基于高光谱技术的森林土壤不同养分含量光谱特征及估测模型研究
本文选题：高光谱 切入点：森林土壤 出处：《江西农业大学》2017年博士论文
【摘要】：土壤养分含量的状况是影响土壤质量变化的基本因素,快速了解森林土壤养分状况对研究森林植被的生长环境有着重要意义。土壤高光谱遥感技术是目前的研究热点之一,具有快速测定土壤养分含量等特点,为实现快速大范围获取土壤养分含量提供了新途径。本文以江西省九江市庐山区与南昌市湾里区为研究区,在考虑了土壤属性、高程、海拔等因素的基础上,2014年根据样本选点采集318个土壤有效样本,在测定了土壤有机质、全氮、全钾、全磷的土壤主要基础养分含量的基础上,考虑到江西省土壤中铁含量较丰富,同时测定了土壤有效铁含量,并利用ASDFieldSpec4地物光谱仪对土壤进行了室内光谱数据采集。在分析了土壤类型及养分的光谱特征基础上,采用相关系数法分析了土壤养分含量的相关性,分别基于偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归(SVMR)单一模型及定权与变权组合模型构建了土壤有机质含量的高光谱直接估测模型、全氮和有效铁含量的高光谱直接与间接估测模型,并对模型进行了检验。主要研究结果为:(1)森林土壤养分的反射光谱相关性分析研究采用相关系数法,对森林土壤养分含量进行了反射光谱相关性分析。土壤有机质含量与原始光谱反射率呈明显的负相关,且600～800nm波段内相关性最明显,在650nm波段处相关系数值达到最大值;土壤全氮含量与原始光谱反射率呈较明显的负相关,且600～800nm波段内的相关性明显,在649nm波段处相关系数值达到最大值;原始光谱反射率与土壤全磷含量呈负相关,且相关性不明显;原始光谱反射率与土壤全钾含量间的相关性非常低;土壤有效铁含量与原始光谱反射率呈较明显的负相关,同时也在600～800nm波段内的相关性较明显,在673 nm波段处相关系数值达到最大值。通过SPSS 17.0对土壤有机质含量与土壤全氮、全钾、全磷及有效铁含量相关性分析,发现土壤有机质与全氮间存在显著的相关性,可通过幂函数拟合·;土壤有机质含量与全磷含量间存在一定的相关性,但无法通过函数拟合;土壤有机质含量与全钾含量间的相关性极低;土壤有机质含量与有效铁含量间存在显著的线性相关,可通过线性函数拟合。为土壤全氮及有效铁含量的间接估测提供依据。2)森林土壤养分含量的单一光谱估测模型的构建在相关性分析的基础上,基于PLSR、BP与SVMR分别构建了森林土壤养分含量的光谱单一光谱直接估测模型,及森林土壤全氮和有效铁含量的单一光谱间接估测模型,确定BP为最佳估测模型。在森林土壤光谱的直接估测中,土壤有机质含量的最佳单一估测模型为BP模型,其预测R~2为0.77,RMSE为11.96gkg~(-1) RPD为1.99; 土壤全氮含量的最佳单一模型也是BP模型,其预测R~2为0.63, RMSE为0.52gkg~(-1) RPD为1.64; 土壤全磷含量的最佳单一模型为PLSR模型,其预测R~2仅为0.09, RMSE为0.17gkg~(-1) RPD仅为1.05; 土壤全钾含量的最佳单一模型为BP模型,其预测R~2为0.20, RMSE为3.23g kg~(-1) RPD仅为1.12; 土壤有效铁含量的最佳单一估测模型为SVMR模型,其预测R~2为0.39, RMSE为27.84 mg kg~(-1) RPD为1.24。在森林土壤光谱的间接估测中,土壤全氮含量的最佳模型为BP模型,其预测R~2为0.89, RMSE为0.27gkg~(-1) RPD为3.02; 土壤有效铁含量的最佳模型也为BP模型,其预测R~2为0.52, RMSE为26.03 mgkg~(-1),RPD为1.44。对比表明BP、SVMR优于PLSR,土壤全氮及有效铁含量间接预测要好于直接预测。