基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

基于近红外光谱分析的土壤全氮含量估测研究

应用近红外光谱分析技术对比研究基于土壤风干样本和鲜样来预测全氮含量的可行性。选取水稻土为研究对象,首先分析了不同水分土壤的光谱特征,显示随水分含量增加,吸光度升高,且鲜样的吸光度高于干样。通过比较不同预处理方法,对土壤干鲜样分别采用逐步多元回归(SMLR)和偏最小二乘法(PLSR)建立了相应的近红外模型。结果表明,利用近红外光谱均可预测干鲜土壤样本的全氮含量,特别是利用偏最小二乘法建立的标定模型,预测精度高,反演性较好,鲜样和干样外部验证决定系数分别达到0.89和0.91,相对误差仅为6.92%和5.92%,研究结果可以为田间土壤全氮含量的估测提供技术依据和参考。     

基于局部加权回归的土壤全氮含量可见-近红外光谱反演

全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义。采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性。结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RP2)为0.83,均方根误差(RMSEP)为0.25 g kg-1,测定值标准偏差与标准预测误差的比值(RPD)达到2.41。LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力。因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用。     

同时估测土壤全氮、有机质和速效氮含量的光谱指数研究

通过系统分析我国中、东部地区5种不同类型土壤风干样本的有机质、全氮及速效氮含量与近红外(1 000～2 500 nm)光谱反射率之间的关系,进而构建了适合同时估测这3种养分含量的光谱参数及定量估算模型。结果表明,同时与3种养分指标相关较高的波段范围为1 879～1 890与2 050～2 100 nm,其中1 881和2 070 nm两个波段的反射率经多元散射校正及Savitzky-Golay平滑处理并构建而成的差值指数DI(CR1 881,CR2 070)与土壤有机质、全氮及速效氮含量具有良好的线性相关性。独立的观测资料检验显示,基于DI(CR1 881,CR2 070)的估测模型对全氮、有机质和速效氮的预测决定系数R2分别为0.83、0.79和0.72,均方根误差(RMSE)分别为0.20 g kg-1、4.71 g kg-1和23.96 mg kg-1,相对分析误差(RPD)分别为2.56、2.30和2.93。表明DI(CR1 881,CR2 070)是一种可同时估测土壤中3种养分含量的良好光谱指数。     

基于光谱变换的滨海湿地土壤全氮含量建模预测

基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R²均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R²为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。     

玉米全氮含量高光谱遥感估算模型研究

该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量,采用相关性分析以及单变量线性与非线性拟合分析技术,对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析,结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847),呈极显著负相关,并且基于此波长所构建的对数关系估算模型明显优于线性模型;与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944),呈极显著正相关,并且基于此波长所构建的线性和非线性模型的拟合效果接近;对于所选取的3类高光谱特征变量,全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外,与其余变量均呈极显著相关关系,说明由这些变量对玉米全氮含量进行估算具有可行性;对所建立的各类方程进行精度检验,最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。     

基于漫反射光谱的茶园土壤硝态氮检测

该文研究了充分利用土壤漫反射光谱在可见-近红外波段的有效信息,研究快速准确检测土壤硝态氮含量的新方法。试验选取89个风干土壤样本,经粉碎过直径1 mm筛孔后,使用 FieldSpec 3便携式光谱仪（光谱波长范围：400～2 500 nm）,获取其漫反射光谱。检查各土样的原始光谱的有效性并进行平均,经偏最小二乘法partial least squares（PLS）聚类分析后,选取其中的63个样本构成校正集建立模型,10个样本构成预测集进行模型验证。通过一阶微分与滑动平均滤波相结合的预处理方法,用15个主成分建立的主成分+神经网络模型为最好,其校正模型的回判相关系数为0.9908,均方根误差（RMSEC）为1.4528,预测模型的相关系数为0.7179。研究结果表明,利用可见-近红外光谱技术可以准确地检测茶园土壤硝态氮含量。     

基于可见-近红外反射光谱的土壤碳酸钙含量与反演效果关系研究

土壤可见-近红外反射光谱中包含了大量的土壤属性信息,研究人员根据土壤属性信息在光谱上的特征,对土壤属性进行定量反演。是否属性值越高,反演精度越高?目前对于属性含量与反演效果的定量关系尚不清楚。采集了我国西北地区黑河流域69个代表性干旱土剖面(292个发生层土样),以气量法测定其碳酸钙含量,使用Cary 5000分光光度计测定其可见-近红外光谱反射率,以样本量和离散度(变异系数)作为数据集划分标准,分别建立了11个相同样本量子集(A)和5个相近离散度子集(B),应用偏最小二乘回归(PLSR)算法对各子集进行土壤碳酸钙含量反演,以此探究碳酸钙含量与反演效果的定量关系。结果表明,碳酸钙可增加可见-近红外波段的光谱反射率,但利用可见近红外光谱反演土壤碳酸钙含量,其反演效果与碳酸钙含量关系不显著。     

