施用生物炭后土壤有机碳的近红外光谱模型研究与应用
发布时间：2021-06-05 21:00
土壤有机碳是影响土壤肥力的最重要因素之一。生物炭由于具有高度芳香化碳结构和发达孔隙结构等特性,可以作为一种土壤改良剂,提高土壤有机碳含量,改善土壤物理结构,近些年成为农业环境领域研究的热点。分别采用传统方法和可见光近红外光谱（VIS-NIRS,400—2500 nm）技术对施加不同用量生物炭的土壤有机碳含量进行检测和对比分析,以期为含生物炭土壤的有机碳分析建立有效预测模型。通过比较不同样本选择方法（Kennard-Stone（KS）,Random selection（RS）和Sample set partitioning based on joint x-y distances（SPXY））和光谱预处理方法（Savitzky-Golay平滑（SG）、倒数的对数log（1/R）、标准正态变量变换（SNV）、一阶导数（Der1）、二阶导数（Der2）和多元散射校正（MSC））,以3种模型（组合间隔偏最小二乘模型（Synergy Interval Partial Least Squares,siP LS）,遗传算法-支持向量机模型（Genetic Algorithm-Support vect...
【文章来源】：生态学报. 2020,40(20)北大核心CSCD
【文章页数】：11 页
【部分图文】：
不同生物炭添加量处理土壤有机碳含量
2.2 土壤的光谱特征通过计算各处理的土壤光谱反射率的平均值,比较各处理下土壤反射率变化。由图2可知,SOC含量越大,反射率越小,但土壤反射率总体趋势相似,基本呈上升抛物线型。在400—780 nm的斜率较陡,土壤反射率增加较快;而在780—2120 nm的斜率较缓,土壤反射率增加较慢。2120 nm之后,土壤反射率有略微下降的趋势。在1410、1920、2200 nm附近存在明显的吸收谷,这是由于在1410 nm波段和1920 nm波段主要为水分吸收带,通常认为这与OH—基团和水分子振动有关;2200 nm波段附近存在Al—OH矿物吸收带,表明高岭石和其他硅酸盐存在[34-35]。
表3 RF模型精度评价Table 3 Accuracy evaluation of RF model 处理Process 校正集Calibration set 验证集Validation set R cal 2 RMSECV R val 2 RMSEP RPD R 0.9575 0.6110 0.6851 1.1229 1.7257 SG 0.9555 0.6121 0.6760 1.1292 1.7305 SG+log(1/R) 0.9586 0.5970 0.6572 1.1500 1.6891 SG+SNV 0.9592 0.4823 0.8363 0.7975 2.4699 SG+Der1 0.9635 0.5204 0.6230 1.1901 1.6282 SG+Der2 0.9465 0.8182 0.0027 2.2032 0.8932 SG+MSC 0.9610 0.4687 0.8559 0.9040 2.27442.4 不同样本选择方法对模型性能的影响
【参考文献】：
期刊论文
[1]典型黑土区不同生态系统土壤团聚体有机碳分布特征[J]. 苑亚茹,李娜,邹文秀,尤孟阳,韩晓增,马大龙. 生态学报. 2018(17)
[2]基于高光谱数据的高寒草地土壤有机碳预测模型研究[J]. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙. 草业学报. 2017(10)
[3]土壤有机质含量可见-近红外光谱反演模型校正集优选方法[J]. 陈奕云,齐天赐,黄颖菁,万远,赵瑞瑛,亓林,张超,费腾. 农业工程学报. 2017(06)
[4]湿地土壤全氮和全磷含量高光谱模型研究[J]. 王莉雯,卫亚星. 生态学报. 2016(16)
[5]闽江河口湿地土壤全磷高光谱遥感估算[J]. 章文龙,曾从盛,高灯州,陈晓艳,林伟. 生态学报. 2015(24)
[6]中国主要土壤高光谱反射特性分类与有机质光谱预测模型[J]. 史舟,王乾龙,彭杰,纪文君,刘焕军,李曦,Raphael A VISCARRA ROSSEL. 中国科学:地球科学. 2014(05)
[7]氧化铁对有机质光谱特性的影响分析[J]. 彭杰,李曦,周清,史舟,纪文君,王家强. 遥感学报. 2013(06)
[8]不同来源生物炭对砷在土壤中吸附与解吸的影响[J]. 关连珠,周景景,张昀,张广才,张金海,禅忠祥. 应用生态学报. 2013(10)
