基于OSC和PLS的土壤有机质近红外光谱测定

分析了经过简单处理的土壤样本光谱特性,将正交信号校正与偏最小二乘算法回归相结合,建立了土壤光谱特性与土壤有机质含量之间的定量分析模型。结果表明,正交信号校正可以消除噪声信息对土壤有机质含量预测的影响,预测样本的预测相关系数达到0.893、标准偏差为0.051%、预测标准差为0.050%;而不采用正交信号校正建立定量分析模型的对应参数分别为0.818、0.069%和0.085%。     

不同采样密度的土壤水分特征参数预测

利用不同取样精度的土壤,将土壤质地(砂土、淤泥、粘土含量)和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0~20 cm表层土壤水分特征曲线参数,用甘肃省称钩河流域小流域的土样进行预测并进行了误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;使用BP神经网络来预测饱和体积含水量,其准确性比使用BP神经网络预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。     

基于Vis-NIR光谱的果园土壤有机质便携式检测仪研究

以赣南脐橙果园土壤为研究对象,对采集到的56个土样风干、过筛,然后进行化学分析,同时使用傅里叶近红外和自主设计的便携式仪器光谱采集。采集到的光谱数据经过一阶微分、平滑、多元散射校正、归一化四种常用的预处理方法,分别应用偏最小二乘法(partial least square regress PLS)进行建立脐橙果园土壤有机质的模型。研究表明,两仪器需要不同的预处理,傅里叶仪器原始光谱建模效果较好,而便携式仪器则需要平滑预处理。傅里叶仪器建立模型的预测相关系数(RP)为0.893,预测均方根误差(RMSEP)为0.474;自行设计的仪器在1 000~1 700nm范围建立赣南脐橙果园土壤有机质含量模型的预测模型的相关系数(RP)为0.801,预测均方根误差(RMSEP)为0.779。研究表明自行设计的便携式仪器可快速用于赣南脐橙果园的土壤中有机质含量的检测。     

基于人工嗅觉系统的土壤有机质检测方法研究

为了实现土壤有机质快速、准确的测量,提出了一种基于人工嗅觉的土壤有机质含量检测方法。首先,由不同温度控制的10个气体传感器所构成的阵列对土壤样品气体进行采集;然后,提取每个传感器响应曲线上的7个特征(包括最大值、最小值、平均值、平均微分系数、响应面积、第30秒的瞬态值和第60秒的瞬态值),构建嗅觉特征空间;对特征空间优化后,采用回归算法建立预测模型。为减小不同测定算法、异常样本以及冗余特征对模型预测性能的影响,在应用蒙特卡罗抽样(Monte Carlo sampling,MCS)法剔除异常样本的基础上,采用主成分分析(Principal component analysis,PCA)法对特征空间进行降维处理,评估了包括偏最小二乘法回归(Partial least square regression,PLSR)、支持向量机回归(Support vector machine regression,SVR)和BP神经网络(Back propagation neural network,BPNN)等3种建模方法对土壤有机质含量的预测性能,选用决定系数R2、均方根误差(RMSE)和预测偏差比(RPD)评价各模型的预测性能。测试集验证结果表明,PLSR、SVR和BPNN这3种模型的预测值和样本的观测值之间的R2分别为0. 86、0. 91和0. 85,RMSE分别为2. 49、2. 05、2. 68 g/kg,RPD分别为2. 49、3. 02和2. 32。SVR模型的预测性能高于PLSR模型和BPNN模型,可对土壤有机质含量进行准确预测。     

基于OSC和PLS的土壤有机质近红外光谱测定

分析了经过简单处理的土壤样本光谱特性，将正交信号校正与偏最小二乘算法回归相结合，建立了土壤光谱特性与土壤有机质含量之间的定量分析模型。结果表明，正交信号校正可以消除噪声信息对土壤有机质含量预测的影响，预测样本的预测相关系数达到0.893、标准偏差为0.051％、预测标准差为0.050％；而不采用正交信号校正建立定量分析模型的对应参数分别为     

