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。     

基于CARS算法的不同类型土壤有机质高光谱预测

不同土壤类型的理化性质和光谱性质存在差异,以往研究多以高光谱反射率或光谱吸收特征建立模型,输入变量类型结构单一,往往导致土壤有机质（Soil Organic Matter,SOM）预测模型的精度不高。为提高SOM高光谱预测模型精度,该研究以黑龙江省海伦市为研究区,将不同类型土壤分别以竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）筛选的特征波段、数字高程模型（Digital Elevation Model,DEM）数据和光谱指数作为输入变量,结合随机森林（Random Forest,RF）算法建立SOM预测模型。结果表明：1）通过CARS算法筛选后,各土壤类型特征波段压缩至全波段数目的16%以下,在很大程度上降低土壤高光谱变量维度和计算复杂程度,从而提高了模型的预测能力,说明CARS算法在提取特征关键波段变量、优化模型结构方面起到重要作用;2）不同类型土壤的SOM预测精度存在差异,沼泽土的预测精度最高为0.768,性能与四分位间隔距离的比率（Ratio of Performance to InterQuartile distance,RPIQ）为3.568;黑土次之,草甸土的预测精度最低,仅0.674,RPIQ为1.848。3类土壤的RPIQ均达到1.8以上,模型具有较好的预测能力;3）局部回归预测精度最优,验证集的调整后决定系数为0.777,均方根误差（Root Mean Square Error,RMSE）为0.581%,模型验证RPIQ为2.689,模型稳定性高。该试验筛选的预测因子通过RF模型可实现SOM含量的快速预测,简化了传统复杂的程序,可为中尺度区域不同类型土壤的SOM预测提供依据,为输入量的选择提供参考。     

基于高光谱特征的土壤有机质含量估测研究

在室内条件下,利用ASD2500高光谱仪测定了潮土和水稻土自然风干土壤样品的光谱。通过系统分析两种不同类型土壤的高光谱特征差异及其有机质含量的敏感波段区位,建立了土壤有机质含量的光谱估测模型。结果表明,具有相同有机质含量的两种类型土壤整体光谱变化趋势无明显差别,但反射率表现出明显差异,一阶导数变换能较好地显现谱图中的肩峰。潮土和水稻土有机质的敏感波段集中在相同区域,原始反射率在685 nm处相关性最高,而一阶导数光谱在554 nm处相关性最高。通过对整体样本的多元逐步回归分析,筛选出两种土壤有机质相同的敏感波段为800 nm、1 398 nm和546 nm。进一步以一阶导数为自变量,基于1 400nm和554 nm两个波段构建了土壤有机质差值指数SOMDI及估测模型,即Y=4.19 12.85×(R_FD554 R_FD1 400)。利用独立的样本对建立的光谱模型进行了检验,预测决定系数均达0.79以上。上述结果表明,利用高光谱技术可实现土壤有机质的快速监测与诊断。     

基于高光谱特征的盐渍化土壤不同土层盐分离子含量预测

为了利用高光谱技术准确预测不同土层土壤盐渍化程度,该研究以宁夏银北地区不同层次土壤为研究对象,以土壤实测光谱数据和室内盐渍化指标测定数据为基本信息源,系统分析不同类型盐渍化土壤光谱特征,确定与土壤pH值、电导率(electricconductivity,EC)和可溶性盐分离子相关性最强的反射率转换方式,筛选0～5 cm和0～20 cm土层盐分指标敏感波段,然后建立并验证不同土层不同土壤盐分指标的预测模型。结果表明:研究区不同类型、不同盐渍化程度土壤光谱特征曲线变化趋势相似,盐土光谱反射率最高,轻度硫酸盐型土壤反射率最低。在所有盐分指标中,单波段反射率与0～5 cm土壤SO42-的相关性最强(相关系数为0.910 4);反射率与CO32-、HCO3-、Cl-含量相关性不显著。土壤单波段反射率与0～20 cm土层SO42-的平均相关系数比0～5 cm土层降低了0.232 2,但Cl-、K+、HCO3-和EC的相关系数都有所增大。反射率通过不同方式转换后,敏感波段与各盐分的相关性有不同程度的增强,尤其是一阶微分和连续统去除后一阶微分转换。在0～5 cm土层反射率经过平滑后一阶微分转换后与土壤pH值、SO42-、K+、Mg2+相关性最强;反射率经平滑后连续统去除一阶微分转换与土壤EC、CO32-、HCO3-、Cl-、Na+、Ca2+的相关性最强。0～20 cm土层中,平滑后连续统去除一阶微分与土壤pH值、Cl-相关性最强,平滑后倒数对数一阶微分与EC、HCO3-、SO42-、Na+、Ca2+的相关性最强,而平滑后一阶微分与CO32-、K+、Mg2+相关性最强。不同土层相同盐分指标敏感波段不同。利用偏最小二乘回归建立的预测模型中,0～5 cm和0～20 cm敏感波段对10个盐分指标预测平均决定系数分别为0.820 8和0.890 7,其中0～5 cm敏感波段对SO42-的预测模型决定系数达0.967 6。采用逐步回归与偏最小二乘回归相比模型引入敏感波段减少,但R2降低。验证结果表明模型对0～20 cm土层SO42-和CO32-的预测能力不及0～5 cm;但对其他8个盐分离子的预测能力明显高于0～5 cm。研究结果可以为该地区土壤的盐渍化信息预测及植物格局配置提供科学依据。     

