施用生物炭后土壤有机碳的近红外光谱模型研究与应用

编号 zgly0001717154

文献类型 期刊论文

文献题名 施用生物炭后土壤有机碳的近红外光谱模型研究与应用

作者 朱建伟  刘玉学  吴超凡  靳佳  吕豪豪  杨生茂 

作者单位 浙江师范大学地理与环境科学学院  浙江省农业科学院环境资源与土壤肥料研究所  浙江省生物炭工程技术研究中心 

母体文献 生态学报 

年卷期 2020年20期

年份 2020 

分类号 S153.6 

关键词 生物炭  土壤有机碳  近红外光谱  预测模型  样本选择 

文摘内容 土壤有机碳是影响土壤肥力的最重要因素之一。生物炭由于具有高度芳香化碳结构和发达孔隙结构等特性,可以作为一种土壤改良剂,提高土壤有机碳含量,改善土壤物理结构,近些年成为农业环境领域研究的热点。分别采用传统方法和可见光近红外光谱（VIS-NIRS,400—2500 nm）技术对施加不同用量生物炭的土壤有机碳含量进行检测和对比分析,以期为含生物炭土壤的有机碳分析建立有效预测模型。通过比较不同样本选择方法（Kennard-Stone（KS）,Random selection（RS）和Sample set partitioning based on joint x-y distances（SPXY））和光谱预处理方法（Savitzky-Golay平滑（SG）、倒数的对数log（1/R）、标准正态变量变换（SNV）、一阶导数（Der1）、二阶导数（Der2）和多元散射校正（MSC））,以3种模型（组合间隔偏最小二乘模型（Synergy Interval Partial Least Squares,siP LS）,遗传算法-支持向量机模型（Genetic Algorithm-Support vector machine,GA-SVM）和随机森林模型（Random Forest,RF））来建立生物炭土壤有机碳预测模型。结果表明:（1）施加生物炭增加了土壤有机碳含量,增加幅度随生物炭添加量的提高呈增加趋势;（2）土壤反射率随土壤有机碳含量的增加而降低,在1410、1920和2200 nm光谱附近存在明显的吸收谷;（3）对比3种样本选择方法,KS方法所划分的样本集相对于RS方法和SPXY方法更适用于生物炭土壤有机碳模型的建立;（4）以SG+MSC预处理结合GA-SVM方法建立的模型精度最高,校正集的Rcal2和RMSECV值分别为0.9526和0.4839,验证集的Rval2和RMSEP值分别为0.8598和0.9987,RPD值为2.6017。该模型因具有精度高且模拟效果较好等优点,可用于含生物炭土壤的有机碳含量的科学预测。