博斯腾湖西岸湖滨带土壤剖面盐分特征分析

以博斯腾湖西岸湖滨带为研究区,采集三个时期不同土壤剖面样品,结合样品实验分析,探究土壤盐分特征。研究结果表明：(1) 0～10 cm土层中平均盐分含量为3.919 g·kg^-1,土壤盐分表聚现象强烈; (2) 垂直方向上盐分离子中Mg²⁺变异系数为1.034,变化程度较大,HCO₃^-变异系数为0.080,变化程度较小; (3) 通过相关分析,硫酸盐与氯化物在表土中积聚强烈,其中SO₄^2-与Na⁺+K⁺之间相关系数为0.96,Cl^-与Mg²⁺相关系数为0.79;Cl^-和Na⁺+K⁺相关系数为0.72; (4) 通过对比柽柳剖面下土壤盐分含量,夏秋两个季节土壤剖面土壤盐分呈现明显的表聚现象,0～10 cm土层中盐分含量占总体的27.37%和21.88%,春季盐分在剖面上呈现强烈的底聚现象,90～100 cm土层盐分含量占总体的21.53%; (5) 对比不同植被下土壤盐分特征,裸地、草地、林地、耕地四种地表类型土壤中(Na⁺+K⁺)∶Mg²⁺∶Ca²⁺含量之比依次为85∶2.5∶1,16∶2.5∶1,9∶0.9∶1,10∶1.3∶1,裸地中Ca²⁺含量为0.104 g·kg^-1,明显高于其它植被类型中Ca²⁺含量;Na⁺+K⁺含量差异不大,平均含量为1.181 g·kg^-1;草地中Mg²⁺平均含量为0.081 g·kg^-1,是裸地中Mg²⁺含量的4.4倍。     

博斯腾湖西岸湖滨带土壤盐分高光谱分析

以博斯腾湖西岸湖滨带为研究区,利用ASD Field Spec 3便携式光谱仪对土壤样品反射率进行测量,结合土壤盐分数据,建立研究区土壤含盐量估算模型,探讨土壤盐分含量和反射率曲线之间关系。结果表明:研究区土壤盐分类型以硫酸盐为主;土壤样品光谱曲线形态特征相似,且基本平行,土壤光谱曲线在400~1 500、1 900~2 100和2 100~2 300nm区域出现明显的吸收带;在350~1 350、1 430~1 750和1 950~2 400nm区域土壤光谱反射率与土壤盐分含量相关系数较其他波段大,曲线平缓,相关系数均值为-0.35,且光谱反射率的一、二阶导数微分均可以增强反射率与土壤盐分含量之间的相关性;由土壤光谱发射率一阶导数微分建立的多元回归模型可以较好地预测土壤盐分含量,相关系数为0.90,均方根误差为0.22。     

博斯腾湖西岸湖滨绿洲芦苇地土壤特征分析

以博斯腾湖西岸湖滨绿洲芦苇地为研究区,分析不同长势芦苇地土壤特征,建立土壤主要特征因子与芦苇长势之间的回归模型。结果表明:芦苇地土壤盐分质量分数与电导率之间存在显著正相关,相关系数为0.97,土壤氧化还原电位(ORP)与pH间存在极显著负相关,相关系数为0.98;土壤盐分质量分数和电导率具有明显表聚现象,在0~10cm土层中,盐分质量分数占0~50cm土壤盐分总量的58.08%,电导率占0~50cm总电导率的45.21%;土壤盐分质量分数和pH是影响芦苇长势的主要特征因子,芦苇株高和土壤盐分质量分数之间的回归方程为H=0.01S3-0.27S2+1.15S-1.19,R2=0.88,芦苇生长最适盐分质量分数在3.80~4.40g/kg;芦苇数量与土壤pH间的回归方程为M=-196.71pH+1 741.80,R2=0.92,芦苇生长最适pH为7.80(F95%)。     

