【摘要】：土壤有機(jī)質(zhì)和土壤養(yǎng)分含量的高低對(duì)供給作物生長(zhǎng)有重要的意義,高光譜遙感技術(shù)的發(fā)展為區(qū)域有機(jī)質(zhì)和土壤養(yǎng)分地動(dòng)態(tài)監(jiān)測(cè)提供有效的技術(shù)途徑。為了探究土壤有機(jī)質(zhì)和養(yǎng)分狀況與衛(wèi)星影像光譜間的相互關(guān)系,本文中運(yùn)用Hyperion高光譜衛(wèi)星影像和耕地地力調(diào)查樣點(diǎn)以確定各土壤屬性(有機(jī)質(zhì)、堿解氮、速效鉀、有效磷)的光譜特征,構(gòu)建土壤屬性的光譜反演模型,并選取各土壤屬性的最優(yōu)反演模型,通過與實(shí)測(cè)值對(duì)比以評(píng)價(jià)模型的精度。主要研究結(jié)果如下:結(jié)果顯示遙感影像中植被對(duì)土壤屬性反演模型的精度有很大程度的干擾,利用影像中土壤像元建立的土壤屬性反演模型精度均高于利用植被像元建立的土壤屬性反演模型。其中,土壤像元光譜敏感性分析結(jié)果表明,有機(jī)質(zhì)含量對(duì)Hyperion的782.95-813.48 nm范圍波段具有良好的響應(yīng)能力,采用反射率的一階導(dǎo)數(shù)所建立的模型擬合精度最優(yōu)(R2為0.777、RMSE為5.31),模型反演結(jié)果與實(shí)測(cè)值相關(guān)關(guān)系(R2為0.809、RMSE為5.19),能夠用于區(qū)域有機(jī)質(zhì)含量分布的快速測(cè)定;有效磷含量對(duì)Hyperion的1467.33 nm、1800.29 nm波段具有良好的響應(yīng)能力,利用反射率的一階導(dǎo)數(shù)所建立的模型擬合精度最優(yōu)(R2為0.767、RMSE為19.55),模型反演結(jié)果與實(shí)測(cè)值相關(guān)關(guān)系(R2為0.783、RMSE為9.04);而土壤像元堿解氮和速效鉀最優(yōu)反演模型擬合精度R2為0.314和0.405,RMSE為38.06和52.47,模型反演結(jié)果與實(shí)測(cè)值相關(guān)關(guān)系較差,不能用于高光譜的堿解氮和速效鉀的快速測(cè)定。針對(duì)植被像元,僅有效磷含量對(duì)Hyperion的1457.23 nm波段具有良好的響應(yīng)能力,采用比值指數(shù)所建立的模型擬合效果最優(yōu)(R2為0.304、RMSE為38.96),模型反演結(jié)果與實(shí)測(cè)值相關(guān)關(guān)系(R2為0.740、RMSE為16.77);有機(jī)質(zhì)、堿解氮和速效鉀的最優(yōu)反演模型擬合精度R2為0.171、0.196 和 0.163,RMSE 為 9.1、39.63 和 79.79,不能用于高光譜遙感影像中植被覆蓋區(qū)域的有機(jī)質(zhì)、堿解氮和速效鉀的快速測(cè)定。
[Abstract]:The content of soil organic matter and soil nutrients is of great significance to the growth of supplying crops. The development of hyperspectral remote sensing provides an effective technical approach for the monitoring of regional organic matter and soil nutrients. In order to explore the relationship between soil organic matter and nutrient status and satellite image spectra, Hyperion hyperspectral satellite imagery and farmland fertility survey were used to determine the soil properties (organic matter, alkali-hydrolyzed nitrogen, available potassium). The spectral characteristics of available phosphorus), the spectral inversion model of soil attribute is constructed, and the optimal inversion model of each soil attribute is selected, and the accuracy of the model is evaluated by comparing with the measured value. The main results are as follows: the results show that vegetation in remote sensing images has a large degree of interference with the precision of soil attribute inversion model. The precision of the soil attribute inversion model based on the soil pixel in the image is higher than that of the soil attribute inversion model based on the vegetation pixel. The results of soil pixel spectral sensitivity analysis showed that the content of organic matter had a good response to the Hyperion range of 782.95-813.48 nm. The model with the first derivative of reflectivity has the best fitting accuracy (R2 = 0.777RMSE = 5.31), and the correlation between the model inversion results and the measured values (R2 = 0.809 ~ RMSE = 5.19), which can be used for the rapid determination of the distribution of regional organic matter content. The available phosphorus content has a good response ability to the 1467.33 nm ~ 1 00.29 nm band of Hyperion. The fitting accuracy of the model based on the first derivative of reflectivity is the best (R2 = 0.767RMSE = 19.55), and the correlation between the model inversion results and the measured values (R2 = 0.783rMSE = 9.04), and the fitting accuracy of the model is R2 as follows: The RMSE of 0.314 and 0.405 are 38.06 and 52.47 respectively. It can not be used for the rapid determination of alkali-hydrolyzed nitrogen and available potassium in hyperspectral. For vegetation pixels, only available phosphorus content has a good response to the 1457.23 nm band of Hyperion. The fitting effect of the model established by the ratio index is the best (R2 = 0.304 RMSE is 38.96), and the correlation between the model inversion results and the measured values (R2 = 0.740? RMSE = 16.77), organic matter, The fitting accuracy of the optimal inversion model for alkali-hydrolyzed nitrogen and rapidly available potassium is 0.171 0.196 and 0.163 RMSE respectively, which is 9.1U 39.63 and 79.79, which can not be used for the rapid determination of organic matter, alkali-hydrolyzed nitrogen and available potassium in vegetation covered areas in hyperspectral remote sensing images.
【學(xué)位授予單位】：福建農(nóng)林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S158;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉煥軍;張小康;張新樂;武洪峰;金慧凝;于勝男;邱政超;;面向土壤分類的高光譜反射特征參數(shù)模型[J];遙感學(xué)報(bào);2017年01期

