利用光谱反射率估算土壤理化性质

doi:10.16178/j.issn.0528-9017.20213204

浙江农业科学 ›› 2022, Vol. 63 ›› Issue (4): 839-842.DOI: 10.16178/j.issn.0528-9017.20213204

利用光谱反射率估算土壤理化性质

娄卫东^a(), 林宝刚^b, 周洪奎^a, 华水金^b, 唐旭^c^,^*(), 胡昊^a^,^*()

a 数字农业研究所,浙江省农业科学院,浙江杭州 310021
b 作物与核技术利用研究所,浙江省农业科学院,浙江杭州 310021
c 环境资源与土壤肥料研究所,浙江省农业科学院,浙江杭州 310021

收稿日期:2021-11-28 出版日期:2022-04-11 发布日期:2022-04-06
通讯作者: 唐旭,胡昊
作者简介:唐旭(1974-),男,辽宁西丰人,副研究员,博士,从事土壤养分有效性及其长期演变规律研究,E-mail: tangxuyn@126.com。
胡昊(1982—),男,浙江杭州人,副研究员,博士,从事高光谱及农业遥感研究工作,E-mail: huhao82@126.com;
娄卫东(1992—),男,山西运城人,研究实习员,硕士,从事农业遥感研究工作,E-mail: louwd@zaas.ac.cn。
基金资助:
国家自然科学基金青年项目(41907394);国家现代农业产业技术体系建设专项(CARS-12)

Received:2021-11-28 Online:2022-04-11 Published:2022-04-06

摘要/Abstract

摘要：

传统的土壤理化性质检测多为实验室化学分析方法,这种方法费时费力,而且获得的数据结果存在滞后性,不适应于土壤理化性质的快速评价和及时决策。近年来研究表明,近红外光谱技术可用于估算土壤理化性质,然而许多研究中的估算模型构建方法较为复杂,难以在实际农业生产中推广应用。本文提出了一种新型的基于土壤光谱曲线线性趋势变化的土壤理化性质估算方法。试验采集了140个土壤样本,测定其理化性质和相应光谱曲线,其中70个样本用于建模,70个样本用于模型验证。结果表明,400~1 000 nm土壤光谱曲线线性趋势参数(Slope)与土壤有机质含量(OMC)、全氮含量均呈极显著相关关系,相关系数分别为-0.808和0.637;Slope与土壤阳离子交换量(CEC)的相关性达到显著水平,与有效磷(AP)、有效钾(AK)、pH的相关性没有达到显著水平。土壤OMC光谱估算模型为OMC=-329.9 Slope+41.755,决定系数R²为0.814 9,模型较优。选取独立数据对OMC估算模型验证,发现估算OMC值与实际测量OMC接近,这表明本研究提出的基于光谱反射率Slope的方法可以估算土壤有机质含量OMC,该方法建模方法简单,容易开发成便携式产品或传感器,具有较大的应用价值。

中图分类号:

S151.9

娄卫东, 林宝刚, 周洪奎, 华水金, 唐旭, 胡昊. 利用光谱反射率估算土壤理化性质[J]. 浙江农业科学, 2022, 63(4): 839-842.

