【目的】利用高光谱数据定量反演喀斯特地区土壤有机质含量,为喀斯特地区快速、大范围、实时地监测土壤有机质含量提供更多的技术手段。【方法】利用机载高光谱成像系统和便携式地物光谱仪分别获取土壤光谱数据,基于原始光谱反射率和不同光谱变换数据,分析其与土壤有机质含量的相关性,以偏最小二乘法建立模型预测土壤有机质含量。【结果】2种数据源都可以用于土壤有机质含量预测,其中,基于ASD光谱一阶微分变换建立的模型预测精度较高,验证集决定系数(Rv~2)为0.910,相对分析误差(RPD)为2.68;基于GS光谱二阶微分变换建立的模型预测效果较好,验证集Rv~2为0.772,RPD为1.49。【结论】ASD光谱与GS光谱建模预测精度相差较大,ASD光谱客观条件影响较小、光谱波段更宽、光谱分辨率更高,具有更好的预测能力;低空无人机获取的GS光谱也具有一定的预测能力。

目的应用高光谱技术阐释土壤有机质光谱规律及对有机质在土壤中的含量进行定量分析,为土壤肥力测定和评价提供指导。方法利用ASD FieldSpec Pro地物光谱仪在自然环境条件下对不同有机质含量的土壤样本进行光谱测量。通过对获取的土壤样品高光谱反射率进行倒数、导数、对数和标准化比值变换,运用统计单相关方法进行分析。结果确定了511 nm波长为诊断土壤有机质含量的敏感波段,采用450～750 nm可见光波段反射率均值对507～516 nm敏感范围反射率均值进行标准化比值处理后获得的有机质诊断指数(OII)对土壤有机质含量的估算精度较高,它们存在着简单的线性相关关系。结论土壤有机质诊断指数(OII)...

【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Ｐａｒ Ｌｅｓ 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．．．

【目的】土壤有机质含量是反映土壤肥力的重要特征,利用高光谱技术对有机质(OM)含量进行定量化反演为土壤信息化管理和资源评价提供了重要的依据。【方法】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,分析了不同区域范围土壤光谱反射率曲线形状变化和土壤有机质含量的变化特点,并针对东北地区以黑土为主的土样光谱反射率不同变换形式与有机质含量进行了相关性分析。【结果】结果表明,有机质含量较高的黑土的光谱曲线与其它土壤类型的光谱曲线在形状上有很大差异,即在600～900nm附近,以黑龙江土样为代表的东北黑土表现为直缓上升,而河南和山东的潮土则表现为曲陡上升。相关分析结果表明,土壤...

【目的】比较长期施肥定位站点的土壤有机质红外光谱,旨在探究不同碳饱和程度下土壤有机质光谱特征。【方法】基于进贤红壤和原阳潮土长期定位试验站典型施肥处理,利用碳饱和公式计算两个站点不同处理的碳饱和水平,通过傅里叶红外光谱测定不同处理的土壤有机质官能团特征,分析不同站点不同处理间有机碳饱和特征及光谱特征。【结果】原阳潮土的土壤有机碳年变化率与碳投入之间呈线性关系,但进贤红壤则呈"曲线"关系。进贤红壤的碳饱和亏缺度(saturation deficit,SD)为0.118—0.413,显著小于原阳潮土的0.462—0.616。进贤红壤和原阳潮土的处理中含有相同的官能团:芳香类碳(1 636 cm~(-1),695 cm~(-1)),脂肪族碳(3 000—2 850 cm~(-1),1 455 cm~(-1)),碳水化合物或多糖类(1 080 cm~(-1),1 033 cm~(-1)或1 034 cm~(-1)),有机态硅类(1 100—1 008 cm~(-1),526cm~(-1),795 cm~(-1),778 cm~(-1),470 cm~(-1))。进贤红壤的芳香族、脂肪族和硅类特征峰的吸收强度明显高于原阳潮土的偏施肥处理;而原阳潮土偏施肥和有机肥处理的羧基类、烷烃类和碳水化合物类特征峰的吸收强度明显高于进贤红壤有机肥处理。综合分析两个站点各处理,土壤有机碳含量与透光率之间呈显著负相关关系。相对于原阳潮土,进贤红壤各处理碳投入、土壤黏粒含量和铁铝氧化物含量均较高,且进贤为水田双季稻轮作制度,水分管理措施更有利于土壤有机碳的累积。【结论】综合两站点的土壤有机碳年变化率与碳投入关系以及碳亏缺度显示进贤红壤有机碳已经趋于饱和,而原阳潮土则还距碳饱和较远。两站点的红外光谱特征表明进贤红壤以芳香族、脂肪族和硅类等难分解惰性官能团为主,而原阳潮土则以羧基类、烷烃类和碳水化合物类易分解官能团为主。红外光谱透光率水平可以半定量土壤有机质官能团。

