共查询到20条相似文献，搜索用时 672 毫秒
1.
铝模块消解仪加热法测定土壤中有机质含量 总被引：2，自引：0，他引：2
铝模块消解仪加热法替代油浴加热消解土壤样品,测定土壤中有机质含量。通过优化消解仪的消解温度、加热时间等实验,确定消解仪温度220℃(沸腾时消化管内溶液温度约为170℃),沸腾时间12 min (消解时间约为22 min)为铝模块消解仪的最佳有机质测定条件。使用该方法测定的土壤标准样品的有机质含量均在误差允许范围以内,消解样品有机质回收率达99.98％,校正系数为1.00。同时用我国长期定位试验典型土壤进行该方法准确度和精密度测试,样品有机质测定结果标准偏差为0.06~0.78,变异系数为0.30％~4.11％,符合测定要求。与经典油浴加热方法相比,该方法温度易控制、操作简单、安全,可降低环境污染;结果的准确度和精密度满足要求,值得推广。 相似文献
2.
研究和建立了微波消解土壤样品,等离子体发射光谱仪一次进样曝光,同时测定全磷、全钾的分析方法.本方法一次消解土壤样品,2个元素同时测定,方法准确、快速、精密度高,符合分析要求. 相似文献
3.
微波消解法测土壤中全磷和全钾 总被引：1，自引：0，他引：1
用微波消解法测定土壤标准样品、标准方法测定消解液P和K含量,通过实验确定最佳消解及分析条件;而且比较微波消解法和传统电热板消解法的精密度和准确度,建立微波消解技术测定土壤P和K前处理方法.结果表明:土壤样品用1∶1HNO3∶HF 10ml的混酸体系进行消解,效果最佳;对于土壤标样,微波消解法测定P和K的相对标准偏差分别为1.46%～3.20%和0.38%～0.84%,电热板消解法测定P和K的相对标准偏差分别为3.06%～4.15%和0.40%～2.08%,微波消解法的测出值均高于电热板消解法;微波消解法的准确度和重现性明显优于电热板消解法,与标准值的相对相差比较,微波消解法都低于5%;两种试验方法样品回收率测得为94%～105%,符合分析方法要求.方法快速简便并有较高准确度、精密度,值得推广和应用. 相似文献
4.
土壤中总铬测定方法的比较研究 总被引：5，自引：0，他引：5
采用国标GB/T 17137-1997和GB/T 17141-1997中规定的两种方法即H2SO4-HNO3-HF、HNO3-HF-HClO4法对土壤样品进行消解处理,筛选了HNO3-HF-HClO4消化体系并进行改进,再运用火焰原子吸收分光光度法测定样品中总铬（Cr）的含量。结果表明：土壤总Cr测定中的3种预处理方法的测定结果存在明显差异,改进后的HNO3-HF-HClO4法优于原国标方法,该方法消解速度快（3 ~ 4 h）且完全,大大缩短了实验时间;该方法灵敏度高（最低检出限0.04 mg/L）、准确度高（相对误差在1.3% ~ 5.0%）、加标回收率高（94.6% ~ 108.7%）,精密度好（相对标准偏差小于5.7%）,是值得推广的土壤Cr消解方法,可应用于农业环境土壤质量样品的检测。 相似文献
5.
6.
土壤缓效钾是土壤有效钾的一部分,通过对NY/T 889-2004《土壤速效钾和缓效钾含量的测定》测定缓效钾含量的前处理方法进行改进,用标准COD消解器消解替代了油浴（或磷酸浴）,改进后的方法在精密度方面平行测定最大相对相差均≤8%,在准确度方面标准物质测定的单次结果均在标准值范围之内。实际样品测定方面,改进前和改进后的方法相对相差均≤8%。改进后的方法有较好的精密度和正确度,操作更加安全,消解效率高。 相似文献
7.
