錳是植物生長(zhǎng)發(fā)育必需的微量營(yíng)養(yǎng)元素,同時(shí)錳也是一種重金屬元素,當(dāng)土壤中錳含量過多或有效性很高時(shí),植物正常生長(zhǎng)將受阻,出現(xiàn)錳中毒現(xiàn)象。高光譜遙感憑借其極高的光譜分辨率,具備了定量獲取土壤化學(xué)組分的研究潛力,研究利用土壤的反射光譜,估算土壤中金屬元素含量,將為衛(wèi)星遙感在土壤金屬元素監(jiān)測(cè)的實(shí)用化提供理論基礎(chǔ)。本文利用研究地區(qū)土壤樣本,系統(tǒng)的研究不同土壤粒徑（0.25mm、1mm、2mm）與反射光譜之間的關(guān)系,并運(yùn)用主成分回歸分析、偏最小二乘回歸分析、支持向量機(jī)回歸分析和極限學(xué)習(xí)機(jī)算法等不同的建模方法,建立土壤錳含量的反射率、一階微分和倒數(shù)對(duì)數(shù)等不同高光譜估算模型。在此基礎(chǔ)上,利用模擬氣象衛(wèi)星NOAA（AVHRR）、FY-3A（MERSI）傳感器的土壤反射光譜進(jìn)行建模,進(jìn)一步探索利用模擬反射率進(jìn)行錳含量估算的可行性。主要結(jié)論如下：研究結(jié)果表明,土壤粒徑大小與光譜反射率之間呈負(fù)相關(guān)關(guān)系,利用主成分回歸建立不同粒徑反射率與錳含量的關(guān)系模型,2mm粒徑在錳含量的估算中具有相對(duì)較高的精度。不同的光譜變換形式對(duì)估算結(jié)果影響較大,對(duì)于不同的估算模型,一階微分變換優(yōu)于反射率和倒數(shù)對(duì)數(shù)變換,檢驗(yàn)相關(guān)系數(shù)達(dá)到極... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原始上壤反射光譜特征曲線

第二章研究區(qū)及數(shù)據(jù)獲取 2.4.2重采樣由于光譜儀在不同波段對(duì)能量響應(yīng)的差異，原始光譜曲線存在許多“毛刺”噪聲，光譜曲線不太平滑；另一方面，F(xiàn)ieldSpec 3光譜儀在350~1050nm采樣間隔為1.377nm,在1000?2500nm采樣間隔為2nm，在整個(gè)波長(zhǎng)范圍內(nèi)的重采樣間隔為Inm，使得重采樣后所得的原始光譜曲線相鄰波段之間存在嚴(yán)重的信息重合，導(dǎo)致整個(gè)光譜數(shù)據(jù)信息冗余。在350?2500nm波長(zhǎng)范圍內(nèi)，共輸出2151個(gè)波段，數(shù)據(jù)量極大，無論是傳統(tǒng)的多元回歸法、偏最小一.乘回歸法，還是人工神經(jīng)網(wǎng)絡(luò)法，都存在變量多樣本少的問題，極易產(chǎn)生過擬合現(xiàn)象，這必然給數(shù)據(jù)分析、處理帶來一定的困難，影響處理的效率和結(jié)果。高光譜擁有大量信息的同時(shí)，也給信息分析處理帶來了一系列問題。為了減少數(shù)據(jù)量，并去除冗余信息，本研究對(duì)原始反射光譜進(jìn)行l(wèi)Onm間隔的重采樣，Kemper等認(rèn)為lOnm或20nm的采樣間隔，不但可以減少噪聲的影響，還可以提高估算精度。經(jīng)過重采樣后的光譜分辨率降低，數(shù)據(jù)在一定程度上得到了平滑，但是仍然保持了原光譜的主要特征。

波長(zhǎng)(中-位：nm)圖2胃7 —階微分變換光iff曲線2.4.4倒數(shù)對(duì)數(shù)變換反射光譜經(jīng)倒數(shù)對(duì)數(shù)變換P丨以反映地物的吸收特征，由于可見光區(qū)域上壤反射率值較低，經(jīng)過變換后，不僅nj.以增強(qiáng)可見光區(qū)域的光譜差昇，而且還能減少因光照條件變化引起的乘性因素的影響[50-51]。土壤樣品的倒數(shù)對(duì)數(shù)變換光譜曲線見圖2-8,本研究中其計(jì)算公式如下：/?'(A,) = log^ (2.2)式中A,為波長(zhǎng)，反射率，i?’(義為倒數(shù)對(duì)數(shù)光譜。16

【參考文獻(xiàn)】：
期刊論文
[1]極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)在短期降水預(yù)報(bào)中的應(yīng)用[J]. 虞雙吉,苗春生,王新.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(04)
[2]基于綜合高光譜指數(shù)的區(qū)域土壤鹽漬化監(jiān)測(cè)研究[J]. 丁建麗,伍漫春,劉海霞,李爭(zhēng)光.  光譜學(xué)與光譜分析. 2012(07)
[3]基于高光譜的土壤重金屬銅的反演研究[J]. 王維,沈潤(rùn)平,吉曹翔.  遙感技術(shù)與應(yīng)用. 2011(03)
[4]土壤砷含量高光譜估算模型研究[J]. 鄭光輝,周生路,吳紹華.  光譜學(xué)與光譜分析. 2011(01)
[5]基于近紅外光譜和支持向量機(jī)的土壤參數(shù)預(yù)測(cè)[J]. 鄭立華,李民贊,安曉飛,孫紅.  農(nóng)業(yè)工程學(xué)報(bào). 2010(S2)
[6]土壤粒徑對(duì)土壤光譜特征的影響[J]. 楊雪紅.  科技信息. 2010(25)
[7]土壤侵蝕評(píng)價(jià)遙感研究進(jìn)展[J]. 張喜旺,周月敏,李曉松,袁超,閆娜娜,吳炳方.  土壤通報(bào). 2010(04)
[8]土壤重金屬Cu含量遙感反演的波段選擇與最佳光譜分辨率研究[J]. 黃長(zhǎng)平,劉波,張霞,童慶禧.  遙感技術(shù)與應(yīng)用. 2010(03)
[9]極限學(xué)習(xí)機(jī)在巖性識(shí)別中的應(yīng)用[J]. 蔡磊,程國建,潘華賢.  計(jì)算機(jī)工程與設(shè)計(jì). 2010(09)
[10]濱海鹽土重金屬含量高光譜遙感研究[J]. 龔紹琦,王鑫,沈潤(rùn)平,劉振波,李云梅.  遙感技術(shù)與應(yīng)用. 2010(02)

博士論文
[1]土壤主要養(yǎng)分含量的高光譜估測(cè)研究[D]. 陳紅艷.山東農(nóng)業(yè)大學(xué) 2012
[2]土壤高光譜遙感信息提取與二向反射模型研究[D]. 程街亮.浙江大學(xué) 2008
[3]高光譜土壤成分信息的量化反演[D]. 周萍.中國地質(zhì)大學(xué)（北京） 2006
[4]土壤有機(jī)質(zhì)含量高光譜預(yù)測(cè)模型及其差異性研究[D]. 周清.浙江大學(xué) 2004

碩士論文
[1]基于支持向量機(jī)的土壤養(yǎng)分制圖研究[D]. 盛慶凱.西南大學(xué) 2013
[2]基于智能算法的近紅外光譜分析與建模[D]. 張耀東.東北大學(xué) 2006
[3]基于實(shí)驗(yàn)室光譜的土壤營(yíng)養(yǎng)元素反演研究[D]. 徐永明.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2005



本文編號(hào)：3584506