检索结果-南通市图书馆

土壤有机质空间分布预测与草莓种植分区施肥方案——以长丰县为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业资源与环境学报 2024年第3期41卷 585-591页

作者：杨烁楠李玉成史杨胡宏祥胡宜敏安徽大学资源与环境工程学院合肥230601 中科合肥智慧农业协同创新研究院合肥231131 中国科学院合肥物质科学研究院智能机械研究所合肥230031 安徽农业大学资源与环境学院合肥230036

为了探究土壤有机质含量及空间分布进而实行分区施肥,本研究以安徽省合肥市长丰县的草莓产业为例,利用长丰县的测土配方项目收集了1986个土壤采样点位的有机质数据,借助普通克里格(OK)、随机森林(RF)、随机森林残差克里格(RFRK)3种预测... 详细信息

为了探究土壤有机质含量及空间分布进而实行分区施肥,本研究以安徽省合肥市长丰县的草莓产业为例,利用长丰县的测土配方项目收集了1986个土壤采样点位的有机质数据,借助普通克里格(OK)、随机森林(RF)、随机森林残差克里格(RFRK)3种预测模型,结合与土壤形成相关的地形、植被等6个环境协变量,对研究区的土壤有机质空间分布进行预测,绘制空间分布图,并依据有机质含量划分施肥分区,针对各个分区提出不同的草莓施肥方案。结果表明,3种模型所预测的土壤有机质总体分布趋势基本一致,呈现北高南低的特点,有机质总体含量为8~30 g·kg^(-1)。根据土壤有机质的丰缺程度,将有机质含量为15~25 g·kg^(-1)的地区划定为中等施肥区,建议施用农家肥45.0~52.5 t·hm^(-2);有机质含量高于25 g·kg^(-1)的地区为低施肥区,建议施用农家肥37.5~45.0 t·hm^(-2);有机质含量低于15 g·kg^(-1)的地区为高施肥区,建议施用农家肥52.5~60.0 t·hm^(-2)。本研究根据预测的土壤有机质空间分布划定草莓施肥分区、制定施肥方案,为不同地区的草莓种植提供指导和参考。

关键词：草莓土壤有机质预测模型数字制图施肥方案

维普期刊数据库博看期刊

土壤有机质含量对红壤性稻田残留氮在团聚体内分布的影响

在线全文

学校读者我要写书评

暂无评论

中国土壤与肥料 2022年第12期 10-16页

作者：王静唐刚刘磊付文涛刘桃菊曾勇军陈金黄山江西农业大学作物生理生态与遗传育种教育部重点实验室江西南昌330045 江西省农业科学院土壤肥料与资源环境研究所江西南昌330200

化肥氮的残留及其分布对后季作物氮素供给和氮素损失均有重要影响。通过在田间试验中设置^(15)N标记微区,在相同施氮量(150 kg/hm^(2))条件下,明确低有机质、中有机质和高有机质红壤性稻田化肥氮的残留量及其在不同粒径土壤团聚体中的... 详细信息

化肥氮的残留及其分布对后季作物氮素供给和氮素损失均有重要影响。通过在田间试验中设置^(15)N标记微区,在相同施氮量(150 kg/hm^(2))条件下,明确低有机质、中有机质和高有机质红壤性稻田化肥氮的残留量及其在不同粒径土壤团聚体中的分布。结果表明:与低有机质土壤相比,中有机质和高有机质土壤大团聚体(0.25~2 mm)的比例较高,而粘粉粒(土壤有机质含量的提高而显著升高。在相同氮肥投入下,化肥氮在中有机质和高有机质土壤中的残留量较低有机质土壤显著增加,增幅分别为60.08%和93.93%。与低有机质土壤相比,高有机质土壤中的残留氮在大团聚体、微团聚体(0.053~0.25 mm)和粘粉粒中的含量分别显著增加了76.58%、108.32%和110.85%。土壤残留氮主要分布在大团聚体中(42.87%~46.81%)。随土壤有机质含量的升高,残留氮在大团聚中的比例有所下降,而在粘粉粒中的比例有所升高,但均未达显著水平。因此,培肥地力不仅能够提高土壤大团聚体的比例,促进土壤团粒结构的形成,还有利于土壤对残留氮的固持,从而降低红壤性稻田的氮素损失。