2 劉凡;馬玲;楊光;陳建華;馬雪蓮;王海江;;灰漠土土壤全氮含量的高光譜特征分析及估測(cè)[J];新疆農(nóng)業(yè)科學(xué);2017年01期

3 Chang TIAN;Xuan ZHOU;Qiang LIU;Jian-wei PENG;Wen-ming WANG;Zhen-hua ZHANG;Yong YANG;Hai-xing SONG;Chun-yun GUAN;;控釋肥料對(duì)早熟油菜產(chǎn)量、養(yǎng)分吸收和肥料利用率的影響（英文）[J];Journal of Zhejiang University-Science B(Biomedicine & Biotechnology);2016年10期

4 南鋒;朱洪芬;畢如田;;黃土高原煤礦區(qū)復(fù)墾農(nóng)田土壤有機(jī)質(zhì)含量的高光譜預(yù)測(cè)[J];中國農(nóng)業(yè)科學(xué);2016年11期

5 金慧凝;張新樂;劉煥軍;康苒;付強(qiáng);寧東浩;;基于光譜吸收特征的土壤含水量預(yù)測(cè)模型研究[J];土壤學(xué)報(bào);2016年03期

6 王莉雯;衛(wèi)亞星;;濕地土壤全氮和全磷含量高光譜模型研究[J];生態(tài)學(xué)報(bào);2016年16期

7 白由路;;植物營養(yǎng)與肥料研究的回顧與展望[J];中國農(nóng)業(yè)科學(xué);2015年17期

8 許麗麗;李寶林;袁燁城;高錫章;劉海江;董貴華;;2000-2010年中國耕地變化與耕地占補(bǔ)平衡政策效果分析[J];資源科學(xué);2015年08期

9 欒福明;熊黑鋼;王芳;時(shí)卉;王昭國;張芳;王晶晶;;基于小波分析的土壤速效K含量高光譜反演[J];干旱區(qū)地理;2015年02期

10 吳才武;夏建新;段崢嶸;;土壤有機(jī)質(zhì)預(yù)測(cè)性制圖方法研究進(jìn)展[J];土壤通報(bào);2015年01期

相關(guān)博士學(xué)位論文 前5條

1 陳紅艷;土壤主要養(yǎng)分含量的高光譜估測(cè)研究[D];山東農(nóng)業(yè)大學(xué);2012年

2 張婷婷;基于PLS模型的農(nóng)業(yè)土壤成分高光譜遙感反演研究[D];吉林大學(xué);2010年

3 劉偉東;高光譜遙感土壤信息提取與挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

4 李裕元;坡地土壤磷素與水分遷移試驗(yàn)研究[D];西北農(nóng)林科技大學(xué);2002年

5 張富倉;土壤-根系統(tǒng)養(yǎng)分遷移機(jī)制及其數(shù)值模擬[D];西北農(nóng)林科技大學(xué);2001年

相關(guān)碩士學(xué)位論文 前5條

1 李曦;基于高光譜遙感的土壤有機(jī)質(zhì)預(yù)測(cè)建模研究[D];浙江大學(xué);2013年

2 嚴(yán)加亮;武夷山不同海拔土壤磷素的空間異質(zhì)性研究[D];福建農(nóng)林大學(xué);2012年

3 劉青;人工神經(jīng)網(wǎng)絡(luò)遙感影像分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];昆明理工大學(xué);2012年

4 鮑晨光;森林類型遙感分類研究[D];東北林業(yè)大學(xué);2010年

5 李建勇;測(cè)土配方施肥中土壤有效氮鉀測(cè)定方法研究[D];西南大學(xué);2008年

，

本文編號(hào)：2175392