应用高光谱技术区分土壤类型的初步探讨

发布时间：2021-03-12 04:34

　　近年来高光谱技术广泛应用于土壤属性（土壤有机质、水分、铁氧化物等）反演预测和土壤盐渍化、土壤侵蚀、土壤污染等评价研究。土壤是农业生产的基础和人类生存环境的重要载体，利用高光谱技术区分土壤类型相对于传统方法更加省时、省力，且对于高光谱土壤制图的研究具有重要理论和实际意义。本文使用荷兰Avantes公司生产的Avaspec-2048×14、Avaspec-NIR256-2.5两种型号地物光谱仪测量了25个土壤剖面发生层的可见光、近红外光谱曲线，结合使用倒数的对数、一阶微分、去除包络线3种光谱数据变换方法提取土壤剖面表层和表下层的光谱特征，并运用主成分分析方法提取主成分实现不同类型土壤的聚类和区分,探讨应用高光谱技术区分土壤类型的可行性。鉴于目前土壤光谱测试中光谱数据采集方法尚不统一，为了更好的进行土壤类型区分探讨，通过方差分析研究了土样表面处理方式和土样粒径对高光谱测试稳定性影响。主要研究结果如下：（1）在室内土壤高光谱测试中，不同的土样表面处理方式和土样粒径大小均会对测试结果产生影响：土样表面压平处理比刮平处理所测得的土壤反射率要大；土壤光谱反射率随着测试土样粒径的减小而增加。（2）土样... 

【文章来源】：安徽师范大学安徽省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

表层光谱倒数的对数主成分分值图

图 4-10 表层光谱一阶微分主成分分值图Fig.4-10 Principal component scores of topsoil spectrum after first derivative

图 4-10 表层光谱一阶微分主成分分值图Fig.4-10 Principal component scores of topsoil spectrum after first derivative

【参考文献】：
期刊论文
[1]土壤氧化铁的高光谱响应研究[J]. 彭杰,向红英,周清,张杨珠,王家强,庞新安.  光谱学与光谱分析. 2013(02)
[2]基于不同模型的土壤有机质含量高光谱反演比较分析[J]. 栾福明,张小雷,熊黑钢,张芳,王芳.  光谱学与光谱分析. 2013(01)
[3]土壤性质指标光谱反演数据变换模型研究[J]. 邱华旭,黄张裕,李希灿.  测绘科学. 2013(03)
[4]基于高光谱特征的土壤有机质含量估测研究[J]. 张娟娟,余华,乔红波,马新明,翟青云.  中国生态农业学报. 2012(05)
[5]宣城市岗坡地土壤有机质含量光谱预测分析[J]. 姚慧,吕成文,刘程海,方萍.  安徽师范大学学报(自然科学版). 2011(05)
[6]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)
[7]东北平原不同类型土壤有机质含量高光谱反演模型同质性研究[J]. 卢艳丽,白由路,杨俐苹,王磊,王贺.  植物营养与肥料学报. 2011(02)
[8]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)
[9]黑土有机质含量野外高光谱预测模型[J]. 刘焕军,张新乐,郑树峰,汤娜,胡言亮.  光谱学与光谱分析. 2010(12)
[10]基于BP神经网络的盐渍土盐分遥感反演模型研究[J]. 樊彦国,侯春玲,朱浩,武腾腾,孙元芳.  地理与地理信息科学. 2010(06)

博士论文
[1]江苏沿海滩涂地区典型剖面土壤性质演化及其高光谱响应研究[D]. 徐明星.南京大学 2011
[2]土壤有机质含量高光谱预测模型及其差异性研究[D]. 周清.浙江大学 2004

硕士论文
[1]基于成像光谱技术土壤反射特性及剖面有机质分布估计[D]. 张美琴.华中农业大学 2012
[2]基于神经网络的土壤有机质及全铁含量的高光谱反演研究[D]. 丁国香.南京信息工程大学 2008
[3]基于高光谱遥感不同发生层土壤的光谱信息的提取研究[D]. 谢伯承.西北农林科技大学 2004



本文编号：3077687