【目的】探究土壤有机质和盐分的光谱响应，分析不同盐分含量对土壤有机质预测模型的影响，建立快速、有效的盐渍土有机质含量高光谱预测模型。【方法】以黄河三角洲地区粉质壤土为研究对象，根据不同盐分含量将土壤样本分为非盐（SA）、轻度（SB）、中度（SC）和重度（SD)4组，分别进行室内高光谱测量；其次采用双因素方差分析法，探究土壤有机质和盐分光谱响应程度；进而对原始光谱（raw spectral reflectance,R）进行一阶微分（first order differential reflectance,FD）、连续统去除（continuous statistical removal,CR）、对数（logarithmic,Log）和多元散射校正（multipication scatter correction,MSC)4种变换；最后分别基于盐渍土的4组样本结合4种变换光谱构建多元线性回归（multiple linear regression,MLR）、偏最小二乘回归（partial least squares regression,PLSR）和支持向量回归（support vector machine,SVR)3种土壤有机质含量高光谱预测模型。【结果】土壤有机质和盐分在400—900 nm范围内光谱响应程度显著且变化规律基本一致，二者的敏感波段存在重叠；通过划分不同盐渍度分组建模能够提高土壤有机质预测精度，且随着盐分含量增加，模型的预测精度下降，FD处理更能突出光谱特征差异，提高有机质含量与光谱反射率的相关性。对比3种模型结果，利用FD处理结合SVR建立土壤有机质预测模型精度最高，最优结果建模集和验证集的决定系数R~2为0.86、0.82，均方根误差RMSE为2.71、2.96 g·kg~(-1)，相对分析误差RPD为2.42。【结论】土壤盐分与有机质在可见光波段附近（400—900 nm）的敏感波段存在重叠，通过划分不同盐渍度能够有效提高有机质预测模型精度。

为了探究耕地土壤有机质含量与卫星影像光谱间的关系,确定土壤有机质的光谱特征,构建土壤有机质含量反演模型.利用Hyperion高光谱卫星影像和福建省三明市80个土壤调查样点分析数据,对土壤有机质与光谱指数相关性进行了分析;在提取特征光谱指数的基础上,分别基于敏感波段和特征指数建立线性模型和多元逐步回归模型.结果表明:土壤有机质含量在Hyperion高光谱782.95813.48 nm波段具有良好的响应能力;反射率的一阶导数所建立的模型拟合效果最优,其R2为0.777,RMSE为5.31,验证模型有机质实测值

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效P含量。【方法】分别采集江西不同地区的土样240个,采集土壤样品的近红外漫反射光谱,以对光谱数据进行主成分分析得到的前6个主成分(PCs)和偏最小二乘回归(PLSR)建模得到的6个潜在变量(LVs),分别作为反向传播神经网络(BPNN)和偏最小支持向量机(LS-SVM)的输入变量,共建立6个模型,分别为主成分回归(PCR)、PLSR、BPNN-PCs、BPNN-LVs、LS-SVM-PCs和LS-SVM-LVs,并对这些建模方法预测土壤有机质和速效P含量的结果进行评价,从中筛选出最佳模型。【结果】在预测土壤有机质和速效P含量时,LS-...

以湖北省宜都市红花套镇典型柑橘种植区采集到的329个土壤样本为研究对象,设置土壤有机质(SOM)进行普通克里格(OK)插值的结果为参照,借助地理探测器选取与SOM相关性最大的前5种主要影响因子,分别建立全局模型多元线性回归、偏最小二乘回归和局部模型地理加权回归(GWR),再深入分析模型残差的结构性,构造GWR扩展模型GWRMLR、GWRPLSR,讨论几种SOM预测模型的差异。结果表明:使用GWRPLSR模型预测研究区SOM含量的均方误差和均方根误差可分别降低到9.834和3.136,相对分析误差提高到1.468,实测值与预测值间的相关系数(r)达0.743,具有最高的预测精度,GWRMLR其次,说明除SOM与主要影响因子间存在空间相关性,分析模型残差可进一步消除预测的不平稳性。因此,将模型残差项纳入考虑的局部扩展模型更适宜进行区域化SOM空间分布预测与数字土壤制图。

在对2个荒漠化典型区土壤采样、化验分析和光谱测量的基础上,分析荒漠化土地土壤的反射光谱特征及土壤有机质的光谱敏感范围,构建多种土壤有机质含量高光谱估测模型。结果表明:荒漠化土地土壤具独特的波浪型光谱曲线,其主要特点是在可见光和近红外的500～900nm光谱范围存在一个明显的弓形突起区,其对提取土壤有机质信息有实际意义;相关分析发现,在中心波长分别为600和830nm的可见光和近红外光光谱范围分别存在1个有机质光谱敏感区;土壤有机质含量高光谱估测模型验证结果表明,利用波长588nm处的反射光谱对数lgR588和反射光谱倒数1/R588以及波长835nm处的反射光谱倒数的导数(1/R835)'和反...

