土壤全氮（Total Nitrogen,TN）是植物生長的重要營養(yǎng)來源,是衡量土壤質(zhì)量的重要指標(biāo)之一,快速準(zhǔn)確地獲取農(nóng)田土壤氮素信息尤為重要。選取濰北平原為研究區(qū)域,系統(tǒng)測試111個土壤樣本并采集原狀土壤高光譜,測定土壤全氮值并建立基于隨機(jī)森林算法（Random Forest,RF）及皮爾遜相關(guān)系數(shù)（Pearson’s Correlation Coefficient,PCC）特征提取的偏最小二乘法（Partial Least-Squares Regression,PLSR）與深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法（Deep Neural Networks,DNN）模型,實(shí)現(xiàn)了局地尺度上的土壤全氮值估算反演。結(jié)果表明,不同氮素含量的土壤在光譜探測區(qū)間表現(xiàn)出一定的變化趨勢,不同全氮含量土壤光譜反射率差異顯著,土壤全氮含量升高光譜反射率隨之降低。土壤全氮存在334～660 nm、730～880 nm和900～1 000 nm三個敏感信號譜間,全氮光譜估算與土壤中鐵的氧化物、植物體殘?jiān)陀袡C(jī)質(zhì)間接信號密切相關(guān)�；陔S機(jī)森林算法建立的DNN模型估算效果最佳（R²=0.77,RPD=1.2）,其... 

【文章來源】：安全與環(huán)境學(xué)報(bào). 2020,20(05)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)及采樣點(diǎn)示意圖

依據(jù)土壤全氮值與光譜的PCC，選取前25個波段(|PCC|≥0.35且在0.05水平上顯著)，見圖3�？梢钥闯觯琍CC分析選取的特征波段中心波段在737～1 064 nm，除中心波長為1 009 nm和1 052 nm的特征波段為正相關(guān)以外，其余均為負(fù)相關(guān)。通過對比隨機(jī)森林算法計(jì)算得到的每個特征對模型準(zhǔn)確率影響的MDA，選取25個特征波段(MDA>2.2)，見圖4。從圖3和4可以看出，730～880 nm是兩種算法共同涵蓋的光譜特征區(qū)間。由隨機(jī)森林算法選取的特征波段的中心波長為334～880 nm，在此范圍內(nèi)特征波段的分布較為均勻。圖3 由相關(guān)系數(shù)提取的重要性前25特征波段

由相關(guān)系數(shù)提取的重要性前25特征波段

【參考文獻(xiàn)】：
期刊論文
[1]FT-NIR光譜半定性判別方法應(yīng)用于土壤總氮的波段優(yōu)選[J]. 辜潔,陳華舟,陳偉豪,莫麗娜,溫江北.  光譜學(xué)與光譜分析. 2020(02)
[2]基于高光譜的土壤養(yǎng)分含量反演模型研究[J]. 陶培峰,王建華,李志忠,周萍,楊佳佳,高樊琦.  地質(zhì)與資源. 2020(01)
[3]基于土壤優(yōu)化光譜參數(shù)估測太湖地區(qū)土壤全氮含量[J]. 宋雪,張民,周洪印,于小晶,劉之廣,徐子云,王有良.  農(nóng)業(yè)資源與環(huán)境學(xué)報(bào). 2020(01)
[4]黑土養(yǎng)分含量的航空高光譜遙感預(yù)測[J]. 楊越超,趙英俊,秦凱,趙寧博,楊晨,張東輝,崔鑫.  農(nóng)業(yè)工程學(xué)報(bào). 2019(20)
[5]基于PCA-MLR和PCA-BPN的萊州灣南岸濱海平原土壤有機(jī)質(zhì)高光譜預(yù)測研究[J]. 徐夕博,呂建樹,吳泉源,于慶,周旭,曹見飛.  光譜學(xué)與光譜分析. 2018(08)
[6]土壤星地傳感技術(shù)現(xiàn)狀與發(fā)展趨勢[J]. 史舟,徐冬云,滕洪芬,胡月明,潘賢章,張甘霖.  地理科學(xué)進(jìn)展. 2018(01)
[7]Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations[J]. SHI Zhou,WANG QianLong,PENG Jie,JI WenJun,LIU HuanJun,LI Xi,Raphael A VISCARRA ROSSEL.  Science China（Earth Sciences）. 2014(07)
[8]土壤氧化鐵光譜特征研究[J]. 何挺,王靜,程燁,林宗堅(jiān).  地理與地理信息科學(xué). 2006(02)

碩士論文
[1]基于高光譜的濰北平原土壤有機(jī)質(zhì)預(yù)測與空間格局研究[D]. 徐夕博.山東師范大學(xué) 2019



本文編號：3576382