土壤有机质是土壤肥力的重要指标, 也是全球土壤碳的重要存在形式, 快速估算土壤有机质含量及其变化是保障粮食安全与评估气候变化的前提与基础。 传统的土壤有机质测定方法存在周期长、 成本高、 有污染物排放等不足。 近年来的大量研究表明, 土壤反射光谱技术可以成功实现土壤有机质估算, 具有时间短、 成本低、 无污染、 无破坏等特点。 但反射光谱技术仅能估算点状土壤样品有机质含量, 要实现土壤有机质的空间制图还必须借助空间插值技术。 成像光谱技术(也称为高光谱成像技术)为每个像元采集一条光谱曲线, 实现了图谱合一, 为土壤有机质空间制图提供了技术基础。 目前利用成像光谱开展土壤有机质制图的研究尚处于起步阶段, 利用室内可见-短近红外波段的成像光谱数据建立土壤有机质光谱指数可以探讨土壤有机质成像光谱估算的机理, 从而为土壤有机质遥感制图奠定理论基础。 建立600 nm“弓曲差”光谱指数并分析其与土壤有机质的相关关系, 通过1 000次随机划分数据集、 建立“弓曲差”非线性回归与偏最小二乘回归模型并对比结果精度, 探讨成像光谱数据估算土壤有机质的可行性。 结果表明, 研究区土壤有机质含量偏低, 变化范围较大, “弓曲差”与有机质含量呈显著的对数关系; 对数函数可以较好实现土壤有机质的建模与预测, 拟合结果稳定性较好, 精度优于偏最小二乘回归。 原因可能是由于偏最小二乘回归所使用的全部光谱数据中包含了部分与有机质无关的信息, 影响了偏最小二乘回归结果精度。 所以, 使用三个波段光谱信息建立的光谱指数“弓曲差”可以用于成像光谱数据的有机质制图, 从而为未来开展土壤有机质卫星遥感制图提供新的思路与方法。
成像光谱 土壤有机质 偏最小二乘回归 弓曲差 Imaging spectroscopy Soil organic matter (SOM) Partial least squares regression (PLSR) Deviation of arch (DOA) 光谱学与光谱分析
2020, 40(10): 3277
1 南京信息工程大学气象灾害预测与评估协同创新中心, 江苏 南京 210044
2 南京信息工程大学地理科学学院, 江苏 南京 210044
3 南京信息工程大学遥感与测绘工程学院, 江苏 南京 210044
4 南京大学地理与海洋科学学院, 江苏 南京 210023
土壤剖面是土壤发生学研究的核心, 但过去几十年以来研究土壤剖面的技术并没有发生质的变化。 成像光谱技术可以提供高空间、 高光谱分辨率的土壤剖面数据, 能够弥补反射光谱技术采样深度间隔较大的不足, 用于定量研究土壤属性连续深度变化。 以室内采集的土壤剖面成像光谱数据为研究对象, 采用支持向量机方法进行光谱数据主成分分类, 探讨成像光谱数据用于剖面发生层划分的可行性并分析影响因素。 研究中首先定性分析各发生层平均光谱曲线形态特征, 然后通过分析剖面光谱数据主成分深度变化特征及其散点分布情况, 探讨其用于剖面发生层划分的可行性; 最后进行1 000次随机划分数据集并建模、 预测以减小误差, 定量证明成像光谱数据用于土壤发生层划分的可行性, 并通过样本分类错误频率来分析影响分类精度的因素。 研究结果表明, 受成土过程影响剖面内各发生层平均光谱曲线特征存在差异。 成像光谱数据的主成分可以定量呈现土壤剖面深度方向上属性的连续变化及样本散点分布的集聚特征, 能较好反映发生层之间的差异性, 可以用于发生层划分。 建模预测结果表明发生层的预测精度平均值达到93.08%。 同时发现, 光谱主成分分布相似区域的样本及位于发生层过渡区域的样本分类错误率较高。 该研究为利用成像光谱技术进行土壤剖面发生层划分提供了理论依据, 为下一步进行剖面发生层制图奠定了技术基础。
土壤剖面 发生层 成像光谱 支持向量机（SVM） Soil profile Horizon Imaging spectroscopy Support vector machine (SVM)
南京信息工程大学地理与遥感学院, 江苏 南京 210044
反射光谱技术具有快速、 便捷等特点, 过去几十年中将其应用于土壤科学的研究呈指数增长, 且广泛用于土壤属性估算。 土壤全氮含量是一项非常重要的肥力指标, 光谱估算全氮含量可以为实现精准农业提供重要支持。 但反射光谱估算土壤全氮含量是基于全氮与有机碳的相关性还是基于氮本身的吸收特征仍然存在争议。 本文以江苏滨海土壤为研究对象, 利用偏最小二乘法分别构建全氮和有机碳在相同建模样本量、 不同全氮含量及变异程度情况下的估算模型, 通过分析模型精度变化规律及全氮与有机碳估算模型系数的相关性, 探讨土壤全氮反射光谱估算机理。 结果表明, 该地区土壤为1 000年来滨海滩涂经人为耕作发育形成, 全氮含量不高, 有机碳含量偏低。 全氮与有机碳之间存在较强的相关性, 相关系数高达0.98。 土壤全氮含量估算精度随样本集全氮含量的平均值、 标准差增大出现先增加后略有减小的变化规律, 与变异系数的变化规律相一致。 当全氮含量较低时(样本平均值小于0.27 g·kg-1), 土壤全氮与有机碳相关系数也较小, 实现反射光谱估算全氮是基于氮的吸收特征; 当全氮含量较高时(样本平均值大于0.29 g·kg-1), 全氮与有机碳相关性较强且有机碳模型精度高于全氮, 说明有机碳对光谱曲线的影响随其含量增加而增大, 并掩盖了氮的吸收特征, 实现反射光谱估算全氮是基于其与有机碳的相关性。 该研究揭示了土壤反射光谱估算全氮含量的机理, 从而为反射光谱快速估算土壤全氮含量提供理论依据。
反射光谱 全氮 有机碳 偏最小二乘回归 Reflectance spectroscopy Total nitrogen (TN) Soil organic carbon (SOC) Partial least squares regression (PLSR) 光谱学与光谱分析
2016, 36(10): 3222
