土壤有机质的近红外光谱信息提取及定量分析
发布时间：2020-12-21 23:03
有机质是土壤的重要组成部分,是反映土壤肥力高低的重要指标。及时、快速掌握土壤有机质状况是进行田间管理的基础。传统的获取土壤有机质的试验方法已经难以满足现代农业生产的要求。高光谱技术因快速、简便、零污染、无破坏等特点,已经成为目前获取农田土壤属性信息的重要手段。本文以田间小区试验的麦田土壤为研究对象,从山西农业大学农作站小区试验田中采取0-20cm的表层土壤,通过测定土壤有机质及其光谱,运用常规处理、变换处理和校正处理三种不同的光谱预处理方法后,在分析预处理光谱与土壤有机质含量相关性的基础上,建立基于偏最小二乘法（partial least squares regression, PLSR）的土壤有机质含量的高光谱定量模型;运用连续投影算法（successive projections algorithm, SPA）对相关性高的三种预处理方法进行特征波段的提取,利用多元线性回归方法建立土壤有机质的光谱预测模型,最后对基于全谱的偏最小二乘法模型和基于特征波段的多元线性回归模型进行检验和对比,通过比较不同的预处理方法和建模方法,选择和实现定量监测麦田土壤有机质,结果表明：1)光谱数据经预处理...
【文章来源】：山西农业大学山西省
【文章页数】：40 页
【学位级别】：硕士
【文章目录】：
摘要
1 前言
1.1 研究背景
1.2 高光谱遥感技术
1.2.1 高光谱遥感技术概述
1.2.2 高光谱遥感技术在土壤有机质方面的研究
1.2.3 建模方法发展概况
1.3 研究切入点
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.5 研究的目的和意义
2 材料与方法
2.1 试验设计
2.2 土壤高光谱的测定
2.3 土壤有机质的测定
2.4 光谱数据处理与分析
2.4.1 高光谱数据预处理
2.4.2 高光谱数据变换处理
2.4.3 高光谱数据校正处理
2.4.4 化学计量学建模方法
2.5 模型的构建与检验
2.6 技术路线图
3 结果与分析
3.1 土壤有机质的描述性统计分析
3.2 土壤的光谱特征分析
3.3 高光谱数据常规处理方法选择
3.3.1 不同高光谱数据常规处理光谱
3.3.2 不同高光谱数据常规处理光谱与土壤有机质的相关性分析
3.3.3 土壤有机质PLSR模型的最佳高光谱数据预处理方法选择
3.4 高光谱数据变换处理方法选择
3.4.1 不同高光谱数据变换处理光谱
3.4.2 不同高光谱数据变换处理光谱与土壤有机质的相关性分析
3.4.3 土壤有机质PLSR模型的最佳高光谱数据变换处理方法选择
3.5 高光谱数据校正处理方法选择
3.5.1 不同高光谱数据校正处理光谱
3.5.2 不同高光谱数据校正处理光谱与土壤有机质的相关性分析
3.5.3 土壤有机质PLSR模型的最佳高光谱数据校正处理方法选择
3.6 麦田土壤有机质的光谱信息提取
3.7 麦田土壤有机质的光谱监测
3.7.1 模型构建
3.7.2 模型验证
4 结论与讨论
4.1 讨论
4.2 结论
参考文献
Abstract
致谢
【参考文献】：
期刊论文
[1]基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 于雷,洪永胜,耿雷,周勇,朱强,曹隽隽,聂艳. 农业工程学报. 2015(14)
[2]基于偏最小二乘法的近红外光谱分析应用[J]. 李朋成,朱军桃,马云栋,吴晓. 测绘地理信息. 2015(02)
[3]基于近红外特征光谱的番茄苗氮含量快速测定方法研究[J]. 吴静珠,汪凤珠,王丽丽,张小超,毛文华. 光谱学与光谱分析. 2015(01)
[4]红壤区土壤有机质光谱特征与定量估算——以江西省吉安县为例[J]. 方少文,杨梅花,赵小敏,郭熙. 土壤学报. 2014(05)
[5]SPA-LS-SVM检测土壤有机质和速效钾研究[J]. 章海亮,刘雪梅,何勇. 光谱学与光谱分析. 2014(05)
[6]典型半干旱区土壤盐分高光谱特征反演[J]. 李晓明,韩霁昌,李娟. 光谱学与光谱分析. 2014(04)
[7]基于HJ1A-HSI超光谱影像的耕地有机质遥感定量反演[J]. 顾晓鹤,王堃,潘瑜春,蔡玉梅,黄文江,王慧芳. 地理与地理信息科学. 2011(06)
[8]光谱数据变换对玉米氮素含量反演精度的影响[J]. 王磊,白由路,卢艳丽,王贺. 遥感技术与应用. 2011(02)
