基于中红外漫反射光谱的土壤重金属元素含量预测研究

研究了中红外漫反射光谱快速预测土壤重金属元素含量的可行性。以在南京江宁区和八卦洲采集的共161个土壤样品为例,利用偏最小二乘回归(PLSR)法对土壤中Ni,Cr,Cu,As,Zn,Pb,Hg和Cd等8种重金属元素数据进行了预测。通过对样品的中红外(MIR)漫反射光谱进行各种预处理,探讨了中红外光谱数据预处理对预测精度的影响,并比较了中红外光谱与可见光-近红外(VNIR)光谱对土壤重金属含量预测的精度。结果表明,依次经平滑、基线校正、多元散射校正预处理能显著提高中红外光谱数据的预测精度;经校正的中红外光谱对异地样品预测的均方根误差是可见光-近红外光谱的21%～73%,比VNIR波段更能准确预测异地样品中土壤重金属元素含量。研究表明,中红外漫反射光谱可以作为一种快速、非破坏方法预测土壤重金属元素含量,且比可见光-近红外精度高。

植物污染胁迫遥感监测研究综述

我国工农业在过去几十年内迅速发展,随之而来的是大批环境问题的涌现,其中包括工农业对植物的污染问题。由于需要监测的范围越来越广、监测的对象越来越多,利用遥感技术监测受污植物受到越来越多的重视。首先提出了影响植被光谱的主要因素有叶绿素含量、细胞结构以及水含量,分析了植物在受到污染胁迫时光谱特征的变化,进而介绍了当前遥感监测植物污染胁迫的主要指标:植被指数和红边参数,并对主要植物污染物——重金属和烃类物质污染应用进行了详细阐述。指出了找到合适的植被指数和利用合适方法精确提取植被红边是监测的关键。最后对用遥感技术监测植物污染提出展望。

母质与土地利用类型对土壤光谱反演模型的影响

用可见光近红外(Vis-Near Infrared,VNIR)光谱建立的土壤反演模型可以快速高效测定土壤某些属性,但不考虑土壤自身特点的纯统计模型反演的精度会受到制约。本文研究了母质和土地利用类型对土壤光谱反演模型建立的影响。研究所用集合为SF(安徽宣城的林地样品)、SP(安徽宣城的水田样品)、DP(安徽定远的水田样品),结果显示:母质和土地利用类型的差异会显著影响异地模型的适应性,一个地区建立的反演模型不可随便用于母质和土地利用类型不同的其他地区;当异地模型不适用于反演时,可考虑采用精度稍低的全局模型进行预测。

土壤有机质和母质特征对典型水稻土时间序列VNIR漫反射光谱的影响与解析

为研究水稻土的光谱特征及其对不同土壤组分的响应规律,研究采集江西省发育于红粘土（RC）和红砂岩（RS）的两个水稻土时间序列为研究对象。以水稻土时间序列为研究对象的优势在于,样本有相同的土地管理背景,母质和种稻时间成为土壤发育过程中的两个主导差异因素,进而能够对土壤有机质（SOM）和母质特征在光谱上的响应特征进行研究。使用Cary 5000分光光度计采集样品在350~2 500nm波段的漫反射光谱信息,并从土壤层次、成土时间和成土母质三个方面,论述了在VNIR波段水稻土中的主要有机质和无机矿物组成的光谱响应特征和规律。实验结果表明：对于单一母质的时间序列土壤样品而言,SOM增加是人为水耕条件下土壤演变的重要趋势之一,用PC_1Score表征的整体反射率与SOM含量间可建立精度较高的模型（R2RC=0.91,R2RS=0.79）,且在SOM含量低值区也能保证较高精度;1 400,1 900和2 200nm三个波段处的吸收强度主要与母质中的矿物有关,在土壤剖面中下层土壤受人为作用较弱、土层吸收强度较大,且相同母质的土壤光谱,在这三个波段有相同的吸收峰强度比值,可作为判断母质同质的依据;母质成分的差异会显著影响土壤光谱的波形以及吸收强度,在建模中充分考虑母质因素将使模型更具解释性。

