隨著信息化技術(shù)在土壤科學(xué)領(lǐng)域的深入推進(jìn),高光譜遙感技術(shù)以其光譜分辨率高、波段連續(xù)性強(qiáng)和空間分辨率高等特點(diǎn),在土壤成分定量遙感監(jiān)測中,發(fā)揮越來越大的作用。土壤養(yǎng)分指的是土壤中能直接或經(jīng)轉(zhuǎn)化后被植物根系吸收的礦質(zhì)營養(yǎng)成分,一般包括氮、磷、鉀、鈣、鎂、硫、鐵、硼、鉬、鋅、錳、銅和氯等元素。我國東北黑土中所含碳的有機(jī)物質(zhì),也是泛義的土壤養(yǎng)分。對高光譜技術(shù)在黑土養(yǎng)分提取中的研究目的、應(yīng)用方向、數(shù)據(jù)獲取方法、處理方法、分析方法和提取模型進(jìn)行了多元化跨學(xué)科探索。文中總結(jié)了高光譜土壤養(yǎng)分提取的關(guān)鍵技術(shù),從土壤光譜獲取、處理、分析和建模等方面,進(jìn)行了全面梳理和總結(jié),形成了一套“理論層-描述層-對象層-推理層-存儲層”綜合技術(shù)解決方案。(1)研究了基于信息量的黑土養(yǎng)分預(yù)測方法。對比了基于機(jī)理、波段標(biāo)準(zhǔn)差和信息熵三種方法的模型精度,研究表明:有機(jī)質(zhì)和氮采用信息熵,特征波段為705nm、714 nm、733 nm、657 nm和743 nm;磷和鉀采用波段標(biāo)準(zhǔn)差,特征波段為915 nm、924 nm、905 nm、886 nm和895 nm,所建的模型精度相對最高。S3、N3、P2、K2方法分別在反演有機(jī)質(zhì)、...

【文章頁數(shù)】：146 頁

【學(xué)位級別】：博士

【部分圖文】：

圖5研究區(qū)地理位置示意圖

圖5研究區(qū)地理位置示意圖

圖6研究區(qū)詳細(xì)分布示意圖

圖6研究區(qū)詳細(xì)分布示意圖2016年4月完成黑土區(qū)可見光、近紅外和熱紅外高光譜數(shù)據(jù)獲取工作，其中可見、近紅外測區(qū)面積2600km2，熱紅外測區(qū)面積825km2。譜段：CASI380~050nm；SASI950~2450nm；TASI8.0μm~11.5....

圖16黑土養(yǎng)分含量信息量法定量提取結(jié)果

3.3.4黑土養(yǎng)分空間制圖依次將決定系數(shù)較高的S3、N3、P2、K2模型特征波段進(jìn)行組合運(yùn)算，得出研究區(qū)四種土壤養(yǎng)分含量的空間分布情況（

圖19黑土養(yǎng)分含量神經(jīng)網(wǎng)絡(luò)模型圖

生成一個(gè)多層感知器，達(dá)到回歸分析的目的。選擇具有任意模式分類和多維函數(shù)映射能力的BP神經(jīng)網(wǎng)絡(luò)，采用梯度下降法來計(jì)算目標(biāo)函數(shù)的最小值，建立土壤含量神經(jīng)網(wǎng)絡(luò)模型（圖19）。圖顯示了神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，及預(yù)測的權(quán)值、截距和訓(xùn)練信息。構(gòu)建一個(gè)4層神經(jīng)網(wǎng)絡(luò)，即18-5-3-1，含有2個(gè)隱層....

本文編號：3978482