CN106248632A - 一种盐渍化土壤无机碳含量的检测方法 - Google Patents
一种盐渍化土壤无机碳含量的检测方法 Download PDFInfo
- Publication number
- CN106248632A CN106248632A CN201610883187.3A CN201610883187A CN106248632A CN 106248632 A CN106248632 A CN 106248632A CN 201610883187 A CN201610883187 A CN 201610883187A CN 106248632 A CN106248632 A CN 106248632A
- Authority
- CN
- China
- Prior art keywords
- pedotheque
- salinization soil
- soil
- dic
- reflectivity data
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/558—Measuring reflectivity and transmission
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种盐渍化土壤无机碳含量的检测方法,具体步骤为,以盐渍化土壤为检测对象,采集土壤样品,进行预处理;测定预处理后的土壤样品的反射率,得到350‑2500nm波段的反射率数据;对350‑2500nm波段的反射率数据进行多元散射校正后,采用小波降噪,再进行平滑处理;提取土壤样品在特定波长的反射率数据;将各波长的反射率数据代入盐渍化土壤无机碳含量检测模型,计算得到盐渍化土壤无机碳含量。该检测方法准确度高、干扰小,提高方法检出限,可行性强,同时具有无污染、操作简便、快速精确的特点,适合推广应用。
Description
技术领域
本发明涉及土壤中碳含量的检测,特别是涉及一种盐渍化土壤中无机碳含量的检测方法。
背景技术
土壤无机碳主要是指土壤风化成土过程中形成的发生性碳酸盐矿物态碳,是半湿润到干旱地区土壤的一个重要组成部分。土壤无机碳包括固、液、气三相。气相是二氧化碳,来源于土壤呼吸产生的CO2以及土壤剖面上部混入的大气;液相包括二氧化碳、碳酸、重碳酸以及碳酸根离子,来源于CO2与水反应生成的富含H2CO3和HCO3 -的溶液;固相主要是碳酸盐,来源于土壤母质、富含碳酸盐的气载尘埃、地下水、植物残体和人为活动带入等,其中,石灰性母质和风积灰尘是其主要来源。从来源上看,土壤碳酸盐主要包括岩生性碳酸盐和发生性碳酸盐。前者又称原生或继承性碳酸盐,指来源于成土母质或母岩,未经风化成土作用而保存下来的碳酸盐;后者又称次生或自生碳酸盐,或地生性碳酸盐,是指在风化成土过程中形成的碳酸盐,多发生在相对干旱的草原或者草灌植被土壤,且土壤pH一般大于7,年均降水量小于800mm土壤。无机碳主要存在于干旱土壤中,研究认为干旱土壤中无机碳含量可达有机碳含量的5倍,全球约有40%的干旱土地,而我国西北干旱区土壤的无机碳相当于全球的1/20~1/15。土壤无机碳受气候变化与人类活动的影响,参与碳循环,进而影响全球温室效应,因此土壤无机碳库对于土壤碳库计算及碳循环研究是必不可少的。无机碳库可分为成岩性无机碳和成土性无机碳。土壤中的游离碳酸钙影响土壤团聚体的状况、微生物活性、土壤pH、有机质的分解速率,进而影响土壤有机碳库。
综上,土壤无机碳的含量数据对于土壤碳库的研究和全球气候变化研究具有重要意义。但现有的土壤中无机碳含量的检测方法需要配制化学试剂,测定过程中化学尾液排放对环境的污染和对人体的伤害,而且存在操作步骤繁琐,检测时间长的缺陷。目前现有技术中急需一种无污染、操作简便、快速精确的盐渍化土壤中无机碳含量的检测方法。
发明内容
为了克服现有技术中存在的缺陷,本发明提出了一种无污染、操作简便、快速精确的盐渍化土壤中无机碳含量的检测方法,该方法实现了盐渍化土壤中无机碳含量的快速准确检测,不需要配制任何化学试剂,避免了测定过程中化学尾液排放对环境的污染和对人体的伤害,同时也大大简化了操作步骤,缩短了检测时间,能满足盐渍化土壤中无机碳含量数据的需求,为全球气候变化研究中计算盐渍化土壤的无机碳库储量提供了快速获取无机碳含量这种基础数据的新的手段。
具体的,本发明提供的盐渍化土壤无机碳含量的检测方法,包括如下步骤:
S1:以盐渍化土壤为检测对象,采集土壤样品,进行预处理;
S2:测定预处理后的土壤样品的反射率,得到350-2500nm波段的反射率数据;
S3:对350-2500nm波段的反射率数据进行多元散射校正后,采用小波降噪,再进行平滑处理;
S4:提取土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据;
S5:将各波长的反射率数据代入盐渍化土壤无机碳含量检测模型:
Y=0.4812016x1+3.525287x2+42.55593x3+38.12305x4+21.93143x5+16.48442x6+3.590905x7-142.7915x8+68.60448x9+62.98148x10-31.53039x11-27.21985x12-53.49123x13+2.42801,计算得到盐渍化土壤无机碳含量;
其中,Y为盐渍化土壤的无机碳含量,单位为g/kg;x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13分别为待检测土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据。
优选地,S1中,所述土壤样品的预处理过程具体如下:
