考虑土壤类型的土壤有机碳遥感制图方法技术

考虑土壤类型的土壤有机碳遥感制图方法，本发明专利技术属于数字土壤制图领域，具体涉及一种土壤有机碳遥感估算的方法。本发明专利技术是为了解决当前由于SOC遥感制图模型单一而导致的高估或低估的技术问题。本方法如下：一、土壤样点采集与测试；二、遥感影像下载与处理；三、环境数据下载与处理；四、土壤分类模型的构建；五、SOC预测模型构建；六、SOC遥感制图。本发明专利技术的土壤分类模型使用随机森林模型，使用植被指数、温度、降水、土壤质地作为分类变量，验证样点总体分类精度为91.67％，kappa系数为0.88。考虑土壤类型的SOC预测模型的验证样点R2为0.71，RMSE为2.54g

【技术实现步骤摘要】
考虑土壤类型的土壤有机碳遥感制图方法


[0001]本专利技术属于数字土壤制图领域，具体涉及一种土壤有机碳遥感估算的方法。

技术介绍

[0002]土壤有机碳(SOC)在土壤功能、生态系统服务和全球碳循环中起着关键作用。SOC是土壤有机质(SOM)的一种化学量度，土壤有机碳占土壤有机质的60％
‑
80％。SOM是指通过微生物作用所形成的腐殖质、动植物残体和微生物体的合称，其中的碳元素含量即为SOC。SOC对于农业生产和环境质量监测也是重要的指标，因此，SOC的准确监测十分必要。传统的土壤采样和分析具有很高的精度，但费时费力且成本较高，特别在大尺度的土壤调查中，传统方法在效率上具有一定不足。遥感技术的兴起为土壤普查提供快速、高效和低成本的技术支持。研究表明，SOM在可见光近红外区域有强烈的吸收特征，因此，使用遥感技术可以较好的估算SOC含量。
[0003]SOC遥感制图主要使用多光谱和高光谱两种光学卫星，但高光谱卫星影像一般不可免费下载，且不容易获取，所以多光谱卫星影像被广泛应用于SOC遥感制图。常用的多光谱卫星包括Landsat影像、Sentinel
‑
2号影像、Modis影像和高分系列影像。在中国东北地区，每年的3月末至5月初可作为耕地土壤的裸土窗口期，这段时间农耕刚刚开始，秸秆覆盖少，没有植被覆盖的影响。遥感反射率信息可以直接用于SOC预测模型的构建，为了进一步提高SOC预测的精度，基于不同波段反射率的光谱指数被广泛使用。因为遥感影像具有多时相的特点，而且SOC在几年内是稳定的，基于多时相的SOC遥感制图方法因具有丰富的光谱信息可以提高SOC的预测精度。但大多数SOC遥感制图都是使用单一的估算模型，容易对某些土壤类型造成高估或者低估现象，因为不同土壤类型的土壤属性差异很大。因此，开发一种准确的、快速的、适用于多种土壤类型的SOC混合估算模型对SOC的准确监测和土壤普查是必要的。