3)森林土壤养分含量的组合估测模型的构建本文基于单一模型建模结果,选择六种定权、四种变权方法分别构建了森林土壤有机质、全氮及有效铁含量的光谱组合直接估测模型和森林土壤全氮、有效铁含量的组合间接估测模型。研究表明,直接估测中,土壤有机质含量的最佳估测模型是二项式系数变权组合模型,其预测R~2为0.81,RMSE为10.24gkg~(-1),RPD为2.32; 土壤全氮的最佳估测模型为简单加权定权组合模型,其预测R~2为0.70, RMSE为0.47gkg~(-1) RPD为1.84;土壤有效铁含量的最佳模型是误差平方和倒数变权组合模型,其预测R~2为0.49,RMSE为 24.97mgkg~(-1),RPD为1.39。在组合模型的间接估测中,土壤全氮含量的最佳模型是简单加权变权组合模型,其预测R~2为0.73, RMSE为0.43g kg~(-1),RPD为1.91; 土壤有效铁含量的最佳估测模型是二项式系数定权组合模型,其预测R~2为0.58,RMSE为25.03 mg kg~(-1),RPD为1.49。对比表明,变权组合模型整体优于定权组合模型,间接组合模型优于直接组合模型。本研究基于土壤高光谱数据,探讨了组合模型在土壤有机质、全氮及有效铁含量中的估测应用,为土壤主要养分等含量光谱估测提供了新的研究思路,为利用遥感进行土壤养分含量快速测定提供了理论基础和依据。
[Abstract]:......
【学位授予单位】：江西农业大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：S714
【参考文献】
相关期刊论文 前10条
1 张佳佳;郭熙;赵小敏;;南方丘陵稻田土壤全磷、有效磷高光谱特征与反演模型[J];江苏农业科学;2016年07期
2 张强;张国龙;张泽;吕新;;基于高光谱的土壤全氮含量估测[J];山西农业科学;2016年07期
3 于雷;洪永胜;周勇;朱强;徐良;李冀云;聂艳;;高光谱估算土壤有机质含量的波长变量筛选方法[J];农业工程学报;2016年13期
4 谭琨;张倩倩;曹茜;杜培军;;基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演[J];地球科学(中国地质大学学报);2015年08期
5 于雷;洪永胜;耿雷;周勇;朱强;曹隽隽;聂艳;;基于偏最小二乘回归的土壤有机质含量高光谱估算[J];农业工程学报;2015年14期
6 黄仁东;张海彬;杨志辉;周扬;张攀;;基于多准则的组合预测模型权重研究及其应用[J];中南大学学报(自然科学版);2015年05期
7 于法展;张忠启;陈龙乾;沈正平;;江西庐山自然保护区主要森林植被水土保持功能评价[J];长江流域资源与环境;2015年04期
8 叶英聪;张丽君;谢文;谢碧裕;郭熙;;南方丘陵稻田土壤全钾和速效钾高光谱特征与反演模型研究[J];广东农业科学;2015年07期
9 韩兆迎;朱西存;刘庆;房贤一;王卓远;;黄河三角洲土壤有机质含量的高光谱反演[J];植物营养与肥料学报;2014年06期
10 郭斗斗;黄绍敏;张水清;聂胜委;;多种潮土有机质高光谱预测模型的对比分析[J];农业工程学报;2014年21期
相关博士学位论文 前2条
1 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年
2 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
相关硕士学位论文 前3条
1 杨灵玉;三江源区土壤特性高光谱估算方法比较研究[D];青海师范大学;2016年
2 陆洪涛;偏最小二乘回归数学模型及其算法研究[D];华北电力大学;2014年
3 毛开翼;关于组合预测中的权重确定及应用[D];成都理工大学;2007年
，本文编号：1723856
本文链接：https://www.wllwen.com/kejilunwen/nykj/1723856.html
