中国农业科学 ›› 2023, Vol. 56 ›› Issue (10): 1905-1919.doi: 10.3864/j.issn.0578-1752.2023.10.008
收稿日期:
2022-04-20
接受日期:
2022-06-01
出版日期:
2023-05-16
发布日期:
2023-05-17
通信作者:
李兆富,E-mail:lizhaofu@njau.edu.cn
联系方式:
侯化刚,E-mail:772550713@qq.com。
基金资助:
HOU HuaGang(), WANG DanYang, MA SiQi, PAN JianJun, LI ZhaoFu(
)
Received:
2022-04-20
Accepted:
2022-06-01
Published:
2023-05-16
Online:
2023-05-17
摘要:
【目的】探究土壤有机质和盐分的光谱响应,分析不同盐分含量对土壤有机质预测模型的影响,建立快速、有效的盐渍土有机质含量高光谱预测模型。【方法】以黄河三角洲地区粉质壤土为研究对象,根据不同盐分含量将土壤样本分为非盐(SA)、轻度(SB)、中度(SC)和重度(SD)4组,分别进行室内高光谱测量;其次采用双因素方差分析法,探究土壤有机质和盐分光谱响应程度;进而对原始光谱(raw spectral reflectance,R)进行一阶微分(first order differential reflectance,FD)、连续统去除(continuous statistical removal,CR)、对数(logarithmic,Log)和多元散射校正(multipication scatter correction,MSC)4种变换;最后分别基于盐渍土的4组样本结合4种变换光谱构建多元线性回归(multiple linear regression,MLR)、偏最小二乘回归(partial least squares regression,PLSR)和支持向量回归(support vector machine,SVR)3种土壤有机质含量高光谱预测模型。【结果】土壤有机质和盐分在400—900 nm范围内光谱响应程度显著且变化规律基本一致,二者的敏感波段存在重叠;通过划分不同盐渍度分组建模能够提高土壤有机质预测精度,且随着盐分含量增加,模型的预测精度下降,FD处理更能突出光谱特征差异,提高有机质含量与光谱反射率的相关性。对比3种模型结果,利用FD处理结合SVR建立土壤有机质预测模型精度最高,最优结果建模集和验证集的决定系数R 2为0.86、0.82,均方根误差RMSE为2.71、2.96 g·kg-1,相对分析误差RPD为2.42。【结论】土壤盐分与有机质在可见光波段附近(400—900 nm)的敏感波段存在重叠,通过划分不同盐渍度能够有效提高有机质预测模型精度。
侯化刚, 王丹阳, 马斯琦, 潘剑君, 李兆富. 黄河三角洲不同盐渍度土壤有机质含量的高光谱预测研究[J]. 中国农业科学, 2023, 56(10): 1905-1919.
HOU HuaGang, WANG DanYang, MA SiQi, PAN JianJun, LI ZhaoFu. Hyperspectral Prediction of Organic Matter in Soils of Different Salinity Levels in the Yellow River Delta[J]. Scientia Agricultura Sinica, 2023, 56(10): 1905-1919.
表1
不同盐渍度土壤有机质含量统计分析"
盐渍化等级 Salinization grade | 样本类型 Sample type | 样本数 Sample size | 最小值 Min (g·kg-1) | 最大值 Max (g·kg-1) | 均值 Mean (g·kg-1) | 标准差 SD (g·kg-1) | 变异系数 CV (%) |
---|---|---|---|---|---|---|---|
全部样本 Whole set | Ⅰ | 209 | 1.70 | 35.08 | 16.43 | 7.99 | 48.63 |
Ⅱ | 102 | 2.38 | 35.31 | 16.66 | 7.85 | 47.14 | |
SA (0-2 dS·m-1) | Ⅰ | 52 | 1.70 | 29.57 | 16.74 | 7.43 | 44.35 |
Ⅱ | 25 | 4.33 | 27.93 | 16.82 | 7.15 | 42.50 | |
SB (2-4 dS·m-1) | Ⅰ | 47 | 4.89 | 35.08 | 18.73 | 8.04 | 42.95 |
Ⅱ | 23 | 6.28 | 34.59 | 18.95 | 7.90 | 41.67 | |
SC (4-8 dS·m-1) | Ⅰ | 46 | 3.70 | 34.56 | 18.23 | 7.73 | 42.44 |
Ⅱ | 22 | 5.61 | 32.92 | 18.23 | 7.10 | 39.00 | |
SD (>8 dS·m-1) | Ⅰ | 64 | 2.08 | 31.12 | 13.19 | 7.69 | 58.27 |
Ⅱ | 32 | 2.38 | 35.31 | 13.81 | 8.30 | 60.10 |
表3
不同盐渍度土壤有机质的特征波段"
光谱处理 Spectral processing | 特征波段 Characteristic band (nm) | ||||
