發(fā)布時(shí)間：2020-12-21 23:03

　　有機(jī)質(zhì)是土壤的重要組成部分,是反映土壤肥力高低的重要指標(biāo)。及時(shí)、快速掌握土壤有機(jī)質(zhì)狀況是進(jìn)行田間管理的基礎(chǔ)。傳統(tǒng)的獲取土壤有機(jī)質(zhì)的試驗(yàn)方法已經(jīng)難以滿足現(xiàn)代農(nóng)業(yè)生產(chǎn)的要求。高光譜技術(shù)因快速、簡(jiǎn)便、零污染、無(wú)破壞等特點(diǎn),已經(jīng)成為目前獲取農(nóng)田土壤屬性信息的重要手段。本文以田間小區(qū)試驗(yàn)的麥田土壤為研究對(duì)象,從山西農(nóng)業(yè)大學(xué)農(nóng)作站小區(qū)試驗(yàn)田中采取0-20cm的表層土壤,通過(guò)測(cè)定土壤有機(jī)質(zhì)及其光譜,運(yùn)用常規(guī)處理、變換處理和校正處理三種不同的光譜預(yù)處理方法后,在分析預(yù)處理光譜與土壤有機(jī)質(zhì)含量相關(guān)性的基礎(chǔ)上,建立基于偏最小二乘法（partial least squares regression, PLSR）的土壤有機(jī)質(zhì)含量的高光譜定量模型;運(yùn)用連續(xù)投影算法（successive projections algorithm, SPA）對(duì)相關(guān)性高的三種預(yù)處理方法進(jìn)行特征波段的提取,利用多元線性回歸方法建立土壤有機(jī)質(zhì)的光譜預(yù)測(cè)模型,最后對(duì)基于全譜的偏最小二乘法模型和基于特征波段的多元線性回歸模型進(jìn)行檢驗(yàn)和對(duì)比,通過(guò)比較不同的預(yù)處理方法和建模方法,選擇和實(shí)現(xiàn)定量監(jiān)測(cè)麥田土壤有機(jī)質(zhì),結(jié)果表明：1)光譜數(shù)據(jù)經(jīng)預(yù)處理... 

