1 河南农业大学信息与管理科学学院, 河南 郑州 450002 河南粮食作物协同创新中心, 河南 郑州 450002
2 河南农业大学信息与管理科学学院, 河南 郑州 450002
3 Universidade Nova de Lisboa, NOVA Informantion Managment School, Lisboa, 1070-312, Portuga
土壤全氮是重要的养分指标, 利用高光谱技术研究并构建砂姜黑土全氮含量高光谱估测模型, 为作物施肥及发展精确农业提供参考。 尝试研究离散小波估测土壤全氮含量的可行性, 以河南省商水县不同小麦氮肥处理为试验区, 采集100份0~20 cm的砂姜黑土, 土壤样本风干并经研磨过筛等处理后, 在实验室暗室内采集光谱。 利用含量梯度法, 将总样本(100个砂姜黑土)划分为建模集75个和验证集25个。 将原始光谱进行一阶导数变换, 并对一阶导数光谱分别进行相关分析和离散小波变换, 同时结合支持向量机和K邻近算法构建高光谱土壤全氮估测模型。 系统分析了原始光谱和一阶导数光谱的单波段与土壤全氮的相关性, 结果表明, 经一阶导数变换后的光谱与土壤全氮有更好的相关性, 在1 373 nm处相关系数达到最高为0.84。 利用离散小波算法对一阶导数光谱进行最佳母小波和分解层次选择, 结果显示, 经sym8函数分解的小波系数能较好的重构土壤全氮光谱信息, 进一步基于分解层L1—L11的低频系数分别建立支持向量回归和K邻近回归土壤全氮含量估测模型, 比较全部估测模型, 以分解层L5的低频系数结合K邻近构建的模型最优, 建模决定系数为0.90, 均方根偏差为0.09 g·kg-1, 相对分析误差为3.78, 验证决定系数为0.97, 均方根偏差为0.05 g·kg-1, 相对分析误差为4.30。 同时与全波段和经相关分析后挑选出的敏感波段作为输入构建的模型进行比较, K邻近模型精度提高了3.2%和9%, 支持向量机模型精度提高了6.7%和11.6%。 研究结果表明一阶导数变换与离散小波技术可有效减少噪声影响, 提高土壤全氮含量的估测精度, 又实现了光谱数据降维, 简化了模型复杂度, 为砂浆黑土全氮含量的精确估测提供参考。
砂姜黑土 全氮 高光谱 离散小波 K邻近算法 Shajiang black soil Total nitrogen Hyperspectral Discrete wavelet K-neighbor 光谱学与光谱分析
2023, 43(10): 3223
1 黑龙江省农业科学院土壤肥料与环境资源研究所, 黑龙江 哈尔滨 150086
2 中国农业科学院农业资源与农业区划研究所/耕地培育技术国家工程实验室/农业部植物营养与肥料重点实验室, 北京 100081
3 北京农林科学院植物营养与资源研究所, 北京 100097
4 黑龙江省科学院微生物研究所, 黑龙江 哈尔滨 150001
5 农业农村部环境保护科研监测所, 天津 300191
土壤有机碳是农业生态系统的关键驱动和调节者, 特别是根际微域有机碳动态对土壤碳素循环和矿质营养元素释放起着重要作用。 研究长期不同化肥和有机肥施用下大豆根际土壤有机碳、 活性有机碳以及有机碳结构的变化规律, 深入了解根际有机碳固持和稳定机制, 为完善农田生态系统碳固持和农田可持续发展提供科学依据和理论支撑。 该研究依托黑土长期定位试验, 采用化学分析、 固态13C-核磁共振 (13C-NMR)等方法研究大豆根际土壤有机碳含量、 活性有机碳含量和有机碳结构组分变化规律。 结果表明, 与非根际土壤相比, 大豆根际土壤有机碳含量显著增加, 长期施肥处理能够显著增加根际土壤有机碳和低活性有机碳含量, 以常量有机肥加氮磷钾(MNPK)处理提升效果最好。 