干旱区典型绿洲土壤有机质含量分布特征及其影响因素

以新疆南部的渭干河-库车河流域三角洲绿洲为对象,按照土地利用方式布设78个采样点,分别采集表层(0~20 cm)和亚表层(20~40 cm)土样共156份,分析土壤有机质(SOM)含量和土壤酸碱度(pH)分布特征,并讨论在作物类型、土地利用方式和土壤pH因素的影响下,表层和亚表层SOM含量的差异性。结果表明:表层SOM含量范围为3.7~24.1 g kg~(-1),平均含量为11.0±4.2g kg~(-1);亚表层SOM含量较低,为2.7~12.9g kg~(-1),平均含量为7.0±2.2g kg~(-1)。表层中作物类型和土地利用方式的SOM均值、标准差均高于亚表层,二者的变异系数在20%~50%之间,属中等变异。方差分析和逐步回归分析表明,各因素对SOM含量的变异性影响存在较大差异。作物类型、土地利用方式和土壤pH三种影响因素对研究区表层和亚表层的SOM变异综合解释能力分别为45.1%和43.7%,综合分析得出各因素中作物类型因素对研究区SOM含量影响最大。     

东北典型黑土区表层土壤有机质含量高光谱反演研究

选择东北典型黑土区——德惠市、扶余市和双城市为研究区,利用便携式地物光谱仪获取土壤光谱数据,基于原始光谱值及一阶微分、倒数的对数、连续统去除变换,分别建立了黑土有机质含量的多元线性逐步回归模型、偏最小二乘回归模型和BP神经网络模型。结果表明:高光谱与土壤有机质含量在多个波段相关性较好,其中有机质与反射率一阶微分处理的相关性最好,在光谱584 nm处其相关性最强(r=-0.60,n=81)。光谱一阶微分处理数据在三种建模方法中的预测及验证精度均高于原始光谱值、倒数的对数和连续统去除变换,因此一阶微分为最佳光谱变换形式。偏最小二乘回归分析的预测效果整体优于多元线性逐步回归分析和BP神经网络分析,光谱一阶微分处理的偏最小二乘回归模型呈现出最佳预测效果,决定系数为0.71、均方根误差为2.29 g kg~(-1)(n=53)。     

黑土典型区土壤有机质遥感反演

土壤有机质（SOM）含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明：黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段（0.63～0.69 μm）,为-0.710,其次为4波段（0.76～0.90 μm）,与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。     

基于人工神经网络的土壤有机质含量高光谱反演

研究了土壤有机质含量与土壤高光谱之间的关系,在对原始光谱进行了预处理分析后,运用多元线性逐步回归法(MLSR)和人工神经网络法(ANN)建立了土壤有机质含量的反演模型,并对模型进行了验证。结果表明:人工神经网络所建立的反演模型普遍优于回归模型,网络集成模型优于单个BP网络模型,网络集成是提高反演模型准确性与稳定性的有效途径。网络集成模型为最优模型,总均方根误差为1.31,可以用于土壤有机质含量的快速测算。     

基于有机质诊断指数的土壤镉含量反演方法研究

自20世纪20年代以来,随着工业化发展进程的加快,土壤重金属污染日趋严重,镉(Cd)因其不易分解被土壤中的有机质吸附在土壤中富集,它不仅影响作物的生长发育[1],而且Cd通过作物的吸收富集于果实中,从而通过食物链危害人体健康[2,3]。传统的土壤Cd含量测定方法是系统采集土壤表层样品,然后采用室内化学分析方法[4]。这些方法存在费钱、费时等缺陷,不能满足快速有效监测土壤Cd含量的需要。80年代后高光谱遥感技术的出现,为土壤理化性质的监测提供了新的技术手段。高光谱遥感技术利用土壤反射光谱获取土壤理化成分。土壤实验室反射光谱已成功用来预测具有光谱特征的成分,如氮含量[5]、铁氧化物[6]、碳酸盐[     

基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R²=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R²=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R²从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。     

