基于VNIR和MIR光谱的水稻田土壌肥力因子预测

发布时间：2022-02-23 03:22

　　土壤具有理化特性的差异性、类型的多样性,因此,土壤信息的准确、快速获取对于大面积土壤数字制图与更新工作显得尤其重要,同时是解决环境资源利用问题的基础也是实施现代化农业的保证。近些年,随着高光谱技术的不断发展,利用光谱技术获取土壤属性信息愈来愈广泛,特别是可见近红外（VNIR）和中红外（MIR）光谱技术的应用备受关注。VNIR和MIR光谱技术能综合响应土壤所含有机质、矿物、水分、粒径和颜色等理化性质,故该技术用于各种土壤理化及生物属性的探测尤其有效。国内通过MIR光谱分析预测土壤肥力因子的研究较少,且综合比较VNIR、MIR、VNIR-MIR3种波段针对水稻土肥力因子的研究未见报道。本研究将以浙江省水稻土作为研究对象,研究水稻土的VNIR和MIR光谱特征,通过不同的光谱预处理方法、建模集选择方法和化学计量学模型建立水稻土6个肥力因子（有机质、总氮、速效氮、速效磷、速效钾和pH）的VNIR、MIR 和 VNIR-MIR预测模型,用波段选择方法筛选出VNIR和MIR波段的重要建模波段。并通过选择重要建模波段建立简单的预测模型,为科学应用VNIR和MIR技术预测水稻土的土壤肥力因子提供借鉴,为... 

【文章来源】：浙江大学浙江省211工程院校985工程院校教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 基于VNIR和MIR光谱技术的国内外研究进展
        1.2.1 基于VNIR光谱技术的国内外研究进展
        1.2.2 基于MIR光谱技术的国内外研究进展
    1.3 研究目标及内容
        1.3.1 研究目标
        1.3.2 研究内容
    1.4 研究技术路线
第二章 实验数据获取与分析
    2.1 土壤样品采集
    2.2 土壤样品理化分析与VNIR和MIR光谱测量
    2.3 土壤光谱常用预处理方法
        2.3.1 吸收率转换
        2.3.2 散射校正
        2.3.3 平滑去噪
        2.3.4 导数变换
    2.4 建模集选择方法
    2.5 重要波段选择方法
第三章 土壤可见近红外和中红外光谱特征分析
    3.1 土壤VNIR光谱特征分析
    3.2 土壤MIR光谱特征分析
第四章 土壤肥力因子可见近红外和中红外预测建模比较
    4.1 引言
    4.2 土壤光谱建模技术
        4.2.1 主成分回归(PCR)
        4.2.2 偏最小二乘回归(PLSR)
        4.2.3 支持向量机(SVM)
    4.3 模型精度评价方法
    4.4 VNIR光谱建模预测
        4.4.1 不同光谱预处理对VNIR光谱建模结果影响
        4.4.2 不同建模集选择方法对VNIR光谱建模影响
        4.4.3 PCR、PLSR、SVM建模方法对VNIR光谱建模影响
    4.5 MIR及VNIR-MIR光谱预测建模
第五章 水稻田土壤肥力因子建模重要波段选择及建模
    5.1 基于PLSR的水稻田有机质和pH建模重要波段选择
    5.2 基于PLSR的水稻田OM和pH建模重要波段建模
第六章 结论与展望
    6.1 主要成果与结论
    6.2 不足与展望
参考文献
附录
个人简历


【参考文献】：
期刊论文
[1]光谱多元分析校正集和验证集样本分布优选方法研究[J]. 刘伟,赵众,袁洪福,宋春风,李效玉.  光谱学与光谱分析. 2014(04)
[2]土壤含盐量与电导率的高光谱反演精度对比研究[J]. 彭杰,王家强,向红英,滕洪芬,柳维扬,迟春明,牛建龙,郭燕,史舟.  光谱学与光谱分析. 2014(02)
[3]基于全谱数据挖掘技术的土壤有机质高光谱预测建模研究[J]. 纪文君,李曦,李成学,周银,史舟.  光谱学与光谱分析. 2012(09)
[4]几种不同类型土壤的VIS-NIR光谱特性及有机质响应波段[J]. 纪文君,史舟,周清,周炼清.  红外与毫米波学报. 2012(03)
[5]土壤总氮和总磷含量的高光谱遥感预测[J]. 徐丽华,谢德体.  农机化研究. 2012(04)
[6]基于高光谱的土壤有机质含量估算研究[J]. 刘磊,沈润平,丁国香.  光谱学与光谱分析. 2011(03)
[7]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)
[8]基于光谱技术的土壤养分快速测试方法研究[J]. 蒋璐璐,张瑜,王艳艳,谈黎虹,何勇.  浙江大学学报(农业与生命科学版). 2010(04)
[9]基于中红外漫反射光谱的土壤重金属元素含量预测研究[J]. 邬登巍,吴昀昭,马宏瑞.  光谱学与光谱分析. 2010(06)
[10]基于光谱技术的土壤快速分类方法研究[J]. 王遵义,金春华,刘飞,王艳艳,鲍一丹.  浙江大学学报(农业与生命科学版). 2010(03)

博士论文
[1]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



本文编号：3640769