博斯腾湖西岸湖滨带不同植被类型土壤剖面盐分特征分析

以博斯腾湖西岸湖滨带为研究区,通过野外调查采样和室内实验分析,运用聚类分析、主成分分析和相关分析等方法对5种不同植被类型土壤(柽柳地、芦苇地、裸地、杨树地、辣椒地)剖面盐分类型、含盐量变化特征及盐分离子组成特征进行分析。结果表明:土壤剖面盐分类型可以划分为表聚型、震荡型、均匀型3类。柽柳地与裸地的土壤剖面类型为表聚型,其土壤剖面变异系数为61.28%,表聚系数是底聚系数的4.45倍,表层聚集现象严重;芦苇地的土壤剖面盐分类型为震荡型,变异系数为30.05%;辣椒地和杨树地的土壤剖面盐分类型为均匀型,变异程度最小仅为表聚型剖面的47.65%。5种不同植被类型土壤剖面平均盐质量分数呈现柽柳地裸地芦苇地辣椒地杨树地,其中柽柳地平均盐质量分数为2.67g/kg,与杨树地土壤平均盐质量分数之比为2.45。5种不同植被类型土壤剖面盐分组成以Na~++K~+、SO_4~(2-)、Cl~-为主,阳离子平均质量分数呈现Na~++K~+Ca~(2+)Mg~(2+),阴离子中总体表现SO_4~(2-)Cl~-HCO-3,盐分状况的主要特征因子为Cl~-、SO_4~(2-)、Na~++K~+、总盐(St),土壤剖面盐分以氯化钾钠盐和硫酸钾钠盐为主,Cl~-与Na~++K~+相关系数为0.941,SO_4~(2-)与Na~++K~+相关系数为0.884;盐分状况因子Cl~-、SO_4~(2-)、Na~++K~+、St与电导率均呈显著正相关(P0.05),电导率与Na~++K~+回归拟合效果较好,拟合关系式为y=0.039 5x+0.218 6,R2=0.966 7,P0.05。     

基于高光谱特征参数优选的土壤盐分含量建模及其验证

目的 研究不同维度光谱变换下土壤盐分反演模型及其验证。方法 以博斯腾湖西岸湖滨绿洲为研究区,面向ASD高光谱数据,利用17种一维数学变换光谱和3种二维变换光谱指数,分别与实测土壤盐分进行相关分析,得到0.01显著性检验水平下初步优选的光谱特征参数,基于VIP准则选入最佳自变量实现PLSR模型构建,进行精度验证。结果 研究区干季土壤平均反射率随含盐量的增加而高于湿季土壤平均反射率,尤其体现在590、800、1 810、2 150 nm处;17种一维单波段光谱变换中,对数倒数的一阶微分(1/lgR)变换与土壤盐分含量相关性最好,峰值敏感波段为1 083 nm,相关系数绝对值|r|最高达0.63;3种二维两波段光谱变换中,归一化光谱指数NDSI(R_{1 780},R_{1 742})与土壤盐分含量相关性最好,相关分析决定系数R ²最大值为0.57;基于特征归一化光谱指数结合VIP准则进行自变量筛选的PLSR估算模型效果最佳,土壤盐分建模集和验证集的决定系数 {R_{\mathrm{V}}}^2 达0.77,均方根误差RMSEV为0.64 g/kg,相对分析误差RPD为2.11。 结论 利用归一化光谱指数NDSI建立PLSR高光谱模型可有效地对研究区土壤盐分进行定量估算。     

博斯腾湖湖滨绿洲土壤表层盐分离子含量高光谱估算模型

[目的]探索基于光谱指数建立土壤盐分离子含量的估算模型,为研究区土壤盐分离子快速遥感监测提供技术参考.[方法]以博斯腾湖湖滨绿洲为研究区,分析土壤表层盐分离子Cl-、Ca2+、HC03-、Mg2+、Na++K+、SO42-以及EC、TS含量变化特征;针对不同光谱指数,筛选特征波段,采用偏最小二乘回归建立高光谱估算模型....     