核磁共振实验结果表明, 与不施肥处理相比, MNPK处理明显增加根际土壤烷基碳、 烷氧基碳比例以及烷基碳/烷氧基碳比值, 降低芳香基碳和芳香碳/总碳比值, 在非根际土壤中尤其显著; 常量氮磷钾(NPK)处理增加芳香基碳比例和芳香碳/总碳比值, 在根际土壤中烷基碳比例和烷基碳/烷氧基碳比值增加, 烷氧基碳比例降低, 非根际土壤测试结果相反。 综上所述, MNPK处理能够显著提升根际有机碳含量, 增加有机碳中烷基碳、 烷氧基碳比例以及烷基碳/烷氧基碳比值, 促进团聚体形成和增加土粒结构稳定性, 而NPK处理增加芳香基碳比例和芳香碳/总碳比值, 降低根际烷氧基碳比例, 团聚体稳定性降低, 同时证明固态13C-核磁共振技术结合半定量分析能够准确地分析不同有机碳结构组分变化, 深刻认识根际土壤有机碳的稳定机制。
有机碳 大豆根际 黑土 13C-核磁共振 Soil organic carbon Soybean rhizosphere Black soil 13C-NMR 光谱学与光谱分析
2022, 42(12): 3883
1 黑龙江省农业科学院土壤肥料与环境资源研究所, 农业农村部黑土地保护与利用重点实验室, 黑龙江 哈尔滨 150086
2 北京市农林科学院植物营养与资源环境研究所, 北京 100097
3 黑龙江省农业科学院大豆研究所, 黑龙江 哈尔滨 150086
4 东北农业大学资源与环境学院, 黑龙江 哈尔滨 150030
有机无机肥配施是实现土壤培肥、 减少无机肥施用的有效措施。 为探讨黑土区有机肥替代无机肥(氮肥)对土壤溶解性有机碳(DOC)含量及结构的影响, 本研究采用有机肥不同比例替代化学氮肥, 分析土壤DOC的含量及荧光光谱特征。 结果表明, M(100%有机替代化学氮肥)处理土壤DOC显著高于其他处理, 其含量为325.97 mg·kg-1。 与CK(不施肥)处理相比, 各施肥处理荧光峰各波长均有不同程度蓝移, 各处理土壤DOC的荧光指数(FI)分布在1.54~1.59范围内, 腐殖化指数(HIX)均小于0.85, 表明DOC来源受自生源和陆生源共同作用的影响, 土壤腐质化程度均较低。 平行因子分析法分析识别出3个荧光组分, 分别为2个腐殖质类组分(富里酸类物质和腐殖酸类物质) 及1个类蛋白组分(类酪氨酸蛋白质物质)。 各施肥处理3个组分荧光强度均高于CK处理, 其中M和M2N2(25%有机替代化学氮肥)处理下土壤DOC总荧光强度较高, C3组分荧光强度以M2N2处理最高, 土壤DOC中3个有机组分的相对比重以荧光组分C1最高, 接近50%, 表明该地区土壤中小分子物质占有较大比例, 施肥能够提高土壤腐质化程度, 有利于土壤DOC固定, 合理的有机肥配施化学氮肥能增加DOC的有效性, 提升土壤供肥能力。
黑土 有机无机肥配施 可溶性有机碳 三维荧光光谱 Black soil Combined application of organic and inorganic fertilizers Dissolved organic carbon Three-dimensional fluorescence spectroscopy 光谱学与光谱分析
2022, 42(9): 2919
1 东北农业大学资源与环境学院, 黑龙江 哈尔滨 150030
3 黑龙江省农业科学院土壤肥料与环境资源研究所, 黑龙江 哈尔滨 150086
4 黑龙江省农业科学院克山分院, 黑龙江 齐齐哈尔 161000
5 沈阳农业大学土地与环境学院, 辽宁 沈阳 110866
