• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      典型草地土壤包絡線光譜特征參數(shù)與植被覆蓋度相關(guān)性

      2015-03-19 13:29:54胥靜蔣平安武紅旗
      湖北農(nóng)業(yè)科學 2015年1期
      關(guān)鍵詞:高光譜

      胥靜 蔣平安 武紅旗

      摘要:對新疆8種典型草地形成的不同類型土壤進行了光譜室內(nèi)采集,以求能夠通過包絡線消除法和植被覆蓋度對不同土壤有機質(zhì)的含量高低做一個快速判斷。運用包絡線消除法提取了不同土壤的包絡線特征參量,結(jié)合地上的植被覆蓋度對有機質(zhì)含量不同的土壤與植被覆蓋度之間的關(guān)系進行了預測。結(jié)果表明,包絡線消除后所得到的特征參數(shù)中,不同土壤光譜特征值存在差異。吸收深度對吸收面積的影響不顯著,吸收峰面積可以用來描述不同土壤有機質(zhì)含量的高低。建立了吸收峰面積和植被覆蓋度之間的模擬方程,其中0~5 cm土層土壤的顯著性最高(P<0.05)。與東北黑土包絡線消除的顯著性波段范圍相比,新疆草地土壤的包絡線消除相關(guān)性達到0.6以上的波段位置發(fā)生了前移現(xiàn)象。

      關(guān)鍵詞:高光譜;土壤類型;植被覆蓋度;去包絡線

      中圖分類號:S151.9+2 文獻標識碼:A 文章編號:0439-8114(2015)01-0043-05

      草地資源作為重要的國土資源,也是有生命的可更新自然資源,具有極其重要的生態(tài)、經(jīng)濟和社會價值[1]。如何更好地保護和利用有限的草地資源顯得尤為重要。隨著人們生活水平的增加,對畜產(chǎn)品的需求在增大,這對有限的草地資源來說,過度放牧造成的草場退化使其恢復過程也將變得復雜。雖然草地土壤的退化速度要滯后于草地植被的退化,但土壤的恢復時間要遠遠超過草地植被的恢復[2]。土壤的退化主要表現(xiàn)在肥力的降低,機械組成發(fā)生變化,不保水保肥,荒漠化。衡量土壤肥力的高低指標主要還是其有機質(zhì)含量的高低。由于新疆特殊的地形地貌導致草地的類型出現(xiàn)了明顯的地帶性分布,其中既有按著降水因素出現(xiàn)的水平性地帶分布,還有海拔造成的垂直地帶性分布[3]。新疆是中國主要的牧區(qū)之一,草地資源豐富,草場載畜量較高。近年來,新疆的草地資源也不同程度地遭受了過度放牧造成的草地地力退化。草地土壤中有機質(zhì)含量的高低是評價草地資源的重要指標之一,防止草地土壤有機質(zhì)降低對于恢復草地養(yǎng)殖力,防止沙漠向綠洲的進攻有著重要的意義[4],同時,對于新疆經(jīng)濟社會的穩(wěn)定也有著不可替代的戰(zhàn)略性意義。光譜技術(shù)的運用至今已發(fā)展了30多年,在土壤領(lǐng)域取得了許多重要成果,錢育蓉等[5]對新疆典型荒漠草地的高光譜特征進行了提取和分析;BEN-DOR等[6]研究了土壤光譜反射形成的機理以及有機質(zhì)、水分、氧化鐵、母質(zhì)對土壤光譜的影響;SWAIN等[7]研究了土壤光譜特征中的參量并對其個別進行了定量分析;徐彬彬[8]對土壤剖面的反射特性進行了研究,并對南疆土壤光譜與有機質(zhì)的含量進行了早期的相關(guān)性分析;謝伯承等[9]運用包絡線消除法成功建立了光譜特征吸收面積和有機質(zhì)含量間的線性回歸方程,相關(guān)性達到0.01顯著水平。與傳統(tǒng)的土壤室內(nèi)分析方法相比較,光譜技術(shù)的運用不僅提高了試驗數(shù)據(jù)分析的效率,也降低了對環(huán)境的污染,還節(jié)約了成本。光譜技術(shù)在新疆草地群落[10]和植物營養(yǎng)元素[11]方面的研究較多,而新疆草地土壤的光譜特征報道較少。本研究在前人對有機質(zhì)含量和光譜特征參數(shù)研究的基礎(chǔ)上,通過結(jié)合光譜特征參數(shù)和植被覆蓋度兩個因子,研究二者之間的相關(guān)性。旨在通過對土壤光譜特征參數(shù)的提取與比較,對草地土壤肥力的動態(tài)變化做一個快速的粗判斷,以期為草地資源評價中判斷土壤理化性質(zhì)動態(tài)變化提供基礎(chǔ)的科學依據(jù)。

