当前位置:主页 > 科技论文 > 农业技术论文 >

华北平原农田土壤主要养分高光谱估测模型及分区应用

发布时间:2020-06-05 19:59
【摘要】:土壤养分对农业种植非常重要,高效、准确、非损伤性的获取土壤养分信息是非常值得研究的问题。本文以华北平原农田区为研究区域,选取了景县、虞城县和莘县三个典型农业大县为试验区,以土壤养分全氮、有效磷、速效钾为研究对象,高光谱数据为手段,采用pearson相关分析,筛选土壤全氮、有效磷、速效钾的特征波长,利用多元线性回归、偏最小二乘回归、支持向量机和人工神经网络建立各养分含量的估测模型,针对整体土壤养分单一模型精度低的情况,对土壤样本进行分区建模,建立了基于质地分区的土壤养分光谱估测模型,较好探索了华北平原农田土壤养分的高光谱估测方法和分区应用。主要研究内容和结果如下:1)土壤主要养分的高光谱估测基于不同土壤养分含量的光谱反射率变化特征,应用敏感波长估测土壤养分,华北农田区全氮养分的特征波长是1060nm、1527nm、1543nm、1675nm、1776nm、1915nm,土壤有效磷敏感波长是1060nm、1131nm、1301nm、1469nm、1491nm、1817nm、1907nm、1950nm、1964nm、1994nm,速效钾敏感波长是1131 nm、1539 nm、1059 nm、1760 nm、1645 nm、1950 nm、1909 nm。采用多元线性回归、偏最小二乘回归、支持向量机、人工神经网络四种方法建立土壤养分的高光谱估测模型,根据决定系数R~2和平均相对误差大小优选土壤养分最佳估测模型,土壤全氮、有效磷、速效钾最佳估测模型分别是偏最小二乘回归模型、多元线性回归模型、偏最小二乘回归模型。从养分间的模型精度看,有效磷最佳模型精度全氮最佳模型精度速效钾最佳模型精度。从模型方法看,偏最小二乘回归预测精度最高,其次是多元线性回归。2)土壤主要养分光谱估测的分区指标根据华北农田区自然气候条件、成土母质、土壤质地和养分状况、管理水平等,参考该区耕地地力评价因子,结合本文选取试验区样点情况,综合考虑从土壤质地、灌排能力、气候条件等选取土壤养分光谱估测的分区指标。对土壤样本的全氮、有效磷、速效钾含量进行分区特征统计分析,摸清试验区土壤养分含量状况,探索分区对土壤养分影响重要性,根据土壤养分在各分区因素等级的均值和变异性,最终选取土壤质地作为养分光谱估测的分区指标。质地对土壤养分含量和变异的影响较为明显,划分质地后,土壤养分变异性较整体降低。进而分析了不同质地的土壤光谱特性,在600nm~1900nm谱区,三种质地土壤光谱反射率差异较明显,因此基于土壤质地建立土壤主要养分高光谱估测分区模型是可行的。3)土壤主要养分光谱估测的分区应用将土壤样本数据按照土壤质地分为壤土、砂土、粘土三类,对各质地养分含量值进行聚类运算,计算养分含量值与光谱反射率导数值的相关系数,采用四种建模方法进行养分估测建模,通过决定系数R~2和平均相对误差大小选择最优模型,根据建模精度和验证结果,壤土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、人工神经网络模型、偏最小二乘回归模型;砂土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、支持向量机模型、偏最小二乘回归模型;粘土全氮、有效磷、速效钾的最佳估测模型分别是人工神经网络模型、偏最小二乘回归模型、人工神经网络模型。养分建模结果对比,除粘质土壤有效磷和速效钾,不同质地区土壤养分建模精度均高于整体土壤养分建模,表明划分质地后对土壤养分预测效果更好。建模方法对比显示,偏最小二乘回归和人工神经网络方法建模精度更高,准确性更好。本研究探索华北平原粮食主产区土壤养分的无损、简便、快速估测方法,研究土壤养分光谱估测和分区应用,对于高光谱应用于大区域土壤养分估测有重要理论和实际意义。
【图文】:

技术路线图


技术路线图

地理位置,土壤样,土样,速效钾含量


图 2.1 研究区地理位置图Fig.2.1 Geographical location map of the study area2.2 土壤样本的采集与分析2.2.1 土壤样本采集土壤样本采集按照涵盖各级养分含量、均匀分布的原则,在试验区耕地区内布点,采集样点位置对应土样,土样采集方法是:在作物收货或播种前,依据地块面积大小采用多点取样,采样深度 0-20cm,混合土样后用四分法取土 1kg,共采集土样 940 个。2.2.2 土壤样本养分化学分析土样处理过程为五点取样、风干、敲碎、去除杂质,2mm 过筛,然后进行土样化学实验,分析全氮、有效磷、速效钾含量。全氮化验采用凯氏定氮法,有效磷含量测定采用 0.05mol·L-1NaHCO3 浸提-钼锑抗比色法,速效钾含量化验采用乙酸铵浸提-火焰光度法测定。2.2.3 土壤样本异常值剔除
【学位授予单位】:山东农业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S158;TP18

