土壤有机质高光谱特征及其反演研究

发布时间：2021-04-21 02:32

　　具有精细的光谱分辨率,可获取地物纳米级连续光谱信息的高光谱技术以其简便、快速、精度高和无损等优势成为获取土壤有机质（soil organic matter,SOM）含量的重要手段,在精确农业发展中发挥着重要作用。本文阐述了高光谱反演土壤有机质的机理,概述了土壤有机质含量的光谱反射特征,包括不同土壤类型、不同土壤有机质含量的光谱响应波段,以及土壤有机质含量的光谱反演方法和模型的研究进展。进一步分析了土壤有机质光谱特征研究中存在的问题并对发展趋势进行了展望和分析,以期为以后的研究提供一定的参考。 

【文章来源】：上海交通大学学报(农业科学版). 2019,37(04)

【文章页数】：8 页

【文章目录】：
1 土壤有机质含量高光谱响应机理
2 土壤有机质的高光谱响应特征
    2.1 土壤有机质与光谱反射率的相关性
    2.2 土壤有机质高光谱曲线的影响因素
        2.2.1 土壤有机质
        2.2.2 土壤水分
        2.2.3 土壤质地
    2.3 土壤有机质高光谱特征波段
3 土壤有机质含量的高光谱反演
    3.1 光谱数据预处理
    3.2 土壤有机质特征波段的选择
    3.3 建模方法的选择
    3.4 精度评价指标
4 结论与展望


【参考文献】：
期刊论文
[1]引入时相信息的耕地土壤有机质遥感反演模型[J]. 张新乐,窦欣,谢雅慧,刘焕军,王楠,王翔,潘越.  农业工程学报. 2018(04)
[2]基于不同光谱变换的土壤盐含量光谱特征分析[J]. 朱赟,申广荣,项巧巧,吴裕.  土壤通报. 2017(03)
[3]土壤修复过程中盐含量及其光谱特征分析研究[J]. 朱赟,申广荣,王紫君,陆邵明,支月娥,项巧巧.  光谱学与光谱分析. 2017(05)
[4]近红外光谱分析中的变量选择算法研究进展[J]. 宋相中,唐果,张录达,熊艳梅,闵顺耕.  光谱学与光谱分析. 2017(04)
[5]考虑含水量变化信息的土壤有机质光谱预测模型[J]. 刘焕军,宁东浩,康苒,金慧凝,张新乐,盛磊.  光谱学与光谱分析. 2017(02)
[6]应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究[J]. 章海亮,罗微,刘雪梅,何勇.  光谱学与光谱分析. 2017(02)
[7]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)
[8]水稻土可见-近红外-中红外光谱特性与有机质预测研究[J]. 陈颂超,彭杰,纪文君,周银,何积秀,史舟.  光谱学与光谱分析. 2016(06)
[9]利用高光谱和GF-1模拟多光谱进行土壤有机质预测和制图研究[J]. 郭燕,程永政,王来刚,刘婷,陈颂超,郑国清.  土壤通报. 2016(03)
[10]修复过程中盐渍化土壤的光谱特征分析（英文）[J]. 马创,申广荣,支月娥,王紫君,朱赟,李先华.  光谱学与光谱分析. 2015(09)



本文编号：3150877