土壤鹽漬化是一個全球范圍內(nèi)的生態(tài)環(huán)境問題,主要發(fā)生在干旱、半干旱地區(qū),它會造成土壤板結和肥力下降,進而影響到農(nóng)作物的產(chǎn)量。內(nèi)蒙古河套灌區(qū)是我國重要的農(nóng)業(yè)產(chǎn)區(qū),同時也面臨著十分嚴重的土壤鹽漬化問題,嚴重阻礙了該地區(qū)農(nóng)業(yè)生產(chǎn)的快速發(fā)展。無人機遙感技術可以快速獲取大范圍內(nèi)的地物遙感信息,可以實時、動態(tài)地對土壤鹽漬化的分布狀況進行有效監(jiān)測,最終做到有針對性地制定一定的土壤鹽漬化防治方案以降低土壤鹽漬化的危害,提高作物產(chǎn)量。本文以內(nèi)蒙古河套灌區(qū)沙壕渠灌域內(nèi)的4塊鹽漬化耕地作為試驗區(qū)域,通過采集不同時間、不同地點的鹽漬化土樣,在實驗室中經(jīng)理化分析獲取土壤含鹽量。同時,利用無人機攜帶相機采集相應的遙感影像,深入探討了地物光譜反射率、光譜指數(shù)以及冠層溫度等信息與土壤含鹽量的相關關系,最后采用支持向量機、反向傳播神經(jīng)網(wǎng)絡和極限學習機等機器學習方法以及偏最小二乘回歸分別構建不同的土壤鹽分反演模型,并對各個模型的精度進行評定和分析,最終可以得到如下主要結論:（1）構建了基于光譜反射率的裸土期土壤含鹽量反演模型。發(fā)現(xiàn)在6波段的光譜反射率中,藍光波段（490nm）、綠光波段（550nm）、紅光波段（680nm）... 

【文章來源】：西北農(nóng)林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景、目的及意義
        1.1.1 研究背景
        1.1.2 研究目的及意義
    1.2 國內(nèi)外研究進展
        1.2.1 遙感反演土壤含鹽量的國外研究進展
        1.2.2 遙感反演土壤含鹽量的國內(nèi)研究進展
        1.2.3 基于遙感監(jiān)測土壤鹽分的反演模型研究進展
    1.3 存在的問題
    1.4 研究內(nèi)容與技術路線
        1.4.1 研究內(nèi)容
        1.4.2 技術路線
第二章 材料與方法
    2.1 試驗區(qū)概況
    2.2 試驗設計
    2.3 土壤樣本的采集與處理
    2.4 遙感數(shù)據(jù)采集
        2.4.1 無人機遙感平臺
        2.4.2 無人機多光譜影像采集
        2.4.3 無人機熱紅外影像采集
    2.5 遙感數(shù)據(jù)處理
        2.5.1 遙感影像的去膜處理
        2.5.2 光譜反射率的獲取
        2.5.3 光譜指數(shù)的獲取
        2.5.4 冠層溫度的獲取
    2.6 土壤鹽分估算模型的構建與檢驗
        2.6.1 模型構建方法介紹
        2.6.2 模型精度評價指標
第三章 基于光譜反射率的土壤含鹽量反演研究
    3.1 土壤采樣點的鹽分統(tǒng)計分析
    3.2 建模集和驗證集的劃分
    3.3 光譜反射率與土壤含鹽量的相關性分析
    3.4 基于光譜反射率的土壤鹽分估算模型構建
    3.5 模型的綜合評價
    3.6 討論
    3.7 本章小結
第四章 基于光譜指數(shù)的土壤含鹽量反演研究
    4.1 光譜指數(shù)的選取與計算
    4.2 光譜指數(shù)與土壤含鹽量的相關性分析
    4.3 基于光譜指數(shù)的土壤鹽分估算模型構建
    4.4 模型的綜合評價
    4.5 討論
    4.6 本章小結
第五章 基于光譜指數(shù)與冠層溫度的葵花土壤含鹽量反演研究
    5.1 光譜指數(shù)的選取與計算
    5.2 基于灰度關聯(lián)分析的光譜指數(shù)篩選
        5.2.1 不同光譜指數(shù)與土壤鹽分的灰度關聯(lián)分析
        5.2.2 不同光譜指數(shù)的篩選結果統(tǒng)計
    5.3 土壤鹽分數(shù)據(jù)的統(tǒng)計特征分析
    5.4 葵花冠層溫度與土壤含鹽量的相關性分析
    5.5 建模集與驗證集的劃分
    5.6 偏最小二乘回歸模型的構建與檢驗
    5.7 機器學習模型的構建與檢驗
        5.7.1 支持向量機模型的構建與檢驗
        5.7.2 反向傳播神經(jīng)網(wǎng)絡模型的構建與檢驗
        5.7.3 極限學習機模型的構建與檢驗
    5.8 模型的綜合評價
    5.9 討論
    5.10 本章小結
第六章 結論與展望
    6.1 研究結論
    6.2 不足與展望
參考文獻
致謝
個人簡歷



本文編號：3162365