基于多种模型的土壤有机质含量填图应用研究
发布时间：2021-05-14 07:36
土壤是人类赖以生存的自然资源，是地理环境的组成要素之一，而土壤有机质作为土壤的重要组成、反应土壤性状的重要指标，在农业生产中发挥着至关重要的作用。相比于传统常规的测定土壤有机质含量的方法，借助高光谱遥感技术对土壤信息（有机质含量）进行预测分析就具有了周期短、成本低等一系列优点。为了更好的对研究区范围内土壤有机质含量进行预测分析，本文将以江西德兴铜矿尾矿坝附近的土壤为研究对象，利用ASD便携式光谱仪对研究区内68组土壤样本进行了光谱曲线的测定，并将实测光谱与Hyperion卫星遥感数据进行了匹配。通过对获取土壤样品反射光谱曲线进行处理分析，得到研究区内土壤反射光谱特征，获取土壤光谱的特征吸收带；并通过对不同采样点、不同深度的土壤光谱进行对比分析，研究不同位置、有机质含量不同的土壤反射光谱曲线差异。在有机质含量的预测模型上，本文对土壤反射光谱进行多种数学变换，分析土壤光谱反射率不同变换形式与有机质含量之间的相关关系，通过比较选择了相关性较高的变换方式作为土壤有机质预测模型的因变量，并利用多元统计分析、模糊数学、主成分分析进行建模。基于研究区内数据的分析可知，非线性模型精度高于线性模型精度，...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 高光谱遥感的发展现状
1.2.2 基于高光谱反演模型在土壤有机质含量预测中的应用
1.3 研究内容
1.4 技术路线
第2章 研究区概况及数据获取
2.1 研究区概况
2.2 土壤样本的采集
2.3 土壤有机质含量测定
2.4 光谱测定
第3章 数据处理及有机质含量预测模型的建立
3.1 地面实测数据预处理
3.1.1 光谱曲线平滑去噪
3.2 实测光谱数据分析
3.2.1 特征吸收带的提取
3.2.2 光谱特征分析
3.3 有机质含量预测模型的建立
3.3.1 地面实测数据与 Hyperion 数据的匹配
3.3.2 光谱微分技术
3.3.3 单相关分析
3.3.4 多元统计方程的建立
3.3.5 基于模糊数学的有机质估算模型
3.3.6 基于主成分分析方法的有机质估算模型
3.4 模型预测效果评价
第4章 基于 Hyperion 数据的土壤有机质含量填图
4.1 Hyperion 数据简介
4.2 ENVI 遥感影像处理系统说明
4.3 Hyperion 数据的处理
4.3.1 去除未定标的波段
4.3.2 绝对辐射值转换
4.3.3 去除坏线、条带
4.3.4 大气校正
4.3.5 几何校正
4.3.6 掩膜处理
4.4 填图结果及评价
第5章 结论
5.1 主要成果
5.2 主要结论
5.3 存在的问题以及展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]德兴铜矿尾矿地球化学特征[J]. 潘含江,程志中,杨榕,贺灵,商云涛. 物探与化探. 2013(04)
[2]高光谱遥感的发展与应用[J]. 张达,郑玉权. 光学与光电技术. 2013(03)
[3]土壤重金属含量的高光谱遥感反演方法综述[J]. 肖捷颖,王燕,张倩,李星,赵品,万亚林. 湖北农业科学. 2013(06)
[4]莱州湾海岸带土壤光谱分析与有机质反演研究[J]. 李勇志,唐家奎,王德强,王春磊,张成雯. 地理与地理信息科学. 2012(04)
[5]E0-1 Hyperion高光谱影像的FLAASH大气校正与评价[J]. 龚建周,陈健飞,刘彦随. 广州大学学报(自然科学版). 2011(05)
[6]遥感在土壤有机质含量估算中的应用及其研究进展[J]. 程彬,姜琦刚,王坤. 山东农业大学学报(自然科学版). 2011(02)
[7]基于高光谱的土壤有机质含量估算研究[J]. 刘磊,沈润平,丁国香. 光谱学与光谱分析. 2011(03)
[8]中国禾谷类大田作物收获指数和秸秆系数[J]. 谢光辉,韩东倩,王晓玉,吕润海. 中国农业大学学报. 2011(01)
[9]小波变换在土壤有机质含量可见/近红外光谱分析中的应用[J]. 刘炜,常庆瑞,郭曼,邢东兴,员永生. 干旱地区农业研究. 2010(05)
[10]基于人工神经网络的土壤有机质含量高光谱反演[J]. 沈润平,丁国香,魏国栓,孙波. 土壤学报. 2009(03)
博士论文
[1]高光谱土壤成分信息的量化反演[D]. 周萍.中国地质大学（北京） 2006
[2]土壤有机质含量高光谱预测模型及其差异性研究[D]. 周清.浙江大学 2004
