陕西省主要土壤类型的高光谱反射特性与有机质估测模型
发布时间：2021-09-18 11:20
土壤的光谱反射率是土壤有机质、颗粒组成、水分、碳酸钙、氧化铁、盐分、黏土矿物等土壤性质综合反映的结果,如何从土壤高光谱数据中提取和挖掘有效信息,成为快速、准确监测土壤养分及鉴别土壤类型的重要环节。土壤剖面是区分土壤类型的主要依据,也是成土过程及基本理化特征的综合体现,不同土层是不可分割的整体。表土层对于地理环境最为敏感,以此层次反射光谱特征反演土壤基本性质精度较高,但难以揭示土壤发生以土壤类型的差异。因此开展土壤剖面上高光谱反射特征与土壤理化性质的反演,既可以甄别土壤形成过程,又可以鉴别土壤类型。陕西省南北跨度大,成土环境复杂,土壤类型丰富,研究不同土壤类型剖面高光谱反射特征及有机质反演,为基于高光谱的土壤形成过程与土壤类型识别奠定基础。本研究以反映成土过程的土体剖面为切入点,测定塿土、水稻土、黑垆土、黄绵土、风沙土等9种主要土壤类型的51个土壤剖面上的216个土样的光谱反射曲线及土壤有机质含量,对光谱反射率进行一阶微分、对数的倒数变换、去包络等数学变换,研究不同土壤类型剖面的土壤反射光谱特征,在光谱反射率和光谱特征指数与土壤有机质相关分析的基础上,提取有机质响应波段,分别建立基于光谱...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
校正集和验证集的有机质含量频数分布情况
这可能是因为黄棕壤有机质分解快、颜色较浅的缘故。水稻土有机质含量3.38g/kg，然而在可见光波段以及 1500nm~2400nm 之间其反射率高于塿m~1500nm 之间反射率又低于塿土，这说明水稻土是受到水稻土中的氧化铁和有机质的双重影响。黄褐土在有机质含量上低于褐土，但在可见光波段，光谱曲线几乎是完全重合的，在 800nm~2400nm 之间，黄褐土的反射率明显及其他类型土壤，并且黄褐土在 1400 nm 和 1900 nm 附近存在明显水分吸于褐土，这可能是由于两种淋溶土在发育程度、机械组成等方面的不同所造的光谱曲线低于风沙土、黄绵土和黄棕壤，但几乎显著高于其他土壤类型反有以下两方面的原因，一是潮土水、热、通气状况良好，微生物活动强烈，快；二是这些地区的垦耕历史悠久，土壤中的有机质积累少，栽培作物残体收获而带走。黑垆土光谱曲线基本位于九组土样光谱曲线的中间位置，在有面与褐土的接近，但黑垆土反射光谱曲线明显低于褐土，特别是在 600nm 以与黑垆土的暗色腐殖质层有关。黄绵土和风沙土成土过程十分微弱，土壤发在母质状态，有机质含量低而碳酸钙含量较高，光谱反射率主要反映其母质，光谱反射率明显高于其他七组土壤。
图 3-2 不同类型土壤的高光谱反射率一阶微分均值曲线Figure 3-2 First derivative reflectance mean curve of different types of soil种土壤类型从成土母质到土壤矿物组成等均有较大差异，土壤从 400nm~240均值光谱曲线来看，不同类型的土壤在全波段范围内都显示出一定程度的吸是在 400-800nm 以及 1400-2400nm 之间。在可见光波段存在有机质较宽的要受到了土壤发色团和有机质本身黑色的影响，因此在视觉上表现为暗黑亮色的土壤有机质含量更高; 而在近红外波段，主要受到 NH、CH 和 CO 等振动的倍频与合频吸收影响(Stenberg 等, 2010)。由图 3-2 可知，九组土壤的线整体形状相似，说明在全波段范围内九组土壤的反射率曲线走势相近，但段和 2000nm 附近显示出较大的差异，存在不同波段之间存在相互缠绕的情说明不同土壤类型光谱响应波段是有差异的（Xie et al. 2011; Yang et al. 2011 2012; 张娟娟等 2009）。就土壤有机质光谱响应波段而言，国内许多学者进有成效的研究，也证实了这一点（贺军亮等 2007; 刘焕军等 2007; 彭杰等 2等 2003; 沈润平等 2009; 谢伯承等 2005; 谢伯承等 2004; 张娟娟等 2009004; 何挺; 刘焕军等 2008; 卢艳丽等 2007）。总结不同的研究发现，不同
