土壤有機(jī)質(zhì)是土壤固體成分的重要組成部分,是植物攝取營養(yǎng)的重要來源,快速并精確地獲取土壤有機(jī)質(zhì)含量對發(fā)展精準(zhǔn)農(nóng)業(yè)具有重要意義。傳統(tǒng)的土壤有機(jī)質(zhì)含量化驗(yàn)方法雖然精度高,但花費(fèi)時間長、成本高,不能滿足大面積的監(jiān)測需求。高光譜遙感因其具有波段窄且多、光譜分辨率高、信息豐富等優(yōu)點(diǎn),已成為快速獲取大范圍土壤有機(jī)質(zhì)含量的新手段,但光譜估測精度有待提高。因此,本文以山東省濟(jì)南市章丘區(qū)的褐土土壤樣本為研究對象,基于耕層土壤與表層土壤有機(jī)質(zhì)含量的內(nèi)在聯(lián)系,利用卷積神經(jīng)網(wǎng)絡(luò)建立耕層土壤有機(jī)質(zhì)含量高光譜估測模型。主要研究內(nèi)容與結(jié)論如下:（1）.確定了章丘市土壤有機(jī)質(zhì)光譜數(shù)據(jù)特征因子。分析了褐土的光譜特性;利用一階微分、平方根、倒數(shù)、對數(shù)及其等8種方法對光譜反射率數(shù)據(jù)進(jìn)行變換,通過分析原始光譜數(shù)據(jù)及變換后的光譜數(shù)據(jù)同土壤有機(jī)質(zhì)含量的關(guān)聯(lián)性,確定了有機(jī)質(zhì)對光譜信號的敏感波段,并利用極大相關(guān)性原則提取了特征因子。結(jié)果表明,研究區(qū)褐土有機(jī)質(zhì)的敏感波段為485nm⁷60nm、1375nm¹382nm、2120nm²140nm、2330²

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

基于卷積神經(jīng)網(wǎng)絡(luò)的耕層土壤有機(jī)質(zhì)含量估測模型研究12圖2-1土壤樣本空間分布圖Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土樣光譜反射率檢測選擇晴朗的正午時分，在室外對土壤樣本進(jìn)行光譜信息采集。借助ASDFieldSpecProFR光譜儀進(jìn)行反射率數(shù)據(jù)確定，采集時傳感器與土樣距離15厘米，3視場角照射。得到光譜間隔1nm，波段范圍為350nm~2500nm的數(shù)據(jù)。每個樣本進(jìn)行多次測量，一般為10次，取樣本平均值作為此樣本的最終光譜反射率，減少測量過程中的誤差。圖2-2室外光譜采集圖Fig.2-2Theoutdoorspectralacquisitionofsoilsamples

基于卷積神經(jīng)網(wǎng)絡(luò)的耕層土壤有機(jī)質(zhì)含量估測模型研究12圖2-1土壤樣本空間分布圖Fig.2-1Thespatialdistributionmapofsoilsamples2.2.2土樣光譜反射率檢測選擇晴朗的正午時分，在室外對土壤樣本進(jìn)行光譜信息采集。借助ASDFieldSpecProFR光譜儀進(jìn)行反射率數(shù)據(jù)確定，采集時傳感器與土樣距離15厘米，3視場角照射。得到光譜間隔1nm，波段范圍為350nm~2500nm的數(shù)據(jù)。每個樣本進(jìn)行多次測量，一般為10次，取樣本平均值作為此樣本的最終光譜反射率，減少測量過程中的誤差。圖2-2室外光譜采集圖Fig.2-2Theoutdoorspectralacquisitionofsoilsamples

【參考文獻(xiàn)】：
期刊論文
[1]土壤有機(jī)質(zhì)高光譜反演模型研究[J]. 王祥浩.  黑龍江工程學(xué)院學(xué)報(bào). 2019(05)
[2]耕層土壤有機(jī)質(zhì)高光譜間接估測模型[J]. 鐘浩,李西燦,翟浩然,周鈺.  測繪科學(xué)技術(shù)學(xué)報(bào). 2019(01)
[3]基于經(jīng)驗(yàn)?zāi)B(tài)分解的空氣質(zhì)量指數(shù)組合預(yù)測方法及應(yīng)用[J]. 李婷婷,田瑞琦,汪漂.  價值工程. 2019(16)
[4]基于深度學(xué)習(xí)的農(nóng)業(yè)植物表型研究綜述[J]. 翁楊,曾睿,吳陳銘,王猛,王秀杰,劉永進(jìn).  中國科學(xué):生命科學(xué). 2019(06)
[5]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的人臉識別研究[J]. 薛艷杰,鄧燕妮.  科技風(fēng). 2019(11)
[6]卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)與應(yīng)用發(fā)展[J]. 黃呈鋮,黃華梅.  信息與電腦(理論版). 2019(07)
[7]微分算法的艾比湖濕地自然保護(hù)區(qū)土壤有機(jī)質(zhì)多光譜建模[J]. 李雪萍,張飛,王小平.  光譜學(xué)與光譜分析. 2019(02)
[8]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用[J]. 圣文順,孫艷文.  軟件工程. 2019(02)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的中國繪畫圖像分類[J]. 楊冰,陳浩月,王小華,姚金良.  軟件導(dǎo)刊. 2019(01)
[10]新疆阜康荒地土壤有機(jī)質(zhì)高光譜特征及其反演模型研究[J]. 喬娟峰,熊黑鋼,王小平,鄭曼迪,劉靖朝,李榮榮.  干旱地區(qū)農(nóng)業(yè)研究. 2018(05)

博士論文
[1]花椒產(chǎn)地、新陳度及摻偽的近紅外光譜鑒別方法研究[D]. 吳習(xí)宇.西南大學(xué) 2018

碩士論文
[1]基于改進(jìn)YOLOv3的安全帽檢測系統(tǒng)研究[D]. 何超.華中科技大學(xué) 2019
[2]基于深度學(xué)習(xí)的圖像檢索方法研究[D]. 張松偉.華中科技大學(xué) 2019
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的船舶吃水線檢測算法[D]. 薛銀濤.燕山大學(xué) 2019
[4]土壤有機(jī)質(zhì)高光譜灰色關(guān)聯(lián)估測的修正模型研究[D]. 苗傳紅.山東農(nóng)業(yè)大學(xué) 2019
[5]基于灰色關(guān)聯(lián)分析的土壤鉻含量高光譜估測研究[D]. 路杰暉.山東農(nóng)業(yè)大學(xué) 2019
[6]基于灰色區(qū)間的土壤有機(jī)質(zhì)高光譜PSO-BPNN估測模型[D]. 鄒慧敏.山東農(nóng)業(yè)大學(xué) 2019
[7]土壤全氮和有機(jī)質(zhì)高光譜估測模型研究[D]. 楊向陽.河南農(nóng)業(yè)大學(xué) 2018
[8]濟(jì)陽縣潮土光譜特性及含水量估測[D]. 丁春林.山東農(nóng)業(yè)大學(xué) 2018
[9]有機(jī)質(zhì)與含水量對土壤高光譜的交互影響及其估測模型[D]. 尚璇.山東農(nóng)業(yè)大學(xué) 2018
[10]土壤有機(jī)質(zhì)高光譜灰色關(guān)聯(lián)度估測模型研究[D]. 李明亮.山東農(nóng)業(yè)大學(xué) 2017



本文編號：3447571