土壤主要養(yǎng)分含量的高光譜估測研究.pdf_第1頁
已閱讀1頁,還剩123頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、高光譜遙感是當前定量遙感發(fā)展的重要方向,土壤遙感是遙感應用研究的熱點之一;目前全國范圍內(nèi)實行測土配方施肥(又稱平衡施肥),快速測定土壤養(yǎng)分含量,尤其是快速準確獲取土壤主要養(yǎng)分含量,已成為精準農(nóng)業(yè)發(fā)展的必需;因此應用高光譜技術獲取土壤養(yǎng)分信息已成為研究的熱點方向。
   本文以山東省德州市齊河縣為試驗區(qū),采集2009年9月底的土壤樣品并測定土壤主要養(yǎng)分(土壤有機質、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)對土壤進行高光譜探測。在篩選土壤有機質、堿解氮、有效磷和速效鉀研究樣本的基礎上,分析土壤及其主要養(yǎng)分的光譜特征,對光譜反射率進行導數(shù)及小波變換處理,采用相關分析、多元逐步回歸(SMLR)分析和遺傳算法結合偏最小二乘法(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)構建了土壤有機質、堿解氮、有效磷和速效鉀含量的高光譜預測模型,并對模型進行檢驗。主要結論如下:
   (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,分別采用相關分析、多元逐步回歸分析和遺傳算法結合偏最小二乘分析篩選了土壤主要養(yǎng)分的特征光譜。土壤有機質含量的特征譜段為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、其含量的估測奠定基礎。
   (2)建立了基于特征譜段的土壤主要養(yǎng)分含量高光譜估測模型
   基于特征譜段分別構建了土壤有機質、堿解氮、有效磷和速效鉀含量的高光譜估測模型,確定了基于GA-PLS篩選的特征譜段構建的估測模型最佳:
   土壤有機質含量的最佳估測模型為基于R’特征譜區(qū)構建的偏最小二乘(PLS)回歸模型,該模型的建模R2達到0.97,RMSE為0.48gkg-1,預測R2達到0.95,RMSE為0.4

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

7、,該模型的建模R2達到0.78,RMSE為28.49mgkg-1,預測R2達到0.91,RMSE為21.39mgkg-1。土壤養(yǎng)分的最佳估測模型預測R2均大于0.90,表明這類模型對土壤主要養(yǎng)分含量的預測具有較高的精度。
   (3)建立了基于小波分析的土壤主要養(yǎng)分含量高光譜估測模型
   本文基于土壤反射率及其5種一階導數(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;對于土壤有機質含量,小波1~3層低頻系數(shù)可代替原始光譜進行PLS回歸建模,對于土壤堿解氮、有效磷和速效鉀含量,小波1~2層低頻系數(shù)可代替原始光譜進行PLS回歸建模。綜合考慮建模決定系數(shù)和主成分數(shù),確定了基于小波分析的土壤主要養(yǎng)分含量的最佳估測模型,經(jīng)驗證模型具有較高的預測準確性。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,對土

9、壤主要養(yǎng)分含量的估測是可行的。
   (4)優(yōu)選提出了土壤主要養(yǎng)分高光譜估測的技術流程
   從土壤養(yǎng)分含量無損、精確、快速監(jiān)測的需要出發(fā),本文對比分析了土壤養(yǎng)分高光譜估測的關鍵技術,形成了完整的技術路線,即先對土壤反射率進行一階導數(shù)(R')或對數(shù)的一階導數(shù)((1gR)')變換,然后采用適宜間隔劃分光譜區(qū)間,運用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回歸構建土壤養(yǎng)分含量的高光譜估測模型。
 

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論