技术特征：
1.一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：通过如下步骤a至步骤g，获得目标区域中各预设土壤碳组分类型分别所对应的土壤碳组分预测模型；并通过步骤i至步骤ii，实现对目标区域土壤剖面碳组分的预测；步骤a. 针对预设覆盖目标区域中不同成土母质的各个样本位置，分别获取各样本位置自土壤表面至预设深度位置的土壤剖面样本，并进一步获得各个土壤剖面样本分别所对应的高光谱图像，然后进入步骤b；步骤b. 针对各土壤剖面样本分别所对应的高光谱图像进行几何校正，以及通过尺寸拉伸方式，统一各高光谱图像的尺寸，更新各土壤剖面样本分别所对应的高光谱图像，然后进入步骤c；步骤c. 分别针对各土壤剖面样本分别所对应的高光谱图像，沿高光谱图像所对应的土壤深度，按预设单位深度，针对该高光谱图像进行划分，获得该高光谱图像所对应的各个目标样本光谱区域，进而获得全部高光谱图像所对应的各个目标样本光谱区域，然后进入步骤d；步骤d. 分别针对各个目标样本光谱区域，获得目标样本光谱区域中各位置光谱的平均光谱，作为该目标样本光谱区域所对应的光谱，进而获得全部目标样本光谱区域分别所对应的光谱，然后进入步骤e；步骤e. 分别针对各个目标样本光谱区域，针对目标样本光谱区域对应所属高光谱图像所对应土壤剖面样本中的土壤区域样本，测定该土壤区域样本对应预设各土壤碳组分类型的土壤碳组分数据，即获得该目标样本光谱区域对应预设各土壤碳组分类型的土壤碳组分数据，进而获得全部目标样本光谱区域分别对应预设各土壤碳组分类型的土壤碳组分数据，然后进入步骤f；步骤f. 分别针对各个土壤碳组分类型，基于各个目标样本光谱区域，针对目标样本光谱区域所对应的各个光谱波段进行筛选，获得该土壤碳组分类型所对应的各个特征光谱波段，进而获得各个土壤碳组分类型分别所对应的各个特征光谱波段，然后进入步骤g；步骤g. 分别针对各个土壤碳组分类型，基于各个目标样本光谱区域，以目标样本光谱区域对应土壤碳组分类型的各个特征光谱波段为输入，目标样本光谱区域所对应该土壤碳组分类型的土壤碳组分数据为输出，针对svmr模型进行训练，获得该土壤碳组分类型所对应的土壤碳组分预测模型；进而获得各土壤碳组分类型分别所对应的土壤碳组分预测模型；步骤i. 分别针对各个土壤碳组分类型，进一步分别针对目标区域中的各个土壤位置，获得土壤位置下各深度位置分别所对应各特征光谱波段，应用土壤碳组分类型所对应的土壤碳组分预测模型，获得该土壤位置下各深度位置分别对应该土壤碳组分类型的土壤碳组分数据，进而获得目标区域中各土壤位置下各深度位置分别对应该土壤碳组分类型的土壤碳组分数据；然后进入步骤ii；步骤ii. 由目标区域中各土壤位置下各深度位置分别对应各土壤碳组分类型的土壤碳组分数据，构成目标区域分别对应各土壤碳组分类型的土壤剖面碳组分分布预测。2.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤a包括如下步骤a1至步骤a2；步骤a1. 针对预设覆盖目标区域中不同成土母质的各个样本位置，通过钻取方式，分
别获取各样本位置自土壤表面至预设深度位置的土壤钻取剖面样本，即获得各个土壤钻取剖面样本，构成各个土壤剖面样本，然后进入步骤a2；步骤a2. 应用指定区间光谱波段，分别针对各个土壤剖面样本进行高光谱扫描，获得各个土壤剖面样本分别所对应的高光谱图像，然后进入步骤b。3.根据权利要求2所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤a1中，基于各个土壤钻取剖面样本的获得，首先分别针对所获各个土壤钻取剖面样本，沿过其端面中心位置的轴向面，针对土壤钻取剖面样本进行切割，获得各个土壤钻取剖面样本分别所对应的两个半圆柱体土壤剖面样本；然后分别针对各个土壤钻取剖面样本，选择土壤钻取剖面样本所对应的其中一个半圆柱体土壤剖面样本，并剔除其平面上的非土壤物质，构成该土壤钻取剖面样本所对应的土壤剖面样本，进而获得各个土壤剖面样本；所述步骤a2中，应用指定区间光谱波段，分别针对各土壤剖面样本上的平面进行高光谱扫描，获得各个土壤剖面样本分别所对应的高光谱图像。4.根据权利要求2或3所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤a2中，应用400 nm至1010 nm的1020个光谱波段，分别针对各个土壤剖面样本进行高光谱扫描获得各个土壤剖面样本分别所对应的高光谱图像。5.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤b中，首先分别针对各土壤剖面样本分别所对应的高光谱图像，依次进行几何校正、并去除其中的背景噪声；然后通过尺寸拉伸方式，统一各高光谱图像的尺寸，更新各土壤剖面样本分别所对应的高光谱图像。6.根据权利要求5所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤b中，分别针对各土壤剖面样本分别所对应的高光谱图像，应用掩膜裁剪方法去除高光谱图像中的背景噪声。7.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤d中还包括，针对所获各个目标样本光谱区域分别所对应的光谱，按预设光谱预处理方法，减小光谱仪器背景或漂移对光谱反射率的影响，更新各个目标样本光谱区域分别所对应的光谱，然后进入步骤e。8.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤f中，分别针对各个土壤碳组分类型，基于各个目标样本光谱区域，应用特征光谱变量选择方法针对目标样本光谱区域所对应的各个光谱波段进行特征变量识别筛选，获得该土壤碳组分类型所对应的各个特征光谱波段，进而获得各个土壤碳组分类型分别所对应的各个特征光谱波段。9.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述土壤碳组分类型包括soc、doc、roc、mbc，所述步骤e中，采用常规k2cr2o7氧化
‑
外加热法测定soc含量，采用多水土比法测定doc含量，采用kmno4氧化法测定roc含量，采用氯仿熏蒸
–
k2so4浸提法测定mbc含量，实现对各土壤区域样本对应各土壤碳组分类型的土壤碳组分数据的测定。10.根据权利要求1所述一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，其特征在于：所述步骤d中，基于各目标样本光谱区域分别所对应光谱的获得，
进一步应用主成分分析法，分别针对各目标样本光谱区域所对应光谱进行识别，并删除其中光谱异常值，更新各目标样本光谱区域分别所对应光谱，然后进入步骤e。
技术总结
本发明涉及一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法，基于各样本位置预设深度土壤剖面样本的高光谱图像的获得，以目标样本光谱区域对应土壤碳组分类型的各个特征光谱波段为输入，目标样本光谱区域所对应该土壤碳组分类型的土壤碳组分数据为输出，通过训练，获得该土壤碳组分类型所对应的土壤碳组分预测模型，进而实现对目标区域土壤剖面碳组分的预测；整个设计方案可以快速、准确地预测原状土壤剖面有机碳、可溶性碳、易氧化碳和土壤微生物量碳等组分含量，并实现精细化绘制它们在土壤剖面上的空间分布；弥补了传统实验室化学分析方法存在的不足。了传统实验室化学分析方法存在的不足。了传统实验室化学分析方法存在的不足。
技术研发人员：徐胜祥 赵永存 史学正 潘贤章 王昌昆
受保护的技术使用者：中国科学院南京土壤研究所
技术研发日：2021.06.11
技术公布日：2021/9/24