英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
多深度可见光/近红外漫反射光谱的土壤分类（翻译）
G.M. Vasques a, J.A.M. Demattecirc; , Raphael A. Viscarra Rossel, L. Ramiacute;rez-Loacute;pez, F.S. Terra
摘要：可见光/近红外漫射反射光谱学（VNIRDRS）可替代传统的分析方法来评估各种不同的土壤属性。然而，VNIRDRS在土壤调查和土壤分类中的使用尚未开发。我们研究了VNIRDRS的潜在应用，以此对巴西东南部的多变的土壤、地质和地形区域进行土壤分类。依照巴西的土壤分类系统进行分类，并且可见光/近红外光谱（400-2500nm）采集三个深度间隔(0–20， 40–60 and 80–100cm）和组合序列组成一个伪多深度光谱曲线，用来得到的分类模型。运用主成份分析（PC）和多项逻辑回归分析在次序（最高的）、亚目（第二的最高）和亚目加组织（STC）的水平分对291个土壤（202个在校准中和89个在验证模式中）进行分类。基于确认结果，最好的分类在次序水平（67%符合率）获得，随后是亚目水平（48%符合率）和STC水平（24%符合率）。在土壤光谱分类模型中，土壤分类群中固有的复杂性和可变性与对比强烈的不同群体之间的相似度在土壤光谱和其他属性上易造成混淆。本文结合了不同深度非多元分类方法与光谱数据，能够以具有成本效益的方式提高土壤分类和土壤调查精度，以支持热带土壤的可持续利用和管理。
1引言
土壤调查已经结束传统地结合调查者对土壤景观关系的判读和支持地图、天线和/或卫星影像以及土壤数据领域专业知识的调查方法。虽然这一策略已经广泛地被用来在地理尺度范围映射土壤，现在它仍然不能完全体数据收集和判读的新形式。例如，近地传感数据的情形，其包括土壤导电性和可见光/近红外（VNIR）漫射反射比。
可见光/近红外线漫射反射光谱（VNIRDRS）已经应用于估算多种土壤调查中的土壤属性，包括有机质、碳、酸碱质，多量及微量元素、含水量及其他属性（张等人，2001；Du和Zhou，2009；Stenberg等人，2010；Vasques等人，2008；Viscarra Rossel等人，2006）。因为VNIRDRS使用的样品制备和化学药品极少，而且能够同时估算各种不同的土壤属性，从而减少用时和分析费用。如此，VNIRDRS的增益适用于数据收集和分析，但只间接地用于最后的土壤分类和调查。
基于反射光谱的土壤分类的难点之一是整合不同深度的光谱数据。由于大多数土壤分类系统的分类关键是综合评估多个土壤层，调查者通常是根据土壤深度逐层，或者只在会导致不完全解译的某一深度评估土壤的光谱响应。因此，有必要得出一个集成来自多个深度的土壤光谱响应的土壤分类方法。Viscarra Rossel ＆费伯斯特（2011）能够利用可见-近红外漫反射光谱从澳大利亚国土分类中分辨出土壤层和土类，并且认为vis－NIR的光谱学能够对在有效的土壤分类系统中的类别的定义和识别做出重要贡献。据我们所知，迄今为止还没有其他出版的该主题方面的研究工作。
因此，为改善土壤分类的效率，我们建议依照巴西的土壤分类制度（SiBCS；EMBRAPA，2006）直接应用VNIRDRS获得土壤类。依照SiBCS，我们假定用来自三个深度间隔土壤的漫射反射光谱分类土壤可以在次序和亚目水平得到良好的准确性（符合率高于75%）（SiBCS使用土壤颜色在亚目分类水平分类土壤）。
图1 土壤样本采样位置（a）巴西（b）Satilde;o Paulo省a巴西土壤分类系统中土壤亚目及相应的土壤分类（da Costa and Nanni, 2006; Soil Survey Staff,2010）：CX，简育始成土—始成土纲；LV、红砖红壤、LVA、红—黄砖红壤，LVF，铁红砖红壤—氧化土纲；NV，红强风化黏磐土，NVF，铁红强风化黏磐土，NVL，赤红强风化黏磐土，PA，黄粘土，PV，红黏土，PVA，红—黄粘土，PVF，铁红粘土，PVL，赤红粘土—淋溶土纲，老成土；RL，砂岩始成土，RR，风化始成土—新成土纲，始成土纲；TX，简育淋溶土—淋溶土纲
2材料与方法
2.1.土壤采样与野外分类