博斯腾湖湖滨绿洲土壤电导率高光谱估算模型

以博斯腾湖湖滨绿洲为研究区,采用分数阶微分对光谱指数进行波段优化,筛选高光谱数据的特征波段,利用偏最小二乘回归(PLSR)和支持向量机(SVM)构建土壤电导率高光谱数据的估算模型.研究结果表明:(1)分数阶微分的高光谱数据与土壤电导率的相关性:随着分数阶微分阶数的增加,特征波段数呈现逐渐增加的趋势,2阶是特征波段数量最...     

海涂土壤高光谱特性及其砂粒含量预测研究

土壤光谱反射特性作为土壤基本性质之一,和土壤理化性质有密切的关系,这种关系是土壤遥感技术的物理基础,为研究土壤本身的属性提供了一个新的途径和指标[1]。近年来发展和兴起的高光谱遥感,成为探测土壤性质细微差异及其相关土壤理化参量预测的新技术和新手段,并在其他研究领域得以广泛地应用[2]。国外较早就开展了高光谱基础研究和应用研究,在土壤高光谱研究方面,早在20世纪80年代初,Stone和Baumgardner[3]就在实验室用光谱仪测定了0.52μm到2.32μm波段范围内485个土样的反射光谱,并将这些光谱归纳和描述为5类土壤反射光谱曲线。进入20世纪90年代后,随着更为先进的高光谱仪的不断出现     

高光谱土壤多元信息提取模型综述

高光谱土壤多元信息提取模型的精度与光谱学在这一领域未来能够发挥的作用直接相关。在列举土壤样品制备、理化成分测定和土壤光谱数据获取标准技术的基础上,总结了目前适用于土壤光谱处理的异常筛选、平滑去噪、重采样、变换和定量化方法。对偏最小二乘法、主成分分析和多元逐步回归法等8种建模方法进行了对比,分析了各类方法的建模针对性。按照有机质、水分、盐渍化、重金属和其它成分分类归纳了目前取得良好应用效果的多种光谱信息提取模型,并对比了每个模型的信息提取精度。光谱所指示的信息,不仅能够为土壤成分提供快速指示信息,而且在实测数据基础上所建立的信息提取模型,是软件研发、仪器研发和土质评价等工作的理论基础。     

基于棉田原位高光谱数据的土壤pH值反演与制图研究

[目的] 研究快速、准确大面积监测农田土壤pH值,为大面积土壤改良和实现农田精细化管理提供科学支持。[方法] 以南疆阿拉尔市十二团棉田为研究区,采用网格采样法采集231个样点的原位高光谱数据,并同步采集其中116个样点的土壤样品;分析了原位高光谱反射率数据经不同预处理模式后的光谱数据与土壤pH值的相关性;采用偏最小二乘回归、支持向量机回归和随机森林3种建模方法分别建立了土壤pH值的高光谱反演模型,根据模型评价指标优选出最优模型对未采集土壤样点的pH值进行反演制图。[结果] 反射率经微分处理后可有效改善其与土壤pH值的相关性;反射率二阶微分的随机森林模型为所有模型中的最优模型,其验证集的R²为0.87,RMSE为0.04,RPD为2.53;最优模型反演的pH值数据插值所得数字图与实测pH值插值图的空间分布特征高度吻合,能客观反映土壤碱化的空间分布状况。[结论] 随机森林模型为原位反演南疆棉田土壤pH值的最优模型,克里金插值能够客观可视化表达研究区土壤pH值的分布状况。     

基于高光谱遥感土壤有机质含量预测研究

高光谱遥感技术是土壤养分含量监测的一种先进手段,能及时、准确地监测滨海滩涂土壤养分的动态变化,对滨海湿地生态环境保护具有重要意义。以辽河三角洲滨海湿地滩涂为研究对象,在对地面高光谱数据与实验室样本理化性质分析的基础上,经过微分以及连续统去除法相关分析,分别建立了多元线性回归模型和偏最小二乘法(PLSR)模型,并对模型结果进行分析、比较。结果显示,连续统去除法能有效的提高有机质含量与光谱反射率之间相关性,基于此变换所建立的多元线性回归模型R2达到了0.7545,RMSE为1.2216;偏最小二乘模型R2达到了0.8792,RMSE为1.2299。所建模型具有预测土壤有机质含量的潜力,其中偏最小二乘法优于多元线性回归法。     

