本文選題：高光譜　切入點(diǎn)：森林土壤　出處：《江西農(nóng)業(yè)大學(xué)》2017年博士論文

【摘要】：土壤養(yǎng)分含量的狀況是影響土壤質(zhì)量變化的基本因素,快速了解森林土壤養(yǎng)分狀況對(duì)研究森林植被的生長(zhǎng)環(huán)境有著重要意義。土壤高光譜遙感技術(shù)是目前的研究熱點(diǎn)之一,具有快速測(cè)定土壤養(yǎng)分含量等特點(diǎn),為實(shí)現(xiàn)快速大范圍獲取土壤養(yǎng)分含量提供了新途徑。本文以江西省九江市廬山區(qū)與南昌市灣里區(qū)為研究區(qū),在考慮了土壤屬性、高程、海拔等因素的基礎(chǔ)上,2014年根據(jù)樣本選點(diǎn)采集318個(gè)土壤有效樣本,在測(cè)定了土壤有機(jī)質(zhì)、全氮、全鉀、全磷的土壤主要基礎(chǔ)養(yǎng)分含量的基礎(chǔ)上,考慮到江西省土壤中鐵含量較豐富,同時(shí)測(cè)定了土壤有效鐵含量,并利用ASDFieldSpec4地物光譜儀對(duì)土壤進(jìn)行了室內(nèi)光譜數(shù)據(jù)采集。在分析了土壤類(lèi)型及養(yǎng)分的光譜特征基礎(chǔ)上,采用相關(guān)系數(shù)法分析了土壤養(yǎng)分含量的相關(guān)性,分別基于偏最小二乘回歸(PLSR)、BP神經(jīng)網(wǎng)絡(luò)(BP)和支持向量機(jī)回歸(SVMR)單一模型及定權(quán)與變權(quán)組合模型構(gòu)建了土壤有機(jī)質(zhì)含量的高光譜直接估測(cè)模型、全氮和有效鐵含量的高光譜直接與間接估測(cè)模型,并對(duì)模型進(jìn)行了檢驗(yàn)。主要研究結(jié)果為:(1)森林土壤養(yǎng)分的反射光譜相關(guān)性分析研究采用相關(guān)系數(shù)法,對(duì)森林土壤養(yǎng)分含量進(jìn)行了反射光譜相關(guān)性分析。土壤有機(jī)質(zhì)含量與原始光譜反射率呈明顯的負(fù)相關(guān),且600～800nm波段內(nèi)相關(guān)性最明顯,在650nm波段處相關(guān)系數(shù)值達(dá)到最大值;土壤全氮含量與原始光譜反射率呈較明顯的負(fù)相關(guān),且600～800nm波段內(nèi)的相關(guān)性明顯,在649nm波段處相關(guān)系數(shù)值達(dá)到最大值;原始光譜反射率與土壤全磷含量呈負(fù)相關(guān),且相關(guān)性不明顯;原始光譜反射率與土壤全鉀含量間的相關(guān)性非常低;土壤有效鐵含量與原始光譜反射率呈較明顯的負(fù)相關(guān),同時(shí)也在600～800nm波段內(nèi)的相關(guān)性較明顯,在673 nm波段處相關(guān)系數(shù)值達(dá)到最大值。通過(guò)SPSS 17.0對(duì)土壤有機(jī)質(zhì)含量與土壤全氮、全鉀、全磷及有效鐵含量相關(guān)性分析,發(fā)現(xiàn)土壤有機(jī)質(zhì)與全氮間存在顯著的相關(guān)性,可通過(guò)冪函數(shù)擬合·;土壤有機(jī)質(zhì)含量與全磷含量間存在一定的相關(guān)性,但無(wú)法通過(guò)函數(shù)擬合;土壤有機(jī)質(zhì)含量與全鉀含量間的相關(guān)性極低;土壤有機(jī)質(zhì)含量與有效鐵含量間存在顯著的線性相關(guān),可通過(guò)線性函數(shù)擬合。為土壤全氮及有效鐵含量的間接估測(cè)提供依據(jù)。2)森林土壤養(yǎng)分含量的單一光譜估測(cè)模型的構(gòu)建在相關(guān)性分析的基礎(chǔ)上,基于PLSR、BP與SVMR分別構(gòu)建了森林土壤養(yǎng)分含量的光譜單一光譜直接估測(cè)模型,及森林土壤全氮和有效鐵含量的單一光譜間接估測(cè)模型,確定BP為最佳估測(cè)模型。在森林土壤光譜的直接估測(cè)中,土壤有機(jī)質(zhì)含量的最佳單一估測(cè)模型為BP模型,其預(yù)測(cè)R~2為0.77,RMSE為11.96gkg~(-1) RPD為1.99; 土壤全氮含量的最佳單一模型也是BP模型,其預(yù)測(cè)R~2為0.63, RMSE為0.52gkg~(-1) RPD為1.64; 土壤全磷含量的最佳單一模型為PLSR模型,其預(yù)測(cè)R~2僅為0.09, RMSE為0.17gkg~(-1) RPD僅為1.05; 土壤全鉀含量的最佳單一模型為BP模型,其預(yù)測(cè)R~2為0.20, RMSE為3.23g kg~(-1) RPD僅為1.12; 土壤有效鐵含量的最佳單一估測(cè)模型為SVMR模型,其預(yù)測(cè)R~2為0.39, RMSE為27.84 mg kg~(-1) RPD為1.24。在森林土壤光譜的間接估測(cè)中,土壤全氮含量的最佳模型為BP模型,其預(yù)測(cè)R~2為0.89, RMSE為0.27gkg~(-1) RPD為3.02; 土壤有效鐵含量的最佳模型也為BP模型,其預(yù)測(cè)R~2為0.52, RMSE為26.03 mgkg~(-1),RPD為1.44。對(duì)比表明BP、SVMR優(yōu)于PLSR,土壤全氮及有效鐵含量間接預(yù)測(cè)要好于直接預(yù)測(cè)。3)森林土壤養(yǎng)分含量的組合估測(cè)模型的構(gòu)建本文基于單一模型建模結(jié)果,選擇六種定權(quán)、四種變權(quán)方法分別構(gòu)建了森林土壤有機(jī)質(zhì)、全氮及有效鐵含量的光譜組合直接估測(cè)模型和森林土壤全氮、有效鐵含量的組合間接估測(cè)模型。研究表明,直接估測(cè)中,土壤有機(jī)質(zhì)含量的最佳估測(cè)模型是二項(xiàng)式系數(shù)變權(quán)組合模型,其預(yù)測(cè)R~2為0.81,RMSE為10.24gkg~(-1),RPD為2.32; 土壤全氮的最佳估測(cè)模型為簡(jiǎn)單加權(quán)定權(quán)組合模型,其預(yù)測(cè)R~2為0.70, RMSE為0.47gkg~(-1) RPD為1.84;土壤有效鐵含量的最佳模型是誤差平方和倒數(shù)變權(quán)組合模型,其預(yù)測(cè)R~2為0.49,RMSE為 24.97mgkg~(-1),RPD為1.39。在組合模型的間接估測(cè)中,土壤全氮含量的最佳模型是簡(jiǎn)單加權(quán)變權(quán)組合模型,其預(yù)測(cè)R~2為0.73, RMSE為0.43g kg~(-1),RPD為1.91; 土壤有效鐵含量的最佳估測(cè)模型是二項(xiàng)式系數(shù)定權(quán)組合模型,其預(yù)測(cè)R~2為0.58,RMSE為25.03 mg kg~(-1),RPD為1.49。對(duì)比表明,變權(quán)組合模型整體優(yōu)于定權(quán)組合模型,間接組合模型優(yōu)于直接組合模型。本研究基于土壤高光譜數(shù)據(jù),探討了組合模型在土壤有機(jī)質(zhì)、全氮及有效鐵含量中的估測(cè)應(yīng)用,為土壤主要養(yǎng)分等含量光譜估測(cè)提供了新的研究思路,為利用遙感進(jìn)行土壤養(yǎng)分含量快速測(cè)定提供了理論基礎(chǔ)和依據(jù)。
[Abstract]:......
【學(xué)位授予單位】：江西農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：S714

