土壤主要養(yǎng)分含量的高光譜估測(cè)研究.pdf

1、高光譜遙感是當(dāng)前定量遙感發(fā)展的重要方向，土壤遙感是遙感應(yīng)用研究的熱點(diǎn)之一；目前全國(guó)范圍內(nèi)實(shí)行測(cè)土配方施肥(又稱(chēng)平衡施肥)，快速測(cè)定土壤養(yǎng)分含量，尤其是快速準(zhǔn)確獲取土壤主要養(yǎng)分含量，已成為精準(zhǔn)農(nóng)業(yè)發(fā)展的必需；因此應(yīng)用高光譜技術(shù)獲取土壤養(yǎng)分信息已成為研究的熱點(diǎn)方向。
　　 本文以山東省德州市齊河縣為試驗(yàn)區(qū)，采集2009年9月底的土壤樣品并測(cè)定土壤主要養(yǎng)分(土壤有機(jī)質(zhì)、堿解氮、有效磷、速效鉀)數(shù)據(jù)，利用ASDFieldSpec3地物光

2、譜儀，在室內(nèi)對(duì)土壤進(jìn)行高光譜探測(cè)。在篩選土壤有機(jī)質(zhì)、堿解氮、有效磷和速效鉀研究樣本的基礎(chǔ)上，分析土壤及其主要養(yǎng)分的光譜特征，對(duì)光譜反射率進(jìn)行導(dǎo)數(shù)及小波變換處理，采用相關(guān)分析、多元逐步回歸(SMLR)分析和遺傳算法結(jié)合偏最小二乘法(GA-PLS)提取土壤主要養(yǎng)分的特征譜段，分別基于特征譜段和小波系數(shù)構(gòu)建了土壤有機(jī)質(zhì)、堿解氮、有效磷和速效鉀含量的高光譜預(yù)測(cè)模型，并對(duì)模型進(jìn)行檢驗(yàn)。主要結(jié)論如下：
　　 (1)確定了土壤主要養(yǎng)分的特征譜

3、段
　　 基于土壤原始反射率及各種光譜變換形式，分別采用相關(guān)分析、多元逐步回歸分析和遺傳算法結(jié)合偏最小二乘分析篩選了土壤主要養(yǎng)分的特征光譜。土壤有機(jī)質(zhì)含量的特征譜段為415，456～469，482，806～819，832，1051～1064，1415～1428，1684，1813，1920,1969，2185～2198，2283～2296，2356，2372，2423～2436nm；土壤堿解氮含量的特征譜段為413，449～46

4、9，908～1001，1023，1065～1078，1716～1736，1912～1925，2213～2233，2262-2275nm；土壤有效磷的特征譜段為477～490,561～581，813～827，983，1469，1499～1512，2234～2254，2311～2331nm；土壤速效鉀的特征譜段為463～469，917，1275～1288，1317～1330,1730,2120,2258，2280,2360～2375nm。為

5、其含量的估測(cè)奠定基礎(chǔ)。
　　 (2)建立了基于特征譜段的土壤主要養(yǎng)分含量高光譜估測(cè)模型
　　 基于特征譜段分別構(gòu)建了土壤有機(jī)質(zhì)、堿解氮、有效磷和速效鉀含量的高光譜估測(cè)模型，確定了基于GA-PLS篩選的特征譜段構(gòu)建的估測(cè)模型最佳：
　　 土壤有機(jī)質(zhì)含量的最佳估測(cè)模型為基于R’特征譜區(qū)構(gòu)建的偏最小二乘(PLS)回歸模型，該模型的建模R2達(dá)到0.97，RMSE為0.48gkg-1，預(yù)測(cè)R2達(dá)到0.95，RMSE為0.4

6、8gkg-1；土壤堿解氮含量的最佳估測(cè)模型為基于R’特征譜區(qū)的PLS模型，該模型的建模R2達(dá)到0.97，RMSE為4.78mgkg-1，預(yù)測(cè)R2達(dá)到0.95，RMSE為5.49mgkg-1；土壤有效磷含量的最佳估測(cè)模型為基于(1gR)’特征譜區(qū)的PLS模型，該模型的建模R2達(dá)到0.94，RMSE為3.00mgkg-1，預(yù)測(cè)R2達(dá)到0.93，RMSE為3.32mgkg-1；土壤速效鉀含量的最佳估測(cè)模型為基于(1gR)"特征譜區(qū)的PLS模型

7、，該模型的建模R2達(dá)到0.78，RMSE為28.49mgkg-1，預(yù)測(cè)R2達(dá)到0.91，RMSE為21.39mgkg-1。土壤養(yǎng)分的最佳估測(cè)模型預(yù)測(cè)R2均大于0.90,表明這類(lèi)模型對(duì)土壤主要養(yǎng)分含量的預(yù)測(cè)具有較高的精度。
　　 (3)建立了基于小波分析的土壤主要養(yǎng)分含量高光譜估測(cè)模型
　　 本文基于土壤反射率及其5種一階導(dǎo)數(shù)變換，利用Bior1.3小波分析提取1～5層小波低頻系數(shù)，分別構(gòu)建土壤主要養(yǎng)分含量的SMLR和PL

8、S回歸模型，研究表明SMLR模型精度普遍低于PLS模型；對(duì)于土壤有機(jī)質(zhì)含量，小波1～3層低頻系數(shù)可代替原始光譜進(jìn)行PLS回歸建模，對(duì)于土壤堿解氮、有效磷和速效鉀含量，小波1～2層低頻系數(shù)可代替原始光譜進(jìn)行PLS回歸建模。綜合考慮建模決定系數(shù)和主成分?jǐn)?shù)，確定了基于小波分析的土壤主要養(yǎng)分含量的最佳估測(cè)模型，經(jīng)驗(yàn)證模型具有較高的預(yù)測(cè)準(zhǔn)確性。因此基于小波分析，采用PLS回歸建模，在數(shù)據(jù)得到大幅壓縮(3層系數(shù)13％，2層系數(shù)25％)的前提下，對(duì)土

9、壤主要養(yǎng)分含量的估測(cè)是可行的。
　　 (4)優(yōu)選提出了土壤主要養(yǎng)分高光譜估測(cè)的技術(shù)流程
　　 從土壤養(yǎng)分含量無(wú)損、精確、快速監(jiān)測(cè)的需要出發(fā)，本文對(duì)比分析了土壤養(yǎng)分高光譜估測(cè)的關(guān)鍵技術(shù)，形成了完整的技術(shù)路線，即先對(duì)土壤反射率進(jìn)行一階導(dǎo)數(shù)(R')或?qū)?shù)的一階導(dǎo)數(shù)((1gR)')變換，然后采用適宜間隔劃分光譜區(qū)間，運(yùn)用GA-PLS篩選土壤養(yǎng)分的特征譜段，最后基于特征譜段采用PLS回歸構(gòu)建土壤養(yǎng)分含量的高光譜估測(cè)模型。