三江源区土壤重金属含量高光谱遥感反演研究 ————以玉树县为例
发布时间:2023-02-23 10:35
利用高光谱遥感反演土壤属性具有大范围、及时性和高效率的优势,能够克服传统检测方法的不足,成为区域环境质量检测的有效手段。三江源区是长江、黄河和澜沧江的发源地,其生态环境和水资源的变化直接影响着我国中、下游地区环境状况和经济的可持续发展,而土壤环境变化状况对三江源区生态的环境保护、畜牧业的可持续发展尤其重要。本文以三江源区玉树县为典型研究区,实地采集40个土壤样品,以实验室测定的土壤重金属As、Sb、Bi、Cu、Pb、Zn、Cr、Cd、Hg元素含量和ASD Field Spec4地物光谱仪测定的室内土壤光谱反射率数据为数据源,利用偏最小二乘回归方法和BP神经网络方法建立土壤各重金属含量的光谱估算模型,并将建立的估算模型与Hyperion影像相结合进行土壤重金属含量反演,得到研究区土壤重金属As、Sb、Bi、Pb、Zn、Cr、Hg元素含量的空间分布图。研究主要得到以下结论: (1)土壤重金属元素与Fe、Mn、Al、Si和有机质之间存在着显著的相关关系。土壤As元素含量与Mn、Al元素含量极显著相关;Sb元素与有机质、Fe、Al、Si等含量极显著相关;Bi、Pb、Cr元素含量与Fe、Mn、A...
【文章页数】:87 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 土壤重金属含量估算机理
1.2.2 土壤成分光谱特征
1.2.3 土壤光谱变换及建模方法
1.2.4 土壤高光谱影像制图
1.3 研究目标与研究内容
1.4 研究方法及技术路线
1.5 研究特色与创新点
第二章 研究区概况
2.1 地理位置和行政范围
2.2 气候特征
2.3 地质地貌特征
2.4 土壤与植被
2.5 社会经济特点
2.5.1 人口与民族
2.5.2 产业结构与经济特征
第三章 数据获取和研究方法
3.1 土壤样品采集
3.2 土壤光谱测定
3.3 土壤化学成分测定
3.4 Hyperion 影像数据
3.5 研究方法
3.5.1 偏最小二乘回归建模原理
3.5.2 BP 神经网络建模原理
3.5.3 模型精度评价
第四章 土壤重金属含量统计特征及赋存特征分析
4.1 土壤重金属含量统计特征
4.2 土壤重金属赋存特征分析
第五章 土壤光谱特征分析
5.1 光谱预处理
5.1.1 光谱平滑去噪
5.1.2 光谱重采样
5.1.3 光谱微分变换
5.1.4 光谱倒数的对数变换
5.1.5 波段深度
5.2 光谱特征波段提取
5.2.1 土壤光谱特征分析
5.2.2 土壤光谱特征波段提取
第六章 土壤重金属含量光谱估算模型构建
6.1 偏最小二乘回归模型构建及结果分析
6.1.1 主成分个数确定
6.1.2 建模结果分析
6.2 BP 神经网络模型建模结果与分析
6.2.1 网络结构和训练方案设计
6.2.2 建模结果及分析
6.3 建模精度评价
第七章 土壤重金属含量 Hyperion 影像反演
7.1 Hyperion 影像及预处理
7.1.1 Hyperion 高光谱数据简介
7.1.2 未定标和受水汽影响波段的去除
7.1.3 坏线修复
7.1.4 条纹去除
7.1.5 几何校正
7.1.6 大气纠正
7.1.7 土壤信息提取
7.2 Hyperion 影像反演土壤重金属含量
7.3 土壤重金属含量空间分布特征分析
第八章 结论与展望
8.1 结论
8.2 展望
参考文献
致谢
个人简历
本文编号:3748367
【文章页数】:87 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 土壤重金属含量估算机理
1.2.2 土壤成分光谱特征
1.2.3 土壤光谱变换及建模方法
1.2.4 土壤高光谱影像制图
1.3 研究目标与研究内容
1.4 研究方法及技术路线
1.5 研究特色与创新点
第二章 研究区概况
2.1 地理位置和行政范围
2.2 气候特征
2.3 地质地貌特征
2.4 土壤与植被
2.5 社会经济特点
2.5.1 人口与民族
2.5.2 产业结构与经济特征
第三章 数据获取和研究方法
3.1 土壤样品采集
3.2 土壤光谱测定
3.3 土壤化学成分测定
3.4 Hyperion 影像数据
3.5 研究方法
3.5.1 偏最小二乘回归建模原理
3.5.2 BP 神经网络建模原理
3.5.3 模型精度评价
第四章 土壤重金属含量统计特征及赋存特征分析
4.1 土壤重金属含量统计特征
4.2 土壤重金属赋存特征分析
第五章 土壤光谱特征分析
5.1 光谱预处理
5.1.1 光谱平滑去噪
5.1.2 光谱重采样
5.1.3 光谱微分变换
5.1.4 光谱倒数的对数变换
5.1.5 波段深度
5.2 光谱特征波段提取
5.2.1 土壤光谱特征分析
5.2.2 土壤光谱特征波段提取
第六章 土壤重金属含量光谱估算模型构建
6.1 偏最小二乘回归模型构建及结果分析
6.1.1 主成分个数确定
6.1.2 建模结果分析
6.2 BP 神经网络模型建模结果与分析
6.2.1 网络结构和训练方案设计
6.2.2 建模结果及分析
6.3 建模精度评价
第七章 土壤重金属含量 Hyperion 影像反演
7.1 Hyperion 影像及预处理
7.1.1 Hyperion 高光谱数据简介
7.1.2 未定标和受水汽影响波段的去除
7.1.3 坏线修复
7.1.4 条纹去除
7.1.5 几何校正
7.1.6 大气纠正
7.1.7 土壤信息提取
7.2 Hyperion 影像反演土壤重金属含量
7.3 土壤重金属含量空间分布特征分析
第八章 结论与展望
8.1 结论
8.2 展望
参考文献
致谢
个人简历
本文编号:3748367
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3748367.html