论文部分内容阅读
可见-近红外波段的光谱能反映土壤肥力状况。与费时费力的传统测定方法相比，利用可见-近红外高光谱可以快速准确地测定土壤相关理化性质，在精准农业中拥有巨大的优势。 本研究以安徽的砂姜黑土作为研究对象，利用地物光谱仪，在室内采集了不同水分、有机质、矿物梯度的砂姜黑土的光谱曲线，分析了不同处理与对应土壤光谱反射率及其变换形式的相关关系，通过多元线性和非线性拟合建立砂姜黑土属性的最优预测模型。本文的主要结论如下: 在砂姜黑土水分光谱特征研究中，随着土壤含水量的升高，土壤的反射率(R)逐渐降低。不同土种砂姜黑土的光谱反射率与含水量间的关系是一致的。与前人研究结果略有不同的是，砂姜黑土的光谱反射率与土壤含水量总是呈负相关，而未出现土壤光谱反射率随含水量的升高而增大的现象。除去包络线(Rc)以外，其他光谱反射率变换形式，如一阶微分(R)、反射率的对数(logR)、反射率的倒数(1/R)、反射率对数的一阶微分((logR))能在一定程度上提高光谱模型的决定系数。本研究根据波长与水分的相关系数的绝对值高低来提取出敏感波段，然后通过多元线性回归从敏感波段中筛选出敏感波长，建立水分的预测模型。通过比较决定系数，发现以R的非线性和多元线性模型的决定系数都是最高的。在检验过程中，发现R建立的水分模型的预测值和实测值的拟合度最高，达到0.89，均方根误差最低，为4.6g/kg。因此，以R建立的多元线性回归方程是最优的。砂姜黑土水分敏感波长分别为:712、807、1142、1570、1850、2221nm。 在砂姜黑土有机质的光谱特性研究中，logR模型的决定系数和均方根误差表现最好。该模型不仅稳定性较高，且预测精度较好。logR模型采用的波长分别为1365、2213和2318nm，敏感波长分布在近红外和短波红外波段内。通过研究不同含量有机质的砂姜黑土光谱特征发现，土壤的光谱反射率与有机质含量并未呈较好的线性相关。有机质含量越高，光谱反射率不一定会越来越低，光谱反射率在降低到一定程度以后便不再降低。 在砂姜黑土黏土矿物的光谱特征研究中，发现反射率与黏土矿物含量关系不是较好的线性相关。在建立的黏土矿物预测模型中，蒙脱石、高岭石和水云母最优模型的建模决定系数分别为:0.95、0.91、0.86。蒙脱石、高岭石和水云母均方根误差分别为:0.93、0.95、0.97g/kg。三种黏土矿物最优模型取得了较好的预测效果。通过比较三种黏土矿物含量预测模型，发现均以log((l)/R)建立的多元线性模型表现较好。在模型中可以得到，蒙脱石的敏感波长为824、847、1908nm;高岭石的敏感波长为604、989、2209nm;水云母的敏感波长为1904、2200、2216nm。相似黏土矿物含量的模拟土样与砂姜黑土的光谱曲线趋势、特征峰分布等相差不大，所以添加黏土矿物制备模拟土样的方法是可行的。 不同土种砂姜黑土风干样品在2000nm附近的反射率从小到大的顺序如下:淤黑土、厚淤黄土、青白土、黑土。这四种风干土反射率高低主要是由有机质含量和黏粒含量等因素决定的。但也有例外，在黏粒含量几乎相同的情况下，黑土有机质含量略高于青白土，而黑土的光谱反射率明显高于青白土。这可能是部分样品土壤表面粗糙度不一致造成的。