论文部分内容阅读
土壤信息是精准农业、土壤污染治理和生态环境模拟等研究和应用的基础。土壤信息获取的传统途径为室内化学分析测试，但该方法周期长、成本高，并且有可能污染环境，难以满足现代社会对快速获取土壤属性信息及保护生态环境的需求。光谱分析技术具有速度快、成本低和实时性的优势，目前已经成为土壤信息获取的重要手段之一。然而，当前的土壤光谱建模与预测研究多集中在局部小区域范围或特定土壤类型的土壤样本。由于土壤景观类型的多样性，土壤光谱模型的推广性或普适性往往比较差，严重限制了光谱分析技术的应用潜力在土壤学上的发挥，制约了准确土壤信息的快速廉价获取。如何基于土壤光谱准确预测任意局部地区样本的土壤性质，是一个具有挑战性的问题。 鉴于此，本文从影响土壤光谱预测的主要因素（样本覆盖度、样本信噪比和建模样本等）出发，提出了一种建立区域土壤光谱库与构建建模样本集相结合的思路与方法，利用可见-近红外光谱(350～2500nm)对研究区内任意局部地区样本的土壤性质进行预测研究。以土壤碳酸钙含量为目标土壤属性，以包括新疆、甘肃、青海和内蒙古的西北干旱区为研究区，开展了以下三个方面的研究工作: (1)建立西北干旱区土壤碳酸钙光谱库:按照一定的建库流程建设光谱数据库，数据库中包含580个剖面，每个剖面有3～6个发生层土样，共测得光谱1842条，样本在地理空间、属性空间和光谱空间均具有足够大的覆盖度。 (2)探究碳酸钙含量与光谱反演效果关系:利用黑河流域土壤样本数据库，根据不同指标将黑河流域干旱土数据集划分为不同碳酸钙含量子集，采用PLSR算法对土壤碳酸钙含量进行反演，对比不同子集的建模结果，以此探究光谱反演土壤碳酸钙含量的效果与碳酸钙含量的定量关系; (3)研究建模样本集的选取方法:对同地数据集与异地数据集建模预测结果进行比较，然后根据光谱分类和光谱匹配的方法在异地数据集中挑选建模样本集，建模预测并进行精度对比，以获得基于碳酸钙-可见近红外光谱数据库的最佳建模样本集构建方法和土壤碳酸钙含量的最佳预测结果。 主要结果如下: (1)随着碳酸钙含量升高，干旱土的可见-近红外波段整体的光谱反射率也逐渐升高，该趋势在近红外波段更加明显。逐波段对土壤光谱反射率和碳酸钙含量进行相关性分析，光谱反射率与土壤碳酸钙含量成正相关。 (2)利用可见近红外光谱反演土壤碳酸钙，其反演效果与碳酸钙含量关系不大。因此在利用光谱预测土壤碳酸钙含量时不需对不同含量的碳酸钙样本进行划分。 (3)同地数据集预测土壤碳酸钙含量的精度远胜于异地数据集。同地数据集的预测R2=0.86，RPD=1.96，异地数据集的预测R2=0.72，RPD=1.41。 (4)基于光谱库光谱反射特性的光谱分类策略，极易恶化碳酸钙含量的变异和分布，导致局部模型精度的降低（R2=0.67，RPD=1.27），其预测精度不如全局模型。 (5)基于待测样本光谱特性的光谱匹配可以较好地预测土壤碳酸钙含量，其中以基于吸收谷特征参数的欧氏距离匹配建模预测效果最好(R2=0.74，RPD=1.46)。 (6)在异地数据集中随机添加同地数据可以有效提高光谱预测土壤碳酸钙的精度，吸收谷特征参数匹配结合同地数据校正，R2＞0.74，RPD＞1.5。 综上，本文提出的基于待测样本光谱特性的光谱匹配技术与同地数据相结合的思路方法，能够有效地利用区域土壤光谱数据库，对土壤碳酸钙含量的预测取得了较高的预测精度，实现了利用土壤光谱准确预测研究区内任意局部地区样本的碳酸钙含量。这有助于充分发挥光谱分析技术在土壤学中的应用潜力，同时可以推动准确土壤信息的快速廉价获取，提高对土壤、农业和生态等研究和应用的服务能力。