近红外光谱技术在广东地区不同类型土壤有机质、总氮、水分含量和pH值的测定研究

采集了广东不同地区不同土壤类型表层土77个样品的近红外光谱,建立土壤有机质、总氮、pH值和水分含量的定量预测数学模型,定向系数(R~2)分别为92.19,88.24,90.02,87.73;均方根误差(RMSECV)分别为4.42,0.038 1,0.214,0.518,各地区表层土壤能建立良好的模型。总氮的模型由于样品含氮量比较接近,范围较窄,代表性稍差,模型有待进一步完善。结果显示,利用NIRS对不同土壤类型进行营养成分分析是可行的,可以快速掌握土壤养分的动态变化,在土壤监测、测土施肥等方面具有广阔的发展前景。     

药品近红外光谱通用性定量模型评价参数的选择

为寻找药品近红外通用性定量模型在建立过程中用于确立最优模型的关键评价参数组合,收集整理了目前各种商品化化学计量学软件及文献中的13个常用于评价近红外定量模型的统计学参数,结合人用药品注册技术要求国际协调会对于药品定量分析方法验证基本要求,对92个药品近红外通用性定量分析模型的这些参数进行了计算和分析。通过对各个参数之间相互关系的研究,确定了适合于药品近红外通用性定量分析模型评价的参数组合,并统计出了这些参数的数值范围:用于模型准确性评价的关键参数为交叉验证均方根误差/预测均方根误差、平均相对偏差和相对分析误差;大部分交叉验证均方根误差/预测均方根误差结果在3%以内,其中交叉验证均方根误差在数值上与平均绝对偏差相当,大部分相对分析误差值大于2,而平均相对偏差的数值与所建模型的类型(剂型、样品的包装形式)和待测成分含量的分布有关。模型线性评价关键参数为决定系数;大部分模型的决定系数在80%~100%之间。模型耐用性关键评价参数为预测均方根误差与交叉验证均方根误差的比值,大部分模型该参数在1.5以内。精密度评价关键参数为重复测定结果的标准差;该参数对于规范近红外的操作,以及考核模型能否在不同仪器间传递具有重要的意义,但目前药品近红外通用性定量模型对于分析精密度的关注较少,无法估计出具体数值范围。该研究不仅为药品近红外通用性模型的建立者和使用者提供了评价模型优劣的依据,也为完善药品近红外光谱通用性定量分析模型的参数评价体系提供了基础数据。     

近红外漫反射光谱法预测紫花苜蓿草颗粒营养价值

研究旨在探讨利用紫花苜蓿草颗粒样品的近红外漫反射光谱信息,建立能够预测其营养价值的校正模型。采集22份全株草颗粒、19份茎颗粒、19份叶颗粒共60份紫花苜蓿草颗粒样品,其中建模样品45份,检验样品15份。利用傅里叶变换近红外漫反射光谱技术(FT-NIRS)采集各实验样品的近红外漫反射光谱,运用偏最小二乘法(PLS)建立了紫花苜蓿草颗粒粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的预测模型。3个预测模型的校正模型建模效果均较好,其交叉检验相关系数(RCV)为0.96410~0.96887,交互验证的残差均方根(RMSECV)为0.80%~2.59%。用15个检验样品对模型进行外部检验,预测相关系数(r)为0.9669~0.9743,外部验证的残差均方根(RMSEP)为0.85%~2.07%。所建模型的交叉检验和外部检验RPD均大于3,表明近红外光谱分析技术可以准确地预测紫花苜蓿草颗粒的营养价值。     

橡胶添加剂瓦斯炭黑的太赫兹光谱定量研究

瓦斯炭黑是橡胶中重要的添加剂之一，其含量对橡胶性能有重要的影响。丁腈橡胶是工业生产中应用比较广泛的合成橡胶，研究丁腈橡胶中瓦斯炭黑的含量具有重要意义。利用太赫兹时域光谱技术，对八种不同含量瓦斯炭黑与丁腈橡胶组成的混合物样本中的瓦斯炭黑含量进行测试，获取了混合物样本在0.3~1.4 THz频段的吸收光谱数据。分别利用偏最小二乘(PLS)和支持向量回归(SVR)建立混合物中瓦斯炭黑的定量分析模型，使用均匀梯度法来选择模型的校正集和预测集，获得瓦斯炭黑预测集的相关系数与均方根误差。偏最小二乘模型相关系数与均方根误差分别为0.985 8和2.098 9%，支持向量回归模型相关系数与均方根误差分别为0.998 0和0.785 4%。实验结果表明，支持向量回归定量分析模型的预测结果优于偏最小二乘模型。为进一步证明支持向量回归模型的稳定性，多次使用随机选择法选择它的校正集和预测集，并求得其相关系数与均方根误差。结果表明，无论是利用均匀梯度法还是随机选择法对支持向量回归定量分析模型的校正集和预测集进行选择，求得的相关系数和均方根误差均优于偏最小二乘模型。     

