基于可见-近红外反射光谱的城郊土壤重金属含量估算研究
发布时间：2021-03-19 20:20
土壤重金属污染问题一直广受社会关注,其治理、预防及监测任务也一直是国家政府及相关环保部门的重点投入对象。随着社会的快速发展,城市化进程不断加快,城市扩张趋势明显,城市发展过程中产生的环境污染问题也越来越严重。城郊是城市的重要组成部分,一般是城区重要的蔬菜供应区,化肥、农药等使用量大,不可避免的对土壤环境造成了一定程度的影响或污染,因此,对城郊土壤重金属的关注和研究也是十分必要的。传统的土壤重金属污染监测方法具有成本高、周期长、不适于大范围监测等缺点,而近年来可见-近红外反射光谱（Visible and Near-Infrared Reflectance Spectroscopy,VNIRS）技术以其快速、高效、无污染、低成本以及大尺度监测的特点而被广泛应用于精准农业、环境监测、食品检测等领域。本研究采集了武汉市城郊93个土壤样本,利用化学分析法获取了土壤样本中重金属Cd、Pb、As、Cr、Cu、Zn的含量以及有机质（SOM）和Fe含量;利用美国ASD公司生产的地物波谱仪获取了土壤样本的可见光及近红外反射光谱（350nm～2500 nm）。本文（Ⅰ）利用不同光谱预处理法对土壤光谱进行变换...
【文章来源】：武汉工程大学湖北省
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
研究区及采样点位置
[79]。图2.2 实验室土壤反射光谱测定过程示意图Figure 2.2 Schematic diagram of soil reflectance spectrometry in laboratory武汉工程大学硕士学位论文
图 2.3 均值中心化前后对比Figure 2.3 Before and after comparison with mean centralization所有光谱数据在建模前均进行中心化处理，在后文的预处理方法将不考虑这一处理方式。5.2 吸光度转化（Abs）在近红外波段，物体的反射吸收率较高，当我们需要进行定量分往往把漫反射的光谱反射率转换成吸收率也就是吸光度光谱[81]。本通常会利用吸收率进行分析计算而不是反射率，其转化可以增属性模型的预测精度[82]。转换的函数公式为：
【参考文献】：
期刊论文
[1]结合光谱变换和Kennard-Stone算法的水稻土全氮光谱估算模型校正集构建策略研究[J]. 陈奕云,赵瑞瑛,齐天赐,亓林,张超. 光谱学与光谱分析. 2017(07)
[2]城市土壤重金属研究进展[J]. 李小平,吴婷,王继文,Hongtao Yu. 国外医学(医学地理分册). 2016(03)
[3]顾及土壤湿度的土壤有机质高光谱预测模型传递研究[J]. 陈奕云,漆锟,刘耀林,何建华,姜庆虎. 光谱学与光谱分析. 2015(06)
[4]高光谱图像预处理方法研究及进展[J]. 杨仁欣,杨燕,原晶晶. 广西师范学院学报(自然科学版). 2015(01)
[5]近红外技术对南疆冬枣糖度无损检测的研究[J]. 彭海根,罗华平,彭云发,詹映. 农机化研究. 2014(11)
[6]红壤区土壤有机质光谱特征与定量估算——以江西省吉安县为例[J]. 方少文,杨梅花,赵小敏,郭熙. 土壤学报. 2014(05)
[7]主成分分析法用于射干药材评价研究[J]. 张晓瑞,张婧涵,李国信,尤献民. 中国药业. 2014(14)
[8]基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 杨梅花,赵小敏. 中国农业科学. 2014(12)
[9]基于高光谱的水稻土有机质含量估算研究[J]. 卢岩,郭斗斗,孙成明,刘涛,陈瑛瑛,武威. 中国农学通报. 2014(18)
[10]乌鲁木齐城市生态系统健康评价模型的研究[J]. 张嘉琪,何理,李小萌,孙士超,卢宏玮,李振通. 环境科学与技术. 2014(S1)
博士论文
[1]基于光谱/空间信息的肉骨粉近红外显微成像分析方法研究[D]. 姜训鹏.中国农业大学 2014
[2]近红外光谱分析模型优化和模型转移算法研究[D]. 郑开逸.华东理工大学 2013
[3]基于可见近红外成像光谱技术土壤剖面氮的预测研究[D]. 李硕.华中农业大学 2013
[4]基于可见—近红外光谱的土壤部分重金属含量提取[D]. 陈奕云.武汉大学 2011
[5]江苏部分地区土壤属性高光谱定量估算研究[D]. 郑光辉.南京大学 2011
[6]基于近红外光谱分析的土壤水分信息的提取与处理[D]. 陈祯.华中科技大学 2010
[7]基于PLS模型的农业土壤成分高光谱遥感反演研究[D]. 张婷婷.吉林大学 2010
[8]基于高光谱遥感的土壤重金属空间分布研究[D]. 卓荦.武汉大学 2010
[9]新疆西风区粉尘沉积研究[D]. 鄂崇毅.兰州大学 2009
[10]南京城郊农业土壤重金属污染的遥感地球化学基础研究[D]. 吴昀昭.南京大学 2005
硕士论文
[1]近红外光谱无损检测霉变板栗的研究[D]. 马晓晨.北京林业大学 2016
[2]黑土有机质含量的高光谱估测模型研究[D]. 印影.吉林大学 2015
[3]土壤有机质含量高光谱预测模型的构建[D]. 郭斗斗.扬州大学 2014
[4]三江源区土壤重金属含量高光谱遥感反演研究[D]. 张威.青海师范大学 2014