土壤有机质高光谱估算模型研究进展

土壤有机质高光谱估算较传统土壤农化分析方法表现出极大优势,顺应了现代农业发展的迫切需要。国内外众多学者先后对土壤有机质高光谱估算模型进行了大量研究,估算模型由简单的一元线性模型逐渐发展为多元线性及非线性模型,常用的建模方法分为线性方法和非线性方法,重点分析了各种方法的适用性。通过总结分析前人研究,发现土壤有机质高光谱估算模型研究存在以下发展趋势:多种建模方法耦合使用增多;建模方法的复杂度逐渐增强;尝试消减外部环境因素对建模的影响;尝试将室内土壤有机质估算模型应用于野外实地研究。     

淮北矿区有机质含量反演

高光谱遥感能提供精细的光谱,具有弱信息诊断能力,在土壤微量成分反演表现出巨大的潜力.本文以安徽省淮北某矿为例,采集不同深度土壤样本,在实验室测定了样本有机质含量及光谱,并对土壤样本光谱进行预处理;在对光谱进行一阶微分、二阶微分和吸光率等变换后,用交换检验法在87个样本中,58个样品做训练集,27个做验证集,确定了用于矿...     

博斯腾湖湖滨绿洲表层土壤盐分特征分析

以博斯腾湖滨湖绿洲为研究区,在实地调查和室内实验分析的基础上,采用主成分分析、冗余分析方法与描述性统计分析的方法,对表层土壤全盐量和盐分离子特征进行分析。结果表明:表层土壤全盐量随土层深度增加而减小,土壤全盐量在0~30cm不同层间呈T分布,土壤盐分表聚强烈;表层土壤中可溶性盐阳离子以Na++K+和Ca2+为主,阴离子以SO42-和Cl-为主;表层土壤盐渍化类型以氯化物-硫酸盐盐渍化土为主,土壤盐分的特征因子是Na++K+、Cl-、SO42-、Mg2+、Ca2+;在5种土地利用类型中,全盐量由高至低依次为裸地、香蒲地、柽柳地、耕地、林地,其大小分别为3.563、3.085、3.000、2.302、2.256g·kg-1。     

基于CARS-PLSR算法的土壤有效磷高光谱反演研究

【目的】 剔除土壤高光谱中包含的大量冗余和无效信息,探明土壤有效磷（SAP）的敏感波段,简化SAP的高光谱估算模型并提高模型的预测精度。【方法】 文章以四川省崇州市西河流域110个土壤样本为研究对象,利用ASD Fieldspec3地物光谱仪在室内条件下测定350~2 500 nm波段范围的土壤高光谱数据。对光谱数据进行预处理后,采用连续投影算法（SPA）和竞争性自适应重加权算法（CARS）优选的波长变量作为建模参数,运用偏最小二乘回归（PLSR）方法建立模型并比较其精度。【结果】 结果表明,标准正态变换预处理方法是SAP的最佳土壤光谱数据预处理方法。基于标准正态变换后的光谱数据,CARS、SPA算法可将预测SAP的关键波段变量分别压缩至54和13个,CARS-PLSR模型与SPA-PLSR模型相比,相关系数由0.894提高到0.945,均方根误差由5.73降低到3.56。【结论】 土壤高光谱数据经标准正态变换后,采用CARS-PLSR算法可有效提高有效磷含量预测的鲁棒性。该结果可为高光谱数据快速反演土壤有效磷含量提供理论依据。     

基于小波变换的近红外光谱预测土壤有机质

为了探索快速检测土壤有机质含量的方法,试验采用不同分解水平的Coiflet函数的小波(wavelet)分析方法,对山西关帝山土壤样品的近红外光谱信号进行了消噪处理,来快速获取土壤中有机质含量。结果表明:对有机质敏感波段的为450~600 nm,810~935 nm,1 030~1 315 nm,1 380~1 400 nm;有机质NIRS法与实验室标准法测定值之间的相关系数R2为0.9818;说明通过小波变换滤波,选择敏感波段,用偏最小二乘回归方法预测土壤有机质含量是可行的。     