      1 材料與方法

      1.1 樣品采集

      于2012年7~8月牧草生長旺季對新疆的典型草地進行土壤采集,并用GPS定位。對于地上草本植物,選用100 m典型樣線調(diào)查法,并在樣線上設(shè)置1 m×1 m樣方。所測土壤點的分布如圖1所示(以1∶10 000 000“新疆維吾爾自治區(qū)草地類型圖”為依據(jù),以 ArcGIS 9.2為平臺制成樣點圖)。

      測試土壤樣點主要集中于新疆的西北部,少部分位于南疆昆侖山一帶(阿勒泰地區(qū)11個點,塔城地區(qū)14個點、博樂地區(qū)7個點、伊犁地區(qū)9個點、克州9個點)。對剖面點地上部分的1 m×1 m樣方拍照,并記錄地上部分主要植被。地下部分按照寬度0.6 m、長度0.8 m、深度1.0 m挖取剖面,共挖取了50個剖面。同時,每個剖面進行分層取樣,取樣深度范圍為0~30 cm,所得土壤樣本共計200個。所取土壤樣品經(jīng)自然風干、研磨并通過2 mm孔篩,采用4分法取樣裝袋用于室內(nèi)光譜測定。樣方中的土壤樣本信息見表1。

      1.2 數(shù)據(jù)測定

      光譜的測定分為野外測定和室內(nèi)測定兩種。通常室外測定容易受到天氣及其他地物的干擾,得到的數(shù)據(jù)精確度不高。相比較而言,室內(nèi)測定干擾因素少,幾何條件也較易人為控制,得到的數(shù)據(jù)準確度高,運用也較為廣泛。本試驗選擇的是光譜的室內(nèi)測定。為避免陽光等人為因素對光譜測定的干擾,選擇在暗室進行,測量人員盡量穿深色衣物將人為干擾因素降到最低。儀器室內(nèi)幾何條件設(shè)定為:光源入射角15°,探頭距離30 cm,光源距離80 cm。將處理好的樣品放入直徑為22 cm,深度為3.5 cm的塑料小盤中,用直尺將土壤表面刮平,進行光譜測量。本試驗按照以下規(guī)范[12]測量,每個土壤樣點測10條曲線,每測10~20 min進行一次白板校正。

      本試驗的儀器采用美國SVC-HR768便攜式地物光譜儀。光譜測量范圍:350~2 500 nm,通道數(shù)768(光譜帶寬350~1 000 nm 范圍內(nèi)≤3.5 nm;1 000~1 500 nm和1 000~2 100 nm 范圍≤16 nm,最小積分時間1 ms),4°視場角探頭和50 W標準光源。測量方式為手持;附帶SVC-HR768光譜降噪軟件,可對350~2 500 nm范圍內(nèi)采集的光譜數(shù)據(jù)進行集中的噪聲干擾降噪處理。然后再用9點加權(quán)移動平均法對原始光譜曲線進一步去噪聲處理。

      1.3 數(shù)據(jù)處理

      光譜的數(shù)據(jù)處理方法較多,土壤光譜數(shù)據(jù)通常是運用微分和倒數(shù)等數(shù)學方法進行建模。礦物高光譜分析中的包絡線消除法也被廣泛運用到土壤理化參數(shù)的提取,并取得了良好的效果。圖2為去包絡線示意圖[13,14]。運用ENVI軟件中自帶的處理高光譜數(shù)據(jù)模塊,它可以有效地突出光譜曲線吸收和反射特征,并將其歸一到一個一致的光譜背景上,有利于和其他光譜曲線進行特征數(shù)值比較,從而提取特征波段進行分類識別,并且能消除土壤中其他物質(zhì)的噪聲干擾,在土壤的有機質(zhì)預測中運用十分廣泛。土壤經(jīng)過去包絡線處理后,提取以下幾個特征值:①吸收深度,在歸一化的曲線的吸收谷中,即1-最小反射率的歸一化值;②吸收位置,在包絡線去除歸一化的曲線的吸收谷中,反射率最小的波長;③吸收峰總面積,定義為吸收峰面積之和[15]。endprint

      植被覆蓋度的計算是根據(jù)1 m×1 m草地樣方的照片,利用ENVI軟件的監(jiān)督分類功能,對不同草地類型下的土壤進行植被覆蓋度計算。通過前人對土壤有機質(zhì)近紅外波段的范圍,確定有機質(zhì)含量與草地覆蓋度之間的相關(guān)性。

