利用高光谱和GF-1模拟多光谱进行土壤有机质预测和制图研究

利用土壤有机质(SOM)高光谱数据和模拟GF-1多光谱影像的波段响应函数生成的宽波段多光谱模拟数据,对比高光谱预处理和构建土壤植被指数,探索模拟GF-1光谱预测SOM的潜力。研究表明,SOM的一阶微分高光谱和模拟GF-1光谱数据构建的土壤指数与SOM的相关性最好。PLSR建模分析表明采用一阶微分高光谱数据可以很好的对SOM进行预,而且模型稳健(R2=0.962,RPD=4.87);模拟GF-1光谱也可以较好的进行SOM的预测,但是模型的稳定性相对较差R2=0.557,RPD=1.43。同时,SOM制图的空间分布表明,采用一阶微分光谱数据和模拟GF-1数据预测得到的SOM含量与实测的SOM表现出相似的空间分布特征。这为采用多光谱数据进行大尺度、大范围的SOM预测提供了基础。     

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。     

基于机器学习的江汉平原土壤有机碳预测及制图

土壤有机碳（SOC）不仅显著响应于表层,而且随深度的变化呈现不同的响应。江汉平原作为长江经济带农田生态系统的重要组成部分,其SOC垂向分布状况仍有待考察。本研究收集了2009—2012年湖北省土系调查的66个剖面数据,基于9个环境因子为协变量使用随机森林法构建 0~30、>30~60、>60~100 cm土层深度的 SOC含量预测模型,绘制了 30 m空间分辨率的 SOC含量分布图,并估算了 SOC 储量。结果表明,SOC 含量随土层深度的增加而减少,总体呈中东部高、西部低的特征。模型对表层（0~30 cm）SOC的预测精度最高（R²=0.45,RMSE=3.28 g·kg^-1）,温度、黏粒含量和降水对模型重要性居前三。江汉平原 1 m深 SOC储量为 183.75 Tg,>30~100 cm土层 SOC储量约占 1 m深度总储量的 59%。因此,土壤碳库估算及固碳潜力评估时需着重考虑深层土壤。本研究可为掌握SOC空间分布及垂直分异的响应规律提供参考。     

自然和人为因素对耕地土壤有机质含量影响的研究

【目的】以江西省泰和县为研究区域,揭示县域尺度耕地土壤有机质(SOM)的空间分布规律。【方法】设计覆盖整个泰和县耕地的采样网络,采集361个表层(0～20 cm)土壤样品。使用普通克里格插值法探究研究区耕地土壤有机质含量的空间分布特征,利用随机森林模型结合经典统计方法探究泰和县耕地土壤有机质空间分异的主要影响因素。【结果】研究区耕地土壤有机质含量均值为31.05 g kg^-1,处于较丰富水平,表明泰和县耕地土壤肥力水平较好。泰和县耕地土壤有机质具有中等程度的空间自相关性,具有中部低、东西高的空间分布特征。秸秆还田和海拔是耕地土壤有机质含量的主要影响因子,解释率为56.37%和18.73%。土壤pH、成土母质、施肥量和灌溉能力对土壤有机质含量也具有显著影响,解释率分别为9.66%、9.47%、6.76%和5.45%。【结论】采取秸秆还田、合理施用石灰和完善排水设施等田间管理措施可以有效提高耕地土壤有机质含量,改善土壤保肥固碳能力,对促进农业可持续发展,助力实施国家“碳达峰”和“碳中和”战略具有重要价值和意义。     

新时代土壤地理学的发展现状与趋势

土壤地理学是研究土壤时空分布规律、形成过程及其资源环境效应的土壤学学科分支，其主要目标和任务是理解土壤形成演化的关键过程与影响因素并预测未来土壤-环境的共同演化特征，揭示土壤资源分布规律、利用前景和保护对策，为农业、生态环境保护等提供科学依据，支撑土壤普查、耕地保护等国家目标。21世纪特别是新时代10年以来土壤地理学取得了一些重要的进展，研究对象和内容也发生了很大的变化，逐渐向以土壤为核心的地球表层系统科学发展，高强度人为活动和全球气候变化背景下的土壤时空演变研究愈加活跃。土壤地理学主要发展趋势包括土壤信息获取方式正在发生变革，数字土壤制图向融合过程机理与数据驱动发展，土壤时空信息的应用范围更加广泛。未来土壤地理学优先发展领域包括：以关键带研究带动土壤发生和演变研究的革新，基于多传感器的土壤综合观测原理与技术，多尺度数字土壤制图与时空变化预测等。