基于近红外光谱技术的茶油原产地快速鉴别

为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑（savitzky-golay, SG）、多元散射校正（multiplicative scatter correction, MSC）、一阶导数（first derivation, FD）和矢量归一化（vector normalization, VN）等4种方法对其进行预处理。采用偏最小二乘法（partial least squares, PLS）提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析（principal component analysis, PCA）和 PLS 算法提取最佳主成分,作为 BP 人工神经网络（BP artificial neural network, BPANN）输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。     

基于1∶5万土壤数据库的福建省耕地全氮储量动态变化研究

基于福建省1982年第二次土壤普查2 021个剖面点和2008年测土配方施肥29 945个样点耕层(0~15 cm)土壤属性数据建立的1∶5万土壤数据库,研究了近30多年来全省耕地的全氮密度和储量动态变化。结果表明,1982年福建省耕地土壤的全氮密度和储量分别为0.258 kg m~(-2)和4.26 Tg;而2008年分别上升到0.262 kg m~(-2)和4.39 Tg,近30年来全省耕地土壤全氮呈富集趋势。从不同地级市来看,龙岩市全氮密度上升最多,增幅为0.036 kg m~(-2),而厦门市全氮密度下降最多,降幅为0.041 kg m~(-2)。从不同土壤类型来看,潮土土类和潜育水稻土亚类全氮密度上升最多,增幅均超过0.015 kg m~(-2),而石灰土土类和淹育水稻土亚类全氮密度下降最多,降幅均超过0.015 kg m~(-2)。总体来看,福建省耕地土壤近30年来的全氮密度空间动态变化差异很大,今后根据不同耕地土壤类型和地级市的氮素富集程度,制定氮肥优化管理措施是非常必要的。     

基于1:5万数据库的福建省土壤全氮密度及储量估算研究

土壤全氮对于全球温室效应和水体富营养化具有重要的调控作用。基于福建省第二次土壤普查3 082个剖面数据和最新建立的1:5万大比例尺矢量土壤图,对全省土壤全氮储量进行了估算。结果表明：福建省土壤总面积为12.08×106 hm2,表层（0~20 cm）和剖面（0~100 cm）土壤的全氮密度分别为0.35 kg?m-2 和0.97 kg?m-2,储量为42.06 Tg和116.83 Tg。全省土壤全氮密度整体呈自北向南逐渐递减的趋势,且沿海低而内陆高。从不同土壤类型来看,山地草甸土的表层和剖面全氮密度最高,分别为0.85 kg?m-2和2.09 kg?m-2;而风沙土的表层和剖面全氮密度最低,分别为0.11 kg?m-2和0.27 kg?m-2。从不同行政区来看,南平市和龙岩市的表层土壤全氮密度最高,分别为0.40 kg?m-2 和 0.39 kg?m-2,而南平市和三明市的剖面土壤全氮密度最高,分别为1.19 kg?m-2 和 1.11 kg?m-2。总体而言,福建省土壤全氮密度和储量空间分布差异很大,今后可依据不同行政区和土壤类型的全氮分布制定合理的施肥管理措施。     

基于1:5万土壤数据库的太湖地区水稻土全氮含量动态变化研究

准确评估农田土壤全氮含量变化是有效制定农业管理措施的基础。选择太湖地区37个县(市、区)2.32 M hm~2水稻土为研究对象,以1982年第二次土壤普查的1 096个和2000年"973"项目的 1 393个表层样点建立1︰5万高精度土壤数据库为基础,定量化该地区近20年来水稻土全氮含量的动态变化。结果表明:1982—2000年太湖地区水稻土全氮含量上升了0.21 g·kg~(–1),氮素富集效应明显。其中,脱潜型水稻土全氮含量上升最多,增幅达17.0%,而潜育型水稻土有所下降,降幅为26.2%。从不同土区来看,低山丘陵土区全氮含量上升最多,增幅达31.8%,而太湖平原土区变化幅度最小,增幅仅为9.8%。从不同行政区来看,安吉县、长兴县、川沙县、闵行区、余杭县和崇明县全氮含量增长幅度均超过40%,而吴县、青浦县、嘉善县和丹阳县均有所下降。总体来看,太湖地区水稻土全氮含量空间动态变化差异很大,今后根据不同土壤类型、土区和行政区氮素富集程度适当减少氮肥施用量,以防止氮素流失造成的水体富营养化风险是十分必要的。     

长期不同施肥对稻田土壤有机质和全氮的影响

通过对湖南新化、宁乡、株洲、桃江、武岗5个国家级稻田肥力长期定位试验点18年的田间定位试验,研究了不同施肥方式下0-20 cm土层土壤有机质和全N含量的演变规律。结果显示,中量和高量有机肥与化肥配合处理在提高土壤有机质和全N含量方面效果明显优于单施化肥和秸秆还田处理,且随有机肥用量的增加而增加,表明有机肥与化肥配合施用是提高土壤有机质和N素肥力的重要措施。在不同施肥方式下,稻田土壤有机质总体上呈现出上升或者下降的趋势,但在不同的年份会有波动。     

