發(fā)布時(shí)間：2020-05-13 13:35

【摘要】：土壤是農(nóng)作物生長(zhǎng)的基礎(chǔ),全氮、有機(jī)質(zhì)等作為主要養(yǎng)分含量,對(duì)作物生長(zhǎng)有重要作用。傳統(tǒng)的土壤養(yǎng)分測(cè)定方法費(fèi)時(shí)、費(fèi)力、時(shí)效性差,而利用高光譜遙感技術(shù)構(gòu)建土壤全氮和有機(jī)質(zhì)定量估算模型進(jìn)而反演其含量,可有效提高土壤養(yǎng)分的監(jiān)測(cè)效率,為土壤信息化管理和作物精準(zhǔn)施肥提供重要的依據(jù)。本研究以河南省4種主要土壤類型共347個(gè)樣本為研究對(duì)象,采用高光譜遙感技術(shù)獲取土壤樣本的光譜反射率曲線,對(duì)原始光譜曲線進(jìn)行一階導(dǎo)數(shù)、倒數(shù)、倒數(shù)的一階導(dǎo)數(shù)等10種光譜形式變換,采用相關(guān)分析(CA)和遺傳算法(GA)挑選出土壤全氮和有機(jī)質(zhì)的特征波段,結(jié)合偏最小二乘回歸(PLSR)、支持向量機(jī)(SVM)、BP神經(jīng)網(wǎng)絡(luò)(BPNN)與隨機(jī)森林(RF)等4種建模方法分別構(gòu)建了土壤全氮和有機(jī)質(zhì)的高光譜估測(cè)模型。主要結(jié)果如下:(1)利用傳統(tǒng)統(tǒng)計(jì)方法對(duì)5個(gè)采樣區(qū)土壤樣本的全氮和有機(jī)質(zhì)進(jìn)行統(tǒng)計(jì)分析得出,漯河和商水的全氮含量處于中等以上水平,滑縣、信陽(yáng)、平頂山的全氮含量處于中等以下水平;商水的有機(jī)質(zhì)含量處于中等以上水平,漯河、滑縣、信陽(yáng)和平頂山四個(gè)地區(qū)的有機(jī)質(zhì)含量處于中等以下水平。從變異系數(shù)來看,5個(gè)地區(qū)的全氮和有機(jī)質(zhì)均處于中等變異水平。(2)土壤光譜曲線除在1400nm、1900nm和2200nm附近存在明顯的吸收峰,整體趨勢(shì)相對(duì)平緩。不同土壤類型光譜曲線走勢(shì)大致相同,但反射率的高低具有一定的差異。養(yǎng)分含量也會(huì)影響反射率的大小,如砂姜黑土的有機(jī)質(zhì)含量高,反射率整體比較低,潮土、水稻土和褐土的原始光譜曲線走勢(shì)區(qū)別不明顯,但多處有交叉狀況。(3)確定了土壤全氮和有機(jī)質(zhì)的特征波段。分別對(duì)原始光譜及其各種變換形式與全氮和有機(jī)質(zhì)含量進(jìn)行相關(guān)分析,表現(xiàn)最好的是(1/lg R),它與全氮和有機(jī)質(zhì)的相關(guān)系數(shù)的峰值點(diǎn)最多且最明顯,且與全氮和有機(jī)質(zhì)的相關(guān)系數(shù)分別達(dá)到了0.79和0.81。將(1/lg R)與全氮和有機(jī)質(zhì)相關(guān)系數(shù)的10個(gè)峰值點(diǎn)所在波段作為特征波段;采用GA對(duì)原始光譜進(jìn)行全氮和有機(jī)質(zhì)的特征波段選擇時(shí),以10nm為光譜選擇的區(qū)間大小,按波段選擇的頻率和組分的貢獻(xiàn)率由大到小排列,將頻率排名在前10的光譜波段區(qū)間的原始光譜波段作為特征波段。(4)基于特征波段,分別采用PLSR、SVM、BPNN與RF等4種建模方法構(gòu)建全氮和有機(jī)質(zhì)含量的估測(cè)模型。利用RF模型構(gòu)建的模型的驗(yàn)證精度RPD均大于2,表明了RF可以用于全氮和有機(jī)質(zhì)的高光譜估測(cè)模型的構(gòu)建中,并有較好的估測(cè)能力。除了基于GA-RF構(gòu)建的模型精度小于CA-PLSR構(gòu)建的模型精度之外,SVM、BPNN和RF三種非線性建模方法的估測(cè)模型精度要高于線性模型PLSR的估測(cè)精度。除了基于CA-PLSR構(gòu)建的估測(cè)模型精度RPD小于2之外,其他模型精度RPD均大于2,表明模型對(duì)全氮和有機(jī)質(zhì)有較好的估測(cè)能力,其中基于BPNN構(gòu)建的模型估測(cè)精度最高,是整體建模結(jié)果中最好的模型。
【圖文】：

