首页> 中文学位 >华北平原农田土壤主要养分高光谱估测模型及分区应用
【6h】

华北平原农田土壤主要养分高光谱估测模型及分区应用

代理获取

目录

声明

符号说明

1前言

1.1研究背景和意义

1.2研究现状

1.2.1土壤高光谱定量估测进展

1.2.2主要养分含量的高光谱估测进展

1.3研究内容与技术路线

1.3.1研究内容

1.3.2技术路线

2数据获取与预处理

2.1研究区概况

2.2土壤样本的采集与分析

2.2.1土壤样本采集

2.2.3土壤样本异常值剔除

2.2.4土壤养分样本筛选归类

2.3土壤样本高光谱数据的采集

2.3.2土壤样本的高光谱测量

2.4土壤光谱数据预处理

2.4.1土壤光谱数据剔除噪声波长和断点校正

2.4.2光谱变换

2.5本章小结

3土壤主要养分高光谱估测

3.1土壤全氮含量的高光谱估测

3.1.1土壤全氮含量的高光谱特征分析

3.1.2土壤全氮含量的高光谱特征波长选取

3.1.3土壤全氮含量的高光谱估测模型

3.2土壤有效磷含量的高光谱估测

3.2.1土壤有效磷含量的高光谱特征分析

3.2.2土壤有效磷含量的高光谱特征波长选取

3.2.3土壤有效磷含量的高光谱估测模型

3.3土壤速效钾含量的高光谱估测

3.3.1土壤速效钾含量的高光谱特征分析

3.3.2土壤速效钾含量的高光谱特征波长选取

3.3.3土壤速效钾含量的高光谱估测模型

3.4本章小结

4土壤主要养分光谱估测分区指标提取

4.1土壤养分含量特征的分区统计

4.1.1基于质地的土壤养分含量特征统计

4.1.2基于灌溉水平的土壤养分含量特征统计

4.1.3基于气候条件的土壤养分含量特征统计

4.2土壤主要养分高光谱估测分区指标选取

4.3不同质地分区的土壤高光谱反射特性

4.4本章小结

5基于质地分区的土壤主要养分高光谱估测

5.1壤质土壤主要养分的高光谱估测

5.1.1壤质土壤养分含量的高光谱特征波长选取

5.1.2壤质土壤养分含量的高光谱估测

5.2砂质土壤主要养分的高光谱估测

5.2.1砂质土壤养分含量的高光谱特征波长选取

5.2.2砂质土壤养分含量的高光谱估测

5.3粘质土壤主要养分的高光谱估测

5.3.1粘质土壤养分含量的高光谱特征波长选取

5.3.2粘质土壤养分含量的高光谱估测

5.4本章小结

6土壤主要养分的高光谱估测分区应用

6.1土壤主要养分的高光谱估测全区应用

6.2土壤主要养分高光谱估测模型分区应用

6.2.1估测分区

6.2.2模型应用

6.3 小结

7 结论与展望

7.1 结论

1)研究了土壤主要养分高光谱估测

2)确定了土壤主要养分光谱估测的分区指标

3)研究了土壤主要养分的光谱估测分区应用

7.2 研究特色与创新

7.3 展望

参考文献

致谢

攻读学位期间发表论文情况

展开▼

摘要

土壤养分对农业种植非常重要,高效、准确、非损伤性的获取土壤养分信息是非常值得研究的问题。本文以华北平原农田区为研究区域,选取了景县、虞城县和莘县三个典型农业大县为试验区,以土壤养分全氮、有效磷、速效钾为研究对象,高光谱数据为手段,采用pearson相关分析,筛选土壤全氮、有效磷、速效钾的特征波长,利用多元线性回归、偏最小二乘回归、支持向量机和人工神经网络建立各养分含量的估测模型,针对整体土壤养分单一模型精度低的情况,对土壤样本进行分区建模,建立了基于质地分区的土壤养分光谱估测模型,较好探索了华北平原农田土壤养分的高光谱估测方法和分区应用。主要研究内容和结果如下: 1)土壤主要养分的高光谱估测 基于不同土壤养分含量的光谱反射率变化特征,应用敏感波长估测土壤养分,华北农田区全氮养分的特征波长是1060nm、1527nm、1543nm、1675nm、1776nm、1915nm,土壤有效磷敏感波长是1060nm、1131nm、1301nm、1469nm、1491nm、1817nm、1907nm、1950nm、1964nm、1994nm,速效钾敏感波长是1131nm、1539nm、1059nm、1760nm、1645nm、1950nm、1909nm。采用多元线性回归、偏最小二乘回归、支持向量机、人工神经网络四种方法建立土壤养分的高光谱估测模型,根据决定系数R2和平均相对误差大小优选土壤养分最佳估测模型,土壤全氮、有效磷、速效钾最佳估测模型分别是偏最小二乘回归模型、多元线性回归模型、偏最小二乘回归模型。从养分间的模型精度看,有效磷最佳模型精度>全氮最佳模型精度>速效钾最佳模型精度。从模型方法看,偏最小二乘回归预测精度最高,其次是多元线性回归。 2)土壤主要养分光谱估测的分区指标 根据华北农田区自然气候条件、成土母质、土壤质地和养分状况、管理水平等,参考该区耕地地力评价因子,结合本文选取试验区样点情况,综合考虑从土壤质地、灌排能力、气候条件等选取土壤养分光谱估测的分区指标。对土壤样本的全氮、有效磷、速效钾含量进行分区特征统计分析,摸清试验区土壤养分含量状况,探索分区对土壤养分影响重要性,根据土壤养分在各分区因素等级的均值和变异性,最终选取土壤质地作为养分光谱估测的分区指标。质地对土壤养分含量和变异的影响较为明显,划分质地后,土壤养分变异性较整体降低。进而分析了不同质地的土壤光谱特性,在600nm~1900nm谱区,三种质地土壤光谱反射率差异较明显,因此基于土壤质地建立土壤主要养分高光谱估测分区模型是可行的。 3)土壤主要养分光谱估测的分区应用 将土壤样本数据按照土壤质地分为壤土、砂土、粘土三类,对各质地养分含量值进行聚类运算,计算养分含量值与光谱反射率导数值的相关系数,采用四种建模方法进行养分估测建模,通过决定系数R2和平均相对误差大小选择最优模型,根据建模精度和验证结果,壤土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、人工神经网络模型、偏最小二乘回归模型;砂土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、支持向量机模型、偏最小二乘回归模型;粘土全氮、有效磷、速效钾的最佳估测模型分别是人工神经网络模型、偏最小二乘回归模型、人工神经网络模型。养分建模结果对比,除粘质土壤有效磷和速效钾,不同质地区土壤养分建模精度均高于整体土壤养分建模,表明划分质地后对土壤养分预测效果更好。建模方法对比显示,偏最小二乘回归和人工神经网络方法建模精度更高,准确性更好。 本研究探索华北平原粮食主产区土壤养分的无损、简便、快速估测方法,研究土壤养分光谱估测和分区应用,对于高光谱应用于大区域土壤养分估测有重要理论和实际意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号