天山北麓土壤有机质高光谱特征分析

随着土壤遥感科学的快速发展,光谱技术及其相关理论分析在农业生产与生态规划领域得到了广泛的应用。通过对光谱反射率进行一阶微分与倒数对数形式的变换,选取相关系数较大的波段构建基于多元逐步回归与偏最小二乘法的反演模型,得到如下基本结论:土壤光谱的一阶微分的变化,显著提高了土壤有机质含量与光谱间的敏感性;在多元逐步回归分析中,反射率一阶微分的多元回归模型的稳定性及预测精度最好;在偏最小二乘法回归分析中,反射率倒数对数模型的决定系数达到了最高的0.962,而总均方根误差为最低的1.082,其模型的稳定性及预算精度优于其他模型;总体上,偏最小二乘法回归模型的稳定性及预测精度优于多元回归模型,能够进一步满足研究区土壤有机质含量估算的实际需求。     

潜流构造湿地去除农田排水中氮的研究

对潜流构造湿地处理农业面源污水的脱氮效果进行了中试研究.研究证明潜流湿地氮去除效率和水力停留时间呈正相关关系,芦苇床的脱氮效果明显好于茭草床和空白床,名义水力停留时间大于5d时,芦苇、茭草潜流湿地脱氮效率可以达到60%以上.氮的去除满足一级推流反应动力学关系,空白床、芦苇床和茭草床的一级反应动力学常数K分别为0.14、0.26和0.20d^-.微生物的反硝化是人工湿地脱氮的主要途径,植物吸收总氮量仅占入水量的15%左右.     

接种AM真菌对玉米生长的影响及叶片全氮含量的高光谱估测

为了快速、准确测定玉米叶片中的全氮含量,实现利用高光谱遥感技术对微生物修复作用下氮元素的监测,现设接种丛枝菌根(M)和不接种菌根的对照组(CK),分别测定2个处理下叶片理化参数和光谱反射率数据,研究接种AM真菌对玉米生长的影响并采用逐步回归分析法建模反演叶片全氮含量。结果表明:接种AM真菌可提高不同叶位的叶片全氮、全磷、全钾及叶绿素含量,同时显著提高玉米的生物量和叶片含水率;不同的处理组中全氮含量对不同特征参数的相关性显著情况相同,但相关系数有所差异;2个处理均使用逐步线性回归法,以筛选出的9个极显著相关的光谱特征参数为自变量,对玉米叶片氮含量建模。其中,CK中模型决定系数R2最高可达0.8361,M组中模型的决定系数最高可达0.893,可以较好地估测玉米叶片全氮含量。     

闽江口沼泽植被地上鲜生物量与植株密度高光谱遥感估算

湿地植被地上生物量与湿地生态系统生产力、碳循环和养分循环等密切相关,是当前研究中的主要关注点之一。利用ASDFieldSpec2500 便携式地物波谱仪测定闽江口鳝鱼滩芦苇（Phragmites australis）和短叶茳芏（Cyperus malaccensis Lam. var. brevifolius Bocklr.）冠层反射光谱,同时测定其地上鲜生物量和植株密度,分析地上鲜生物量与冠层反射光谱及一阶微分光谱的相关关系,确定敏感波段,进而改进植被指数;利用回归分析法,基于各个植被指数,构建地上鲜生物量和植株密度的估算模型。结果表明,芦苇和短叶茳芏地上鲜生物量与冠层反射光谱在蓝光、红光及近红外波段相关性较高;与一阶微分光谱在蓝边、红边相关性较好;芦苇地上鲜生物量与冠层光谱和一阶微分光谱的相关系数均优于短叶茳芏。芦苇和短叶茳芏地上鲜生物量估算模型R2分别在0.408 5~0.765 和0.101 9~0.315 3 之间,估算精度相对于其他参数较高的参数主要有BNDVI、NDCI和MGBNDVI,最佳估算参数均为BNDVI;植株密度估算模型R2分别在0.093 0~0.718 和0.138 9~0.233 7 之间,估算精度相对于其他参数较高的参数主要有GBNDVI、BNDVI、MGBNDVI、NDCI 及SR, 最佳估算参数分别为GBNDVI和NDCI。一定程度上来说,利用高光谱数据估算河口芦苇和短叶茳芏地上鲜生物量和植株密度是可行的。     