【文章來(lái)源】：山西農(nóng)業(yè)大學(xué)山西省

【文章頁(yè)數(shù)】：40 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
1 前言
    1.1 研究背景
    1.2 高光譜遙感技術(shù)
        1.2.1 高光譜遙感技術(shù)概述
        1.2.2 高光譜遙感技術(shù)在土壤有機(jī)質(zhì)方面的研究
        1.2.3 建模方法發(fā)展概況
    1.3 研究切入點(diǎn)
    1.4 研究?jī)?nèi)容與方法
        1.4.1 研究?jī)?nèi)容
        1.4.2 研究方法
    1.5 研究的目的和意義
2 材料與方法
    2.1 試驗(yàn)設(shè)計(jì)
    2.2 土壤高光譜的測(cè)定
    2.3 土壤有機(jī)質(zhì)的測(cè)定
    2.4 光譜數(shù)據(jù)處理與分析
        2.4.1 高光譜數(shù)據(jù)預(yù)處理
        2.4.2 高光譜數(shù)據(jù)變換處理
        2.4.3 高光譜數(shù)據(jù)校正處理
        2.4.4 化學(xué)計(jì)量學(xué)建模方法
    2.5 模型的構(gòu)建與檢驗(yàn)
    2.6 技術(shù)路線圖
3 結(jié)果與分析
    3.1 土壤有機(jī)質(zhì)的描述性統(tǒng)計(jì)分析
    3.2 土壤的光譜特征分析
    3.3 高光譜數(shù)據(jù)常規(guī)處理方法選擇
        3.3.1 不同高光譜數(shù)據(jù)常規(guī)處理光譜
        3.3.2 不同高光譜數(shù)據(jù)常規(guī)處理光譜與土壤有機(jī)質(zhì)的相關(guān)性分析
        3.3.3 土壤有機(jī)質(zhì)PLSR模型的最佳高光譜數(shù)據(jù)預(yù)處理方法選擇
    3.4 高光譜數(shù)據(jù)變換處理方法選擇
        3.4.1 不同高光譜數(shù)據(jù)變換處理光譜
        3.4.2 不同高光譜數(shù)據(jù)變換處理光譜與土壤有機(jī)質(zhì)的相關(guān)性分析
        3.4.3 土壤有機(jī)質(zhì)PLSR模型的最佳高光譜數(shù)據(jù)變換處理方法選擇
    3.5 高光譜數(shù)據(jù)校正處理方法選擇
        3.5.1 不同高光譜數(shù)據(jù)校正處理光譜
        3.5.2 不同高光譜數(shù)據(jù)校正處理光譜與土壤有機(jī)質(zhì)的相關(guān)性分析
        3.5.3 土壤有機(jī)質(zhì)PLSR模型的最佳高光譜數(shù)據(jù)校正處理方法選擇
    3.6 麥田土壤有機(jī)質(zhì)的光譜信息提取
    3.7 麥田土壤有機(jī)質(zhì)的光譜監(jiān)測(cè)
        3.7.1 模型構(gòu)建
        3.7.2 模型驗(yàn)證
4 結(jié)論與討論
    4.1 討論
    4.2 結(jié)論
參考文獻(xiàn)
Abstract
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于偏最小二乘回歸的土壤有機(jī)質(zhì)含量高光譜估算[J]. 于雷,洪永勝,耿雷,周勇,朱強(qiáng),曹雋雋,聶艷.  農(nóng)業(yè)工程學(xué)報(bào). 2015(14)
[2]基于偏最小二乘法的近紅外光譜分析應(yīng)用[J]. 李朋成,朱軍桃,馬云棟,吳曉.  測(cè)繪地理信息. 2015(02)
[3]基于近紅外特征光譜的番茄苗氮含量快速測(cè)定方法研究[J]. 吳靜珠,汪鳳珠,王麗麗,張小超,毛文華.  光譜學(xué)與光譜分析. 2015(01)
[4]紅壤區(qū)土壤有機(jī)質(zhì)光譜特征與定量估算——以江西省吉安縣為例[J]. 方少文,楊梅花,趙小敏,郭熙.  土壤學(xué)報(bào). 2014(05)
[5]SPA-LS-SVM檢測(cè)土壤有機(jī)質(zhì)和速效鉀研究[J]. 章海亮,劉雪梅,何勇.  光譜學(xué)與光譜分析. 2014(05)
[6]典型半干旱區(qū)土壤鹽分高光譜特征反演[J]. 李曉明,韓霽昌,李娟.  光譜學(xué)與光譜分析. 2014(04)
[7]基于HJ1A-HSI超光譜影像的耕地有機(jī)質(zhì)遙感定量反演[J]. 顧曉鶴,王堃,潘瑜春,蔡玉梅,黃文江,王慧芳.  地理與地理信息科學(xué). 2011(06)
[8]光譜數(shù)據(jù)變換對(duì)玉米氮素含量反演精度的影響[J]. 王磊,白由路,盧艷麗,王賀.  遙感技術(shù)與應(yīng)用. 2011(02)
[9]多元散射校正和逐步回歸法建立黑土有機(jī)碳近紅外光譜定量模型[J]. 申艷,張曉平,梁愛(ài)珍,時(shí)秀煥,范如芹,楊學(xué)明.  農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究. 2010(02)
[10]基于模糊識(shí)別的土壤性質(zhì)指標(biāo)光譜反演[J]. 李希燦,王靜,王芳,杜嘉津.  遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)

碩士論文
[1]基于實(shí)驗(yàn)室高光譜反射數(shù)據(jù)的土壤成分含量估算研究[D]. 楊萍.南京農(nóng)業(yè)大學(xué) 2007



本文編號(hào)：2930668