基于卷积神经网络的耕层土壤有机质含量估测模型研究
发布时间：2021-10-20 20:43
土壤有机质是土壤固体成分的重要组成部分,是植物摄取营养的重要来源,快速并精确地获取土壤有机质含量对发展精准农业具有重要意义。传统的土壤有机质含量化验方法虽然精度高,但花费时间长、成本高,不能满足大面积的监测需求。高光谱遥感因其具有波段窄且多、光谱分辨率高、信息丰富等优点,已成为快速获取大范围土壤有机质含量的新手段,但光谱估测精度有待提高。因此,本文以山东省济南市章丘区的褐土土壤样本为研究对象,基于耕层土壤与表层土壤有机质含量的内在联系,利用卷积神经网络建立耕层土壤有机质含量高光谱估测模型。主要研究内容与结论如下:（1）.确定了章丘市土壤有机质光谱数据特征因子。分析了褐土的光谱特性;利用一阶微分、平方根、倒数、对数及其等8种方法对光谱反射率数据进行变换,通过分析原始光谱数据及变换后的光谱数据同土壤有机质含量的关联性,确定了有机质对光谱信号的敏感波段,并利用极大相关性原则提取了特征因子。结果表明,研究区褐土有机质的敏感波段为485nm760nm、1375nm1382nm、2120nm2140nm、23302
【文章来源】：山东农业大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于卷积神经网络的耕层土壤有机质含量估测模型研究12图2-1土壤样本空间分布图Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土样光谱反射率检测选择晴朗的正午时分，在室外对土壤样本进行光谱信息采集。借助ASDFieldSpecProFR光谱仪进行反射率数据确定，采集时传感器与土样距离15厘米，3视场角照射。得到光谱间隔1nm，波段范围为350nm~2500nm的数据。每个样本进行多次测量，一般为10次，取样本平均值作为此样本的最终光谱反射率，减少测量过程中的误差。图2-2室外光谱采集图Fig.2-2Theoutdoorspectralacquisitionofsoilsamples
基于卷积神经网络的耕层土壤有机质含量估测模型研究12图2-1土壤样本空间分布图Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土样光谱反射率检测选择晴朗的正午时分，在室外对土壤样本进行光谱信息采集。借助ASDFieldSpecProFR光谱仪进行反射率数据确定，采集时传感器与土样距离15厘米，3视场角照射。得到光谱间隔1nm，波段范围为350nm~2500nm的数据。每个样本进行多次测量，一般为10次，取样本平均值作为此样本的最终光谱反射率，减少测量过程中的误差。图2-2室外光谱采集图Fig.2-2Theoutdoorspectralacquisitionofsoilsamples
【参考文献】：
期刊论文
[1]土壤有机质高光谱反演模型研究[J]. 王祥浩. 黑龙江工程学院学报. 2019(05)
[2]耕层土壤有机质高光谱间接估测模型[J]. 钟浩,李西灿,翟浩然,周钰. 测绘科学技术学报. 2019(01)
[3]基于经验模态分解的空气质量指数组合预测方法及应用[J]. 李婷婷,田瑞琦,汪漂. 价值工程. 2019(16)
[4]基于深度学习的农业植物表型研究综述[J]. 翁杨,曾睿,吴陈铭,王猛,王秀杰,刘永进. 中国科学:生命科学. 2019(06)
[5]基于改进卷积神经网络的人脸识别研究[J]. 薛艳杰,邓燕妮. 科技风. 2019(11)
[6]卷积神经网络的架构与应用发展[J]. 黄呈铖,黄华梅. 信息与电脑(理论版). 2019(07)
[7]微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模[J]. 李雪萍,张飞,王小平. 光谱学与光谱分析. 2019(02)
[8]卷积神经网络在图像识别中的应用[J]. 圣文顺,孙艳文. 软件工程. 2019(02)
[9]基于卷积神经网络的中国绘画图像分类[J]. 杨冰,陈浩月,王小华,姚金良. 软件导刊. 2019(01)
[10]新疆阜康荒地土壤有机质高光谱特征及其反演模型研究[J]. 乔娟峰,熊黑钢,王小平,郑曼迪,刘靖朝,李荣荣. 干旱地区农业研究. 2018(05)
博士论文
[1]花椒产地、新陈度及掺伪的近红外光谱鉴别方法研究[D]. 吴习宇.西南大学 2018
硕士论文
[1]基于改进YOLOv3的安全帽检测系统研究[D]. 何超.华中科技大学 2019
[2]基于深度学习的图像检索方法研究[D]. 张松伟.华中科技大学 2019
[3]基于卷积神经网络的船舶吃水线检测算法[D]. 薛银涛.燕山大学 2019
[4]土壤有机质高光谱灰色关联估测的修正模型研究[D]. 苗传红.山东农业大学 2019
[5]基于灰色关联分析的土壤铬含量高光谱估测研究[D]. 路杰晖.山东农业大学 2019
[6]基于灰色区间的土壤有机质高光谱PSO-BPNN估测模型[D]. 邹慧敏.山东农业大学 2019
