北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

日期: 2024-06-11
浏览次数: 311
通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

摘要

土壤有机质(SOM)在全球碳循环中起着非常重要的作用,而高光谱遥感已被证明是一种快速估算SOM含量的有前景方法。然而,由于忽略了土壤物理性质的光谱响应,SOM预测模型的准确性和时空可迁移性较差。本研究旨在通过减少土壤物理性质对光谱的耦合作用来提高SOM预测模型的时空可迁移性。基于卫星高光谱图像和土壤物理变量,包括土壤湿度(SM)、土壤表面粗糙度(均方根高度,RMSH)和土壤容重(SBW),建立了基于信息解混方法的土壤光谱校正模型。选取中国东北的两个重要粮食产区作为研究区域,以验证光谱校正模型和SOM含量预测模型的性能和可迁移性。结果表明,基于四阶多项式和XG-Boost算法的土壤光谱校正具有优异的准确性和泛化能力,几乎所有波段的残余预测偏差(RPD)均超过1.4。基于XG-Boost校正光谱的SOM预测精度最 高,决定系数(R2)为0.76,均方根误差(RMSE)为5.74 g/kg,RPD为1.68。迁移后模型的预测精度、R2值、RMSE和RPD分别为0.72、6.71 g/kg和1.53。与模型直接迁移预测相比,采用基于四阶多项式和XG-Boost的土壤光谱校正模型,SOM预测结果的RMSE分别降低了57.90%和60.27%。 这种性能比较凸显了在区域尺度 SOM 预测中考虑土壤物理特性的优势。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例


Figure 1. Framework of the proposed SOM estimation model.

研究区域

试验点1位于中国东北黑龙江省黑土耕地保护区,如图2所示,面积为1095 km2。该地区属温带大陆性季风气候,年降水量为450–650 mm,降水主要集中在6–9月,占全年降水量的80%。研究区地势南高北低,西高东低,大部分地区为堆积平原。该研究区是全球仅有的四个黑土区之一,耕层深厚,土壤肥沃,含腐殖质的土层厚度为25–80 cm,适合种植玉米、大豆等作物。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图 2. 研究区域概览。(a)研究区域的地理位置;(b、c)分别为站点 1 和站点 2 的土壤采样点;(d、e)“裸土期”的土壤表面。

试验点2 位于中国吉林省黑土耕地保护区,如图 2 所示,面积为 713 km2。站点地势平坦,海拔在 189 至 237 m 之间。该区域为东部湿润山区与西部半干旱平原区的过渡地带。研究区属温带大陆性半湿润季风气候,年平均气温 4.6 ℃,年降水量 600—700 mm。该区域河流水系丰富,农业水资源相对丰富,地表土壤空间异质性强。该区域土壤主要为黑土,腐殖质层厚度为 0.6—1.0 m。试验点2的土壤类型、地表特征等环境因素与试验点1有明显差异,可以验证本研究中SOM含量预测模型的时空可迁移性。

2022 年 10 月 29 日至 30 日,共从试验点 1 采集了 104 个表层土壤样品(图 2b)。2023 年 4 月 14 日至 15 日,从试验点 2 采集了 40 个表层土壤样品(图 2c),用于测试模型的时空可迁移性。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图3. 样区内土壤样品采集与参数测量示意图。(a)象限采样示意图;(b)土壤表面点云数据测量。

研究过程

样品运回实验室后,通过称重、烘干等方法获得每个象限9个子样本的SM和SBW,并计算子样本的平均值。然后,将9个子样本混合成复合样本,在实验室内使用(ASD FieldSpec 4地物光谱仪)进行光谱测量(取十次测量的平均值)和使用重铬酸钾加热法测定SOM含量。为保证每个样品的SBW相同,将土壤样品装入一次性培养皿中进行光谱测量。对每个测量点的土壤表面点云数据进行拼接、裁剪和滤波。利用处理后的点云数据建立三维相对坐标系(图3b),提取所有点云数据的Z坐标,计算该象限的RMSH。