【目的】研究外源秸秆碳添加对喀斯特地区石灰性农田土壤有机碳组分及水稻生长的影响，为探究喀斯特地区石灰性农田碳组分变化提供参考依据。【方法】于2023年3月在桂林理工大学雁山校区温室开展水稻盆栽试验，试验周期120 d。盆栽试验共设置19个处理，在仅添加秸秆碳的处理中，分别添加0.5%、1.0%和3.0%（干土质量比）的破碎秸秆、秸秆沤肥和秸秆生物炭；在添加秸秆碳和碳酸钙的处理中，3种秸秆碳添加量均为1.0%，在此基础上分别添加0、10.0%和20.0%（干土质量比）碳酸钙；同时设置未添加任何外源物质的对照（CK）处理。分析各处理中水稻生长特征，以及土壤有机碳组分微生物生物量碳(MBC)、溶解性有机碳(DOC)、颗粒态有机碳（POC）含量的变化及其影响因子。【结果】秸秆碳种类、添加量均会对土壤中有机碳组分含量产生影响。添加0.5%秸秆沤肥土壤中MBC含量最高（235.73 mg/kg），添加1.0%秸秆沤肥土壤中DOC含量最大（221.50 mg/kg），而添加3.0%秸秆生物炭土壤中POC含量最高（36.20 mg/kg）。土壤中碳酸钙添加量也会影响土壤有机碳组分，碳酸钙添加量为20.0%时，添加3种秸秆碳的土壤MBC含量均为最高。10.0%碳酸钙+1.0%秸秆沤肥处理中土壤DOC含量最大（195.60 mg/kg）。添加3种秸秆碳对水稻生长的促进作用为秸秆生物炭>秸秆沤肥>破碎秸秆，其中添加0.5%秸秆生物炭的水稻长势最佳，平均株高为102 cm，根长为50 cm；添加3.0%破碎秸秆处理对水稻生长的抑制作用最强。随着碳酸钙添加量的增加，添加秸秆沤肥处理的水稻株高呈先上升后下降的趋势，其中添加10.0%碳酸钙对水稻株高的促进作用较强。相关分析结果表明，秸秆生物炭用量与土壤DOC含量呈显著负相关（P < 0.05，下同）、与土壤POC含量呈极显著正相关（P < 0.01）。碳酸钙添加量与土壤DOC含量呈显著正相关。【结论】外源秸秆碳对石灰性水稻土中活性有机碳组分具有正激发效应，能明显提高土壤中MBC、DOC和POC含量，同时添加秸秆碳和碳酸钙对土壤活性碳组分的增加具有协同作用。添加低量秸秆碳能促进水稻生长，其中秸秆生物炭的促进作用最明显；在10.0%和20.0%碳酸钙添加量的土壤中添加秸秆沤肥及秸秆生物炭均能促进水稻生长。

【目的】本文旨在探究矿业复垦土壤有机质含量的快速估测方法,为矿业复垦土壤质量快速监测提供技术参考。【方法】以湖北省某矿业复垦区作为研究对象,对复垦土壤光谱反射率进行了3种光谱变换;以全波段和显著性波段(与有机质含量的相关系数通过P=0.05检验)为2种建模数据,采用偏最小二乘回归(Partial Least Squares Regression,PLSR)、随机森林回归(Random Forest Regression,RFR)以及支持向量机(Support Vector Machine, SVM)3种方法,建立并优化遴选土壤有机质含量反演模型,并基于优化模型进行算术平均值二次估测。【结果】对于PLSR与SVM模型,采用显著性波段建模R~2和RPD整体上更高,而RFR模型采用全波段建模R~2和RPD较高;基于显著性波段建立的一阶微分PLSR模型稳定性与预测能力最好,R~2和RPD分别为0.77和2.14;与传统的单一模型相比,采用算术平均值二次估测能够在一定程度上提升估测精度,尤其是标准正态变换方式下提升空间更大,表现出了较好的稳定性与预测能力。【结论】建模数据的选取是影响模型精度的重要因素;对光谱数据进行一阶微分变换后,可以使模型拥有更好的估测效果;基于优化模型耦合算术平均的二次估测模型较单一模型效果更佳,在标准正态形式下的PLSR(全波段)+RFR(全波段)模型反演效果相对较好。

土壤反射光谱特征分析是反演土壤信息参量的基础资料。本文阐述了使用航空成像光谱仪OMIS-Ⅰ数据并结合ASD FieldSpec FR(350～2500nm)便携式光谱仪获取野外光谱数据,对山东省烟台市招远东良乡原状农用土有机质含量进行反演,从而实现有机质填图。通过对土壤原反射率对数一阶微分变换并确定其与SOM的相关性,最终建立相应的多元线性回归方程。分析认为土壤有机质的测定选用762nm、874nm及1667nm波段在本次研究中效果最佳。该模型也可作为土壤有机质估测和评价的参考。

【目的】探究土壤有机质的高光谱特征及响应规律,优选土壤有机质的敏感波长,降低土壤有机质高光谱估测模型复杂度,提高模型稳健性,为利用高光谱技术对农田土壤肥力的定量监测提供理论支撑。【方法】采集江汉平原潮土土样130个,将其中40个样本作为训练集,测量其去有机质前、后的土壤有机质含量及光谱数据,计算差值及变化率,分析土壤有机质含量变化对光谱特征的影响,结合无信息变量消除(uninformative variables elimination,UVE)、竞争适应重加权采样(competitive adaptiv