基于光谱变换的高光谱指数土壤盐分反演模型优选

该文探索基于光谱变换建立光谱指数,进而建立土壤盐分反演模型的可行性。运用倒数、导数、对数等15种光谱变换对土壤含盐量进行反演,并利用原始光谱的波段反射率构造光谱指数对土壤盐分进行建模。在15种高光谱变换中,一阶微分R'和一阶对倒数(log1/R')变换下土壤盐分估算模型的精度较高。但总体而言,基于单一光谱变换和光谱指数的模型模拟精度均较低。采用光谱变换建立光谱指数,并进一步建立土壤盐分反演模型,结果表明,基于(log1/R')光谱变换构建归一化植被指数,然后建立的土壤盐分精度最高,经验证,其R2为0.89,均方根误差为3.34 g/kg,高于单一方法构建的模型,可为半干旱地区土壤盐分反演提供参考。     

基于PLSPM模型的鄂西南部分区域耕地土壤pH影响因素研究

选用鄂西南部分区域采集的土壤pH数据,进行其影响因素研究。结果表明:研究区耕地土壤pH呈现东北向西南降低的趋势,整体属于酸性土壤;不同耕地类型土壤p H大小分别是:水浇地>旱地>水田;不同成土母质发育的土壤p H有所差异,碳酸盐岩发育的土壤p H较高,结晶岩和泥质岩发育的土壤p H较低;耕地土壤p H多因素综合模型显示,人为活动是该区耕地土壤p H的主要影响因素,其后依次是气候、作物和地形;不同土壤酸碱性的耕地对影响因素的响应程度存在差异,中性和弱碱性土壤对人为活动表现为正向响应,强酸性及弱酸性土壤对作物长势和地形同样表现为正向响应,极强酸性土壤对人为活动的响应程度最低,弱碱性土壤对气候的响应程度最强。     

土壤有机碳稳定性及其影响因素

土壤有机碳库在全球碳循环中起着重要作用。利用文献资料,阐明土壤有机碳稳定性理论及其影响因素。土壤有机碳稳定性指土壤有机碳在当前条件下抵抗干扰和恢复原有水平的能力。它是由土壤的理化性质所决定的,是自然因素和人为因素共同作用的结果。土壤有机碳的降解包括生物降解作用和物理化学降解作用等,生物降解作用是主要的过程。把土壤有机碳库分成活性碳库、慢性碳库、惰性碳库,能较好地与土壤微生物的生物降解过程相对应。构建土壤有机碳稳定性概念模型,能更系统地理解有机碳在土壤中的稳定机制。     

四川盆地耕地土壤pH空间变异特征及影响因素

基于四川盆地4362个耕地表层土壤（0~20cm）采样点数据，采用地统计学法、方差分析和回归分析法分析了该区域耕地表层土壤pH的空间分布特征及其不同影响因素对土壤pH空间变异的影响程度。结果表明：研究区土壤pH值在3.53~8.76之间，平均为6.54，以微酸性至中性为主；变异系数为18.89%，属于中等程度的空间变异。半方差分析表明，指数模型为该区域土壤pH变异的最佳拟合模型，块金效应为49.97%，属于中等程度的空间自相关性，受结构性因素和随机性因素共同影响。空间分布上，整体呈现北高南低、西高东低、中间高四周低的空间分布格局。回归分析结果表明，土壤pH的空间变异主要受到土壤类型、降雨量、地形和耕地利用方式的影响。其中，土壤类型和降雨量分别能独立解释14.6%和11.6%的土壤pH空间变异，是该区域土壤pH空间变异的主控因素。     

毕节市耕地土壤pH的空间变异特征与影响因素

为了探讨耕地土壤pH的空间变异及影响因素,以贵州省毕节市为研究区域,开展了耕地土壤pH的实地监测调查,获取了各监测点的空间位置和属性数据。结合地统计学和GIS方法,探讨了耕地土壤pH的空间变异特征。结果表明:毕节市0~10 cm层耕地土壤pH分布于5.12~9.20,土壤pH最优插值模型:趋势指数为1,插值模型为有理二次方程式,块金值与基台值之比为65.10%,表现出中等的空间相关性,说明结构性因素(自然因素)对0~10 cm层耕地土壤pH影响较大。在不同母质中,耕地土壤pH从小到大为:基性岩类、砂页岩类、河流冲积物、碳酸盐岩类、紫色岩类、泥质岩类、石英岩类。在不同土壤类型中,耕地土壤pH由小到大为:6.29、6.83、7.07、7.17、8.20,对应土壤类型分别为:石灰土、黄壤、黄棕壤、紫色土、棕壤。与地形的相关分析表明,耕地土壤pH与高程、坡度、坡向分别为中等相关、弱相关、中等相关。总的来说,耕地土壤pH受结构性因素(自然因素)和人为因素影响的共同作用。     

