江汉平原农田耕层土壤高光谱优化与有机质敏感波段响应机理研究

Estimating soil organic matter based on hyperspectral remote sensing technology is not only an urgent need for the development of modern agriculture, but also the inevitable demand for the dynamic monitoring of farmland quality. Estimation accuracy loss usually occurs due to the external interference, such as temperature and humidity. Therefore, elimination external parameter interference is a scientific subject to be solved urgently in quantitative remote sensing for arable soil. Collecting the topsoil samples in Jianghan Plain, the study aims (i) to collect the hyperspectral data for the two samples of raw and organic matter removed soil by spectrometer at different setting temperature and water content gradient, (ii) to reveal the spectral characteristics difference derived from external parameters, (iii) to establish a reliable method of elimination the external parameter interference to optimize soil hyperspectral data, (iv) to determine the variation of spectral characteristics due to the removal of organic matter and its sensitive bands, (v) to construct soil organic matter retrieval model based on linear model and nonlinear model. On the strength of this project, we will not only understand the changes of soil hyperspectral data by external parameters and the underlied mechanism in response to sensitive band of soil organic matter, but provide a theoretical basis for the research and development of soil sensing and facilitate the access to soil nutrient information efficiently.

利用高光谱遥感技术估测土壤有机质含量是现代农业发展的迫切需要，也是耕地质量动态监测的必然要求。土壤高光谱数据采集易受温度、湿度等外部参数干扰，导致估测精度降低，因此，定向消除外部参数干扰是当前土壤定量遥感研究亟需解决的科学问题。本项目以江汉平原农田耕层土壤为研究对象，在实验室内人工设定不同土壤温度和含水率，利用地物光谱仪采集未去除有机质和去除有机质两种土样的高光谱数据；对比分析不同外部参数引起的土壤高光谱特征差异，建立定向消除外部参数干扰的方法，优化土壤高光谱数据；分析去除有机质导致土壤高光谱特征的变化，探明土壤有机质敏感波段；基于线性模型和非线性模型构建土壤有机质信息反演模型。本项目揭示了土壤高光谱受外部参数影响的变化规律，阐明了有机质敏感波段响应机理，为土壤近地传感器研发提供理论依据，促进土壤养分信息的快速获取等实践。

土壤有机质含量是衡量土壤肥力高低和评价耕地质量的重要指标。动态监测土壤有机质含量对于土壤肥力诊断及农业可持续发展具有重要意义。基于光谱学原理获取土壤属性参数的方法具有高效率、无污染、成本低等优点，已受到众多学者广泛关注。高光谱技术也以其光谱分辨率高、波段信息量丰富的特点在估算土壤有机质、水分等含量上表现出强大的优势，但是土壤高光谱的近红外波段是合频和倍频的吸收区域，光谱信息重叠严重；土壤含水率变化对土壤高光谱数据影响较大，这都导致土壤高光谱数据存在大量无关、冗余和干扰信息影响了土壤有机质含量的精确估算。因此，本项目通过室内设计土壤含水率梯度试验揭示了土壤高光谱反射率随含水率变化的响应规律，基于CARS算法得到443~449、1408~1456、1916~1943、2209~2225nm波段是适用于土壤含水率估算的共性波长集合，同时，发现土壤含水率变化对高光谱观测结果造成严重干扰，掩盖土壤有机质的光谱吸收特征；采用EPO和OSC算法消减土壤含水率对高光谱影响，校正后的湿土光谱数据得到的主成分得分的样本点空间分布与干土样本位于基本相同的区域，干土、湿土样本之间的光谱数据相似性很高，消减算法能够有效消除土壤含水量对土壤光谱的影响，经过“纯化”后的土壤高光谱信息估算土壤有机质的精度有所提升，表明利用消减外部参数影响后的高光谱数据可以更好地作为揭示土壤有机质高光谱响应规律的数据基础；通过设计土壤有机质去除试验探究了土壤有机质的高光谱响应规律，揭示了土壤有机质含量变化对高光谱不同波段的影响效果不同，采用UVE-CARS算法得到561~721、1920~2280nm波段是土壤有机质的敏感波段，利用该敏感波段有效提升了土壤有机质的估算精度。本项目构建了较为完整的土壤有机质高光谱估算方法体系，实现了抗外部环境干扰的土壤有机质含量精确估算，为我国开展土壤质量动态监测提供了理论依据，为研发精准农业田间传感器提供了技术支撑。

内容获取失败，请点击重试