.98;RPIQ_(pH)=2.03);对于土壤AN含量而言,经MSC处理后的SCARS-PLSR模型最佳,其RPD_(AN)值高达1.91,RPIQ值高达2.39。对土壤clay、silt以及sand含量野外光谱均无法估算,RPD值均在1.00左右,RPIQ值在1.20左右。     

重金属铜和锌胁迫下的小麦冠层反射光谱特征

目前关于土壤重金属污染对作物的光谱影响仍然处于探索阶段,受植物种类和环境等因素的影响,植物重金属胁迫机理的诊断仍存在不明确的问题,作物不同生长阶段对不同重金属的耐受程度存在差异。为了探究快速监测作物受重金属污染胁迫状况,采用田间小区试验,利用光谱分析方法研究了土壤重金属不同质量分数铜(0、100、300、600、900 mg/kg)和锌(0、250、500、750、1 000 mg/kg)处理下小麦分蘖期、拔节期和抽穗期冠层光谱特征。结果表明,小麦在分蘖期和拔节期冠层光谱在可见光(350~760 nm)波段内反射率总体随着铜、锌污染浓度的增加而升高,而在近红外(760~900 nm)波段内反射率随铜、锌处理浓度的增加而降低;分蘖期不同浓度铜、锌处理下,小麦冠层光谱出现红边蓝移和红谷蓝移现象;分蘖期铜处理在600、900 mg/kg和拔节期铜处理在900 mg/kg下小麦红边归一化指数值(NDVI705)均低于0.2;分蘖期锌处理在750和1 000 mg/kg下小麦红边归一化指数值(NDVI705)均低于0.2;该试验中引起小麦受到胁迫作用冠层光谱响应的铜临界浓度介于300与600 mg/kg之间,而锌临界浓度介于500与700 mg/kg之间。     

土壤偏振反射特性的多角度测量与研究

应用二向反射光度计实测了部分典型土壤在干燥与一定含水量状态下的偏振反射数据,并以黑土为例测试了其在不同含水量情况下的偏振反射数据,从探测方位角、光线入射天顶角、探测天顶角、偏振角、波段等方面对所测土壤的偏振反射数据进行了初步分析与研究,这不仅对土壤物理性质的测试做出了新尝试,而且对偏振光遥感的深入研究具有一定的理论与实践意义。     

基于因子分析-BP神经网络的小麦叶片白粉病反演模型

明确白粉病胁迫下小麦叶片受害程度并构建误差小、精度高的反演模型,是实现小麦白粉病遥感监测和精确防控的基础。基于大田小区小麦白粉病人工接种试验,采用高光谱仪测试不同白粉病危害程度下冬小麦叶片光谱反射率,利用常规光谱特征参数、比值指数和归一化指数及因子分析(factor analysis,FA)与BP神经网络(back propagation neural network,BPNN)相结合的方法对小麦叶片白粉病严重度进行模型模拟并对模型拟合精度与适用性比较。结果表明:对小麦白粉病反应敏感的光谱波段为415、485~495、620~640 nm。常规光谱参数中表现较好的光谱植被指数和两波段比值及归一化植被指数的决定系数范围为0.6~0.8,均方根误差范围为8.5~11.5,其中,RI(670,855)、NDVI(680,880)、RGRcn和PSRI对白粉病反演精度及误差控制表现得相对较好。经过FA提取敏感波段的公共因子,进而利用BPNN算法进行模拟,较常规光谱参数有效提高了病情严重度的估算精度,各个测定时期模拟检验决定系数大于0.80,模型的检验均方根误差小于8.09,整个灌浆期反演模型检验的均方根误差和相对误差分别为7.84和7.56%,反演模型对小麦白粉病的整个病症期均具有很好的适用性。由此可得,基于FA-BPNN法所建立的反演模型精度高、误差小,对小麦白粉病病害时期兼容性好,研究结果对植物病害精确防控具有重要意义。     