关键词：土壤有机质红壤稻田残留氮土壤团聚体

土壤有机质含量及其红外光谱特征对甜龙竹不同种植年限的响应

在线全文

学校读者我要写书评

暂无评论

江西农业大学学报 2022年第6期44卷 1448-1456页

作者：赵秀婷辉朝茂朱书红刘蔚漪蔡春丽张文君涂丹丹朱礼月西南林业大学林学院竹藤科学研究院/丛生竹工程技术研究中心云南昆明650224

【目的】土壤有机质是衡量土壤肥力的重要指标,是农林生态系统中植物速效养分的源泉,对生产力的高低及其稳定性有决定性作用,而有机质的分解速率与其化学结构密切相关。因此对有机质化学结构进行表征和量化估算,对充分认识有机质的转化... 详细信息

【目的】土壤有机质是衡量土壤肥力的重要指标,是农林生态系统中植物速效养分的源泉,对生产力的高低及其稳定性有决定性作用,而有机质的分解速率与其化学结构密切相关。因此对有机质化学结构进行表征和量化估算,对充分认识有机质的转化循环具有重要意义。【方法】为探究种植年限及土层深度对有机质含量及其官能团含量的影响,探讨不同种植年限下有机质结构稳定性的差异。文章以不同种植年限(5,10,20,40 a)甜龙竹林土壤为研究对象,采用傅里叶红外光谱对林下土壤有机质(SOM)结构进行表征及半定量分析。【结果】(1)随着种植年限的延长,有机质含量增加,种植年限为10、20、40 a有机质含量显著高于5 a。(2)不同种植年限有机质官能团种类一致,主要为:来源于糖类(1011+1031+1089)cm-1、芳香族(1634)cm-1、脂肪族(2858+2925)cm-1、醇酚(3445+3621+3694)cm-1,但不同种植年限下各特征峰拟合面积和相对强度差异显著,40 a比5 a的甜龙竹林土壤有机质糖类、芳香族、脂肪族化合物特征峰拟合面积分别提高58.56%、29.56%、9.50%,酚醇下降47.83%,特征峰相对强度分别提高54.37%、24.66%、8.42%,醇酚物质相对峰强度下降47.09%。(3)有机质稳定性随着种植年限的延长,0~20 cm、20~40 cm和40~60 cm 3层土壤稳定性逐渐趋于一致,说明长期种植甜龙竹有利于化学结构复杂、难分解物质积累进入深层土。【结论】甜龙竹种植年限延长有利于土壤有机质含量积累,并使有机质结构趋于芳香化、脂肪化,增加糖类化合物含量,提高有机质化学结构稳定性。

关键词：甜龙竹种植年限土壤有机质官能团红外光谱

在线全文

学校读者我要写书评

暂无评论

土壤有机质含量高光谱定量反演研究

北方园艺 2022年第16期 83-91页

作者：郑建乐张家祯刘微刘忠宽许皞王树涛河北农业大学资源与环境科学学院河北保定071000 河北大学化学与环境科学学院河北保定071000 河北省农林科学院农业资源环境研究所河北石家庄05000 河北农业大学国土资源学院河北保定071000

以太行山区北流河流域为研究对象,采用多元线性回归和随机森林回归构建土壤有机质反演模型,对表层土壤有机质含量进行反演估测,以期得出太行山区表层土壤有机质遥感定量反演的建模方式与相应技术参数。结果表明:1)Savitzky-Golay(SG)平... 详细信息

以太行山区北流河流域为研究对象,采用多元线性回归和随机森林回归构建土壤有机质反演模型,对表层土壤有机质含量进行反演估测,以期得出太行山区表层土壤有机质遥感定量反演的建模方式与相应技术参数。结果表明:1)Savitzky-Golay(SG)平滑和小波包分析等方法可以提高土壤光谱与土壤有机质含量的相关性。2)随机森林模型在反演土壤有机质含量研究中,模型精度与效果均优于多元线性回归模型,利用小波包分解得到的低频分量构建的随机森林模型在SOM含量反演中效果最好,R~2为0.812,实现了对土壤有机质的有效估算。3)影响土壤有机质含量反演模型精度的因素较多,在未来研究中需要从光谱数据源质量、光谱数据处理方式及建模方式等方面进行深入研究,进一步完善土壤有机质含量反演技术体系,提高土壤有机质含量反演精度。

