论文部分内容阅读
土壤颜色是土壤的一项重要属性，它可以反映土壤的成土母质、成土过程和发育程度，是土壤分类的重要依据，同时也是土壤肥力状况的重要指标。传统的土壤颜色测定主要利用芒塞尔土壤比色卡进行比色，用色调(Hue)、明度(Value)和彩度(Chroma)，即HV/C来表示土壤颜色。由于比色法易受人为因素影响，且费时费力，因此，探索新的、准确的土壤颜色获取方法具有重要意义。本论文以位于江西、湖北和安徽三省交界处的皖南山区和豫章平原为研究区，采集了红壤、黄壤、紫色土和水稻土等各种类型土壤样品76个，进行了理化分析和土壤反射光谱测定;分析了土壤颜色影响因素;以光谱反射率为数据源，提取红波段(R)、绿波段(G)、蓝波段(B)的反射率值，分别采用色系转换法及偏最小二乘回归法(Partial Least Squares Regression，PLSR)预测土壤颜色，比较了2种方法的优劣;同时利用外部参数正交化方法(External Parameter Orthogonolization，EPO)进行水分影响消除，从而提出了由湿土壤光谱获取干态土壤颜色的新方法。本论文为土壤颜色信息获取提供了新的途径。主要研究结果和结论如下: (1)干土土壤颜色受铁氧化物含量、机械组成和有机质含量的影响很大。其中色调H与有机质呈显著正相关，与砂粒和Fe2O3含量呈显著负相关。V与砂粒含量呈显著负相关，与Fe2O3含量呈极显著负相关。C与有机质呈显著负相关关系，与粘粒和Fe2O3呈极显著正相关关系。H、V、C值随土壤含水量变化情况不一，红壤和黄棕壤的H受含水量影响较大，其他土壤受含水量影响较小;不同类型土壤V值受土壤含水量的影响相似，呈现指数衰减的趋势;水稻土和潮土C值呈现指数衰减的趋势，其他类型土壤的C值受土壤含水量的影响较小，随着含水量的增加，C基本保持不变。 (2)利用可见光波段的干土土壤光谱，使用PLSR方法预测干土颜色时，H、V和C预测的Rcv2分别为0.62、0.64和0.73，RPD分别为1.94、1.68和2.13，说明PLSR可以较好地预测H和V值，可以很好地预测C值，模型稳定。PLSR方法预测的RMSEcv分别为1.32、0.53和1.00，利用色系转换法预测H、V、C值的RMSE分别为2.26、1.79和1.92，可见PLSR方法误差更小，预测干土颜色精度更高;综合分析HV/C三个因子，色系转换法的颜色转换误差ΔE的平均值为7.07，PLSR的仅为1.91。因此，PLSR方法更适合于进行干土土壤颜色的预测。进行湿土土壤颜色计算时，PLSR方法无法得到湿土的颜色信息，而色系转换法可以预测湿土颜色;色系转换法预测湿土土壤颜色的ΔE平均值为5.34。因此，色系转换法更适合预测湿土的颜色。 (3)基于EPO法可以有效去除土壤水分影响，提高土壤颜色的预测精度。利用PLSR方法，进行湿土光谱预测干土土壤颜色时，H、V和C的R2的值分别为0.71、0.65和0.76，RPD分别为1.85、1.96和2.04，说明模型可以较好地预测H和V的值，可以很好地预测C值。利用EPO算法消除水分后，再用PLSR方法预测H、V和C值，R2分别为0.79、0.74和0.74，RPD分别为2.18、1.95和1.98，H和V的预测精度提高。PLSR方法预测干土颜色的RMSE分别为1.32、0.54和0.94，EPO—PLSR预测干土颜色的RMSE分别降至1.11、0.47和0.98，水分影响消除后H和V预测精度有所提高。 因此，基于土壤反射光谱，PLSR方法可以用于预测干态土壤的颜色，色系转换法更适合于预测湿土的土壤颜色。利用EPO进行水分消除后，采用PLSR可以明显提高湿土光谱预测干土颜色的精度。该方法为在野外不同水分条件下获取干态土壤颜色提供了新的途径，为进一步利用遥感和近感技术获取土壤颜色，进行颜色预测制图奠定了基础。