黄河三角洲土壤有机质含量的高光谱反演

【目的】土壤有机质(SOM)具有改良土壤结构、 促进团粒结构形成、 增加土壤疏松性、 改善土壤通气性和透水性以及促进植物生长发育的作用。传统测定土壤有机质的方法,虽然精度高,但是实时性差。本文通过对土壤高光谱数据进行变换和分析,筛选出与土壤有机质含量相关性高的敏感波长,构建能够实时、 快速反演黄河三角洲土壤有机质含量的数学统计模型。【方法】60个土壤样品采于黄河三角州。利用ASD Fieldspec3光谱仪,在室内环境下对黄河三角洲不同有机质含量的风干土壤样本进行了光谱测量,利用化学方法测定了土壤的有机质含量。在对土壤样品高光谱反射率进行去包络线处理的基础上,与土壤有机质含量进行相关分析,筛选敏感波长;运用主成分回归分析、 多元线性回归分析、 二次多项式逐步回归分析和支持向量机回归分析方法,分别建立了有机质含量的反演模型。【结果】确定了估测土壤有机质含量的敏感波长,建立了能够快速反演黄河三角洲土壤有机质含量的数学统计模型。从土壤光谱反射率曲线可以看出在1400 nm、 1900 nm和2200 nm等波段附近有十分明显的水分吸收谷。经对比相关性可以看出,去包络线的数据处理方法明显提高了光谱反射率与土壤有机质之间的相关性。1278 nm、 1307 nm、 1314 nm、 1322 nm、 1328 nm、 1334 nm、 1343 nm 7个相关性较高的波长作为估测土壤有机质含量的敏感波长。基于主成分回归分析、 多元线性回归分析、 二次多项式逐步回归分析和支持向量机回归分析方法,分别构建了反演有机质含量的模型。其中,二次多项式逐步回归模型校正集的决定系数达到了0.865,验证集的决定系数最大,达到了0.837,为黄河三角洲土壤有机质含量的最佳反演模型。【结论】去包络线的数据处理方法可提高光谱反射率与土壤有机质之间的相关性,确定的1278 nm、 1307 nm、 1314 nm、 1322 nm、 1328 nm、 1334 nm、 1343 nm 7个波长是估测黄河三角洲土壤有机质含量的敏感波长。由于二次多项式逐步回归模型校证集的决定系数最高、 均方根误差最小,其拟合效果最好。因此二次多项式逐步回归模型对反演黄河三角洲土壤有机质含量是最佳的。     

西藏土壤有机质和氮素状况及其影响因素分析

根据西藏16个土类168个土壤剖面的分析资料,探讨土壤有机质和氮素状况及其影响因素。西藏土壤有机质>30g/kg和20～30g/kg的面积分别占39%和46%;其地理分布既有广阔高原面上的水平地带性变化,也有山地和深切河谷的垂直地带性变化。土壤有机质中活性腐殖质一般占30%～45%,以酸性土中的比例较大。土壤全氮>1 5g/kg,1 0～1 5g/kg和<1 0g/kg的面积分别占40%,44%和16%;碱解氮>150mg/kg和<90mg/kg的面积分别占36%和61%。全氮与有机质呈线性正相关;碱解氮与全氮、有机质呈非线性正相关,并与活性腐殖质有密切关系,它在部分土壤中还受有机质C/N的制约。     

陕西省土壤有机质含量及其与影响因素的关系

[目的]分析陕西省土壤有机质空间分布特征及其影响因素,并揭示土壤有机质与地形、植被类型、气候和土壤其他属性的关系,为该区土壤碳汇(碳源)功能变化研究提供科学基础。[方法]通过采集陕西省12个样区不同植被类型和地形条件下的85个表层土壤样品,并利用SPSS 16.0中的K-means聚类和Canoco 4.5软件中的冗余(RDA)方法进行分析。[结果]土壤有机质浓度在2~6级之间;并表现为由南至北,由西至东大致呈降低趋势;在各样区,最大值是最小值的1.89~14.84倍;同一样区不同样地土壤有机质含量等级不同;各影响因素中,除经度和无霜期的影响不显著外,其他各环境因子的影响均显著,退耕年限和植被类型的影响最大,坡度和坡向的影响程度较低,且交互影响作用明显。[结论]除农地转变为果园外,农地退耕能够显著提高土壤有机质含量,并随着恢复年限的延长,有机质含量增加日益显著,生态系统逐渐由碳源转变为碳汇。     

