基于全子集-分位數(shù)回歸的土壤含鹽量反演研究
發(fā)布時間:2022-08-01 18:32
為提高植被覆蓋條件下衛(wèi)星遙感對土壤含鹽量的估測精度,以河套灌區(qū)解放閘灌域為研究區(qū),以高分一號衛(wèi)星影像為數(shù)據(jù)源,同步采集不同深度土壤含鹽量,通過全子集篩選法(Best subset selection)分析不同波段和光譜指數(shù)對于不同深度土壤含鹽量的敏感性,并采用人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network,ANN)、支持向量機(Support vector machine,SVM)和分位數(shù)回歸(Quantile regression,QR) 3種方法,構(gòu)建全子集篩選前后0~20 cm、20~40 cm、0~40 cm、40~60 cm、0~60 cm等不同深度下的土壤含鹽量反演模型。結(jié)果表明,B4、BI、SI1、SI3是0~20 cm、0~40 cm處土壤含鹽量的敏感變量組合,B4、BI、NDVI為20~40 cm、40~60 cm、0~60 cm處土壤含鹽量的敏感變量組合;在各深度下,分位數(shù)回歸模型的精度最高,模型的決定系數(shù)R2c1、R2v1均在0. 4以上,均方根誤差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20~40 cm深度下QR反...
【文章頁數(shù)】:11 頁
【文章目錄】:
0 引言
1 材料與方法
1.1 研究區(qū)概況
1.2 遙感數(shù)據(jù)獲取及預(yù)處理
1.3 土壤樣本采集及化學(xué)分析
1.4 光譜指數(shù)計算及全子集篩選
1.5 模型建立
1.5.1 分位數(shù)回歸模型
1.5.2 人工神經(jīng)網(wǎng)絡(luò)模型
1.5.3 支持向量機模型
1.6 統(tǒng)計分析
2 結(jié)果與分析
2.1 自變量與土壤含鹽量的相關(guān)性分析
2.2 基于全子集的最優(yōu)自變量組合方式篩選確定
2.3 人工神經(jīng)網(wǎng)絡(luò)模型建立與分析
2.4 支持向量機模型建立與分析
2.5 分位數(shù)回歸模型建立與分析
2.6 模型綜合評價
3 討論
4 結(jié)論
【參考文獻】:
期刊論文
[1]環(huán)境敏感變量優(yōu)選及機器學(xué)習(xí)算法預(yù)測綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽,葛翔宇,梁靜. 農(nóng)業(yè)工程學(xué)報. 2018(22)
[2]基于灰度關(guān)聯(lián)-嶺回歸的荒漠土壤有機質(zhì)含量高光譜估算[J]. 王海峰,張智韜,Arnon Karnieli,陳俊英,韓文霆. 農(nóng)業(yè)工程學(xué)報. 2018(14)
[3]光譜指數(shù)的植被葉片含水量反演[J]. 張海威,張飛,張賢龍,李哲,Abduwasit Ghulam,宋佳. 光譜學(xué)與光譜分析. 2018(05)
[4]基于嶺回歸的土壤含水率高光譜反演研究[J]. 張智韜,王海峰,KARNIELI Arnon,陳俊英,韓文霆. 農(nóng)業(yè)機械學(xué)報. 2018(05)
[5]干旱區(qū)土壤鹽漬化信息遙感建模[J]. 馮娟,丁建麗,楊愛霞,蔡亮紅. 干旱地區(qū)農(nóng)業(yè)研究. 2018(01)
[6]基于遙感反演河套灌區(qū)土壤鹽分分布及對作物生長的影響[J]. 黃權(quán)中,徐旭,呂玲嬌,任東陽,柯雋迪,熊云武,霍再林,黃冠華. 農(nóng)業(yè)工程學(xué)報. 2018(01)
[7]OLI與HSI影像融合的土壤鹽分反演模型[J]. 厲彥玲,趙庚星,常春艷,王卓然,王凌,鄭佳榮. 農(nóng)業(yè)工程學(xué)報. 2017(21)
[8]基于無人機數(shù)碼影像的大豆育種材料葉面積指數(shù)估測[J]. 李長春,牛慶林,楊貴軍,馮海寬,劉建剛,王艷杰. 農(nóng)業(yè)機械學(xué)報. 2017(08)
[9]基于VTCI和分位數(shù)回歸模型的冬小麥單產(chǎn)估測方法[J]. 王蕾,王鵬新,李俐,張樹譽. 農(nóng)業(yè)機械學(xué)報. 2017(07)
