CN104596943A - 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 - Google Patents

一种矿区复垦场地有毒有害元素室内光谱分层测量方法 Download PDF

Info

Publication number
CN104596943A
CN104596943A CN201410842521.1A CN201410842521A CN104596943A CN 104596943 A CN104596943 A CN 104596943A CN 201410842521 A CN201410842521 A CN 201410842521A CN 104596943 A CN104596943 A CN 104596943A
Authority
CN
China
Prior art keywords
poisonous
soil
sample
harmful element
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410842521.1A
Other languages
English (en)
Inventor
董霁红
许吉仁
卞正富
程伟
于敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201410842521.1A priority Critical patent/CN104596943A/zh
Publication of CN104596943A publication Critical patent/CN104596943A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种矿区复垦场地有毒有害元素室内光谱分层测量方法,该方法步骤包括:矿区复垦场地土壤建模样品采集、建模样品高光谱数据暗室采集、建模样品高光谱数据预处理、建模样品有毒有害元素参考值测定、有毒有害元素胁迫敏感光谱波段选择、模型的建立、模型稳定性和预测能力评价与模型应用。本发明不仅能够实现矿区复垦场地土壤的大面积快速测样,而且由于该方法的分层检测特性,可以对不同深度的矿区复垦场地土壤有毒有害元素进行室内快速测算,从而达到动态、快速、大尺度、分层测算土壤有毒有害元素的效果,为粮食生态安全评估提供有效数据。

