土壤有機(jī)質(zhì)、全碳、全氮含量的高低對(duì)作物的生長(zhǎng)具有重要作用�？焖佾@取土壤中有機(jī)質(zhì)、全碳、全氮含量信息,對(duì)農(nóng)業(yè)生產(chǎn)的科學(xué)管理和精細(xì)農(nóng)業(yè)的發(fā)展具有重要意義。傳統(tǒng)測(cè)量方法主要依賴實(shí)驗(yàn)室化學(xué)分析的方法,操作過(guò)程比較復(fù)雜、耗時(shí)長(zhǎng),而且測(cè)量成本較高,不利于大面積采集測(cè)量、掌握土壤信息�？梢姽�-近紅外光譜(也叫可見光-近紅外-短波紅外光譜(Vis-NIR-SWIR))具有低成本、無(wú)污染、快速實(shí)時(shí)檢測(cè)的優(yōu)點(diǎn),已被廣泛應(yīng)用到土壤特性檢測(cè)中。本文以青海省三江源區(qū)與湟水流域?yàn)檠芯繀^(qū),將野外采集的土壤樣本分別進(jìn)行土壤屬性與土壤光譜的測(cè)定,在此基礎(chǔ)上對(duì)土壤光譜數(shù)據(jù)進(jìn)行預(yù)處理并基于模糊K均值聚類對(duì)土壤光譜進(jìn)行土壤光譜分類與特征分析,最終基于偏最小二乘回歸(PLSR)和隨機(jī)森林(RF)對(duì)兩個(gè)研究區(qū)域土壤有機(jī)質(zhì)、全碳、全氮含量進(jìn)行高光譜估算研究。主要結(jié)論如下:(1)土壤原始光譜反射率整體表現(xiàn)為土壤有機(jī)質(zhì)含量越高光譜反射率越低,且在400~1350nm反射率變化較大,有機(jī)質(zhì)含量越高,反射率曲線越凹;包絡(luò)線去除處理后的光譜曲線在400~1350nm波段隨著有機(jī)質(zhì)含量的增加會(huì)出現(xiàn)明顯的吸收谷。(2)包絡(luò)線去除(或連續(xù)統(tǒng)去除)可以突出土壤光譜的吸收、反射特征,有利于土壤光譜的分類�；谕寥腊j(luò)線去除的模糊K均值聚類,對(duì)全局土壤(兩個(gè)研究區(qū)域的土壤樣本作為一個(gè)整體)進(jìn)行土壤光譜分類研究,結(jié)果表明該區(qū)域土壤光譜分類受土壤有機(jī)質(zhì)含量的影響較大。(3)對(duì)土壤光譜進(jìn)行一階微分、包絡(luò)線去除變換后的土壤光譜特征更加突出。原始光譜、一階微分、包絡(luò)線去除處理后的土壤光譜全波段偏最小二乘回歸建模表明經(jīng)過(guò)一階微分、包絡(luò)線去除可以減少模型的主成分?jǐn)?shù),簡(jiǎn)化模型結(jié)構(gòu),提高模型預(yù)測(cè)精度。(4)穩(wěn)定競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法挑選特征波段建模與全波段建模相比較,偏最小二乘、隨機(jī)森林估算模型的特征波段建模精度相比全波段建模精度整體沒(méi)有提高。但提取特征波段建模能夠簡(jiǎn)化模型結(jié)構(gòu),提高運(yùn)算速率,且對(duì)土壤光譜進(jìn)行不同預(yù)處理后所提取的特征波段也有所不同。(5)對(duì)濃度梯度法與Kennard-Stone(KS)方法挑選的校正集與驗(yàn)證集土壤有機(jī)質(zhì)、全氮、全碳含量特征統(tǒng)計(jì),并建立偏最小二乘回歸模型。湟水流域KS方法建立模型精度不高,且R~2_(cv)較大,R~2_(val)較小,模型過(guò)擬合。三江源區(qū)兩種校正樣本挑選方法的模型都具有較好的估算精度。三江源區(qū)有機(jī)質(zhì)、全碳、全氮含量相比湟水流域較高,表明濃度梯度法挑選的校正集更具有代表性。土壤有機(jī)質(zhì)含量較低時(shí),KS方法挑選校正集不具有代表性。(6)土壤有機(jī)質(zhì)、全碳、全氮含量的估算中,隨機(jī)森林模型的估算精度整體高于偏最小二乘模型的估算精度,這可能是因?yàn)橥寥烙袡C(jī)質(zhì)、全碳、全氮含量與土壤光譜并不是簡(jiǎn)單的線性關(guān)系,偏最小二乘回歸建模具有一定的局限性。(7)基于模糊K均值聚類分析的土壤估算模型精度較全局土壤估算模型精度沒(méi)有提高且有些類的估算模型精度低于全局估算模型精度�？赡苁怯捎谠搮^(qū)域土壤差異較小,有機(jī)質(zhì)對(duì)土壤的影響較大,且分類后的各類樣本數(shù)小造成的。
【學(xué)位單位】：青海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S153.6;S127
【部分圖文】：