微波消解塞曼火焰原子吸收法测定土壤中重金属元素的方法研究 总被引：9，自引：0，他引：9
利用光纤压力自控密闭微波消解系统和采用正交实验等方法,优选了微波消解土壤的酸用量、微波时间及压力强度等项指标。实验结果表明,在供试条件下,以HNO33ml、HClO42ml、HF3ml混合酸作消解液,采用0.5MPa3min、1 5MPa5min二段微波消解方式,可获得满意的检测结果,其准确度和精密度均符合土壤环境样品分析要求,具有操作简便、快速、经济的特点,并可在同一消解液中分别测定土壤Cu、Zn、Pb、Cd、Cr、Ni等重金属元素,是测定土壤重金属元素含量的有效方法。 相似文献
8.
9.
10.
为了探寻快速、准确估测土壤有机质含量的方法以推动精准农业化进程,以北疆绿洲农田灰漠土为研究对象,通过野外实地调查收集土壤样品,室内化学分析测得土壤样品有机质含量,暗室内利用SVC HR-768高光谱仪测定土壤样品光谱反射率。通过对土壤光谱反射率进行倒数、对数、一阶微分、倒数的一阶微分、对数的一阶微分变换,运用单相关分析法提取土壤光谱特征波段,采用多元逐步方法对土壤有机质含量定量反演,分析研究土壤有机质含量和室内土壤光谱的特征关系。结果表明,在波长567、1 697 nm和2 221 nm处,采用反射率对数的一阶微分建立的土壤有机质含量反演模型预测精度最高,模型决定系数达到0.82。北疆绿洲农田灰漠土土壤有机质含量高光谱反演模型的建立为土壤有机质的快速测定提供了新的途径。 相似文献
11.
基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算 总被引：6，自引：7，他引：6
为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。 相似文献
12.
Capability of Loss‐on‐Ignition as a Predictor of Total Organic Carbon in Non‐Calcareous Forest Soils
《Communications in Soil Science and Plant Analysis》2012,43(19-20):2899-2921
Abstract Accurate analyses of large numbers of soil samples are needed in order to reduce the uncertainty of carbon inventories. Loss‐on‐ignition (LOI) is still considered the most convenient assessment method, but its accuracy and precision for predicting total organic carbon (TOC) is questioned. However, our estimation of measurement precision for different samples showed comparable relative standard deviations (RSDs) for LOI and TOC determinations. Highest precision was found in forest floor samples (RSD<1.2%) and lowest (RSD 5–10%) in sandy soil samples low in organic matter. Forest floor samples (n=66) and non‐calcareous mineral soil samples (n=654) were used to calibrate and validate predictive equations. Excellent linear relationships were found. For a wide range of soils the bivariate predictive equation TOC=?0.1046 Clay+0.5936 LOI (r2=0.98) was developed and validated. After correction for clay content, slopes averaged remarkably close to the traditional 0.58 conversion factor. 相似文献
13.
陕西武功县猕猴桃园土壤养分调查与评价 总被引：1，自引：1，他引：0
测定陕西武功县猕猴桃园土壤养分含量,评价土壤肥力状况,为指导果园科学施肥提供参考依据。本研究采集研究区10个代表性果园表层土壤样品,对其pH、有机质以及速效氮、磷、钾含量进行测定,结合相关分级标准,分析果园土壤肥力状况。结果表明:武功县猕猴桃园土壤pH在7.52～8.54,平均为8.16,属于弱碱性土壤;土壤有机质含量在10.78～26.73 g/kg,平均为18.43 g/kg,达到中量水平的土壤样品仅占25.1%,整体表现缺乏;土壤速效氮含量在47.60～254.16 mg/kg,平均为138.69 mg/kg,64.7%的土壤样品速效氮含量超过120 mg/kg,仅有8.0%的土壤样品速效氮含量缺乏;土壤有效磷含量在11.01～292.10 mg/kg,平均为59.22 mg/kg,达到丰富及以上水平的土壤样品占90.3%;土壤速效钾含量在32.81～458.20 mg/kg,平均为190.92 mg/kg,丰富、中量、缺乏的土壤样品分别占57.3%、28.2%、14.5%。研究区土壤pH、土壤有机质空间变异相对较小,土壤速效氮、磷、钾含量比较丰富,但空间分布不均衡。建议在今后土壤及施肥管理中,采取综合措施,适度降低土壤pH,以满足猕猴桃生长所需的土壤酸碱环境;加强有机肥的投入,逐年提高土壤有机质含量;控制氮、磷、钾化肥的施用,提高肥料利用率。 相似文献
14.