清除采集的土壤样品中的杂物,将所述土壤样品放置于室内风干,将风干的土壤样品用研钵研磨后并过2mm筛,研磨过筛后的土壤样品放置于烘箱中50℃条件下烘干2h后,待冷却至常温后密封保存。
优选地,S2中,采用美国ASD公司生产的QualitySpec Trek手持式光谱仪测定土壤样品的反射率,所述光谱仪的分辨率在350-700nm为3nm,701-1400nm为9.8nm,1401-2500nm为8.1nm。
更优选地,S2中,采用所述光谱仪测定土壤样品时,环境温度恒定,将土壤样品盛装在漆黑的直径为5cm的培养皿中,探头与土壤样品接触测定反射率时,控制好二者之间的距离,以避免探头内置光源出现漏光的现象。
更优选地,将土壤样品平铺于直径为5cm的培养皿后,土壤样品的厚度为10-15mm。
优选地,S3中,所述平滑处理方法为Savitzky-Golay Smoothing,平滑窗口为7。
优选地,S4中,540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据,分别为同一土壤样品重复4次测定的反射率数据的平均值。
本发明提供的盐渍化土壤无机碳含量的检测方法,实现了盐渍化土壤无机碳含量的快速准确检测,不需要配制任何化学试剂,避免了测定过程中化学尾液排放对环境的污染和对人体的伤害,同时也大大简化了操作步骤,缩短了检测时间,能满足盐渍化土壤无机碳含量数据的需求,为全球气候变化研究中计算盐渍化土壤的无机碳库储量提供了快速获取无机碳含量这种基础数据的新的手段。该方法准确度高、干扰小,提高方法检出限,可行性强,同时具有无污染、操作简便、快速精确的特点,适合推广应用。
附图说明
图1为本发明实施例提供的盐渍化土壤无机碳实测值与检测值散点图(n=195)。
具体实施方式
为了使本领域技术人员更好地理解本发明的技术方案能予以实施,下面结合具体实施例对本发明作进一步说明,但所举实施例不作为对本发明的限定。
一种盐渍化土壤无机碳含量的检测方法,包括如下步骤:
以盐渍化土壤为检测对象,于新疆温宿县的空台里克牧场共随机采集了195个不同无机碳含量土壤样品,清除土壤样品中的小石子及肉眼可见的植物根系和枯枝落叶,并将土壤样品放置于室内风干,便于之后充分研磨成粒,风干的土壤样品用研钵研磨后,全部通过孔径为2mm的筛子,研磨过筛后的土壤样品放置于烘箱中50℃条件下烘干2h后,待冷却至常温后密封保存,完成土壤样品的预处理。
对预处理后的土壤样品采用美国ASD公司生产的QualitySpec Trek手持式光谱仪分别测定195个土壤样品的反射率,得到350-2500nm波段的反射率数据;需要说明的是,该光谱仪的分辨率在350-700nm为3nm,701-1400nm为9.8nm,1401-2500nm为8.1nm;采用该光谱仪测定土壤样品时,环境温度恒定,将土壤样品盛装在漆黑的直径为5cm的培养皿中,探头与土壤样品接触测定反射率时,控制好二者之间的距离,以避免探头内置光源出现漏光的现象,而导致的测量数据不准确。优选地,将土壤样品平铺于直径为5cm的培养皿后,土壤样品的厚度为10-15mm为最佳。
接着,对这195个土壤样品的350-2500nm波段的反射率数据分别进行多元散射校正后,采用小波降噪,再进行平滑处理,优选地,平滑处理采用Savitzky-Golay Smoothing方法,平滑窗口为7。
在上述处理后的波段内,提取土壤样品分别在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据,将各波长的反射率数据代入盐渍化土壤无机碳含量检测模型:
Y=0.4812016x1+3.525287x2+42.55593x3+38.12305x4+21.93143x5+16.48442x6+3.590905x7-142.7915x8+68.60448x9+62.98148x10-31.53039x11-27.21985x12-53.49123x13+2.42801,计算得到盐渍化土壤无机碳含量;
其中,Y为盐渍化土壤的无机碳含量,单位为g/kg;x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13分别为待检测土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据。
需要说明的是,为了更准确的检测每一个土壤样品的无机碳含量,我们对同一土壤样品重复4次测定,得到4组350-2500nm波段的反射率数据,并对每组350-2500nm波段的反射率数据进行多元散射校正后,采用小波降噪,再进行平滑处理;分别提取4次测定的同一土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据,分别取对应波长的平均值,带入盐渍化土壤无机碳含量检测模型,即得到该土壤样品的无机碳含量。
利用室内化学测定法获取的土壤样品无机碳含量的真实值与利用上述盐渍化土壤的无机碳含量检测模型得到的检测值的统计数据,具体见表1。
表1盐渍化土壤无机碳含量含量检测结果(样本数为195)
由表1可知,真实值与检测值二者的平均值、最大值、最小值非常相近;图1为盐渍化土壤无机碳实测值与检测值散点图,由图1可以看出土壤样品无机碳含量实测值与检测值的拟合程度。真实值与检测值之间的决定系数R2达到0.74,均方根误差RMSE仅有0.23g/kg,平均绝对误差MAE只有0.17g/kg,标准差与均方根误差比RPD达到1.97,根据RPD评价标准,RPD接近2.0,说明模型具有高精度预测的能力。该结果表明,本发明的方法可以准确、快速的检测土壤样品中的无机碳含量。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,其保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内,本发明的保护范围以权利要求书为准。