土壤有机质含量田间实时测定方法

为了实现对土壤有机质含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤有机质含量测定方法。首先用机载便携式近红外频谱仪采集土壤样本在波长900~1 700 nm范围的漫反射光谱,并对异常样本进行判别和剔除以提高建模精度,在比较2种不同样本划分方法对模型影响的基础上,用连续投影算法(SPA)对建模变量进行最优波长选择,然后通过3种线性建模方法对有机质含量预测结果进行分析,探明偏最小二乘法(PLS)方法效果最好,并建立了径向基(RBF)神经网络预测模型。测试集样本实验结果表明,用PLS建立的预测模型有机质含量测定值和预测值之间的决定系数为0.801 9,均方根误差为0.179 4;用RBF神经网络建模的决定系数和均方根误差分别为0.828 1和0.164 6,两种模型均具有较高的精度,可对有机质含量进行快速预测。     

土壤质地对机采棉土壤水热状况及生长发育影响研究

为了进一步明确玛纳斯河流域土壤质地对机采棉水热状况及生长发育的影响,通过测坑试验,对3种不同土壤质地(壤土、砂土、黏土)下的土壤温度、土壤含水率、机采棉、株高、叶面积及产量进行了对比分析。结果表明,不同土壤质地条件下地温日变化及不同时间段温度增量表现为:砂土黏土壤土;不同土壤质地条件下0~60 cm和0~100 cm土层土壤质量含水率大小顺序为:黏土壤土砂土;不同土壤质地下机采棉的生长及产量均表现为壤土黏土砂土。研究认为壤土质地种植机采棉,提高了其生育前期的土壤温度,有效保持了土壤水分,有利于其生长发育。因此,为了提高水分利用效率及产量,建议玛纳斯河流域应增加壤土质地种植机采棉的比例。     

基于水稳定同位素技术的生物炭对土壤持水性影响分析

以不同生物炭配比的土壤样品为研究对象,通过低温真空抽提和稳定同位素光谱技术,进行不同抽提时间下的土壤水稳定同位素分析,采用绘制土壤抽提曲线和计算抽提贡献率的方法,探讨生物炭对土壤持水性的影响。结果表明,低温真空抽提下,砂土的最短抽提时间(T_(min))为30 min,壤土为45 min,粘土为60 min。土壤持水性的变化会导致抽提过程中水稳定同位素值、T_(min)和抽提贡献率发生变化,通过分析不同生物炭配比下土壤的T_(min)、水稳定同位素分馏情况以及计算贡献率可得出,生物炭显著影响砂土持水性,且与生物炭添加量呈线性正相关;而对壤土和粘土的持水性有一定影响,但过量或过少则不明显,壤土对生物炭更为敏感。     

扬州地区TDR法田间测定不同土壤含水量的标定

使用美国Spectrum TDR 100便携式水分测定仪,在扬州地区不同土壤,找出TDR法和烘干法测定土壤含水量之间的关系。通过试验证明,容重在1.3 g/cm3处TDR测定值接近真实值,容重越小或越大,其偏差就越大。粘粒含量为0~200 g/kg,砂粒含量在300~500 g/kg范围内,TDR测定值接近于烘干法。利用TDR测定土壤水分,砂土和壤土可以不用调整,而粘壤土和粘土要进行系数换算,粘壤土的测定结果要除以1.18,粘土的测定结果要除以1.44。     

不同土质条件下土壤水分对长柄扁桃生理特性的影响

长柄扁桃是蔷薇科(Rosaceae)扁桃属(Amygdalus)的落叶灌木,被广泛应用于西北旱区荒漠化防治。【目的】探讨不同土质条件下长柄扁桃对水分胁迫的响应特征,为西北旱区因地制宜进行长柄扁桃人工林建设提供参考。【方法】以黄土高原北部典型壤土和砂土为供试土壤,设置5种水分处理分别为(90%±5%)FC(田间持水率)、(75%±5%)FC、(60%±5%)FC、(45%±5%)FC和(30%±5%)FC,研究了不同质地土壤和水分条件下长柄扁桃生长季内净光合速率(Pn)、气孔导度(Gs)、叶片水势(Ψw)及蒸腾耗水量(W-Tr)的动态变化规律。【结果】随着土壤含水率的降低,不同质地土壤中长柄扁桃生长季内Pn、Gs和W-Tr均呈先上升后下降的趋势,而Ψw呈下降趋势。同一水分处理下,长柄扁桃不同时期Pn、Gs、Ψw及W-Tr在不同质地土壤间均表现出显著差异,但这种差异在不同水分条件下表现不同。高水分处理下(60%FC),长柄扁桃生长季内Pn、Gs、W-Tr均表现为壤土高于砂土,而低水分处理下(60%FC),Pn、Gs、W-Tr表现为砂土高于壤土。【结论】长柄扁桃在不同质地土壤中对水分胁迫的响应不同,随着水分胁迫的加剧,长柄扁桃更适宜在砂土中生长。     

