基于高光谱数据的南疆干旱区土壤有机质含量预测的模型研究

发布时间：2021-08-25 12:35

　　土壤有机质是土壤中含碳有机物的总称,能够为植物的生长提供养分,土壤有机质含量是衡量土壤肥力高低的重要指标。土壤有机质的空间分布是粮食估产、土壤质量评价以及现代农业生产的重要基础。虽然传统的土壤农化分析方法能够准确测定土壤的有机质含量,但是野外采样容易对土体造成破坏且需室内使用化学方法测量耗时较长,存在着费用高、基础工作量大、不能在短时间内获取土壤有机质的空间分布数据以及实现大面积土壤有机质的连续测定,有很大的局限性。常规光学遥感波段相对较少且光谱分辨率较低,虽然覆盖面积较广,但对于区域性的土壤有机质含量监测,存在着很大的误差。土壤高光谱技术是监测土壤有机质的一种新型手段,对应的地面遥感试验则是确保检测精度的重要依据,近地面的光谱测量是遥感图像与数据解译的重要基础。同时,土壤高光谱技术具有无污染、无破坏、低成本、信息量大、效率高等特点,被广泛应用于土壤有机质的研究当中。本研究以南疆干旱区的农田土壤与荒漠土壤为研究对象,使用美国ASD公司的FieldSpec Pro FR型光谱仪在一个能控制光照条件的暗室内对经过处理的土样进行测量土样的有机质含量与可见光近红外光谱数据。在此基础上,采用多种... 

【文章来源】：塔里木大学新疆维吾尔自治区

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

实测值与预测值散点图

图4-3分类后反射率及连续统去除曲线比较

【参考文献】：
期刊论文
[1]基于连续统去除法的南疆水稻土有机质含量预测[J]. 向红英,柳维扬,彭杰,王家强,迟春明,牛建龙.  土壤. 2016(02)
[2]土壤水溶性盐基离子的高光谱反演模型及验证[J]. 代希君,张艳丽,彭杰,罗华平,向红英.  农业工程学报. 2015(22)
[3]基于近红外光谱分析的土壤分层氮素含量预测[J]. 张瑶,李民赞,郑立华,杨玮.  农业工程学报. 2015(09)
[4]利用可见光近红外的尾矿区农田土壤Cu含量反演[J]. 吕杰,郝宁燕,崔晓临.  农业工程学报. 2015(09)
[5]基于多源数据的中原黄泛区土壤盐分空间变异分析[J]. 吴亚坤,刘广明,杨劲松,余世鹏.  农业工程学报. 2015(05)
[6]模拟多光谱卫星传感器数据的冬小麦白粉病遥感监测[J]. 卫黎光,蒋金豹,杨贵军,聂臣巍,袁琳,黄文江,张竞成.  麦类作物学报. 2014(12)
[7]典型龟裂碱土土壤光谱特征影响因素研究[J]. 张俊华,马天成,贾科利.  农业工程学报. 2014(23)
[8]基于局部加权回归的土壤全氮含量可见-近红外光谱反演[J]. 陈颂超,冯来磊,李硕,纪文君,史舟.  土壤学报. 2015(02)
[9]黄河三角洲土壤有机质含量的高光谱反演[J]. 韩兆迎,朱西存,刘庆,房贤一,王卓远.  植物营养与肥料学报. 2014(06)
[10]农业遥感研究现状与展望[J]. 史舟,梁宗正,杨媛媛,郭燕.  农业机械学报. 2015(02)

博士论文
[1]土壤主要养分含量的高光谱估测研究[D]. 陈红艳.山东农业大学 2012
[2]土壤盐分离子迁移及其分异规律对环境因素的响应机制[D]. 郭全恩.西北农林科技大学 2010
[3]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

硕士论文
[1]高光谱成像实验及其数据处理[D]. 曹鸿涛.西北工业大学 2005



本文编号：3362126