Claims (7)
1.一种盐渍化土壤无机碳含量的检测方法,其特征在于,包括如下步骤:
S1:以盐渍化土壤为检测对象,采集土壤样品,进行预处理;
S2:测定预处理后的土壤样品的反射率,得到350-2500nm波段的反射率数据;
S3:对350-2500nm波段的反射率数据进行多元散射校正后,采用小波降噪,再进行平滑处理;
S4:提取土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据;
S5:将各波长的反射率数据代入盐渍化土壤无机碳含量检测模型:
Y=0.4812016x1+3.525287x2+42.55593x3+38.12305x4+21.93143x5+16.48442x6+3.590905x7-142.7915x8+68.60448x9+62.98148x10-31.53039x11-27.21985x12-53.49123x13+2.42801,计算得到盐渍化土壤无机碳含量;
其中,Y为盐渍化土壤的无机碳含量,单位为g/kg;x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13分别为待检测土壤样品在540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据。
2.根据权利要求1所述的盐渍化土壤无机碳含量的检测方法,其特征在于,S1中,所述土壤样品的预处理过程具体如下:
清除采集的土壤样品中的杂物,将所述土壤样品放置于室内风干,将风干的土壤样品用研钵研磨后并过孔径2mm筛,研磨过筛后的土壤样品放置于烘箱中50℃条件下烘干2h后,待冷却至常温后密封保存。
3.根据权利要求1所述的盐渍化土壤无机碳含量的检测方法,其特征在于,S2中,采用美国ASD公司生产的QualitySpec Trek手持式光谱仪测定土壤样品的反射率,所述光谱仪的分辨率在350-700nm为3nm,701-1400nm为9.8nm,1401-2500nm为8.1nm。
4.根据权利要求3所述的盐渍化土壤无机碳含量的检测方法,其特征在于,S2中,采用所述光谱仪测定土壤样品时,环境温度恒定,将土壤样品盛装在漆黑的直径为5cm的培养皿中,探头与土壤样品接触测定反射率时,控制好二者之间的距离,以避免探头内置光源出现漏光的现象。
5.根据权利要求4所述的盐渍化土壤无机碳含量的检测方法,其特征在于,将土壤样品平铺于直径为5cm的培养皿后,土壤样品的厚度为10-15mm。
6.根据权利要求1所述的盐渍化土壤无机碳含量的检测方法,其特征在于,S3中,所述平滑处理方法为Savitzky-Golay Smoothing方法,平滑窗口为7。
7.根据权利要求1所述的盐渍化土壤无机碳含量的检测方法,其特征在于,S4中,540nm、541nm、1414nm、1415nm、1420nm、1421nm、1425nm、1486nm、2447nm、2448nm、2488nm、2489nm、2499nm波长的反射率数据,分别为同一土壤样品重复4次测定的反射率数据的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610883187.3A CN106248632A (zh) | 2016-10-09 | 2016-10-09 | 一种盐渍化土壤无机碳含量的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610883187.3A CN106248632A (zh) | 2016-10-09 | 2016-10-09 | 一种盐渍化土壤无机碳含量的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106248632A true CN106248632A (zh) | 2016-12-21 |
Family
ID=57612474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610883187.3A Pending CN106248632A (zh) | 2016-10-09 | 2016-10-09 | 一种盐渍化土壤无机碳含量的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106248632A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109612794A (zh) * | 2018-12-06 | 2019-04-12 | 同济大学 | 一种烃源岩中不同赋存态有机质的分离与定量方法 |
CN112683939A (zh) * | 2020-12-15 | 2021-04-20 | 中国科学院地理科学与资源研究所 | 在微生物作用下盐碱地土壤中无机碳形成过程的研究方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798614A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种土壤总含钾量检测装置以及方法 |
CN103969397A (zh) * | 2014-05-15 | 2014-08-06 | 中国林业科学研究院热带林业实验中心 | 一种植物、土壤有机碳检测方法及其加热装置 |
CN104034689A (zh) * | 2014-06-04 | 2014-09-10 | 北京农业智能装备技术研究中心 | 基于压片法的土壤重金属含量的检测方法及装置 |