技术实现思路

[0004]本专利技术的目的是为了解决当前由于SOC遥感制图模型单一而导致的高估或低估的技术问题，提供了一种考虑土壤类型的土壤有机碳遥感制图方法。
[0005]考虑土壤类型的土壤有机碳遥感制图方法如下：
[0006]一、表层土壤样本采集与测试：
[0007]在中国东北采集中国东北耕地表层土壤样本，对土壤样本进行风干、研磨和过筛处理，使用重铬酸钾加热法得到SOC含量；
[0008]重铬酸钾加热法得到SOC含量的操作步骤如下：
[0009]1.1、用减量法称取0.1000g
‑
0.5000g风干土样，精确到0.0001g，通过0.149mm的筛孔将风干土样置于硬质试管中，加入0.1g硫酸银，加入5.00mL浓度为0.8000mol/L的重铬酸钾标准溶液，再用注射器注入5mL硫酸，旋转摇匀；
[0010]1.2、先将油浴锅加热至185℃
‑
190℃，将盛有土样的硬质试管插入油浴锅内的铁
丝笼架中加热，控制油浴锅内温度为170℃
‑
180℃，并使溶液保持沸腾5min，然后取出铁丝笼架，待硬质试管稍冷后，用干净纸擦净试管外部的油液；
[0011]1.3、如煮沸后的溶液呈绿色，表示重铬酸钾标准溶液用量不足，应再称土样重做；如煮沸后的溶液呈橙黄色或黄绿色，则冷却后将试管内的混合物洗入250mL锥形瓶中，瓶内体积控制在60mL
‑
80mL，加入3滴
‑
4滴邻菲啰啉指示剂，用0.2mol/L硫酸亚铁铵标准溶液滴定至溶液由橙黄色经蓝绿色到棕红色为终点；如用N
‑
苯基邻氨基苯甲酸指示剂，则变色过程由棕红色经紫色到蓝绿色为终点；
[0012]1.4、分析每批土样时，做2
‑
3个空白试验，空白试验不加土样，但加入0.1g
‑
0.5g石英砂，其他操作步骤与土样分析完全相同。
[0013]二、遥感影像下载与处理：
[0014]在USGS上下载sentinel
‑
2号裸土期无云影像，下载产品为Level
‑
1C，使用欧空局官方发布的大气校正插件Sen2Cor模型对遥感影像进行大气校正处理，用到的波段有蓝、绿、红、近红外和两个短波红外波段，短波红外波段被重采样到10m空间分辨率；
[0015]所述两个短波红外波段中心波长分别为1614nm和2203nm；
[0016]三、环境数据下载与处理：
[0017]获取地形、气候和土壤质地的信息，年均气温和年降雨量1km免费栅格数据在国家气象中心下载(http://data.cma.cn/)，30m地形数据在USGS上获取，坡度、地形起伏度、地表粗糙度、剖面曲率在ArcGIS软件中提取(https://gdex.cr.usgs.gov/gdex/)，1km土壤质地栅格数据在中国科学院资源与环境数据云平台获取(http://www.resdc.cn/)，所有数据重采样到10m空间分辨率与sentinel
‑
2影像一致；
[0018]四、土壤分类模型的构建：
[0019]基于遥感影像计算归一化植被指数NDVI并与环境因素温度、降水、土壤质地作为分类变量，共同构建土壤分类模型，土壤分类模型选择随机森林模型；
[0020]五、SOC预测模型构建：
[0021]分别构建两个SOC预测模型，一个是所有样本的SOC预测模型，另一个是考虑土壤类型的SOC预测模型；
[0022]六、SOC遥感制图：
[0023]将预测模型代入遥感影像，实现区域SOC遥感制图。
[0024]步骤一中采集耕地表层0.5
‑
20cm的土壤样本。
[0025]步骤六SOC遥感制图后，进行精度验证，使用总体分类精度和kappa系数对土壤分类精度进行评价，总体分类精度等于正确样本数除以样本总数，SOC预测精度使用决定系数R2和均方根误差RMSE评估，kappa系数计算公式如下：
[0026][0027]po是正确的分类精度，pe是期望的一致率；
[0028]RMSE计算公式如下：
[0029][0030]y
p
是SOC预测值，y
o
是SOC实测值，m是土壤样本数。
[0031]本专利技术的土壤分类模型使用随机森林模型，使用植被指数(NDVI)、温度、降水、土壤质地作为分类变量，验证样点总体分类精度为91.67％，kappa系数为0.88。所有样本的SOC预测模型的验证样点R2为0.49，RMSE为3.53g
·
kg
‑1；考虑土壤类型的SOC预测模型的验证样点R2为0.71，RMSE为2.54g
·
kg
‑1。考虑土壤类型的SOC预测精度高于所有样点的单一预测模型精度。
附图说明
[0032]图1是实验一中采样点分布图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑土壤类型的土壤有机碳遥感制图方法，其特征在于所述考虑土壤类型的土壤有机碳遥感制图方法如下：一、表层土壤样本采集与测试：在中国东北采集中国东北耕地表层土壤样本，对土壤样本进行风干、研磨和过筛处理，使用重铬酸钾加热法得到SOC含量；重铬酸钾加热法得到SOC含量的操作步骤如下：1.1、用减量法称取0.1000g
‑
0.5000g风干土样，精确到0.0001g，通过0.149mm的筛孔将风干土样置于硬质试管中，加入0.1g硫酸银，加入5.00mL浓度为0.8000mol/L的重铬酸钾标准溶液，再用注射器注入5mL硫酸，旋转摇匀；1.2、先将油浴锅加热至185℃
‑
190℃，将盛有土样的硬质试管插入油浴锅内的铁丝笼架中加热，控制油浴锅内温度为170℃
‑
180℃，并使溶液保持沸腾5min，然后取出铁丝笼架，待硬质试管稍冷后，用干净纸擦净试管外部的油液；1.3、如煮沸后的溶液呈绿色，表示重铬酸钾标准溶液用量不足，应再称土样重做；如煮沸后的溶液呈橙黄色或黄绿色，则冷却后将试管内的混合物洗入250mL锥形瓶中，瓶内体积控制在60mL
‑
80mL，加入3滴
‑
4滴邻菲啰啉指示剂，用0.2mol/L硫酸亚铁铵标准溶液滴定至溶液由橙黄色经蓝绿色到棕红色为终点；如用N
‑
苯基邻氨基苯甲酸指示剂，则变色过程由棕红色经紫色到蓝绿色为终点；1.4、分析每批土样时，做2
‑
3个空白试验，空白试验不加土样，但加入0.1g
‑
0.5g石英砂，其他操作步骤与土样分析完全相同；二、遥感影像下载与处理：在USGS上下载sentinel
‑
2号裸土期无云影像，下载产品为Level

【专利技术属性】
技术研发人员：王翔，尚盈辛，宋开山，王丽萍，郑淼，
申请(专利权)人：中国科学院东北地理与农业生态研究所，
类型：发明
国别省市：