火山岩与地形联合约束下海岛土壤稀土元素地球化学空间分布异质性——以广西涠洲岛为例

海岛土壤地球化学特征的研究对于认识海岛表生地质环境有重要意义。本研究以我国最大的第四纪火山海岛——涠洲岛为案例,重点研究亚热带海岛环境下火山岩风化土壤的稀土元素（REE）地球化学特征,并探讨影响其空间分布的关键因素。结果表明,涠洲岛土壤REE总量（ΣREE）自然变化范围较大,介于59.07~575.30 mg/kg,平均值为285.53 mg/kg,高于中国大陆土壤背景值（163.86 mg/kg）,指示火山岩风化海岛具有较高的土壤REE丰度。反距离权重插值法（IDW）分析指示,岛内土壤的REE含量高低变化呈现出以带状和斑块状为主体形态的空间分布不均一性,推断其成因与母质岩石类型和地形位置等因素密切相关。3种不同岩性的成土母岩的ΣREE含量变化序列为：玄武岩（236.66 mg/kg）>火山碎屑岩（215.58 mg/kg）>含生物碎屑海滩沉积物（18.99 mg/kg）,对应的土壤ΣREE含量具有类似变化规律,即玄武岩土壤（307.20 mg/kg）>火山碎屑岩土壤（297.46 mg/kg）>含生物碎屑海滩沉积物土壤（89.73 mg/kg）。该证据指示母岩是控制岛内土壤REE含量变化的首位因素,玄武岩整体上易形成具有较高REE丰度的土壤,火山碎屑岩次之,而含生物碎屑海滩沉积物反之。此外,本研究还发现火山碎屑岩单一岩性区内,发育的土壤REE含量也会随地形地貌差异而出现显著变化,其原因是地形地貌制约了土壤矿物和化学风化程度,海蚀丘陵比海积平原更利于海岛土壤中REE次生富集作用的发生。

     

青藏高原东部表层土壤色度的空间变化特征及其环境意义

认识青藏高原东部现代表土的色度特征及其空间分布,理解其与现代气候因子之间的联系,对于高原地区黄土-古环境重建和揭示第四纪环境变化历史具有重要意义。通过对研究区表层土壤色度的详细分析,对比现代气候资料,探讨了青藏高原东部表层土壤色度的空间变化特征及其环境意义。结果表明：① 高原东部表土色度参数空间变化特征差异显著,表现为随纬度升高,土壤亮度呈先减小后增大的趋势,而红度和黄度则逐步减小;随经度的升高,黄度先增大后减小,而红度值逐步减小;红度和黄度整体随着海拔上升而呈先减小后升高的特征。这些变化特征和差异是表土色度对高原东部复杂地理环境和水热条件变化响应的结果。② 在高原的干旱-半湿润区,土壤亮度对降水的响应敏感;红度和黄度对大尺度的温度变化响应较敏感,而较冷的环境下,红度对温度响应复杂,但与降水存在一定的联系。红度/黄度比值主要指示了气候控制下的赤铁矿和针铁矿的变化和竞争,对干旱-半湿润区域的降水变化响应较为敏感。青藏高原东部现代表土色度与气候密切相关,其空间变化特征一定程度上反映了该地区现代气候因子的空间变化;另一方面由于该区地形和气候复杂多变,部分色度指标与气候关系复杂,在重建青藏高原东部黄土古环境变化历史时需要谨慎。     

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。     

含盐土壤盐渍化雷达反演模拟研究

准确、快速提取大范围地表土壤盐渍化空间分布是一个迫切急需解决的科学难题。本文以河套灌区解放闸灌域土壤盐分雷达监测为例,研究基于RADARSAT-2数据的盐渍化信息提取。利用成熟的BP神经网络技术,建立了四极化雷达影像灰度值反演土壤盐分的人工智能模型,经实测数据检验能够在一定程度上满足盐渍化监测的需要,优于传统盐渍土分类方法,可促进微波遥感在土壤盐渍化监测中的开拓应用。     

中国最软土地上建成高速公路1000公里

浙江省攻克世界难题，在罕见的大面积高厚度软土地基上耗资600亿建成了一个“四小时交通圈”。     

基于GIS的土壤质量评价研究

介绍了基于GIS土壤质量等级评价的实现过程,探讨了土壤等级评价因子的选择和因子权重的确定方法。在分析了几种常用方法在土壤质量评价中的应用特点并指出几种方法的局限性之后,提出了顾及因子稳定性的多元线性回归分析法,并以南方某地为例进行了实例分析。     

运用归一化光谱混合模型分析城市地表组成

运用归一化光谱混合分析(NSMA)方法,用ETM 数据调查广州市海珠区城市地表组成,采用亮度标准化方法减小亮度变化。通过标准化,使亮度差异在每个植被-非渗透性表面-土壤-水体(V-I-S-W)组成中减小或者消除,这样使得一个单一的端元能够代表一种地表组分。在此基础上,通过归一化影像,选择了植被、非渗透性表面、土壤和水体4种端元,运用一种约束光谱混合分析(SMA)模型,分解了不同种类的城市地表组成。通过与已有模型计算结果比较,认为本文所构建的模型较优,其对研究区非渗透性表面估计的均方根误差为12.6%。