图/表 4

图1 土壤光谱测定流程及土壤光谱曲线

图2 土壤理化性质数值统计

图3 示例土壤光谱曲线及Slope、Intercept与土壤理化指标相关系数

图4 Slope与OMC的关系及OMC估算模型的验证

参考文献 30

[1]	李洁, 滑磊, 任启文, 等. 冀西北3种植被恢复类型土壤理化性质差异及肥力评价[J]. 生态环境学报, 2020, 29(8):1540-1546.
[2]	黄馨. 降香黄檀混交林土壤微生物分布及土壤肥力评价[D]. 长沙: 中南林业科技大学, 2014.
[3]	鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000.
[4]	张馨月. 不同土壤肥力下栽培管理模式对棉花产量品质和氮肥利用率的影响[D]. 南京: 南京农业大学, 2018.
[5]	武蕾. 不同土壤肥力下氮磷钾配施对枸杞生长、产量及品质的影响[D]. 兰州: 兰州大学, 2015.
[6]	齐浩. 基于高光谱的小麦钾素营养监测研究[D]. 南京: 南京农业大学, 2017.
[7]	于宏威, 王强, 刘丽, 等. 粮油品质安全高光谱成像检测技术的研究进展[J]. 光谱学与光谱分析, 2016, 36(11):3643-3650.
[8]	张宣宣. 玉米铁毒胁迫的光谱特征与叶绿素含量反演实验研究[D]. 沈阳: 东北大学, 2014.
[9]	孙宇乐, 屈忠义, 刘全明. 基于地面光谱联合SAR多源数据的农田表土氮磷监测[J]. 灌溉排水学报, 2020, 39(12):120-127.
[10]	唐永生, 陈争光. 卷积神经网络和近红外光谱的土壤pH值预测[J]. 光谱学与光谱分析, 2021, 41(3):892-897.
[11]	沈强, 张世文, 葛畅, 等. 矿业废弃地重构土壤重金属含量高光谱反演[J]. 光谱学与光谱分析, 2019, 39(4):1214-1220.
[12]	SAVVIDES A, CORSTANJE R, BAXTER S J, et al. The relationship between diffuse spectral reflectance of the soil and its cation exchange capacity is scale-dependent[J]. Geoderma, 2010, 154(3/4):353-358. DOI URL
[13]	DEMATTÊ J A M, SOUSA A A, ALVES M C, et al. Determining soil water status and other soil characteristics by spectral proximal sensing[J]. Geoderma, 2006, 135:179-195. DOI URL
[14]	SUDDUTH K A, HUMMEL J W. Soil organic matter, CEC, and moisture sensing with a portable NIR spectrophotometer[J]. Transactions of the ASAE, 1993, 36(6):1571-1582. DOI URL
[15]	罗敏强. 枣树压砂地土壤肥力评价及肥力指标空间变异规律研究[D]. 兰州: 兰州理工大学, 2019.
[16]	GRINAND C, BARTHÈS B G, BRUNET D, et al. Prediction of soil organic and inorganic carbon contents at a national scale (France) using mid-infrared reflectance spectroscopy (MIRS)[J]. European Journal of Soil Science, 2012, 63(2):141-151. DOI URL
[17]	GOMEZ C, VISCARRA ROSSEL R A, MCBRATNEY A B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy: an Australian case study[J]. Geoderma, 2008, 146(3/4):403-411. DOI URL
[18]	HE T, WANG J, LIN Z J, et al. Spectral features of soil organic matter[J]. Geo-Spatial Information Science, 2009, 12(1):33-40. DOI URL
[19]	AÏCHI H, FOUAD Y, WALTER C, et al. Regional predictions of soil organic carbon content from spectral reflectance measurements[J]. Biosystems Engineering, 2009, 104(3):442-446. DOI URL
[20]	高颖, 王延仓, 顾晓鹤, 等. 基于微分变换定量反演土壤有机质及全氮含量[J]. 江苏农业科学, 2020, 48(24):220-225.
[21]	陈昊宇, 杨光, 韩雪莹, 等. 基于连续小波变换的土壤有机质含量高光谱反演[J]. 中国农业科技导报, 2021, 23(5):132-142.
[22]	张丽. 基于中红外数据的南疆土壤有机碳定量估算模型研究[D]. 阿拉尔: 塔里木大学, 2021.
[23]	唐海涛, 孟祥添, 苏循新, 等. 基于CARS算法的不同类型土壤有机质高光谱预测[J]. 农业工程学报, 2021, 37(2):105-113.
[24]	钟亮, 郭熙, 国佳欣, 等. 基于不同卷积神经网络模型的红壤有机质高光谱估算[J]. 农业工程学报, 2021, 37(1):203-212.
[25]	林楠, 刘海琪, 杨佳佳, 等. BA-adaboost模型的黑土区土壤养分含量高光谱估测[J]. 光谱学与光谱分析, 2020, 40(12):3825-3831.
[26]	赵明松, 谢毅, 陆龙妹, 等. 基于高光谱特征指数的土壤有机质含量建模[J]. 土壤学报, 2021, 58(1):42-54.
[27]	THOMASSON J A, SUI R, COX M S, et al. Soil reflectance sensing for determining soil properties in precision agriculture[J]. Transactions of the ASAE, 2001, 44(6):1445-1453.
[28]	FRANCOS N, OGEN Y, BEN-DOR E. Spectral assessment of organic matter with different composition using reflectance spectroscopy[J]. Remote Sensing, 2021, 13(8):1549. DOI URL
[29]	WANG Y B, HUANG T, LIU J, et al. Soil pH value, organic matter and macronutrients contents prediction using optical diffuse reflectance spectroscopy[J]. Computers and Electronics in Agriculture, 2015, 111:69-77. DOI URL
[30]	CIERNIEWSKI J, KUŚNIEREK K. Influence of several size properties on soil surface reflectance[J]. QUAGEO, 2010, 29(1):13-25.