【参考文献】：
期刊论文
[1]基于高光谱的土壤全氮含量估测[J]. 张强,张国龙,张泽,吕新. 山西农业科学. 2016(07)
[2]基于连续统去除法的南疆水稻土有机质含量预测[J]. 向红英,柳维扬,彭杰,王家强,迟春明,牛建龙. 土壤. 2016(02)
[3]母质与土地利用类型对土壤光谱反演模型的影响[J]. 邬登巍,张甘霖. 土壤. 2016(01)
[4]利用包络线消除法反演黄绵土水分含量[J]. 刘秀英,王力,常庆瑞,宋荣杰. 武汉大学学报(信息科学版). 2017(05)
[5]基于相关分析和偏最小二乘回归的黄绵土土壤全氮和碱解氮含量的高光谱预测[J]. 刘秀英,王力,常庆瑞,王晓星,尚艳. 应用生态学报. 2015(07)
[6]基于局部加权回归的土壤全氮含量可见-近红外光谱反演[J]. 陈颂超,冯来磊,李硕,纪文君,史舟. 土壤学报. 2015(02)
[7]基于大样本土壤光谱数据库的氮含量反演[J]. 王乾龙,李硕,卢艳丽,彭杰,史舟,周炼清. 光学学报. 2014(09)
[8]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)
[9]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)
[10]基于小波分析的土壤碱解氮含量高光谱反演[J]. 栾福明,熊黑钢,王芳,张芳. 光谱学与光谱分析. 2013(10)
博士论文
[1]土壤主要养分含量的高光谱估测研究[D]. 陈红艳.山东农业大学 2012
[2]土壤养分信息的光谱估测研究[D]. 张娟娟.南京农业大学 2009
[3]高光谱土壤成分信息的量化反演[D]. 周萍.中国地质大学（北京） 2006
硕士论文
[1]土壤有机质的近红外光谱信息提取及定量分析[D]. 梁卓娅.山西农业大学 2016
[2]连续投影法应用于土壤有机质NIR光谱分析的波长选择[D]. 陈定星.暨南大学 2013
[3]基于高光谱的土壤有机碳含量估算研究[D]. 陈增文.福建师范大学 2009
本文编号：3400042
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
校正集和验证集的有机质含量频数分布情况
这可能是因为黄棕壤有机质分解快、颜色较浅的缘故。水稻土有机质含量3.38g/kg，然而在可见光波段以及 1500nm~2400nm 之间其反射率高于塿m~1500nm 之间反射率又低于塿土，这说明水稻土是受到水稻土中的氧化铁和有机质的双重影响。黄褐土在有机质含量上低于褐土，但在可见光波段，光谱曲线几乎是完全重合的，在 800nm~2400nm 之间，黄褐土的反射率明显及其他类型土壤，并且黄褐土在 1400 nm 和 1900 nm 附近存在明显水分吸于褐土，这可能是由于两种淋溶土在发育程度、机械组成等方面的不同所造的光谱曲线低于风沙土、黄绵土和黄棕壤，但几乎显著高于其他土壤类型反有以下两方面的原因，一是潮土水、热、通气状况良好，微生物活动强烈，快；二是这些地区的垦耕历史悠久，土壤中的有机质积累少，栽培作物残体收获而带走。黑垆土光谱曲线基本位于九组土样光谱曲线的中间位置，在有面与褐土的接近，但黑垆土反射光谱曲线明显低于褐土，特别是在 600nm 以与黑垆土的暗色腐殖质层有关。黄绵土和风沙土成土过程十分微弱，土壤发在母质状态，有机质含量低而碳酸钙含量较高，光谱反射率主要反映其母质，光谱反射率明显高于其他七组土壤。
