土壤有机质遥感制图研究进展与展望

发布时间：2021-05-12 10:53

　　【目的】土壤有机质是衡量土壤肥力高低的重要指标,土壤有机质制图对了解土壤肥力空间分布格局,开展培肥地力、耕地质量评价、土壤碳循环研究、土壤污染治理等具有重要意义。基于遥感技术的土壤有机质制图是土壤学科新兴的研究方向和热点问题。文章全面总结土壤有机质遥感制图方法的发展和应用,展望未来土壤有机质遥感制图研究趋势,为土壤有机质制图工作提供参考。【方法】该文采用文献综述的方法,回顾和总结了近年来国内外土壤有机质遥感制图研究进展,对比分析了多光谱遥感法、结合遥感数据的土壤有机质预测性制图法、高光谱遥感影像直接法等3类土壤有机质遥感制图方法的优势和局限性;重点分析了影响成像高光谱土壤有机质制图精度的因素,阐述了土壤有机质光谱敏感波段、建模方法选择的研究进展、存在的问题及发展趋势。【结果 /结论】（1）多光谱遥感数据为土壤有机质制图提供了丰富的植被覆盖、土地利用、气候等土壤成土环境因素信息,广泛应用于大尺度范围或复杂地形区域的土壤有机质制图,但表达土壤有机质空间分布细微差异不够精细化;（2）高光谱遥感数据参与土壤有机质制图,提高了土壤有机质制图精细度,但需要加强土壤有机质光谱敏感波段优选以及适宜的土... 

【文章来源】：中国农业信息. 2019,31(03)

【文章页数】：14 页

【文章目录】：
0 引言
1 土壤有机质遥感制图研究现状
    1.1 多光谱遥感法
        1.1.1 直接法
        1.1.2 间接法
    1.2 结合遥感数据的土壤有机质预测性制图法
    1.3 高光谱影像直接法
        1.3.1 可见光—近红外机载高光谱SOM制图
        1.3.2 可见光—近红外星载高光谱SOM制图
        1.3.3 中红外高光谱SOM预测和制图
2 高光谱遥感土壤有机质定量反演研究现状
    2.1 土壤有机质光谱特征分析
    2.2 土壤有机质光谱敏感波段
        2.2.1 SOM光谱敏感波段位置
        2.2.2 SOM光谱敏感波段确定方法
    2.3 土壤有机质高光谱建模方法选择
        2.3.1 线性统计模型法
        2.3.2 非线性统计模型法
        2.3.3 最优模型选择研究
    2.4 存在的问题
3 结论与展望
    3.1 结论
    3.2 展望


【参考文献】：
期刊论文
[1]深度学习方法研究综述[J]. 高明旭,李靖,朱绪平,常延辉.  中国科技信息. 2019(10)
[2]基于多光谱遥感的耕地土壤有机质定量反演[J]. 王锐,蔡朕.  农业工程. 2018(11)
[3]航空高光谱预测黑土地SOM含量的神经网络方法[J]. 张东辉,赵英俊,赵宁博,秦凯,杨越超.  光谱学与光谱分析. 2018(S1)
[4]基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究[J]. 徐夕博,吕建树,吴泉源,于庆,周旭,曹见飞.  光谱学与光谱分析. 2018(08)
[5]基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算[J]. 王海峰,张智韬,Arnon Karnieli,陈俊英,韩文霆.  农业工程学报. 2018(14)
[6]基于航空高光谱遥感数据的黑土地有机质含量反演:以黑龙江省建三江地区为例[J]. 汪大明,秦凯,李志忠,赵英俊,陈伟涛,甘义群.  地球科学. 2018(06)
[7]土壤光谱重建的湿地土壤有机质含量多光谱反演[J]. 陈思明,邹双全,毛艳玲,梁文贤,丁卉.  光谱学与光谱分析. 2018(03)
[8]高光谱技术联合归一化光谱指数估算土壤有机质含量[J]. 洪永胜,朱亚星,苏学平,朱强,周勇,于雷.  光谱学与光谱分析. 2017(11)
[9]基于星载高光谱数据的南京新济洲湿地土壤有机质估测研究[J]. 荣媛,刘任棋,李明阳,王子,刘雅楠,刘菲.  西南林业大学学报(自然科学). 2017(06)
[10]基于遥感与随机森林算法的陕西省土壤有机质空间预测[J]. 齐雁冰,王茵茵,陈洋,刘姣姣,张亮亮.  自然资源学报. 2017(06)



本文编号：3183282