基于光谱吸收特征的土壤含水量预测模型研究

为了定量分析土壤含水量与反射光谱特征之间关系,并为土壤含水量速测提供理论依据。以黑土作为研究对象,测定实验室光谱反射率,利用去包络线方法提取反射光谱特征指标,建立土壤水分含量高光谱预测模型。结果表明:黑土含水量与1 420 nm、1 920 nm附近吸收谷的主要光谱特征(吸收谷深度、宽度、面积)呈显著正相关;1 920 nm附近吸收谷可作为黑土土壤水分的特征吸收谷,由其光谱特征参数预测黑土含水量;以1 920 nm附近吸收谷面积为自变量建立的一元线性回归模型预测精度高,输入量少,可以作为土壤含水量速测仪器研制的理论依据。     

基于差异化光谱指数的盐渍土水分含量预测——以滨海盐土为例

以滨海盐土为研究对象,通过添加不同浓度的盐溶液并模拟蒸发过程,获取不同含水、含盐量的土壤样品,并测定土壤光谱和土壤含水量,分别运用光谱指数法和偏最小二乘回归法(PLSR)对土壤含水量进行预测。结果表明：由2027 nm和1878 nm构建的土壤水分差异化光谱指数(NDMI2027,1878)是预测土壤水分的最优指数,且适用于任何等级的盐渍化土壤,其建模集和验证集的预测结果均优于PLSR方法,验证集R2达0.99,RMSE仅为21.84 g/kg,可比较准确地预测盐渍化土壤的含水量。     

水氮调控对设施土壤有机氮组分、全氮和矿质氮的影响

为探讨水氮调控对设施土壤有机氮组分、全氮和矿质氮的影响,通过膜下滴灌设施番茄田间定位试验,采用灌水下限(W_1、W_2、W_3)和施氮量(N_1、N_2、N_3)的两因素三水平随机区组设计,研究水氮调控对休耕期0—30cm土层土壤有机氮组分、全氮和矿质氮的影响。结果表明,不同水氮调控下,设施土壤有机氮主要是以酸解态氮为主,总体表现酸解态氮大于非酸解态氮含量。土壤有机氮组分在酸解态氮和非酸解态氮中分配比例差异明显。土壤有机氮各组分含量及占全氮比例的大小顺序为氨基酸氮/氨态氮未知氮氨基糖氮。除氨基糖氮,其余酸解态氮各组分和酸解总氮含量及其占全氮比例均随着土层深度的增加而降低,不同土层含量差异显著(P0.05)。土壤全氮、矿质氮和总有机氮含量随土层深度的增加也呈降低趋势,且含量差异达到极显著水平(P0.01)。除氨基糖氮,全氮与其他有机氮各组分、酸解总氮间均达到极显著正相关(P0.01);矿质氮仅与酸解氨态氮及酸解总氮的影响达到极显著(P0.01)和显著正相关(P0.05)。灌水下限、施氮量及水氮交互对设施土壤全氮、矿质氮和总有机氮及有机氮组分影响均达到极显著水平(P0.01)。因此,设施土壤氮素含量的变化与水氮管理模式紧密相关。氨态氮和氨基酸氮是设施土壤中最主要的有机氮形态,是土壤活性氮中的主要组分,亦是土壤供氮潜力的表征。考虑土壤供氮潜力,灌水下限35kPa、施氮量300kg/hm~2为该设施生产下最优的水氮管理措施。     

基于多源辅助变量和随机森林模型的表层土壤全氮分布预测

土壤全氮与土壤质量和肥力密切相关,准确掌握土壤全氮的空间分布特征对精准农业管理措施的实施具有重要意义。以寻乌县为研究区域,利用随机森林(RF)和随机森林残差克里格(RFRK)方法,结合地形因子、地理坐标、遥感因子、气候因子、距离因子和土壤理化因子等多源辅助变量,对寻乌县表层土壤全氮的空间分布进行预测和制图,并在迭代100次模型后对比了两种模型的预测精度。结果表明,在选择的4种模型精度指标中,RF模型的决定系数均值(R~2=0.629 1)和一致性相关系数均值(CCC=0.7613)均高于RFRK模型(R~2=0.5719,CCC=0.6881),而RF模型的平均相对误差均值(MAE=0.157 0 g·kg^-1)和均方根误差均值(RMSE=0.210 8 g·kg^-1)均小于RFRK模型(MAE=0.168 2 g·kg^-1,RMSE=0.226 7 g·kg^-1)。将残差作为误差项加入RF模型并未提高其预测精度,因此,RF模型可以作为土壤属性预测的一种有效方法,为农业管理措施的实施提供技术支撑。