航空施药雾滴沉积特性光谱分析检测系统研发与应用

为快速获取航空施药雾滴沉积的连续分布特性,弥补传统离散样点取样方式检测不足,提升航空施药雾滴沉积特性检测准确性,该文结合光谱分析和荧光激发技术设计研发了基于光谱分析的航空施药沉积特性检测系统。系统包括信息采集模块、采集装置模块和数据处理模块3部分。配置质量分数1.0%的荧光示踪剂溶液,采用农用植保无人机现场喷洒作业,同步放置雾滴获取介质和水敏试纸样本采集雾滴分布,系统采集雾滴获取介质的光谱特征曲线。与水敏试纸图像分析获取的雾滴沉积特性参数结果对比分析,结果表明:雾滴获取介质上的荧光示踪剂在450~460 nm和500~520 nm波段范围内产生显著荧光效应,其光谱平均值与雾滴沉积特性参数呈显著正相关。计算出450~460 nm和500~520 nm波段范围光谱平均值,建立雾滴沉积特性参数的检测多元线性回归模型,建模决定系数达0.80以上,验证决定系数达0.83以上,达到了较为理想的拟合结果。     

SEVERITY OF SALINITY ACCURATELY DETECTED AND CLASSIFIED ON A PADDOCK SCALE WITH HIGH RESOLUTION MULTISPECTRAL SATELLITE IMAGERY

We hypothesised that digital mapping of various forms of salt‐affected soils using high resolution satellite imagery, supported by field studies, would be an efficient method to classify and map salinity, sodicity or both at paddock level, particularly in areas where salt‐affected patches are small and the effort to map these by field‐based soil survey methods alone would be inordinately time consuming. To test this hypothesis, QuickBird satellite data (pan‐sharpened four band multispectral imagery) was used to map various forms of surface‐expressed salinity in an agricultural area of South Australia. Ground‐truthing was performed by collecting 160 soil samples over the study area of 159 km². Unsupervised classification of the imagery covering the study area allowed differentiation of severity levels of salt‐affected soils, but these levels did not match those based on measured electrical conductivity (EC) and sodium adsorption ratio (SAR) of the soil samples, primarily because the expression of salinity was strongly influenced by paddock‐level variations in crop type, growth and prior land management. Segmentation of the whole image into 450 paddocks and unsupervised classification using a paddock‐by‐paddock approach resulted in a more accurate discrimination of salinity and sodicity levels that was correlated with EC and SAR. Image‐based classes discriminating severity levels of salt‐affected soils were significantly related with EC but not with SAR. Of the spectral bands, bands 2 (green, 520–600 nm) and 4 (near‐infrared, 760–900 nm) explained the majority of the variation (99 per cent) in the spectral values. Thus, paddock‐by‐paddock classification of QuickBird imagery has the potential to accurately delineate salinity at farm level, which will allow more informed decisions about sustainable agricultural management of soils. Copyright © 2011 John Wiley & Sons, Ltd.     

黑土土壤中全氮含量的高光谱预测分析

为实现快速、准确估测土壤氮素含量水平,推动土壤信息化管理进程,该研究利用ASD2500高光谱仪在室内条件下测定了风干土壤样品的可见—近红外光谱。结果表明,通过不同的变换,光谱反射率对数的一阶导数与土壤全氮含量相关性得到增强,以400～600 nm波段范围内相关性最好。该文确定了以反射率对数的一阶导数光谱预测黑土全氮（TN）含量的最佳回归模型,模型所用的波段为可见光波段的556 nm、近红外的1 642和2 491 nm。同时,也确定了利用由可见光波段550和450 nm组成的归一化光谱指数预测黑土TN含量的最佳预测模型。模型通过验证达到较好的效果：利用反射率对数的一阶导数、归一化光谱指数对土壤TN的预测R2分别为0.863、0.829,均方根误差RMSE分别为0.122、0.152。     

