基于控制实验的盐渍化土壤光谱特征研究

作     者：如则麦麦提·米吉提 

作者单位：新疆大学 

学位级别：硕士

导师姓名：买买提·沙吾提

授予年度：2018年

学科分类：082802[工学-农业水土工程] 08[工学] 0828[工学-农业工程] 

主      题：土壤盐渍化 高光谱 光谱分析 定量模型 

摘      要：土壤盐渍化是干旱-半干旱地区常见的土地退化形式之一,也是影响社会经济发展,限制农业可持续发展的主要的因子。因此,研究盐渍化现象的本质原因,遏制土壤进一步恶化是世界各地学者关心的研究热点之一。由于以往常用的传统方法耗时、费力、调查区域渺小等原因,无法满足研究领域的需求。随着高光谱遥感技术不断地更新,宏观实时观测潜力的不断发展,在科学研究领域中广泛的应用。由于野外光谱易受外界因素(风速、光照强度等)及土壤内在因素(粗糙度、水分、颗粒等)的影响,对土壤盐分和水分敏感波段范围的准确定位具有一定难度,野外实测光谱数据研究土壤盐分存在一定的不确定性。因此,本研究在控制条件下,配制不同程度、不同类型及不同含水量的土壤样本,隔离外部环境的影响条件下,分析水分、盐分对土壤光谱反射率的影响。本文以胃-库绿洲土壤盐渍化情况、土壤盐分离子、土壤水分、野外实测光谱数据为背景值,在控制条件下制作不同水分(总样本数为110个,水分含量为06%)、不同盐分程度(总样本数为75个,盐分程度为00 g/kg)及不同盐分成分(总样本数为240个、每个类型的样本40个,NaCI、CaCI、MgCI、NaCO、NaHC和NaSO等六种)的土壤样品。其次,在室内条件下测定土壤样品的光谱反射率,对光谱数据进行变换处理(倒数、立方根、均方根和连系统去除法等),筛选土壤盐分和土壤水分的最佳敏感波段。最终,利用偏最小二乘回归(Partial Least-Squares Regression,PLSR)、主成分回归(Principle Component Regression,PCR)回归方法建立了估算模型。本研究结果以下5点:(1)通过分析渭库绿洲野外采集的57个采样点的盐分、电导率、土壤八大离子等实验数据,发现绿洲土壤盐分含量最大的达到69.85 g/kg,最小的为0.15 g/kg,土壤盐分均值为19.48 g/kg,属于重盐渍地;土壤八大离子而言,Na和Ca离子在阳离子的所占比例为86.85%和8.90%,Cl和SO离子在阴离子的所占比例为64.59%和32.10%,可知研究区的盐渍化土壤中可溶性盐分主要离子为Na、Ca、Cl和SO;经过八大离子之间的相关性分析,发现相关性最高的是Cl和Na离子数数,其相关系数达到0.89,SO离子与Ca的相关系数为0.68,可说明阳离子和阴离子之间必定存在一定的相关关系。(2)室内外土壤光谱曲线分析发现,野外获取的光谱数据受外界因素干扰最为明显,导致无法准确提取光谱信息。对室内不同梯度土壤盐分光谱反射率分析发现,随着土壤盐分含量的增加,土壤反射率递增的规律。对于室内制备的含有六种成分(NaCI、CaCI、MgCI、NaCO、NaHC和NaSO等)的土壤盐分光谱曲线而言,土壤光谱反射率总体曲线未出现明显的差异,而吸收谷、反射峰等现出的位置具有明显的差异,主要由土壤反射率与盐分含量之间的相关性。水分对土壤光谱的影响最为明显。随着土壤含水量的增加,土壤反射率出现显著地递减。(3)对不同程度土壤盐分光谱反射率分析发现,土壤盐分的最佳波段为540nm、1390 nm、1430 nm、2010 nm、2270 nm、2350 nm、1684 nm、1921 nm、1928nm等。利用敏感波段建立的PLSR和PCR估算模型当中,用原数据二阶变换形式建立的模型的精度为最佳,模型的R和RPD值分别达到了0.811和2.72,RMSE值为2.456 g/kg。结合分析估算模型精度,发现PLSR方法优于PCR方法。(4)对于不同类型的光谱特征而言,一阶、二阶微分形式有利于体现最佳敏感波段。经过相关性分析发现,对NaCI显著敏感波段为618 nm、622 nm、627 nm、1342 nm和2260 nm;与CaCI显著敏感波段为680 nm、974 nm、1753 nm、1914nm、1922 nm等;对NaSO显著敏感波段为1048 nm、1947 nm、2080 nm,2387nm等;对MgCI显著敏感波段为537 nm、1044 nm、1517 nm、1985 nm、2196 nm等;对NaCO显著敏感波段为794 nm、1368 nm、1434 nm、2078 nm、2104 nm等;对NaHCO显著敏感波段为479 nm、812 nm、2040 nm、2176 nm、2392 nm等。对不同成分盐分含量的土壤光谱数据进行二阶微分预处理后,建立的盐分估算模型精度最佳。(5)对室内不同水分含量土壤光谱数据分析发现,随着土壤水分的增加,土壤光谱反射率出行明显的减少,表明土壤水分与光谱反射率之间存在显著的负相关。原始数据及其数学变换(一阶、二阶、对数、对数一阶、对数二阶)形式中,对水分最敏感的波段分别为1952 nm、1880 nm、1932 nm、189