棉田土壤水分的高光谱定量遥感模型

在棉花大田水分试验的基础上,采用自主设计的不同土层取样方法,同步获取了棉花冠层高光谱数据和不同深度土壤的水分含量数据以及棉花冠层水分含量数据,分析了棉花冠层含水量与土壤含水量之间的关系、棉花冠层高光谱数据与土壤含水量之间的相关性,构建了基于棉花冠层高光谱数据的土壤水分含量反演模型。结果表明:不同土层的水分含量具有较大差异,棉花冠层对不同土层水分含量的响应程度不同,0~30 cm土层水分含量与棉花冠层含水量的相关性最强,决定系数达到0.58;棉花冠层反射率与土壤水含量在可见光波段呈负相关,近红外波段呈正相关;在所有以棉花冠层高光谱数据的不同变换形式构建的不同土层含水量的PLSR反演模型中,以反射率倒数对数所建的模型对0~30 cm土层和以反射率对数所建模型对0~10 cm土层含水量的预测RPD均达到2.0以上,具有较好的预测能力,其余模型的预测效果不理想。     

赣南地区土壤pH值分布的影响因素及其强度变化

[目的]研究赣南地区土壤pH值的影响因素和强度,为该区土壤酸化防治提供科学依据.[方法]以江西省赣州市南康区8 167组表层土壤为研究对象,利用卡方检验、相关系数等统计学方法,对土壤pH值分布特征及影响因素进行分析.[结果]研究区83.1％的土壤为强酸性(pH＜5.0),中性及碱性土壤比例小于17％.土壤pH值主要受成...     

蓝莓对土壤酸碱敏感性的量化表征研究

土壤酸碱度是影响蓝莓树体正常生长的重要环境因子之一,量化表征土壤酸碱度变化对保持蓝莓正常生长、提高经济效益的影响幅度至关重要.本文利用Meta分析方法系统地集成国内外87篇文献,共筛选12个蓝莓品种,利用文献中已提取数据组定量化拟合土壤pH变化对不同品种蓝莓树体生长的影响差异.结果表明:根据土壤pH变化对蓝莓树体生长的...     

喀斯特地区湘西州植烟土壤pH分布特征及其影响因素

为了解湘西州植烟土壤pH特征,于2015年采集湘西烟区1 242个土壤样本,采用传统统计学和地统计学方法分析了湘西州植烟土壤pH区域分布和空间分布特征及其影响因素。结果表明:(1)湘西烟区植烟土壤pH变幅为4.17~8.17,平均值为6.12,变异系数为18.30%;处于植烟土壤pH适宜范围内(pH为5.5~7.0)的样本占34.06%,pH小于5.0的植烟土壤样本为20.77%,pH大于7.5的植烟土壤样本为18.20%;(2)7个主产烟县植烟土壤pH平均值在5.44~6.84;不同县植烟土壤pH差异极显著;(3)植烟土壤pH有从西向东递减的分布趋势;(4)成土母岩、土壤类型、水土流失状况、灌溉能力、海拔高度、耕作层厚度、有机质含量、土壤颗粒组成显著影响植烟土壤pH;(5)水土流失严重、无灌溉能力和耕作层较浅的烟田、紫色砂页岩发育的土壤、红壤和红黄壤以及粘粒比例较大的土壤容易酸化;(6)土壤pH呈现出随海拔降低和有机质含量升高而升高的趋势。     

吉林省农田耕层土壤pH的时空变化特征

本研究通过分析2005~2013年测土配方施肥项目在吉林省采集的大量土壤样品,明确了不同地区农田耕层土壤pH的空间变异特征,并与第二次土壤普查数据对比探讨了土壤pH的变化趋势。结果表明,目前吉林省农田耕层土壤pH分布在3.8~9.1之间,平均值为6.5。不同类型农田土壤pH的高低顺序为:黑钙土风沙土草甸土黑土白浆土≈暗棕壤水稻土。空间上,吉林省农田耕层土壤呈现自西向东逐渐降低的分布特征,以西部白城市的通榆县最高而东部延边朝鲜族自治州的汪清县最低。时间上,与第二次土壤普相比,吉林省各种土类的pH存在共性的土壤酸化趋势。不同土类间pH的降幅存在较大差异,代表性的黑土下降约0.5个单位,酸化程度较大的草甸土和水稻分别下降了1.4和1.6个单位,而酸化程度较小的白浆土下降了0.1个单位。吉林省农业生产中应控制化肥用量,调整肥料品种,合理增施有机肥,大力推广秸秆还田,从而缓解土壤酸化趋势,改善土壤肥力。