不同生产厂家注射用头孢哌酮钠含量测定的近红外定量模型的建立

采用近红外漫反射光谱法和偏最小二乘回归算法建立了2种测样方式对不同厂家注射用头孢哌酮钠中头孢哌酮的含量进行快速测定的定量分析模型.对9个厂家的19批注射用头孢哌酮钠样品及其降解物中头孢哌酮的含量进行了预测,积分球模型的交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.636和2.01,光纤模型的交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.857和3.71.根据ICH指导原则,从专属性、线性、重现性、稳定性、准确性等几个方面对两模型的方法进行了验证,进而说明光纤测样方式建立的模型专属性和适用性均良好,完全可以对不同生产厂家的同一品种的药品进行快速的初步定量分析,适用于药品检验车的快速无损检测.     

山茶油中油酸和亚油酸近红外光谱分析模型

将近红外光谱分析技术结合化学计量学方法用于山茶油混合油品中油酸和亚油酸含量的快速检测。配制了76种山茶油混合油样本用于近红外光谱的采集,将不同的光谱预处理方法用于光谱有效信息的提取;将蒙特卡罗无信息变量消除(MCUVE)和变量组合集群分析(VCPA)方法用于建模变量的选择;将偏最小二乘回归(PLSR)用于脂肪酸含量定量分析模型的构建。结果表明:经NWD1~(st)-MSC预处理后,两种脂肪酸的近红外光谱的较正均得到最好的结果;采用基于VCPA的变量优选方法极大地改善了模型精度,实现了建模变量数量的有效压缩。对于油酸模型,建模变量数量由1501减少为7,交叉验证均方根误差和校正相关系数分别为1.107和0.984,预测均方根误差和测试集的预测相关系数分别为1.178和0.981;对于亚油酸模型,建模变量数量由1501减少为8,交叉验证均方根误差和校正相关系数分别为0.089和0.987,预测均方根误差和测试集的预测相关系数分别为0.105和0.982。近红外光谱分析技术结合NWD1~(st)-MSC-VCPA-PLSR的方法为山茶油混合油品中脂肪酸含量的测定提供了一种快速简单的分析方法。     

分辨率对近红外光谱和定量分析的影响研究

近红外光谱分析技术是近年来发展最快的定性和定量分析技术之一,在较多领域得到了广泛应用.文章利用近红外光谱技术建立了杨梅汁酸度的定量分析模型,研究了不同分辨率对杨梅汁光谱和定量模型的影响.结果显示,分辨率对杨梅汁近红外光谱和其酸度的定量分析结果有较大的影响.高分辨率采集的光谱比低分辨率采集的光谱粗糙,扫描的速度较慢,所需的数据存储空间较大;不同分辨率下光谱的均方根噪声和平均吸光度在α=0.05水平上差异显著;分辨率为4 cm-1时所建立的杨梅汁酸度模型的精度最高,模型的相关系数达到了0.994 04,校正均方根误差(RMSEC)和交互验证均方根误差(RMSECV)分别为0.023 3和0.153.但是考虑到扫描速度和数据存储空间,在不丢失样品信息的前提下采集光谱时建议将分辨率设为8 cm-1.     

利用Far-IR和THz-TDS光谱法测定大米中西维因

利用太赫兹时域光谱(THz-TDS)和傅里叶变换远红外光谱(FT-Far-IR)技术研究了大米中西维因在太赫兹频段的吸收光谱特征,并结合化学计量学方法对大米中西维因进行了测定。样品的制备采取待测农药西维因与大米粉末混合压片的方法模拟真实检测情景,无需样品的分离富集。分别将样品在1.8~6.3THz特征波段内的Far-IR吸收光谱数据和在0.5~1.5THz特征波段内的THz-TDS吸收光谱数据随机划分为训练集和验证集。采用偏最小二乘回归(PLSR)方法建立定量分析模型,将校正均方根误差(RMSECV)、预测均方根误差(RMSEP)、预测相关系数(R_v)作为模型性能评判的依据,RMSECV,RMSEP越小,R_v越大,则所建立的模型越好。两种检测技术均得到较好的结果。其中,运用Far-IR技术所得数据建立的定量分析模型预测相关系数(R_v)为0.99,校正均方根误差(RMSECV)为0.007 7,预测均方根误差(RMSEP)为0.008 6;运用THz-TDS技术所得数据建立的定量分析模型预测相关系数为0.98,校正均方根误差(RMSECV)为0.002 5、预测均方根误差(RMSEP)为0.004 4。该研究为定量检测粮食中的农残提供了一种新方法。     

