土壤有机质含量的高光谱特性及其反演

【目的】应用高光谱技术阐释土壤有机质光谱规律及对有机质在土壤中的含量进行定量分析，为土壤肥力测定和评价提供指导。【方法】利用ASD FieldSpec Pro地物光谱仪在自然环境条件下对不同有机质含量的土壤样本进行光谱测量。通过对获取的土壤样品高光谱反射率进行倒数、导数、对数和标准化比值变换，运用统计单相关方法进行分析。【结果】确定了511 nm波长为诊断土壤有机质含量的敏感波段，采用450～750 nm可见光波段反射率均值对507～516 nm敏感范围反射率均值进行标准化比值处理后获得的有机质诊断指数（OII）对土壤有机质含量的估算精度较高，它们存在着简单的线性相关关系。【结论】土壤有机质诊断指数（OII）反演模型为土壤肥力的快速测定提供了新的途径。     

华南地区土壤有机质含量高光谱反演

为实现对土壤有机质含量的快速监测,在对土壤有机质含量作倒数变换的同时将土壤高光谱数据进行多种数据变换处理,筛选出与土壤有机质含量倒数变换后相关性最高的光谱指标,最后构建了土壤有机质含量高光谱反演的最佳模型,实现对土壤有机质含量的反演。结果表明:估算土壤有机质含量的最佳光谱指标为反射率一阶微分波段组合R_((587,126)*R_((734,049))*R_((1 095,892)),相关系数为0.769;在此基础上构建的土壤有机质含量高光谱反演模型最佳(Y=5×10~(16)x~3-5×10~(10)x~2+59 471.000 0x+0.101 1),其决定系数R~2为0.65,均方根误差(RMSE)为0.040 mg/kg。将其验证样本预测值与实测值进行比较,平均相对误差为27.00%,RMSE为4.19 mg/kg。该验证结果证明利用该模型进行华南地区土壤有机质含量的快速监测是可行的。     

基于CNN-FCM与光谱数据的土壤有机质高光谱估测

为克服卷积神经网络（CNN）拟合和估测精度不一定成正比的不足,提高土壤有机质估测精度,本文基于山东省济南市章丘区和济阳区的121个土壤样本的数据,首先对光谱数据进行预处理,然后建立土壤有机质高光谱CNN-FCM估测模型。结果表明：当CNN模型结构为一个3×3的卷积核,一个2×2的平均池化层,一个完全连接和输出层,FCM模型的模糊分类数为10,且使用线性函数建立融合模型时,模型估测精度最高,其中检验样本的决定系数R2为0.895,平均相对误差MRE为5.042%,均优于传统的BP、SVM和随机森林模型。研究表明,土壤有机质高光谱CNN-FCM估测模型是可行有效的。     

基于高光谱数据的土壤有机质含量预测研究

[目的]快速、有效、非接触、非破坏性地提取土壤有机质含量信息.探索新疆绿洲农区如何应用高光谱遥感技术分析、模拟、评价、预测土壤有机质含量,促进高光谱分辨率遥感技术在农田土壤遥感诊断、作物科学种植、水肥分区管理、田间农情监测中的应用,为新疆实施精准农业提供科学理论参考.[方法]利用高光谱遥感技术提取土壤有机质含量信息的研究,采用美国ASD Field Spec Pro VNIR 2500型光谱辐射仪获取田间土壤不同有机质含量信息的高光谱反射率;通过光谱分析技术,运用各种土壤反射率数学变换形式,找出最具代表性的敏感波段,揭示土壤有机质含量与其光谱成因机理之间的内在联系.[结果]基于NDI预测土壤有机质含量的估算模型中以一元三次函数模型(YSOM=-4E+ 07XNDI3+ 2E+ 06XNDI2-21 338XNDI+ 110.44,R2=0.713 2)为最优,指数函数模型次之.[结论]基于归一化光谱指数NDI可以较好的估算土壤有机质含量,利用统计方法建立的经验模型,简单实用,将对特定区域、特定土壤的预测有较好的效果.     

