顾及环境变量和样本空间依赖的滨湖农田土壤有机碳近地高光谱建模策略研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
41501444
项目类别：
青年科学基金项目
资助金额：
20.0万
负责人：
陈奕云
依托单位：
武汉大学
学科分类：
D0114.地理信息学
结题年份：
2018
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2018-12-31

项目参与者：
亢孟军；万幼；王俊杰；郭龙；石铁柱；傅征博；张扬；
关键词：
空间异质性空间相关空间回归空间自相关

项目摘要

Efficient estimation of soil organic carbon plays a vital role in the digital soil mapping, the development of soil information system and the updating of soil information. VNIR spectroscopy is an important alternative approach to estimate soil organic carbon to the conventional chemical analysis, which is convenient, efficient, and environmentally friendly. Current studies treat soil samples as chemical samples, and build non-spatial model, which neglects the spatial characteristics of soil samples. The proposed research takes the soil samples as spatial samples, and will explore the spatial variability and spatial correlation among soil spectra, soil organic carbon and the environmental variables on the basis of “soil-landscape” theory and spatial econometrics. With the knowledge acquired, we aim to propose a strategy for estimating soil organic carbon in riparian cropland of Jianghan Plain, which takes into account the environmental variables and the dependence of soil samples. With the model evaluation and the analysis of spatial structure in the error term, the proposed study could integrate the spectral and spatial information, the proximally sensed and the remotely sensed data.

面向高精度数字土壤制图的土壤有机碳高效获取方法是发展土壤信息系统、实现常态化土壤信息更新的迫切需求。基于近地高光谱数据的土壤有机碳估算模型因其便捷、高效、环保，已成为传统实验室化学分析之外土壤有机碳数据获取的重要方法。当前土壤有机碳近地高光谱估算模型多为非空间模型，视土壤样本为化学样本，忽视了土壤光谱和有机碳的空间特征。针对这一问题，本研究视土壤样本为空间样本，基于前期对滨湖地区农田土壤有机碳光谱响应特征及机理的研究，以“土壤—景观”理论和空间计量理论为基础，分析土壤有机碳、内在光谱和外部环境变量的空间变异及协同变化关系，获取建立土壤有机碳空间自回归模型所需的关键知识及参数，提出顾及环境变量和样本空间依赖的江汉平原滨湖地区农田土壤有机碳建模策略。旨在通过对不同建模策略土壤有机碳估算精度及残差空间结构的分析以及模型的优化，弥补现有研究光谱信息与空间信息割裂、近感与遥感信息未能协同的不足。

结项摘要

基于近地高光谱数据的土壤有机碳估算模型因其便捷、高效、环保，已成为传统实验室化学分析之外土壤有机碳数据获取的重要方法。当前土壤有机碳近地高光谱估算模型多为非空间模型，视土壤样本为化学样本，忽视了土壤光谱和有机碳的空间特征。针对这一问题，本研究在分析土壤有机碳、光谱等内在属性和外部变量空间变异及协同变化关系的基础上，提出了土壤有机碳近地高光谱反演的“空间化”模型框架，系统研究了顾及环境变量和样本空间依赖的土壤有机碳建模策略，并对建模策略进行了检验、优化和应用拓展。项目的开展推动了我国土壤光谱库的建设，弥补了现有研究光谱信息与空间信息割裂的不足，促进了近感与遥感信息在土壤组分估算过程中的协同。项目完成了设定的研究内容，实现了预期目标，并且在研究的广度和深度上都进行了拓展。依托项目资助，发表期刊论文17篇，包括SCI论文13篇（中科院分区1区top期刊论文2篇，2区top期刊论文3篇，普通2区期刊论文6篇），申请专利3项。项目开展期间，申请人入选了武汉大学“351人才计划”，获评珞珈青年学者，获聘武汉大学副教授、硕士生导师，当选中国土壤学会土壤遥感与信息专业委员会委员；申请人邀请了剑桥大学地理系Haining教授到武汉大学讲授《Spatial Data Analysis with Spatial Econometrics》课程，并担任课程助教，促进了地理信息领域国内外学者与学生在教学与科研方面的交流；协助培养2名博士生和4名硕士生获得学位，指导学生开展课题研究主题相关的科研实践活动，并获多项奖励。