水果糖度可见-近红外光谱手持式检测装置开发与试验

基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置,并用于水果糖度的现场实时分析。硬件系统主要包括微型光谱仪、卤素灯、OLED显示屏、单片机及驱动电路等。采用Keil 5开发工具,用C语言开发单片机程序。配合上位机以LabView编写的光谱采集程序,实现光谱信息的采集。以苹果和大桃作为检测对象,对装置的检测精度和模型在2台装置（主机、从机）间的传递效果进行了探讨。在实验室和果园环境下,分别获取了苹果、大桃样本在600～950 nm范围的可见-近红外光谱。对实验室条件下采集的主机校正集光谱进行分析,经过平滑、最大值归一化、二阶导数等预处理后,利用偏最小二乘算法分别建立了苹果、大桃的糖度检测模型。模型导入主机装置后,对预测集样本进行检验。对苹果、大桃的预测集相关系数和预测均方根误差分别为0.925,0.587%和0.821,0.613%。采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。对比后发现,基于典型相关分析算法取得了更好的模型传递结果。从机对苹果、大桃糖度的预测集相关系数和预测均方根误差分别为0.883,0.641%和0.805,0.626%。将实验室条件下建立的模型用于树上采集到的水果光谱数据分析,得到预测集相关系数和预测均方根误差分别为0.866,0.741%和0.816,0.627%。整体检测结果表明,该装置可以满足对苹果、大桃糖度的有效检测,借助模型传递算法,实现了模型在不同装置间的共享和有效传递,且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测,该装置具有较大的经济价值和应用前景。     

激光诱导荧光初榨橄榄油掺杂定量分析

利用激光诱导荧光技术开展了初榨橄榄油掺杂定量分析的研究。利用波长为450nm的激光激发不同掺杂浓度的掺杂橄榄油样品产生荧光并进行荧光光谱采集。将采集到的光谱利用线性判别法(linear discriminant analysis,LDA)结合k-近邻方法(k-Nearest Neighbor,kNN)建立掺杂橄榄油掺杂浓度预测的模型。通过交叉验证,该模型预测的橄榄油掺杂浓度的均方根误差为3.74%。按照掺杂浓度的不同将样品分为4组进行分类识别,分类正确率达88%。结果表明,利用激光诱导荧光原理结合LDA-kNN能够实现掺杂橄榄油掺杂浓度的定量分析,该方法可以用于掺杂橄榄油快速初筛。     

基于NMF-PLS对含水量影响下土壤重金属含量反演模型研究

土壤中过高的重金属含量危害巨大,不仅造成了严重的环境污染,而且通过食物链进入人体对人体健康造成严重威胁,所以对重金属检测十分重要。X射线荧光光谱法具有检测时间短、无损检测、检测成本低等特点被广泛使用,然而检测的光谱数据因受到土壤含水量因素的严重干扰,导致直接对土壤重金属含量估算精度较低。以河北省保定市满城区土样为研究对象,对采集的土样进行除杂、过筛、烘干后加入一定量重金属溶液制备不同含水量不同重金属的样本进行检测。对实验中异常数据计算了马氏距离和进行NJW聚类予以剔除,分析了土壤含水量对土壤重金属光谱的影响,结果表明不同含水量间光谱重复性差,随着土壤含水量的增加光谱强度呈非线性降低。采用Savitzky-Golay卷积平滑去噪法和线性本底法对光谱进行预处理,以解决因环境、仪器本身带来的噪声和基线漂移等问题。然后针对于土壤含水量这一主要干扰,采用非负矩阵分解算法进行处理,并使用峰值信噪比这一评价模型确定端元数目,结果表明当端元数目增至10时峰值信噪比趋于稳定波动很小,非负矩阵分解处理后相同重金属含量不同含水量间光谱重复性好、相似性好,并计算了光谱间的相关系数进一步证明了光谱间的相似性。去除含水量对于光谱干扰后建立了偏最小二乘法预测模型,为了验证预测模型的精度,建立了未去除含水量的偏最小二乘法预测模型和使用外部参数正交化法去除含水量建立的偏最小二乘法预测模型,并使用评价参数决定系数(R2)、交叉验证均方根误差(RMSECV)、平均绝对误差(MAE)和相对分析误差(RPD)进行评价。验证结果表明,相比较未去除含水量建立的模型,使用非负矩阵分解去除含水量建立的偏最小二乘法模型R2和RPD分别提高了0.019 7和1.029 2,RMSECV和MAE分别降低了2.386 3和1.439 6;相对于外部参数正交化法建立的偏最小二乘法模型,R2和RPD分别提高了0.009 9和0.108 1,RMSECV和MAE分别降低了0.244 7和0.356 6,说明了经过非负矩阵分解去噪后建立的模型有效提高了预测的精度和鲁棒性。非负矩阵分解可以有效消除土壤含水量对光谱的影响,在此基础上建立的偏最小二乘法模型实现了土壤重金属含量的反演,为重金属定量检测提供了一定的技术支持。     

