基于土壤可见—近红外光谱库的土壤全氮预测建模研究

发布时间：2018-07-05 09:52

本文选题：中国土壤全氮光谱库 + 偏最小二乘回归　；参考：《浙江大学》2015年硕士论文

【摘要】：精准农业是我国现代农业发展的前沿趋势。作为精准农业实施中的重要研究方向之一,土壤全氮等属性信息的快速获取为做出与之相配套的农田生产决策提供了关键依据。传统的实验室化学分析测试,因为成本高,周期长,并且污染环境,难以满足精准农业中提高经济效益和保护生态环境。土壤属性高光谱分析技术快速、廉价、高效,作为精准农业中土壤信息的重要监测工具。而土壤属性中的全氮高光谱预测对于指导农田施放氮肥有很大的应用价值,可以有效降低因过量施肥带来的环境污染问题,尤其在中国对氮肥需求量大的农业大国,可以充分保护农业生态环境体系可持续健康发展,市场应用前景广阔。然而,许多研究是以当地田块、局部小范围区域尺度的土壤样本为研究对象,虽然充分肯定了土壤全氮的高光谱预测能力,但由于各地土壤成土母质发育的多样性,不同土壤类型光谱特性差异很大,甚至同种土类由于区域及发育母质不同也表现出显著的光谱差异,某研究区建立的全氮预测模型不一定能够外推至其他区域其他土类,其应用的普适性和稳定性价值并未得到有效验证。因此需要尝试扩大研究范围至国家尺度,就上述问题展开深入研究。本研究以中国浙江、西藏、新疆、四川、河南、黑龙江、海南等13省份17种土类共计1661份有效样本为研究对象,研究基于国家尺度大样本数据量下的可见-近红外光谱预测土壤全氮含量的可行性及建模策略。研究基于光谱库土壤属性的子集划分策略对高光谱预测精度的影响,尝试探究不同全氮含量等级,不同土壤类型子集进行建模,模型质量是否健壮以及相关规律；重点研究基于光谱库光谱特性的子集划分策略,即应用光谱库来预测局部地区未知样本土壤全氮含量的建模策略的可行性,寻找具备普适性和稳定性的预测模型,并深入探究其可行的原因。本论文的主要研究内容和结果可以概括为以下几个方面：(1)基于土壤属性的光谱库建模策略研究基于建立的国家尺度土壤全氮光谱数据库,本研究深入探讨大尺度背景下土壤全氮高光谱建模可行性和影响土壤全氮光谱建模精度的因素。通过对光谱库采用线性模型PLSR和非线性模型SVM全局建模,初步考察土壤全氮光谱库的建模可行性,并对比线性模型和非线性模型的建模精度。结果表明：土壤全氮-可见近红外光谱库具备应用潜力,但全局建模策略对包含土样差别分异性大的光谱库不适用,还需探索其它建模方法策略。通过分别将光谱库按全氮含量等级和土壤类型划分模型子集并PLSR和SVM建模,深入探讨影响库建模精度的因素。结果表明：两种建模策略均不能很好解决土壤光谱库分异性问题,各模型预测精度偏低；依据全氮含量等级划分子集建模精度表明模型质量与全氮含量范围密切相关,含量低于一定值时模型不具备预测能力；按土类划分子集策略,土类和区域同时具有均一性的模型精度明显高于同种土类不同区域的模型,证明土壤高光谱模型受地域差别和成土母质差异影响较大。(2)基于土壤光谱特性的建模策略与应用本研究在基于土壤属性的光谱库建模策略研究基础之上进一步探索光谱库的应用方法,基于土壤的光谱特性进行分类建模并取得了成功应用。根据上述研究结果,本次全局建模预测某局部区域(浙江省104个水稻土样本)采用PLSR模型,按光谱特性划分子集建模策略分别采用光谱空间距离挑选样本子集和最佳聚类类别划分库为建模子集的思路,并分别采用LWR和FKMC-PLSR建模预测。结果表明：在大样本下PLSR全局模型对高全氮值待预测样本存在低估现象,导致整体预测精度偏低,LWR (RP22=0.76, RPDP2=2.1)和FKMC-PLSR(RP32=0.82, RPDP3=2.4)局部模型比PLSR(RP12=0.64, RPDP1=1.4)全局模型能够更为准确地预测全氮含量。研究结果可为利用大样本光谱数据库建立稳定性和普适性较高的土壤全氮含量预测模型提供必要参考。
[Abstract]:This paper studies the feasibility and the modeling strategy of soil total nitrogen in China , which is based on the high spectral analysis of local field and local small area .
In this paper , we study the feasibility of applying spectral library to predict the whole nitrogen content of soil in local area and explore the factors affecting the accuracy of whole nitrogen spectrum modeling .
The model quality is closely related to the whole nitrogen content range , and the model does not have the forecasting ability when the content is lower than a certain value .
The results show that the global model can predict the total nitrogen content more accurately than PLSR ( RP12 = 0.64 , RPDP1 = 1.4 ) .
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S153.6

【参考文献】