【技術實現步驟摘要】
本專利技術屬于土壤侵蝕泥沙來源識別領域，具體涉及一種多粒徑組合優化的光學指紋泥沙來源示蹤方法。
技術介紹
1、識別侵蝕泥沙來源是認識土壤侵蝕發生、發展和防治水土流失的關鍵，對侵蝕源區針對性管理和水土保持措施制定具有重要的參考作用。由于光學特征能綜合反映樣本的物化性質，不同侵蝕源地由于物質組成、有機質含量、顆粒大小及團聚體特征等會有差異，相應的其光學特征也會表現出異質性，如特征峰的形狀、位置、強度和數量表現出不同。因此，不同類型土壤具有不同的光譜特征，相同類型不同粒徑范圍的土壤其光譜特征也不相同。光學指紋示蹤技術，以泥沙光學特征作為指紋因子，利用其在不同來源泥沙中存在顯著差異，且在侵蝕運移過程中保持守恒，來確定泥沙物源及其相對貢獻。光學指紋示蹤技術因其識別度高、速度快、成本低和樣品無損等明顯優勢，在泥沙來源識別中展現出巨大的潛力。然而，泥沙在侵蝕、搬運過程中往往伴隨顆粒分選作用，即粗顆粒先沉積，細顆粒發生富集，而細顆粒有機質等成分含量通常高于粗顆粒，相應組分也產生富集，這些作用會對光學特征產生影響，無法確保光學特征從源到匯具有保守型，進而影響泥沙來源光學指紋示蹤結果的準確性。傳統泥沙來源光學指紋示蹤方法未考慮顆粒分選、有機質富集等作用對示蹤結果準確性產生的影響，而通常假設泥沙光學特性在侵蝕輸移過程中不會發生變化，建模時僅利用源地土壤類型組合，未考慮粒徑組合，導致源樣和泥沙樣光學特征匹配度低，因此難以保證示蹤結果的準確性。
技術實現思路
1、本專利技術提供一種多粒徑組合優化的光學指紋泥
2、本專利技術所采用的技術方案為：
3、本申請公開了一種多粒徑組合優化的光學指紋泥沙來源示蹤方法，包括：
4、劃分源地類型：以溝緣線為界將待采集樣品的泥沙源地劃分為s型源地和g型源地；其中，s型源地為新黃土源地，g型源地為老黃土源地；
5、采集樣品：在s型源地內選取五個采樣區，在每個采樣區內分別采集樣品獲得五個s型樣品，以s1、s2、s3、s4、s5表示；在g型源地內選取五個采樣區，在每個采樣區內分別采集樣品獲得五個g型樣品，以g1、g2、g3、g4、g5表示；對采集的五個s型樣品(s1-s5)和五個g型樣品(g1-g5)分別進行濕篩處理，獲得三種粒徑范圍共三十個樣品s1-31、s1-63、s1-125、s2-31、s2-63、s2-125…s5-31、s5-63、s5-125、g1-31、g1-63、g1-125、g2-31、g2-63、g2-125…g5-31、g5-63、g5-125，其中，s1-31、s1-63、s1-125分別表示s1型樣品濕篩后獲得粒徑范圍為0-31μm、31-63μm、63-125μm的樣品，s2-31、s2-63、s2-125分別表示s2型樣品濕篩后獲得粒徑范圍為0-31μm、31-63μm、63-125μm的樣品，…以此類推；g1-31、g1-63、g1-125分別表示g1型樣品濕篩后獲得粒徑范圍為0-31μm、31-63μm、63-125μm的樣品…以此類推；
6、利用濕篩后獲得的三十個樣品進行基于光譜的泥沙源樣判別分析，測定每個樣品的光譜數據，并對獲得的光譜數據進行pca-lda判別分析，以判定不同源地類型及不同粒徑范圍的樣品是否能夠被有效區分，若判定通過，則進入下一步，否則，重新歸類后再次進行判別分析，直至判別分析通過為止；其中，所述光譜數據包括中紅外光譜數據、可見光光譜數據或近紅外光譜數據；
7、判定分析通過后，將來自同源地的同粒徑樣品按照同質量配比進行混合獲得六種源樣樣品s31、s63、s125、g31、g63、g125，并將這六種源樣樣品按不同的組合方式以及不同的梯度占比，配制成一系列混合樣本，并測定其光譜數據；從混合樣本中隨機選取2/3的樣本作為建模集樣本，剩余1/3的樣本作為預測集樣本；其中，樣品s31是將判定分析通過后的s1-31、s2-31、s3-31、s4-31、s5-31樣品按照1:1:1:1:1的質量配比進行混合而成，樣品s63是將判定分析通過后的s1-63、s2-63、s3-63、s4-63、s5-63樣品按照1:1:1:1:1的質量配比進行混合而成，樣品s125以此類推；樣品g31是將判定分析通過后的g1-31、g2-31、g3-31、g4-31、g5-31樣品按照1:1:1:1:1的質量配比進行混合而成，樣品g63和g125以此類推；
8、對所述建模集樣本的光譜數據進行預處理，利用偏最小二乘回歸法進行建模，將建模集樣本的原光譜數據和經光譜預處理后的光譜數據分別與對應樣本的源樣比例值進行擬合，建立光譜示蹤模型，并從中篩選出最佳示蹤模型；
9、利用所述最佳示蹤模型進行泥沙來源的預測與評估。
10、作為一種可選的技術方案，樣品s1的采集包括：在s型源地劃分的五個采樣區中的第一個采樣區中，剝離其表面0-20cm厚上層土樣作為取樣層，在取樣層中a米×b米的網格面積內隨機布點采集c個子樣進行均勻混合，其中，a、b取值均為4-6，c取值8-12；將混合的樣品去除雜物自然風干，再經125μm孔徑篩網初篩，獲得s1型樣品。