土壤全氮反射光谱估算机理研究

反射光谱技术具有快速、便捷等特点,过去几十年中将其应用于土壤科学的研究呈指数增长,且广泛用于土壤属性估算。土壤全氮含量是一项非常重要的肥力指标,光谱估算全氮含量可以为实现精准农业提供重要支持。但反射光谱估算土壤全氮含量是基于全氮与有机碳的相关性还是基于氮本身的吸收特征仍然存在争议。本文以江苏滨海土壤为研究对象,利用偏最小二乘法分别构建全氮和有机碳在相同建模样本量、不同全氮含量及变异程度情况下的估算模型,通过分析模型精度变化规律及全氮与有机碳估算模型系数的相关性,探讨土壤全氮反射光谱估算机理。结果表明,该地区土壤为1 000年来滨海滩涂经人为耕作发育形成,全氮含量不高,有机碳含量偏低。全氮与有机碳之间存在较强的相关性,相关系数高达0.98。土壤全氮含量估算精度随样本集全氮含量的平均值、标准差增大出现先增加后略有减小的变化规律,与变异系数的变化规律相一致。当全氮含量较低时(样本平均值小于0.27g·kg-1),土壤全氮与有机碳相关系数也较小,实现反射光谱估算全氮是基于氮的吸收特征;当全氮含量较高时(样本平均值大于0.29g·kg-1),全氮与有机碳相关性较强且有机碳模型精度高于全氮,说明有机碳对光谱曲线的影响随其含量增加而增大,并掩盖了氮的吸收特征,实现反射光谱估算全氮是基于其与有机碳的相关性。该研究揭示了土壤反射光谱估算全氮含量的机理,从而为反射光谱快速估算土壤全氮含量提供理论依据。     

Quantitative analysis of the content of deltamethrin in agrochemicals by near-infrared, attenuated total reflectance infrared and raman spectroscopy

The method of near-infrared, attenuated total reflectance infrared and Raman spectroscopy was used for the rapid determination of the content of deltamethrin in agrochemicals. The quantitative models were established by PLS (partial least squares) method and optimized. The independent validation sets were used to evaluate the model accuracy. The determination coefficient R2 and RMSECV of the near-infrared model and mid-infrared model were 0.9999, 0.022 and 0.9996 and 0.056, respectively. The accuracy of both was similar. The determination coefficient R2 and RMSECV of Raman were 0. 996 7 and 0.172, which exhibits the lower accuracy. The result indicated that near-infrared, mid-infrared and Raman spectroscopy can be applied to the rapid determination of the content of the active ingredients precisely, which has an important significance in the on-line determination, analysis on site in the enterprise and the rapid quantitative analysis of agrichemicals in the department of quality monitoring.     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果:模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果:模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