利用光谱反射率估算土壤理化性质

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 30

相关文章 13

编辑推荐

Metrics

本文评价

[1]	毛佳, 吴险平, 王宏宝, 王晓飞, 高玉侠. 南方根结线虫与土壤理化性质对不同外源物的响应[J]. 浙江农业科学, 2022, 63(3): 569-572.
[2]	姜佳敏, 王萱, 徐嘉聪, 陈天然, 朱丽东. 海岛火山茶种植区气候土壤条件对茶树生长及茶叶品质的影响[J]. 浙江农业科学, 2021, 62(4): 666-674.
[3]	伍海兵, 李峰, 梁晶. 大连市城区绿地土壤质量特征研究[J]. 浙江农业科学, 2021, 62(12): 2446-2450.
[4]	高雅迪, 胡渊渊, 吴家胜. 氮沉降对香榧林地土壤理化性状及植株性状的影响[J]. 浙江农业科学, 2020, 61(10): 2006-2008.
[5]	俞可欣, 张旭娟, 李文略, 施建军, 施渭尧. 生物降解膜在绿芦笋上的应用[J]. 浙江农业科学, 2019, 60(9): 1531-1533.
[6]	冯林, 石庆胜, 陆中华, 马美兰, 厉永强, 姜娟萍, 陈卫良, 毛碧增. 水稻冬闲田栽培元胡试验[J]. 浙江农业科学, 2019, 60(5): 825-828.
[7]	梁晋刚, 栾颖, 宋新元, 张正光. 转基因抗虫玉米CM8101对根际土壤主要理化性质和功能酶活性的影响[J]. 浙江农业科学, 2019, 60(12): 2248-2252.
[8]	邢晓鸣, 孟华兵, 吕进, 沈汉初, 蔡根林, 顾永强. 山蕗-水稻轮作模式的综合效益分析[J]. 浙江农业科学, 2019, 60(11): 2023-2025.
[9]	王婷, 黄功凯, 李豆, 吴迪. 东北地区典型林型土壤的性状特征[J]. 浙江农业科学, 2018, 59(5): 851-854.
[10]	余佳斌, 张晓强, 文锦涛, 程传策, 廖勇, 任春燕. 微生物菌剂对修文烟区植烟土壤理化性状及烤烟产质量的影响[J]. 浙江农业科学, 2018, 59(3): 382-387.
[11]	叶益孟, 刘跃钧, 葛永金, 毛根松, 李永和, 蒋燕锋, 吴永丰. 套种前胡对新造油茶林地土壤理化性质的影响[J]. 浙江农业科学, 2018, 59(1): 74-76.
[12]	谢元贵, 廖小锋, 肖玖军, 朱红苏, 董艳艳. 黔东南低中山丘陵地区典型小流域土壤理化性质研究[J]. 浙江农业科学, 2017, 58(8): 1477-1480.
[13]	周金波;金树权;姚红燕;刘桂良;王扬军. 不同土壤调理剂对黄瓜生长及土壤理化性质的影响[J]. , 2014, 1(1): 0-40.