论文部分内容阅读
土壤中的氧化铁来自母质风化产物的再淀积,按化学方法可以分为游离氧化铁(Fed)和无定形氧化铁(Feo),土壤氧化铁含量的高低可以作为土壤系统分类中判断土壤类型的诊断指标,被认为是土壤发生和发育的函数。传统的土壤氧化铁测定方法虽然精度较高,但费时、费力,不能及时获取土壤理化性质的实时监测数据。高光谱遥感技术利用高光谱仪,可快速获得土壤的波谱信息,将室内所测化学数据与物理模型相结合建立土壤属性之间的联系,实现土壤信息的定量推算,具有快速、现势性强等传统土壤氧化铁测量方法无可比拟的优点,为了解土壤氧化铁光谱信息及其含量预测提供广阔的应用前景。本研究采集东北地区玄武质火山碎屑物发育土壤,进行了室内土壤高光谱数据的测定和氧化铁含量的化学分析,选取了Savitzky-Golay卷积平滑、一阶导数、二阶导数、标准正态变量变换、连续统去除、多元散射校正等共8种数据处理方法,采用主成分回归、偏最小二乘回归和支持向量机共3种建模方法,对其进行不同氧化铁光谱曲线特征的分析、敏感波段的提取以及预测模型的建立,建立特定区域的玄武质火山碎屑物发育土壤的氧化铁含量预测模型。主要结论如下:1、玄武质火山碎屑物发育土壤氧化铁的光谱曲线在可见光波段急剧上升,形状陡峻,近红外波段斜率变化不均匀,形成几个波折。不同形态氧化铁含量的光谱曲线反射率值的具体波段变化范围也不同,其吸收和反射特征主要集中在400~1100nm波段范围内,具体响应波段集中在420nm、480nm、910nm附近的反射峰和吸收谷,其反射峰或吸收谷的大小与氧化铁含量有关。2、基于原始光谱反射率SG卷积平滑、一阶微分、二阶微分、标准正态变量校正、连续统去除、多元散射校正处理后分别与玄武质火山碎屑物发育土壤的游离铁含量和无定形铁含量进行相关性分析,相关性均表现为显著增强,相关性最佳的处理方法是对原始光谱做多元散射校正处理。3、全谱范围内,采用主成分回归、偏最小二乘回归和支持向量机3种建模方法分别建立2种形态氧化铁含量的预测模型。在反演土壤氧化铁含量时较好的方法是多元散射校正处理和一阶导数处理,支持向量机模型为土壤氧化铁含量高光谱的最优估测模型,可以用来对土壤氧化铁含量进行估测。