CN106338495A - 一种盐渍化土壤有机碳含量的检测方法 - Google Patents

一种盐渍化土壤有机碳含量的检测方法 Download PDF

Info

Publication number
CN106338495A
CN106338495A CN201610883186.9A CN201610883186A CN106338495A CN 106338495 A CN106338495 A CN 106338495A CN 201610883186 A CN201610883186 A CN 201610883186A CN 106338495 A CN106338495 A CN 106338495A
Authority
CN
China
Prior art keywords
pedotheque
organic carbon
carbon content
soil
salinization soil
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
CN201610883186.9A
Other languages
English (en)
Inventor
彭杰
柳维扬
向红英
王妤涵
刘新路
周煊
曲浩亮
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.)
Tarim University
Original Assignee
Tarim University
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 Tarim University filed Critical Tarim University
Priority to CN201610883186.9A priority Critical patent/CN106338495A/zh
Publication of CN106338495A publication Critical patent/CN106338495A/zh
Pending legal-status Critical Current

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有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有机碳含量检测模型，计算得到盐渍化土壤有机碳含量。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

一种盐渍化土壤有机碳含量的检测方法
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有机碳含量的检测方法。
背景技术
土壤碳库一直以来都是国内外学者关注的对象。早期的研究重点关注土壤有机质(碳)及其在土壤肥力中的作用，如对土壤养分、土壤结构、土壤保水保肥方面的意义。上世纪末开始关注土壤有机质(碳)对土壤中的污染物的缓冲和降解作用，关注土壤固碳及土壤碳转化和碳循环对全球气候变化的影响等。近年来，国内外学者在土壤碳库构成及其转化方面加强了研究，土壤碳库构成研究是探知土壤对碳的固定能力和土壤碳库变化内部机制的重要环节，也是进一步探讨土壤有机碳影响土壤质量的内在机理的重要途径。土壤碳库作为陆地生态系统中最大的碳储库，对温室效应与全球气候变化同样有着重要的控制作用。全球土壤有机碳库(SOC POOL)达到1.5×103～2×103Pg，是大气碳库的3倍，约是陆地生物量的2.5倍。土壤有机碳库储量较小幅度的变动，皆可能影响大气中的CO2水平。测定土壤有机碳库的库容及其动态变化，有助于探讨减少碳排放、增加土壤碳贮存、延长土壤碳的固定时间等问题。
土壤有机碳在全球气候变化中扮演着非常重要的角色，但现有技术总的土壤中有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有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有机碳含量的检测方法，该方法实现了盐渍化土壤中有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有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有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有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581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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有机碳含量检测模型：Y＝13.26805x1+3.62229x2-7.11373x3-20.11299x4-331.4464x5-185.9217x6-176.3571x7-165.9843x8+59.01817x9+69.58907x10+85.70612x11+89.21291x12+103.7669x13+128.9715x14+146.7801x15+145.8397x16+25.8569，计算得到盐渍化土壤有机碳含量；
其中，Y为盐渍化土壤的有机碳含量，单位为g/kg；x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13、x14、x15、x16分别为待检测土壤样品在581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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，581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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有机碳含量的检测方法，实现了盐渍化土壤有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，能满足盐渍化土壤有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有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有机碳实测值与检测值散点图(n＝140)。
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。
一种盐渍化土壤有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，本实施例于新疆温宿县的空台里克牧场随机采集了140个不同有机碳含量的盐渍化土壤样品，清除这些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140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140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。
上述处理后的波段内，提取土壤样品分别在581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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有机碳含量检测模型：
Y＝13.26805x1+3.62229x2-7.11373x3-20.11299x4-331.4464x5-185.9217x6-176.3571x7-165.9843x8+59.01817x9+69.58907x10+85.70612x11+89.21291x12+103.7669x13+128.9715x14+146.7801x15+145.8397x16+25.8569，计算得到盐渍化土壤有机碳含量；
其中，Y为盐渍化土壤的有机碳含量，单位为g/kg；x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13、x14、x15、x16分别为待检测土壤样品在581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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有机碳含量，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581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm波长的反射率数据，分别取对应波长的平均值，带入盐渍化土壤有机碳含量检测模型，即得到该土壤样品的有机碳含量。
利用室内化学测定法获取的土壤样品有机碳含量的真实值与利用上述盐渍化土壤的有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盐渍化土壤有机碳含量检测结果(样本数为140)
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为盐渍化土壤有机碳实测值与检测值散点图，由图1可以看出土壤样品有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0.84，均方根误差RMSE仅有0.56g/kg，平均绝对误差MAE只有0.48g/kg，标准差与均方根误差比RPD达到2.45，根据RPD评价标准，RPD>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有机碳含量。
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)