关键词：高光谱遥感土壤有机质多元线性回归随机森林回归反演精度

基于无人机高光谱影像的黑土区玉米农田土壤有机质估算

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第8期43卷 2617-2626页

作者：夏晨真姜艳艳张星宇沙野崔帅米国华高强张月吉林农业大学资源与环境学院吉林长春130118 吉林省商品粮基地土壤资源可持续利用重点实验室吉林长春130118 秸秆综合利用与黑土地保护教育部重点实验室吉林长春130118 松辽水利委员会松辽流域水土保持监测中心站吉林长春130021 中国农业大学资源与环境学院北京100083

土壤有机质(SOM)作为土壤的重要组成部分,其含量高低能够反映土壤的肥力和质量状况。相较于传统SOM的测定方法,利用无人机高光谱影像可快速、精准获取田块尺度的SOM含量。为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤... 详细信息

土壤有机质(SOM)作为土壤的重要组成部分,其含量高低能够反映土壤的肥力和质量状况。相较于传统SOM的测定方法,利用无人机高光谱影像可快速、精准获取田块尺度的SOM含量。为探究基于高光谱数据建立的线性和非线性模型对作物覆盖下土壤有机质估算精度的差异,以东北黑土区的玉米试验田为研究区,分别采集了拔节期和吐丝期的土壤样本及同时期无人机高光谱影像作为数据源,分析作物覆盖条件下土壤光谱反射率与有机质含量的相关关系,并根据其响应波段构建光谱指数。以施肥量和光谱指数作为自变量,通过特征变量的筛选分别建立多元逐步线性回归模型(SMLR)、支持向量机(SVM)、随机森林(RF)和eXtreme gradient boosting(XGBoost)模型,并验证比较各模型的精度(选用R 2和RMSE为评价指标)。结果表明,作物覆盖条件下土壤有机质含量的响应波段为450~640 nm。多年长期施用化肥对SOM含量有着显著影响,将其作为协变量引入模型明显提高了对SOM的估算精度。4种模型检验精度的对比结果为:XGBoost>RF>SMLR>SVM,其中以拔节期XGBoost的估算结果最好(建模集和验证集的R 2、RMSE分别为0.516、0.253和0.590、0.222)。可以利用无人机高光谱技术快速估算田块尺度玉米农田的土壤有机质含量,且XGBoost模型是估算作物覆盖条件下土壤有机质含量的较优选择。

关键词：无人机高光谱土壤有机质多元逐步线性回归机器学习

在线全文

学校读者我要写书评

暂无评论

土壤有机质高光谱灰色模糊估测模型研究

土壤有机质高光谱灰色模糊估测模型研究

作者：于锦涛山东农业大学

学位级别：硕士

土壤有机质能促进作物的生长发育,同时也常常被用于土壤肥力的评定中。高光谱遥感技术具有分辨率高、实时快速、信息丰富等诸多优点,已被广泛应用于土壤有机质监测等领域,对发展精准农业具有重要作用。但由于影响因素的复杂性,土壤光谱... 详细信息

