1 中国农业大学土地科学与技术学院, 北京 100193
2 中国农业科学院农业资源与农业区划研究所, 北京 100081
为了研究长期施用堆肥对潮土剖面土壤水溶性有机物(DOM)的来源和组分特征的影响, 研究以河北省曲周实验站长期施用堆肥的试验田为研究对象, 利用三维荧光光谱技术研究了在长期施用高量生物堆肥(EMI)、 常量生物堆肥(EMII)、 高量传统堆肥(TCI)、 常量传统堆肥(TCII)和化肥(CF)下不同深度土壤水溶性有机物在来源和组成的差异。 研究结果表明, 不同施肥处理的土壤水溶性有机碳(DOC)含量在土壤剖面的分布规律有较大差异, 堆肥使0～20和60～80 cm土层的DOC分别显著提高了81.94%～171.33%和61.18%～152.18%。 荧光光谱指数表明, DOM来源为微生物和植物混合源, 堆肥施用量的增加使DOM腐殖化程度加强, 造成表层土壤中DOM由陆源向生物源迁移, 随着土壤深度的增加, DOM由陆源向生物源迁移。 三维荧光光谱和荧光区域积分表明, 生物堆肥和传统堆肥增加了类腐殖酸物质的含量, 且随着施用量的增加而增加; 高量生物堆肥和传统堆肥增加了类富里酸物质和类溶解性微生物代谢产物的含量; 施用化肥和堆肥均降低了类色氨酸的含量。 类腐殖酸含量、 类富里酸含量和类溶解性微生物代谢产物数量随着土壤深度的增加整体呈降低趋势; 类酪氨酸随着土壤深度的增加呈增加趋势; 类色氨酸随着土壤深度增加整体呈先增加后降低趋势, 且在20～40 cm含量最高。 相关性分析表明, 全磷(TP)、 全氮(TN)、 阳离子交换量(CEC)、 速效钾(AK)、 有机碳(SOC)和DOC等土壤理化指标与类酪氨酸物质呈显著负相关, 与类富里酸、 类溶解性微生物产物和类腐殖酸含量呈显著正相关, 硝态氮(NO-3-N)、 TN、 pH、 SOC与类色氨酸物质呈显著正相关。 总之, 长期施用堆肥增加了潮土表层DOM的含量, 显著改变了土壤中DOM的组成和剖面上的分布特征。
潮土 堆肥 水溶性有机物 三维荧光光谱 Fluvo-aquic soil Compost DOM Three-dimensional fluorescence spectrum
土壤有机质(SOM)是影响播量的土壤关键参数, 根据SOM信息对播量进行实时调控, 投入最优化的种子量, 充分利用地力资源挖掘产量潜力, 节约良种, 实现种植收益最大化, 是目前播种领域最前沿的研究方向。 以玉米主产区之一的华北平原为研究区域, 对该区域砂壤潮土进行了可见-近红外(300~2 500 nm)光谱采集。 采用蒙特卡罗交叉验证剔除了异常样本, 结合Savitzky-Golay卷积平滑法对光谱数据进行平滑去噪处理。 分别通过竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)、 竞争性自适应重加权-连续投影(CARS-SPA)、 无信息变量消除(UVE)及变量组合集群分析法(VCPA)等波长筛选方法提取有效变量, 并结合偏最小二乘回归(PLSR)分别建立了全波长和特征波长的SOM含量预测模型。 结果表明, 不同方法筛选的波长数目及波长位置存在显著差异, CARS和SPA算法选择的光谱特征在整个光谱范围都有分布, UVE和VCPA筛选的波段较为集中, 且基于CARS-SPA方法可以进一步优选特征变量, 其特征波长仅为全波长数量的15%。 通过对比不同模型的建模及预测效果, 除UVE和VCPA算法外, 其余算法构建的模型均能实现SOM含量的有效预测, 其RPD值均大于2.0。 基于CARS-SPA构建的PLSR模型效果最好, 其和RPD分别0.901和3.188, 均高于其他方法, 不仅降低了无效信息对预测效果的干扰, 且模型的运算效率得到了明显的提高, 可以很好地实现该地区SOM含量的可靠预测。 该研究可以为SOM含量快速预测及仪器设计提供方法参考。
土壤有机质 播种 可见-近红外 砂壤潮土 竞争性自适应重加权-连续投影算法 Soil organic matter Seeding Visible-near infrared Sandy fluvo-aquic soil CARS-SPA 光谱学与光谱分析
2022, 42(9): 2924
1 山东科技大学测绘科学与工程学院, 山东 青岛266590
2 北京农业信息技术研究中心, 北京100097
3 农业部农业信息技术重点实验室, 北京100097
基于北京市52个潮土样本的高光谱数据和Landsat TM、 环境减灾卫星(HJ)影像的波段响应函数, 生成宽波段多光谱模拟数据, 对比分析了室内实测光谱数据、 宽波段模拟数据与土壤有机质含量的相关性, 筛选敏感波段, 利用偏最小二乘法构建北方潮土有机质含量预测模型。 研究表明: 在宽波段模拟数据建立的模型中, 由Landsat TM模拟数据的差值土壤指数（DSI）、 比值土壤指数（RSI）、 归一化土壤指数（NDSI）及其第3波段共同构建的模型最优, 其决定系数与均方根误差分别为0.586和0.280； 与实测光谱数据相比, 模拟数据的最佳预测模型, 均优于除一阶微分、 弓曲差以外的其他10种高光谱模型。 因此, 利用多光谱数据预测潮土有机质含量是可行的。
有机质 潮土 多光谱 高光谱 偏最小二乘 Organic matter Fluvo-aquic soil Multi-spectra Hyperspectral Partial least squares regression
