基于高光谱的土壤有机碳含量估算研究

摘要

土壤有机碳库是人类可以对其施加影响的最大生物圈碳库，其储量的估算和动态变化研究是全球碳循环研究中的重要内容。与传统化学方法相比，利用可见光-近红外光谱学方法估算土壤有机碳含量具有便携快速、节约成本、非破坏性和准确度高的优势。本文利用ASD2500便携式高光谱仪在实验室内测定土壤样品反射率，研究了亚热带山地红壤的可见光.近红外光谱特征，分析土壤光谱反射特性。同时，利用多元统计分析方法，研究实验室内土样处理方式(土样粒径、土壤干燥状况)的不同对土壤有机碳含量高光谱预测模型的影响。研究表明：(1)土壤有机碳含量主要光谱响应区域为580～730 nm，与623 nm处的光谱反射率相关性最大。(2)利用偏最小二乘回归方法建立土壤有机碳含量预测模型的精度优于多元逐步回归方法。(3)实验室内对土样的不同处理会影响土壤光谱反射率估算土壤有机碳含量模型的精度，但是这种影响可以通过采取对光谱的不同处理方式以及不同的建模方法加以减弱。(4)鲜土样的土壤有机碳含量偏最小二乘回归预测模型的RPD=2.52>2.0，说明该模型可用于估算土壤有机碳含量，对野外原位土壤光谱测定估算土壤有机碳含量具有一定的参考意义。 陆地生态系统碳循环是全球碳循环的重要组成部分，土壤碳库是陆地生态系统中最大的碳储库。据估计，全球1 m深土壤的有机碳贮量约为1 500～2 00.Pg C，3 m深土壤中约为2 344 Pg C(1 Pg=1×1015g)。土壤有机碳库是全球碳库中最活跃的部分之一，任何微小的扰动变化都将影响到土壤与大气碳库之间的碳平衡。估算土壤有机碳含量时，为减弱土壤时空变异性的影响，需要大量取样，而当分析样品很多的情况下，传统化学分析方法如干烧法(Dry Combustion)和重铬酸钾氧化法，价格昂贵、耗时且容易产生化学废料。土壤的反射光谱中包含丰富的土壤信息，可以从中获得土壤质地、机械组成、有机质含量、氧化铁含量和含水量等有用信息，利用高光谱测定土壤有机碳含量具有便携快速、节约成本、非破坏性和准确度高的特点。 本研究围绕高光谱土壤信息的提取，在实验室内利用ASD2500便携式光谱仪测定土壤光谱反射率，探讨不同土样处理方式(土样粒径、土壤干燥状况)对土壤光谱反射曲线和土壤有机碳含量高光谱预测模型的影响，以及不同的数据预处理方式和建模方法对模型精度的影响。 本论文由五个部分组成，第一部分绪论主要介绍了高光谱遥感的一些基本概念和高光谱在土壤有机碳含量估算的研究情况，同时介绍了土壤有机碳的高光谱特征。第二部分为论文第一章，介绍了实验地概况和实验方法。第三部分分析了土壤反射光谱特征以及不同粒径和土壤干燥状况对光谱曲线的影响。第四部分为论文的重点部分，分析了不同粒径和土壤干燥状况对土壤有机碳含量高光谱预测模型的影响，寻求实验室条件下最佳土壤有机碳含量反演模型。第五部分为总结部分。 研究结果表明： 1)本研究中的土壤光谱曲线按照Stoner和Baumgardner的分类属于铁影响类型，按照戴昌达的分类属于陡坎型，该类土壤有机碳含量低，氧化铁含量一般较高。在可见光-近红外-短波红外波段区域土壤的光谱反射率曲线的形状可由6个折线段(400～60.nm、600～80.nm、800～1 30.nm、1 450～1 850 nm、2 050～2 120 nm和2 250～2 50.nm)和6个特征吸收点(490、700、900、1 400、1 900和2 20.nm)来大致控制。 2)土壤有机碳含量与土壤光谱反射率存在负相关关系，其中在580～730 nm波段之间相关性最好，估算土壤有机碳含量的最佳波段为623 nm。 3)土壤光谱反射率经过低阶(一阶、二阶)微分变换，提高了土壤反射率与土壤有机碳含量之间的相关性，同时挖掘出更多的可以表征土壤有机碳含量的光谱信息。短波红外区域的一些波段与土壤有机碳含量表现出较好的相关性，在估算土壤有机碳含量中具有很大潜力。 4)随着土壤粒径减小，土壤光谱在可见光-近红外-短波红外区域的整体反射率提高了，但土壤光谱的吸收特性位置没有改变，吸收峰深度随着土壤反射率的增大而减小了。 5)鲜土光谱反射率低于风干土和烘干土，而土样烘干后其光谱反射率在1 40.nm前小于风干土，1 40.nm后除了1 90.nm处的吸收峰深度小于风干土，其光谱反射率与风干土差别不明显。水分对1 90.nm处的反射率影响比1 400和2 20.nm大，说明1 90.nm光谱反射率在估算水分含量方面潜力更大。 6)不同光谱变换形式中，反射率倒数的对数(吸光率)的二阶微分的模型确定系数R2=0.856，RMSE：0.357，比其他变换形式的模型好。反射率倒数的对数的一阶微分变换的模型确定系数R2=0.808，RMSE=0.413，该模型的检验R2=0.752，大于其他变换形式，同时该模型选入波段为678和2 188 nm。综合考虑，认为反射率倒数的对数的一阶微分变换形式建立的土壤有机碳含量多元逐步回归预测模型较为理想。 7)不同粒径土样的土壤有机碳含量多元逐步回归预测模型中，土样粒径<2 mm的预测模型的稳定性与预测精度最好。 不同干燥状况土样的土壤有机碳含量多元逐步回归预测模型中，鲜土样模型精度较差，风干土样与烘干土样模型差别较小，各有优势。 8)利用偏最小二乘回归方法建立土壤有机碳含量预测模型时，不同的光谱预处理方式对模型精度有一定的影响，其中，反射率倒数的对数变换+多元散射校正(MSC)+Savitzky-Golay卷积平滑处理的模型确定系数R2=0.949，RMSE=0.213，比其他处理方式建立的模型好。多元散射校正处理建立的模型确定系数R2=0.870，RMSE=0.344，但该模型的检验R2=0.915，RPD=3.16，优于其他模型。综合考虑，认为对土壤光谱反射率进行多元散射校正后建立的土壤有机碳含量偏最小二乘回归预测模型较为理想。 9)不同粒径土样的土壤有机碳含量偏最小二乘回归预测模型中，土样粒径<0.15 mm的预测模型的各项参数优于其他4种粒径，该模型的确定系数R2=0.947，RMSE=0.218，检验R2=0.923，RPD=3.36。 不同干燥状况土样的土壤有机碳含量偏最小二乘回归预测模型中，鲜土、风干土和烘干土的预测模型的精度相差不大，烘干土模型的RPD=3.75，为3个中最大。 10)偏最小二乘回归方法在利用土壤光谱反射率建立土壤有机碳含量的预测模型方面好于多元逐步回归方法。 11)实验室内对土样的不同处理(土样粒径、土壤干燥状况)会影响利用土壤光谱反射率估算土壤有机碳含量的模型精度，但是这种影响可以通过采取对光谱的不同处理方式以及不同的建模方法加以减弱。 12)鲜土样的土壤有机碳含量偏最小二乘回归预测模型的RPD=2.52>2.0，说明该模型可用于利用鲜土光谱反射率估算土壤有机碳含量，这对于在野外条件下利用光谱直接测定土壤有机碳含量具有一定的参考意义。

