《专题一：土壤有机质含量高光谱预测模型及其差异性研究知识讲解》由会员分享，可在线阅读，更多相关《专题一：土壤有机质含量高光谱预测模型及其差异性研究知识讲解（66页珍藏版）》请在金锄头文库上搜索。
1、湖南农业大学资源环境学院,土壤有机质含量高光谱预测模型及其差异性研究,湖南农业大学资源环境,主要内容,1、研究背景、目的和意义 2、技术路线及试验设计 3、研究结果及分析 4、结论,湖南农业大学资源环境,1、研究背景、目的和意义,湖南农业大学资源环境,国内外已有的研究表明，土壤理化性质中，土壤水分、土壤有机质含量、铁的氧化物（矿物组份）、土壤质地等诸多因素对土壤光谱特性有明显影响。,土壤中一些理化特性只有在 高光谱下才能得到反映,图3、光谱分辨率对水铝石光谱的影响（Cloutis,1996),湖南农业大学资源环境,由于土壤是一个由多种物质组成的复杂综合体，而土壤光谱又是各种组份的综合表现，所以
2、要准确定量描述土壤中某种物质与光谱反射系数的关系有很大的难度，因此目前虽然光谱在植被等方面的应用研究取得诸多重要进展，但光谱在土壤方面的研究仍然停留在宏观及区域性研究的水平，一些定量研究的实用及推广价值也相当有限。 由于受诸多因素的影响，土壤光谱研究具有风险大、难度高的特点，为此，研究选择土壤众多理化特性中对土壤光谱反射影响较大，同时又是肥力重要指标之一的土壤有机质（SOM）作为研究对象，应用高光谱数据获取手段，对以土种为单元的SOM含量高光谱预测模型作探索性的研究。,湖南农业大学资源环境,已有的土壤有机质光谱研究 土壤反射光谱与土壤有机质含量呈显著负相关（ Al-Abbas, A.H., 1
3、972；Krishnan P.等 ,1980）； 有机质中不同的成份光谱特性不一样（徐彬彬，1991；Dematt 等，1999；李震宇等, 1999; 牛灵安等, 2001 ) ； 有机质含量可以从土壤反射光谱中得到一定程度上的反应( Krishnan等, 1980；徐彬彬，戴昌达，1980；Henderson等, 1992；Sudduth等, 1993；Bon-Dor等，1995；Chang, C. W.等，2002；McCarty等，2002 )；,湖南农业大学资源环境,图4 胡敏酸和富里酸反射光谱曲线（徐彬彬等，1991）,湖南农业大学资源环境,有机质含量=,式中，K为回归常数，r 为
4、反射值，为波长（ Krishnan 等，1980） 。,湖南农业大学资源环境,徐彬彬、戴昌达（1980）通过对南疆土壤研究发现，土壤有机质与土壤光谱在600nm波段处的弓曲差（即土壤光谱反射系数曲线在550nm和650nm两个波段的光谱反射系数的平均值与600nm波段处的光谱反射系数的差值）极显著负相关logY=0.1271-1.0830logh R=-0.81* 式中，Y为有机质含量 （%）， h为弓曲差。,弓曲差,图5 样品的散点图及回归曲线 （徐彬彬，1980）,湖南农业大学资源环境,1.2 研究目的和意义 基于土壤高光谱变化规律，建立各类试验土壤相应SOM含量高光谱预测模型，并探求所建
5、模型之间的差异性。 人工模拟SOM梯度试验 探索在较为严格地控制土壤其他理化特性不变的条件，不同土种SOM含量与土壤光谱特性之间的关系。 野外实地土壤样品SOM数据 研究建立自然条件下以土种为建模单元的SOM含量高光谱 预测模型。,湖南农业大学资源环境,2、技术路线及试验设计,湖南农业大学资源环境,2.1 技术路线 应用研究得到的室内土壤高光谱数据获取的统一方法，结合传统土壤理化特性分析技术，研究基于土种的SOM含量高光谱预测模型及其差异性（技术路线如图6所示）。,湖南农业大学资源环境,图6 技术路线图,湖南农业大学资源环境,2.3 试验设计 （1）室内光谱测试过程的不确定性研究 室内几何测试
