土壤全氮的无人机高光谱响应特征及估测模型构建

为更好地体现出光谱与土壤全氮（soil totalnitrogen,STN）含量之间的响应关系,实现以高光谱快速估测土壤全氮含量,该研究以无人机搭载高光谱传感器获取农田土壤高光谱影像,提取光谱反射率并进行数学变换,基于灰色关联度和皮尔逊相关系数提取各光谱中土壤全氮含量的敏感波段,基于敏感波段采用偏最小二乘回归（partialleastsquares regression,PLSR）、岭回归（ridge regression,RR）和随机森林（random forest,RF）构建土壤全氮的高光谱反演模型,筛选出最优模型并对研究区土壤全氮含量进行反演制图。结果表明：1）反射率的倒数光谱中的敏感波段（996～1 003 nm）集中在近红外长波范围内,反射率的一阶微分（first derivative of reflectance,FDR）光谱中的敏感波段（398～459、469和472～1 003 nm）和反射率对数的一阶微分光谱中的敏感波段（398～459、463～973和978～1 003 nm）在可见光和近红外范围内都有分布,反射率的一阶微分光谱中的敏感波段（615～625、632和...     

基于可见-近红外反射光谱的油区农田土壤石油烃含量估测研究

利用可见-近红外光谱技术,研究油区农田土壤在颗粒为2mm、0.25 mm和0.15 mm时的光谱(原始、一阶微分、连续统去除、多次散射校正)反射率与石油烃含量变化的关系,建立并利用偏最小二乘回归模型估测了石油烃含量.结果表明:原始、连续统去除、多次散射校正光谱的反射率对石油烃含量变化的响应在350 ～ 600 nm最敏感(P＜0.05),一阶微分光谱的敏感波段为2 280 nm(|r|=0.81,P＜0.01);光谱预处理能明显提高石油烃含量的估测精度,但土壤研磨对估测精度的影响因光谱预处理方法而异.基于可见-近红外光谱技术,本研究确立了估测油区农田土壤石油烃含量的颗粒粒径(2 mm)和光谱预处理方法(一阶微分),实现了石油烃含量的快速、有效估测,探索了一种可替代传统分析技术的新方法.     

不同粒径土壤有机质含量可见光-近红外光谱估算研究-以湟水流域为例

不同土壤粒径大小差异致使土壤光谱反射率不近相同,从而影响土壤有机质含量的预测精度。因此探索不同粒径下土壤有机质含量估算精度,可为有机质的精确估算以及减少样品的前期处理提供参考依据。本文将分别过10、20、60、100目筛的土样于暗室内进行350~2500 nm波段光谱反射率测量,经多元散射校正(MSC)与小波变换(WT)平滑去噪后,首先将原始光谱(R)及其数学形式包括反射率倒数(1/R)、反射率对数(lgR)、反射率根号(R~(1/2))进行一阶微分变换,然后采用遗传算法结合偏最小二乘法(GA-PLS)筛选土壤有机质含量特征波段区间,再将R、R'及特征波段(CHR)作为偏最小二乘回归(PLSR)和支持向量机(SVM)的输入波段进行有机质含量建模。结果表明:1)土壤粒径越小,光谱反射率越高,特别是当波长大于600 nm时,反射率明显增加;2)土壤有机质含量的特征波段主要位于426~447 nm,1427~1459 nm,1948~1958nm,1970~1991 nm,2012~2039 nm,2165~2186 nm谱区;3)采用GA-PLS算法挑选特征波段建立SOM估算模型,模型精度和预测能力明显高于R和R';4)利用SVM方法建模模型精度明显高于PLSR方法;5)样本容量较大时,采用1mm(20目)粒径光谱数据建模最佳。     

黑土土壤中全氮含量的高光谱预测分析

为实现快速、准确估测土壤氮素含量水平,推动土壤信息化管理进程,该研究利用ASD2500高光谱仪在室内条件下测定了风干土壤样品的可见—近红外光谱。结果表明,通过不同的变换,光谱反射率对数的一阶导数与土壤全氮含量相关性得到增强,以400～600 nm波段范围内相关性最好。该文确定了以反射率对数的一阶导数光谱预测黑土全氮（TN）含量的最佳回归模型,模型所用的波段为可见光波段的556 nm、近红外的1 642和2 491 nm。同时,也确定了利用由可见光波段550和450 nm组成的归一化光谱指数预测黑土TN含量的最佳预测模型。模型通过验证达到较好的效果：利用反射率对数的一阶导数、归一化光谱指数对土壤TN的预测R2分别为0.863、0.829,均方根误差RMSE分别为0.122、0.152。     

粗面岩质火山碎屑物发育土壤有机质含量的高光谱特征与建模

利用ASD Field Spec 4便携式快速扫描分光辐射光谱仪,对采自吉林省长白山地区粗面岩质火山碎屑物发育的土壤进行光谱反射率测定,分析其光谱特征;对土壤原始光谱反射率进行一阶微分、二阶微分、倒数的微分、倒数的对数的一阶微分和倒数的对数的二阶微分等五种数学处理,并应用多元逐步回归分析建立土壤有机质含量的高光谱预测模型。研究表明:土壤有机质含量与原始光谱反射率在565~675 nm波段内呈显著负相关;一阶微分光谱在415 nm、445~605 nm波段内与土壤有机质含量呈极显著负相关,在705~985 nm、1015~1265 nm波段内呈极显著正相关,在865 nm波段处相关系数达到极大值0.87;建立的土壤有机质多元逐步线性回归预测模型中,以一阶微分模型为最优,R2为0.954,可用于粗面岩质火山碎屑物发育土壤有机质含量的快速测定。     