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。     

淮北矿区有机质含量反演

高光谱遥感能提供精细的光谱,具有弱信息诊断能力,在土壤微量成分反演表现出巨大的潜力.本文以安徽省淮北某矿为例,采集不同深度土壤样本,在实验室测定了样本有机质含量及光谱,并对土壤样本光谱进行预处理;在对光谱进行一阶微分、二阶微分和吸光率等变换后,用交换检验法在87个样本中,58个样品做训练集,27个做验证集,确定了用于矿...     

基于灰数灰度的土壤有机质高光谱估测

为克服光谱估测中的不确定性,利用统计回归与灰色系统理论建立土壤有机质高光谱估测模型。以山东省济南市章丘区采集的76个土壤样本为研究对象,首先对土壤光谱数据进行变换处理,根据极大相关性原则选取特征波段的估测因子,建立各特征波段的一元线性回归预测模型;其次,对各估测因子进行由小到大排序,计算估测因子排序后的土壤有机质含量的滑动方差,将滑动方差转化为灰数的灰度值,并将其用于修正估测因子,然后再建立各特征波段的一元线性回归修正模型;最后采用平均法与加权法融合各个单波段的预测值。结果表明,所建估测模型精度和检验精度均显著提高,13个检验样本的R²=0.911,MRE=7.764%。研究表明,本文建立的基于灰数灰度的土壤有机质含量高光谱估测模型是可行有效的。     

哈尔滨市土壤有机质高光谱模型

通过对哈尔滨市土壤样品实测和室内高光谱测定,以土壤光谱反射率(反射率倒数、反射率对数、反射率一阶微分等)的数学变换数据作为自变量,土壤有机质质量分数的对数作为因变量,利用Matlab7.1软件,多元统计分析方法,建立了哈尔滨市土壤有机质质量分数高光谱多元逐步回归分析模型,实现了对哈尔滨地区土壤有机质的快速预测。     

丘陵区耕地土壤有机质含量高光谱估测研究

本文以钢城区2个丘陵村耕地土壤为研究对象,通过野外采样、自然风干、化验分析、高光谱测定及数据处理等,确定最佳高光谱变换方式并筛选显著性波段,建立随机森林(RF)、支持向量机(SVM)、偏最小二乘回归(PLSR)和多元逐步回归(SMLR)4种估测模型,对比分析确定最佳估测模型.结果表明:高光谱变换处理可以扩大光谱曲线特征...     

高光谱遥感土壤质量信息监测研究进展

高光谱遥感具有波段多且光谱连续等特点,在土壤质量信息的监测方面,利用高光谱遥感数据,能够实现对土壤特性的定量分析.总结了利用高光谱遥感技术获取土壤质量信息的方式和特点,以及影响土壤光谱反射特性的主要因素,回顾了国内外基于遥感的土壤质量信息提取的定量研究,并对研究中的问题进行了分析和展望.     

结合分数阶微分和异常值识别的土壤有机质高光谱反演研究

【目的 】结合分数阶微分和异常值识别,提高土壤有机质模型反演精度,实现土壤有机质含量的快速、准确估计。【方法 】文章以吉林省伊通县黑土区为研究区,基于实地采集的213个土壤样本和HyMap-C机载高光谱传感器获取高光谱影像,选择S-G函数和分数阶微分进行光谱预处理,竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）提取特征波段建立土壤有机质含量偏最小二乘回归（Partial Least Squares Regression,PLSR）反演模型,并使用蒙特卡洛交叉验证（Monte Carlo Cross-Validation,MCCV）进行异常值识别。【结果 】（1）将分数阶微分用于机载高光谱可以放大光谱特征,阶数越高、特征越明显,低阶分数微分对噪音不敏感;（2） CARS方法能有效压缩光谱信息;全样本建模中0.4阶分数阶微分CARS-PLSR建模表现较优,但总体精度仍然不高;（3）使用MCCV剔除异常值后,0.6阶分数阶微分CARS-PLSR建立的土壤有机质含量反演模型精度最高,训练集和测试集的均方误差分别为0.219%...     