基于RBF神经网络的土壤有机质空间变异研究方法 总被引：11，自引：4，他引：7
通过研究土壤性质的空间变异和空间插值方法,快速准确获取土壤性质的空间分布是精确农业和环境保护的基础。该文以四川眉山一块约40 km2的区域为试验区,采集表层土壤（0～20 cm）样点80个,利用径向基函数(RBF)神经网络建立空间坐标和邻近样点与土壤有机质间的非线性映射关系（RBF2）,模拟土壤有机质的空间分布。与普通克里法（OK）和仅以坐标为网络输入的神经网络方法（RBF1）相比,RBF2的插值精度有显著的提高;相同样点密度下其相对预测误差分别较OK和RBF1减小了9.87%、1.97%（样本A）和13.09%、2.36%（样本B）;即使样点数减半的情况下RBF2的相对预测误差也分别较OK和RBF1减小了10.23%和2.33%,并且插值图差异相对较小,可以更好地反映土壤有机质空间分布的异质性。因此,利用以坐标和邻近样点为输入的神经网络方法可以相对准确、快速地获取区域土壤性质空间分布的异质性信息。 相似文献
15.
去除水分影响提高土壤有机质含量高光谱估测精度 总被引：9，自引：5，他引：4
土壤水分的影响是当前采用光谱分析法预测土壤养分含量的关键问题,该文旨在探索去除土壤水分影响、提高有机质高光谱定量估测精度的方法。首先采用地物光谱仪进行湿土和过筛干土的高光谱测试,并进行一阶导数变换;然后,采用奇异值分解(singular value decomposition,SVD)结合相关分析筛选土壤水分特征光谱,构建去除水分因素的修正系数,形成湿土光谱的校正光谱;最后基于校正前后湿土光谱,应用偏最小二乘(partial least squares,PLS)回归构建土壤有机质含量的估测模型,并对模型进行验证和比较,分析评价校正前后光谱的预测精度。结果显示:按土壤水分含量梯度划分的2组和全部棕壤及褐土土样共4组样本校正后建模决定系数和均方根误差分别为0.85、0.82、0.74、0.76和0.19%、0.20%、0.23%、0.19%,决定系数提高了0.02~0.09,均方根误差降低了0.01~0.03百分点,验证决定系数、均方根误差和相对分析误差分别为0.78、0.77、0.72、0.76,0.21%、0.15%、0.21%、0.15%和2.03、2.02、1.86、1.98,决定系数提高了0.06~0.15,均方根误差除褐土土样提高0.02百分点外,其他样本组降低了0.01~0.08百分点,相对分析误差提高了0.17~0.43,模型决定系数和相对分析误差得到显著提升;尤其对于土壤水分含量变异系数较小的3组土样,模型从待改进级别提高到性能良好级别,对土壤有机质含量具有较好的预测准确性。说明该方法用于去除土壤水分因素影响和提高有机质含量高光谱估测精度的有效性。 相似文献
16.
土壤有机质可见光-近红外光谱预测样本优化选择 总被引：2，自引：0，他引：2
土壤有机质可见光-近红外光谱预测中建模样本的优化选择对提高有机质模型估算精度具有重要作用。本文以湟水流域土壤有机质为例,采用基于土壤单一属性信息考虑的建模样本选择方法:浓度梯度法、Kennard-Stone(KS)方法,以及基于土壤多种信息考虑的建模样本选择方法:Rank-KS(RKS)法、土壤类型结合浓度梯度法以及土壤类型结合KS法。通过偏最小二乘回归建模,探索可见光–近红外光谱预测青海湟水流域有机质的最优样本集。结果表明:不同级别样本数的最佳建模样本选择方法不同,整体表现为基于土壤多种信息挑选的建模样本集的模型精度相比土壤单一信息均较高,特别是KS方法结合土壤类型后的建模样本集模型精度明显提高且在样本数较少时更为明显。土壤类型可以优化建模样本选择方法提高模型预测精度。在保证固定验证样本模型预测精度的情况下,土壤类型参与建模样本的选择可以有效减少建模样本数,进而降低了建模成本。 相似文献
17.