黑土土壤水分高光谱特征及反演模型

应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。     

紫色土和黄壤含水率的室内光谱反演

[目的] 选择西南地区代表性土类紫色土和地带性黄壤,分析其光谱信息,构建土壤水分反演模型,估测土壤含水率,为西南地区土壤水分快速监测提供方法依据。[方法] 通过室内配置紫色土和黄壤不同土壤含水率水平,运用地物光谱仪测量其光谱反射率,比较不同含水率条件下两类土壤的高光谱特征;采用多种数学变换和相关分析法提取特征波段,运用多元逐步回归（SMLR）和BP神经网络（BPNN）分别构建土壤含水率的高光谱估测模型。[结果] ①随土壤含水率的增加,紫色土和黄壤的光谱反射率均逐渐降低;在相同含水率条件下,紫色土的光谱反射率低于黄壤。②土壤含水率对可见光波段（380～760 nm）反射率的影响显著低于红外波段（760～2 500 nm）;均在1 400,1 900,2 200 nm附近存在明显水分吸收谷。③经数学变换的紫色土和黄壤光谱反射率均与土壤含水率存在极强的相关性。④基于BPNN建立的土壤水分反演模型整体优于SMLR模型。[结论] BPNN模型为西南地区紫色土和黄壤土壤含水率光谱反演的最优模型,能够快速准确估测紫色土和黄壤土壤水分状况。     

典型龟裂碱土土壤光谱特征影响因素研究

为了提高基于土壤光谱特征预测土壤盐渍化程度的准确性,需要研究土壤光谱特征的因素影响。该文通过对野外、室内预处理、不同含水率、粒径和粗糙度条件下龟裂碱土表层土壤光谱的测定,系统研究了不同因素对龟裂碱土光谱特征的影响。结果表明:土壤碱化程度越强表层土壤光谱反射率越高,在450~925 nm范围内,碱土表层野外光谱反射率比重度、中度、轻度碱化土壤和非碱化土壤野外光谱反射率高7.36%、23.18%、32.10%和39.97%;765、945和974 nm附近是龟裂碱土盐渍化信息的敏感波段;相同土壤经过室内预处理后反射率明显低于野外土壤,且预处理后不同碱化程度土壤间光谱反射率差异也小于野外光谱。土壤含水率较低时,随着土壤含水率的增加土壤光谱反射率逐渐降低,但当含水率高于田间持水率时土壤反射率随土壤含水率的增加而增加,在整个研究波段含水率为26.45%时土壤反射率较含水率为22.33%和25.39%的反射率平均分别升高39.68%和19.79%。土壤粒径越小反射率越高,较大粒径土壤在760~768 nm形成独特的"双峰"现象。土壤粒径越大反射率受表面粗糙度的影响越小,且土壤表面越粗糙光谱吸收率越大。整体来讲,在450~1000 nm波段范围内,不同碱化程度的龟裂碱土野外表层土壤光谱特征差异显著;室内经过预处理后的龟裂碱土土壤光谱特征差异主要取决于土壤含水率,而碱化程度和土壤表面粗糙度的变化对其影响较小。该研究可以为龟裂碱土盐渍化信息的准确预测提供科学依据。     

分数阶微分在盐渍土高光谱数据预处理中的应用

光谱微分技术在高光谱数据处理中应用广泛,为研究分数阶微分对光谱反射率与盐渍土含盐量之间相关系数的影响,细化相关系数变化趋势,该文选取新疆塔里木南缘于田绿洲盐渍土为研究对象,以土壤样本含盐量和反射率高光谱数据为数据源,利用Grünwald-Letnikov分数阶微分公式编程计算光谱反射率以及对应的均方根、倒数、对数、对数倒数、倒数对数变换的0～2阶微分（间隔0.2阶）,对比分析每种变换各阶微分与土壤含盐量相关系数曲线的变化趋势以及微分处理对单波段相关系数的影响。结果表明：经微分处理,通过相关系数0.01显著性检验水平的波段数量明显增加（0.6阶＞1阶＞2阶＞0阶）,随着阶数增加,呈现先增后减的趋势,且均在分数阶0.6处达到最多。在0.6阶处,光谱反射率及5种数学变换通过相关系数0.01显著性检验的波段数量按照从大到小为：倒数对数变换=对数变换＞均方根变换＞倒数变换＞光谱反射率＞对数倒数变换。对于波段2444、2423、2142、2005 nm,微分算法能够大幅提升与含盐量之间的相关性,相关系数绝对值取最大值对应的阶数均为分数阶。从局部到整体,分数阶微分提升相关性的效果明显优于整数阶微分。该研究结果为分数阶微分在高光谱技术监测土壤盐渍化现象中的应用提供参考依据。     

土壤含水量对反射光谱法预测红壤土壤有机质的影响研究

研究土壤含水量对有机质预测的影响,可为野外红壤有机质快速测定提供理论依据。本文在实验室条件下测量了不同含水量红壤的可见光-近红外光谱反射率,运用偏最小二乘回归(PLSR)建立不同含水量的土壤有机质预测模型。结果显示,随土壤含水量的增加,有机质与一阶微分光谱的相关性先增加后下降,含水量为100～150 g/kg时相关系数最大。分380～2 400、380～1 300、1 300～2 400 nm三个波段建立不同含水量的有机质预测模型,模型预测精度均随土壤含水量增加而呈现先增加后下降的趋势。利用1 300～2 400 nm建立有机质预测模型可以有效避开氧化铁影响,建立的模型预测精度最高。本研究认为,当土壤含水量小于200 g/kg时,可以利用在室内控制条件下测定的土壤反射率,建立1 300～2 400 nm波段的PLSR模型,进行红壤土壤有机质含量预测。