基于航空高光谱遥感的黑土养分含量反演研究

发布时间：2021-04-24 19:37

　　快速、准确的实现黑土地土壤养分的定量化监测对于促进黑土资源有效利用和保护具有十分重要的意义。有机质（SOM）、全氮（TN）、全磷（TP）、全钾（TK）作为土壤中主要的营养物质,常被用来衡量土壤养分水平。传统的含量测定采用实验室化学分析,存在耗时、耗能、污染等方面的问题,调查结果具有滞后性,无法满足土壤动态监测的需求。高光谱遥感技术凭借极高的空间分辨率和丰富的光谱信息,并能够在短时间内实现重复观测,在土壤组分含量的研究中具有绝对的优势。本文以黑龙江建三江垦区为例,采集区域土壤样本,获取了土壤SOM、TN、TP和TK的含量及地面光谱信息。按照CASI/SASI航空高光谱影像的采样间隔,对地面光谱进行了重采样（RS）,并在此基础上进行了光谱微分、散射校正、连续统去除等7种形式的光谱变换。通过计算所有光谱形式与各养分含量的相关关系,提取了达到极显著相关水平的特征波段作为模型的自变量,分别构建了四种养分含量的偏最小二乘回归（PLSR）和BP神经网络（BPNN）反演模型。将CASI/SASI影像代入最优的模型进行填图,并采用直方图匹配法对填图结果进行修正,最终得到土壤各养分含量的空间分布。研究发现... 

【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 引言
    1.1 研究背景和意义
    1.2 高光谱遥感及研究现状
        1.2.1 高光谱遥感
        1.2.2 国内外研究现状
    1.3 研究目标,研究内容及技术路线
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 技术路线
2 高光谱数据获取和预处理
    2.1 研究区概况
    2.2 样品采集与化学分析
        2.2.1 土壤样品采集
        2.2.2 土壤理化指标分析
        2.2.3 地面光谱测定
    2.3 航空高光谱数据获取与预处理
        2.3.1 CASI/SASI数据介绍
        2.3.2 CASI/SASI数据获取与预处理
    2.4 地面光谱数据预处理
        2.4.1 光谱去噪
        2.4.2 光谱重采样
        2.4.3 光谱散射校正
        2.4.4 光谱数学变换
        2.4.5 连续统去除
    2.5 本章小结
3 养分含量与光谱特征的信息提取
    3.1 养分含量相关分析
    3.2 黑土光谱反射特征分析
        3.2.1 黑土样本的光谱特征
        3.2.2 土壤光谱的主要影响因素
    3.3 土壤光谱与养分含量的相关性分析
        3.3.1 有机质与光谱的相关性分析
        3.3.2 全氮与光谱的相关性分析
        3.3.3 全磷与光谱的相关性分析
        3.3.4 全钾与光谱的相关性分析
    3.4 本章小结
4 黑土养分含量模型建立与验证
    4.1 建模样本选择
        4.1.1 异常值剔除
        4.1.2 建模集与验证集筛选
    4.2 模型建立与评价方法
        4.2.1 偏最小二乘法
        4.2.2 BP神经网络
        4.2.3 模型精度评价
    4.3 回归结果分析
        4.3.1 偏最小二乘模型结果
        4.3.2 BP神经网络模型结果
        4.3.3 两种建模方法结果对比
    4.4 本章小结
5 CASI/SASI航空高光谱数据土壤养分填图
    5.1 养分含量填图
    5.2 直方图匹配修正
    5.3 土壤养分评价
    5.4 本章小结
6 结论与展望
    6.1 主要成果与结论
    6.2 存在不足与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]基于高光谱的土壤养分含量反演模型研究[J]. 陶培峰,王建华,李志忠,周萍,杨佳佳,高樊琦.  地质与资源. 2020(01)
[2]面向地质应用的航空高光谱CASI-SASI数据大气校正方法对比研究[J]. 叶发旺,王建刚,邱骏挺,张川.  光谱学与光谱分析. 2019(09)
[3]西河流域不同海拔区土壤有效钾的高光谱反演[J]. 郭鹏,李婷,张世熔,李智平,梁俊捷.  土壤通报. 2019(02)
[4]混合式随机森林的土壤钾含量高光谱反演[J]. 王轩慧,郑西来,韩仲志,王轩力,王娟.  光谱学与光谱分析. 2018(12)
[5]光谱变换方法对黑土养分含量高光谱遥感反演精度的影响[J]. 张东辉,赵英俊,秦凯,赵宁博,杨越超.  农业工程学报. 2018(20)
[6]WOFOST模型与遥感数据同化的土壤速效养分反演[J]. 蒙继华,程志强,王一明.  遥感学报. 2018(04)
[7]高光谱遥感技术发展与展望[J]. 张淳民,穆廷魁,颜廷昱,陈泽宇.  航天返回与遥感. 2018(03)
[8]基于高光谱影像的SG滤波算法的研究[J]. 何英杰,谢东海,钟若飞.  首都师范大学学报(自然科学版). 2018(02)
[9]近30年中国农田耕层土壤有机质含量变化[J]. 杨帆,徐洋,崔勇,孟远夺,董燕,李荣,马义兵.  土壤学报. 2017(05)
[10]高光谱技术结合CARS算法预测土壤水分含量[J]. 于雷,朱亚星,洪永胜,夏天,刘目兴,周勇.  农业工程学报. 2016(22)

博士论文
[1]高光谱遥感影像处理中的若干关键技术研究[D]. 李畅.华中科技大学 2018
[2]土壤主要养分含量的高光谱估测研究[D]. 陈红艳.山东农业大学 2012
[3]土壤养分预测方法的比较研究[D]. 徐丽华.西南大学 2012
[4]高光谱土壤成分信息的量化反演[D]. 周萍.中国地质大学（北京） 2006
[5]土地质量高光谱遥感监测方法研究[D]. 何挺.武汉大学 2003
[6]高光谱遥感土壤信息提取与挖掘研究[D]. 刘伟东.中国科学院研究生院（遥感应用研究所） 2002

硕士论文
[1]高光谱影像预处理技术研究[D]. 董连凤.长安大学 2007



本文编号：3157955