---|---|---|---|---|---|
全部样本 Whole set | SA (0-2 dS·m-1) | SB (2-4 dS·m-1) | SC (4-8 dS·m-1) | SD (>8 dS·m-1) | |
R | 428、607、1102 1719、2176 | 638、1075 2135、2256 | 435、625、859 2057、2361 | 427、596 610、2351 | 598、1082 1955 |
FD | 526、672 846、868、1498 | 526、664、852 999、1347 | 526、879、1426 1506、2161 | 438、495、528 858、1272、1433 | 522、672、881 1374 |
CR | 844、880、998 1074、1116 | 785、842、880 994、1074 | 823、859、880 1062 | 648、808、852 862、1008、1072 | 769、791、879 1020 |
Log | 596、608 1005、1830 | 669、1453 1805、2316 | 435、626、694 2057、2105 | 427、596 610 | 597、1090 1955 |
MSC | 596、2109 2216、2283、2332 | 576、2046 2257、2339、2384 | 582、1134、1342 2057、2106、2280 | 581、1146 2174、2284、2351 | 596、2181 2236、2282、2335 |
表4
多元线性回归(MLR)有机质含量建模结果"
盐渍化等级 Salinization grade | 光谱处理 Spectral processing | 建模集 Calibration set | 验证集 Validation set | |||
---|---|---|---|---|---|---|
Rc2 | RMSEc | Rv2 | RMSEv | RPD | ||
全部样本 Whole set | R | 0.67 | 4.65 | 0.69 | 4.38 | 1.79 |
FD | 0.69 | 4.48 | 0.67 | 4.50 | 1.75 | |
CR | 0.42 | 6.17 | 0.47 | 5.72 | 1.37 | |
Log | 0.61 | 5.02 | 0.64 | 4.76 | 1.65 | |
MSC | 0.45 | 5.99 | 0.48 | 5.65 | 1.39 | |
SA (0-2 dS·m-1) | R | 0.74 | 3.94 | 0.44 | 5.80 | 1.23 |
FD | 0.80 | 3.52 | 0.75 | 3.51 | 2.04 | |
CR | 0.62 | 4.80 | 0.61 | 4.63 | 1.54 | |
Log | 0.73 | 3.99 | 0.68 | 4.09 | 1.75 | |
MSC | 0.80 | 3.52 | 0.57 | 4.72 | 1.51 | |
SB (2-4 dS·m-1) | R | 0.68 | 4.83 | 0.62 | 5.15 | 1.53 |
FD | 0.73 | 4.40 | 0.63 | 5.01 | 1.58 | |
CR | 0.57 | 5.52 | 0.41 | 6.13 | 1.29 | |
Log | 0.68 | 4.83 | 0.48 | 5.86 | 1.35 | |
MSC | 0.59 | 5.51 | 0.52 | 5.33 | 1.48 | |
SC (4-8 dS·m-1) | R | 0.66 | 4.73 | 0.51 | 5.12 | 1.39 |
FD | 0.71 | 4.50 | 0.66 | 4.47 | 1.59 | |
CR | 0.55 | 5.59 | 0.33 | 6.16 | 1.15 | |
Log | 0.66 | 4.67 | 0.56 | 4.98 | 1.43 | |
MSC | 0.56 | 5.42 | 0.54 | 4.95 | 1.44 | |
SD (>8 dS·m-1) | R | 0.55 | 5.27 | 0.62 | 5.22 | 1.59 |
FD | 0.70 | 4.36 | 0.71 | 4.42 | 1.88 | |
CR | 0.54 | 5.40 | 0.36 | 7.20 | 1.15 | |
Log | 0.56 | 5.20 | 0.61 | 5.54 | 1.50 | |
MSC | 0.53 | 5.48 | 0.47 | 5.96 | 1.39 |
表5
偏最小二乘回归(PLSR)有机质含量建模结果"
盐渍化等级 Salinization grade | 光谱处理 Spectral processing | 建模集 Calibration set | 验证集 Validation set | |||
---|---|---|---|---|---|---|
Rc2 | RMSEc | Rv2 | RMSEv | RPD | ||
全部样本 Whole set | R | 0.66 | 4.62 | 0.68 | 4.48 | 1.75 |
FD | 0.69 | 4.42 | 0.68 | 4.47 | 1.76 | |
CR | 0.42 | 6.08 | 0.46 | 5.75 | 1.37 | |
