珠海一號(hào)高光譜遙感的表層土壤有機(jī)質(zhì)含量反演方法
發(fā)布時(shí)間:2023-05-13 02:59
表層土壤有機(jī)質(zhì)含量影響土壤光譜特性且在空間分布上呈異質(zhì)性。采用光譜分辨率高、波段連續(xù)性強(qiáng)的高光譜遙感影像反演區(qū)域表層土壤有機(jī)質(zhì)空間分布狀況,可為精準(zhǔn)農(nóng)業(yè)提供科學(xué)管理依據(jù)。針對(duì)以往方法很少基于高光譜影像大尺度反演土壤表層有機(jī)質(zhì)含量,以安徽省淮南市舜耕山以南的三和鎮(zhèn)、曹庵鎮(zhèn)為研究區(qū),探索珠海一號(hào)高光譜遙感反演表層土壤有機(jī)質(zhì)含量的方法。研究結(jié)果表明,研究區(qū)表層土壤有機(jī)質(zhì)含量與珠海一號(hào)高光譜影像原始光譜反射率最大相關(guān)波段為656nm(r=-0.680);采用小波包分解原始光譜后,低頻分量和高頻分量與表層土壤有機(jī)質(zhì)的最大相關(guān)性均有所提高,低頻分量最大相關(guān)波段為656nm(r=-0.797),高頻分量最大相關(guān)波段為700nm(r=-0.804)。采用多元線性回歸對(duì)原始光譜、小波包分解低頻分量、小波包分解高頻分量建立土壤有機(jī)質(zhì)預(yù)測(cè)模型取得了良好的效果,R2分別為0.747、0.770、0.789。依據(jù)小波包分解的低頻分量、小波包分解的高頻分量建立的基于高斯核變換的支持向量回歸模型預(yù)測(cè)效果優(yōu)于多元線性回歸模型,預(yù)測(cè)值與實(shí)測(cè)值更接近。研究結(jié)果為開展大尺度遙感反演表層土壤有機(jī)質(zhì)工作提供了新方法、新思路。
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
0 引言
1 研究區(qū)概況及采樣點(diǎn)設(shè)計(jì)
2 數(shù)據(jù)預(yù)處理
2.1 遙感影像及其預(yù)處理
2.2 小波包分析
2.3 相關(guān)性分析
3 回歸分析與精度評(píng)估
3.1 多元線性回歸模型
3.2 基于高斯核函數(shù)的支持向量機(jī)回歸模型
3.3 精度評(píng)估
4 結(jié)果與分析
4.1 相關(guān)性分析結(jié)果
4.2 土壤有機(jī)質(zhì)模型預(yù)測(cè)結(jié)果
4.3 結(jié)果分析
5 結(jié)束語(yǔ)
本文編號(hào):3815161
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
0 引言
1 研究區(qū)概況及采樣點(diǎn)設(shè)計(jì)
2 數(shù)據(jù)預(yù)處理
2.1 遙感影像及其預(yù)處理
2.2 小波包分析
2.3 相關(guān)性分析
3 回歸分析與精度評(píng)估
3.1 多元線性回歸模型
3.2 基于高斯核函數(shù)的支持向量機(jī)回歸模型
3.3 精度評(píng)估
4 結(jié)果與分析
4.1 相關(guān)性分析結(jié)果
4.2 土壤有機(jī)質(zhì)模型預(yù)測(cè)結(jié)果
4.3 結(jié)果分析
5 結(jié)束語(yǔ)
本文編號(hào):3815161
本文鏈接:http://sikaile.net/kejilunwen/nykj/3815161.html
最近更新
教材專著