考虑人为因素影响的重金属含量分析用土壤样品采集方法研究

合理布置土壤采样点是全面掌握重金属空间变异特征及变化趋势的重要环节。目前在土壤重金属相关研究中还是以网格化均匀采样为主的传统采样。然而,这些方法未能充分考虑采样的成本和代表性,无法满足高精度空间分析方法要求。本文基于人为影响因素进行重金属采样布局,通过筛选区域范围内影响土壤重金属的人为影响因素,利用核密度方法对影响因素进行指标量化,以半变异方差为目标函数,通过变程分析采样点的采样方案。本文以龙口北部平原区为典型研究区,选择了工矿企业密度（DI）和道路密度（DR）两种重要的人为因素指标,寻求土壤Hg元素的最佳采样点采集方案,最后通过基于不同间距的采样点分析来验证本文提出的采样方案的有效性。结果表明（1）DI与Hg在研究区南部和东北部区域具有相似的空间分布趋势,DR与Hg在研究区南部和东南部区域的空间分布趋势相似程度较大;（2）DI和DR的有效变程分别为5819 m、6079 m,与土壤数据Hg的变程（6000 m）也较为相近;（3）为了验证人为因素指标所求变程可以作为土壤Hg采样距离参考值,设置了不同采样间距的Hg实际采样方案（3000 m、4000 m、5000 m、6000 m和7000 m）,利用克里金插值精度（MSE、RMSDE）获取不同采样方案的重金属估测误差。对比不同采样间距发现,当采样间距 ≤ 6000 m时,不同采样间距之间的误差相差无几,而以7000 m作为采样间距时,误差却大幅增加。所以6000 m作为采样间距时,既能充分考虑采样的成本和代表性,也能满足高精度空间分析方法要求,而且这个数值与DI、DR所求变程（6000 m）相同,进一步证明了人为因素指标DI、DR所求变程具有Hg样本采集方案布局的参考价值。     

基于D-InSAR技术的龙口矿区地表沉降遥感监测研究

以山东省龙口市矿区为研究区,选取2007年7月至10月的3景L波段的ALOS PALSAR数据,采用"二轨法"D-InSAR技术提取了研究区的沉降空间分布、地面沉降量、沉降面积、动态下沉曲线以及下沉速率等值线,分析了两个监测时段龙口矿区的塌陷状况及地表形变规律。结果表明:(1)沉降区域主要集中在研究区的西部、北部矿区,坐落于北皂前村、北皂后村和兴隆庄村;(2)2007年7月10日至2007年8月25日时段内累积最大沉降量22 mm,沉降总面积约为0.21 km~2,平均沉降速率为0.32 mm d~(-1),北皂前村附近的矿区沉降剖面下切最深,该时段的沉陷形变不活跃;(3)相比上一监测期,2007年8月25日至2007年10月10日时段内,最大沉降量减少为11 mm,沉降总面积增大为1.2 km~2,平均沉降速率减少为0.11mm d~(-1),说明沉降深度减少,但沉降范围增大,沉陷形变趋缓。本研究可为矿区周边建筑物、道路等基础设施建设、耕地重建提供参考。     

基于野外实测光谱的潍北地区土壤全盐量监测研究

为提高潍坊北部地区土壤全盐量监测精度,研究利用光谱测量技术,采集80个土壤样本的光谱数据,其中41个土样测定化学成分。对光谱进行一阶微分(FDR)、二阶微分(SDR)、倒数对数变换(Log(1/R)),将三种指标与土壤全盐量建立逐步多元回归模型和主成分回归模型,并分析在不同指标下所建模型的精度,旨在实现研究区土壤全盐量的定量反演。结果表明:利用光谱变换的一阶微分(FDR)、二阶微分(SDR)所建立的逐步多元回归模型和主成分回归模型的建模系数R~2均大于0.80,说明建模精度较高。在进行检测样本精度检验比较后,其中利用一阶微分(FDR)变换建立的主成分回归模型最稳定,检验精度最高,土壤全盐量建模决定系数R~2为0.931,均方根误差RMSE为0.188,其次为一阶微分逐步多元回归模型。     

采用非负矩阵分解方法的秸秆-土壤光谱解混及盐分估测

黄河三角洲地区发展节约型农业,大力推行秸秆还田技术以改善土壤生态环境,当利用遥感技术对部分秸秆覆盖地区进行土壤盐渍化监测时,混合像元制约土壤盐分遥感估测的精度。该研究设置10组不同秸秆覆盖度的盐渍化地表场景,多次光谱测量并取平均值作为其反射光谱。探究非负矩阵分解（Non-negative Matrix Factorization,NMF）方法分离农业秸秆和土壤光谱的有效性,并基于分离出的土壤光谱构建偏最小二乘法土壤盐分估测模型。结果表明：1）秸秆覆盖会使土壤光谱反射率增高,相比于纯土壤光谱在1 730 nm、2 090 nm附近出现吸收谷;2）通过NMF进行混合光谱解混之后,可以有效地将土壤光谱从秸秆覆盖光谱中分离出来,且土壤光谱保留了土壤盐分信息;3）对于不同秸杆覆盖水平下的土壤盐分估测模型而言,与原始混合光谱相比,利用土壤光谱NMF分离数据构建的模型精度普遍提高,建模集决定系数平均提高0.07,均方根误差降低1.21。验证集决定系数、相对分析误差分别平均提高0.07、0.25,均方根误差降低1.22。该研究可为黄河三角洲地区部分秸秆覆盖盐渍土地的近地面遥感估测精度的提高提供方法。     

基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建

为实现大豆蛋白质、脂肪含量的快速无损检测,采集350～2 500 nm光谱范围内的大豆近红外光谱。运用经典Kennard-Stone算法选取建模样本及验证样本,对近红外原始光谱进行卷积平滑(savitzky and golay, SG)+一阶微分、变量标准化(standard normal variate, SNV)+去趋势算法(de-trending,DT)、正交信号校正(orthogonal signal correction,OSC)处理;然后通过竞争性自适应重加权采样方法(competitive adaptive reweighted sampling,CARS)筛选出特征波长,比较偏最小二乘法(partial least squares,PLS)、BP神经网络法所建模型,最终获得对于大豆蛋白质、脂肪含量的快速、无损检测的最佳模型。结果表明:(1)经CARS特征波段挑选后,波长的变量个数由1 981个减少为100个以下,变量压缩率大于94.95%;(2)CARS波段选择能够提高建模精度,基于挑选的特征波段所建立模型的决定系数均0.9;(3)OSC+CARS+PLS与OSC+CARS+BP该类数据处理组合方式在一定程度上能够实现大豆蛋白质、脂肪的快速、无损检测。优化构建的该模型能够精准快速无损的检测大豆蛋白质、脂肪含量,对大豆品质评估以及作物改良具有重要意义。