Description

一种矿区复垦场地有毒有害元素室内光谱分层测量方法
技术领域
本发明属于光学技术与资源环境领域,具体涉及一种利用室内高光谱数据、化学计量学与计算机统计方法对矿区复垦场地有毒有害元素含量作快速分层测定的方法。
背景技术
由于矿区复垦场地充填物料来源广泛,大多数是由煤矸石、粉煤灰、生活垃圾构成。因此,在进行矿区充填复垦时,充填物料会将大量污染物带入场地,进而通过食物链危害人体安全。矿区复垦土壤是人工土壤,土壤剖面的构成包括表土、心土、底土和充填物料层等,与正常土壤剖面的构成不同。正常土壤在表土以下的有毒有害元素含量相对较小,而矿区复垦土壤由于其组成的特殊性(由前述充填物料构成),表土以下的填充层(20~60cm)的有毒有害元素有可能较高,从而构成潜在的生态风险。
传统的污染土壤的有毒有害元素监测方法一般以物理、化学和生物的方法为主。化学分析方法和物理分析方法虽然可以获得监测对象瞬时的污染信息,但需要破坏性的取样,且监测范围有限、耗资较多,费时费力;生物监测方法可以监测污染对象的长期生态效应,但由于其自身特性,需要调查的结果必须具有较高的精度和准确度,这一要求在常规的实验操作中很难达到且不具有大面积推广特性。现有的利用野外实测土壤光谱数据进行土壤有毒有害元素估测的办法由于受野外光照、温度、湿度等干扰,精度往往较低,并且利用野外便携式光谱仪进行土壤高光谱数据采集范围也仅限于表土(20cm以内),很难针对土壤不同分层的有毒有害元素进行测算。然而,有毒有害元素在土壤中能够进行垂向和横向迁移,加之我国矿区复垦土壤大部分都用于粮食种植。因此,以往的通过采集野外光谱数据后进行数据反演从而估算土壤有毒有害元素的方法难以适用于矿区复垦土壤中有毒有害元素的监测。
发明内容
本发明的目的在于提供一种矿区复垦土壤有毒有害元素室内光谱分层测量方法,该方法不仅能够实现矿区复垦土壤的大面积快速测样,而且由于其分层检测特性,可以对不同深度的矿区复垦土壤有毒有害元素进行室内快速测算,从而达到动态、快速、大尺度、分层测算土壤有毒有害元素的效果,为粮食生态安全评估提供有效数据。
本发明的目的是通过以下技术方案实现的:一种矿区复垦场地土壤有毒有害元素室内光谱分层测量方法,包括以下步骤:
    (1)矿区复垦场地土壤建模样品采集:复垦场地土壤建模样品可以根据其复垦工艺、充填材料的不同划分为多个土层,例如针对采煤塌陷地煤矿区充填复垦场地可以划分为0~20cm、20~40cm、40~60cm、60~80cm、≥80cm五个土层;依据混合土样和特殊土样的采集原则,分层取样,确定建模样品的采样单元、样点数和采样剖面,采用四分法取土,经风干、研磨、过筛后分层装样;
(2)建模高光谱数据采集:设置高光谱仪的波长范围,于暗室中利用高光谱仪分层采集土壤高光谱数据;
(3)建模样品光谱数据预处理:对采集的原始光谱数据进行背景去除、去噪声、断点修正、平滑处理、标准正态变量变换、光谱微分技术以及连续统去除处理;
(4)建模样品有毒有害元素参考值测定:按照标准分析方法分层测定建模土壤样品中有毒有害元素含量;
(5)有毒有害元素胁迫敏感光谱波段选择:将测定的建模样品有毒有害元素参考值与进行预处理和特征变化后的高光谱数据进行相关性分析,选取相关性最大的矿区复垦场地土壤有毒有害元素胁迫敏感波段;
(6)模型的建立:对于提取的特征参数,为了避免特征参数自身的相关性,采用主成分分析方法筛选出最优光谱特征参数;
(7)模型稳定性和预测能力评价:通过决定系数R2和皮尔逊相关系数p分别评价模型的稳定性以及模型的预测能力,根据实际生产中的误差要求,对模型进行校正;
(8)模型应用:按照步骤(2)和(3)采集高光谱数据并进行预处理,用经验证的校正模型对矿区复垦场地土壤有毒有害元素进行定量分层检测。
优选的,所述步骤(2)中波长范围为350~2500nm。
优选的,所述步骤(5)中相关性分析采用单波段统计分析或多元统计分析。所述的单波段统计分析为原始光谱单波段分析、连续统去除后单波段分析和标准正态变量变换后单波段分析中的一种。所述的多元统计分析为多元线性回归、偏最小二乘回归、最小二乘-支持向量机回归及人工神经网络方法中的一种或几种。
本发明的工作原理:
本发明涉及到模型建立、使用及维护,另外,还涉及到软硬件设施,包括高光谱仪、样品池、化学计量学软件、光谱分析软件、数据统计软件、计算机等。反射光谱特征是地物的基本特征之一,利用高光谱数据、化学计量学与地图制图学分层测定矿区复垦土壤有毒有害元素含量。
本发明首先采集并制备矿区复垦场地土壤建模样品,然后再将建模样品进行高光谱数据采集得到一系列原始数据,再通过建模样品高光谱数据的四种预处理得到一系列由原始数据转换过来的四种处理数据;同时将建模样品通过传统的化学实验方法得到一系列参考值;再将该参考值与上述四种处理数据做相关性分析,分别得到了附图3、附图4、附图5和附图6;然后从这四副关系图中作出有毒有害元素胁迫敏感光谱波段选择,选择具有显著相关的矿区复垦场地有毒有害元素胁迫敏感波段作为相关因子来建立模型,并对模型的稳定性、预测能力做出评价,最后实施模型的应用与验证。
本发明的有益效果是:与以物理、化学和生物方法为主的传统方法来测定矿区复垦场地土壤有毒有害元素相比,本发明具有节约成本、省时、快速、动态的优势;与一般的利用野外实测土壤光谱数据进行土壤有毒有害元素估测的办法相比较具有精度更高、监测更具有针对性的优势,能够测定不同分层的矿区复垦场地土壤的有毒有害元素。通过该技术,可以高效、动态、具有针对性的测算矿区复垦场地土壤有毒有害元素,为土壤污染治理、粮食安全保障提供有效数据。