研究在巴西的Satilde;o Paulo省Piracicaba市（图1）附近某地展开。该地在近30年已经主要作为甘蔗生产区。当海拔自489m左右升至709m，斜坡从0改变至32%时，该区域的年平均降雨量和温度分别为1328mm和21.6℃（1961-1990；CEPAGRI，2011）。该区域的土壤大部分来自沙岩、粉砂岩和页岩，少部分来自于石灰石、玄武岩和崩积物（Mezzalira，1966）。
依照SiBCS（表1），总共291个土壤剖面在该领域亚目水平被访问和分类。采用的土壤样本取自三个深度间隔（0-20，40-60和80-100cm），并且依照Camargo等人（1986）的方法对土壤样本进行化学分析和粒度分析。亚目 组织分类（STC）群之所以加入组织分类是为了改善亚目分类。基于黏土含量，创建了五个组织群（表2），改自EMBRAPA（2006）。
完整的数据组被分成包含202个样品的校准组和包含89个样品的验证组。分组所涉及的数据组的分层亚目的样本随机选择（大约2/3校准组和1/3验证组）在每个亚目。校准组用来得到分类模型，然而独立验证被分别地设定为对所得模型进行专有验证。
在某些情况下，字母F（同Ferric）被用来表明在砖红壤（氧化土）、粘土（淋溶土，老成土）和强风化粘磐土（淋溶土，老成土）的诊断层面的高铁含量（18%至36%）。在STC水平，铁的标志数据没有变化；在亚目水平，为了建模，含铁土壤与相同亚目级非铁土壤为一组。
表1 依照巴西土壤分类系统的土壤亚目的野外分类(SiBCS；EMBRAPA，2006)，以及土壤分类系统中的相应类别(Soil Survey Staff，2010)
表2 土壤质地分类改进的土壤亚目分类
字母L（同Latosolic）被用来表明除了砖红壤（氧化土）之外的土壤氧化层的存在。赤红强风粘磐土属于红强风化黏磐土组，砖红壤的标志数据在STC水平没有变化；在亚目水平，保留了赤红粘土特性。
2.2土壤光谱与多元分类
选取的三个深度间隔的土样经风干、过筛（2mm）进行光谱测试。光谱测试采用美国分析光谱仪器公司(Analytical Spectral Devices Inc.，Boulder，CO，USA）生产的FieldSpec Pro传感器，每个样品扫描100次，400～1000nm之间光谱分辨率1nm；1100～2500nm之间光谱分辨率2nm。以Spectralon（Labsphere，North Sutton，NH，USA）为白板定标，扫描间隔为20分钟（约15个样本）。
采用五个波段交叉的三次多项式对光谱曲线进行平滑（Savitzky和Golay，1964），然后采用十波段交叉的简单平均法将2100个波段简化为210个。对每个土壤剖面，取自三个深度间隔的经处理的光谱会依次产生一个伪多深度土壤光谱曲线。所产生的伪多深度光谱包含连续的三个深度（每个210个波段）的630个反射波段（图2）。
使用多元逻辑回归（MLR；Agresti，2002）对在三个分类层次上（分别为次序、亚目和STC）的土壤进行土壤分类。此方法能够估算出在有限群中的每一土壤类的对数概率，此对数几率的观察数据为总有一个指数等于1（概率的定义为事件发生的机率与不发生机率的比）。实际上，多元逻辑回归估算的就是这个观察数据在（或属于）每个土类发生的可能性。最后的样本分类类别发生率最高已被考虑在内。利用主要成成分分析（PCA；Harman，1976）将630个反射波段的光谱信息提取为20个主成分，之后将这20个主成分作为多元逻辑回归模型的自变量，每个主成分的10个观测值作为校准模型。总之，这种方法构成了一个使用结合了三个深度土壤VNIR反射光谱的主成分的多元逻辑回归的土壤分类框架。
每个主成分是土壤光谱曲线的原始反射值的线性组合。每个主成分反射值（波长）的贡献或重要性决定于该主成分线性组合得到的系数或者可变载荷。因此，在生成的模型中，对于主成分的模型系数以及相应的变量荷载的联合解释可以确认对土壤成分差异性敏感的光谱区在土壤分类中最为重要。SiBCS（EMBRAPA，2006）也考虑了土壤分类此种联合解释。
图2 观察组经三次多项式平滑（(Savitzky and Golay，1964）之后的伪多深度土壤可见光-近红外（400-2500nm）漫反射光谱 a巴西土壤分类系统中土壤亚目及相应的土壤分类（da Costa and Nanni, 2006; Soil Survey Staff,2010）：LV、红砖红壤—氧化土纲；NV，红强风化黏磐土，PA，黄粘土，PV，红黏土，PVL，赤红粘土—淋溶土纲，老成土；RR，风化始成土—新成土纲，始成土纲.