土壤有机质能促进作物的生长发育,同时也常常被用于土壤肥力的评定中。高光谱遥感技术具有分辨率高、实时快速、信息丰富等诸多优点,已被广泛应用于土壤有机质监测等领域,对发展精准农业具有重要作用。但由于影响因素的复杂性,土壤光谱估测中不可避免地存在三种不确定性,即随机性、模糊性和灰色性,导致估测精度不太理想。因此,本文以济南市济阳区和章丘区作为试验区,基于采集的121个沙土和褐土土壤样本数据,综合应用统计分析、模糊识别理论和灰色系统理论,建立土壤有机质高光谱灰色模糊估测模型。主要的研究内容及结论如下:(1)分析了沙土和褐土的土壤光谱特性。首先对土壤光谱曲线进行平滑去噪,在剔除6个异常样本后,利用其余的115个土壤样本分别绘制沙土和褐土的分组光谱曲线,然后进行光谱特性分析。结果表明,47个沙土和68个褐土土壤样本有机质含量的分组光谱曲线走势基本一致;随着沙土和褐土土壤有机质含量的不断增加,土壤光谱反射率总体上逐渐降低;在350nm-1350nm波段,光谱反射率曲线随波长的增加而不断上升;在1500-1800nm波段,光谱曲线总体上呈现先上升后下降的趋势,并逐渐趋于稳定;在1400nm、1900nm波段附近,受到空气中水分的影响,光谱曲线波动剧烈,存在较大的噪声干扰;在1950nm-2100nm波段,光谱曲线的上升速度较快;在2200nm-2500nm波段,光谱曲线下降明显。(2)提取并修正了土壤有机质的光谱估测因子。首先分别采用对数、倒数、平方根等多种方法进行光谱变换,依据极大相关性且波段间尽可能离散的原则选择特征因子,然后利用区间灰数的广义灰度构建估测因子修正模型。结果表明,对数倒数的一阶微分和平方根倒数的一阶微分变换的效果较好,修正后估测因子与土壤有机质之间的相关系数得到显著提高。因此选取了对数倒数的一阶微分变换在524nm、569nm、1638nm、2063nm、2107nm、2126nm波段处的变换值和平方根倒数的一阶微分变换在854nm处的变换值作为土壤有机质的光谱特征因子,其相关系数分别为0.7407、0.7006、0.6955、0.7782、0.7654、0.7687和0.7050。在对估测因子修正后,建模样本的7个光谱估测因子与土壤有机质的相关系数分别为0.8102、0.7888、0.7459、0.7175、0.8131、0.8159和0.8120。(3)建立了土壤有机质高光谱灰色模糊估测模型。首先,利用估测因子的修正模型对建模样本的估测因子进行修正,利用正反向灰色关联度计算检验样本估测因子的广义灰度并修正估测因子。其次,基于模糊综合预测模式建立一种土壤有机质灰色模糊估测模型,并通过调整模糊分类数优化估测模型;基于自反馈模糊识别方法构建另一种土壤有机质自反馈灰色模糊估测模型,并通过权重的循环迭代优化模型。最后,将灰色模糊估测模型的估测结果与多元线性回归、支持向量机、BP神经网络和随机森林等方法进行对比分析,以验证模型的有效性。结果表明,灰色模糊估测模型和自反馈灰色模糊估测模型这两种方法估测精度较高,其中20个待识别样本的决定系数R分别为0.9213和0.9408,平均相对误差分别为6.3630%和6.9717%。而多元线性回归、支持向量机、BP神经网络、随机森林这四种估测模型的平均相对误差分别为12.3947%、13.9689%、13.6411%、9.6269%,决定系数R分别为0.8102、0.7460、0.7384、0.8335。研究表明,灰色模糊估测模型能够有效地处理光谱估测中的三种不确定性,提高土壤有机质光谱估测的精度。

关键词：土壤有机质高光谱遥感估测因子广义灰度灰色模糊估测模型

基于可见/近红外光谱和数据驱动的机器学习方法测量土壤有机质和总氮

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第7期43卷 2226-2231页

作者：章海亮谢潮勇田彭詹白勺陈再良罗微刘雪梅华东交通大学电气与自动化工程学院江西南昌330013 华东交通大学土木建筑学院江西南昌330013

土壤养分直接关系到作物产量与品质状况,然而传统化学方法检测存在化学试剂消耗大、耗时费力等问题,不能满足精细农业的需求。快速获取土壤养分信息是发展精细农业、绿色农业的关键,想要了解土壤肥力状况,必须先了解有机质和总氮的含量... 详细信息