柑橘叶片叶绿素含量拉曼光谱定量分析方法研究

柑橘叶片叶绿素含量的准确检测对柑橘营养状况和生长态势具有极其重要的意义。研究了快速无损诊断柑橘叶片中叶绿素含量的方法，以期为拉曼光谱检测技术用于柑橘叶片叶绿素含量检测提供参考。采集不同冠层高度和不同地理分布的柑橘叶片120片，拭去叶片表面的灰尘，用去离子水对其清洗、晾干装入密封袋中并用标签分类标注。然后对柑橘叶片进行拉曼光谱采集，参数设置如下：分辨率为3 cm-1，积分时间为15 s；激光功率为50 mW。分别采用BaselineWavelet、迭代限制最小二乘（IRLS）和不对称最小二乘(ALS)三种算法对柑橘叶片的拉曼光谱背景进行扣除，使用偏最小二乘（PLS）方法建立定量模型；四种光谱预处理方法归一化(Normalization)，Savitzky-Golay卷积平滑(SG smoothing, SG平滑)、多元散射校正(MSC)和Savitzky-Golay一阶导数(SG 1st Der)对扣除背景后的光谱进行进一步的优化处理。结果表明：采用原始光谱、BaselineWavelet、IRLS、ALS背景扣除处理后的光谱建立PLS模型，模型的相关系数r分别为0.858，0.828，0.885和0.862，交互验证均方根误差(RMSECV)分别为5.392，5.870，4.934和5.336，最佳因子数分别为8，3，8和8；IRLS背景扣除处理后的PLS模型的RMSECV最小，相关系数最高，建模效果最好。分别采用SG平滑、归一化、MSC和SG 1st Der预处理方法对IRLS背景扣除后光谱进行预处理并建立PLS模型，结果表明：IRLS光谱及其结合SG平滑、归一化、MSC和SG 1st Der四种预处理方法的PLS模型的R分别为0.885，0.897，0.852，0.863和0.888，RMSECV分别为4.934，4.715，5.595，5.182和4.962；最佳因子数分别为8，8，8，8和5；IRLS-SG平滑后PLS模型的RMSECV最小，模型效果最优。对IRLS-SG平滑预处理后的PLS模型展开验证，预测相关系数r为0.844，预测均方根误差(RMSEP)为5.29，预测精确度较高。采用拉曼光谱结合三种光谱背景扣除方法和四种预处理方法对柑橘叶片叶绿素含量进行定量分析表明：采用IRLS背景扣除结合SG平滑预处理后的PLS模型最优，建模集r为0.897，RMSECV为4.715；预测集r为0.844，RMSEP为5.29，预测精度较高。拉曼光谱结合背景扣除方法可以为柑橘叶片叶绿素含量的定量分析提供一种快速简便的分析方法。     

基于近红外光谱的北方潮土土壤参数实时分析

选取中国北方潮土作为研究对象,探索利用近红外光谱分析技术分析土壤参数的可行性和可能性.从一块试验麦田共采集了150个土样,土样在采集回试验室后,在保持其原始状态的条件下利用傅里叶变换近红外光谱仪迅速测定了其近红外光谱.近红外光谱变量为原始吸收光谱和一阶微分光谱,分析的土壤参数有土壤水分、有机质和全氮的含量.对于土壤水分,在相关分析的基础上建立了一元线性模型,所采用的波长为1 920 nm,模型的相关系数达到0.937,模型可以直接用于土壤水分的实时预测.对于有机质和全氮含量建立了多元回归模型,有机质预测模型所采用的波长是1 870和1 378 nm,全氮预测模型所采用的波长则是2 262和1 888 nm.分析结果表明土壤有机质和全氮含量可以利用田间土样的近红外光谱特性进行分析和检测,建立的线性模型是有效的.     

基于近红外光谱的生药醇提物抗氧化性预测

应用近红外光谱技术,以偏最小二乘算法,计算预测了37种生药药材甲醇提取物的抗氧化活性。以交叉验证相关系数(R2),交叉验证误差均方根(RMSECV)为指标,考察、比较了光谱预处理方法对模型效果的影响,以预测误差均方根(RMSEP)和相对分析误差(RPD)考核了样本的预测效果,采用1,1-二苯基-2-苦肼基(DPPH)法进行了验证。研究表明,采用一阶导数+矢量归一化预处理法和筛选的近红外波段建模,预测性能最优,校正模型的R2为0.896 0,RMSECV为4.35%;预测样本的RMSEP为3.62%,RPD为2.38。近红外光谱分析技术便捷快速,可信度较高,可以用于生药抗氧化性质的整体评价。     

Rapid evaluation of soil fertility in tea plantation based on near-infrared spectroscopy