      2 結(jié)果與分析

      2.1 不同土壤下的植被覆蓋度變化

      圖3是8種草地樣方與對應的土壤之間的植被覆蓋度關(guān)系圖。土壤是植物生長的基礎(chǔ),土壤中有機質(zhì)含量對植物的生長有一定的影響。從土壤肥力的高低來看,鹽土的有機質(zhì)含量最低,圖3中鹽土上的植被覆蓋度也是最低的。圖3中草氈土的植被覆蓋度最高,其具體的有機質(zhì)含量還需下一步對其光譜數(shù)據(jù)進一步處理來得出。其他類型土壤的覆蓋度高低從圖3上看依次是灰褐土、黑氈土、黑鈣土、灰棕漠土、棕漠土、棕鈣土;由于取土的過程是分層取樣,按照0~5 cm、5~10 cm、10~20 cm、20~30 cm總共取了4個層次的土壤,為了更加明確每層土壤中光譜特征參量與植被覆蓋度之間的關(guān)系,將上述土壤按照植被覆蓋度的50%為界限進行分組??偣卜譃閮山M,植被覆蓋度大于50%的高覆蓋度組和植被覆蓋度小于50%的低覆蓋度組。

      2.2 不同覆蓋度下的土壤包絡線消除處理

      2.2.1 高植被覆蓋度下的土壤包絡線消除 圖4是高覆蓋度的0~5 cm包絡線消除處理。圖4a是350~2 500 nm全波段下的土壤光譜包絡線消除圖。根據(jù)劉煥軍等[16]對東北黑土的有機質(zhì)預測研究表明,土壤中的有機質(zhì)對近紅外波段的吸收區(qū)域的范圍為545~1 250 nm,包絡線消除的圖像上會出現(xiàn)明顯的吸收谷現(xiàn)象。包絡線消除后反射率的最大歸一化值(等于1)。根據(jù)對半干旱區(qū)的新疆草地土壤實測后對其包絡線消除,發(fā)現(xiàn)在與前人提到的有機質(zhì)的近紅外波段有重合外,起始波段發(fā)生了前移。為了使圖像看得更加清晰,將有機質(zhì)的近紅外波段提出來單看就是圖4b。從歸一化曲線的走勢來看,4種土壤的曲線走勢大致相似,只是在曲線的弧度和波段范圍以及吸收深度上出現(xiàn)差別。

      這可能與土壤顏色的深淺有關(guān),土壤之所以會有顏色深淺的不同,主要還是因為其中有機質(zhì)含量的多少。對于半干旱的新疆來說土壤顏色大都以暗色為主,由于氣候和地理位置等主要因素形成了具有典型特點的半干旱區(qū)土壤。對于其他層次的土壤也按照上述方法進行光譜包絡線消除。根據(jù)前文提到的光譜特征參數(shù),對相應的參數(shù)按照數(shù)學方法進行提取。將歸一化總面積定義為S,S=■diΔλ,i=350 nm,…,1 000 nm;此處di為吸收深度,Δλ為波長的增量。通過對不同類型土壤有機質(zhì)近紅外波段的吸收面積,來比較不同土壤的有機質(zhì)含量高低。

      2.2.2 低覆蓋度下的土壤光譜包絡線消除處理 圖5是植被覆蓋度小于50%的0~5 cm的包絡線消除處理,對于其他層的土壤處理也按照此進行。圖5a展示的是350~2 500 nm全波段的包絡線消除圖。同樣,按照前人提到的有機質(zhì)近紅外波段進行截取,將所測土壤的有機質(zhì)近紅外波段范圍擴大,如圖5b所示。與高覆蓋度的圖4b相比,歸一化后,光譜曲線在走勢和弧度上出現(xiàn)了明顯差別。在圖5b中,各土壤之間的曲線走勢出現(xiàn)了交叉和部分重疊,而圖4b各曲線走勢較規(guī)律。

      2.3 不同類型土壤光譜特征參數(shù)比較

      利用數(shù)學統(tǒng)計方法將4種高覆蓋度土壤各個光譜特征參數(shù)的值算出,結(jié)果(表2)表明,吸收峰面積最大的是黑鈣土,最小的是灰褐土。4種土壤的有機質(zhì)近紅外波段位置是依次遞增的。吸收深度的變化不是很規(guī)律。吸收峰面積最大的黑鈣土的各個土層的吸收深度大小依次是0~5 cm、5~10 cm、20~30 cm、10~20 cm。各個土層的吸收峰面積大小依次是0~5 cm、5~10 cm、10~20 cm、20~30 cm。吸收峰面積最小的灰褐土的各個土層吸收深度是5~10 cm土層最大,20~30 cm土層次之,5~10 cm土層和10~20 cm土層較小。