附图说明
图1是本发明的方法流程图;
图2是矿区复垦场地中所有样点的表层土壤原始高光谱平均曲线图;
图3是矿区复垦场地表层土壤中镉含量与经过平滑处理后的光谱反射率之间的关系图;
图4是矿区复垦场地表层土壤中镉含量与经过连续统去除后的光谱反射率之间的关系图;
图5是矿区复垦场地表层土壤中镉含量与经过一阶导数变换后的光谱反射率之间的关系图;
图6是矿区复垦场地表层土壤中镉含量与经过倒数的对数变换后的光谱反射率之间的关系图。
具体实施方式
下面结合实施例和附图对本发明作进一步描述。
    (1)样品采集与制备:依据混合土样和特殊土样的采集原则,确定建模样品的采样单元、样点数和采样剖面。本实例中选取矿区复垦场地中20个样点的表层土壤(0~20cm),将采集的土样混匀后用四分法缩分至约100g。缩分后的土样经自然风干,并除去土样中石子和动植物残体等异物,经玛瑙棒碾压通过2mm尼龙筛(除去2mm以上的砂砾)后混匀。再用玛瑙研钵将通过2mm尼龙筛的土样研磨至全部通过100目(孔径0.149mm)的尼龙筛,混匀后备用。
    (2)高光谱数据暗室采集:土壤反射光谱采集采用的是美国分析光谱设备(ASD)公司生产的FieldSpec 3型光谱仪(不仅限于本仪器),可以获取350~2500nm 波长范围内地物光谱曲线,在350~1000nm波长范围内光谱分辨率为3nm,采样间隔为1.4nm,在1000~2500nm波长范围内光谱分辨率为10nm,采样间隔为2nm。光谱采集于暗室内进行,样本分别放置于直径12 cm、深118 cm的盛样皿内。光源是功率为1000 W的卤素灯,距土壤样品表面100 cm,天顶角30°,提供到与样本几乎平行的光线,用于减小粗糙度造成阴影的影响。采用8°视场角的传感器探头置于离样本表面15 cm的垂直上方。测试之前先去除辐射强度中暗电流的影响,然后以白板进行定标。每个样本采集10条光谱曲线,算术平均后得到该土样的实际反射光谱数据。
    (3)高光谱数据预处理:对采集的矿区复垦场地表层土壤原始光谱数据进行背景去除、去噪声、断点修正、平滑处理、一阶导数变换、倒数的对数、以及连续统去除处理。
(4)参考值测定:采集的矿区复垦表层土壤中镉含量参考值经过样品风干、样品制备、酸化消煮、样品检测,采用电感耦合等离子体质谱(ICP-MS)仪器检测得到。测试得到的参考值如表1所示。
表1 矿区复垦场地表层土壤镉含量
样点号 1 2 3 4 5 6 7
土壤镉含量(mg/kg) 0.3322 0.3043 0.3155 0.4061 0.2857 0.3065 0.2490
样点号 8 9 10 11 12 13 14
土壤镉含量(mg/kg) 0.3836 0.5096 0.3610 0.4041 0.3815 0.3610 0.3220
样点号 15 16 17 18 19 20  
土壤镉含量(mg/kg) 0.4037 0.2267 0.3452 0.3189 0.2827 0.3682  
    (5)镉元素胁迫敏感光谱波段选择:将测定的采集的矿区复垦场地表层土壤样品中镉含量参考值与进行预处理和特征变化后的高光谱数据进行相关性分析,选取相关性最大的镉胁迫敏感波段。经过筛选比较,选择包络线去除变换后的波段670nm、786nm、969nm、1703nm、2253nm、2459nm和一阶微分变换后的波段398nm 、961nm、1143nm、1829nm、2387nm和2475nm共12个波段为土壤镉污染胁迫敏感光谱波段(见表2)。其中FD代表一阶导数变换,CR代表包络线去除。
表2 土壤镉污染胁迫敏感光谱波段 
波段(nm) 398 670 786 961 969 1143
相关系数 0.775 -0.747 -0.763 -0.812 -0.716 -0.8
光谱变换方法 FD CR CR FD CR FD
波段(nm) 1703 1829 2253 2387 2459 2475
相关系数 0.826 0.785 0.823 -0.809 0.817 0.780
光谱变换方法 CR FD CR FD CR FD
    (6)模型的建立与验证:选择具有显著相关的矿区复垦场地表层土壤镉污染胁迫敏感波段作为相关因子,选择前14个样点数据作为训练数据,其余6份样本数据为测试数据。支持向量机分类中选择径向基核函数,惩罚参数C和核函数中的 gamma 函数设置参数g通过交叉验证法获得,并利用交叉验证的最小均方误差(the least mean square error,LMSE)作为C和g的选取标准。经过交叉验证,当惩罚参数C为0.0884,核函数参数g为0.2500时,对应的MSE达到最小值为0.0033。将选取的14个土壤样本的光谱变换值及其所对应的镉含量作为输入向量建立估测模型,并且将其余6个样本作为测试样本。经计算,利用支持向量机回归模型进行矿区复垦农田土壤镉含量的估测效果较好,实测值与估测值的相关系数R2为0.947,p<0.001,二者显著相关。
本实施例验证了室内高光谱数据能够快速准确地测定矿区复垦场地表层土壤中的有毒有害元素含量。另外,通过室内高光谱数据能够快速准确地测定的矿区复垦场地土壤层级不限于表层土壤,所能测定的有毒有害元素不限于镉。