有机质对土壤光谱特性的影响研究

为了探明土壤有机质的光谱特征及其影响作用,从而为有机质土壤铁氧化物的定量反演提供理论依据。利用去有机质前后土壤的光谱数据,研究了有机质对土壤反射率、土壤线参数、土壤铁氧化物定量反演的影响。研究结果表明,去除有机质后,能明显提高土壤反射率,变化最明显的为可见光橙黄光波段,即570～630 nm。相关性分析也显示橙黄光波段反射率的相对变化量或差值与有机质去除量之间的相关系数要比其他波段高,相关系数最大值在600 nm。因此,建议采用570～630 nm的光谱数据进行有机质的反演;土壤线斜率在去有机质后明显降低,截距显著增大,二者变化量与有机质去除量呈极显著相关关系,可用土壤线参数预测有机质含量。有机质对铁氧化物的反演具有明显影响,特别是有机质大于20 g kg-1的土壤,在进行反演时应考虑有机质对反演精度的影响,需采取有效地技术手段消减其影响作用,才能达到较好的效果。     

长江三角洲典型地区农田土壤有机质的时空变异特征及其影响因素

农田土壤有机质是评价土壤肥力和土壤质量的重要指标,同时也是全球C库的重要组成部分,其时空变化动态对土壤质量和全球气候变化有重要影响。对江苏省如皋市土壤有机质含量的分析结果表明,在空间上以东部的白蒲系(壤质水耕人为土)和南部的长青沙系(黏质潮湿雏形土)含量较高,而中西部的磨头系(砂质潮湿雏形土)、郭园系(砂质干润雏形土)和桃园系(壤砂质潮湿雏形土)含量较低,分布于东北和西北部的东陈系和搬经系(壤质潮湿雏形土)以及南部的营防系和张黄港系含量居中;近20年来(1982─2002年)该市农田土壤有机质总体上呈持续增长的趋势;1982─1997年的时空变异表现为中西部增长迅速而东部和南部增长幅度较小,但1997─2002年则以东部和南部增长较快而中西部增长幅度趋缓。本文进一步分析和讨论了影响农田土壤有机质时空变化的因子,并且提出了今后土壤管理和利用方面的建议。     

辽宁地区保护地土壤有机质含量及其影响因素的研究

在对辽宁省主要保护地蔬菜生产区生产状况进行实地调查的基础上,自蔬菜保护地和与之相邻的露地大田采集土壤样品,研究保护地土壤有机质含量变化特点,分析了改作保护地后种植年限、有机肥施用量等因素对保护地土壤有机质含量的影响。结果表明:(1)蔬菜保护地土壤有机质含量总体上已经显著高于露地大田土壤,且这一差异0~20 cm土层明显大于20~40 cm土层;(2)保护地土壤有机质含量表现出随着改作保护地后种植年限延长而增加的变化趋势;(3)在改作保护地后种植年限相近的条件下,保护地土壤有机质含量及其增量与有机肥施用量呈明显的正相关关系。(4)辽宁各地保护地土壤有机质含量差异明显,其中大连地区保护地土壤有机质含量较高,其他地区处于中-低水平,需要增加投入、提高土壤有机质含量以进一步培肥地力。     

平原丘陵过渡区土壤有机质空间变异及其影响因素

研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。     

基于连续统去除法的南疆水稻土有机质含量预测

监测土壤有机质含量状况,可为土壤肥力诊断及土壤资源的合理开发利用提供科学依据。本研究通过对南疆191个水稻土样品的反射率数据进行连续统去除处理后,构建了有机质连续统去除光谱指数并提取了850~1 380、1 380~1 550、1 730~2 150、2 150~2 380 nm 4个波段的吸收特征参数,据此建立了多种定量反演模型。结果表明:经连续统去除后,有机质的吸收特征得到了有效放大,不同有机质含量的连续统去除曲线在850~1 380 nm,其有机质含量与连续统去除值呈正相关,与吸收面积呈负相关,而在1 730~2 150 nm波段则呈现相反的规律。反射率连续统去除值与有机质含量的相关性要优于反射率与之的相关性,而反射率一阶微分与连续统去除一阶微分与有机质的相关性差异不明显。不同有机质光谱指数模型之间的建模参数与预测能力差异不大,但均只具备初略估测有机质的能力。吸收特征参数模型中,仅有850~1 380 nm波段的面积归一化最大吸收深度(NMAD850~1380nm)所建模型具有较好的定量预测能力。以反射率、反射率连续统去除、反射率一阶微分、反射率连续统去除一阶微分所建的PLSR模型均具有较好的预测能力,相对分析误差均大于2.00。所有模型中,连续统去除一阶微分(CR′)模型的决定系数与相对分析误差最高,分别为0.91、2.58,均方根误差最低,其值为5.62,具有最好的预测能力。     