      表3是4種植被覆蓋度低的土壤的光譜特征參數(shù)。從表4可以得出,在0~5 cm的土層中,吸收深度最小的是棕漠土,最大的是棕鈣土,吸收峰面積最大的是棕鈣土;5~10 cm的土層中,吸收深度最大的是棕鈣土,最小的是棕漠土,吸收峰面積最大的是棕鈣土;10~20 cm的土層中吸收深度最大的是棕鈣土,最小的是鹽土,吸收峰面積最大的是棕鈣土; 20~30 cm的土層中,吸收深度最大的是棕鈣土,吸收峰面積最大的是棕鈣土。

      4種土壤的特征波段范圍是依次遞增的。棕鈣土的各個土層吸收深度的大小依次是10~20 cm、5~10 cm、20~30 cm、0~5 cm;各個土層吸收峰面積大小依次是10~20 cm、20~30 cm、5~10 cm、0~5 cm。吸收峰面積最小的鹽土各個土層之間的吸收深度大小依次是0~5 cm、5~10 cm、10~20 cm、20~30 cm;吸收峰面積大小依次是0~5 cm、5~10 cm、10~20 cm、20~30 cm。

      2.4 吸收峰面積與植被覆蓋度之間的相關(guān)性分析

      以表2和表3中的光譜特征參數(shù)吸收峰面積為自變量,建立植被覆蓋度和土壤有機質(zhì)積分面積之間的相關(guān)性分析。所得方程如表4所示。從表4中數(shù)據(jù)關(guān)系可以看出,表層0~5 cm土壤吸收峰面積和植被覆蓋度呈顯著相關(guān)。

      3 討論

      通過對土壤光譜特證參數(shù)的提取,并對有機質(zhì)含量不同的土壤進行了光譜特征參數(shù)比較。結(jié)果表明吸收峰面積可以用來表示不同土壤有機質(zhì)含量的高低,印證了謝伯承等[9]建立的吸收峰面積與有機質(zhì)含量的線性相關(guān)性。對不同土壤之間的吸收深度比較發(fā)現(xiàn),同一種土壤的吸收深度變化差異不大。植物是土壤理化特征的指示物,對于草地土壤而言草地資源的優(yōu)良與否,植被覆蓋度在一定程度上可以作為其指示的晴雨表,具體到主要影響因素,關(guān)鍵還是土壤中有機質(zhì)積累量的動態(tài)變化。

      本研究在前人光譜研究土壤的基礎(chǔ)上,對以上兩組不同植被覆蓋度的土壤進行了光譜數(shù)據(jù)包絡線消除,得到了不同土層深度下土壤中有機質(zhì)在近紅外波段下的光譜特征值。基于每種土壤下對應的植被覆蓋度,將特征參數(shù)與植被覆蓋度之間進行相關(guān)性分析,得出以下結(jié)論:①包絡線消除后所得到的特征參數(shù)中,吸收峰面積可以用來描述不同土壤有機質(zhì)含量的高低。上述8種土壤中,吸收峰面積最大的是黑鈣土,吸收峰面積最小的土壤因土層的厚度不同而有所差異。②包絡線消除的相關(guān)系數(shù)在0.6以上的新疆草地土壤的有機質(zhì)吸收位置(380~490 nm)與東北黑土光譜特征研究[16-18]的包絡線消除出現(xiàn)的位置(545~1 250 nm)相比,發(fā)生了前移現(xiàn)象。③土層的深度對有機質(zhì)含量的高低也有一定的影響,從模擬方程來看,表層土壤的吸收峰面積和植被覆蓋度的相關(guān)性較顯著。隨者土壤深度的加深,顯著性降低。endprint

      該研究結(jié)果表明,運用光譜特征參數(shù)中的吸收峰面積和植被覆蓋度來評價不同土壤肥力的高低是可行的,尤其是草地表層土壤肥力的高低與植被覆蓋度之間的相關(guān)性較顯著。為了提高本試驗的精度和穩(wěn)定性,對于樣本的容量還需進一步擴大。

      參考文獻:

      [1] 干友民,李志丹,澤 柏,等.川西北亞高山草地不同退化梯度草地土壤養(yǎng)分變化[J].草業(yè)學報,2005,14(2):38-42.

      [2] 周 莉,李保國,周廣勝.土壤有機碳的主導影響因子及其研究進展[J].地球科學進展,2005,20(1):99-105.