基于高光谱成像的烟田土壤pH估测

【目的】为实现区域尺度上烟田土壤pH的快速估测。【方法】以四川省296份烟田土壤为研究对象,利用高光谱成像获取土壤390～2500 nm波段的光谱反射率,系统研究12种光谱预处理方法、2种特征波段选择方法和4种建模方法对烟田土壤pH高光谱估测模型精度的影响。【结果】在600～2500 nm范围内,不同pH的光谱反射率曲线差异明显;原始光谱经单一预处理或组合预处理方法处理后,建立的估测模型精度均有所提高;其中一阶导数(First derivative, D1)组合标准正态分布(Standard normal variate, SNV)为最佳光谱预处理方法。竞争自适应重加权采样算法(Competitive adaptive reweighted sampling, CARS)筛选出93个土壤pH特征波段,主要集中在近红外波段800～2500 nm。无论使用光谱全波段还是主成分分析降维得到的光谱特征,核岭回归(Kernel ridge regression, KRR)和支持向量机(Support vector machine, SVM)两种建模方法都取得了比偏最小二乘回归(Partial l...     

基于偏最小二乘与随机森林的土壤盐含量反演研究

针对土默川平原地区的土壤盐分含量提出了偏最小二乘与随机森林相结合(RF-PLSR、PLSR-RF)对土壤盐分含量进行预测的回归反演模型.该研究共采集45份土壤样本,随机选取35份为建模集,10份为验证集.试验首先对采集到的高光谱土壤图像进行分割处理提取出土壤在400～1000 nm的原始反射光谱,其次对原始反射光谱进行4种光谱变换(一阶微分、多元散射校正的一阶微分、SG平滑去噪的一阶微分、对数的一阶微分),并与土壤的实测盐分量进行相关性分析(CA),利用相关系数选取敏感波段,最后建立偏最小二乘与随机森林结合的回归反演模型.结果表明,与偏最小二乘回归、随机森林回归单独建模相比,2种模型结合后的预测精度有明显的改善.光谱经过对数的一阶微分变换建立的PLSR-RF反演模型更为明显,其建模集决定系数Rc 2为0.852,均方根误差RMSEc为0.102 g/kg,相对分析误差RPDc为2.600,验证集决定系数Rv 2为0.941,均方根误差RMSEv为0.049 g/kg,相对分析误差RPDv为4.117.     

西平县高标准农田Zn含量高光谱反演研究

为实现高标准农田土壤重金属Zn含量的快速测定,本文以西平县土壤Zn为研究对象,通过采集168个土壤样本进行室内实验,获得土壤高光谱数据（400~2 400 nm）并进行Savitzky-Golay平滑后,利用5种光谱变换,结合连续投影算法识别最佳特征波段,采用偏最小二乘回归方法构建Zn元素最佳反演模型。结果表明：二阶微...     

土壤理化性状的高光谱定量反演研究进展

传统的土壤理化性状分析方法是基于化学的分析方法,这种方法在研究大尺度空间土壤特性时要消耗大量的时间、人力、物力,具有较大的局限性.较传统的土壤分析方法而言,基于高光谱定量反演土壤性状的方法具有省时、大尺度、低成本高效率等特点,因此引起广泛地关注,在土壤快速监测、土壤质量评价及精细农业管理等方面具有广阔的应用前景.分析了近年来国内外高光谱反演土壤参数的研究情况,结果表明,当前高光谱定量反演土壤理化性状取得较大的进展,同时指出其不足并提出了进一步的研究方向.     