-
2016
- 2016-10-09 CN CN201610883187.3A patent/CN106248632A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798614A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种土壤总含钾量检测装置以及方法 |
CN103969397A (zh) * | 2014-05-15 | 2014-08-06 | 中国林业科学研究院热带林业实验中心 | 一种植物、土壤有机碳检测方法及其加热装置 |
CN104034689A (zh) * | 2014-06-04 | 2014-09-10 | 北京农业智能装备技术研究中心 | 基于压片法的土壤重金属含量的检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
CRISTINE L.S. MORGAN 等: "Simulated in situ characterization of soil organic and inorganic carbon with visible near-infrared diffuse reflectance spectroscopy", 《GEODERMA》 * |
丁海泉 等: "土壤有机质近红外光谱分析组合波长的优选", 《光学精密工程》 * |
尚文郁 等: "近红外漫反射光谱在沉积物化学成分分析中的研究进展", 《岩矿测试》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109612794A (zh) * | 2018-12-06 | 2019-04-12 | 同济大学 | 一种烃源岩中不同赋存态有机质的分离与定量方法 |
CN109612794B (zh) * | 2018-12-06 | 2021-05-11 | 同济大学 | 一种烃源岩中不同赋存态有机质的分离与定量方法 |
CN112683939A (zh) * | 2020-12-15 | 2021-04-20 | 中国科学院地理科学与资源研究所 | 在微生物作用下盐碱地土壤中无机碳形成过程的研究方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102435564B (zh) | 一种基于三波段光谱指数估测植物氮含量的方法 | |
CN104483271B (zh) | 光学反射模型与微波散射模型协同的森林生物量反演方法 | |
CN104020127B (zh) | 一种利用近红外光谱快速测量烟叶中无机元素的方法 | |
Zhang et al. | Interaction of aerodynamic roughness length and windflow conditions and its parameterization over vegetation surface | |
CN103954567A (zh) | 基于连续统去除法的土壤盐分测定方法 | |
Loh et al. | Measurement of greenhouse gas emissions from Australian feedlot beef production using open-path spectroscopy and atmospheric dispersion modelling | |
CN107748140B (zh) | 一种野外高光谱快速测量系统 | |
CN106501255B (zh) | 一种枣树冠层总叶绿素含量的卫星遥感监测方法 | |
CN106199627A (zh) | 草地植被参数获取方法 | |
CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
CN105588930A (zh) | 温室大棚土壤参数测量方法 | |
CN105823736A (zh) | 一种枣树冠层类胡萝卜素含量的检测方法 | |
CN106504240B (zh) | 一种枣树冠层叶绿素a含量的卫星遥感监测方法 | |
CN106248632A (zh) | 一种盐渍化土壤无机碳含量的检测方法 | |
CN115452822A (zh) | 基于遥感和农田信息获取稻田甲烷排放通量的方法及装置 | |
CN105548455A (zh) | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 | |
CN105352893A (zh) | 一种适用于植被稀疏区的叶绿素反演方法 | |
CN106501454B (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
CN106338495A (zh) | 一种盐渍化土壤有机碳含量的检测方法 | |
CN106092912A (zh) | 一种枣树冠层水分含量的检测方法 | |
CN106248468A (zh) | 一种土壤胡敏酸含量的检测方法 | |
CN106092909A (zh) | 一种枣树冠层叶绿素含量的检测方法 | |
CN106092910A (zh) | 一种枣树冠层氮含量的检测方法 | |
CN107505265A (zh) | 一种土壤含水量遥感监测方法 | |
CN106092969A (zh) | 一种枣树冠层叶绿素a含量的检测方法 |
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: 20161221 |