Claims (5)

1.一种矿区复垦场地有毒有害元素室内光谱分层测量方法,其特征在于,包括以下步骤:
(1)矿区复垦场地土壤建模样品采集:复垦场地土壤建模样品可以根据其复垦工艺、充填材料的不同划分为多个土层,针对采煤塌陷地煤矿区充填复垦场地可以划分为0~20cm、20~40cm、40~60cm、60~80cm、≥80cm五个土层;依据混合土样和特殊土样的采集原则,分层取样,确定建模样品的采样单元、样点数和采样剖面,采用四分法取土,经风干、研磨、过筛后分层装样;
(2)建模样品高光谱数据采集:设置高光谱仪的波长范围,于暗室中分层采集土壤高光谱数据;
(3)建模样品光谱数据预处理:对采集的原始光谱数据进行背景去除、去噪声、断点修正、平滑处理、标准正态变量变换、光谱微分技术以及连续统去除处理;
(4)建模样品有毒有害元素参考值测定:按照标准分析方法分层测定建模土壤样品中有毒有害元素含量;
(5)有毒有害元素胁迫敏感光谱波段选择:将测定的建模样品有毒有害元素参考值与进行预处理和特征变化后的高光谱数据进行相关性分析,选取相关性最大的矿区复垦场地土壤有毒有害元素胁迫敏感波段;
(6)模型的建立:对于提取的特征参数,为了避免特征参数自身的相关性,采用主成分分析方法筛选出最优光谱特征参数;
(7)模型稳定性和预测能力评价:通过决定系数R2和皮尔逊相关系数p分别评价模型的稳定性以及模型的预测能力,根据实际生产中的误差要求,对模型进行校正;
(8)模型应用:按照步骤(2)和(3)采集高光谱数据并进行预处理,用经验证的校正模型对矿区复垦场地土壤有毒有害元素进行定量分层检测。
2.根据权利要求1所述的测量方法,其特征在于,所述步骤(2)中波长范围为350~2500nm。
3.根据权利要求1所述的测量方法,其特征在于,所述步骤(5)中相关性分析采用单波段统计分析或多元统计分析。
4.根据权利要求3所述的测量方法,其特征在于,所述的单波段统计分析为原始光谱单波段分析、连续统去除后单波段分析和标准正态变量变换后单波段分析中的一种。
5.根据权利要求3所述的测量方法,其特征在于,所述的多元统计分析为多元线性回归、偏最小二乘回归、最小二乘-支持向量机回归及人工神经网络方法中的一种或几种。
CN201410842521.1A 2014-12-30 2014-12-30 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 Pending CN104596943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410842521.1A CN104596943A (zh) 2014-12-30 2014-12-30 一种矿区复垦场地有毒有害元素室内光谱分层测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410842521.1A CN104596943A (zh) 2014-12-30 2014-12-30 一种矿区复垦场地有毒有害元素室内光谱分层测量方法