实验室模拟不同盐分土壤的高光谱特性

以托克托县采集的非盐渍土为研究对象,向其添加盐渍土中常见的易溶性钠盐,采用便携式地物光谱仪SVC HR-1024,测定不同盐分含量的土壤的光谱反射率,构建了土壤盐分与高光谱信息的偏最小二乘回归(PLSR)和多元线性逐步回归(MLSR)的土壤盐分反演模型.结果表明:(1)不同种类及含量的盐分对土壤的光谱曲线影响不同,经Na2 CO3、Na2 SO4和NaHCO3盐溶液处理的土壤光谱反射率随着土壤含盐量的增加而增加,NaCl溶液处理后的土壤反射率随着土壤含盐量的增加而递减,且各土样反射率均高于未经处理的土样.(2)4种土样原始光谱数据与SSC相关性从高到低依次为:NaCl、Na2 SO4、NaHCO3、Na2 CO3:经过数学变换后,4种土样最大相关系数分别为:R'-NaCl(-0.895)、(R)'-Na2CO3(-0.781)、R″-Na2SO4(0.767)、(lgR)'-Na2CO3(-0.874):各土样根据相关系数所选敏感波段不同.(3)建模效果最好的是NaCl土样的一阶微分处理的PLSR模型,决定系数(R2)和均方根误差分别为0.871和0.764;MLSR模型中效果最好的为经对数一阶微分处理后的NaHCO3模型,决定系数(R2)和均方根误差分别为0.824和0.846.经验证,PLSR模型更适宜进行土壤盐分反演.     

黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测

【目的】针对黄土高原丘陵地多、地形复杂、有机质含量低、采样困难以及因采煤活动引起大面积土地损毁等问题,在土地复垦与综合整治过程中,为快速定量监测与评估复垦农田土壤质量提供一种新的方法。【方法】以山西省襄垣县复垦农田土壤为研究对象,选取由北向南土地损毁中间条带状区域采集样品152个,进行室内土壤农化分析、光谱测定,运用ParLes 3.1软件对光谱曲线进行多元散射校正（multipication scatter correction,MSC）、基线偏移（baseline offset correction,BOC）和Savitzky-Golay filter平滑去噪预处理。对土壤原始光谱反射率（raw spectral reflectance,R）作一阶微分（first order differential reflectance,D（R））和倒数的对数变换（inverse-lg reflectance ,lg（1/R））,分析3种不同变换形式的光谱数据与土壤有机质含量的相关性,相关系数通过P=0.01水平显著性检验来确定显著性波段的范围。基于全波段（400-2400 nm）和显著性波段利用偏最小二乘回归（partial least squares regression,PLSR）分析方法建立该区域土壤有机质含量高光谱预测模型,通过模型精度评价指标：决定系数（coefficient of determination,R²）、均方根误差（root mean square error,RMSE）和相对预测偏差（residual prediction deviation,PRD）确定最优模型。【结果】通过P=0.01水平显著性检验的波段范围为：R的400-1 800、1880-2 400 nm;D（R）的420-790、1 020-1 040、2 150-2 200 nm;lg（1/R）的400-1 830、1 860-2 400 nm。光谱与有机质含量的相关系数绝对值最大的波段是R的800 nm;D（R）的600 nm;lg（1/R）的760 nm。进行D（R）变换,光谱曲线的吸收特征更加明显,相关系数在可见光（400-800 nm）波段范围内有所增加,其最大值由0.72提高到了0.82;基于显著性波段的PLSR建模效果优于全波段,其中lg（1/R）变换的预测精度为最佳,具有很好的预测能力,其校正模型的R²和RMSE分别为0.95、7.64,预测模型的R²、RMSE和RPD分别为0.85、3.00、2.56;基于全波段的R-PLSR和lg（1/R）-PLSR模型具有较好的预测能力,其预测模型的R²、RMSE和RPD分别为0.79、3.64、2.10和0.79、3.53、2.17,而D（R）-PLSR模型只能进行粗略估测,其预测模型的R²、RMSE和RPD分别为0.61、5.43、1.41。综合分析全波段和显著性波段3种光谱数据的预测精度,发现基于显著性波段的R-PLSR、D（R）-PLSR、lg（1/R）-PLSR模型均取得了显著的预测效果。【结论】研究区土壤光谱反射率与土壤有机质含量具有高度的相关性,应用偏最小二乘回归分析方法可以很好地建立土壤有机质含量反演模型。     