闽江河口芦苇和短叶茳芏空间扩展对湿地植物-土壤系统氮分布及转运特征的影响

选取闽江河口鳝鱼滩芦苇湿地、短叶茳芏湿地及二者空间扩展过程中形成的交错带湿地为研究对象,探讨了空间扩展影响下湿地植物-土壤系统氮分布、转运特征及其影响因素.结果表明,空间扩展影响下交错带湿地土壤氮含量发生了较大改变,其全氮（TN）、铵态氮（NH₄⁺-N）含量相比芦苇湿地分别降低了15.52%和6.08%,但相比短叶茳芏湿地分别增加了20.61%和4.33%;其硝态氮（NO₃^--N）含量相比芦苇湿地及短叶茳芏湿地分别降低了5.79%和13.84%.空间扩展主要通过改变植物生态特征、土壤EC及其颗粒组成而对湿地土壤氮的空间分布产生影响.空间扩展影响下湿地植物不同器官的TN含量亦发生了明显变化.相对于空间扩展前的纯群落,空间扩展后交错带芦苇和交错带短叶茳芏各器官的TN含量均明显增加;同时,在空间扩展后的交错带群落中,短叶茳芏各器官的TN含量均高于芦苇,前者主要与交错带植被对悬浮颗粒物拦截作用增强从而导致更多养分输入有关,后者主要与交错带短叶茳芏和芦苇对氮养分吸收与转运能力的差异有关.研究发现,相较于 短叶茳芏,空间扩展过程中的芦苇无论在氮养分吸收利用还是在向地上转运氮养分方面均处于明显优势,而这可能是导致短叶茳芏生态空间逐步被芦苇占据的一个重要因素.     

滇池优势挺水植物茭草和芦苇降解过程中DOM释放特征研究

利用室内分解模拟实验,研究了滇池外海优势挺水植物茭草和芦苇(成熟期)的叶在水环境中降解过程,分析了其释放于水体中水溶性有机质(DOM)浓度和化学结构变化特征.结果表明,植物分解可造成上覆水pH值升高,茭草和芦苇分解过程中上覆水中DOM浓度的变化趋势基本一致.两种植物上覆水中水溶性有机碳(DOC)和水溶性有机氮(DON)的浓度均在8h达到最大值,水溶性有机磷(DOP)的浓度在24 h达到最大值.同时,茭草和芦苇残体内DOM释放强度和速率的变化趋势也基本一致.两种植物DOC、DON和DOP的释放强度和速率都在8 h达到最大,且8 h的释放强度、释放速率、释放比例依次为DOC>DON>DOP.另外,茭草和芦苇分解过程中DOM结构变化分析表明上覆水紫外吸收光谱中SUVA254值先升高再降低,傅里叶红外光谱中—OH特征峰消失,三维荧光光谱中类腐殖酸单位有机碳荧光强度增强.     

城市交通绿地土壤重金属含量的高光谱反演

以交通绿地区土壤Cr、Pb、Zn为研究对象,分析重金属元素与土壤光谱在一阶、二阶等微分变换下的相关性,突出特征波段,通过多元线性逐步回归(MLR)和偏最小二乘回归(PLSR)方法,建立光谱与重金属元素含量的最佳模型,并进行精度检验与模型预测。结果表明:光谱微分变换可以有效地提高土壤重金属含量与土壤光谱反射率间的相关性,土壤Cr、Pb、Zn的最大特征波段分别在1 289.41、1 408.35、1 411.9 nm;从模型稳定性和精确性来看,土壤Cr、Pb、Zn在PLSR模型中的R~2分别为0.986、0.809、0.629,依次是MLR模型的1.32、1.14、1.12倍,土壤Cr、Pb、Zn在PLSR模型中的建模RMSE均低于MLR模型,PLSR模型效果较优;与土壤Cr相比,土壤Pb、Zn的MLR和PLSR模型效果较差,这可能与人为因素影响有关。     

