【摘要】：地物高光譜技術已被用于土壤有機質(SOM)等理化參數(shù)速測,但由于含水量、粗糙度等因素的影響,基于遙感影像的SOM空間反演精度較低。為此引入時相信息,將時像信息與光譜信息結合對研究區(qū)SOM進行預測,使預測模型精度顯著提高。以黑龍江典型黑土區(qū)(北安市南部、海倫市中部、綏化市東部、綏棱縣西南部、望奎縣中部)為例,獲取多期MODIS影像,利用MODIS數(shù)據(jù)高時間分辨率的優(yōu)勢,研究含水量對土壤反射光譜曲線的影響;基于SOM與含水量對反射率的綜合作用分析,建立SOM遙感預測模型。結果表明:(1)利用單期影像建立的SOM光譜預測模型,未加入含水量變化對土壤反射光譜曲線的影響信息,基于年積日(DOY)117,119,130,140,143單期影像建立的SOM預測模型,RMSE分別為0.591,0.522,0.545和0.553,R~2分別為0.505,0.614,0.562,0.568和0.645,模型精度及穩(wěn)定性較低;(2)利用年積日119和143多時相影像建立的SOM預測模型,考慮了含水量與SOM的綜合作用,RMSE為0.442,R~2為0.723,模型精度、穩(wěn)定性得到顯著提高。研究成果對于區(qū)域土壤肥力評價、土壤碳庫儲量估測、精準農(nóng)業(yè)發(fā)展有重要意義。
[Abstract]:Ground object hyperspectral technique has been used for rapid measurement of physical and chemical parameters such as soil organic matter (SOM), but the precision of SOM spatial inversion based on remote sensing image is low due to the influence of water content and roughness. For this reason, the time-phase information is introduced and the time-image information is combined with the spectral information to predict the SOM in the study area. The precision of the prediction model is improved significantly. Taking the typical black soil area of Heilongjiang Province (south of Bei'an, central part of Hailun, east of Suihua, southwest of Suilen and central Wangkui) as an example, multi-phase MODIS images are obtained and the advantage of high temporal resolution of MODIS data is utilized. The effect of water content on soil reflectance spectral curve was studied, and the SOM remote sensing prediction model was established based on the comprehensive effect of SOM and water content on reflectivity. The results showed that: (1) the SOM spectral prediction model based on single phase image did not include the information of the influence of water content change on the soil reflectance spectral curve. The SOM prediction model based on annual (DOY) 117119130140143 is 0.591U 0.52220.545 and 0.553U / r ~ (2) is 0.5050.140.562n0.568 and 0.645, respectively, so the accuracy and stability of the model are low. (2) the SOM prediction model is established by using 119d and 143multiphase images. Considering the comprehensive effect of water content and SOM, the model accuracy and stability are improved remarkably. The research results have important significance for regional soil fertility evaluation, soil carbon pool storage estimation and precision agriculture development.
【作者單位】： 東北農(nóng)業(yè)大學資源與環(huán)境學院;
【基金】：國家自然科學基金項目(41501357) 黑龍江省普通高等學校新世紀優(yōu)秀人才培養(yǎng)計劃項目 黑龍江省博士后啟動基金項目(LBHQ13026)資助
【分類號】：S153

【相似文獻】

相關期刊論文 前10條

1 吳功振;;四川棉花枯萎病發(fā)生流行與有關氣候因子預測模型[J];四川農(nóng)業(yè)科技;1984年02期

2 王建平;;倍樹感病指數(shù)預測模型的研究[J];貴州林業(yè)科技;1989年02期

3 王建平;倍樹感病指數(shù)預測模型的研究[J];林業(yè)科技通訊;1990年11期

4 陳同英;關于林業(yè)專門人才預測模型的探討[J];林業(yè)經(jīng)濟問題;1993年03期

5 唐蕓,秦秀華,蘇杰南;一種簡易預測模型的應用[J];林業(yè)調查規(guī)劃;2002年02期

6 潘沈元,何斯美;家蠶雜種一代數(shù)量性狀預測模型的探討 Ⅱ.數(shù)量性狀預測模型的遺傳學意義[J];蠶業(yè)科學;1989年03期

7 趙曰豐,劉彥;人參黑斑病流行發(fā)生期及參籽產(chǎn)量預測模型的研究[J];植物病理學報;1991年03期

8 余朝剛;王劍平;應義斌;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡的溫室室內(nèi)溫度預測模型[J];生物數(shù)學學報;2006年04期

9 李仙岳;楊培嶺;任樹梅;張少炎;;基于葉面積與冠層輻射的果樹蒸騰預測模型[J];生態(tài)學報;2009年05期

10 徐德應;林分和林木生長預測模型[J];世界林業(yè)研究;1988年03期

相關會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經(jīng)模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

相關重要報紙文章 前10條

1 劉慶;“預測模型”要緩行[N];網(wǎng)絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀經(jīng)濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關博士學位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學院;2015年

3 吳利豐;分數(shù)階灰色預測模型及其應用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農(nóng)業(yè)大學;2016年

5 文江平;農(nóng)村地區(qū)成人2型糖尿病發(fā)生風險相關生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術后抗凝治療中的應用[D];天津醫(yī)科大學;2016年

7 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

8 孫忠林;煤礦安全生產(chǎn)預測模型的研究[D];山東科技大學;2009年

9 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

10 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經(jīng)濟貿(mào)易大學;2006年

相關碩士學位論文 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 石大宏;基于序列的蛋白質—核苷酸綁定位點預測研究[D];南京理工大學;2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡的混合預測模型的實例研究[D];蘭州大學;2015年

9 趙Z，

本文編號：2190313