富里酸(FA)是土壤腐殖质的重要组成成分, 是土壤腐殖化过程中的中间物质, 其结构特性对提高土壤有机质具有重要的指示作用。 有机无机肥配施是实现土壤培肥、 秸秆资源利用、 减少无机肥施用的有效措施。 为探讨黑龙江省黑土区秸秆有机肥替代无机肥对土壤FA的影响, 设置不施肥(CK)、 单施无机肥(NPK)、 有机肥替代无机氮肥25% (NPKM1)、 有机肥替代无机氮肥50% (NPKM2)、 有机肥替代无机氮肥75% (NPKM3)及有机肥替代无机氮肥100% (NPKM4)6个处理, 测定土壤有机碳(SOC)和FA含量。 利用荧光指数(FI)、 自生源指数(BIX)表征土壤FA的来源, 腐殖化指数(HIX)指示土壤的腐殖化程度。 采用三维荧光光谱-平行因子分析法, 分析土壤FA的荧光组分及最大荧光强度(Fmax), 并利用冗余分析(RDA)探讨荧光强度、 土壤有机碳和试验处理间的响应关系。 结果表明: 与NPK处理相比, 有机无机肥配施处理均显著提高了SOC和土壤FA含量, 其中对NPKM2处理影响最大, SOC含量提高8.06%, 土壤FA含量提高13.84%。 土壤FA受自生源和外生源共同作用的影响(FI>1.4, 0.8Fmax值先升高后降低, 类蛋白质Fmax值逐渐降低。 NPKM2处理类富里酸和类胡敏酸的Fmax值最高, 类富里酸的相对百分比最高。 RDA结果表明NPKM2处理对SOC、 土壤FA含量和Fmax值的影响最大。 因此, 基于土壤FA荧光光谱特性分析可知, 为提高土壤有机质含量、 增加秸秆利用率、 减施无机肥, 秸秆有机肥替代无机氮肥50%处理为最佳有机无机肥配比。
黑土 有机无机肥配施 富里酸 三维荧光光谱 Black soil Organic-inorganic fertilizer combined application Fulvic acid Three-dimensional fluorescence spectrum 光谱学与光谱分析
2021, 41(11): 3518
吉林大学地球探测科学与技术学院, 吉林 长春 130026
田间土壤属性复杂且随时间变化, 快速精准地获得多种土壤理化指标数据对指导精细农业操作具有重要意义。 为避免土壤水分带来的干扰, 基于光谱技术的土壤成分含量预测需在土壤样本干燥的情况下进行光谱测量, 然而土壤水分同样是指导农业生产的重要指标。 为同时预测黑土区土壤有机质(SOM)、 水分(SMC)、 总铁(Fe)和pH值, 提出测量湿土土壤样本的可见-近红外光谱, 并采用标准正态变量变换(SNV)-连续小波变换(CWT)法分解光谱反射率, 逐样本进行SNV后, 以Mexh为小波基函数进行10个尺度(21, 22, …, 210)的分解, 并与常用光谱处理方法进行对比, 包括高斯滤波(GS)、 一阶导数(FD)、 连续统去除(CR), 数学变换等7种方法。 将74个样本数据划分为两组, 其中50个作为建模集, 24个作为验证集。 经SNV-CWT变换后, 每个尺度的小波系数与每个目标变量间置信度小于0.05的波段作为随机森林(RF)预测模型的输入变量, 以各尺度验证模型精度为标准确定每个预测目标的最佳分解尺度; 通过计算最佳尺度小波系数与土壤成分间的皮尔森相关系数(PCC), 基于模型的相关系数(MBC)和灰色关联度(GRD), 判断各属性的特征波段, 且分别以三种相关系数作为指标, 以过滤式筛选法建立不同属性的RF估测模型。 结果表明: 与7种常用的处理方法相比, SNV-CWT分解后四种土壤成分的预测精度均有提高, SOM, SMC, Fe和pH对应的最佳分解尺度分别为7, 8, 1和10。 在以多维特征作为输入变量的情况下, SOM与SMC的验证模型决定系数(R2)即可达到0.90和0.93。 三种分析方法中以MBC计算的相关系数为波段筛选指标建立的模型精度最佳, 其中SOM与SMC的R2均为0.94, 且Fe(R2=0.67, Mse=0.01%, RPD=1.76)与pH(R2=0.80, Mse=0.1, RPD=2.24)的模型精度具有大幅度提高, 可应用于多种土壤理化指标数据的提取与监测。
黑土区 近红外光谱 数据处理 有机质 水分 总铁 Black soil area Vis-Nir spectra Data processing Soil organic matter Soil moisture Total iron pH pH 光谱学与光谱分析
