预处理对土壤有机质光谱估算的影响

发布时间：2022-12-11 13:46

　　为实现土壤有机质（SOM）含量的实时、动态监测,以晋南麦区169个土壤样本为研究对象,通过测定其SOM含量与高光谱,采用多种常规预处理光谱相结合的方法,分析预处理光谱与SOM含量间的相关性,并选择光谱特征波长,构建基于光谱波长的SOM含量监测模型。结果表明,SOM含量与光谱反射率成反比;通过不同预处理方法与SOM含量相关性分析,筛选出最佳特征波长为580、567、571、560、535、672、673、674、678 nm,MSC+1st耦合多元逐步回归（MLR）构建的模型R~2为0.74,RPD为1.52,模型精度最高,误差最小,更利于实现SOM含量的光谱监测。经比较分析,多种预处理方法相结合较单一预处理方法更有利于建立估测模型。 

【文章页数】：5 页

【文章目录】：
1 材料和方法
    1.1 材料
    1.2 方法
        1.2.1 光谱数据处理
        1.2.2光谱波长选择
        1.2.3 估测模型的建立
    1.3 测定项目及方法
    1.4 数据分析
2 结果与分析
    2.1 SOM含量的描述性统计分析
    2.2 SOM与土壤光谱的响应分析
    2.3 SOM与土壤光谱的相关性及光谱特征提取分析
    2.4 SOM光谱监测
3 结论与讨论
    3.1 SOM的光谱特性分析
    3.2 光谱预处理对SOM光谱监测的影响


【参考文献】：
期刊论文
[1]高光谱小波能量特征估测土壤有机质含量[J]. 章涛,于雷,易军,聂艳,周勇.  光谱学与光谱分析. 2019(10)
[2]土壤有机质高光谱特征及其反演研究[J]. 吴裕,申广荣,刘璐,支月娥.  上海交通大学学报(农业科学版). 2019(04)
[3]基于支持向量机的土壤有机质高光谱反演[J]. 沈强,张世文,夏沙沙,尹炳,陈飞,邹宏光.  安徽理工大学学报(自然科学版). 2019(04)
[4]土壤有机质含量地面高光谱估测模型对比分析[J]. 王永敏,李西灿,田林亚,贾斌,杨惠.  国土资源遥感. 2019(01)
[5]光谱变换方法对黑土养分含量高光谱遥感反演精度的影响[J]. 张东辉,赵英俊,秦凯,赵宁博,杨越超.  农业工程学报. 2018(20)
[6]基于高光谱的复垦农田土壤有机质含量估测[J]. 石朴杰,王世东,张合兵,王新闯.  土壤. 2018(03)
[7]基于高光谱植被指数的冬小麦产量监测[J]. 张松,冯美臣,杨武德,王超,孙慧,贾学勤,武改红.  山西农业科学. 2018(04)
[8]冬小麦叶片氮含量的时空分布及光谱监测研究[J]. 武改红,冯美臣,杨武德,肖璐洁,王超,孙慧,贾学勤,张松.  山西农业科学. 2018(03)
[9]粗面岩质火山碎屑物发育土壤有机质含量的高光谱特征与建模[J]. 韩春兰,刘金宝,付小梅,余无忌,范英英.  土壤通报. 2017(01)
[10]粒径对土壤光谱特性的影响[J]. 乔星星,冯美臣,杨武德,李广信,王超,贾学勤,张松.  山西农业科学. 2016(09)



本文编号：3718886