青海省土壤有机质、全碳、全氮高光谱遥感估算研究

发布时间：2020-09-19 10:22

　　 土壤有机质、全碳、全氮含量的高低对作物的生长具有重要作用。快速获取土壤中有机质、全碳、全氮含量信息,对农业生产的科学管理和精细农业的发展具有重要意义。传统测量方法主要依赖实验室化学分析的方法,操作过程比较复杂、耗时长,而且测量成本较高,不利于大面积采集测量、掌握土壤信息。可见光-近红外光谱(也叫可见光-近红外-短波红外光谱(Vis-NIR-SWIR))具有低成本、无污染、快速实时检测的优点,已被广泛应用到土壤特性检测中。本文以青海省三江源区与湟水流域为研究区,将野外采集的土壤样本分别进行土壤属性与土壤光谱的测定,在此基础上对土壤光谱数据进行预处理并基于模糊K均值聚类对土壤光谱进行土壤光谱分类与特征分析,最终基于偏最小二乘回归(PLSR)和随机森林(RF)对两个研究区域土壤有机质、全碳、全氮含量进行高光谱估算研究。主要结论如下:(1)土壤原始光谱反射率整体表现为土壤有机质含量越高光谱反射率越低,且在400~1350nm反射率变化较大,有机质含量越高,反射率曲线越凹;包络线去除处理后的光谱曲线在400~1350nm波段随着有机质含量的增加会出现明显的吸收谷。(2)包络线去除(或连续统去除)可以突出土壤光谱的吸收、反射特征,有利于土壤光谱的分类。基于土壤包络线去除的模糊K均值聚类,对全局土壤(两个研究区域的土壤样本作为一个整体)进行土壤光谱分类研究,结果表明该区域土壤光谱分类受土壤有机质含量的影响较大。(3)对土壤光谱进行一阶微分、包络线去除变换后的土壤光谱特征更加突出。原始光谱、一阶微分、包络线去除处理后的土壤光谱全波段偏最小二乘回归建模表明经过一阶微分、包络线去除可以减少模型的主成分数,简化模型结构,提高模型预测精度。(4)稳定竞争性自适应重加权算法挑选特征波段建模与全波段建模相比较,偏最小二乘、随机森林估算模型的特征波段建模精度相比全波段建模精度整体没有提高。但提取特征波段建模能够简化模型结构,提高运算速率,且对土壤光谱进行不同预处理后所提取的特征波段也有所不同。(5)对浓度梯度法与Kennard-Stone(KS)方法挑选的校正集与验证集土壤有机质、全氮、全碳含量特征统计,并建立偏最小二乘回归模型。湟水流域KS方法建立模型精度不高,且R~2_(cv)较大,R~2_(val)较小,模型过拟合。三江源区两种校正样本挑选方法的模型都具有较好的估算精度。三江源区有机质、全碳、全氮含量相比湟水流域较高,表明浓度梯度法挑选的校正集更具有代表性。土壤有机质含量较低时,KS方法挑选校正集不具有代表性。(6)土壤有机质、全碳、全氮含量的估算中,随机森林模型的估算精度整体高于偏最小二乘模型的估算精度,这可能是因为土壤有机质、全碳、全氮含量与土壤光谱并不是简单的线性关系,偏最小二乘回归建模具有一定的局限性。(7)基于模糊K均值聚类分析的土壤估算模型精度较全局土壤估算模型精度没有提高且有些类的估算模型精度低于全局估算模型精度。可能是由于该区域土壤差异较小,有机质对土壤的影响较大,且分类后的各类样本数小造成的。
【学位单位】：青海师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S153.6;S127
【部分图文】：

三江源区土壤类型图

湟水流域土壤类型图

室内土壤样本光谱测量

【参考文献】

相关期刊论文 前10条

1 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

2 吕杰;郝宁燕;史晓亮;;基于流形学习的土壤高光谱数据特征提取研究[J];干旱区资源与环境;2015年07期

3 刘秀英;王力;常庆瑞;王晓星;尚艳;;基于相关分析和偏最小二乘回归的黄绵土土壤全氮和碱解氮含量的高光谱预测[J];应用生态学报;2015年07期

4 吕杰;郝宁燕;崔晓临;;利用可见光近红外的尾矿区农田土壤Cu含量反演[J];农业工程学报;2015年09期

5 杨扬;高小红;贾伟;张威;李金山;张艳娇;田成明;;三江源区不同土壤类型有机质含量高光谱反演[J];遥感技术与应用;2015年01期

6 李丹;彭智平;韩留生;王重洋;刘尉;黄思宇;陈水森;;基于土壤反射光谱特性的广东省稻田土壤快速分类[J];热带地理;2015年01期

7 刘国海;夏荣盛;江辉;梅从立;黄永红;;一种基于SCARS策略的近红外特征波长选择方法及其应用[J];光谱学与光谱分析;2014年08期

8 盖利亚;孙银行;冯文娟;丁燕梅;陈宗良;;污染场地土壤的光谱特征分析[J];测绘科学;2015年01期

9 吴明珠;李小梅;沙晋明;;亚热带土壤铬元素的高光谱响应和反演模型[J];光谱学与光谱分析;2014年06期

10 史舟;王乾龙;彭杰;纪文君;刘焕军;李曦;Raphael A VISCARRA ROSSEL;;中国主要土壤高光谱反射特性分类与有机质光谱预测模型[J];中国科学:地球科学;2014年05期

相关博士学位论文 前7条

1 史杨;基于可见光近红外光谱的土壤成分预测模型研究[D];中国科学技术大学;2018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 宋相中;近红外光谱定量分析中三种新型波长选择方法研究[D];中国农业大学;2017年

4 林志丹;基于可见/近红外光谱分析的化肥土壤成分速测模型研究[D];中国科学技术大学;2016年

5 纪文君;基于野外vis-NIR高光谱的土壤属性预测及田间水分影响去除研究[D];浙江大学;2014年

6 张飞;干旱区典型绿洲盐渍地地物光谱特征研究[D];新疆大学;2011年

7 邵咏妮;水稻生长生理特征信息快速无损获取技术的研究[D];浙江大学;2010年

相关硕士学位论文 前10条

1 孙肇佳;模糊C均值算法改进研究及应用[D];东北电力大学;2018年

2 刘姣姣;陕西省主要土壤类型的高光谱反射特性与有机质估测模型[D];西北农林科技大学;2018年

3 李冠稳;基于可见—近红外光谱与回归技术的土壤有机质含量估算研究[D];青海师范大学;2018年

4 康苒;松嫩平原典型土壤有机质高光谱预测模型研究[D];东北农业大学;2016年

5 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

6 陈煦;基于光谱分析的农田土壤养分测定方法研究[D];西北农林科技大学;2015年

7 祝e

本文编号：2822391