2021, 41(11): 3424
核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室, 北京 100029
铬(Cr)是我国东北黑土区土壤重金属污染评价中的主要目标元素之一, 随着航空高光谱技术的引入, Cr含量的高光谱反演具备了大范围应用的数据基础, 其中影响调查质量的关键是高光谱模型的精度及应用范围。 常用的建模方法是利用各类统计学手段进行光谱特征提取并建模, 局限性表现为建模结果受样本选择的影响较大, 模型泛化能力不强。 研究以土壤Cr的赋存规律为切入点, 设计了一种新的基于Cr影响因素及光谱特征的间接反演模型, 改善了模型在不同地区的适用性。 选择黑龙江省建三江和海伦两个研究区, 高光谱数据来自CASI/SASI航空高光谱成像系统, 波段范围380~2 450 nm, 建三江和海伦研究区地面采样数量分别为225个和121个, 分析获得土壤Cr元素及SOM, N, P, K2O, SiO2, Al2O3, Fe2O3, CaO, MgO, Na2O和pH等理化参数, 建模方法采用偏最小二乘法。 Cr的赋存规律分析结果表明, Cr在两个研究区均表现为与Al2O3, Fe2O3, MgO, K2O和pH呈极显著的正相关关系, 与SiO2, Na2O和SOM呈极显著的负相关关系, 该特征为间接反演模型的建立提供了基础。 两个地区Cr的光谱特征分析结果共同表明, 光谱反射率经变量标准化(SNV)变换后与Cr含量的相关性最明显, 特征波段为1 520, 2 195, 2 210和2 225 nm。 将光谱SNV变换后的特征波段作为纯光谱模型自变量, 将SNV特征波段和上述与Cr密切相关的土壤组分作为间接反演模型的自变量, 建模结果显示, 相比于纯光谱模型, 建三江研究区的间接反演模型将建模R2由0.643提升到了0.751, 验证R2由0.571提升到了0.687, 海伦研究区的间接反演模型将建模R2由0.537提升到了0.676, 验证R2由0.471提升到了0.643, 间接模型相应的均方根误差(RMSE)也得到了降低, 可见间接反演模型明显提升了Cr的反演精度。 两个研究区之间的模型迁移性实验结果表明, 纯光谱模型的可迁移性较差, 模型迁移后实测与预测值的回归R2接近于0, 而间接模型在两个研究区间的迁移能力得到了显著提升, 海伦的间接反演模型应用到建三江时, 实测与预测值的回归R2达到0.597 5, 而建三江的间接模型应用到海伦时, 回归R2为0.577 3。 研究结果可为土壤Cr在不同地区的大范围反演制图提供一种新的途径。
铬 航空高光谱 东北黑土地 偏最小二乘法 反演 Chromium Aerial hyperspectral Northeast black soil Partial least square method Inversion 光谱学与光谱分析
2021, 41(5): 1617
吉林建筑大学测绘与勘查工程学院, 吉林 长春 130118
黑土中的有机质、 磷和钾等养分元素在作物生长过程中起着至关重要的作用, 研究黑土养分元素的分布特征, 开展元素含量的定量计算, 对黑土地的科学管理和环境保护具有重要意义。 基于黑龙江省讷河市80份黑土样品和高光谱实测数据, 分析了光谱反射率、 反射率一阶微分、 反射率倒数对数、 反射率倒数对数一阶微分与土壤有机质、 磷元素和钾元素含量的相关性, 并利用相关系数法提取敏感波段。 针对机器学习模型中参数值优化选择问题, 引入蝙蝠算法(BA)并与Adaboost模型相结合, 利用BA对Adaboost模型中的最大迭代次数n和弱学习器权重缩减系数v两个核心参数进行寻优计算, 选择CART决策树为模型的弱回归学习器, 决定系数作为参数优化的目标函数值, 构建BA-Adaboost土壤养分含量高光谱预测模型, 定量估测土壤有机质、 磷元素和钾元素含量, 结果表明: BA-Adaboost组合模型可以快速搜索全局最优参数, 经BA优化后的Adaboost模型精度和可靠性显著提高, 3种元素中, 土壤有机质估测精度最高, 决定系数和均方根误差分别为0.864和0.152 g·kg-1, 对比优化前模型预测精度提高了14.2%和25.4%, 说明构建的BA-Adaboost模型在土壤元素含量高光谱估测中具有一定的应用前景, 是一种高效的估测方法。
