基于Vis-NIR光譜的不同水分狀態(tài)下土壤質地預測.pdf

1、土壤質地信息主要依賴于土壤物理分析方法，要獲取區(qū)域的土壤質地分布，就要進行大量的采樣和分析，速度慢，效率低，很難滿足現(xiàn)代農(nóng)業(yè)和環(huán)境管理對土壤質地信息的需求。隨著可見光近紅外光譜技術的發(fā)展，為土壤質地的快速獲取提供了新的途徑。Vis-NIR光譜應用于野外土壤質地預測時，其預測精度將受到土壤含水量的影響。
　　在實驗室條件下測定九種不同含水量狀態(tài)下土壤樣品的Vis-NIR光譜反射率，運用PLSR分別建立不同含水量狀態(tài)下土壤質地預測模型

2、，并用風干土模型交叉預測其他八種不同含水量狀態(tài)下驗證集的土壤質地，定量研究含水量對Vis-NIR光譜預測土壤質地的影響。在此基礎上探討了兩種方法，以提高不同水分狀態(tài)下土壤質地預測精度。其一是基于光譜校正的理論，通過外部參數(shù)正交法（EPO）對光譜預處理，消除土壤水分的影響，提高預測精度。另一種方法，基于分類的思想，引入垂直干旱指數(shù)（PDI）作為土壤水分指示指標，將土壤樣品按照PDI重新分組，并分別建立預測模型。主要結論如下：
　?。?/p>

3、1）當土壤在同一濕度狀態(tài)時，可以直接應用Vis-NIR光譜預測土壤質地。土壤含水量差異較大時，某一濕度范圍內(nèi)的模型不能直接用于預測其他含水量狀態(tài)下的土壤質地。結果顯示預測精度隨著預測樣本與建模樣本水分含量的差異增大而急劇增大。
　　（2）通過EPO法校正后，同一土壤樣本不同含水量下的光譜曲線波段差異明顯變小。交叉預測時，相較于未校正的原始光譜，粘粒含量取得較好預測結果；砂粒含量結果也有較大提升。但是這一方法需要有干土光譜及其標準水