6、条件对高光谱质量的影响 土壤表面处理及粒径对室内土壤高光谱数据的可重复性影响 表面处理：表面刮平处理，表面稍压平处理 粒 径：5mm，2mm，1mm， 0.5mm， 0.28mm， 0.145mm,表1 试验因素与水平设置,湖南农业大学资源环境,（2）基于土种的SOM含量高光谱预测模型及其差异性研究 人工模拟SOM梯度： 12种土壤（表3） 野 外 土 样： 两种土壤（青紫泥和红黄泥）,湖南农业大学资源环境,表2 被试土壤名称及相应发育母质,湖南农业大学资源环境,（3）研究方法 土样的采集和制备 人工模拟SOM梯度土壤原始样品按常规方法采集(鲁如坤，2000)，野外实地SOM梯度土壤样品采样范
7、围在所选采样点的1m1m面积内，采样深度015 cm。 土壤样品理化性质的测定 对所有土样的机械组成、SOM含量及速效N、P、K等理化性质采用常规方法进行测试(鲁如坤，2000)。 SOM梯度样品的制备 用过量双氧水氧化法弃除样品中的SOM，有机质被完全氧化后，过量的过氧化氢用加热法排除(中国科学院南京土壤研究所, 1978)。 制备SOM梯度样品 用未弃SOM的样品和氧化后的样品按比例混合，可按需要获取SOM含量范围在氧化后样品SOM含量和原土壤样品SOM含量之间的任一SOM梯度样品。 SOM含量高于原土壤SOM含量的梯度样品，用在原土壤样品中加入腐殖酸的方法获得。,湖南农业大学资源环境,室
8、内土壤高光谱测试 采用 ASD公司生产的ASDFieldSpec-FRTM型光谱仪测试，该光谱仪光谱范围3502500 nm，其中3501000 nm 范围内光谱采样间隔（波段宽）为1.4 nm，光谱分辨率为3 nm，在10002500 nm范围内光谱采样间隔（波段宽）2.0 nm，光谱分辨率为10 nm。测试具体操按研究中提出的规范进行。光谱反射系数经专用平面白板标准化。 数据处理 光谱微分 方差分析 多元线性回归分析,湖南农业大学资源环境,3、研究结果及分析,湖南农业大学资源环境,3.1 室内高光谱数据的不确定性及其影响因素分析 室内几何测试条件对土壤高光谱质量的影响 光源为50W的卤素灯
9、、探头视场角为8的条件下，以光源入射角度15、光源距离30 cm、探头距离15 cm作为室内几何测试条件较为理想。 不同表面处理方法对土壤室内高光谱反射系数的影响 表面压平处理相对表面刮平处理而言，对于不同质地的土壤，总体上具有较小的测试方向上的标准差向量及多次测试之间的标准差向量，是室内光谱测试较好的土样表面处理方法。 土样粒径对土壤室内高光谱反射系数的影响 6种研究粒径中，对于不同质地的土壤，1 mm粒径的土样总体上具有相对较小的测试方向上的标准差向量及多次重复测试之间的标准差向量，是室内光谱测试较合适的土样粒径。,湖南农业大学资源环境,室内土壤高光谱数据采集规范 田间土壤样品采集 保证田
10、间土壤样品采集时的剖面位置一致，建议表层土样都采集015 cm深度范围内的土壤，且所采集的样品应能尽量具备研究对象的代表性。 土壤样品制备 在土壤样品制备过程中，样品前处理条件（主要包括土样粒径尺度、土样水分控制、土样表面处理等）应一致，建议以1 mm作为土壤光谱测试样品的粒径尺度，风干土壤样品测试前在40恒温条件下烘24小时，然后密闭冷却24小时，测试时土壤表面进行稍稍压平处理。 测试条件的控制 测试时除遵循光谱测试指南的要求外，还必须保证测试光照条件的一致性，建议在50W卤素灯、8探头角条件下，采用15的光源照角度、30 cm的光源距离和15 cm探头距离作为室内土壤高光谱测试几何条件，同
11、时还须保证参考板表面与测试土壤样品的表面在同一平面上。,湖南农业大学资源环境,3.2 土壤高光谱特性及其SOM含量预测模型差异性研究 试验土样的人工模拟SOM梯度（如表3所示）,表3 测试土样SOM含量,注：表中Ti-j为第i号土壤第j个梯度编号。,湖南农业大学资源环境,3.2.1 外源腐殖酸对土壤高光谱特性的影响,图7 人工模拟SOM梯度反射系数曲线,湖南农业大学资源环境,图7 人工模拟SOM梯度反射系数曲线（续）,湖南农业大学资源环境,图6 人工模拟SOM梯度反射系数曲线（续）,湖南农业大学资源环境,各种土壤的原始样品在加入外源腐殖酸后，反射系数在研究波段内有不同程度的降低（花岗岩红壤除外