基于高光谱特征指数的土壤有机质含量建模

以江苏中部的水稻土和潮土为研究对象,采集178个表层土壤(0~20 cm)样品,并测定了土壤有机质含量(Soil Organic Matter,SOM)。运用ASD FieldSpec 3光谱仪测量了土壤的高光谱曲线,首先对原始光谱进行倒数对数和去包络线变换,分析了不同SOM含量梯度和土壤类型的高光谱特征。其次,基于原始光谱、倒数对数变换和去包络线变换等三种光谱数据,分别计算弓曲差、差值指数、比值指数和归一化指数等光谱特征指数,并分析其与SOM含量的相关性。最后,筛选光谱特征指数建立SOM的回归预测模型,并比较模型精度。结果表明:(1)SOM含量与原始光谱呈极显著负相关,与倒数对数光谱呈极显著正相关,且在400~900 nm波段相关性最强,相关系数绝对值在0.6以上。去除包络线处理后,土壤光谱曲线特征差异明显,在420 nm、480 nm、660 nm和900 nm附近出现了明显吸收谷。(2)原始光谱、倒数对数变换和去包络线变换光谱在600 nm处的弓曲差与SOM含量极显著相关(P<0.01),相关系数分别为–0.66,0.61和–0.33。(3)利用3种光谱数据的差值指数、比值指数和归一化指数分别结合弓曲差,建立的SOM预测模型效果较好,建模的R2和RMSE分别介于0.56~0.64和4.98~5.50 g·kg^–1,验证的R2和RMSE介于0.67~0.73和3.21~3.51 g·kg^-1。为快速有效测定苏中平原SOM含量提供技术支持。     

反射光谱估算滨海土壤黏粒含量

探明反射光谱估算土壤黏粒含量的成因是实现黏粒含量测定、提高估算精度的基础。该文以江苏省滨海平原的150个土壤样品为研究对象,将测得的原始光谱数据进行平滑、一阶导数、连续统去除和倒数等数据变换,采用逐步多元线性回归(stepwise multiple linear regression,SMLR)和偏最小二乘回归(partial least squares regression,PLSR)方法估算黏粒含量,并在此基础上分析建模的影响波段,探讨反射光谱估算土壤黏粒含量的成因。结果表明,连续统去除光谱数据的SMLR分析估算精度最高,建模集和验证集决定系数分别为0.941和0.750。360~900、1 800~2 490 nm是黏粒含量的重要建模影响波段,该建模影响波段主要包括铁离子(410 nm附近)、土壤有机质(500~800 nm)、层状硅酸盐中的结晶水(1 900 nm附近)、绿泥石和蛭石等黏土矿物(2 325 nm)的吸收特征波段;PLSR分析表明,1 400 nm附近回归系数出现的双峰特征源于高岭石的双峰吸收。黏粒中的黏土矿物、黏粒对铁离子的吸附特性以及黏粒与有机质的高度相关性是实现反射光谱估算滨海土壤黏粒含量的原因。     

艾比湖流域盐渍土含水量光谱特征分析与建模

盐渍土表层盐分累积与土壤含水量有着直接的关系.为了建立干旱区盐渍土含水量高光谱遥感监测模型,本文以艾比湖流域不同含水量的盐渍土为研究对象,采用光谱反射率变换和多元统计分析(MSAM)方法,对土壤含水量的光谱特征进行分析和建模.结果表明:随着土壤含水量的增加,土壤反射率呈下降趋势;在一定范围内,波长越长,土壤光谱反射率与含水量的相关性越高,其中1 937 nm处的土壤光谱反射率与含水量具有最高的相关性(r=-0.636).对土壤光谱反射率进行8种光谱反射率变换后,在此基础上利用多元统计方法分析盐渍土的不同含水量与光谱之间的相关性,筛选敏感波段,建立关系模型.得出对数一阶微分(Logarithm First Order Differential)在波长2024和2 357nm建立的模型以及均方根一阶微分(Root Mean Square First Order Differential)在波长1 972和2 357nm建立的模型最优,相关系数r分别为0.894和0.865.基于上述模型作者构建了一种耦合模型,其相关性r=0.926比对数一阶微分模型提高了0.032,比均方根一阶模型提高了0.061;因此,所构建的盐渍土含水量估算模型是可行的,可以为遥感反演提供理论参考,对高光谱遥感反演具有一定意义.