[9]生物炭对塿土土壤含水量、有机碳及速效养分含量的影响[J]. 曾爱,廖允成,张俊丽,眭彦伟,温晓霞. 农业环境科学学报. 2013(05)
[10]基于SVR算法的林地土壤氮含量高光谱测定[J]. 刘彦姝,潘勇. 生态科学. 2013(01)
硕士论文
[1]基于不同预处理方法的小麦叶片氮素含量的高光谱估测[D]. 刘晓旭.山东农业大学 2018
[2]基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D]. 李硕.华中农业大学 2010
本文编号：3212903
【文章来源】：生态学报. 2020,40(20)北大核心CSCD
【文章页数】：11 页
【部分图文】：
不同生物炭添加量处理土壤有机碳含量
2.2 土壤的光谱特征通过计算各处理的土壤光谱反射率的平均值,比较各处理下土壤反射率变化。由图2可知,SOC含量越大,反射率越小,但土壤反射率总体趋势相似,基本呈上升抛物线型。在400—780 nm的斜率较陡,土壤反射率增加较快;而在780—2120 nm的斜率较缓,土壤反射率增加较慢。2120 nm之后,土壤反射率有略微下降的趋势。在1410、1920、2200 nm附近存在明显的吸收谷,这是由于在1410 nm波段和1920 nm波段主要为水分吸收带,通常认为这与OH—基团和水分子振动有关;2200 nm波段附近存在Al—OH矿物吸收带,表明高岭石和其他硅酸盐存在[34-35]。
表3 RF模型精度评价Table 3 Accuracy evaluation of RF model 处理Process 校正集Calibration set 验证集Validation set R cal 2 RMSECV R val 2 RMSEP RPD R 0.9575 0.6110 0.6851 1.1229 1.7257 SG 0.9555 0.6121 0.6760 1.1292 1.7305 SG+log(1/R) 0.9586 0.5970 0.6572 1.1500 1.6891 SG+SNV 0.9592 0.4823 0.8363 0.7975 2.4699 SG+Der1 0.9635 0.5204 0.6230 1.1901 1.6282 SG+Der2 0.9465 0.8182 0.0027 2.2032 0.8932 SG+MSC 0.9610 0.4687 0.8559 0.9040 2.27442.4 不同样本选择方法对模型性能的影响
【参考文献】：
期刊论文
[1]典型黑土区不同生态系统土壤团聚体有机碳分布特征[J]. 苑亚茹,李娜,邹文秀,尤孟阳,韩晓增,马大龙. 生态学报. 2018(17)
[2]基于高光谱数据的高寒草地土壤有机碳预测模型研究[J]. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙. 草业学报. 2017(10)
[3]土壤有机质含量可见-近红外光谱反演模型校正集优选方法[J]. 陈奕云,齐天赐,黄颖菁,万远,赵瑞瑛,亓林,张超,费腾. 农业工程学报. 2017(06)
[4]湿地土壤全氮和全磷含量高光谱模型研究[J]. 王莉雯,卫亚星. 生态学报. 2016(16)
[5]闽江河口湿地土壤全磷高光谱遥感估算[J]. 章文龙,曾从盛,高灯州,陈晓艳,林伟. 生态学报. 2015(24)
[6]中国主要土壤高光谱反射特性分类与有机质光谱预测模型[J]. 史舟,王乾龙,彭杰,纪文君,刘焕军,李曦,Raphael A VISCARRA ROSSEL. 中国科学:地球科学. 2014(05)
[7]氧化铁对有机质光谱特性的影响分析[J]. 彭杰,李曦,周清,史舟,纪文君,王家强. 遥感学报. 2013(06)
[8]不同来源生物炭对砷在土壤中吸附与解吸的影响[J]. 关连珠,周景景,张昀,张广才,张金海,禅忠祥. 应用生态学报. 2013(10)
[9]生物炭对塿土土壤含水量、有机碳及速效养分含量的影响[J]. 曾爱,廖允成,张俊丽,眭彦伟,温晓霞. 农业环境科学学报. 2013(05)
[10]基于SVR算法的林地土壤氮含量高光谱测定[J]. 刘彦姝,潘勇. 生态科学. 2013(01)
硕士论文
[1]基于不同预处理方法的小麦叶片氮素含量的高光谱估测[D]. 刘晓旭.山东农业大学 2018
[2]基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D]. 李硕.华中农业大学 2010
本文编号：3212903
本文链接：https://www.wllwen.com/kejilunwen/nykj/3212903.html
