北京地区粘壤土全氮含量的光谱预测模型

发布时间：2017-10-19 04:38

  本文关键词：北京地区粘壤土全氮含量的光谱预测模型

  更多相关文章： 粘壤土 北京地区 全氮 光谱 多元逐步回归 一元线性回归

【摘要】：为实现快速准确地测量土壤的全氮含量,以北京地区粘壤土为样本,对其进行化学测量和光谱分析。利用波长为350~2 500 nm的光谱数据与实际测得的全氮含量进行相关性分析,选取相关性最大的特征波段构建土壤全氮含量的估算模型。将原光谱反射率和吸光度分别进行一阶微分、二阶微分变换,力求建立精准优化的土壤全氮含量预测模型。结果表明:反射率和吸光度与土壤全氮含量的相关性低,无法用于构建土壤全氮含量预测模型。在其他变换形式中,反射率二阶微分和吸光度二阶微分与土壤全氮含量的相关性最显著,相关系数的绝对值最大分别为0.868和0.846。相关性最大的特征波段为425~527 nm、819 nm、1 390~1 391 nm和2 200~2 219 nm。采用一元线性回归和多元逐步回归建立预测模型,最终得到土壤全氮含量最优估算模型以吸光度二阶微分为自变量的多元逐步回归模型,说明光谱结合多元逐步回归法预测土壤全氮含量的方法是可行的。最优模型决定系数R2为0.829,统计量F为86.377,均方根误差RMSE为0.104。该模型可用于预测北京地区粘壤土的土壤全氮含量。
【作者单位】： 北京林业大学工学院;北京林业大学城乡生态环境北京实验室;
【关键词】： 粘壤土 北京地区 全氮 光谱 多元逐步回归 一元线性回归
【基金】：国家自然科学基金项目(31371537) 北京市共建项目专项
【分类号】：S153.6
【正文快照】： 引言“精细农业”[1]旨在快速准确地采集影响农作物生长的变量信息,其中土壤肥力为优先考虑的变量。土壤氮素是土壤肥力的重要组成部分。土壤中氮含量的丰缺影响着作物的生长情况、产量以及作物品质[2]。传统的化学测定方法例如Kjeldhl法和Bremner法虽然仍被大范围应用于测量

【相似文献】

中国期刊全文数据库 前10条

1 张娟娟;田永超;姚霞;曹卫星;马新明;朱艳;;基于高光谱的土壤全氮含量估测[J];自然资源学报;2011年05期

2 彭杰;向红英;周清;王家强;柳维扬;迟春明;庞新安;;不同类型土壤全氮含量的高光谱预测研究[J];中国农学通报;2013年09期

3 王志增;;辽东地区土壤全氮含量的测定及其分析[J];鞍山师范学院学报;2008年06期

4 朱晓芳;关雪晴;付晶莹;;庐山土壤全氮含量及其影响因素初探[J];安徽农业科学;2008年16期

5 陈开华;殷恒霞;刘俊英;王伟;龚伯奇;梅后敏;路朋;王秀萍;王文颖;;高寒草甸不同植被类型土壤全氮含量变化动态分析[J];生态环境学报;2009年06期

6 赵巧丽;郑国清;冯晓;李国强;;河南省安阳县三种土壤全氮含量空间插值方法的比较分析[J];土壤通报;2012年05期

7 张娟娟;田永超;姚霞;曹卫星;马新明;朱艳;;基于近红外光谱的土壤全氮含量估算模型[J];农业工程学报;2012年12期

8 李锦萍;刘力宽;丁莉;苗峰;徐世晓;;放牧对高寒草甸土壤全氮含量影响的初步探究[J];青海草业;2011年04期

9 傅华;裴世芳;张洪荣;;贺兰山西坡不同海拔梯度草地土壤氮特征[J];草业学报;2005年06期

10 刘忠军;石国元;常旭霞;成剑锋;郭炳霞;张丽;;利用DDY-5型全自动定氮仪测定土壤全氮含量[J];农村科技;2005年07期

中国硕士学位论文全文数据库 前4条

1 刘妤;甘肃省土壤全氮含量空间分布及与土地利用的关系[D];甘肃农业大学;2010年

2 万天凤;涪江中游不同丘陵地貌土壤全氮含量空间变异及不确定性评价[D];四川农业大学;2012年

3 潘文超;基于高光谱遥感的棉田土壤含氮量监测模型研究[D];石河子大学;2009年

4 朱艳;小麦品种与施肥及土壤肥力间的耦合效应研究[D];陕西师范大学;2012年

，

本文编号：1059094