快速、準(zhǔn)確的實(shí)現(xiàn)黑土地土壤養(yǎng)分的定量化監(jiān)測對于促進(jìn)黑土資源有效利用和保護(hù)具有十分重要的意義。有機(jī)質(zhì)（SOM）、全氮（TN）、全磷（TP）、全鉀（TK）作為土壤中主要的營養(yǎng)物質(zhì),常被用來衡量土壤養(yǎng)分水平。傳統(tǒng)的含量測定采用實(shí)驗(yàn)室化學(xué)分析,存在耗時、耗能、污染等方面的問題,調(diào)查結(jié)果具有滯后性,無法滿足土壤動態(tài)監(jiān)測的需求。高光譜遙感技術(shù)憑借極高的空間分辨率和豐富的光譜信息,并能夠在短時間內(nèi)實(shí)現(xiàn)重復(fù)觀測,在土壤組分含量的研究中具有絕對的優(yōu)勢。本文以黑龍江建三江墾區(qū)為例,采集區(qū)域土壤樣本,獲取了土壤SOM、TN、TP和TK的含量及地面光譜信息。按照CASI/SASI航空高光譜影像的采樣間隔,對地面光譜進(jìn)行了重采樣（RS）,并在此基礎(chǔ)上進(jìn)行了光譜微分、散射校正、連續(xù)統(tǒng)去除等7種形式的光譜變換。通過計算所有光譜形式與各養(yǎng)分含量的相關(guān)關(guān)系,提取了達(dá)到極顯著相關(guān)水平的特征波段作為模型的自變量,分別構(gòu)建了四種養(yǎng)分含量的偏最小二乘回歸（PLSR）和BP神經(jīng)網(wǎng)絡(luò)（BPNN）反演模型。將CASI/SASI影像代入最優(yōu)的模型進(jìn)行填圖,并采用直方圖匹配法對填圖結(jié)果進(jìn)行修正,最終得到土壤各養(yǎng)分含量的空間分布。研究發(fā)現(xiàn)... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 引言
    1.1 研究背景和意義
    1.2 高光譜遙感及研究現(xiàn)狀
        1.2.1 高光譜遙感
        1.2.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目標(biāo),研究內(nèi)容及技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
2 高光譜數(shù)據(jù)獲取和預(yù)處理
    2.1 研究區(qū)概況
    2.2 樣品采集與化學(xué)分析
        2.2.1 土壤樣品采集
        2.2.2 土壤理化指標(biāo)分析
        2.2.3 地面光譜測定
    2.3 航空高光譜數(shù)據(jù)獲取與預(yù)處理
        2.3.1 CASI/SASI數(shù)據(jù)介紹
        2.3.2 CASI/SASI數(shù)據(jù)獲取與預(yù)處理
    2.4 地面光譜數(shù)據(jù)預(yù)處理
        2.4.1 光譜去噪
        2.4.2 光譜重采樣
        2.4.3 光譜散射校正
        2.4.4 光譜數(shù)學(xué)變換
        2.4.5 連續(xù)統(tǒng)去除
    2.5 本章小結(jié)
3 養(yǎng)分含量與光譜特征的信息提取
    3.1 養(yǎng)分含量相關(guān)分析
    3.2 黑土光譜反射特征分析
        3.2.1 黑土樣本的光譜特征
        3.2.2 土壤光譜的主要影響因素
    3.3 土壤光譜與養(yǎng)分含量的相關(guān)性分析
        3.3.1 有機(jī)質(zhì)與光譜的相關(guān)性分析
        3.3.2 全氮與光譜的相關(guān)性分析
        3.3.3 全磷與光譜的相關(guān)性分析
        3.3.4 全鉀與光譜的相關(guān)性分析
    3.4 本章小結(jié)
4 黑土養(yǎng)分含量模型建立與驗(yàn)證
    4.1 建模樣本選擇
        4.1.1 異常值剔除
        4.1.2 建模集與驗(yàn)證集篩選
    4.2 模型建立與評價方法
        4.2.1 偏最小二乘法
        4.2.2 BP神經(jīng)網(wǎng)絡(luò)
        4.2.3 模型精度評價
    4.3 回歸結(jié)果分析
        4.3.1 偏最小二乘模型結(jié)果
        4.3.2 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果
        4.3.3 兩種建模方法結(jié)果對比
    4.4 本章小結(jié)
5 CASI/SASI航空高光譜數(shù)據(jù)土壤養(yǎng)分填圖
    5.1 養(yǎng)分含量填圖
    5.2 直方圖匹配修正
    5.3 土壤養(yǎng)分評價
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 主要成果與結(jié)論
    6.2 存在不足與展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]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)
[2]面向地質(zhì)應(yīng)用的航空高光譜CASI-SASI數(shù)據(jù)大氣校正方法對比研究[J]. 葉發(fā)旺,王建剛,邱駿挺,張川.  光譜學(xué)與光譜分析. 2019(09)
[3]西河流域不同海拔區(qū)土壤有效鉀的高光譜反演[J]. 郭鵬,李婷,張世熔,李智平,梁俊捷.  土壤通報. 2019(02)
[4]混合式隨機(jī)森林的土壤鉀含量高光譜反演[J]. 王軒慧,鄭西來,韓仲志,王軒力,王娟.  光譜學(xué)與光譜分析. 2018(12)
[5]光譜變換方法對黑土養(yǎng)分含量高光譜遙感反演精度的影響[J]. 張東輝,趙英俊,秦凱,趙寧博,楊越超.  農(nóng)業(yè)工程學(xué)報. 2018(20)
[6]WOFOST模型與遙感數(shù)據(jù)同化的土壤速效養(yǎng)分反演[J]. 蒙繼華,程志強(qiáng),王一明.  遙感學(xué)報. 2018(04)
[7]高光譜遙感技術(shù)發(fā)展與展望[J]. 張淳民,穆廷魁,顏廷昱,陳澤宇.  航天返回與遙感. 2018(03)
[8]基于高光譜影像的SG濾波算法的研究[J]. 何英杰,謝東海,鐘若飛.  首都師范大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[9]近30年中國農(nóng)田耕層土壤有機(jī)質(zhì)含量變化[J]. 楊帆,徐洋,崔勇,孟遠(yuǎn)奪,董燕,李榮,馬義兵.  土壤學(xué)報. 2017(05)
[10]高光譜技術(shù)結(jié)合CARS算法預(yù)測土壤水分含量[J]. 于雷,朱亞星,洪永勝,夏天,劉目興,周勇.  農(nóng)業(yè)工程學(xué)報. 2016(22)

博士論文
[1]高光譜遙感影像處理中的若干關(guān)鍵技術(shù)研究[D]. 李暢.華中科技大學(xué) 2018
[2]土壤主要養(yǎng)分含量的高光譜估測研究[D]. 陳紅艷.山東農(nóng)業(yè)大學(xué) 2012
[3]土壤養(yǎng)分預(yù)測方法的比較研究[D]. 徐麗華.西南大學(xué) 2012
[4]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
[5]土地質(zhì)量高光譜遙感監(jiān)測方法研究[D]. 何挺.武漢大學(xué) 2003
[6]高光譜遙感土壤信息提取與挖掘研究[D]. 劉偉東.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2002

碩士論文
[1]高光譜影像預(yù)處理技術(shù)研究[D]. 董連鳳.長安大學(xué) 2007



本文編號：3157955