1.一种盐渍化土壤有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581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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有机碳含量检测模型：
Y＝13.26805x1+3.62229x2-7.11373x3-20.11299x4-331.4464x5-185.9217x6-176.3571x7-165.9843x8+59.01817x9+69.58907x10+85.70612x11+89.21291x12+103.7669x13+128.9715x14+146.7801x15+145.8397x16+25.8569，计算得到盐渍化土壤有机碳含量；
其中，Y为盐渍化土壤的有机碳含量，单位为g/kg；x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、x13、x14、x15、x16分别为待检测土壤样品在581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm波长的反射率数据。
2.根据权利要求1所述的盐渍化土壤有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所述的盐渍化土壤有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所述的盐渍化土壤有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所述的盐渍化土壤有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所述的盐渍化土壤有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所述的盐渍化土壤有机碳含量的检测方法，其特征在于，S4中，581nm、582nm、583nm、585nm、2449nm、2464nm、2465nm、2466nm、2484nm、2485nm、2486nm、2487nm、2488nm、2492nm、2493nm、2494nm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。
CN201610883186.9A 2016-10-09 2016-10-09 一种盐渍化土壤有机碳含量的检测方法 Pending CN106338495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610883186.9A CN106338495A (zh) 2016-10-09 2016-10-09 一种盐渍化土壤有机碳含量的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610883186.9A CN106338495A (zh) 2016-10-09 2016-10-09 一种盐渍化土壤有机碳含量的检测方法

Publications (1)

Publication Number Publication Date
CN106338495A true CN106338495A (zh) 2017-01-18

Family

ID=57839197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610883186.9A Pending CN106338495A (zh) 2016-10-09 2016-10-09 一种盐渍化土壤有机碳含量的检测方法

Country Status (1)

Country Link
CN (1) CN106338495A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108801934A (zh) * 2018-04-10 2018-11-13 安徽师范大学 一种土壤有机碳含量高光谱预测模型的建模方法
CN112782096A (zh) * 2020-12-16 2021-05-11 南京信息工程大学 一种基于反射光谱数据的土壤有机碳密度估算方法
KR102326182B1 (ko) * 2020-10-21 2021-11-15 대한민국(농촌진흥청장) 토양 유기물 함량의 신속 측정 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520421A (zh) * 2009-04-08 2009-09-02 北京农产品质量检测与农田环境监测技术研究中心 一种土壤重金属含量检测模型的建模方法及其应用
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
CN104897592A (zh) * 2015-06-11 2015-09-09 石河子大学 基于高光谱技术的盐渍化土壤盐分离子含量监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520421A (zh) * 2009-04-08 2009-09-02 北京农产品质量检测与农田环境监测技术研究中心 一种土壤重金属含量检测模型的建模方法及其应用
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
CN104897592A (zh) * 2015-06-11 2015-09-09 石河子大学 基于高光谱技术的盐渍化土壤盐分离子含量监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108801934A (zh) * 2018-04-10 2018-11-13 安徽师范大学 一种土壤有机碳含量高光谱预测模型的建模方法
KR102326182B1 (ko) * 2020-10-21 2021-11-15 대한민국(농촌진흥청장) 토양 유기물 함량의 신속 측정 방법
CN112782096A (zh) * 2020-12-16 2021-05-11 南京信息工程大学 一种基于反射光谱数据的土壤有机碳密度估算方法

Similar Documents

Publication Publication Date Title
CN102455282B (zh) 测量土壤含水量的方法
CN107024439A (zh) 一种水稻不同生育期叶绿素含量高光谱估测方法
CN101210875A (zh) 基于近红外光谱技术的无损测量土壤养分含量的方法
CN113268923B (zh) 一种基于模拟多光谱的夏玉米产量估算方法
CN102435564A (zh) 一种基于三波段光谱指数估测植物氮含量的方法
CN110567892B (zh) 一种基于临界氮浓度的夏玉米氮素高光谱预测方法
CN103868880A (zh) 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法
CN106338495A (zh) 一种盐渍化土壤有机碳含量的检测方法
CN104596957A (zh) 基于可见光近红外光谱技术的土壤铜含量估算方法
CN105954207A (zh) 一种枣树冠层叶绿素b含量的检测方法
CN103940748A (zh) 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法
CN108876172B (zh) 一种基于改进型modis植被供水指数的地表土壤含水量评估方法
CN105823736A (zh) 一种枣树冠层类胡萝卜素含量的检测方法
CN112270131A (zh) 基于ard回归算法的水稻叶面积指数遥感反演模型和方法
CN106501255A (zh) 一种枣树冠层总叶绿素含量的卫星遥感监测方法
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
CN114486783A (zh) 基于无人机多源遥感的冬小麦田土壤水分反演方法
CN105352893A (zh) 一种适用于植被稀疏区的叶绿素反演方法
CN106504240A (zh) 一种枣树冠层叶绿素a含量的卫星遥感监测方法
CN106092911A (zh) 一种枣树冠层磷含量的检测方法
CN106248468A (zh) 一种土壤胡敏酸含量的检测方法
CN106501454A (zh) 一种枣树冠层叶绿素b含量的卫星遥感监测方法
CN106092909A (zh) 一种枣树冠层叶绿素含量的检测方法
CN106092912A (zh) 一种枣树冠层水分含量的检测方法
CN105842187A (zh) 一种枣树冠层铁含量的检测方法

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

Application publication date: 20170118

RJ01 Rejection of invention patent application after publication