Log | 0.61 | 4.96 | 0.63 | 4.76 | 1.65 | |
MSC | 0.45 | 5.91 | 0.47 | 5.68 | 1.38 | |
SA (0-2 dS·m-1) | R | 0.71 | 3.95 | 0.51 | 5.15 | 1.39 |
FD | 0.76 | 3.61 | 0.74 | 3.60 | 1.99 | |
CR | 0.62 | 4.51 | 0.61 | 4.63 | 1.54 | |
Log | 073 | 3.80 | 0.68 | 4.09 | 1.75 | |
MSC | 0.79 | 3.33 | 0.54 | 4.67 | 1.53 | |
SB (2-4 dS·m-1) | R | 0.68 | 4.51 | 0.56 | 5.30 | 1.49 |
FD | 0.72 | 4.22 | 0.60 | 5.15 | 1.53 | |
CR | 0.57 | 5.24 | 0.42 | 6.01 | 1.31 | |
Log | 068 | 4.51 | 0.48 | 5.86 | 1.35 | |
MSC | 0.58 | 5.12 | 0.53 | 5.34 | 1.48 | |
SC (4-8 dS·m-1) | R | 0.66 | 4.47 | 0.51 | 5.12 | 1.39 |
FD | 0.67 | 4.42 | 0.67 | 4.16 | 1.71 | |
CR | 0.52 | 5.31 | 0.33 | 6.16 | 1.15 | |
Log | 0.66 | 4.46 | 0.56 | 4.98 | 1.43 | |
MSC | 0.56 | 5.09 | 0.61 | 4.51 | 1.58 | |
SD (>8 dS·m-1) | R | 0.55 | 5.11 | 0.61 | 5.30 | 1.57 |
FD | 0.70 | 4.20 | 0.70 | 4.47 | 1.86 | |
CR | 0.54 | 5.20 | 0.36 | 7.20 | 1.15 | |
Log | 0.56 | 5.03 | 0.61 | 5.57 | 1.49 | |
MSC | 0.51 | 5.33 | 0.49 | 5.84 | 1.42 |
表6
支持向量回归(SVR)有机质含量建模结果"
盐渍化等级 Salinization grade | 光谱处理 Spectral processing | 建模集 Calibration set | 验证集 Validation set | |||
---|---|---|---|---|---|---|
Rc2 | RMSEc | Rv2 | RMSEv | RPD | ||
全部样本 Whole set | R | 0.68 | 4.51 | 0.64 | 4.74 | 1.66 |
FD | 0.70 | 4.36 | 0.66 | 4.64 | 1.69 | |
CR | 0.63 | 4.88 | 0.55 | 5.31 | 1.48 | |
Log | 0.61 | 4.98 | 0.61 | 4.94 | 1.59 | |
MSC | 0.61 | 5.00 | 0.54 | 5.44 | 1.44 | |
SA (0-2 dS·m-1) | R | 0.76 | 3.59 | 0.40 | 5.82 | 1.23 |
FD | 0.86 | 2.71 | 0.82 | 2.96 | 2.42 | |
CR | 0.76 | 3.59 | 0.49 | 5.23 | 1.37 | |
Log | 0.69 | 4.15 | 0.57 | 4.81 | 1.49 | |
MSC | 0.79 | 3.40 | 0.57 | 4.62 | 1.55 | |
SB (2-4 dS·m-1) | R | 0.73 | 4.15 | 0.45 | 5.84 | 1.35 |
FD | 0.79 | 4.36 | 0.71 | 4.28 | 1.85 | |
CR | 0.56 | 5.30 | 0.38 | 6.11 | 1.29 | |
Log | 0.49 | 5.74 | 0.26 | 7.11 | 1.11 | |
MSC | 0.65 | 4.75 | 0.52 | 5.41 | 1.46 | |
SC (4-8 dS·m-1) | R | 0.44 | 5.75 | 0.61 | 4.58 | 1.55 |
FD | 0.76 | 3.76 | 0.71 | 4.15 | 1.71 | |
CR | 0.44 | 5.81 | 0.29 | 6.08 | 1.17 | |
Log | 0.36 | 6.15 | 0.55 | 4.80 | 1.48 | |
MSC | 0.76 | 3.84 | 0.47 | 5.19 | 1.37 | |
SD (>8 dS·m-1) | R | 0.62 | 4.74 | 0.56 | 5.61 | 1.48 |
FD | 0.72 | 4.02 | 0.67 | 4.70 | 1.77 | |
CR | 0.52 | 5.58 | 0.39 | 7.36 | 1.13 | |
Log | 0.60 | 4.84 | 0.53 | 5.86 | 1.42 | |
MSC | 0.64 | 5.23 | 0.45 | 6.11 | 1.36 |
[1] |
方少文, 杨梅花, 赵小敏, 郭熙. 红壤区土壤有机质光谱特征与定量估算: 以江西省吉安县为例. 土壤学报, 2014, 51(5): 1003-1010.