一种土壤水分传感器性能测试的方法及应用

针对目前土壤水分传感器室内标定时很难得到含水率均匀的土样,设计了一种试验装置和测试方法。通过一系列室内试验,对3种土壤水分传感器进行了测试和标定。结果证明,这种方法对于短探针土壤水分传感器的标定切实可用,同一种传感器在不同质地土壤中标定曲线不同,给出了3种传感器在砂土、壤土、粘土中的标定曲线,并分别从线性度、敏感度、稳定性等方面对3种土壤水分传感器进行了分析比较。     

基于高光谱技术的采摘期烟叶水分含量研究

烟叶含水量的快速检测在烟草种植业中起着关键的作用,检测采摘期烟叶水分含量,对烟草工艺具有重要意义。为了快速、无损地检测采摘期烟叶水分含量,提出一种主成分分析(PCA)结合马氏距离算法(MD)的方法来剔除异常样本,再使用偏最小二乘法(PLS)估测采摘期烟叶水分含量。首先,利用GaiaSky-mini2机载高光谱成像仪获取到141个采摘期烟叶的高光谱数据,采用多元散射校正(MSC)、标准正态变量交换(SNV)和Savitzky-Golay卷积平滑法等对原始光谱进行预处理。然后,应用主成分分析结合马氏距离法对校正集中的异常样品进行剔除。最后,使用偏最小二乘法(PLS)建立采摘期烟叶水分含量分析模型。结果表明:利用SG卷积平滑法预处理的PCA-MD-PLS模型效果最佳,对烟叶含水量预测能力最好,预测模型相关系数为0.852 7,均方差为1.376 6。     

黄土丘陵区退耕还林土壤不同大小颗粒固碳过程与速率

为揭示黄土丘陵区退耕还林土壤固碳过程及其变化机制,采用物理分组法探讨了安塞纸坊沟退耕15~45 a刺槐与柠条林地土壤砂粒、粉粒、黏粒截存有机碳的效应与速率。结果表明,对比坡耕地,两种退耕林地土壤颗粒结合碳含量均随退耕年限延长显著增加,并且表层0~10 cm土壤增幅最高,10~60 cm各土层增幅基本接近。退耕15~45 a期间,刺槐与柠条林0~20 cm土层均以粉粒碳密度增速最高,分别达0.21、0.11 Mg/(hm2·a),砂粒碳和黏粒碳增速相近,平均分别为0.13、0.06 Mg/(hm2·a)。同样的变化发生在0~60 cm土层,但各颗粒碳密度增速为0~20 cm土层的1.6~2.5倍。按此增速到退耕45 a时柠条林地砂粒碳、粉粒碳、黏粒碳相比坡耕地分别增大了2.6、1.1、0.8倍,刺槐林地则分别增大了8.3、2.2、2.8倍,并且对总有机碳累积贡献的平均比率为:砂粒碳(23%)等于黏粒碳(26%)且均小于粉粒碳(51%)。此外碳库管理指数比碳库活度与土壤总有机碳库变化有更显著的线性相关性。综上分析,该区域退耕刺槐林比柠条林土壤有更强的固碳效应,两种林地均以粉粒碳为主要固碳组分,以砂粒碳周转速率最快。     

土壤特性与Philip入渗公式标定因子的空间变异性关系

以在杨凌地区的土壤野外垂直入渗试验为基础,利用标定理论对Philip入渗方程进行标定,用多重分形法和联合多重分形法定量分析了标定因子和土壤物理特性多尺度下的空间变异性及空间相关性,并构建了标定因子的土壤转换函数.研究表明：算数标定因子的标定效果最优;研究区域内的标定因子和各土壤物理特性具有多重分形特征,在单一尺度上和多尺度上,标定因子和沙粒质量分数的空间变异性较强,不同尺度区间上的高值信息对其空间分布影响较大,而粗粉粒质量分数的空间变异性由不同尺度区间上的低值造成;单一尺度上,标定因子与有机质质量分数和黏粒质量分数的相关性具有统计学意义,在多尺度上,标定因子与土壤容重、黏粒质量分数和有机质质量分数的相关性具有统计学意义;基于联合多重分形建立的标定因子的土壤转换函数的预测效果比较理想,具有较强的理论基础和理论价值.     