基于近红外光谱的不同建模方法检测土壤有机质和速效P含量的研究

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效P含量。【方法】分别采集江西不同地区的土样240个,采集土壤样品的近红外漫反射光谱,以对光谱数据进行主成分分析得到的前6个主成分(PCs)和偏最小二乘回归(PLSR)建模得到的6个潜在变量(LVs),分别作为反向传播神经网络(BPNN)和偏最小支持向量机(LS-SVM)的输入变量,共建立6个模型,分别为主成分回归(PCR)、PLSR、BPNN-PCs、BPNN-LVs、LS-SVM-PCs和LS-SVM-LVs,并对这些建模方法预测土壤有机质和速效P含量的结果进行评价,从中筛选出最佳模型。【结果】在预测土壤有机质和速效P含量时,LS-SVM-LVs模型的预测效果优于PCR、PLSR、BPNN-PCs、BPNN-LVs和LS-SVM-PCs模型。用LS-SVM-LVs模型得到的有机质、速效P预测集的决定系数(R2)和均方差(RMSE)分别为0.873 4,0.780 1mg/kg和2.92g/kg,4.97mg/kg。【结论】将近红外漫反射光谱和LS-SVM、PLSR相结合可用于测定土壤有机质和速效P含量。     

砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究

有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。     

土壤颗粒态有机质中铜和铅的结合特征

为了解土壤颗粒态有机质(POM)中重金属的富集机理,采用化学试剂选择提取方法,把POM中铜和铅分为可交换态、络合态、有机质紧结合态和矿质态等4种形态.结果表明,与细土(＜0.05 mm)相比,POM中铜和铅的有机质紧结合态、可交换态和络合态比例较高;可交换态重金属比例随POM粒径减小而下降,络合态重金属比例却随POM粒径减小而增加.污染土壤中分离获得的POM有较高比例有机质紧结合态铜和铅,而人为添加的铜和铅在POM中主要向络合态和交换态转化.研究认为,污染土壤中有机质紧结合态重金属大多可能是经植物吸收进入土壤后分解残留所致;而POM中络合态和交换态重金属主要通过有机质与土壤重金属的交换和络合作用而富集.     

不同消解方法测定土壤有机质含量

重铬酸钾为氧化剂,选用油浴、磷酸浴、电沙浴、微波消解加热消解土壤有机质,比较有机质测得量。结果表明：微波法有机碳氧化率最高,精密度和准确度最高,平行测定RSD为0．42％～0．69％。磷酸浴法氧化率高,准确度与精密度高,平行测定RSD为0．43％～0．70％。磷酸浴法温度稳定,易于控制,简单,安全,环保。微波法和磷酸浴法试验结果相对误差为＋0．61％～＋1．39％,可以作为实验室分析土壤有机质的标准加热消解方法。油浴法与沙浴法氧化率较低,试验误差大。油浴法温度不易控制,存在环境污染。     

近30年广西土壤有机质演变特征

土壤有机质(SOM)是衡量农业生产力和土壤整体健康的重要指标,对促进区域粮食安全和缓解全球变暖下的粮食危机具有重要意义。为揭示1984—2009年广西全域SOM变化情况,基于广西第二次土壤普查项目(1984年)和广西测土配方施肥项目(2009年)两期数据,利用地统计学、动态度、分布指数等方法分析了广西土壤表层SOM时空演变特征及其在不同海拔高度上的分布状况。结果显示,近30年广西SOM总体含量大幅提升,各含量等级已由零散交错的不均匀分布演变为相对集中的连片分布,分布面积呈现：等级4(20～30 g·kg^-1)>等级5(30～40 g·kg^-1)>等级6(>40 g·kg^-1)>等级3(10～20 g·kg^-1)>等级1(≤6 g·kg^-1)>等级2(6～10 g·kg^-1),等级4和等级5所占比例分别由1984年的28.20%和18.73%提升至2009年的38.09%和36.19%。在变化速率方面,等级2减少最为迅速,...     

