扩散反射光谱和数字土壤绘图用于评估与土壤相关的越野车辆移动性风险

科学领域:

• 土壤科学 土壤科学
• 地质技术工程 地质技术工程
• 遥感 遥感 遥感 遥感

背景情况:

• 评估越野车辆移动性 (OVM) 风险需要详细的土壤属性,如颗粒度分数和阿特伯格极限 (LL,PL,PI).
• 测量这些土壤参数的传统实验室方法耗时且劳动密集.
• 分散反射光谱 (DRS) 和数字土壤绘图 (DSM) 提供快速,空间连续的土壤数据,但在OVM风险评估中未得到充分利用.

研究的目的:

• 结合DRS和DSM进行与OVM风险相关的关键土壤参数的空间连续估计.
• 使用统一的土壤分类系统 (USCS) 根据衍生参数对土壤进行分类.
• 开发一个新的框架来量化锡金邦土壤相关的OVM风险.

主要方法:

• 从锡金收集了204个土壤样本,测量了颗粒度分数,阿特伯格极限 (LL,PL,PI) 和光谱反射率 (可见和近红外).
• 开发了使用DRS的化学测量模型,从光谱数据中估计土壤参数.
• 应用DSM技术来创建空间连续地图,估计土壤特性.

主要成果:

• 化学测量模型实现了高精度 (R2高达0.72) 用DRS估计USCS参数.
• 精细的土壤分数光谱最好预测阿特伯格极限;结合的精细和粗的光谱估计了其他颗粒度分数,而粗的光谱对沙子来说是最佳的.
• DSM有效地绘制了这些参数,为锡金提供了一个空间连续的OVM风险评估框架.

结论:

• 综合DRS-DSM方法成功地为OVM风险评估提供了关键土壤参数的空间连续估计.
• 这种方法比传统方法有了显著的进步,使得风险评估更有效,更全面.
• 这项研究建立了第一个空间连续框架,用于量化锡金邦与土壤相关的OVM风险.