基于野外实测Vis-NIR光谱的土壤肥力估算研究——以湟水流域为例

为探讨野外实测光谱数据对土壤肥力的估算能力,采集青海省湟水流域表层0~20 cm土壤样品220份,同步测量其采样位置的野外实测光谱数据,实验室对土壤养分、机械组成含量以及pH值进行分析。基于上述数据,对野外实测光谱反射率进行多元散射校正(Multiplicative scatter correction,MSC)、SG-一阶导数变换(SG-First Derivative,SG-1st)预处理,采用稳定性竞争自适应重加权采样法(stability competitive adaptive reweighted sampling,SCARS)提取不同土壤养分、机械组成含量以及pH值的特征波段,以偏最小二乘回归(partial least squares regression,PLSR)模型对土壤全碳(TC)、有机质(OM)、全氮(TN)、碱解氮(AN)、pH、黏粒(clay)、粉粒(silt)、砂粒(sand)含量进行估算并对比分析,构建土壤养分含量、pH值以及机械组成含量的最优野外实测光谱估算模型。结果表明:通过MSC校正和SG-1st变换能够有效增强野外光谱特征;经SCARS选取的特征波段主要集中于近红外波段。基于野外实测光谱数据建立的PLSR模型能够对研究区土壤TC、OM、TN、AN含量以及pH值进行粗略估算;其中,对于TC、OM、TN含量及pH值而言,最佳估算模型为经SG-1st处理后的SCARS-PLSR模型,RPD值均达到1.70以上(RPD_(TC)=1.76;RPD_(OM)=1.82;RPD_(TN)=2.04;RPD_(pH)=1.89),RPIQ值均达到1.90以上(RPIQ_(TC)=1.91;RPIQ_(OM)=2.53;RPIQ_(TN)=2.98;RPIQ_(pH)=2.03);对于土壤AN含量而言,经MSC处理后的SCARS-PLSR模型最佳,其RPDAN值高达1.91,RPIQ值高达2.39。对土壤clay、silt以及sand含量野外光谱均无法估算,RPD值均在1.00左右,RPIQ值在1.20左右。

基于野外Vis-NIR光谱的土壤有机质预测与制图

利用野外实时快速获取的土壤光谱进行土壤有机质(SOM)预测与制图是精确农业与土壤遥感制图的必然需要,利用ASD FieldSpec Pro FR野外型光谱仪实时快速获取的光谱数据,去除噪声较大的边缘波段后,进行倒数的对数转换(Log(1/R))为吸收光谱。在分析吸收光谱和光谱指数与SOM关系的基础上,采用偏最小二乘回归法进行SOM的建模预测并借助地统计学方法进行SOM空间变异制图研究。结果表明,建模效果好的指标分别为特征波段(R2=0.91,RPD=3.28),归一化光谱指数(R2=0.90,RPD=3.08),特征波段与3个光谱指数组合(R2=0.87,RPD=2.67),全波段(R2=0.95,RPD=4.36)。光谱指标的克里格制图与实测SOM制图表现出相同的空间变异趋势,不同的指标均达到了较好的预测效果。

基于野外实测光谱的污灌区土壤重金属污染快速监测

利用光谱反射率反演土壤重金属含量相比传统实验室化学分析方法具有简单高效、成本低、非侵入性等优点。但光谱采集主要局限于实验室内,大大降低了监测的时效性。采集了龙口市污水灌溉区内的32个土壤样本,对9种重金属(Cr、Mn、Fe、Ni、Cu、Zn、As、Cd、Pb)进行了测定,并对土壤光谱进行了野外实测,同时对实测光谱进行光谱变换,提取了去除包络线(CR)、光谱倒数对数(lg(1/R))、一阶微分(RD1)、二阶微分(RD2)4种光谱指标,采用偏最小二乘回归方法(PLSR)建模。结果表明,污水灌溉区内存在严重的土壤重金属污染现象,As、Ni、Cd等重金属富集情况显著,与Fe、Mn呈显著相关的6种元素为Ni、Mn、As、Pb、Zn、Cr,相应的最优建模光谱指标分别为一阶微分(RD1)、二阶微分(RD2)、反射率(R)、反射率(R)、二阶微分(RD2)、去除包络线(CR),验证精度r分别为0.935 3、0.781 4、0.699 6、0.745 8、0.690 1、0.569 6。研究表明,利用野外实测光谱可以提高土壤重金属监测的时效性,预估土壤重金属含量具有一定的可行性,但针对不同的重金属应使用不同的光谱指标建模来达到最优效果。

基于野外实测光谱的金矿区土壤重金属铬监测研究

以山东省莱州市焦家金成矿带为研究区,采集85份土样进行光谱野外实测,对其中35份土样的铬浓度进行测定分析。利用原始光谱及其一阶微分、二阶微分变换的光谱指标,采用主成分回归法、多元逐步回归法建模,探索光谱指标与铬浓度的相关关系,选取最优模型。利用最优模型反演获取其余50个土样的铬浓度,通过地理插值得到研究区铬浓度的空间分布。结果表明,研究区内土壤铬浓度与金矿分布状况密切相关,铬质量浓度最高值为71.8mg/kg,未超过《土壤环境质量标准》(GB 15618—1995)的二级标准,研究区内不存在铬污染问题。

基于野外实测光谱的潍北地区土壤全盐量监测研究

为提高潍坊北部地区土壤全盐量监测精度,研究利用光谱测量技术,采集80个土壤样本的光谱数据,其中41个土样测定化学成分。对光谱进行一阶微分(FDR)、二阶微分(SDR)、倒数对数变换(Log(1/R)),将三种指标与土壤全盐量建立逐步多元回归模型和主成分回归模型,并分析在不同指标下所建模型的精度,旨在实现研究区土壤全盐量的定量反演。结果表明:利用光谱变换的一阶微分(FDR)、二阶微分(SDR)所建立的逐步多元回归模型和主成分回归模型的建模系数R^2均大于0.80,说明建模精度较高。在进行检测样本精度检验比较后,其中利用一阶微分(FDR)变换建立的主成分回归模型最稳定,检验精度最高,土壤全盐量建模决定系数R^2为0.931,均方根误差RMSE为0.188,其次为一阶微分逐步多元回归模型。