18.
有机质与黏粒含量对黑土压缩-回弹特性的影响 总被引：3，自引：1，他引：3
为探明有机质和黏粒对黑土压缩-回弹行为的影响,以典型黑土区耕作土壤为研究对象,通过人工添加腐植酸、人工分离-提取-添加黏粒、恒温恒湿培养的方法各配制3个梯度的重塑土。采用室内固结的方法,通过压缩系数、压缩指数及回弹指数的测定与分析,研究了2种含水量条件下黑土压缩与回弹对有机质和黏粒含量变化的响应行为。结果表明:(1)压缩指数均随有机质含量的增加而增大,且在高含水量时二者呈极显著正相关,有机质含量最高时压缩指数为0.246 3,但有机质含量对回弹无显著影响。(2)无论含水量高低,压缩指数均与黏粒含量呈极显著正相关,而回弹指数随着黏粒含量的增加逐渐降低,且在低含水量时二者呈显著负相关。(3)含水量不同,有机质与黏粒对黑土压缩-回弹特性的影响亦不同;黏粒对黑土压缩-回弹行为的影响更为显著。 相似文献
19.
荒漠土壤有机质含量高光谱估算模型 总被引：11，自引：6，他引：11
为解决荒漠土壤有机质含量高光谱估算存在的困难,提高土壤有机质含量估算的精准性,该文对准噶尔盆地东部荒漠土壤进行采样、化验分析和光谱测量、处理,分析土壤光谱与有机质含量的相关性,确定敏感光谱波段,建立荒漠土壤有机质含量多种高光谱估算模型,旨在通过模型精度的比较,确定最优模型。结果表明：反射率、倒数对数光谱与荒漠土壤有机质含量相关性低,而经过一阶微分、二阶微分变换后,相关系数有所提高,部分波段的相关系数通过0.01显著水平的检验,可以用来荒漠土壤有机质含量的估算;一元线性回归建立的估算模型的精度低,不适用荒漠土壤有机质含量高光谱的估算。荒漠土壤有机质多元逐步回归模型的二阶微分、倒数对数二阶微分修正决定系数得到了较大提高,分别提高了0.22和0.31,均方根误差下降了0.66和0.80,建模精度高于一元线性回归模型。荒漠土壤有机质一阶微分、二阶微分光谱的最小偏二乘回归模型的决定系数比其多元逐步回归模型提高了0.07、0.04,一阶微分、二阶微分均方根误差都下降了0.11,二阶微分偏最小二乘法回归模型是该研究所建12个模型的最优估算模型。在多元逐步、偏最小二乘回归模型中,最优估算模型是二阶微分模型,因而用偏最小二乘法回归估算荒漠土壤有机质含量是个可行的方法。该研究的成果为荒漠土壤有机质高光谱遥感分析提供了支撑,实现荒漠土壤有机质监测的时效性、准确性,为区域生态环境的修复提供依据。 相似文献
20.
基于EPO算法去除水分影响的土壤有机质高光谱估算 总被引：2，自引：0，他引：2
野外进行土壤有机质的光谱快速预测时需考虑土壤含水量的影响。在室内设计人工加湿实验分别获取9个土壤含水量梯度(0~32%,间隔4%)的土壤光谱数据,分析土壤含水量变化对光谱的影响,再利用外部参数正交化法(external parameter orthogonalization,EPO)进行湿土光谱校正,并结合偏最小二乘回归和支持向量机回归分别建立土壤有机质预测模型。结果表明,土壤光谱反射率随着土壤含水量的增加呈非线性降低趋势,偏最小二乘回归模型的预测偏差比为1.16,模型不可用;经EPO算法校正后,各土壤含水量梯度之间的光谱差异性降低,能实现土壤有机质在不同土壤含水量梯度的有效估算,偏最小二乘回归和支持向量机回归模型的预测偏差比分别提高至1.76和2.15。研究结果可为田间快速预测土壤有机质提供必要参考。 相似文献