资源一号02D(ZY1-02D)高光谱图像数据来自中国科学院空天信息创新研究院,图像生成时间与土壤采样时间同步,所有图像的云量均小于1%。本研究选取450~1290nm、1408~1828nm和1963~2460nm波段作为光谱波段。

为了验证ZY1-02D高光谱图像的可靠性,将土壤像素光谱与土壤地面光谱进行了比较(图4)。尽管土壤像素光谱的形状与土壤地面光谱相似,但在可见光-近红外(VNIR)波段范围内存在一些噪声和平滑度较低的情况。此外,土壤像素的光谱反射率略低于实验室测量的反射率。计算了像素反射率与地面反射率之间的斯皮尔曼相关系数(SCCs)和皮尔逊相关系数(PCCs)。结果表明,大多数波长范围内的PCCs低于0.5,而在480至680nm和2000至2500nm波长范围内的SCCs基本大于0.5,表明可能存在非线性关系。为了揭示影响像素光谱的因素,比较了不同物理属性梯度下土壤反射率的差异。随着SM的增加,土壤光谱反射率显著下降,尤其是在500至1300nm和1450至1700nm波长范围内(图5)。随着SBW的增加,土壤光谱反射率的下降幅度相对较小。RMSH对土壤光谱的影响最为显著,反射率随着RMSH的增加显著下降。综上所述,SM、SBW和RMSH对光谱的耦合效应是导致两组光谱数据偏差的重要原因,严重限制了成像光谱仪对土壤“纯光谱”的获取。因此,有必要在像素光谱数据中分离土壤的物理和化学信息,以提高高光谱遥感对土壤有机质(SOM)预测的准确性。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图4. 成像光谱、实验室光谱及其相关系数。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图5. 不同物理性质土壤的光谱特征。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图6. 基于多参数估计模型的土壤物理参数与土壤像素光谱拟合的R²值。

通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中国东北地区为例

图 7. 使用试验点 1 数据建立的 XG-Boost 模型,基于 (a) 原始像素光谱、(b) 地面光谱、(c) 四阶多项式校正光谱和 (d) XG-Boost 校正光谱和站点 2 数据测量和预测的 SOM 含量的散点图。

结论

本研究利用卫星和地面高光谱数据以及土壤物理参数数据,分别基于四阶多项式和XG-Boost构建了两种土壤光谱校正模型,以缓解土壤物理性质对像素光谱的耦合效应。通过使用来自两个试验点的数据,评估了土壤光谱校正模型的性能及其对SOM预测模型精度和时空可迁移性的影响。主要结论如下:

土壤像素光谱反射率与土壤地面光谱反射率呈非线性关系。表面物理性质的差异是导致这两种光谱数据类型偏差的主要因素。RMSH对土壤像素光谱的影响最为显著,其次是SM和SBW。

四阶多项式和XG-Boost模型具有良好的土壤光谱校正精度。基于XG-Boost的土壤光谱校正模型精度更高,时空可转移性更强,因为它考虑了所有特征,持续调整树的权重,防止结果陷入局部最优。

土壤光谱校正显著缓解了土壤物理性质对土壤像素光谱的耦合效应,有效提高了SOM预测模型的准确性,更重要的是,大大增强了基于像素光谱的SOM预测模型的时空可转移性。未来,通过充分考虑更多土壤特性,可以获得更准确的SOM预测结果。本研究为预测其他区域的土壤性质参数提供了一种新的研究范式。

点击下方链接,阅读原文:

