以河北省安平縣32個地塊的土壤參數(shù)及其高光譜數(shù)據(jù)為數(shù)據(jù)源,利用預(yù)處理后光譜數(shù)據(jù)（反射率）及其倒數(shù)、對數(shù)、開平方根、光譜吸收峰深度、開方根等8種基本變換及其一階微分、二階微分處理共計24種光譜變換方法處理分析土壤光譜數(shù)據(jù),結(jié)合相關(guān)性分析算法提取光譜敏感波段,并利用偏最小二乘算法分別構(gòu)建土壤有機質(zhì)、全氮含量的預(yù)測模型。研究結(jié)果表明:與基本變換相比,在基本變換的基礎(chǔ)上進行微分變換后的光譜信息對土壤養(yǎng)分含量的預(yù)測能力明顯提升;經(jīng)微分處理后的光譜信息與未處理的土壤光譜信息對土壤有機質(zhì)含量的預(yù)測能力由強到弱依次為基本變換結(jié)合一階微分變換>基本變換結(jié)合二階微分變換>基本變換,對土壤全氮含量的預(yù)測能力由強到弱依次為基本變換結(jié)合二階微分變換>基本變換結(jié)合一階微分變換>基本變換;此外,在24種變換中,以倒數(shù)的一階微分變換構(gòu)建的有機質(zhì)含量的預(yù)測能力預(yù)測模型最佳,其確定系數(shù)為0.803,以開平方根的一階微分變換構(gòu)建的全氮含量預(yù)測模型的預(yù)測能力最佳,其確定系數(shù)為0.831。這表明采用微分光譜技術(shù)可以更有效地進行土壤有機質(zhì)及全氮含量的實時監(jiān)測。 

【文章來源】：江蘇農(nóng)業(yè)科學(xué). 2020,48(24)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 材料與方法
    1.1 土樣采集與處理
    1.2 光譜處理
    1.3 微分光譜分析
    1.4 模型精度驗證
2 結(jié)果與分析
    2.1 相關(guān)性分析
    2.2 有機質(zhì)含量建模
    2.3 全氮含量建模
    2.4 模型分析
3 討論
4 結(jié)論


【參考文獻】：
期刊論文
[1]連續(xù)小波變換定量反演土壤有機質(zhì)含量[J]. 王延倉,張?zhí)m,王歡,顧曉鶴,莊連英,段龍方,李佳俊,林靖.  光譜學(xué)與光譜分析. 2018(11)
[2]基于綜合光譜指數(shù)的不同程度人類干擾下土壤有機質(zhì)含量預(yù)測[J]. 鄭曼迪,熊黑鋼,喬娟峰,劉靖朝.  江蘇農(nóng)業(yè)學(xué)報. 2018(05)
[3]基于小波變換與偏最小二乘耦合模型估測北方潮土有機質(zhì)含量[J]. 王延倉,楊貴軍,朱金山,顧曉鶴,徐鵬,廖欽洪.  光譜學(xué)與光譜分析. 2014(07)
[4]利用反射光譜及模擬多光譜數(shù)據(jù)定量反演北方潮土有機質(zhì)含量[J]. 王延倉,顧曉鶴,朱金山,龍慧靈,徐鵬,廖欽洪.  光譜學(xué)與光譜分析. 2014(01)
[5]南四湖區(qū)農(nóng)田土壤有機質(zhì)和微量元素空間分布特征及影響因素[J]. 武婕,李玉環(huán),李增兵,方正,鐘豫.  生態(tài)學(xué)報. 2014(06)
[6]精準(zhǔn)施肥技術(shù)的研究現(xiàn)狀與發(fā)展趨勢[J]. 陳桂芬,馬麗,陳航.  吉林農(nóng)業(yè)大學(xué)學(xué)報. 2013(03)
[7]高光譜遙感在土壤研究中的應(yīng)用[J]. 吳良超,劉曉,高佩玲.  安徽農(nóng)業(yè)科學(xué). 2013(02)
[8]光譜分辨率對黑土有機質(zhì)預(yù)測模型的影響[J]. 劉煥軍,吳炳方,趙春江,趙云升.  光譜學(xué)與光譜分析. 2012(03)
[9]近紅外光譜技術(shù)在土壤養(yǎng)分分析中的研究進展及應(yīng)用前景[J]. 丁海泉,盧啟鵬.  光譜學(xué)與光譜分析. 2012(01)
[10]松嫩平原典型土壤高光譜定量遙感研究[J]. 劉煥軍,張柏,劉殿偉,王宗明,宋開山,楊飛.  遙感學(xué)報. 2008(04)

博士論文
[1]松遼平原黑土有機質(zhì)及相關(guān)元素遙感定量反演研究[D]. 程彬.吉林大學(xué) 2007
[2]土壤有機質(zhì)含量高光譜預(yù)測模型及其差異性研究[D]. 周清.浙江大學(xué) 2004



本文編號：3080746