基于光谱分析的土壤游离铁预测研究①.PDFVIP

土 壤 (Soils), 2014, 46(4): 678–683 基于光谱分析的土壤游离铁预测研究① 魏昌龙1,2，赵玉国1*，邬登巍1,2，陈吉科1,2 (1 土壤与农业可持续发展国家重点实验室 (中国科学院南京土壤研究所)，南京 210008；2 中国科学院大学，北京 100049) 摘 要：土壤游离铁含量的高低可作为土壤系统分类中判断土壤类型的诊断指标，同时也对土壤风化程度具有 指示作用，并在一定程度上反映了土壤的成土环境。本研究调查了安徽宣城的 91 个土壤剖面，共 398 个土壤样品， 采集了样品在 350 ~ 2500 nm 波段的漫反射光谱数据，并对游离铁含量进行化学分析。光谱数据包括反射率(R)、反射 率一阶导数(FDR)和吸收度(Log(1/R)) 3种形式。本文采用偏最小二乘回归算法(PLSR)和反向神经网络(BPNN)建模预测 游离铁含量，并分析不同形式光谱数据的建模预测效果。结果表明：当存在游离铁20 g/kg 的样本时，传统建模方法 不能准确预测游离铁含量(R20.6，RPD1.5)，相对 R 和 Log(1/R) 两种光谱数据，以 FDR 作为自变量建模预测游离铁 含量的效果最差。 关键词：土壤光谱；游离铁；PLSR；BPNN 中图分类号：S151.9+5 土壤光谱特征主要受土壤的有机质含量、氧化铁 土壤化学成分是决定其反射光谱特征的最重要 含量、质地、含水量及母质类型等特征的影响[1]，近 因素，O、Si、Al、Fe、Ca、Na、K、Mg、Ti 等 9 红外漫反射光谱分析能较好地测定土壤中的水分、有 种元素是土壤的主体元素，其中在可见及近红外波段 机质、有机碳、质地、酸碱度及氧化铁等属性含量[2–3]。 具有光谱特征的仅有 Fe[13]。土壤光谱的电子过程主 近红外技术作为一种快速分析工具[4]，近年来，许多 要由 Fe3+和 Fe2+引起的，Fe 的未充满轨道的外层电 学者致力于研究土壤的光谱特性及其与土壤理化性 子容易受到晶体场影响，从而与周围离子作用产生电 质间的相互关系[5]，在基于可见光-近红外反射光谱 子能级跃迁。Fe3+的吸收波长位于 400、450、490、700 的土壤定量分析中，需要结合复杂统计技术分析土壤 以及 870 nm 等处；Fe2+的吸收波长则位于 430、450、 属性的光谱响应。不同的化学计量学方法已用于土壤 510、550 及 1 000 ~ 1 100 nm 等。Fe 在土壤中主要 光谱及属性的模型研究，如 Ben-Dor 等[6]运用多元回 以氧化铁(针铁矿和赤铁矿等)的形式存在。土壤在可 归分析(MRA)结合特征波段分析土壤属性，Shibusawa 见光波段的许多吸收特征都是铁氧化物引起的，并且 等[7]运用逐步多元线性回归(SMLR)分析近红外波段 铁氧化物的存在主要影响红外波段(630 ~ 690 nm)和 的土壤属性，Shepherd 等[8]运用多元自适应回归样条 近红外波段(1 150 ~ 1 300 nm)的光谱特征[14]。近年来 (MARS)建立土壤光谱数据库并预测土壤属性，Chang 一些学者针对土壤中的氧化铁做了研究，如 Ben-Dor 等[9]基于主成分回归(PCR)定量预测多个土壤理化 等[6]运用 PLSR 模型在可见光–近红外的不同波段对 性质。由于高光谱数据各波段间相关性