[7]土壤全氮和有机质高光谱估测模型研究[D]. 杨向阳.河南农业大学 2018
[8]济阳县潮土光谱特性及含水量估测[D]. 丁春林.山东农业大学 2018
[9]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]. 尚璇.山东农业大学 2018
[10]土壤有机质高光谱灰色关联度估测模型研究[D]. 李明亮.山东农业大学 2017
本文编号：3447571
【文章来源】：山东农业大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
技术路线图
基于卷积神经网络的耕层土壤有机质含量估测模型研究12图2-1土壤样本空间分布图Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土样光谱反射率检测选择晴朗的正午时分，在室外对土壤样本进行光谱信息采集。借助ASDFieldSpecProFR光谱仪进行反射率数据确定，采集时传感器与土样距离15厘米，3视场角照射。得到光谱间隔1nm，波段范围为350nm~2500nm的数据。每个样本进行多次测量，一般为10次，取样本平均值作为此样本的最终光谱反射率，减少测量过程中的误差。图2-2室外光谱采集图Fig.2-2Theoutdoorspectralacquisitionofsoilsamples
基于卷积神经网络的耕层土壤有机质含量估测模型研究12图2-1土壤样本空间分布图Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土样光谱反射率检测选择晴朗的正午时分，在室外对土壤样本进行光谱信息采集。借助ASDFieldSpecProFR光谱仪进行反射率数据确定，采集时传感器与土样距离15厘米，3视场角照射。得到光谱间隔1nm，波段范围为350nm~2500nm的数据。每个样本进行多次测量，一般为10次，取样本平均值作为此样本的最终光谱反射率，减少测量过程中的误差。图2-2室外光谱采集图Fig.2-2Theoutdoorspectralacquisitionofsoilsamples
【参考文献】：
期刊论文
[1]土壤有机质高光谱反演模型研究[J]. 王祥浩. 黑龙江工程学院学报. 2019(05)
[2]耕层土壤有机质高光谱间接估测模型[J]. 钟浩,李西灿,翟浩然,周钰. 测绘科学技术学报. 2019(01)
[3]基于经验模态分解的空气质量指数组合预测方法及应用[J]. 李婷婷,田瑞琦,汪漂. 价值工程. 2019(16)
[4]基于深度学习的农业植物表型研究综述[J]. 翁杨,曾睿,吴陈铭,王猛,王秀杰,刘永进. 中国科学:生命科学. 2019(06)
[5]基于改进卷积神经网络的人脸识别研究[J]. 薛艳杰,邓燕妮. 科技风. 2019(11)
[6]卷积神经网络的架构与应用发展[J]. 黄呈铖,黄华梅. 信息与电脑(理论版). 2019(07)
[7]微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模[J]. 李雪萍,张飞,王小平. 光谱学与光谱分析. 2019(02)
[8]卷积神经网络在图像识别中的应用[J]. 圣文顺,孙艳文. 软件工程. 2019(02)
[9]基于卷积神经网络的中国绘画图像分类[J]. 杨冰,陈浩月,王小华,姚金良. 软件导刊. 2019(01)
[10]新疆阜康荒地土壤有机质高光谱特征及其反演模型研究[J]. 乔娟峰,熊黑钢,王小平,郑曼迪,刘靖朝,李荣荣. 干旱地区农业研究. 2018(05)
博士论文
[1]花椒产地、新陈度及掺伪的近红外光谱鉴别方法研究[D]. 吴习宇.西南大学 2018
硕士论文
[1]基于改进YOLOv3的安全帽检测系统研究[D]. 何超.华中科技大学 2019
[2]基于深度学习的图像检索方法研究[D]. 张松伟.华中科技大学 2019
[3]基于卷积神经网络的船舶吃水线检测算法[D]. 薛银涛.燕山大学 2019
[4]土壤有机质高光谱灰色关联估测的修正模型研究[D]. 苗传红.山东农业大学 2019
[5]基于灰色关联分析的土壤铬含量高光谱估测研究[D]. 路杰晖.山东农业大学 2019
[6]基于灰色区间的土壤有机质高光谱PSO-BPNN估测模型[D]. 邹慧敏.山东农业大学 2019
[7]土壤全氮和有机质高光谱估测模型研究[D]. 杨向阳.河南农业大学 2018
[8]济阳县潮土光谱特性及含水量估测[D]. 丁春林.山东农业大学 2018
[9]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]. 尚璇.山东农业大学 2018
[10]土壤有机质高光谱灰色关联度估测模型研究[D]. 李明亮.山东农业大学 2017
本文编号：3447571
本文链接：https://www.wllwen.com/kejilunwen/nykj/3447571.html