[5]石家庄污灌区土壤重金属含量的高光谱遥感监测研究[D]. 王燕.河北科技大学 2013
[6]荒漠草原带土地利用的土壤环境效应研究[D]. 谢腾腾.宁夏大学 2013
[7]基于供需视角的农村信息服务站管制研究[D]. 许彬彬.北京邮电大学 2012
[8]长三角典型地区土壤—植物体系重金属地球化学特征[D]. 陈岭啸.南京大学 2011
[9]基于神经网络的分拣机械手动态称重研究[D]. 付荣荣.河北工业大学 2011
[10]纯农户社会养老保险需求的实证研究[D]. 张小丹.华中农业大学 2010
本文编号：3090168
【文章来源】：武汉工程大学湖北省
【文章页数】：112 页
【学位级别】：硕士
【部分图文】：
研究区及采样点位置
[79]。图2.2 实验室土壤反射光谱测定过程示意图Figure 2.2 Schematic diagram of soil reflectance spectrometry in laboratory武汉工程大学硕士学位论文
图 2.3 均值中心化前后对比Figure 2.3 Before and after comparison with mean centralization所有光谱数据在建模前均进行中心化处理，在后文的预处理方法将不考虑这一处理方式。5.2 吸光度转化（Abs）在近红外波段，物体的反射吸收率较高，当我们需要进行定量分往往把漫反射的光谱反射率转换成吸收率也就是吸光度光谱[81]。本通常会利用吸收率进行分析计算而不是反射率，其转化可以增属性模型的预测精度[82]。转换的函数公式为：
【参考文献】：
期刊论文
[1]结合光谱变换和Kennard-Stone算法的水稻土全氮光谱估算模型校正集构建策略研究[J]. 陈奕云,赵瑞瑛,齐天赐,亓林,张超. 光谱学与光谱分析. 2017(07)
[2]城市土壤重金属研究进展[J]. 李小平,吴婷,王继文,Hongtao Yu. 国外医学(医学地理分册). 2016(03)
[3]顾及土壤湿度的土壤有机质高光谱预测模型传递研究[J]. 陈奕云,漆锟,刘耀林,何建华,姜庆虎. 光谱学与光谱分析. 2015(06)
[4]高光谱图像预处理方法研究及进展[J]. 杨仁欣,杨燕,原晶晶. 广西师范学院学报(自然科学版). 2015(01)
[5]近红外技术对南疆冬枣糖度无损检测的研究[J]. 彭海根,罗华平,彭云发,詹映. 农机化研究. 2014(11)
[6]红壤区土壤有机质光谱特征与定量估算——以江西省吉安县为例[J]. 方少文,杨梅花,赵小敏,郭熙. 土壤学报. 2014(05)
[7]主成分分析法用于射干药材评价研究[J]. 张晓瑞,张婧涵,李国信,尤献民. 中国药业. 2014(14)
[8]基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 杨梅花,赵小敏. 中国农业科学. 2014(12)
[9]基于高光谱的水稻土有机质含量估算研究[J]. 卢岩,郭斗斗,孙成明,刘涛,陈瑛瑛,武威. 中国农学通报. 2014(18)
[10]乌鲁木齐城市生态系统健康评价模型的研究[J]. 张嘉琪,何理,李小萌,孙士超,卢宏玮,李振通. 环境科学与技术. 2014(S1)
博士论文
[1]基于光谱/空间信息的肉骨粉近红外显微成像分析方法研究[D]. 姜训鹏.中国农业大学 2014
[2]近红外光谱分析模型优化和模型转移算法研究[D]. 郑开逸.华东理工大学 2013
[3]基于可见近红外成像光谱技术土壤剖面氮的预测研究[D]. 李硕.华中农业大学 2013
[4]基于可见—近红外光谱的土壤部分重金属含量提取[D]. 陈奕云.武汉大学 2011
[5]江苏部分地区土壤属性高光谱定量估算研究[D]. 郑光辉.南京大学 2011
[6]基于近红外光谱分析的土壤水分信息的提取与处理[D]. 陈祯.华中科技大学 2010
[7]基于PLS模型的农业土壤成分高光谱遥感反演研究[D]. 张婷婷.吉林大学 2010
[8]基于高光谱遥感的土壤重金属空间分布研究[D]. 卓荦.武汉大学 2010
[9]新疆西风区粉尘沉积研究[D]. 鄂崇毅.兰州大学 2009
[10]南京城郊农业土壤重金属污染的遥感地球化学基础研究[D]. 吴昀昭.南京大学 2005
硕士论文
[1]近红外光谱无损检测霉变板栗的研究[D]. 马晓晨.北京林业大学 2016
[2]黑土有机质含量的高光谱估测模型研究[D]. 印影.吉林大学 2015
[3]土壤有机质含量高光谱预测模型的构建[D]. 郭斗斗.扬州大学 2014
[4]三江源区土壤重金属含量高光谱遥感反演研究[D]. 张威.青海师范大学 2014
[5]石家庄污灌区土壤重金属含量的高光谱遥感监测研究[D]. 王燕.河北科技大学 2013
[6]荒漠草原带土地利用的土壤环境效应研究[D]. 谢腾腾.宁夏大学 2013
[7]基于供需视角的农村信息服务站管制研究[D]. 许彬彬.北京邮电大学 2012
[8]长三角典型地区土壤—植物体系重金属地球化学特征[D]. 陈岭啸.南京大学 2011
[9]基于神经网络的分拣机械手动态称重研究[D]. 付荣荣.河北工业大学 2011
[10]纯农户社会养老保险需求的实证研究[D]. 张小丹.华中农业大学 2010
本文编号：3090168
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3090168.html
