星地多源数据的区域土壤有机质数字制图

土壤有机质(SOM)是全球碳循环、土壤养分的重要组成部分,精确估算土壤有机质含量具有重要意义。本文以中国东北—华北平原为研究区,收集了1078个土壤样本,以遥感数据(MODIS,TRMM和STRM数据)与土壤地面光谱数据为预测因子,运用基于树形结构的数据挖掘技术构建土壤有机质-环境预测因子模型进行数字土壤制图。通过不同建模样本数建模精度比较,选择300个样本数时的模型为最优模型。建模结果表明土壤光谱和气候因子是研究区SOM变异的主控因子,生物因子次之,而地形因子影响最小。预测结果经检验,RMSE为7.25,R2为0.69,RPD为1.53制图结果与基于第二次全国土壤普查数据的土壤有机质地图具有相似的分布规律,呈现SOM自东北向西南递减的趋势。通过比较分析发现,经过20年左右的土地开发与利用,研究区低SOM和高SOM含量土壤面积减少,而中等SOM含量土壤面积增加。     

基于地貌类型的土壤有机质多光谱遥感反演

基于地貌类型分析土壤有机质含量与多光谱遥感影像光谱波段之间相关关系,构建不同地貌类型区有机质含量反演模型。结果表明,各波段光谱反射率与土壤有机质含量均呈负相关关系。利用SPSS软件对所有波段进行剔除变量(remove)线性回归分析,当全部波段参与构建反演模型时,一次反演模型拟合效果较好。分地貌类型区构建土壤有机质反演模型精度高于整个区域反演模型精度,与实际值对比,当允许误差为7%时,土壤有机质含量识别度为91.65%。基于地貌类型构建土壤有机质含量反演模型提取研究区土壤有机质含量切实可行,且精度较高。     

采煤拉张裂隙区土壤有机质高光谱反演

煤炭开采产生的拉张裂隙破坏土壤结构,影响土壤质量。利用高光谱技术对裂隙区土壤的重要成分进行监测,对精确恢复裂隙区土壤质量及改善农业产量具有重要意义。本文首先在淮北朱庄煤矿采煤拉张裂隙区采集了90组土壤样品,并在室内测定了土壤样本光谱;然后将反射率值与测定的有机质含量进行相关分析,选取对有机质敏感的特征波段;最后利用偏最小二乘、BP神经网络进行建模,并评价各模型的精度。研究表明,本文反演效果较理想,比较所建模型精度,一阶微分与偏最小二乘模型(FDPLSR)建模效果最佳。FD-PLSR模型建模集和验证集的R²分别为0.876 1、0.845 9,RMSE分别为0.497 2、0.680 6。该研究可为采煤拉张裂隙区土壤有机质含量监测提供一定的技术支持。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

高光谱土壤有机质估测模型对比研究

应用高光谱技术探讨土壤有机质含量定量估测方法,对发展精细农业具有重要意义。本文利用陕西省横山县的实测数据,采用对数的一阶微分变换方法对土样的高光谱数据进行处理,分别采用线性回归分析法、BP神经网络法、模糊识别法建立高光谱土壤有机质含量估测模型,并对比分析其精度,确定最优的光谱反演模型。实验结果表明:模糊识别模型的决定系数达到0.973,RMSE为0.0468%;比线性模型和BP神经网络模型精度都高。研究表明,土壤有机质光谱反演不仅要重视机理研究,同时要加强光谱反演建模方法创新。     

耕层土壤有机质高光谱间接估测模型

针对光学遥感技术只能获取表层土壤光谱信息而无法直接估测耕层土壤有机质含量的问题,探索建立基于表层土壤高光谱信息的耕层土壤有机质间接估测模型。以山东省济南市章丘区采集的76个表层、耕层土壤样本数据为基础,首先分析原始光谱反射率的光谱特征;然后利用反射率的一阶微分、平方根的一阶微分和对数倒数的一阶微分等方法对原始光谱反射率进行变换,并根据极大相关性原则选取估测因子;最后根据表层土壤有机质含量与耕层有机质含量间的内在关系,建立耕层土壤有机质含量的间接估测模型。结果表明,以557、1 621、2 107和2 316 nm波段对数倒数的一阶微分变换值和864 nm波段反射率平方根倒数一阶微分的变换值为估测因子,使用二次函数关系模型对耕层土壤有机质含量间接估测的精度最高,其决定系数R~2为0.784,平均相对误差为10.7%。研究表明,利用表层土壤高光谱信息间接估测耕层有机质含量可行有效。     