|
|
|
[2] |
韩兆迎, 朱西存, 刘庆, 房贤一, 王卓远. 黄河三角洲土壤有机质含量的高光谱反演. 植物营养与肥料学报, 2014, 20(6): 1545-1552.
|
|
|
[3] |
|
[4] |
doi: 10.1016/j.still.2015.07.021 |
[5] |
doi: 10.1016/j.soilbio.2013.10.022 |
[6] |
doi: 10.1016/j.geoderma.2008.04.007 |
[7] |
doi: 10.1016/j.geoderma.2017.03.012 |
[8] |
南锋, 朱洪芬, 毕如田. 黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测. 中国农业科学, 2016, 49(11): 2126-2135. doi: 10.3864/j.issn.0578-1752.2016.11.009.
doi: 10.3864/j.issn.0578-1752.2016.11.009 |
doi: 10.3864/j.issn.0578-1752.2016.11.009 |
|
[9] |
侯艳军, 塔西甫拉提·特依拜, 买买提·沙吾提, 张飞. 荒漠土壤有机质含量高光谱估算模型. 农业工程学报, 2014, 30(16): 113-120.
|
|
|
[10] |
王永敏, 李西灿, 田林亚, 贾斌, 杨惠. 土壤有机质含量地面高光谱估测模型对比分析. 国土资源遥感, 2019, 31(1): 110-116.
|
|
|
[11] |
doi: 10.1016/j.saa.2020.118553 |
[12] |
王海峰, 张智韬,
|
|
|
[13] |
朱亚星, 于雷, 洪永胜, 章涛, 朱强, 李思缔, 郭力, 刘家胜. 土壤有机质高光谱特征与波长变量优选方法. 中国农业科学, 2017, 50(22): 4325-4337. doi: 10.3864/j.issn.0578-1752.2017.22.009.
doi: 10.3864/j.issn.0578-1752.2017.22.009 |
doi: 10.3864/j.issn.0578-1752.2017.22.009 |
|
[14] |
doi: 10.1016/j.catena.2019.104257 |
[15] |
doi: 10.1016/j.scitotenv.2018.06.319 |
[16] |
doi: 10.1016/j.rse.2018.09.020 |
[17] |
彭杰, 周清, 张杨珠, 向红英. 有机质对土壤光谱特性的影响研究. 土壤学报, 2013, 50(3): 517-524.
|
|
|
[18] |
彭杰, 迟春明, 向红英, 滕洪芬, 史舟. 基于连续统去除法的土壤盐分含量反演研究. 土壤学报, 2014, 51(3): 459-469.
|
|
|
[19] |
刘亚秋, 陈红艳, 王瑞燕, 常春艳, 陈哲. 基于可见/近红外光谱的黄河口区土壤盐分及其主要离子的定量分析. 中国农业科学, 2016, 49(10): 1925-1935. doi: 10.3864/j.issn.0578-1752.2016.10.009.
doi: 10.3864/j.issn.0578-1752.2016.10.009 |
doi: 10.3864/j.issn.0578-1752.2016.10.009 |
|
[20] |
张俊华, 贾萍萍, 孙媛, 贾科利. 基于高光谱特征的盐渍化土壤不同土层盐分离子含量预测. 农业工程学报, 2019, 35(12): 106-115.
