文献类型：期刊文章

作　　者：姚成硕[1,2] 王昌昆[1,2] 刘杰[1,2] 郭志英[1,2] 马海艺[1,2] 袁自然[1,2] 王晓盼[1,3] 潘贤章[1,2]

YAO Cheng-shuo;WANG Chang-kun;LIU Jie;GUO Zhi-ying;MA Hai-yi;YUAN Zi-ran;WANG Xiao-pan;PAN Xian-zhang(State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,Nanjing 210008,China;College of Advanced Agricultural Sciences,Department of Agricultural Resources and Environment,University of Chinese Academy of Sciences,Beijing 100049,China;Collaborative Innovation Center of Sustainable Forestry in Southern China of Jiangsu Province,Nanjing Forestry University,Nanjing 210037,China)

机构地区：[1]中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室,江苏南京210008 [2]中国科学院大学现代农业科学学院农业资源与环境系,北京100049 [3]南京林业大学南方现代林业协同创新中心,江苏南京210037

出　　处：《光谱学与光谱分析》

基　　金：国家重点研发计划项目(2021YFD1500102);国家自然科学基金项目(42107145)资助。

年　　份：2025

卷　　号：45

期　　号：5

起止页码：1422-1431

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：三江平原是东北黑土地的重要粮食产区,自开垦以来区域耕地土壤肥力下降明显。传统化学测量方法效率低,难以满足快速精准监测需求。光谱技术具有土壤肥力预测潜力,而已有研究中较少同时针对多种土壤肥力属性,且部分土壤肥力属性的预测精度偏低。本研究以三江平原典型耕地区域——友谊农场为研究区,采用可见光-近红外光谱,结合SG(Savitzky-Golay)光谱平滑、一阶微分、标准正态变换和多元散射校正四种光谱预处理方法及竞争性自适应重加权(CARS)波段筛选算法,采用偏最小二乘回归模型同时针对有机质(SOM)、全氮(TN)、全磷(TP)和全钾(TK)四种土壤关键肥力属性进行预测,探讨光谱预测多种土壤肥力属性的潜力,并探索变量筛选在精度提升中的作用。结果表明:(1)未经变量筛选使用全波段(400~2400 nm)时,SOM和TN的预测精度较高,交叉验证R^(2)在不同光谱预处理方法间差异不大,分别介于0.85~0.89和0.86~0.89之间,TK的预测精度也相对较高,R^(2)介于0.63~0.72,而TP的预测精度较低,R^(2)介于0.08~0.34;(2)经CARS波段筛选后四种土壤肥力属性预测精度均有所提升,TP的提高幅度最大,SOM、TN、TP、TK的最优交叉验证R^(2)分别为0.97、0.96、0.82、0.92;(3)CARS变量筛选方法能够识别出SOM和TN相关特征官能团对应的波段,TN的预测同时采用其与SOM之间的关系和自身特征波段信息,TP的预测主要采用了土壤光谱信息,而TK则同时采用土壤光谱以及其与SOM和TN之间的关系。本研究证实了光谱技术在三江平原典型耕地区域同时进行多种土壤关键肥力属性预测的潜力,发现变量筛选能够显著提高不具备明显光谱特征土壤属性(TP)的预测精度,为黑土地土壤肥力快速监测提供参考。

关 键 词：三江平原 土壤肥力属性  可见光-近红外光谱  变量筛选  

分 类 号：S151.9]