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張佳佳;郭熙;趙小敏;;南方丘陵稻田土壤全磷、有效磷高光譜特征與反演模型[J];江蘇農(nóng)業(yè)科學(xué);2016年07期

2 張強(qiáng);張國(guó)龍;張澤;呂新;;基于高光譜的土壤全氮含量估測(cè)[J];山西農(nóng)業(yè)科學(xué);2016年07期

3 于雷;洪永勝;周勇;朱強(qiáng);徐良;李冀云;聶艷;;高光譜估算土壤有機(jī)質(zhì)含量的波長(zhǎng)變量篩選方法[J];農(nóng)業(yè)工程學(xué)報(bào);2016年13期

4 譚琨;張倩倩;曹茜;杜培軍;;基于粒子群優(yōu)化支持向量機(jī)的礦區(qū)土壤有機(jī)質(zhì)含量高光譜反演[J];地球科學(xué)(中國(guó)地質(zhì)大學(xué)學(xué)報(bào));2015年08期

5 于雷;洪永勝;耿雷;周勇;朱強(qiáng);曹雋雋;聶艷;;基于偏最小二乘回歸的土壤有機(jī)質(zhì)含量高光譜估算[J];農(nóng)業(yè)工程學(xué)報(bào);2015年14期

6 黃仁東;張海彬;楊志輝;周揚(yáng);張攀;;基于多準(zhǔn)則的組合預(yù)測(cè)模型權(quán)重研究及其應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

7 于法展;張忠啟;陳龍乾;沈正平;;江西廬山自然保護(hù)區(qū)主要森林植被水土保持功能評(píng)價(jià)[J];長(zhǎng)江流域資源與環(huán)境;2015年04期

8 葉英聰;張麗君;謝文;謝碧裕;郭熙;;南方丘陵稻田土壤全鉀和速效鉀高光譜特征與反演模型研究[J];廣東農(nóng)業(yè)科學(xué);2015年07期

9 韓兆迎;朱西存;劉慶;房賢一;王卓遠(yuǎn);;黃河三角洲土壤有機(jī)質(zhì)含量的高光譜反演[J];植物營(yíng)養(yǎng)與肥料學(xué)報(bào);2014年06期

10 郭斗斗;黃紹敏;張水清;聶勝委;;多種潮土有機(jī)質(zhì)高光譜預(yù)測(cè)模型的對(duì)比分析[J];農(nóng)業(yè)工程學(xué)報(bào);2014年21期

相關(guān)博士學(xué)位論文 前2條

1 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2011年

2 李海生;支持向量機(jī)回歸算法與應(yīng)用研究[D];華南理工大學(xué);2005年

相關(guān)碩士學(xué)位論文 前3條

1 楊靈玉;三江源區(qū)土壤特性高光譜估算方法比較研究[D];青海師范大學(xué);2016年

2 陸洪濤;偏最小二乘回歸數(shù)學(xué)模型及其算法研究[D];華北電力大學(xué);2014年

3 毛開(kāi)翼;關(guān)于組合預(yù)測(cè)中的權(quán)重確定及應(yīng)用[D];成都理工大學(xué);2007年

，

本文編號(hào)：1723856