|
|
|
[21] |
|
[22] |
doi: 10.1016/j.geoderma.2020.114729 |
[23] |
张超, 刘咏梅, 孙亚楠, 王雷, 刘建红. 黄土丘陵沟壑区土壤养分含量的高光谱预测模型. 应用生态学报, 2018, 29(9): 2835-2842.
doi: 10.13287/j.1001-9332.201809.010 |
|
|
[24] |
玉米提·买明, 王雪梅. 塔里木盆地北缘荒漠土壤有机质含量的高光谱估测. 中国土壤与肥料, 2021(4): 318-326.
|
|
|
[25] |
郄欣, 齐雁冰, 刘姣姣, 王珂, 陈敏辉. 基于室内高光谱数据的多种类型土壤有机质估算模型比较. 干旱地区农业研究, 2021, 39(4): 109-116, 124.
|
|
|
[26] |
洪永胜, 于雷, 朱亚星, 李思缔, 郭力, 刘家胜, 聂艳, 周勇. 利用OSC算法消除土壤含水量变化对Vis-NIR光谱估算有机质的影响. 中国农业科学, 2017, 50(19): 3766-3777. doi: 10.3864/j.issn.0578-1752.2017.19.013.
doi: 10.3864/j.issn.0578-1752.2017.19.013 |
doi: 10.3864/j.issn.0578-1752.2017.19.013 |
|
[27] |
尚璇, 李西灿, 徐邮邮, 刘莎莎. 土壤水与有机质对高光谱的作用及交互作用规律. 中国农业科学, 2017, 50(8): 1465-1475. doi: 10.3864/j.issn.0578-1752.2017.08.010.
doi: 10.3864/j.issn.0578-1752.2017.08.010 |
doi: 10.3864/j.issn.0578-1752.2017.08.010 |
|
[28] |
鲍士旦. 土壤农化分析. 3版. 北京: 中国农业出版社, 2000.
|
|
|
[29] |
周倩倩, 丁建丽, 唐梦迎, 杨斌. 干旱区典型绿洲土壤有机质的反演及影响因素研究. 土壤学报, 2018, 55(2): 313-324.
|
|
|
[30] |
陈奕云, 齐天赐, 黄颖菁, 万远, 赵瑞瑛, 亓林, 张超, 费腾. 土壤有机质含量可见-近红外光谱反演模型校正集优选方法. 农业工程学报, 2017, 33(6): 107-114.
|
|
|
[31] |
黄伯强, 李启才. 带交互作用的双因素方差分析的线性回归建模. 统计与决策, 2021, 37(1): 10-15.
|
|
|
[32] |
全国土壤普查办公室. 中国土壤普查技术. 北京: 中国农业出版社, 1992.
|
National Soil Census Office. Soil General Survey Technology in China. Beijing: China Agriculture Press, 1992. (in Chinese)
|
|
[33] |
王丹阳, 陈红艳, 王桂峰, 丛津桥, 王向锋, 魏学文. 无人机多光谱反演黄河口重度盐渍土盐分的研究. 中国农业科学, 2019, 52(10): 1698-1709. doi: 10.3864/j.issn.0578-1752.2019.10.004.
doi: 10.3864/j.issn.0578-1752.2019.10.004 |
doi: 10.3864/j.issn.0578-1752.2019.10.004 |
|
[34] |
doi: 10.1016/j.soilbio.2007.12.011 |
[35] |
doi: 10.1117/1.JRS.10.015014 |
[36] |
doi: 10.1007/s40333-019-0091-9 |
[37] |
doi: 10.3390/rs11222605 |
[38] |
刘庆生, 王志刚, 荆林海. 岩石实验室光谱对应分析. 遥感学报, 1999, 3(2): 151-156.
|
|
|
[39] |
国佳欣, 朱青, 赵小敏, 郭熙, 韩逸, 徐喆. 不同土地利用类型下土壤有机碳含量的高光谱反演. 应用生态学报, 2020, 31(3): 863-871.
doi: 10.13287/j.1001-9332.202003.014 |
doi: 10.13287/j.1001-9332.202003.014 |
|
[40] |
doi: 10.1016/S1002-0160(17)60485-5 |
[41] |
彭杰, 张杨珠, 周清, 刘香伶, 周卫军. 去除有机质对土壤光谱特性的影响. 土壤, 2006, 38(4): 453-458.