目录

文摘

英文文摘

声明

绪论

1研究背景

2高光谱遥感技术基本概念

2.1高光谱遥感技术

2.2高光谱遥感技术的发展

2.3高光谱遥感技术的特点

3高光谱遥感技术在土壤有机碳含量估算的应用

4土壤有机碳的高光谱特征

4.1土壤有机碳含量与土壤光谱反射率的关系

4.2土壤有机碳光谱特征影响因素的分析

4.3实验室测量时的土样处理方式和光谱测试的几何条件

5本论文的研究目的和研究内容

第一章实验地概况及研究方法

1实验地概况

2研究方法

2.1土壤样品的采集及制备

2.2土壤有机碳含量的测定

2.3光谱分析仪器

2.4土壤光谱反射率测定

2.5不同粒径的土壤光谱反射率测定

2.6不同干燥状况的土壤光谱反射率测定

2.7数据分析软件及实验流程图

第二章土壤光谱分析

1土壤光谱反射特征分析和特征参数的提取

1.1光谱反射特征分析

1.2特征参数提取

2不同土样处理方式的土壤反射光谱特征

2.1不同粒径的土样反射光谱

2.2不同干燥状况的土样反射光谱

3讨论

3.1土壤光谱反射特性

3.2不同粒径土样光谱反射特性

3.3不同干燥状况土样光谱反射特性

第三章土壤有机碳含量高光谱预测模型及其评价

1土壤样本有机碳含量

2多元线性逐步回归分析

2.1光谱数据预处理

2.2光谱数据数学处理

2.3基于统计的单相关分析

2.4多元线性逐步回归模型的建立和评价

3偏最小二乘回归分析

3.1光谱预处理方法的选择

3.2交叉验证法和最佳主因子数的确定

3.3偏最小二乘回归模型的建立和评价

4多元逐步回归和偏最小二乘回归的比较分析

5讨论

5.1有机碳含量与光谱反射率

5.2光谱反射率变换与多元逐步回归模型

5.3光谱预处理和偏最小二乘回归模型

5.4不同粒径土样对回归模型的影响

5.5不同干燥状况土样对回归模型的影响

5.6多元逐步回归与偏最小二乘回归

第四章主要结论

1土壤光谱反射特性

2土壤有机碳含量预测模型

参考文献

攻读学位期间承担的科研任务与主要成果

致谢

个人简历