3结果与讨论
3.1.次序水平的土壤分类
在次序水平，多元逻辑回归模型正确分类了92%的观察数据。此高符合率反应了土壤VNIR光谱和分类类别之间的相关性。实际上，土纲的定义已将仪系列土壤属性考虑在内，包括土壤的组成、矿物、结构和存在的诊断特征，这些属性影响着土壤的光谱行为。始成土（始成土纲）、新成土（新成土纲，弱育土）和淋溶土（淋溶土纲）100%正确分类，然而砖红壤、粘土和强风化黏磐土有错误分类，错误率依次变大，砖红壤与粘土有31%的混效率（表3）。
在验证模式中，得到了67%的整体符合率。砖红壤的分类精度为86%，始成土和粘土的分类精度大于64%。另一方面，强风化黏磐土和新成土分别于砖红壤和始成土相混淆。就新成土而言，始成土的误分类是合理的，因为在此研究区内的这些次序就成土作用来说是最接近的。对强风化黏磐土为砖红壤的误分类，即使在强风化黏磐土中误判概率为80%，也并不令人意外，该模型还将粘土（类似于强风化黏磐土）误分类为砖红壤。
表3 土类多元分类的混淆矩阵
a巴西土壤分类系统中土目及土壤分类系统中相应的土壤分类（da Costa and Nanni, 2006; Soil Survey Staff,2010）：C，始成土—始成土纲；L，砖红壤—氧化土纲；N，强风化黏磐土，P，粘土—淋溶土纲，老成土纲；R，始成土—新成土纲，始成土纲；T，淋溶土—淋溶土纲
b 不适用（验证集中没有设定数据T）
在实际应用（土地利用与管理、地方和区域规划）中，特定类别对其他有相似化学、物理成分和/或形态特征的类别的误分类并非不利，因为关于这些土壤的判断通常很类似，只在特定情况下，会有轻微的变化。
不同的类别的土壤光谱曲线在吸光度的整体形状和位置特征方面显示了显著的相似性（图2），吸光度特性与主要土壤成分有关，包括矿物（主要是高岭石，铝和铁氢氧化物）、有机物和水。具有相似形成过程以及组成特征的土壤的光谱曲线也是相似的，因此，区别这些光谱曲线必然会受到阻碍，例如强风化黏磐土相对于粘土的案例。因此，砖红壤和始成土与其他各种土壤共享成土和土壤光谱特性，并因此在模型中与它们相混合。
我们提出了关于土目（有限数目的类）的多元逻辑回归模型的更详细的讨论。这些模型解释与亚目和STC组相类似。在我们的方法中，先将土壤光谱转换为组元，然后通过多元逻辑回归进行分析。变量的重要性通过多元逻辑回归模型系数判定。而且因为所有自变数是由0-1(0-100%）范围反射值的主组元，所以没有进行标准化比较的必要。因此，我们只转换了系数的绝对值，以方便不同土目的主组元之间的比较（图3）。
总之，所有的土目对主成分7和主成分12呈现出相对较大的绝对模型相关系数(图3）。砖红壤、强风化黏磐土和粘土对主成分2和主成分10也呈现了大的相关系数，然而始成土和淋溶土对主成分9和主成分15显示了绝对系数峰值，点几点。因为这些系数与主成分相关，而不是直接与土壤反射率相关，所以他们的解释取决于知道哪个变量对各自主成分的贡献最大。此信息存储于变量荷载（图4）。
因为主成分7和主成分12是所有土目的重要预测因子，所以我们将讨论集中在主成分7和主成分12（图3），但也提出一些主成分2不同于其他主成分的亮点，它有一个有趣的可变荷载模式（图4）。主成分7有相对较高的绝对荷载，其在0-20cm土层中接近400，740，1900，2200和超过2400nm，在40-60cm土层中接近900，1900和2200nm，在80-100-cm土层中接近470，1000和2200nm。主成分12具有较高的绝对量，其在0-20cm土层接近第400，1900和2200nm，在40-60cm土层接近1400，1900和2200nm，在80-100cm土层接近400，1400，1900，2200和2400nm。相比之下，主成分2的高荷载集中在0-20cm层（峰值为740，1900和2400nm），其次在80-100cm层（峰值为470，900，2200和2400nm）。
图3 土目级多元逻辑回归模型系数（绝对值）对自变量表现的相对重要性—主成分
a巴西土壤分类系统中土目及土壤分类系统中相应的土壤分类（da Costa and Nanni,2006; Soil Survey Staff,2010）：L,砖红壤—氧化土纲；N,强风化黏磐土,P,粘土—淋溶土纲,老成土；R,新成土—新成土纲，始成土纲；T,淋溶土—淋溶土纲
b始成土在模型中作为参照类
图4 选取的多深度可见光/近红外（400-2500 nm）漫反射土壤光谱的主成分（PCs）可变荷载（绝对值）。
在主成分7和12的荷载中有峰值的光谱区域与构成土的矿物质有关。这些矿物质，连同其他土壤成分和化学、物理和形态特征一起，已被SiBCS考虑进土目的定义（EMBRAPA，2006）。例如，接近
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[32052]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