水合热法测定土壤有机质含量的氧化条件优选

以外加热法作对照,研究了不同氧化剂与土样配比、环境温度等因素对水合热法测定土壤有机质含量的影响,并分析了不同方法测定的土壤有机质含量与土壤有机质中胡敏酸、富里酸的关系,为水合热法在测土配方施肥领域的推广应用提供参考。结果表明,采用水合热法测定土壤有机质含量的最佳氧化条件是：浓硫酸与重铬酸钾标准溶液体积比为2∶1,土壤称样量为氧化剂消耗量的1/2,23℃左右室温或63～93℃水浴保温氧化30min。     

南洞庭湖区湿地土壤有机质及氮素空间分布特征

对南洞庭湖区3类不同类型湿地土壤有机质及全氮的空间分布特征进行了研究. 结果表明:3类湿地土壤养分差异较大,湿地表层土壤有机质和全氮含量从高到低依次为湖草滩地、芦苇滩地、泥沙滩地;土壤全氮与有机质呈极显著正相关关系(P<0.01),回归方程为y =0.093 1x-0.080 2(R2=0.943 5);土壤碳氮比都相对较低(4-9);湿地干湿交替周期、植被生长特征及pH值都是影响湿地土壤中有机质及全氮空间分布的因子.     

土壤轻组有机质研究进展

土壤有机质在碳和氮循环及维持土壤生产力等方面具有重要作用,利用密度分组技术可将土壤有机质分成轻组和重组.轻组密度一般<2.0 g.cm-3,通常用密度浮选法分离得到,早期分离轻组的重液是有机溶剂,目前多用水溶性无机盐,结合密度和颗粒大小的分离技术在近年来得到迅速发展.轻组主要由可识别的不同分解阶段的植物残体组成,还包括孢子、种子、动物残体、微生物的残骸以及一些吸附在碎屑上的矿质颗粒.土壤轻组仅占土壤质量的一小部分,但轻组的碳含量一般显著高于全土.轻组物质的碳氮比高,周转速度快,是易变有机碳的良好指标.土壤轻组一般具有明显的季节变化,并大部分聚集在土壤表层,随土层深度的增加而下降.土壤轻组主要受残留物输入的时间、数量、组成以及环境因素的影响,同时轻组对耕作经营措施、作物轮作制度、土地利用、施肥等变化的响应非常敏感.密度分组与颗粒大小分组技术的结合是今后研究轻组的主要技术手段,土地利用和经营管理的变化对土壤轻组数量和性质的时空动态影响是未来的主要研究方向.     

汉中盆地耕地土壤有机质的空间特征

【目的】研究汉中盆地耕地土壤有机质的空间自相关性、空间变异特征以及空间分布规律。【方法】根据地貌特征,以位于汉中盆地中部的平坝区作为研究区,于2010-2011年共采集土样3 568个,测定土样有机质含量,对获得的有机质含量原始数据进行处理后,综合运用传统统计、地统计和地理信息系统技术,研究汉中盆地耕地土壤有机质空间特征。【结果】研究区耕地土壤有机质含量为7.20~38.00g/kg,平均值为21.53g/kg,变异系数为24.48%,属中等强度变异;研究区耕地土壤有机质为空间聚集式分布,呈显著的正空间自相关,空间自相关尺度为4.70km;耕地土壤有机质含量的块金系数为0.55,表现为中等强度空间相关性;研究区61.13%的耕地土壤有机质含量较高(≥20~<30g/kg),整体分布格局为西高东低、南高北低,其中自东北向西南方向土壤有机质含量呈增加趋势。【结论】研究区大部分耕地土壤有机质含量较高,能够满足农作物生长的需要。