三江源區(qū)土壤類型圖

湟水流域土壤類型圖

室內(nèi)土壤樣本光譜測(cè)量

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 譚琨;張倩倩;曹茜;杜培軍;;基于粒子群優(yōu)化支持向量機(jī)的礦區(qū)土壤有機(jī)質(zhì)含量高光譜反演[J];地球科學(xué)(中國(guó)地質(zhì)大學(xué)學(xué)報(bào));2015年08期

2 呂杰;郝寧燕;史曉亮;;基于流形學(xué)習(xí)的土壤高光譜數(shù)據(jù)特征提取研究[J];干旱區(qū)資源與環(huán)境;2015年07期

3 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

4 呂杰;郝寧燕;崔曉臨;;利用可見光近紅外的尾礦區(qū)農(nóng)田土壤Cu含量反演[J];農(nóng)業(yè)工程學(xué)報(bào);2015年09期

5 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

6 李丹;彭智平;韓留生;王重洋;劉尉;黃思宇;陳水森;;基于土壤反射光譜特性的廣東省稻田土壤快速分類[J];熱帶地理;2015年01期

7 劉國(guó)海;夏榮盛;江輝;梅從立;黃永紅;;一種基于SCARS策略的近紅外特征波長(zhǎng)選擇方法及其應(yīng)用[J];光譜學(xué)與光譜分析;2014年08期

8 蓋利亞;孫銀行;馮文娟;丁燕梅;陳宗良;;污染場(chǎng)地土壤的光譜特征分析[J];測(cè)繪科學(xué);2015年01期

9 吳明珠;李小梅;沙晉明;;亞熱帶土壤鉻元素的高光譜響應(yīng)和反演模型[J];光譜學(xué)與光譜分析;2014年06期

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

相關(guān)博士學(xué)位論文 前7條

1 史楊;基于可見光近紅外光譜的土壤成分預(yù)測(cè)模型研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

2 謝文;基于高光譜技術(shù)的森林土壤不同養(yǎng)分含量光譜特征及估測(cè)模型研究[D];江西農(nóng)業(yè)大學(xué);2017年

3 宋相中;近紅外光譜定量分析中三種新型波長(zhǎng)選擇方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2017年

4 林志丹;基于可見/近紅外光譜分析的化肥土壤成分速測(cè)模型研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

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

6 張飛;干旱區(qū)典型綠洲鹽漬地地物光譜特征研究[D];新疆大學(xué);2011年

7 邵詠妮;水稻生長(zhǎng)生理特征信息快速無(wú)損獲取技術(shù)的研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 孫肇佳;模糊C均值算法改進(jìn)研究及應(yīng)用[D];東北電力大學(xué);2018年

2 劉姣姣;陜西省主要土壤類型的高光譜反射特性與有機(jī)質(zhì)估測(cè)模型[D];西北農(nóng)林科技大學(xué);2018年

3 李冠穩(wěn);基于可見—近紅外光譜與回歸技術(shù)的土壤有機(jī)質(zhì)含量估算研究[D];青海師范大學(xué);2018年

4 康苒;松嫩平原典型土壤有機(jī)質(zhì)高光譜預(yù)測(cè)模型研究[D];東北農(nóng)業(yè)大學(xué);2016年

5 楊靈玉;三江源區(qū)土壤特性高光譜估算方法比較研究[D];青海師范大學(xué);2016年

6 陳煦;基于光譜分析的農(nóng)田土壤養(yǎng)分測(cè)定方法研究[D];西北農(nóng)林科技大學(xué);2015年

7 祝e

本文編號(hào)：2822391