12、）； 同时，研究土壤的反射光谱曲线的走势也有明显变化，特别是7001000 nm范围的反射系数曲线在加入外源腐殖酸后，变得很平缓，其中部分土壤差别较大，如花岗岩红壤（图7c）、红黄泥（图7g）、红菜园土（图7h）等 。,湖南农业大学资源环境,a麻沙泥,b麻沙菜园土,c山地花岗岩红壤,d黄菜园土,湖南农业大学资源环境,a麻沙泥,b麻沙菜园土,c山地花岗岩红壤,d黄菜园土,湖南农业大学资源环境,e黄泥田,f山地板岩红壤,g第四纪红土红壤,h红黄泥,湖南农业大学资源环境,e黄泥田,f山地板岩红壤,g第四纪红土红壤,h红黄泥,湖南农业大学资源环境,h红菜园土,i潮菜园土,湖南农业大学资源环境,模拟有机
13、质模型,红黄泥 SOM=-778.960+23.595(953) -0.459(964) SOM=58.333-559.333(447)+334.545(870) +39.699(572),湖南农业大学资源环境,野外红黄泥的高光谱特征,湖南农业大学资源环境,红黄泥以一阶微分为自变量的模型,SOM=15.108+463.517(776)+385.755(771) -319.453(643)+5.175(975) R2=1.000*,湖南农业大学资源环境,3.2.2 不同土壤类型高光谱特性差异研究 （1）相同母质发育的不同土壤类型的土壤高光谱特性的差异,图8 相同母质发育的不同类型土壤反射系数的差
14、异,湖南农业大学资源环境,图9 相同母质发育的不同类型土壤一阶微分光谱的差异,湖南农业大学资源环境,同一母质发育的不同类型的土壤，虽然母质相同，但由于成土环境的差异，造成土壤间的矿物组成及SOM组成的差异，使得土壤的反射光谱特性在反射系数的高低和反射系数曲线的变化趋势上都有显著差异，土壤类型间的反射系数大小与SOM含量间没有明显的负相关特性。,湖南农业大学资源环境,（2）不同母质发育的同种土壤类型的土壤高光谱特性的差异,图10 不同母质发育的水稻土反射系数及其一阶微分曲线,湖南农业大学资源环境,图11 不同母质发育的红壤反射系数及其一阶微分曲线,湖南农业大学资源环境,不同母质发育的相同类型（指
15、土类）的土壤，因母质矿物组成的不同造成土壤化学成分和矿质养分含量的差别，加上SOM的组成和含量的不同，使其反射高光谱特性在反射系数的高低和反射系数曲线的变化趋势上也都有明显的差异；土壤间的反射系数大小与SOM含量间也没有过明显的负相关特性。,湖南农业大学资源环境,3.2.3 模拟有机质梯度条件下建立土壤有机质含量高光谱预测模型 （1）各土壤类型SOM含量高光谱预测模型的差异分析,表4 反射系数为自变量的多元线性逐步回归结果,注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中除08号土样的第一个模型的决定
16、系数只达0.05显著水平外，其它都达0.01显著水平。,湖南农业大学资源环境,表5 吸收系数为自变量的多元线性逐步回归结果,注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中除08号土样的第一个模型的决定系数只达0.05显著水平外，其它都达0.01显著水平。,湖南农业大学资源环境,表6 一阶微分为自变量的多元线性逐步回归结果,注：回归运算时，选入和剔除自变量的概率参数 PE和PD分别设置为0.05和0.10； Rp2为选入依次选入前p个波段时对应模型的决定系数；表中各土样的决定系数均达0.01显著水平。,湖南农业大学资源环境,表7 以反射系数为自变量的各土壤SOM含量预测模型统计量,表8 以吸收系数为自变量的各土壤SOM含量预测模型统计量,湖南农业大学资源环境,表9 以一阶微分为自变量的各土壤SOM含量预测模型统计量,湖南农业大学资源环境,表中数据表明： （1）对于相