Publications (1)

Publication Number Publication Date
CN104596943A true CN104596943A (zh) 2015-05-06

Family

ID=53122864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410842521.1A Pending CN104596943A (zh) 2014-12-30 2014-12-30 一种矿区复垦场地有毒有害元素室内光谱分层测量方法

Country Status (1)

Country Link
CN (1) CN104596943A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105092436A (zh) * 2015-07-31 2015-11-25 中国石油天然气股份有限公司 一种沉积物粒度光谱分析方法及装置
CN106568737A (zh) * 2016-10-28 2017-04-19 核工业北京地质研究院 一种地面成像高光谱反演钾盐含量的方法
CN107576621A (zh) * 2017-10-24 2018-01-12 中国矿业大学(北京) 一种光谱二阶差分Gabor展开检测土壤铜污染的方法
CN109738380A (zh) * 2019-01-25 2019-05-10 西北农林科技大学 一种土壤盐渍化程度的高光谱遥感判断方法
CN111982838A (zh) * 2020-08-25 2020-11-24 吉林大学 一种基于高光谱的煤岩识别检测方法
CN115144350A (zh) * 2022-09-06 2022-10-04 中国科学院地理科学与资源研究所 基于高光谱相似像元比对的场地烃类污染判识方法及系统
CN116681407A (zh) * 2023-07-20 2023-09-01 华夏天信物联科技有限公司 基于煤矿开采的工业物联网平台

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004294394A (ja) * 2003-03-28 2004-10-21 Maezawa Ind Inc 土壌・地下水の汚染源の調査方法及び該調査方法に使用する供試部材
CN102680659A (zh) * 2011-03-11 2012-09-19 河北农业大学 尾矿矿区土壤成分的测定方法
CN102798597A (zh) * 2012-08-13 2012-11-28 浙江大学 一种土壤总含氮量检测装置以及方法
CN103544550A (zh) * 2013-11-08 2014-01-29 湖南科技大学 一种金属矿区土-水界面重金属污染负荷的预测方法
CN104062255A (zh) * 2014-06-04 2014-09-24 北京农业智能装备技术研究中心 基于样品盒法的土壤重金属含量的检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004294394A (ja) * 2003-03-28 2004-10-21 Maezawa Ind Inc 土壌・地下水の汚染源の調査方法及び該調査方法に使用する供試部材
CN102680659A (zh) * 2011-03-11 2012-09-19 河北农业大学 尾矿矿区土壤成分的测定方法
CN102798597A (zh) * 2012-08-13 2012-11-28 浙江大学 一种土壤总含氮量检测装置以及方法
CN103544550A (zh) * 2013-11-08 2014-01-29 湖南科技大学 一种金属矿区土-水界面重金属污染负荷的预测方法
CN104062255A (zh) * 2014-06-04 2014-09-24 北京农业智能装备技术研究中心 基于样品盒法的土壤重金属含量的检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐良骥 等: "煤矸石充填复垦地理化特性与重金属分布特征", 《农业工程学报》 *
朱述龙 等: "《遥感图像处理与应用》", 28 February 2006, 科学出版社 *
许吉仁 等: "基于支持向量机的矿区复垦农田土壤-小麦镉含量高光谱估算", 《光子学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105092436A (zh) * 2015-07-31 2015-11-25 中国石油天然气股份有限公司 一种沉积物粒度光谱分析方法及装置
CN105092436B (zh) * 2015-07-31 2018-01-05 中国石油天然气股份有限公司 一种沉积物粒度光谱分析方法及装置
CN106568737A (zh) * 2016-10-28 2017-04-19 核工业北京地质研究院 一种地面成像高光谱反演钾盐含量的方法
CN106568737B (zh) * 2016-10-28 2019-10-22 核工业北京地质研究院 一种地面成像高光谱反演钾盐含量的方法
CN107576621A (zh) * 2017-10-24 2018-01-12 中国矿业大学(北京) 一种光谱二阶差分Gabor展开检测土壤铜污染的方法
CN109738380A (zh) * 2019-01-25 2019-05-10 西北农林科技大学 一种土壤盐渍化程度的高光谱遥感判断方法
CN109738380B (zh) * 2019-01-25 2022-09-30 西北农林科技大学 一种土壤盐渍化程度的高光谱遥感判断方法
CN111982838A (zh) * 2020-08-25 2020-11-24 吉林大学 一种基于高光谱的煤岩识别检测方法
CN115144350A (zh) * 2022-09-06 2022-10-04 中国科学院地理科学与资源研究所 基于高光谱相似像元比对的场地烃类污染判识方法及系统
CN115144350B (zh) * 2022-09-06 2023-02-17 中国科学院地理科学与资源研究所 基于高光谱相似像元比对的场地烃类污染判识方法及系统
CN116681407A (zh) * 2023-07-20 2023-09-01 华夏天信物联科技有限公司 基于煤矿开采的工业物联网平台
CN116681407B (zh) * 2023-07-20 2023-10-20 华夏天信物联科技有限公司 基于煤矿开采的工业物联网平台