人为与环境因子对农田土壤有机质影响的比较研究——以典型黑土区和水稻土区为例

目前关于土壤有机质(SOM)影响因子的研究多涉及单一或少量因素,缺少环境因子与农田管理相结合的详细分析。为综合分析环境和人为因素对农田SOM的影响,利用2011年采集于典型黑土样区的281个样点和水稻土样区的193个样点,结合相应农田管理调查数据,采用双样本Kolmogorov-Smirnov检验、Kendallτ相关分析、随机森林模型进行对比研究。结果表明,通过综合环境与农田管理措施数据,随机森林方法可以较好地预测农田SOM含量,对其变异的解释度达到80%以上。人为与环境因素对SOM变异的解释能力在两样区间存在差异。SOM含量水平在黑土区受环境因子影响为主,在水稻土区受人为因子主导。相对重要性分析显示黑土区水热条件、黏粒含量影响显著,水稻土区田间管理作用明显。     

上海市城郊土壤有机质的时空变异特征及其影响因素

为了深入了解城市化对城郊农业土壤有机质变化的影响,本研究运用GIS和地统计学结合的方法,对上海市土壤有机质的时空变异规律及其驱动因子进行了探讨。研究结果表明,土壤有机质在整个研究区内表现出中等程度变异,土壤有机质含量分布呈现出西南高,东部低的特点。1980—1999年土壤有机质含量增加,而1999—2010年土壤有机质含量下降。1999—2010年,由水田变为蔬菜地、苗圃时,土壤有机质含量分别下降6.72 g/kg和6.15 g/kg,而水田保持不变时,仅下降了1.51 g/kg。通过空间叠加分析可知,1999—2010年,上海市大部分地区土壤有机质含量呈减少趋势,只有北部、南部和西南的部分地区的土壤有机质含量有所增加。土壤有机质增加的区域离城市较远,而土壤有机质下降区域位于近郊,主要原因是近郊部分水田转化为蔬菜地和苗圃,土地利用方式改变导致了作物根茬和秸秆还田减少,同时有机质分解加快,因此引起了土壤有机质积累下降。     

土壤有机碳稳定同位素的古环境指示意义及影响因素

土壤有机C稳定同位素受控于生长其上的植物类型及其生物量,而后者又取决于环境条件。因此利用土壤有机质δ13C值可以反映地质历史时期C3、C4植被变化,从而进一步揭示环境变化进程。目前,土壤有机C稳定同位素特征分析已成为古生态与古环境恢复、古气候重建、全球变化研究的重要内容。由于大气湿度、CO2分压、温度和微生物分解等众多因素的影响,土壤有机质δ13C特征、C3与C4植物组成比例、区域环境(主要是气候)三者间并不完全呈现一一对应关系,因此,其应用机理和影响因素尚需要进一步探讨。今后应着重加强现代地表植被特征与土壤有机质δ13C关系、人类活动方式对土壤有机C稳定同位素特征的影响、土壤-植物-大气系统C循环过程等方面研究,才能使土壤有机C稳定同位素特征研究获得更为广泛的应用。     

贵州表层土壤有机质空间变异特征及其影响因素分析

为探究贵州表层土壤有机质的空间变异特征及其主要影响因素,使用贵州省第二次土壤普查资料中193个土壤剖面数据,结合贵州省气象资料、土地利用类型图及土壤类型图等资料,运用地统计学和多元回归分析各因素对表层土壤有机质空间变异的解释能力。结果表明：(1)贵州省表层土壤有机质含量范围为0.05%～36.68%,平均含量为5.23%±4.96%,变异系数为94.90%;(2)表层土壤有机质在空间分布上表现出东北部高,西南部较低的格局;(3)半变异函数分析表明,贵州省土壤有机质主要受自然因素影响,海拔、CEC、耕作方式和土壤质地对表层土壤有机质含量变异的综合解释能力为35.9%,海拔作为最重要的影响因素能独立解释其变异的25.6%,CEC和耕作方式分别能解释11.3%,7.4%。贵州表层土壤有机质与年均气温呈负相关关系,与海拔呈正相关关系。研究区表层土壤有机质的分布与碳酸盐岩分布面积比例存在相关关系,整体上,随着喀斯特分布面积比例增大而受自然因素影响增大。喀斯特分布面积比例为0～10%区域主要受农业耕作施肥等人类活动的影响,11%～30%区域主要受海拔影响,31%～50%区域受年均温和CEC影响,5...