土壤质地对地下滴灌灌水器水力要素的影

为研究不同质地土壤中灌水器水力要素的变化规律及其差异,选取灌水器工作压力、土壤容重和土壤初始含水率为因素,分别在粘土、壤土和砂土中采用混合水平均匀设计安排试验.试验结果表明,不同土壤中的灌水器出流规律一致:即当工作压力不变时,灌水器流量在灌水初期略大,而后减小并趋于恒定,这个变化过程仅1～2min;在相同压力下,地下滴灌灌水器流量比地表滴灌小5%～20%,压力越大,二者越接近;灌水器流量随工作压力的增加而增大;土壤因素对灌水器流量有微弱的制约作用,使流量减小.相同条件下,土壤质地越轻,灌水器流量越大;但随着土壤容重和土壤初始含水率的增加,土壤质地越轻,流量减小程度越大.     

土壤斥水性与有机质质量分数的变化关系研究

土壤有机质质量分数是影响土壤斥水性的最主要因素之一,为研究二者之间的关系,选用以色列3类不同质地斥水性土壤为对象,分别在田间和实验室测定土壤斥水性和有机质质量分数,并绘制土壤斥水性和有机质质量分数的等值线图和关系图。结果表明,对于粘性土壤和沙质土壤,土壤斥水性随有机质质量分数成幂指数关系,但对于壤土,二者之间没有非常明显的线性关系。研究结果可为分析不同土壤的斥水性影响因素和土壤改良提供理论依据。     

黄土高原南北样带不同土层土壤容重变异分析与模拟

为探明黄土高原南北样带土壤容重空间分布特征,为土壤水文过程模拟与预测提供水力参数,采用经典统计学方法,分析了样带不同土层深度(0~10 cm、10~20 cm、20~40 cm)土壤容重的空间变异特征,并用多元逐步回归、传递函数方程和一阶自回归状态空间模型方法分别对土壤容重的空间分布进行了模拟。结果表明:样带0~20 cm深度土壤容重的变异为中等程度变异,20~40 cm为弱变异。状态空间方程转换系数表明,不同土层深度土壤容重的影响因素不同,0~10 cm主要为有机碳含量、黏粒和砂粒体积分数,10~20 cm为有机碳含量、黏粒和砂粒体积分数和降水量,20~40 cm为黏粒和砂粒体积分数、降水量和土地利用。状态空间模型的模拟效果均优于经典统计的多元逐步回归方程和传递函数方程,基于黏粒和砂粒体积分数、降水量和土地利用的状态空间模型可以解释样带20~40 cm容重92.3%的变异。一阶自回归状态空间模型可用于田间条件下土壤容重分布特征的预测。     

基于高光谱的区域土壤颗粒组成及有机质预测模型尺度转换

以内蒙古河套灌区3个尺度下1 024个样本的高光谱为模型输入,黏粒、粉粒、砂粒及有机质质量百分数为模型输出,通过多元回归、支持向量机及BP神经网络方法建立基于中尺度的反演模型,将其尺度上推至大尺度及下推至小尺度,并对其尺度转换的适用性进行评价.结果表明,基于中尺度建立的高光谱与土壤颗粒组成及有机质的反演模型均可以较好地应用于其他2个尺度:多元回归方法在其他2个尺度上的相关性为0.33~0.60,支持向量机方法为0.41~0.52,BP神经网络方法为0.52~0.72,其中BP神经网络方法建立的模型在其他2个尺度上具有更好的适用性;不同参数中,黏粒、粉粒、砂粒及有机质的相关系数分别为0.44~0.62,0.37~0.72,0.42~0.72及0.33~0.56,即颗粒组成的效果整体好于有机质质量百分数.     

基于小波变换的大米直链淀粉波长选择方法

提出了一种基于小波变换的近红外光谱波长选择方法,小波分解低频系数是原光谱的离散近似,将最佳小波分解低频系数与原光谱数据进行关联,求出小波分解低频系数与原光谱数据的列相关系数R,取与原光谱数据相关系数较大的波长组合,作为最后参与建模的谱区.不仅考虑了浓度矩阵对波长选择的影响,且由于把小波分解结构中的高频系数全部滤除,避免了高频噪声的干扰,减小建模和预测运算时间,使最终建立的近红外光谱模型的预测精度提高.在大米直链淀粉含量的近红外光谱分析中进行了验证,并与其他常用波长选择方法进行了比较,结果表明,该方法波长点数最少,减小为原光谱数据点数的20%,校正模型和预测效果都较理想.