【相似文献】

相关期刊论文 前10条

1 俞益武,陈文龙;千岛湖地区马尾松树干重量估测模型的初步研究[J];浙江林学院学报;1989年01期

2 汤军;秦富仓;王娟;高玉寒;张美丽;姚云峰;;黄柳地上生物量估测模型的构建[J];黑龙江农业科学;2015年11期

3 徐萍;徐天蜀;;森林蓄积量定量遥感估测模型研究[J];林业建设;2007年06期

4 李选举,向书坚;失真数据的判别与估测模型[J];中南财经大学学报;1999年01期

5 杨柳;冯仲科;岳德鹏;孙金华;;结合纹理因子和地形因子的森林蓄积量多光谱估测模型[J];光谱学与光谱分析;2017年07期

6 吕杰;汪康宁;李崇贵;史晓亮;;基于高光谱遥感的玉米叶绿素含量估测模型[J];中国矿业大学学报;2016年02期

7 宋开山;张柏;王宗明;段洪涛;张渊智;李方;;半干旱区内陆湖泊透明度高光谱估测模型研究——以松嫩平原查干湖为例[J];水科学进展;2006年06期

8 张炜,王亚平,林杰;工程合理成本的模糊估测模型及应用研究[J];铁道学报;1998年03期

9 秦建华,姜志林,钱能志;福建洋口杉木生物量估测模型的选择[J];南京林业大学学报(自然科学版);1990年01期

10 程武学;倪勇;杨存建;周介铭;周万村;;基于小班对象的森林蓄积量遥感估测模型合理性诊断[J];湖北农业科学;2011年23期

相关会议论文 前4条

1 张曼胤;李梦洁;崔丽娟;王贺年;郭子良;李伟;魏圆云;杨思;;基于芦苇叶片高光谱的水体氮磷含量估测模型比较[A];2017中国环境科学学会科学与技术年会论文集(第二卷)[C];2017年

2 黄鸿威;莫放;周汉林;徐萍;;4-6月龄犊牛尿中嘌呤衍生物排出规律的研究[A];中国畜牧兽医学会动物营养学分会——第九届学术研讨会论文集[C];2004年

3 李亚兵;毛树春;韩迎春;王香河;王国平;;基于数字图像特征的棉花群体大小估测模型[A];中国棉花学会2007年年会论文汇编[C];2007年

4 马荣华;戴锦芳;;太湖水色遥感中叶绿素和悬浮物的高光谱分析[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年

相关博士学位论文 前8条

1 李向阳;烟草高光谱特性与农艺、生理、品质指标关系和估测模型研究[D];河南农业大学;2007年

2 谢文;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[D];江西农业大学;2017年

3 王蕊;大光斑激光雷达森林回波模拟和森林参数反演[D];东北林业大学;2015年

4 齐波;大豆育种中产量和生长性状的高光谱预测技术研究[D];南京农业大学;2014年

5 窦玉青;基于高光谱技术的烟草含氮化合物估测模型研究[D];山东农业大学;2016年

6 王妮;基于3S技术的森林资源变化动态监测[D];南京林业大学;2012年

7 高鑫;春玉米LAI和叶片氮素营养及产量的高光谱估测模型研究[D];内蒙古农业大学;2016年

8 张正杨;基于水氮互作的烟草高光谱特性及估测模型研究[D];河南农业大学;2011年

相关硕士学位论文 前10条

1 陈晓娜;华北平原农田土壤主要养分高光谱估测模型及分区应用[D];山东农业大学;2019年

2 林云;4G协议的通信能耗模型分析与优化[D];厦门大学;2017年

3 杨向阳;土壤全氮和有机质高光谱估测模型研究[D];河南农业大学;2018年

4 尚璇;有机质与含水量对土壤高光谱的交互影响及其估测模型[D];山东农业大学;2018年

5 马绍楠;肉羊常用饲料消化能、代谢能估测模型的建立与比较及其数据库的建立[D];塔里木大学;2018年

6 葛思俊;基于感知与模型的设施番茄生长监测与决策管理系统研究[D];扬州大学;2018年

7 李明亮;土壤有机质高光谱灰色关联度估测模型研究[D];山东农业大学;2017年

8 张国圣;基于高光谱的水稻氮素诊断和产量估测模型[D];沈阳农业大学;2017年

9 谢碧裕;南方丘陵水稻土氧化铁高光谱特性与估测模型研究[D];江西农业大学;2015年

10 许甜;基于影响因子的高等级公路造价估测模型研究[D];长安大学;2012年



本文编号:2698536

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/nykj/2698536.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ba50d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com