图 3-2 不同类型土壤的高光谱反射率一阶微分均值曲线Figure 3-2 First derivative reflectance mean curve of different types of soil种土壤类型从成土母质到土壤矿物组成等均有较大差异，土壤从 400nm~240均值光谱曲线来看，不同类型的土壤在全波段范围内都显示出一定程度的吸是在 400-800nm 以及 1400-2400nm 之间。在可见光波段存在有机质较宽的要受到了土壤发色团和有机质本身黑色的影响，因此在视觉上表现为暗黑亮色的土壤有机质含量更高; 而在近红外波段，主要受到 NH、CH 和 CO 等振动的倍频与合频吸收影响(Stenberg 等, 2010)。由图 3-2 可知，九组土壤的线整体形状相似，说明在全波段范围内九组土壤的反射率曲线走势相近，但段和 2000nm 附近显示出较大的差异，存在不同波段之间存在相互缠绕的情说明不同土壤类型光谱响应波段是有差异的（Xie et al. 2011; Yang et al. 2011 2012; 张娟娟等 2009）。就土壤有机质光谱响应波段而言，国内许多学者进有成效的研究，也证实了这一点（贺军亮等 2007; 刘焕军等 2007; 彭杰等 2等 2003; 沈润平等 2009; 谢伯承等 2005; 谢伯承等 2004; 张娟娟等 2009004; 何挺; 刘焕军等 2008; 卢艳丽等 2007）。总结不同的研究发现，不同
【参考文献】：
期刊论文
[1]基于高光谱的土壤全氮含量估测[J]. 张强,张国龙,张泽,吕新. 山西农业科学. 2016(07)
[2]基于连续统去除法的南疆水稻土有机质含量预测[J]. 向红英,柳维扬,彭杰,王家强,迟春明,牛建龙. 土壤. 2016(02)
[3]母质与土地利用类型对土壤光谱反演模型的影响[J]. 邬登巍,张甘霖. 土壤. 2016(01)
[4]利用包络线消除法反演黄绵土水分含量[J]. 刘秀英,王力,常庆瑞,宋荣杰. 武汉大学学报(信息科学版). 2017(05)
[5]基于相关分析和偏最小二乘回归的黄绵土土壤全氮和碱解氮含量的高光谱预测[J]. 刘秀英,王力,常庆瑞,王晓星,尚艳. 应用生态学报. 2015(07)
[6]基于局部加权回归的土壤全氮含量可见-近红外光谱反演[J]. 陈颂超,冯来磊,李硕,纪文君,史舟. 土壤学报. 2015(02)
[7]基于大样本土壤光谱数据库的氮含量反演[J]. 王乾龙,李硕,卢艳丽,彭杰,史舟,周炼清. 光学学报. 2014(09)
[8]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)
[9]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)
[10]基于小波分析的土壤碱解氮含量高光谱反演[J]. 栾福明,熊黑钢,王芳,张芳. 光谱学与光谱分析. 2013(10)
博士论文
[1]土壤主要养分含量的高光谱估测研究[D]. 陈红艳.山东农业大学 2012
[2]土壤养分信息的光谱估测研究[D]. 张娟娟.南京农业大学 2009
[3]高光谱土壤成分信息的量化反演[D]. 周萍.中国地质大学（北京） 2006
硕士论文
[1]土壤有机质的近红外光谱信息提取及定量分析[D]. 梁卓娅.山西农业大学 2016
[2]连续投影法应用于土壤有机质NIR光谱分析的波长选择[D]. 陈定星.暨南大学 2013
[3]基于高光谱的土壤有机碳含量估算研究[D]. 陈增文.福建师范大学 2009
本文编号：3400042
本文链接：https://www.wllwen.com/kejilunwen/nykj/3400042.html