广西喀斯特地区土壤Ca含量高光谱反演研究

【目的】土壤是植物生长所需的必要因子,岩溶区高浓度的土壤Ca含量则影响着当地植物的生长发育。研究基于高光谱反演技术为岩溶区土壤Ca含量的快速测量提供参考。【方法】利用广西典型喀斯特区土壤为研究对象,开展土壤反射率光谱与室内理化分析同步测量。在土壤原始光谱反射率的基础上,进一步对土壤光谱进行一阶导数和包络线去除处理,并利用光谱指数法和主成分回归分析法进行土壤Ca的反演研究。【结果】岩溶区土壤钙含量与土壤光谱之间具有非常高的相关性,在600 nm和2 300 nm附近出现较高的峰值,且经过一阶导数和包络线去除处理后的土壤光谱反演效果要明显优于原始光谱。其中,一阶导数处理的指数模型RSI(607 nm,2 370 nm)的R2达到0.67,均方根误差为26.34,反演效果最好;包络线去除处理的NDSI(599 nm,601 nm)的R2为0.57,均方根误差为18.24;原始光谱的NDSI(603 nm,604 nm)的R2为0.57,均方根误差为27.94。主成分回归分析的R2为0.57,均方根误差11.92,也具备较好的反演能力。【结论】指数反演中RSI指数具有波段指示意义明确,反演精度高等优点,而主成分回归分析的精度高,分析快,但无法筛选敏感波段。该研究结果证明了高光谱手段反演岩溶区土壤Ca含量的可行性,并为快速获取岩溶区土壤Ca含量的相关研究提供了指导意义。     

土壤有机质高光谱特征及其反演研究

具有精细的光谱分辨率,可获取地物纳米级连续光谱信息的高光谱技术以其简便、快速、精度高和无损等优势成为获取土壤有机质(soil organic matter,SOM)含量的重要手段,在精确农业发展中发挥着重要作用。本文阐述了高光谱反演土壤有机质的机理,概述了土壤有机质含量的光谱反射特征,包括不同土壤类型、不同土壤有机质含量的光谱响应波段,以及土壤有机质含量的光谱反演方法和模型的研究进展。进一步分析了土壤有机质光谱特征研究中存在的问题并对发展趋势进行了展望和分析,以期为以后的研究提供一定的参考。     

基于高光谱成像的枇杷果实品质检测

采用高光谱成像技术(HSI)在可见/近红外(363～1 026 nm)区域检测枇杷果实的可溶性固形物(SSC)和硬度,并判断其成熟度,以实现枇杷果实品质的无损检测和分级分选.利用蒙特卡洛法(MC)剔除异常样本,基于联合X-Y距离(SPXY)进行建模集和预测集样本的划分,再采用竞争性自适应权重采样算法(CARS)和连续投影算法(SPA)选取特征波长,与全波段光谱(FS)比较,分别建立偏最小二乘回归(PLSR)模型.结果显示,CARS-PLSR模型更优,CARS提取的SSC特征波长和硬度特征波长分别占总波长的8.52%和5.36%,枇杷果实中SSC和硬度的建模集相关系数R_c分别为0.981 7,0.970 7,预测集相关系数R_p分别为0.918 5,0.742 3,说明CARS能有效地对光谱进行降维,简化了数据处理过程.枇杷果实SSC和硬度的变化与果实成熟度显著相关,建立判别偏最小二乘法(DPLS)成熟度预测模型,预测集总识别准确率为89.29%.由此说明,高光谱成像技术可对枇杷品质进行有效检测,为枇杷果实的无损检测和分级分选提供了理论依据.