      [3] 張鳳榮.土壤地理學[M].北京:中國農(nóng)業(yè)出版社,2001.

      [4] 范燕敏,武紅旗,靳瑰麗.新疆草地類型高光譜特征分析[J].草業(yè)科學,2006,23(6):15-18.

      [5] 錢育蓉,于 炯,賈振紅,等.新疆典型荒漠草地的高光譜特征提取和分析研究[J].草業(yè)學報,2013,22(1):157-166.

      [6] BEN-DOR E, BANIN A. Near infrared analysis(NIRA) as a rapid method to simultaneously evaluate,several soil properties[J]. Soil Sci Soc Am J, 1995, 59:364-372.

      [7] SWAIN P H, DAVIS S M. Remote Sensing:The Quantitative Approach[M]. New York: Mcgraw-Hill International Book Company,1978.

      [8] 徐彬彬.土壤剖面的反射光譜研究[J].土壤,2000(6):281-287.

      [9] 謝伯承,薛緒掌,劉偉東,等.基于包絡線法對土壤光譜特征的提取及分析[J].土壤學報,2005,42(1):171-175.

      [10] 楊 峰,李建龍,楊文鈺.基于線性光譜混合模型的荒漠草地覆蓋度估測[J].農(nóng)業(yè)工程學報,2012,28(7):243-247.

      [11] 王 成,趙春江,喬小軍,等.番茄營養(yǎng)元素供應的光譜檢測技術(shù)研究進展[J].農(nóng)業(yè)工程學報,2008,24(2):343-346.

      [12] 張 麗,武紅旗,蔣平安,等.北疆典型土壤反射光譜特征研究[J].水土保持學報,2013,27(1):273-276.

      [13] VAN DER MEER F. Analysis of spectral absorption features in hyperspectral imagery[J]. International Journal of Applied Earth Observation and Geoinfor-Mation,2004,5(1):55-68.

      [14] 樊 磊,趙文吉,宮兆寧,等.基于包絡線消除法的巖石光譜對應分析[J].吉林大學學報(地球科學版),2012,42(2):575-582.

      [15] 張雪紅,劉紹民,何蓓蓓,等.基于包絡線消除法的油菜氮素營養(yǎng)高光譜評價[J].農(nóng)業(yè)工程學報,2008,24(10):151-155.

      [16] 劉煥軍,宇萬太,張新樂,等.黑土反射光譜特征影響因素分析[J].光譜與光譜學分析,2009,29(11):3019-3022.

      [17] 孫建英,李民贊,唐 寧,等.東北黑土的光譜特性及其與土壤參數(shù)的相關(guān)性分析[J].光譜學與光譜分析,2007,27(8):1502-1505.

      [18] 于士凱,姚艷敏,王德營.基于高光譜的土壤有機質(zhì)含量反演研究[J].中國農(nóng)學通報,2013,29(23):146-152.endprint

      猜你喜歡
      高光譜
      高光譜技術(shù)在茶葉品種檢測中的應用
      基于BP神經(jīng)網(wǎng)絡高光譜土壤氮素信息檢測研究
      科技資訊(2017年11期)2017-06-09 12:32:12
      高光譜和LiDAR數(shù)據(jù)融合在樹種識別上的應用
      綠色科技(2017年8期)2017-05-22 14:47:06
      PCA降維和決策樹在多光譜圖像中的分類研究
      計算機時代(2017年5期)2017-05-19 12:52:00
      高光譜遙感技術(shù)在水環(huán)境監(jiān)測中的應用探討
      基于實測高光譜數(shù)據(jù)的太湖湖濱帶典型植被分
      遙感圖像分類方法的研究
      基于實測光譜的紅花葉綠素含量高光譜估算模型研究
      一種基于引導濾波和MNF的高光譜遙感圖像分類方法
      軟件導刊(2016年9期)2016-11-07 22:19:22
      吐絲期玉米倒伏后地面高光譜特征參數(shù)分析
      北海市| 岳普湖县| 山东省| 西昌市| 松原市| 保德县| 巫山县| 大方县| 阜南县| 阳江市| 苍溪县| 邮箱| 安新县| 义乌市| 英德市| 兴安县| 沙河市| 黎城县| 香河县| 平定县| 肃宁县| 克什克腾旗| 吉安县| 进贤县| 郓城县| 东至县| 乌兰察布市| 新安县| 禹州市| 宿州市| 合江县| 光山县| 嘉黎县| 靖安县| 克山县| 东明县| 富源县| 全椒县| 柯坪县| 虞城县| 茶陵县|