基于实验光谱的土壤锰含量估算研究
发布时间：2022-01-12 09:09
锰是植物生长发育必需的微量营养元素,同时锰也是一种重金属元素,当土壤中锰含量过多或有效性很高时,植物正常生长将受阻,出现锰中毒现象。高光谱遥感凭借其极高的光谱分辨率,具备了定量获取土壤化学组分的研究潜力,研究利用土壤的反射光谱,估算土壤中金属元素含量,将为卫星遥感在土壤金属元素监测的实用化提供理论基础。本文利用研究地区土壤样本,系统的研究不同土壤粒径（0.25mm、1mm、2mm）与反射光谱之间的关系,并运用主成分回归分析、偏最小二乘回归分析、支持向量机回归分析和极限学习机算法等不同的建模方法,建立土壤锰含量的反射率、一阶微分和倒数对数等不同高光谱估算模型。在此基础上,利用模拟气象卫星NOAA（AVHRR）、FY-3A（MERSI）传感器的土壤反射光谱进行建模,进一步探索利用模拟反射率进行锰含量估算的可行性。主要结论如下：研究结果表明,土壤粒径大小与光谱反射率之间呈负相关关系,利用主成分回归建立不同粒径反射率与锰含量的关系模型,2mm粒径在锰含量的估算中具有相对较高的精度。不同的光谱变换形式对估算结果影响较大,对于不同的估算模型,一阶微分变换优于反射率和倒数对数变换,检验相关系数达到极...
【文章来源】：南京信息工程大学江苏省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
原始上壤反射光谱特征曲线
第二章研究区及数据获取 2.4.2重采样由于光谱仪在不同波段对能量响应的差异，原始光谱曲线存在许多“毛刺”噪声，光谱曲线不太平滑；另一方面，FieldSpec 3光谱仪在350~1050nm采样间隔为1.377nm,在1000?2500nm采样间隔为2nm，在整个波长范围内的重采样间隔为Inm，使得重采样后所得的原始光谱曲线相邻波段之间存在严重的信息重合，导致整个光谱数据信息冗余。在350?2500nm波长范围内，共输出2151个波段，数据量极大，无论是传统的多元回归法、偏最小一.乘回归法，还是人工神经网络法，都存在变量多样本少的问题，极易产生过拟合现象，这必然给数据分析、处理带来一定的困难，影响处理的效率和结果。高光谱拥有大量信息的同时，也给信息分析处理带来了一系列问题。为了减少数据量，并去除冗余信息，本研究对原始反射光谱进行lOnm间隔的重采样，Kemper等认为lOnm或20nm的采样间隔，不但可以减少噪声的影响，还可以提高估算精度。经过重采样后的光谱分辨率降低，数据在一定程度上得到了平滑，但是仍然保持了原光谱的主要特征。
波长(中-位：nm)图2胃7 —阶微分变换光iff曲线2.4.4倒数对数变换反射光谱经倒数对数变换P丨以反映地物的吸收特征，由于可见光区域上壤反射率值较低，经过变换后，不仅nj.以增强可见光区域的光谱差昇，而且还能减少因光照条件变化引起的乘性因素的影响[50-51]。土壤样品的倒数对数变换光谱曲线见图2-8,本研究中其计算公式如下：/?'(A,) = log^ (2.2)式中A,为波长，反射率，i?’(义为倒数对数光谱。16
【参考文献】：
期刊论文
[1]极限学习机神经网络在短期降水预报中的应用[J]. 虞双吉,苗春生,王新. 云南大学学报(自然科学版). 2013(04)
[2]基于综合高光谱指数的区域土壤盐渍化监测研究[J]. 丁建丽,伍漫春,刘海霞,李争光. 光谱学与光谱分析. 2012(07)
[3]基于高光谱的土壤重金属铜的反演研究[J]. 王维,沈润平,吉曹翔. 遥感技术与应用. 2011(03)
[4]土壤砷含量高光谱估算模型研究[J]. 郑光辉,周生路,吴绍华. 光谱学与光谱分析. 2011(01)
[5]基于近红外光谱和支持向量机的土壤参数预测[J]. 郑立华,李民赞,安晓飞,孙红. 农业工程学报. 2010(S2)
[6]土壤粒径对土壤光谱特征的影响[J]. 杨雪红. 科技信息. 2010(25)
[7]土壤侵蚀评价遥感研究进展[J]. 张喜旺,周月敏,李晓松,袁超,闫娜娜,吴炳方. 土壤通报. 2010(04)
[8]土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究[J]. 黄长平,刘波,张霞,童庆禧. 遥感技术与应用. 2010(03)
[9]极限学习机在岩性识别中的应用[J]. 蔡磊,程国建,潘华贤. 计算机工程与设计. 2010(09)
[10]滨海盐土重金属含量高光谱遥感研究[J]. 龚绍琦,王鑫,沈润平,刘振波,李云梅. 遥感技术与应用. 2010(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]土壤高光谱遥感信息提取与二向反射模型研究[D]. 程街亮.浙江大学 2008