土壤有机质含量地面高光谱估测模型对比分析

采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。     

不同类型土壤Cu含量高光谱联合反演建模

为探明不同类型土壤重金属Cu的敏感波段及构建普适性高光谱定量反演模型,该文以湖南省红壤、水稻土和潮土3种主要类型土壤为研究对象,在光谱预处理及组合变换基础上,采用相关性分析和逐步回归筛选重金属Cu敏感波段,并分别构建一元回归和逐步回归联合反演模型。结果表明,相较于原始光谱,组合变换光谱与土壤重金属相关性明显提高;通过逐步回归筛选重金属Cu的敏感波段位于400～850 nm和1 800～2 200 nm区域;相较于一元线性回归,逐步回归模型预测精度显著提升,应用对倒一阶微分光谱中400、590、620、670、790、850、1 790、2 270 nm波段反射率构建逐步回归模型反演精度达到最优,满足重金属Cu含量监测精度需求,同时为发展基于高光谱影像大面积反演不同土壤类型重金属Cu含量提供理论支撑。     

结合野外与实验室光谱的土壤Pb含量反演

重金属污染日益加剧,重金属在土壤中的聚集不仅破坏了生态平衡,也对人类的健康生活造成了影响,因此快捷、准确地获取土壤中的重金属含量成为土壤污染监制与治理的重要环节。高光谱遥感技术的发展使得快速低成本反演土壤重金属含量成为可能。针对野外光谱受环境因素（土壤粒径、含水量等）的影响,且现有研究中普遍存在样本量不足的问题,提出结合野外光谱与实验室光谱构建土壤铅(Pb)反演机理模型的方法,首先,采用直接矫正（direct standardization,DS）算法对野外光谱进行环境因素校正;其次,通过引入实验室光谱联合建模的方式,提高样本的差异性;最后,提取铁氧化物特征谱段用于建模以增加反演的机理性。利用中国河北雄安一般农作区的70个土壤样本野外光谱数据研究表明,未经DS校正的野外光谱全谱段单独建模,反演精度R2仅为0.220 0,而所提方法的反演精度R2可达0.914 6, 模型具有出色的估算能力,表明在去除环境因素对野外光谱影响基础上,综合利用野外光谱与实验室光谱的铁氧化物特征谱段建模能够显著提高Pb含量的反演精度。     

基于地面光谱的海涂土壤开发程度评价研究——以浙江省上虞市海涂围垦区为例

过去 30年间 ,浙江沿海滩涂地不断地被围垦成农用地。为了科学地掌握海涂土壤的变化规律 ,讨论了地面光谱评价海涂土壤开发程度的可行性。以浙江省上虞市北部海涂围垦区作为研究区域 ,根据围垦历史时间的不同 ,将研究区划分成 4个子区域。借助GPS定位 ,样区内大致间隔 1km进行混合采样。分别在实验室内测定土壤理化性质和土壤光谱反射率。理化性质分析结果表明海涂土壤有机质含量低 ,电导率和含砂量高 ,并且随着围垦时间的增长呈现出规律性的变化。 9个吸收波段与土壤电导率、阳离子交换量和机械组成的Person相关分析表明 ,海涂土壤砂粒、粉粒含量与各波段相关性显著。依据不同围垦历史 ,对所有土样进行分组 ,并进行逐步判别分析。判别结果表明 ,处于不同围垦区并具有不同改良程度的土样 ,其光谱数据具有很好的类可分性。对原始样点数据回代到Fisher辨别函数可以获得 86 8%的判别精度 ,而对 2 8个待判土样代入判别函数可获 89 3%的判别精度。从地面光谱研究结果可见 ,相比于常规的野外耗时调查 ,星载或机载遥感探测器有可能作为大范围快速评价盐碱土开发程度的有效潜在工具