本文選題：土壤全氮 + 高光譜��； 參考：《遙感技術(shù)與應(yīng)用》2017年01期

【摘要】：隨著高光譜遙感技術(shù)的快速發(fā)展,光譜技術(shù)已經(jīng)在土壤理化性質(zhì)、土壤養(yǎng)分等預(yù)測研究中得到了廣泛應(yīng)用。通過土壤高光譜反射率及其變形全氮含量的相關(guān)性,提取土壤光譜特征波段;采用多元回歸和偏最小二乘回歸法對全氮含量進(jìn)行預(yù)測分析。結(jié)果表明:土壤光譜一階微分顯著提高了全氮與高光譜之間的敏感度;在多元逐步線性回歸模型和偏最小二乘回歸分析法建立的模型中,二者均能較好地進(jìn)行預(yù)測,但在偏最小二乘模型中,反射率二階微分的預(yù)測模型最高達(dá)到0.956,總均方根誤差最低為0.045。其模型的穩(wěn)定性和預(yù)測精度優(yōu)于多元逐步線性回歸所建立模型,可以更好地快速預(yù)測土壤全氮,為土壤質(zhì)量的評價(jià)提供數(shù)據(jù)基礎(chǔ),也為研究土壤退化地區(qū)的預(yù)測與防治提供信息,對未來農(nóng)業(yè)的發(fā)展具有重要意義。
[Abstract]:With the rapid development of hyperspectral remote sensing technology, spectral technology has been widely used in the prediction of soil physical and chemical properties and soil nutrients. Based on the correlation of soil hyperspectral reflectance and deformed total nitrogen content, the characteristic bands of soil spectrum were extracted, and the content of total nitrogen was predicted by multivariate regression and partial least square regression. The results showed that the sensitivity between total nitrogen and hyperspectral was significantly improved by the first order differential of soil spectrum, and both of them could be well predicted in the multivariate stepwise linear regression model and the partial least square regression model. However, in the partial least squares model, the prediction model of second-order differential reflectivity is the highest 0.956, and the total root mean square error is the lowest 0.045. The stability and prediction accuracy of the model is better than that of the model established by multivariate stepwise linear regression. The model can predict soil total nitrogen more quickly and provide the data basis for the evaluation of soil quality. It also provides information for the prediction and prevention of soil degradation areas, which is of great significance to the development of agriculture in the future.
【作者單位】： 南京信息工程大學(xué)環(huán)境科學(xué)與工程學(xué)院;南京信息工程大學(xué)大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心;南京信息工程大學(xué)應(yīng)用氣象學(xué)院;
【基金】：國家科技支撐計(jì)劃項(xiàng)目(2012BAD16B0305、2012BAC23B01) 中國清潔發(fā)展機(jī)制基金(2013013)資助
【分類號】：S151.93

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 傅華;裴世芳;張洪榮;;賀蘭山西坡不同海拔梯度草地土壤氮特征[J];草業(yè)學(xué)報(bào);2005年06期

2 鄭立華;李民贊;潘孌;孫建英;唐寧;;基于近紅外光譜技術(shù)的土壤參數(shù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測[J];光譜學(xué)與光譜分析;2008年05期

3 陳安磊;謝小立;文菀玉;王衛(wèi);童成立;;長期施肥對紅壤稻田氮儲(chǔ)量的影響[J];生態(tài)學(xué)報(bào);2010年18期

4 ;[J];;年期

相關(guān)碩士學(xué)位論文 前4條

1 劉妤;甘肅省土壤全氮含量空間分布及與土地利用的關(guān)系[D];甘肅農(nóng)業(yè)大學(xué);2010年

2 萬天鳳;涪江中游不同丘陵地貌土壤全氮含量空間變異及不確定性評價(jià)[D];四川農(nóng)業(yè)大學(xué);2012年

3 潘文超;基于高光譜遙感的棉田土壤含氮量監(jiān)測模型研究[D];石河子大學(xué);2009年

4 朱艷;小麥品種與施肥及土壤肥力間的耦合效應(yīng)研究[D];陜西師范大學(xué);2012年

，

本文編號：2031535