基于相似光谱匹配预测土壤有机质和阳离子交换量

土壤可见光-近红外波段光谱（350～2500 nm）包含了大量的土壤属性信息，相同类型的土壤具有相似的光谱曲线特征，但相似光谱曲线是否具有相似的属性含量？探讨此问题可为土壤光谱库的应用提供依据，从而最终服务于快速获取土壤信息技术体系的构建。该研究以安徽宣城为研究区，根据母质、地形特征和土地利用等信息，采集91个典型土壤剖面，共含400个土壤发生层样品，测定了有机质（soil organic matter，SOM）和阳离子交换量（cation exchange capacity，CEC）含量，同时采用VARIAN公司的Cary 5000分光光度计测定了土壤光谱，并将光谱数据变换为反射率（R）、反射率一阶导数（FDR）和吸收度（Log（1/R））3种形式。该文采用光谱角（spectral angle mapper，SAM）、偏最小二乘回归（partial least square regression，PLSR）和SAM-PLSR（spectral angle mapper-partial least square regression，SAM-PLSR）3种方法预测土壤SOM和CEC。SAM方法是通过对测试集104个光谱曲线与参考集的296个光谱曲线进行相似性计算，并以此实现土壤SOM和CEC含量的预测。SAM-PLSR方法以SAM算法下的匹配结果作为建模样本建立PLSR模型和进行预测分析。结果表明，具有相似光谱曲线的土壤具有相似的SOM和CEC含量，SAM算法下相似光谱匹配可直接预测SOM（R2=0.78，RPD=2.17）和CEC（R2=0.82， RPD=2.41）。PLSR方法可很好地预测SOM（R2=0.87，RPD=2.77）和CEC（R2=0.87，RPD=2.59）；相较之下，SAM-PLSR方法不仅可以更加准确预测SOM（R2=0.89，RPD=3.00）和CEC（R2=0.91，RPD=3.06），而且大大减少了建模样本的数量。该研究使可见光-近红外光谱可更加高效地用于土壤属性分析，并为土壤光谱数据库的建设及应用提供技术参考。

基于光谱分析的土壤游离铁预测研究

土壤游离铁含量的高低可作为土壤系统分类中判断土壤类型的诊断指标,同时也对土壤风化程度具有指示作用,并在一定程度上反映了土壤的成土环境。本研究调查了安徽宣城的91个土壤剖面,共398个土壤样品,采集了样品在350~2500 nm波段的漫反射光谱数据,并对游离铁含量进行化学分析。光谱数据包括反射率（R）、反射率一阶导数（FDR）和吸收度（Log（1/R））3种形式。本文采用偏最小二乘回归算法（PLSR）和反向神经网络（BPNN）建模预测游离铁含量,并分析不同形式光谱数据的建模预测效果。结果表明：当存在游离铁〈20 g/kg的样本时,传统建模方法不能准确预测游离铁含量（R2〈0.6,RPD〈1.5）,相对R和Log（1/R）两种光谱数据,以FDR作为自变量建模预测游离铁含量的效果最差。

铬鞣工段富铬污泥产污系数核算方法研究

在获得铬鞣主要工艺参数与铬结合量之间的定量关系基础上,通过逐步回归分析得到了铬结合量回归方程,依据元素守恒建立了基于工艺参数的富铬污泥产污系数核算方法。并利用企业的实测结果进行了验证,结果表明:其相对误差可控制在15%之内,基本满足富铬污泥产污系数核算的需要。

平原区土壤质地的反射光谱预测与地统计制图

基于地统计方法的土壤属性制图通常需要大量的采样与实验室测定。本研究提出利用可见光近红外（visible-nearinfrared spectroscopy,VNIR）光谱技术测定替代实验室测定,并与地统计方法相结合预测土壤质地的空间变异。通过建立砂粒（〉0.02 mm）,粉粒（0.002-0.02 mm）,黏粒（〈0.002 mm）含量的VNIR光谱预测模型,将模型预测得到的质地数据和建模点实测质地数据一同用于地统计分析和Kriging插值制图。以江苏北部黄淮平原地区为案例的研究结果表明,砂粒、粉粒、黏粒含量的预测值和实测值的均方根误差（RMSE）分别为8.67%、6.90%3、.51%,平均绝对误差（MAE）分别为6.46%、5.60%、3.05%,显示了较高的预测精度。研究为快速获取平原区土壤质地空间分布提供了新的可能的途径。