黑土区 土壤养分含量 高光谱估测 蝙蝠算法 Adaboost模型 Black soil region Soil nutrient content Hyperspectral estimation Bat algorithm Adaboost model 光谱学与光谱分析
2020, 40(12): 3825
1 黑龙江省农业科学院土壤肥料与环境资源研究所, 黑龙江省土壤环境与植物营养重点实验室, 黑龙江 哈尔滨 150086
2 黑龙江省农业科学院博士后科研工作站, 黑龙江 哈尔滨 150086
3 东北农业大学资源与环境学院, 黑龙江 哈尔滨 150030
4 北京市农林科学院植物营养与资源研究所, 北京 100097
土壤有机质的重要性和复杂性一直是国内外学者研究的热点。 土壤腐殖质作为土壤有机质的主体, 是土壤肥力的重要物质基础, 在土壤养分循环和土壤结构方面发挥着重要作用。 胡敏素是土壤腐殖质重要组分, 它占土壤有机C和有机N的绝大部分, 同时也是较稳定的腐殖质组分, 对营养元素(C, N, S等)固持和有效性, 以及在土壤肥力和生态环境等方面起着重要作用。 以黑土长期定位试验(始于1979年)为基础, 利用差热分析、 红外光谱和核磁共振光谱分析Hu分子结构变化特征。 结果表明, 各施肥处理可以明显增加土壤有机碳含量, 以有机无机肥配施增加效果最为显著, 各施肥处理土壤Hu含量之间有差异, 但不显著。 土壤Hu的热性质表明, 土壤施入有机肥后具有较高的可分解有机质和脂族结构, 而单施化肥处理具有较高可分解有机质的同时, 芳香结构较多。 Hu的红外光谱也表明, 单施有机肥和有机无机肥配施均可提高土壤Hu的2 920/1 620比值, 其脂族性增强, 芳香性减弱, 单施有机肥处理增加土壤Hu分子中脂族链烃的比例效果高于其他处理。 13C核磁共振波谱分析显示, 与CK相比有机无机肥配施可以提高土壤有机碳稳定性, 而单施化肥处理有机质分解程度增加, 稳定性降低。
黑土 长期定位实验 胡敏素结构特征 光谱学特征 Black soil Long term positioning test Structural characteristics of Humin Spectroscopic characteristics 光谱学与光谱分析
2020, 40(7): 2194
核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室, 北京 100029
土壤钾元素含量是评价土壤营养程度重要的指标之一。 利用热红外发射率(TASI)数据对钾元素的反演研究较少且模型精度较低。 利用在黑龙江海伦地区采集的热红外航空成像光谱仪TASI数据, 经过预处理和温度与发射率分离后, 探究黑土土壤热红外发射率与钾元素含量关系。 在对比了常规的多元逐步回归与偏最小二乘建模方法后, 使用了一种新的逐步回归方法-全二次多元逐步回归建立模型, 相对于常规多元逐步回归, 引入了更多的参数进行模型的建立, 有效提高反演精度。 研究发现, 土壤发射率数据对于选用有效特性波段建立的模型对钾元素具有较高的反演精度, 所选特征波段均为负相关, 波段分别为6(8.602 μm), 11(9.150 μm), 15(9.588 μm), 23(10.464 μm), 相关系数依次为-0.658, -0.673, -0.645和-0.627。 