[3]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
[4]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]基于支持向量机的土壤养分制图研究[D]. 盛庆凯.西南大学 2013
[2]基于智能算法的近红外光谱分析与建模[D]. 张耀东.东北大学 2006
[3]基于实验室光谱的土壤营养元素反演研究[D]. 徐永明.中国科学院研究生院（遥感应用研究所） 2005
本文编号：3584506
【文章来源】：南京信息工程大学江苏省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
原始上壤反射光谱特征曲线
第二章研究区及数据获取 2.4.2重采样由于光谱仪在不同波段对能量响应的差异，原始光谱曲线存在许多“毛刺”噪声，光谱曲线不太平滑；另一方面，FieldSpec 3光谱仪在350~1050nm采样间隔为1.377nm,在1000?2500nm采样间隔为2nm，在整个波长范围内的重采样间隔为Inm，使得重采样后所得的原始光谱曲线相邻波段之间存在严重的信息重合，导致整个光谱数据信息冗余。在350?2500nm波长范围内，共输出2151个波段，数据量极大，无论是传统的多元回归法、偏最小一.乘回归法，还是人工神经网络法，都存在变量多样本少的问题，极易产生过拟合现象，这必然给数据分析、处理带来一定的困难，影响处理的效率和结果。高光谱拥有大量信息的同时，也给信息分析处理带来了一系列问题。为了减少数据量，并去除冗余信息，本研究对原始反射光谱进行lOnm间隔的重采样，Kemper等认为lOnm或20nm的采样间隔，不但可以减少噪声的影响，还可以提高估算精度。经过重采样后的光谱分辨率降低，数据在一定程度上得到了平滑，但是仍然保持了原光谱的主要特征。
波长(中-位：nm)图2胃7 —阶微分变换光iff曲线2.4.4倒数对数变换反射光谱经倒数对数变换P丨以反映地物的吸收特征，由于可见光区域上壤反射率值较低，经过变换后，不仅nj.以增强可见光区域的光谱差昇，而且还能减少因光照条件变化引起的乘性因素的影响[50-51]。土壤样品的倒数对数变换光谱曲线见图2-8,本研究中其计算公式如下：/?'(A,) = log^ (2.2)式中A,为波长，反射率，i?’(义为倒数对数光谱。16
【参考文献】：
期刊论文
[1]极限学习机神经网络在短期降水预报中的应用[J]. 虞双吉,苗春生,王新. 云南大学学报(自然科学版). 2013(04)
[2]基于综合高光谱指数的区域土壤盐渍化监测研究[J]. 丁建丽,伍漫春,刘海霞,李争光. 光谱学与光谱分析. 2012(07)
[3]基于高光谱的土壤重金属铜的反演研究[J]. 王维,沈润平,吉曹翔. 遥感技术与应用. 2011(03)
[4]土壤砷含量高光谱估算模型研究[J]. 郑光辉,周生路,吴绍华. 光谱学与光谱分析. 2011(01)
[5]基于近红外光谱和支持向量机的土壤参数预测[J]. 郑立华,李民赞,安晓飞,孙红. 农业工程学报. 2010(S2)
[6]土壤粒径对土壤光谱特征的影响[J]. 杨雪红. 科技信息. 2010(25)
[7]土壤侵蚀评价遥感研究进展[J]. 张喜旺,周月敏,李晓松,袁超,闫娜娜,吴炳方. 土壤通报. 2010(04)
[8]土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究[J]. 黄长平,刘波,张霞,童庆禧. 遥感技术与应用. 2010(03)
[9]极限学习机在岩性识别中的应用[J]. 蔡磊,程国建,潘华贤. 计算机工程与设计. 2010(09)
[10]滨海盐土重金属含量高光谱遥感研究[J]. 龚绍琦,王鑫,沈润平,刘振波,李云梅. 遥感技术与应用. 2010(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]土壤高光谱遥感信息提取与二向反射模型研究[D]. 程街亮.浙江大学 2008
[3]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
[4]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]基于支持向量机的土壤养分制图研究[D]. 盛庆凯.西南大学 2013
[2]基于智能算法的近红外光谱分析与建模[D]. 张耀东.东北大学 2006
[3]基于实验室光谱的土壤营养元素反演研究[D]. 徐永明.中国科学院研究生院（遥感应用研究所） 2005
本文编号：3584506
本文链接：https://www.wllwen.com/kejilunwen/nykj/3584506.html
