【摘要】：土壤陽離子交換量(CEC)是土壤的基本理化性質(zhì),是淋溶土、富鐵土、鐵鋁土三大土綱系統(tǒng)分類的主要參考依據(jù)。傳統(tǒng)的CEC測定方式費(fèi)時費(fèi)力,而光譜技術(shù)具成本低、無污染、方便快捷的優(yōu)點(diǎn),因此研究如何利用土壤光譜預(yù)測土壤CEC含量具有重要意義。本文以光譜反射率預(yù)測土壤CEC含量為研究目標(biāo),以中國南方中亞熱為研究區(qū),研究區(qū)包括了淋溶土、富鐵土、鐵鋁土三大土綱的過渡帶,野外采集得到501個土壤樣本,測定各樣本的CEC含量、有機(jī)質(zhì)含量、p H值以及機(jī)械組成,同時測定樣本光譜反射率。在光譜數(shù)據(jù)預(yù)處理的基礎(chǔ)上,對反射率進(jìn)行了4種形式的光譜變換,對土壤樣本采用4種分類方式進(jìn)行分類。分析CEC的光譜特征,用3種方法提取土壤CEC的特征波段。分別利用偏最小二乘(PLSR)和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了土壤CEC的直接、間接預(yù)測模型。主要結(jié)論如下:(1)確定了土壤CEC的光譜特征波段基于土壤反射率及其一階微分(R′)、二階微分(R′′)、倒數(shù)的對數(shù)(log(1/R))、去包絡(luò)線4種變換形式,分別采用相關(guān)分析、多元逐步回歸、遺傳算法篩選得到土壤CEC的光譜特征波段共154個,包括:491-518nm、767-781nm、785-788nm、1224-1238nm、1413-1432nm、1440-1445nm、1890-1920nm、1526nm、1994-2003nm、2118-2130nm、2225-2235nm。(2)建立了土壤CEC的光譜直接預(yù)測模型本文參考前人研究成果,確定了CEC含量的影響因子,包括有機(jī)質(zhì)含量、土壤質(zhì)地、土壤p H和土壤成土母質(zhì)。為獲得更高的模型精度,對樣本采用按光譜特征、光譜結(jié)合CEC影響因子、按成土母質(zhì)、按土壤質(zhì)地4種方式進(jìn)行分類,在光譜變換、樣本分類的基礎(chǔ)上,以全波段和特征波段為建模波段,分別利用PLSR和BP神經(jīng)網(wǎng)絡(luò)方法建立了土壤CEC的光譜預(yù)測模型。(3)建立了土壤CEC的光譜間接預(yù)測模型為探討更全面的土壤CEC的光譜預(yù)測方式,本文首先建立了CEC影響因子(土壤有機(jī)質(zhì)、黏粒、砂粒含量)的光譜預(yù)測模型,然后以有機(jī)質(zhì)、黏粒、砂粒、土壤p H值為輸入變量,建立了基于CEC影響因子的CEC預(yù)測模型,進(jìn)而達(dá)到光譜對土壤CEC含量間接預(yù)測的目的。(4)優(yōu)選確定土壤CEC光譜預(yù)測的最佳解決方案對比(2)(3)中建立的各類預(yù)測模型,得出:全波段參與建模、一階微分(R′)的光譜變換形式、按光譜特征分類的樣本分類方式、BP神經(jīng)網(wǎng)絡(luò)方法下的光譜直接建模是土壤CEC光譜預(yù)測的最優(yōu)解決方案,其R2和RPD分別為0.636和1.78,精度較原始光譜預(yù)測模型(R2和RPD分別為0.371和1.43)有較大提升。研究可為淋溶土、富鐵土、鐵鋁土三大土綱的確定提供快捷、高效的CEC含量測定新思路。
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O657.3;S153

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋迪思;盛浩;周清;周萍;王翠紅;張楊珠;;不同母質(zhì)發(fā)育土壤的中紅外吸收光譜特征[J];土壤通報;2016年01期

