土壤侵蚀降低土地生产力, 导致土壤环境恶化, 其中水力侵蚀是土壤侵蚀中最主要的一种形式。 土壤可侵蚀性K值是评价土壤被降雨侵蚀难易程度的一项重要指标。 使用河南、 福建和浙江三省研磨干样可见-近红外(Vis-NIR)漫反射光谱数据, 将其转换为吸收率后进行Savitzky-Golay(SG)平滑去噪； 对土壤有机质(SOM)和机械组成进行精准预测后, 分别采用EPIC和RUSLE2模型估算K值, 并对预测精度进行比较分析, 所得结论如下: (1)建立土壤有机质和机械组成高光谱最佳预测模型, 土壤质地(砂粒、 粉粒和黏粒)预测采用支持向量机(SVM)模型, SOM预测采用局部加权回归(LWR)模型, 模型四分位相对预测误差(RPIQ)为2.27, 3.17, 2.18和3.44； (2)通过土壤质地估算的土壤渗透性等级分类效果较好, Kappa系数为0.62, 同时估测的土壤质地类型与实测土壤质地类型分布特征相近, 质地主要类型均是粉黏土、 砂黏壤土、 壤土、 壤砂土和砂壤土； (3)EPIC和RUSLE2两种模型均具有较为精确的估测能力, EPIC模型预测精度更高, 均方根误差(RMSEP)为0.006 6 (t·ha·h)/(ha·MJ·mm), RPIQ达1.58, 而RUSLE2模型精度相对较低(其中RPIQ为1.43), 因此推荐使用EPIC模型结合Vis-NIR光谱技术估测土壤可侵蚀性K值。 本研究为今后快速准确预测K值提供思路, 并为大面积监测土壤侵蚀提供辅助手段。

利用浙江省36个县市的643个农田耕层土样的可见-近红外反射率数据以及重金属与有机质含量数据,分析了Ni、Cu、As、Hg、Zn、Cr、Cd、Pb含量与有机质含量的相关性,对比了不同重金属元素与有机质敏感波段的位置,并建立了各重金属元素含量的偏最小二乘回归(PLSR)模型.研究结果表明,Ni、Cr与有机质的相关性最优,As最差,相关系数分别为0.54、0.59、0.20,各重金属元素与有机质的相关系数与它在前三个主成份载荷图中与有机质的距离成反比；不同的重金属元素与有机质高光谱敏感波段的重叠度、回归系数的正负一致性具有明显差异,与有机质相关性越高的元素,其重叠度也越高、正负一致性也越好；在所有8种重金属元素的PLSR预测模型中,Ni、Cr的建模与预测效果较好,RPD值分别为1.94、1.80,模型具有一般的定量预测能力,其余6种重金属元素预测模型的RPD值均在1.00和1.40之间,模型只具备区别高值和低值的预测能力.该研究结果为大尺度区域土壤重金属污染的高光谱遥感监测提供了一定的理论依据与参考.

充分挖掘大样本土壤光谱库中有效信息，建立普适性强的土壤全氮(TN)含量反演模型，是高光谱分析的重要应用方向之一。研究采用偏最小二乘回归(PLSR)全局建模、局部加权回归(LWR)和模糊K均值聚类结合PLSR(FKMC-PLSR)局部建模三种方法，分别建立了来自中国西藏、新疆、黑龙江、海南等13个省采集的17种土类1661个土壤样本TN值的高光谱反演模型，并对浙江省104个水稻土样本进行模型验证。结果表明，在大样本下PLSR全局模型对高TN值待预测样本存在低估现象，导致整体预测精度偏低； LWR和FKMC-PLSR局部模型比PLSR全局模型能够更为准确地反演TN含量。研究结果可为利用大样本光谱数据库建立稳定性和普适性较高的土壤TN含量预测模型提供参考。

利用高光谱遥感技术估测土壤有机质含量是精准农业发展的必然要求.本研究测量并分析了7组不同地区不同类型共791个土壤样品在350~2500 nm的光谱反射率及一阶微分曲线，并对土壤有机质含量和光谱反射率进行相关性分析，同时对前人研究中有关有机质的光谱响应波段进行了总结.结果发现，600~800 nm波段可以作为研究区域内不同类型土壤共同的有机质光谱响应波段，这对进一步建立不同土壤类型相对统一的有机质预测模型具有一定意义.研究还发现，有机质含量高于2%并不是高光谱预测土壤有机质含量必要的前提条件.

为明确土壤热红外高光谱数据反演土壤含沙量的应用潜力, 利用102F型便携式傅里叶变换红外光谱仪对沙质土壤进行测量, 在进行相关分析和主成分分析的基础上, 对土壤发射率光谱特征进行了分析, 并采用偏最小二乘回归和主成分回归两种建模方法预测土壤含沙量。 结果表明, 沙质土壤发射率光谱中二氧化硅的Reststrahlen特征表现明显, 在8.13和9.17 μm附近具有不对称强二重谱带, 并且在12～13　 μm区间还有两个吸收强度相对较小的发射谷； 土壤发射率随着含沙量的增加而降低, 尤其是 8.2-9.5 μm和9.5-10.4 μm两个谱段对土壤沙含量变化敏感, 相关系数分别达到0.65和0.5以上, 这两个谱段对整体光谱变化具有84.07%的贡献率； 不同的光谱变量和建模方法在反演精度上存在明显差异, 偏最小二乘回归模型的一阶微分光谱反演精度最高, 其建模和预测的RMSE分别为0.45和0.53, R2分别为0.960　7和0.943　6, 表明热红外高光谱在土壤含沙量预测方面具有很大的应用潜力。

在实验室条件下, 利用NITON XLt920型便携式X射线荧光光谱（field portable X-ray fluorescence, FPXRF）仪获取土壤样品的X射线荧光光谱数据, 并采用偏最小二乘法（PLS）建立土壤Pb含量的预测模型。 模型所用的光谱范围为与土壤中Pb元素密切相关的两个波段： 10.40～10.70 keV和12.41～12.80 keV； 最佳主成分数为6。 模型经交互验证, 其预测结果与实测值之间的相关系数为0.966 6, 预测均方根误差(RMSEP)为0.873 2。 另外为了与偏最小二乘法做比较, 还分别利用仪器直接获取的Pb含量读数以及X射线荧光光谱数据中Pb的Lα和Lβ线的强度与ICP测定值进行一元线性和多元线性回归, 相关系数分别为0.680 5和0.730 2, 均低于PLS模型的预测结果。 研究表明, 相比较传统的原子吸收等测试方法, 便携式XRF仪在保证一定测试精度基础上, 具有方便、 快速、 无损和耗费少等优势, 可作为进一步分析前有力的筛选手段。

针对目前市场上存在的产地假冒茶叶严重影响名牌茶叶信誉的情况,根据不同产地茶叶中重金属含量的差异,提出了利用X射线荧光技术结合模式识别技术进行了茶叶产地鉴别的方法。将不同产地的样本分组,分别采集其X射线荧光光谱,提取其主成分,分别计算各个样本组的主成分均值作为样本中心点,计算待测样本到各样本组中心的马氏距离,将其归类到马氏距离值最小的类中,实现样本分类。采用Niton 792便携式X射线荧光仪对安吉、 金华、杭州和台州等4个不同地区120个茶叶样本进行了鉴别试验,发现3-13keV波段是X射线荧光光谱分析技术进行茶叶产地鉴别的有效波段,前4个主成分可用于茶叶的产地鉴别,试验的误差率为4.2%。