[10]基于分位數(shù)回歸的洱海藻類對氮、磷及水溫的響應(yīng)特征[J]. 陳小華,李小平,錢曉雍,胡雙慶. 環(huán)境科學(xué). 2017(01)
博士論文
[1]野生二粒小麥優(yōu)異耐鹽種質(zhì)的鑒定及其相關(guān)基因的發(fā)掘[D]. 馮克偉.西北農(nóng)林科技大學(xué) 2018
碩士論文
[1]內(nèi)蒙古河套灌區(qū)耕荒地間土壤水鹽運移規(guī)律研究[D]. 李亮.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2008
本文編號:3667960
【文章頁數(shù)】:11 頁
【文章目錄】:
0 引言
1 材料與方法
1.1 研究區(qū)概況
1.2 遙感數(shù)據(jù)獲取及預(yù)處理
1.3 土壤樣本采集及化學(xué)分析
1.4 光譜指數(shù)計算及全子集篩選
1.5 模型建立
1.5.1 分位數(shù)回歸模型
1.5.2 人工神經(jīng)網(wǎng)絡(luò)模型
1.5.3 支持向量機模型
1.6 統(tǒng)計分析
2 結(jié)果與分析
2.1 自變量與土壤含鹽量的相關(guān)性分析
2.2 基于全子集的最優(yōu)自變量組合方式篩選確定
2.3 人工神經(jīng)網(wǎng)絡(luò)模型建立與分析
2.4 支持向量機模型建立與分析
2.5 分位數(shù)回歸模型建立與分析
2.6 模型綜合評價
3 討論
4 結(jié)論
【參考文獻】:
期刊論文
[1]環(huán)境敏感變量優(yōu)選及機器學(xué)習(xí)算法預(yù)測綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽,葛翔宇,梁靜. 農(nóng)業(yè)工程學(xué)報. 2018(22)
[2]基于灰度關(guān)聯(lián)-嶺回歸的荒漠土壤有機質(zhì)含量高光譜估算[J]. 王海峰,張智韜,Arnon Karnieli,陳俊英,韓文霆. 農(nóng)業(yè)工程學(xué)報. 2018(14)
[3]光譜指數(shù)的植被葉片含水量反演[J]. 張海威,張飛,張賢龍,李哲,Abduwasit Ghulam,宋佳. 光譜學(xué)與光譜分析. 2018(05)
[4]基于嶺回歸的土壤含水率高光譜反演研究[J]. 張智韜,王海峰,KARNIELI Arnon,陳俊英,韓文霆. 農(nóng)業(yè)機械學(xué)報. 2018(05)
[5]干旱區(qū)土壤鹽漬化信息遙感建模[J]. 馮娟,丁建麗,楊愛霞,蔡亮紅. 干旱地區(qū)農(nóng)業(yè)研究. 2018(01)
[6]基于遙感反演河套灌區(qū)土壤鹽分分布及對作物生長的影響[J]. 黃權(quán)中,徐旭,呂玲嬌,任東陽,柯雋迪,熊云武,霍再林,黃冠華. 農(nóng)業(yè)工程學(xué)報. 2018(01)
[7]OLI與HSI影像融合的土壤鹽分反演模型[J]. 厲彥玲,趙庚星,常春艷,王卓然,王凌,鄭佳榮. 農(nóng)業(yè)工程學(xué)報. 2017(21)
[8]基于無人機數(shù)碼影像的大豆育種材料葉面積指數(shù)估測[J]. 李長春,牛慶林,楊貴軍,馮海寬,劉建剛,王艷杰. 農(nóng)業(yè)機械學(xué)報. 2017(08)
[9]基于VTCI和分位數(shù)回歸模型的冬小麥單產(chǎn)估測方法[J]. 王蕾,王鵬新,李俐,張樹譽. 農(nóng)業(yè)機械學(xué)報. 2017(07)
[10]基于分位數(shù)回歸的洱海藻類對氮、磷及水溫的響應(yīng)特征[J]. 陳小華,李小平,錢曉雍,胡雙慶. 環(huán)境科學(xué). 2017(01)
博士論文
[1]野生二粒小麥優(yōu)異耐鹽種質(zhì)的鑒定及其相關(guān)基因的發(fā)掘[D]. 馮克偉.西北農(nóng)林科技大學(xué) 2018
碩士論文
[1]內(nèi)蒙古河套灌區(qū)耕荒地間土壤水鹽運移規(guī)律研究[D]. 李亮.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2008
本文編號:3667960
本文鏈接:http://sikaile.net/projectlw/zrdllw/3667960.html
最近更新
教材專著