钾元素通过多元逐步回归建模与预测的均方根误差RMSE: 0.027和0.032, 判定系数R2: 0.667和0.82, 相比于常规多元逐步回归建模与预测的均方根误差RMSE: 0.031和0.031, 判定系数R2: 0.569和0.78与偏最小二乘法建模与预测的均方根误差RMSE: 0.033和0.037, 判定系数R2: 0.45和0.51评价指标精度均有所提高, 说明该方法有效提高了利用发射率数据对钾元素的反演精度。 在利用学生化残差对模型进行去除异常值的改进后发现, 建模精度有了明显提高但是测试精度却有所降低, 过度拟合训练集数据导致模型泛化性下降, 因此不建议对模型过度拟合。
黑土土壤 热红外航空成像光谱仪发射率 全钾含量 全二次多元逐步回归 Black soil Emissivity of the thermal airborne hyperspectral i Total potassium content Quadratic multiple stepwise regression 光谱学与光谱分析
2020, 40(9): 2862
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
土壤含水量的变化情况与时空分布对热量平衡、 农业墒情等具有显著的影响。 利用反射率光谱信息反演土壤含水量的研究, 可为实现土壤含水量速测、 揭示土壤含水量时空变异规律提供科学依据。 构建不同含水量黑土土壤反射率光谱半经验模型, 深入探究土壤重量含水量与反射率光谱的关系。 制备了12种不同湿度的土壤样品。 采用ASD Field Spec Pro 3地物波谱仪对制备的不同湿度梯度的黑土土壤进行反射率光谱测量。 利用菲涅耳反射率建立土壤表面反射模型; 在以往的研究中, Kubelka-Munk (KM)模型中的漫反射率R∞通常被视为对于给定材料和照明波长的常数或需要反演的参数。 通过研究发现, 漫反射率R∞不仅与材料和波长有关, 还与土壤含水量相关。 利用与土壤含水量相关的吸收系数及散射系数描述了土壤含水量与漫反射率R∞的关系, 并基于KM理论对体散射分量进行建模; 进而构建不同含水量黑土土壤反射率光谱半经验模型。 根据实际测量数据选用最小二乘算法对模型参数进行反演, 并通过分析反演参数简化模型。 最后, 将未参与建模的不同含水量梯度的数据代入模型中, 验证模型的有效性。 结果表明: 对比不同含水量土壤反射率光谱的模拟值与实测值在400~2 400 nm波段范围内的模拟精度发现, 含水量为200 g·kg-1的土壤反射率光谱的均方根误差最大, 为0.008, 含水量为40 g·kg-1的土壤反射率光谱的均方根误差最小, 为0.000 6, 不同含水量下土壤样品反射率光谱的均方根误差的均值是0.005 1。 在400~2 400 nm波段范围内, 不同波长下黑土土壤反射率光谱的预测均方根误差基本低于0.008, 1 920 nm波长处的预测均方根误差最小, 为0.002 062。 采集长春地区的土壤检验模型的可靠性, 配制15个不同含水量样品并对其进行反射率光谱测量。 选取9个样品数据用于建模, 6个样品数据用于验证。 结果表明: 在400~2 400 nm波段范围内, 不同波长下的长春土壤反射率光谱的预测均方根误差基本低于0.015, 525 nm波长处的预测均方根误差最小, 为0.000 922 5。 综上所述, 所建立的模型具有很高的预测精度, 可很好地适用于不同含水量黑土土壤反射率光谱的模拟。
遥感 黑土土壤含水量 反射率光谱 半经验模型 Remote sensing Black soil moisture content Reflectance spectra Semi-empirical model 光谱学与光谱分析
2019, 39(11): 3514