[发明专利]一种表层土壤氮素分布的预测方法

说明书

本发明公开了一种土壤氮素的预测方法，特别涉及一种表层土壤氮素分布的预测方法。一种基于遥感数据与地面辅助变量的基础上结合小波分析与神经网络模型建立小波神经网络耦合模型，对表层土壤氮素分布进行预测的方法。本发明提供的预测方法实现了用较少样点进行空间插值以获取采样区土壤氮素含量，从而节省采样样点、采样时间以及采样经费，有效的降低了土壤性质空间数据的获取成本，并提高了空间插值精度，能够高精度地预测表层土壤氮素的空间分布。

技术领域

本发明涉及一种土壤氮素的预测方法，特别涉及一种表层土壤氮素分布的预测方法。

背景技术

土壤氮素是影响作物生长以及环境质量的重要元素。氮素不足条件下，许多植物生理生长过程受到影响从而导致作物减产；但是过量氮肥施用不仅会提高农业生产成本，矿质氮素淋失会造成地表与地下水体的非点源污染。长期氮肥施用造成的土壤剖面矿质氮大量富集严重影响了农产品品质进而威胁人体健康。而受多种成土因素和环境要素的影响，土壤氮素在空间上呈现非均匀性分布。因此，土壤氮素空间分布的预测在区域农业生产和环境保护等方面具有重要的作用和意义。

传统的土壤氮素测定方法主要是野外采样技术。野外采样是在所确定的土壤区域内根据所需要的精度确定样点密度与数量的基础上进行区域定点采取，并结合后期的室内化验分析获取土壤氮素含量，这种方法的优点在于测定准确度高，但是较大区域的研究则显得耗时费力成本高，并且通常基于野外采样获得的样点土壤氮素含量信息很难满足区域农业生产和环境保护中对面域土壤氮素含量分布特征的实时需求。因此，快速、实时、准确获取区域土壤氮素含量的空间分布信息是掌握区域土壤氮素肥力现状、科学的土壤养分管理和环境保护的现实需要。

为了解决传统氮素测定方法实时性差等缺点，部分学者逐步开始应用具有速度快现实性好优点的遥感技术进行模型探索。但是氮素土壤氮素空间分布是各种地表环境因素共同作用的结果，单纯利用遥感技术进行土壤分析易造成较大误差从而降低建模精度。

发明内容

本发明的技术方案如下：

一种表层土壤氮素分布的预测方法，包括以下步骤：

(1)数据获取：所述数据包括实测土样数据、遥感数据和地面辅助变量；

(2)将所述步骤(1)获取的数据代入预设的模型中，运算得到表层土壤氮素的空间分布，所述模型为小波神经网络耦合模型，所述小波神经网络耦合模型由小波分析结合神经网络模型建立得到。

优选的，所述实测土样数据的获取方法包括以下步骤：

以研究区地形图、土地利用现状图和土壤类型分布图为辅助信息，以代表性和均匀性为采样原则，结合地形信息和土壤类型信息进行土壤样点布设，在每个样点处采用多点混合方法采集得到土壤样品；

对所述土壤样品进行检测，得到土壤有机质和碱解氮含量以及土壤全氮含量。

优选的，所述遥感数据获得包括以下步骤：

(a)获取野外采样时间前后1～2月时期内遥感影像；

(b)对步骤(a)中所得到的遥感影像依次进行区域裁剪、几何校正处理、滤波处理消除遥感影像上的噪声和提取各波段像元灰度值，得到遥感数据。

优选的，所述遥感影像上的噪声来自微地形、地物阴影、地表纹理差异和成像过程中的一种或多种情况。

优选的，所述地面辅助变量包括自然因素和人为因素；

所述地面辅助变量的获取：在进行获取实测土样数据时记录研究区的地理坐标和海拔高度，记录样点所在的环境信息；

所述自然因素包括成土母质、土壤质地、土壤结构和土壤类型；

所述人为因素包括土地利用方式、有机质含量与施肥量。