店等；水稻土以信陽(yáng)地區(qū)最多；褐土主要分布在三門峽、洛陽(yáng)、平頂山和鄭州等主要土壤類型的代表性和分布地區(qū)相對(duì)集中性的原則進(jìn)行選樣，土壤樣本來自 年河南漯河郾城區(qū)大區(qū)試驗(yàn)、滑縣小麥試驗(yàn)田、商水小麥試驗(yàn)田、平頂山試驗(yàn)田和南信陽(yáng)水稻實(shí)驗(yàn)田。為了避免土壤本身存在的空間分布不均一性，每個(gè)樣本是三個(gè)樣點(diǎn)的混合樣本。土壤樣本采集一共分為兩個(gè)土層，采樣時(shí)將每個(gè)采樣點(diǎn)地表植物個(gè)土層的樣本采集是用土鉆挖取對(duì)角線上三個(gè)點(diǎn)的土壤混合而成，共采集樣本 3方位和取樣情況分別如圖 3-2 和表 3-1 所示。

4 結(jié)果與分析4.1 土壤樣本統(tǒng)計(jì)分析4.1.1 異常樣本剔除異常樣本的剔除選擇是箱線圖判別法。以每次取樣的時(shí)間和地點(diǎn)為橫坐標(biāo)，，土壤全氮和有機(jī)質(zhì)的含量為縱坐標(biāo)，分別做全氮和有機(jī)質(zhì)的箱形圖如圖 4-1 所示。圖 4-1 中，橫坐標(biāo)LH1、LH2、HX、SS1、SS2、XY 和 PDS 分別代表漯河第一次取樣、漯河第二次取樣、滑縣、商水第一次取樣、商水第二次取樣、信陽(yáng)和平頂山，從圖 4-1（左）中可以看出，平頂山（PDS）中有一個(gè)樣本的是異常樣本，這個(gè)異常樣本的全氮含量是 0.5378，有機(jī)質(zhì)含量是6.8629。在以后的分析中，從總體 347 個(gè)樣本中剔除這一樣本，用 346 個(gè)樣本做建模分析。
【學(xué)位授予單位】：河南農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S153;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 劉秀英;王力;常慶瑞;王曉星;尚艷;;基于相關(guān)分析和偏最小二乘回歸的黃綿土土壤全氮和堿解氮含量的高光譜預(yù)測(cè)[J];應(yīng)用生態(tài)學(xué)報(bào);2015年07期

3 關(guān)紅;賈科利;張至楠;馬欣;;鹽漬化土壤光譜特征分析與建模[J];國(guó)土資源遙感;2015年02期

4 楊揚(yáng);高小紅;賈偉;張威;李金山;張艷嬌;田成明;;三江源區(qū)不同土壤類型有機(jī)質(zhì)含量高光譜反演[J];遙感技術(shù)與應(yīng)用;2015年01期

5 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

6 王乾龍;李碩;盧艷麗;彭杰;史舟;周煉清;;基于大樣本土壤光譜數(shù)據(jù)庫(kù)的氮含量反演[J];光學(xué)學(xué)報(bào);2014年09期

7 侯艷軍;塔西甫拉提·特依拜;買買提·沙吾提;張飛;;荒漠土壤有機(jī)質(zhì)含量高光譜估算模型[J];農(nóng)業(yè)工程學(xué)報(bào);2014年16期

8 薛利紅;周鼎浩;李穎;楊林章;;不同利用方式下土壤有機(jī)質(zhì)和全磷的可見近紅外高光譜反演[J];土壤學(xué)報(bào);2014年05期

9 張雷;王琳琳;張旭東;劉世榮;孫鵬森;王同立;;隨機(jī)森林算法基本思想及其在生態(tài)學(xué)中的應(yīng)用——以云南松分布模擬為例[J];生態(tài)學(xué)報(bào);2014年03期

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

相關(guān)博士學(xué)位論文 前2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 唐發(fā)明;基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[D];華中科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前2條

1 祝e

本文編號(hào)：2662040