|
|
|
[42] |
|
[43] |
doi: 10.2136/sssaj2009.0351 |
[44] |
郭斗斗, 黄绍敏, 张水清, 聂胜委. 多种潮土有机质高光谱预测模型的对比分析. 农业工程学报, 2014, 30(21): 192-200.
|
|
|
[45] |
doi: 10.1016/j.geoderma.2019.06.040 |
[46] |
doi: 10.1016/j.geoderma.2013.03.018 |
[1] | 李亚贞, 韩天富, 曲潇琳, 马常宝, 都江雪, 柳开楼, 黄晶, 刘淑军, 刘立生, 申哲, 张会民. 我国水稻的肥料贡献率时空变化及影响因素[J]. 中国农业科学, 2023, 56(4): 674-685. |
[2] | 张维理,傅伯杰,徐爱国,杨鹏,陈涛,张认连,史舟,吴文斌,李建兵,冀宏杰,刘峰,雷秋良,李兆君,冯瑶,李艳丽,徐用兵,裴玮. 中国土壤调查结果的地统计特征[J]. 中国农业科学, 2022, 55(13): 2572-2583. |
[3] | 崔帅,刘烁然,王寅,夏晨真,焉莉,冯国忠,高强. 吉林省旱地土壤有效硫含量及其与土壤有机质和全氮的关系[J]. 中国农业科学, 2022, 55(12): 2372-2383. |
[4] | 房蕊,于镇华,李彦生,谢志煌,刘俊杰,王光华,刘晓冰,陈渊,刘居东,张少庆,吴俊江,Stephen J HERBERT,金剑. 大气CO2浓度和温度升高对农田土壤碳库及微生物群落结构的影响[J]. 中国农业科学, 2021, 54(17): 3666-3679. |
[5] | 史丰智,王瑞燕,李玉环,闫宏,张晓鑫. LAI无人机多光谱遥感估测及其在盐渍土改良中的应用[J]. 中国农业科学, 2020, 53(9): 1795-1805. |
[6] | 乔磊,张吴平,黄明镜,王国芳,任健. 基于MGWRK的土壤有机质制图及驱动因素研究[J]. 中国农业科学, 2020, 53(9): 1830-1844. |
[7] | 李小磊,张玉军,申凤敏,姜桂英,刘芳,柳开楼,刘世亮. 长期施肥对红壤性水稻土不同土层活性有机质及碳库管理指数的影响[J]. 中国农业科学, 2020, 53(6): 1189-1201. |
[8] | 张维理,KOLBEH,张认连,冀宏杰. 农田土壤有机碳管理与有机质平衡算法[J]. 中国农业科学, 2020, 53(2): 332-345. |
[9] | 李冬初,黄晶,马常宝,薛彦东,高菊生,王伯仁,张杨珠,柳开楼,韩天富,张会民. 中国稻田土壤有机质时空变化及其驱动因素[J]. 中国农业科学, 2020, 53(12): 2410-2422. |
[10] | 蒋龙刚,黄明,宋庆赟,苑爱静,李嘉华,邱炜红,王朝辉. 基于土壤有机质含量推荐的旱地冬小麦施氮量研究[J]. 中国农业科学, 2020, 53(10): 2020-2033. |
[11] | 姜赛平,张认连,张维理,徐爱国,张怀志,谢良商,冀宏杰. 近30年海南岛土壤有机质时空变异特征及成因分析[J]. 中国农业科学, 2019, 52(6): 1032-1044. |
[12] | 刘琳,吉冰洁,李若楠,BATBAYARJavkhlan,张树兰,杨学云. 陕西关中冬小麦/夏玉米区土壤磷素特征[J]. 中国农业科学, 2019, 52(21): 3878-3889. |
[13] | 王丹阳,陈红艳,王桂峰,丛津桥,王向锋,魏学文. 无人机多光谱反演黄河口重度盐渍土盐分的研究[J]. 中国农业科学, 2019, 52(10): 1698-1709. |
[14] | 姜桂英,张玉军,魏喜,张东旭,刘世亮,柳开楼,黄绍敏,申凤敏. 不同碳饱和水平下典型农田土壤有机质的红外光谱特征[J]. 中国农业科学, 2018, 51(16): 3117-3129. |
[15] | 尚璇,李西灿,徐邮邮,刘莎莎. 土壤水与有机质对高光谱的作用及交互作用规律[J]. 中国农业科学, 2017, 50(8): 1465-1475. |
|