Abstract

An efficient soil analysis technique was developed to monitor soil fertility and perform precise soil management in tea plantations. In this study, near-infrared spectroscopy combined with chemometric methods was utilized to determine the organic matter and total nitrogen content and evaluate fertility of tea plantation soils. First, photometric precision and subtractive spectroscopy were used as indicators in identifying optimal sample preparation condition. Spectral reproducibility reached an optimum with powder particle size of 100 mesh (0.149?mm). Second, after comparing the combinations of the partial least squares method with three different characteristic wavelength extraction methods, the genetic algorithm and competitive adaptive reweighted sampling quantitative discrimination models were determined to be optimal for organic matter and total nitrogen contents, with prediction correlation coefficients of 0.9102 and 0.8763, respectively. Third, classification models for soil fertility level using linear discriminant analysis, support vector machine, and extreme learning machine were established based on a full spectrum and successive projections algorithm separately. The successive projections algorithm-extreme learning machine model was deemed superior with a correct classification rate of 84.38%. Our findings demonstrate that the proposed near-infrared spectroscopy calibration models successfully achieve the nondestructive and rapid evaluation of organic matter and total nitrogen contents, as well as the classification of soil fertility levels, in tea plantation soils. The results provide a basis for the development of internet-of-things sensors in the construction of a high-yield and high-quality tea plantation.     

应用近红外光谱法建立伤疖膏制备过程中黄芩苷含量模型

建立一种伤疖膏制备过程提取液中黄芩苷动态含量快速测定的近红外光谱分析方法,近红外透射光谱法扫描得到65组伤疖膏制备过程中提取液的近红外光谱图,以提取液中黄芩苷的HPLC测量值作为对照值,采用偏最小二乘回归算法(PLSR)建立NIR光谱与对照值的校正模型。校正模型主成分数为8,交叉验证均方根差(RMSECV)为0.006 8,相关系数(r)为0.999 1。应用校正模型对预测集的30组样品进行黄芩苷含量预测,所得预测均方根差(RMSEP)为0.009 2,r为0.998 7。结果表明,该方法快速、准确,为复方膏剂制备过程中化学成分快速定量和质量控制提供了方法和依据。     

OLI与6SV的褐土带煤炭开采沉陷区土壤有机碳反演

遥感反演已广泛应用于区域土壤理化性质的动态监测，但是鲜有针对有机碳含量低、下垫面不均一等土壤光谱特性不显著区域的研究。黄土高原褐土带地形多样，丘陵广布，有机碳含量低。采煤活动引起大面积土壤退化，土壤光谱特性受到强烈干扰，制约了区域尺度土壤有机碳(soil organic carbon)含量遥感反演精度。以山西省褐土带典型采煤沉陷区为例，借助地表反射率和室外实地采集的样本数据对褐土带煤矿开采沉陷区土壤有机碳含量进行反演。采用结合高空间、时间分辨率辅助气象数据的6SV(second simulation of a satellite signalin the solar spectrum-vector)模型和FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)模型对研究区Landsat8 OLI影像的大气校正方法进行对比实验，分析其对褐土带采煤沉陷区土壤光谱曲线及有机碳含量的影响，识别敏感波段。选择原始光谱反射率(R)和平方根()、倒数的对数log(1/R)、一阶微分(R′)等数学变换形式，利用多元线性回归(MLR)、BP神经网络(BP neural net)和偏最小二乘回归(PLSR)建立土壤有机碳反演模型。结果表明：6SV模型大气校正的效果要优于FLAASH模型，可以有效消除大气、地形对于反射率的干扰，可见光波段反射率降低而近红外波段明显上升，不同有机质含量等级土壤反射光谱特性分明；640～670，850～880，1 570～1 600和2 110～2 290 nm波段对土壤有机碳含量指示性强；相较于多元线性回归(决定系数R2为0.765)、BP神经网络(R2为0.767)，偏最小二乘回归模型反演精度最高(R2为0.778)；结合高空间、时间分辨率辅助气象数据的6SV大气校正模型与偏最小二乘回归建模能显著提高褐土带采煤沉陷区土壤有机碳的反演精度。在此基础上预测研究区2013年-2015年土壤有机碳含量，研究发现：研究区土壤有机碳含量中部高，两侧低，复垦使土壤有机碳含量得到恢复。研究结果可用于揭示黄土高原褐土带采煤沉陷区土壤有机碳含量的时空分布特征，为改进区域土壤光谱分析、土地复垦评价、建立褐土带采煤沉陷区碳通量观测网络和土壤碳库估算提供理论和技术支持，对研究区域甚至全球范围褐土带生态可持续发展提供依据。