2 張華東;阮陸寧;;偏最小二乘回歸在R軟件中的實現(xiàn)及其優(yōu)缺點(diǎn)剖析[J];科技廣場;2015年11期

3 劉艷芳;盧延年;郭龍;肖豐濤;陳奕云;;基于地類分層的土壤有機(jī)質(zhì)光譜反演校正樣本集的構(gòu)建[J];土壤學(xué)報;2016年02期

4 王德彩;張俊輝;;基于Vis-NIR光譜的土壤質(zhì)地BP神經(jīng)網(wǎng)絡(luò)預(yù)測[J];天津農(nóng)業(yè)科學(xué);2015年08期

5 李媛媛;李微;劉遠(yuǎn);郭錫杰;牟蒙;劉長發(fā);;基于高光譜遙感土壤有機(jī)質(zhì)含量預(yù)測研究[J];土壤通報;2014年06期

6 王凱龍;熊黑鋼;張芳;;基于PLSR-BP復(fù)合模型的綠洲土壤pH高光譜反演[J];干旱區(qū)研究;2014年06期

7 史舟;王乾龍;彭杰;紀(jì)文君;劉煥軍;李曦;Raphael A VISCARRA ROSSEL;;中國主要土壤高光譜反射特性分類與有機(jī)質(zhì)光譜預(yù)測模型[J];中國科學(xué):地球科學(xué);2014年05期

8 魏昌龍;趙玉國;李德成;張甘霖;鄔登巍;陳吉科;;基于相似光譜匹配預(yù)測土壤有機(jī)質(zhì)和陽離子交換量[J];農(nóng)業(yè)工程學(xué)報;2014年01期

9 白燕英;魏占民;劉全明;郭桂蓮;劉霞;;基于高光譜的河套灌區(qū)農(nóng)田表層土壤質(zhì)地反演研究[J];地理與地理信息科學(xué);2013年05期

10 徐馳;曾文治;伍靖偉;黃介生;高鴻永;付毓;;內(nèi)蒙古河套灌區(qū)土壤含鹽量和pH高光譜反演研究[J];灌溉排水學(xué)報;2013年03期

相關(guān)博士學(xué)位論文 前5條

1 章海亮;基于光譜和高光譜成像技術(shù)的土壤養(yǎng)分及類型檢測與儀器開發(fā)[D];浙江大學(xué);2015年

2 紀(jì)文君;基于野外vis-NIR高光譜的土壤屬性預(yù)測及田間水分影響去除研究[D];浙江大學(xué);2014年

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

4 鄭光輝;江蘇部分地區(qū)土壤屬性高光譜定量估算研究[D];南京大學(xué);2011年

5 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

相關(guān)碩士學(xué)位論文 前8條

1 文虎;綠洲農(nóng)田鹽堿斑土壤表層鹽分和pH值的光譜特征研究[D];新疆農(nóng)業(yè)大學(xué);2016年

2 廖松有;模糊C均值與K均值聚類算法及其并行化[D];太原科技大學(xué);2013年

3 項宏亮;應(yīng)用高光譜技術(shù)區(qū)分土壤類型的初步探討[D];安徽師范大學(xué);2013年

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

5 魏娜;土壤含水量高光譜遙感監(jiān)測方法研究[D];中國農(nóng)業(yè)科學(xué)院;2009年

6 丁國香;基于神經(jīng)網(wǎng)絡(luò)的土壤有機(jī)質(zhì)及全鐵含量的高光譜反演研究[D];南京信息工程大學(xué);2008年

7 郝冉;PLS路徑建模在2007北京市誠信調(diào)查中的應(yīng)用研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2008年

8 謝伯承;基于高光譜遙感不同發(fā)生層土壤的光譜信息的提取研究[D];西北農(nóng)林科技大學(xué);2004年

，

本文編號：2567758