https://mp.weixin.qq.com/s/ZYmGOq5nFvFWCCkUrVmllQ



News / 相关新闻 More
2026 - 11 - 16
研究背景土壤盐碱化是影响农业生产和土地资源利用的重要因素。山西省大同盆地分布着较大面积的苏打型盐碱土,土壤中较高的CO₃²⁻和HCO₃⁻含量对作物生长造成了一定限制。如何改善盐碱土壤环境、提高土地利用效率,是当地农业生产面临的重要问题。沙土掺混能够改变土壤质地和孔隙结构,进而影响水分入渗及盐分迁移。但掺沙比例不同,对土壤水分保持和氮、磷、钾等养分分布的影响也存在差异。尤其是在促进盐分淋洗的同时,是否会加剧养分向深层迁移,仍需要进一步研究。针对这一问题,山西农业大学崔清亮老师团队以大同盆地中度盐碱土为研究对象,通过室内土柱试验和田间试验,探究沙土掺混与养分管理对土壤水盐、养分迁移及谷子生长的影响,为晋北苏打型盐碱土改良和谷子栽培提供依据。图1.土柱实验的设置。研究方法研究土壤采自山西省怀仁市中度盐碱农田,属于大同盆地苏打型盐碱土。研究分为室内土柱入渗试验和田间种植试验:室内土柱试验...
2026 - 11 - 09
研究背景土壤有机碳(SOC)是反映土壤质量、土壤肥力及生态系统碳循环的重要指标。传统湿化学测定方法虽然准确性较高,但存在耗时长、成本高、操作复杂等问题。相比之下,可见光—近红外(Vis-NIR)光谱技术具有快速、无损、低成本等优势,为SOC快速估算提供了新的技术途径。然而,光谱预测模型高度依赖大量代表性样本。在实际调查中,受采样成本及实验条件限制,往往难以获得充足的校准数据,小样本条件下模型容易出现过拟合,影响预测精度与泛化能力。针对这一问题,外部光谱数据库迁移学习和深度生成模型数据增强成为两种潜在解决途径。但不同生成模型的增强效果如何?外部光谱库能否有效改善本地模型预测性能?数据增强倍数又将如何影响模型表现?为此,山西农业大学徐占军老师团队通过构建统一实验框架,系统比较四种深度生成模型与外部土壤光谱数据库的应用效果,探索小样本条件下SOC光谱估算的有效数据增强策略。图1.研究区域概况。研...
2026 - 11 - 09
研究背景地下水是高寒地区水循环的重要组成部分,其补给过程受到冻融循环的显著调控。随着气候变暖,青藏高原冻土退化、活动层加深,土壤水分的储存与迁移条件发生变化,进而影响降水、融雪水、土壤水与地下水之间的水文联系。然而,不同冻融阶段地下水补给来源的变化及其迁移路径仍缺乏系统认识。针对这一问题,北京师范大学李小雁老师团队以青海湖流域为研究区,结合氢氧稳定同位素示踪与MixSIAR贝叶斯混合模型,定量解析不同冻融阶段地下水的补给来源,揭示冻融过程对土壤水文连通性及地下水补给路径的影响。图1.(a) QLB在青藏高原(QTP)上的位置。(b) QLB内多年冻土的时空分布;其中灰色代表季节性冻土,橙色代表多年冻土。(c) QLB的位置及采样点分布。(d) 地下水采样。(e) 降水采样。(f) 在相邻地点每月采集土壤样品。研究方法研究设计:研究区位于青藏高原东北部青海湖流域。2025年5—10月,研究团...
2026 - 11 - 02
研究背景河流和溪流是大气甲烷(CH₄)的重要来源。已有研究发现,源头河流通常具有较高的CH₄排放强度,是河流CH₄排放的重要热点。但在高海拔冰冻圈地区,这一规律是否依然适用?受低温和有机碳底物匮乏等因素影响,该区域的CH₄过程可能受到限制。与此同时,冰川融水的持续输入也可能进一步改变河流的CH₄排放特征。那么,冰川融水究竟如何影响河流CH₄排放?其背后的作用机制又是什么?针对这一问题,兰州大学高坛光老师团队以青藏高原北部黑河上游为研究区域,通过2020—2023年连续观测,系统分析了冰川补给河流与非冰川补给河流的CH₄排放特征,并进一步探讨冰川融水对河流CH₄排放的调控机制。图1. (a) 研究区域概况。(b) 在三次不同的野外考察期间,使用浮动气室法进行气体采样的现场照片。研究方法实验设计:研究以青藏高原北缘黑河上游为研究区域。2020—202年,在该研究区域上游设置25个采样点(冰川补...
【关闭窗口】【打印】
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开