论文部分内容阅读
土壤质地信息主要依赖于土壤物理分析方法,要获取区域的土壤质地分布,就要进行大量的采样和分析,速度慢,效率低,很难满足现代农业和环境管理对土壤质地信息的需求。随着可见光近红外光谱技术的发展,为土壤质地的快速获取提供了新的途径。Vis-NIR光谱应用于野外土壤质地预测时,其预测精度将受到土壤含水量的影响。在实验室条件下测定九种不同含水量状态下土壤样品的Vis-NIR光谱反射率,运用PLSR分别建立不同含水量状态下土壤质地预测模型,并用风干土模型交叉预测其他八种不同含水量状态下验证集的土壤质地,定量研究含水量对Vis-NIR光谱预测土壤质地的影响。在此基础上探讨了两种方法,以提高不同水分状态下土壤质地预测精度。其一是基于光谱校正的理论,通过外部参数正交法(EPO)对光谱预处理,消除土壤水分的影响,提高预测精度。另一种方法,基于分类的思想,引入垂直干旱指数(PDI)作为土壤水分指示指标,将土壤样品按照PDI重新分组,并分别建立预测模型。主要结论如下:(1)当土壤在同一湿度状态时,可以直接应用Vis-NIR光谱预测土壤质地。土壤含水量差异较大时,某一湿度范围内的模型不能直接用于预测其他含水量状态下的土壤质地。结果显示预测精度随着预测样本与建模样本水分含量的差异增大而急剧增大。(2)通过EPO法校正后,同一土壤样本不同含水量下的光谱曲线波段差异明显变小。交叉预测时,相较于未校正的原始光谱,粘粒含量取得较好预测结果;砂粒含量结果也有较大提升。但是这一方法需要有干土光谱及其标准水分含量的土壤光谱数据建立校正集。(3)在土壤水分状态未知且差异范围大的情况下,可用PDI指标代替土壤含水量指标进行分组建模。在具体应用中,可以借助卫星遥感手段,快速实时的获取野外土壤湿度状况,按照湿度状态分组建模,进行野外土壤光谱的采集及土壤质地的预测,实践指导性强。