[3]高光谱遥感土壤信息提取与挖掘研究[D]. 刘伟东.中国科学院研究生院（遥感应用研究所） 2002
硕士论文
[1]高光谱数据在土壤有机质填图中的应用[D]. 耿令朋.中国地质大学(北京) 2012
[2]土壤有机质高光谱数据挖掘与建模[D]. 唐琨.湖南农业大学 2009
[3]不同精度控制点对遥感图像几何校正的影响[D]. 高晖.中国地质大学（北京） 2008
[4]基于实验室高光谱反射数据的土壤成分含量估算研究[D]. 杨萍.南京农业大学 2007
本文编号：3185259
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 高光谱遥感的发展现状
1.2.2 基于高光谱反演模型在土壤有机质含量预测中的应用
1.3 研究内容
1.4 技术路线
第2章 研究区概况及数据获取
2.1 研究区概况
2.2 土壤样本的采集
2.3 土壤有机质含量测定
2.4 光谱测定
第3章 数据处理及有机质含量预测模型的建立
3.1 地面实测数据预处理
3.1.1 光谱曲线平滑去噪
3.2 实测光谱数据分析
3.2.1 特征吸收带的提取
3.2.2 光谱特征分析
3.3 有机质含量预测模型的建立
3.3.1 地面实测数据与 Hyperion 数据的匹配
3.3.2 光谱微分技术
3.3.3 单相关分析
3.3.4 多元统计方程的建立
3.3.5 基于模糊数学的有机质估算模型
3.3.6 基于主成分分析方法的有机质估算模型
3.4 模型预测效果评价
第4章 基于 Hyperion 数据的土壤有机质含量填图
4.1 Hyperion 数据简介
4.2 ENVI 遥感影像处理系统说明
4.3 Hyperion 数据的处理
4.3.1 去除未定标的波段
4.3.2 绝对辐射值转换
4.3.3 去除坏线、条带
4.3.4 大气校正
4.3.5 几何校正
4.3.6 掩膜处理
4.4 填图结果及评价
第5章 结论
5.1 主要成果
5.2 主要结论
5.3 存在的问题以及展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]德兴铜矿尾矿地球化学特征[J]. 潘含江,程志中,杨榕,贺灵,商云涛. 物探与化探. 2013(04)
[2]高光谱遥感的发展与应用[J]. 张达,郑玉权. 光学与光电技术. 2013(03)
[3]土壤重金属含量的高光谱遥感反演方法综述[J]. 肖捷颖,王燕,张倩,李星,赵品,万亚林. 湖北农业科学. 2013(06)
[4]莱州湾海岸带土壤光谱分析与有机质反演研究[J]. 李勇志,唐家奎,王德强,王春磊,张成雯. 地理与地理信息科学. 2012(04)
[5]E0-1 Hyperion高光谱影像的FLAASH大气校正与评价[J]. 龚建周,陈健飞,刘彦随. 广州大学学报(自然科学版). 2011(05)
[6]遥感在土壤有机质含量估算中的应用及其研究进展[J]. 程彬,姜琦刚,王坤. 山东农业大学学报(自然科学版). 2011(02)
[7]基于高光谱的土壤有机质含量估算研究[J]. 刘磊,沈润平,丁国香. 光谱学与光谱分析. 2011(03)
[8]中国禾谷类大田作物收获指数和秸秆系数[J]. 谢光辉,韩东倩,王晓玉,吕润海. 中国农业大学学报. 2011(01)
[9]小波变换在土壤有机质含量可见/近红外光谱分析中的应用[J]. 刘炜,常庆瑞,郭曼,邢东兴,员永生. 干旱地区农业研究. 2010(05)
[10]基于人工神经网络的土壤有机质含量高光谱反演[J]. 沈润平,丁国香,魏国栓,孙波. 土壤学报. 2009(03)
博士论文
[1]高光谱土壤成分信息的量化反演[D]. 周萍.中国地质大学（北京） 2006
[2]土壤有机质含量高光谱预测模型及其差异性研究[D]. 周清.浙江大学 2004
[3]高光谱遥感土壤信息提取与挖掘研究[D]. 刘伟东.中国科学院研究生院（遥感应用研究所） 2002
硕士论文
[1]高光谱数据在土壤有机质填图中的应用[D]. 耿令朋.中国地质大学(北京) 2012
[2]土壤有机质高光谱数据挖掘与建模[D]. 唐琨.湖南农业大学 2009
[3]不同精度控制点对遥感图像几何校正的影响[D]. 高晖.中国地质大学（北京） 2008
[4]基于实验室高光谱反射数据的土壤成分含量估算研究[D]. 杨萍.南京农业大学 2007
本文编号：3185259
本文链接：https://www.wllwen.com/kejilunwen/nykj/3185259.html