太湖百渎港湿地植物群落沉积物中碳、氮的空间变化研究

采用地统计学与GIS相结合的方法,以太湖百渎港湿地植被恢复区为研究区,研究湿地植物群落沉积物中有机碳、全氮和碳氮比的空间分布.结果表明:(1)研究区有机碳变化范围为1.53～63.42 g·kg-1,全氮变化范围为0.37～5.42g·kg-1,碳氮比变化范围为1.55-77.50,全氮、有机碳和碳氮比都存在空间上中等程度的变异性.(2)有机碳含量整体上最高是在沉水植物群落和芦苇群落分布区,茭草群落、荷花群落分布区次之,最低在香蒲群落分布区和对照区;全氮分布与有机碳具有一定的相似性,整体最高在芦苇群落分布区,最低在对照区.     

多光谱数据定量反演土壤营养元素含量可行性分析

运用室内光谱模拟多光谱数据,采用回归分析方法建立土壤营养元素含量预测模型,并进行验证.首先,根据光谱响应函数将实验室光谱数据重采样至多光谱传感器（TM和 ASTER）波段;然后,分别利用多元逐步回归（SMLR）和偏最小二乘回归（PLSR）方法,建立建模土壤样本实测光谱以及模拟光谱（TM和ASTER）与土壤营养元素含量间的经验模型;最后,利用检验土壤样本进行模型精度验证.与实测光谱模型相比,模拟光谱模型对土壤营养元素含量的预测精度受光谱分辨率的影响并不大.模拟光谱模型对N、P、K元素含量预测精度最高分别为0.89、0.79和 0.67.土壤N、P、K元素含量SMLR模型的入选波段分别位于2 000～2 300　nm、1 650～1 800　nm和600～800　nm波长附近范围内; 土壤N、P、K元素含量PLSR模型的系数表明,近红外（NIR）波段对总氮和总磷元素含量比可见光（VIS）波段敏感,而VIS对K元素含量预测的贡献更大.利用多光谱数据进行土壤营养元素含量的估测具有理论上的可行性;由于不同元素对不同光谱波段的响应不同,在选择多光谱遥感数据时要充分考虑传感器的波段特征.     

基于CARS算法的湖滨绿洲土壤表层有机碳估算

文章以博斯腾湖西岸湖滨绿洲为研究区,将实测的土壤有机碳含量数据与土壤高光谱数据结合,对原始光谱R进行数学变换及微分变换,应用竞争自适应重加权采样（CARS）筛选特征波段,并采用其筛选的特征波段构建BP神经网络模型估算土壤表层有机碳含量。结果表明：（1）研究区土壤表层有机碳含量范围在0.80～63.15 g/kg,平均值为17.57 g/kg,变异系数为71.48%,呈中等变异性。（2）CARS算法将建模输入波段压缩至全波段数目的2.76%以下,R、R’、1/R、(1/R)’、log(1/R)、log(1/R)’、1/log R、(1/log R)’光谱形式下筛选的特征波段,较多集中于近红外长波1 500～2 500 nm与可见光波段380～760 nm;R’’、(1/R)’’、log(1/R)’’、(1/log R)’’光谱形式下筛选的特征波段,较多集中于近红外波段760～2 500 nm。（3）二阶微分变换构建的CARS-BP估算模型精度优于一阶微分,R’’-CARS-BP估算效果最好,训练集和验证集R2分别为0.81、0.83,RPD分别为2.30、2.45,RMSE分别为5.75...