11、作為一種可選的技術方案，對樣品s1的濕篩處理包括：在樣品s1中加入超純水混合均勻，然后放入超聲分散儀中進行分散，濕篩至三個粒徑范圍：0-31μm、31-63μm、63-125μm，最終s1型樣品濕篩后獲得三種樣品s1-31、s1-63、s1-125。
12、作為一種可選的技術方案，所述測定每種樣品的光譜數據之前，還包括將濕篩后獲得的三十個樣品置于40℃的烘箱中烘干。
13、作為一種可選的技術方案，所述組合方式包括s31、s63、s125、g31、g63和g125六種源樣樣品中的至少一種樣品。
14、作為一種可選的技術方案，所述預處理包括卷積平滑法(sg-smoothing)、標準正態化(snv)和基線校正(baseline)中的至少一種。
15、作為一種可選的技術方案，所述最佳示蹤模型是通過決定系數r2與均方根誤差rmse這兩個指標進行篩選的。
16、作為一種可選的技術方案，在所述利用所述最佳示蹤模型進行泥沙來源的預測與評估之前還包括：目標沉積樣配制以獲得不同分選程度的混樣，所述混樣用于評估所述最佳示蹤模型在不同顆粒分選情況下的預測精度。
17、本專利技術的有益效果為：本申請中，通過選取新黃土和老黃土兩種不同類型的源樣，又以三個粒徑范圍(0-31μm、31-63μm、63-125μm)將其進一步分別濕篩，并對濕篩后的樣品進行判別分析；將通過判別分析的樣品按照同源地同粒徑范圍同質量配比進行混合獲得六種源樣樣品s31、s63、s125、g31、g63、g125，將這六種源樣樣品按不同的組合方式以及不同的梯度占比，配制本文檔來自技高網...
【技術保護點】
1.多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，包括：
2.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，樣品S1的采集包括：
3.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，對樣品S1的濕篩處理包括：在樣品S1中加入超純水混合均勻，然后放入超聲分散儀中進行分散，濕篩至三個粒徑范圍：0-31μm、31-63μm、63-125μm，最終S1型樣品濕篩后獲得三種樣品S1-31、S1-63、S1-125。
4.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于：所述測定每種樣品的光譜數據之前，還包括將濕篩后獲得的三十個樣品置于40℃的烘箱中烘干。
5.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于：所述組合方式包括S31、S63、S125、G31、G63和G125六種源樣樣品中的至少一種樣品。
6.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于：所述預處理包括卷積平滑法(SG-Smoot
7.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于：所述最佳示蹤模型是通過決定系數R2與均方根誤差RMSE這兩個指標進行篩選的。
8.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，在所述利用所述最佳示蹤模型進行泥沙來源的預測與評估之前還包括：目標沉積樣配制以獲得不同分選程度的混樣，所述混樣用于評估所述最佳示蹤模型在不同顆粒分選情況下的預測精度。
...【技術特征摘要】
1.多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，包括：
2.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，樣品s1的采集包括：
3.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于，對樣品s1的濕篩處理包括：在樣品s1中加入超純水混合均勻，然后放入超聲分散儀中進行分散，濕篩至三個粒徑范圍：0-31μm、31-63μm、63-125μm，最終s1型樣品濕篩后獲得三種樣品s1-31、s1-63、s1-125。
4.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方法，其特征在于：所述測定每種樣品的光譜數據之前，還包括將濕篩后獲得的三十個樣品置于40℃的烘箱中烘干。
5.根據權利要求1所述的多粒徑組合優化的光學指紋泥沙來源示蹤方...
【專利技術屬性】
技術研發人員：倪玲珊，方怒放，牛浩邦，戴偉，張風寶，
申請(專利權)人：西北農林科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。