為實(shí)現(xiàn)對(duì)土壤有機(jī)質(zhì)含量的快速監(jiān)測(cè),在對(duì)土壤有機(jī)質(zhì)含量作倒數(shù)變換的同時(shí)將土壤高光譜數(shù)據(jù)進(jìn)行多種數(shù)據(jù)變換處理,篩選出與土壤有機(jī)質(zhì)含量倒數(shù)變換后相關(guān)性最高的光譜指標(biāo),最后構(gòu)建了土壤有機(jī)質(zhì)含量高光譜反演的最佳模型,實(shí)現(xiàn)對(duì)土壤有機(jī)質(zhì)含量的反演。結(jié)果表明:估算土壤有機(jī)質(zhì)含量的最佳光譜指標(biāo)為反射率一階微分波段組合R₍（587,126）*R_{（734,049）}*R_{（1 095,892）},相關(guān)系數(shù)為0.769;在此基礎(chǔ)上構(gòu)建的土壤有機(jī)質(zhì)含量高光譜反演模型最佳(Y=5×10¹⁶x³-5×10¹⁰x²+59 471.000 0x+0.101 1),其決定系數(shù)R²為0.65,均方根誤差（RMSE）為0.040 mg/kg。將其驗(yàn)證樣本預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行比較,平均相對(duì)誤差為27.00%,RMSE為4.19 mg/kg。該驗(yàn)證結(jié)果證明利用該模型進(jìn)行華南地區(qū)土壤有機(jī)質(zhì)含量的快速監(jiān)測(cè)是可行的。 

【文章來(lái)源】：江蘇農(nóng)業(yè)學(xué)報(bào). 2020,36(02)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

研究區(qū)土壤樣點(diǎn)分布圖

采用Savitzky-Golay平滑方法對(duì)實(shí)驗(yàn)室采集的光譜數(shù)據(jù)進(jìn)行平滑處理以降低噪聲的影響。從圖2可見(jiàn),采集的土壤光譜曲線變化趨勢(shì)大致相同,總體呈現(xiàn)先增加后降低的拋物線型。在可見(jiàn)光和部分近紅外波段范圍(400～1 100 nm),反射光譜隨著波長(zhǎng)的增加而上升,在1 100 nm附近形成一個(gè)峰值,之后光譜變化趨緩。在1 400 nm、1 900 nm和2 200 nm附近有3個(gè)明顯的吸收峰,深度略有差別,這可能是黏土礦物中所含的水分子和羥基的吸收帶[15],基本符合土壤光譜的曲線特征。1.3.2 構(gòu)建光譜指標(biāo)

在獲得4種光譜指標(biāo)最高相關(guān)性所對(duì)應(yīng)的波段組合的基礎(chǔ)上,采用6種常用的回歸模型方法,分別以各光譜指標(biāo)最佳波段組合為自變量x和倒數(shù)變換后的土壤全有機(jī)質(zhì)含量為因變量y,構(gòu)建各項(xiàng)光譜指標(biāo)[反射率光譜平滑(REF)、一階微分(FDR)、二階微分(SDR)、倒數(shù)對(duì)數(shù)(lg(1/R)]與土壤有機(jī)質(zhì)含量之間的高光譜估算模型。當(dāng)部分自變量x出現(xiàn)負(fù)數(shù)時(shí),對(duì)數(shù)函數(shù)和冪函數(shù)模型被剔除(表3)。從表3可以看出,采用4～6種基本模型分別對(duì)4種光譜指標(biāo)與土壤有機(jī)質(zhì)含量的高光譜估算模型的效果差異較大。其中建模的決定系數(shù)(R2)介于0.17與0.65之間,均方根誤差(RMSE)介于0.040 mg/kg與0.061 mg/kg之間;模型建立后進(jìn)行驗(yàn)證獲取的R2介于0.02與0.73之間,RMSE介于0.040 mg/kg與0.049 mg/kg之間。對(duì)比和分析表3中所有模型的效果可知,基于反射率一階微分(FDR)波段組合的土壤有機(jī)質(zhì)含量估算模型的反演效果要明顯優(yōu)于其他模型,這是因?yàn)樵谝浑A微分變換后,光譜反射率變得更加平緩,而部分特征卻得到了明顯的增強(qiáng),使得光譜估算模型的效果得到提升。在反射率一階微分(FDR)波段組合的4種估算模型中,一元三次函數(shù)模型Y=5×1016x3-5×1010x2+59 471.000 0x+0.101 1的R2達(dá)到0.65,RMSE為0.040 mg/kg, R2較大且RMSE小,擬合效果最好,其擬合圖見(jiàn)圖4。

【參考文獻(xiàn)】：
期刊論文
[1]土壤有機(jī)質(zhì)高光譜估算模型研究進(jìn)展[J]. 章濤,于雷.  湖北農(nóng)業(yè)科學(xué). 2017(17)
[2]基于偏最小二乘回歸的土壤有機(jī)質(zhì)含量高光譜估算[J]. 于雷,洪永勝,耿雷,周勇,朱強(qiáng),曹雋雋,聶艷.  農(nóng)業(yè)工程學(xué)報(bào). 2015(14)
[3]基于高光譜遙感土壤有機(jī)質(zhì)含量預(yù)測(cè)研究[J]. 李媛媛,李微,劉遠(yuǎn),郭錫杰,牟蒙,劉長(zhǎng)發(fā).  土壤通報(bào). 2014(06)
[4]荒漠土壤有機(jī)質(zhì)含量高光譜估算模型[J]. 侯艷軍,塔西甫拉提·特依拜,買買提·沙吾提,張飛.  農(nóng)業(yè)工程學(xué)報(bào). 2014(16)
[5]基于地面實(shí)測(cè)光譜的土壤有機(jī)質(zhì)含量預(yù)測(cè)[J]. 官曉,周萍,陳圣波.  國(guó)土資源遙感. 2014(02)
[6]高光譜土壤有機(jī)質(zhì)估測(cè)模型對(duì)比研究[J]. 袁征,李希燦,于濤,張廣波.  測(cè)繪科學(xué). 2014(05)
[7]廣東耕地土壤有機(jī)質(zhì)的變化趨勢(shì)及其驅(qū)動(dòng)力分析[J]. 曾招兵,湯建東,劉一峰,張滿紅,林碧姍.  土壤. 2013(01)
[8]基于不同模型的土壤有機(jī)質(zhì)含量高光譜反演比較分析[J]. 欒福明,張小雷,熊黑鋼,張芳,王芳.  光譜學(xué)與光譜分析. 2013(01)
[9]土壤有機(jī)質(zhì)測(cè)定方法綜述[J]. 李婧.  分析試驗(yàn)室. 2008(S1)
[10]基于高光譜的土壤有機(jī)質(zhì)含量預(yù)測(cè)模型的建立與評(píng)價(jià)[J]. 盧艷麗,白由路,楊俐蘋,王紅娟.  中國(guó)農(nóng)業(yè)科學(xué). 2007(09)



本文編號(hào)：3480916