| 摘 要： | 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。
|