[9]多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型[J]. 申艳,张晓平,梁爱珍,时秀焕,范如芹,杨学明. 农业系统科学与综合研究. 2010(02)
[10]基于模糊识别的土壤性质指标光谱反演[J]. 李希灿,王静,王芳,杜嘉津. 辽宁工程技术大学学报(自然科学版). 2010(02)
硕士论文
[1]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：2930668
【文章来源】：山西农业大学山西省
【文章页数】：40 页
【学位级别】：硕士
【文章目录】：
摘要
1 前言
1.1 研究背景
1.2 高光谱遥感技术
1.2.1 高光谱遥感技术概述
1.2.2 高光谱遥感技术在土壤有机质方面的研究
1.2.3 建模方法发展概况
1.3 研究切入点
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 研究方法
1.5 研究的目的和意义
2 材料与方法
2.1 试验设计
2.2 土壤高光谱的测定
2.3 土壤有机质的测定
2.4 光谱数据处理与分析
2.4.1 高光谱数据预处理
2.4.2 高光谱数据变换处理
2.4.3 高光谱数据校正处理
2.4.4 化学计量学建模方法
2.5 模型的构建与检验
2.6 技术路线图
3 结果与分析
3.1 土壤有机质的描述性统计分析
3.2 土壤的光谱特征分析
3.3 高光谱数据常规处理方法选择
3.3.1 不同高光谱数据常规处理光谱
3.3.2 不同高光谱数据常规处理光谱与土壤有机质的相关性分析
3.3.3 土壤有机质PLSR模型的最佳高光谱数据预处理方法选择
3.4 高光谱数据变换处理方法选择
3.4.1 不同高光谱数据变换处理光谱
3.4.2 不同高光谱数据变换处理光谱与土壤有机质的相关性分析
3.4.3 土壤有机质PLSR模型的最佳高光谱数据变换处理方法选择
3.5 高光谱数据校正处理方法选择
3.5.1 不同高光谱数据校正处理光谱
3.5.2 不同高光谱数据校正处理光谱与土壤有机质的相关性分析
3.5.3 土壤有机质PLSR模型的最佳高光谱数据校正处理方法选择
3.6 麦田土壤有机质的光谱信息提取
3.7 麦田土壤有机质的光谱监测
3.7.1 模型构建
3.7.2 模型验证
4 结论与讨论
4.1 讨论
4.2 结论
参考文献
Abstract
致谢
【参考文献】：
期刊论文
[1]基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 于雷,洪永胜,耿雷,周勇,朱强,曹隽隽,聂艳. 农业工程学报. 2015(14)
[2]基于偏最小二乘法的近红外光谱分析应用[J]. 李朋成,朱军桃,马云栋,吴晓. 测绘地理信息. 2015(02)
[3]基于近红外特征光谱的番茄苗氮含量快速测定方法研究[J]. 吴静珠,汪凤珠,王丽丽,张小超,毛文华. 光谱学与光谱分析. 2015(01)
[4]红壤区土壤有机质光谱特征与定量估算——以江西省吉安县为例[J]. 方少文,杨梅花,赵小敏,郭熙. 土壤学报. 2014(05)
[5]SPA-LS-SVM检测土壤有机质和速效钾研究[J]. 章海亮,刘雪梅,何勇. 光谱学与光谱分析. 2014(05)
[6]典型半干旱区土壤盐分高光谱特征反演[J]. 李晓明,韩霁昌,李娟. 光谱学与光谱分析. 2014(04)
[7]基于HJ1A-HSI超光谱影像的耕地有机质遥感定量反演[J]. 顾晓鹤,王堃,潘瑜春,蔡玉梅,黄文江,王慧芳. 地理与地理信息科学. 2011(06)
[8]光谱数据变换对玉米氮素含量反演精度的影响[J]. 王磊,白由路,卢艳丽,王贺. 遥感技术与应用. 2011(02)
[9]多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型[J]. 申艳,张晓平,梁爱珍,时秀焕,范如芹,杨学明. 农业系统科学与综合研究. 2010(02)
[10]基于模糊识别的土壤性质指标光谱反演[J]. 李希灿,王静,王芳,杜嘉津. 辽宁工程技术大学学报(自然科学版). 2010(02)
硕士论文
[1]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：2930668
本文链接：https://www.wllwen.com/nykjlw/nyxlw/2930668.html