土壤养分直接关系到作物产量与品质状况,然而传统化学方法检测存在化学试剂消耗大、耗时费力等问题,不能满足精细农业的需求。快速获取土壤养分信息是发展精细农业、绿色农业的关键,想要了解土壤肥力状况,必须先了解有机质和总氮的含量状况。许多研究表明,长波近红外光谱被广泛应用于土壤检测领域,然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区,根据2×2网格法采集了深度为10~30 cm的棕壤、红壤和水稻土三种最为典型的土壤样品共180份。经过研磨、风干等处理后用四分法均匀划分为两份,用于测定样品光谱信息和理化信息。将土壤样品按照2∶1(120∶60)划分为建模集和预测集。考虑到首尾端波段噪声较大,故去除325~349和1051~1075 nm波段,将350~1050 nm波段用于光谱分析。通过连续投影算法(SPA)筛选出有机质12个特征波长点,总氮11个特征波长点,考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系,建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究,LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ^(2)。研究结果表明:(1)土壤的光谱反射率随波长增加反射率升高,反射率曲线中460、550、580、740和900 nm处有较为明显的吸收特征。(2)从PLSR模型和LS-SVM模型结果分析可知,非线性模型LS-SVM具有更好的预测精度,分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。(3)通过连续投影算法筛选的特征波长提高了模型精度,优化了模型运行效率。SPA-LS-SVM模型是所有模型中最优的预测模型,其中有机质模型的R_(pre)^(2)为0.8847,RMSE_(p)为0.1048,RPD为2.9450,总氮模型的R_(pre)^(2)为0.9018,RMSE_(p)为0.0104,RPD为3.1911。(4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量,并且达到较好的预测效果。可见/近红外光谱在土壤检测领域具有巨大潜力。

关键词：土壤有机质总氮连续投影算法偏最小二乘回归最小二乘支持向量机

在线全文

学校读者我要写书评

暂无评论

土壤有机质高光谱自反馈灰色模糊估测模型

山东农业大学学报:自然科学版 2023年第4期54卷 495-499页

作者：于锦涛李西灿曹双刘法军山东农业大学信息科学与工程学院山东泰安271018 山东省地质矿产勘查开发局第五地质大队山东泰安271000

为克服光谱估测中的不确定性和提高光谱估测精度,本文利用灰色系统理论和模糊理论建立土壤有机质高光谱估测模型。基于山东省济南市章丘区和济阳区的121个土壤样本数据,首先对土壤光谱数据进行光谱变换,根据极大相关性原则选取光谱估测... 详细信息

为克服光谱估测中的不确定性和提高光谱估测精度,本文利用灰色系统理论和模糊理论建立土壤有机质高光谱估测模型。基于山东省济南市章丘区和济阳区的121个土壤样本数据,首先对土壤光谱数据进行光谱变换,根据极大相关性原则选取光谱估测因子;然后,利用区间灰数的广义灰度对建模样本和检验样本的估测因子进行修正,以提高相关性。最后,利用模糊识别理论建立土壤有机质高光谱自反馈模糊估测模型,并通过调整模糊分类数进行模型优化。结果表明,利用区间灰数的广义灰度可有效提高土壤有机质含量与估测因子的相关性,所建估测模型精度和检验精度均显著提高,其中20个检验样本的决定系数为R^(2)=0.9408,平均相对误差为6.9717%。研究表明本文所建立的土壤有机质高光谱自反馈灰色模糊估测模型是可行有效的。

关键词：土壤有机质高光谱遥感估测模型

在线全文

学校读者我要写书评

暂无评论

重新认识土壤有机质

科学通报 2022年第10期67卷 913-923页

作者：渠晨晨任稳燕李秀秀蔡鹏陈雯莉黄巧云华中农业大学农业微生物学国家重点实验室武汉430070

以腐殖质为主要成分的土壤有机质占土壤固相组成的2%~8%,是土壤中养分元素的承载者、微生物活动的驱动者以及矿质转化的调节者,对于土壤功能的发挥起着关键作用.早在19世纪初,德国土壤学者D?bereiner[1]和Sprengel[2]就提出“humic acid... 详细信息

以腐殖质为主要成分的土壤有机质占土壤固相组成的2%~8%,是土壤中养分元素的承载者、微生物活动的驱动者以及矿质转化的调节者,对于土壤功能的发挥起着关键作用.早在19世纪初,德国土壤学者D?bereiner[1]和Sprengel[2]就提出“humic acids”概念.有学者利用碱提取和酸沉淀的方法将土壤有机质分成富里酸、胡敏酸以及高度缩合、惰性的胡敏素等不同组分[3-4].

关键词：土壤固相土壤有机质胡敏素养分元素富里酸微生物活动胡敏酸碱提取