Similar Documents

Publication Publication Date Title
Hong et al. Estimating lead and zinc concentrations in peri-urban agricultural soils through reflectance spectroscopy: Effects of fractional-order derivative and random forest
CN104596943A (zh) 一种矿区复垦场地有毒有害元素室内光谱分层测量方法
Zhou et al. Hyperspectral inversion of soil heavy metals in Three-River Source Region based on random forest model
Xu et al. Comparison of multivariate methods for estimating selected soil properties from intact soil cores of paddy fields by Vis–NIR spectroscopy
Jin et al. Remote estimation of soil organic matter content in the Sanjiang Plain, Northest China: The optimal band algorithm versus the GRA-ANN model
Ji et al. Prediction of soil attributes using the Chinese soil spectral library and standardized spectra recorded at field conditions
Hong et al. Cadmium concentration estimation in peri-urban agricultural soils: Using reflectance spectroscopy, soil auxiliary information, or a combination of both?
Wang et al. Prediction of low heavy metal concentrations in agricultural soils using visible and near-infrared reflectance spectroscopy
Gholizadeh et al. Comparing different data preprocessing methods for monitoring soil heavy metals based on soil spectral features.
CN101520421B (zh) 一种土壤重金属含量检测模型的建模方法及其应用
CN104897592B (zh) 基于高光谱技术的盐渍化土壤盐分离子含量监测方法
Guo et al. Impact of root water content on root biomass estimation using ground penetrating radar: evidence from forward simulations and field controlled experiments
CN107478580B (zh) 基于高光谱遥感的土壤重金属含量估算方法及装置
Muñoz et al. Soil carbon mapping using on-the-go near infrared spectroscopy, topography and aerial photographs
Franceschini et al. Effects of external factors on soil reflectance measured on-the-go and assessment of potential spectral correction through orthogonalisation and standardisation procedures
CN107421894A (zh) 基于无人机高光谱反演土壤中重金属污染监测方法
Hou et al. Hyperspectral‐based Inversion of Heavy Metal Content in the Soil of Coal Mining Areas
Wang et al. Prediction of soil texture using FT-NIR spectroscopy and PXRF spectrometry with data fusion
Wan et al. Estimation of soil pH using PXRF spectrometry and Vis-NIR spectroscopy for rapid environmental risk assessment of soil heavy metals
CN104502288A (zh) 利用可见光近红外光谱技术的土壤铅含量测量方法
Zhu et al. Exploring the potential of UAV hyperspectral image for estimating soil salinity: Effects of optimal band combination algorithm and random forest
Mouazen et al. Influence of soil moisture content on assessment of bulk density with combined frequency domain reflectometry and visible and near infrared spectroscopy under semi field conditions
Gholizadeh et al. Models for estimating the physical properties of paddy soil using visible and near infrared reflectance spectroscopy
Wang et al. Concentration estimation of heavy metal in soils from typical sewage irrigation area of Shandong Province, China using reflectance spectroscopy
Xia et al. Moisture spectral characteristics and hyperspectral inversion of fly ash-filled reconstructed soil

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150506