土壤有機質(zhì)是土壤的重要組成成分,是衡量土壤肥力的重要指標(biāo)之一,借助高光譜技術(shù)精準(zhǔn)、快速地監(jiān)測大范圍土壤有機質(zhì)信息,對發(fā)展精準(zhǔn)農(nóng)業(yè)具有重要的指導(dǎo)意義。目前的土壤有機質(zhì)化學(xué)測量方法過程復(fù)雜且時效低、花費大,難以滿足大范圍土壤監(jiān)測的需要,而高光譜遙感因其波段多、波段窄、信息豐富等優(yōu)點已成為土壤有機質(zhì)監(jiān)測的一種新技術(shù)。由于土壤光譜測量受到眾多因素的影響,造成土壤有機質(zhì)光譜估測存在不確定性,估測精度不高。因此,本研究以在山東省濟南市章丘區(qū)采集的表層土壤樣本與耕層土壤樣本各76個作為研究對象,根據(jù)土壤光譜分析中的不確定性,采用成因分析、統(tǒng)計分析和灰色關(guān)聯(lián)分析等方法開展研究,主要研究內(nèi)容和結(jié)論如下:（1）確定了表層土壤有機質(zhì)光譜估測因子對采用小波變換去噪以及剔除異常樣本后的光譜反射率數(shù)據(jù)進行9種方法變換,根據(jù)極大相關(guān)性原則,同時盡量使特征波段離散的方法選擇特征因子。結(jié)果表明對數(shù)、倒數(shù)、平方根等的效果不明顯,而一階微分及其組合變換的效果較好,變換后的光譜數(shù)據(jù)與表層土壤有機質(zhì)含量相關(guān)性在某些波段出現(xiàn)大幅提高,其中對數(shù)倒數(shù)的一階微分方法在540nm、1200nm、1460nm-1650nm、1980nm-... 

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

土壤樣點空間分布圖

土壤有機質(zhì)高光譜正反向灰色關(guān)聯(lián)度間接估測模型研究12圖2-1土壤樣點空間分布圖Fig.2-1Thespatialdistributionmapofsoilsamples如圖2-1所示，除東南和西南山區(qū)外，土壤樣點在的章丘地區(qū)分布均勻，空間代表性強。2.2.2土壤樣本室外光譜信息采集選擇晴朗無云、無風(fēng)的天氣，在10-14點時間段，選擇室外太陽能夠照射的空曠地帶對土壤樣本進行光譜信息采集。實驗過程中使用ASDFieldSpecProFR型光譜儀，采樣時，將土壤樣本用刮板攤平，傳感器與土壤樣本距離為15cm，3°視場角。為減少誤差，對每個土壤樣本進行10次測量，10次測量得到的數(shù)據(jù)進行平均獲得所測土壤樣本的光譜數(shù)據(jù)，每測量10個土壤樣本后，重新進行白板校正再繼續(xù)試驗。最終得到光譜分辨率為1nm，波段范圍為350nm-2500nm的土壤光譜反射率數(shù)據(jù)。圖2-2為土壤樣本信息采集時所拍照片之一。圖2-2室外光譜采集圖Fig.2-2Thephotoofoutdoorspectralacquisition

土壤有機質(zhì)高光譜正反向灰色關(guān)聯(lián)度間接估測模型研究14地剔除異常樣本的，必須要考慮土壤水含量的影響。繪制76個表層土壤的光譜曲線圖，綜合考慮土壤水含量與其他因素的影響，觀察光譜曲線形狀和趨勢，剔除異常的樣本。圖2-3異常樣本剔除示意圖Fig.2-3Schematicdiagramofabnormalsampleelimination以圖2-3中樣本為例，樣本號3、8、10、4、32的土壤有機質(zhì)含量分別為26.266g/kg、24.465g/kg、26.021g/kg、17.263g/kg、25.682g/kg，水含量分別為17.3%、15.2%、20.1%、17.4%、12.5%。以3、8、10、4、32土壤樣本為例，根據(jù)圖2-3與各土壤樣本的有機質(zhì)含量與水含量展開簡單分析，3號樣本與4號樣本水含量基本一致，因此其光譜反射率不同的原因主要是由土壤有機質(zhì)含量高低不同引起，3號樣本的光譜反射率低于4號樣本，這符合反射率大小與有機質(zhì)含量成反比這一規(guī)律；8號樣本與10號樣本不論是有機質(zhì)含量還是水含量皆為8號樣本低于10號樣本，并且8號樣本的光譜反射率高于10號樣本，這符合反射率與有機質(zhì)含量成反比這一規(guī)律，同時也符合反射率與水含量成反比的規(guī)律，同理也可分析3號樣本和8號樣本，4號樣本和10號樣本；3號樣本和10號樣本有機質(zhì)含量基本一致，因此其光譜反射率的高低主要受有水量不同影響，3號樣本水含量低于10號樣本，其光譜反射率也符合上述規(guī)律；而8號樣本和4號樣本相比其有機質(zhì)含量高，但是水含量低，這涉及到水與有機質(zhì)交互作用方面，僅僅通過圖形分析較為困難，本文不做深入探討，不過其光譜曲線走勢符合整體趨勢，因此不予剔除；32號樣本水含量最低，有機質(zhì)含量低于3號樣本和8號樣本，理論上其光譜曲線應(yīng)該在上方，其光譜反射率在350nm-750nm符合上述規(guī)律，但

【參考文獻】：
期刊論文
[1]基于灰色關(guān)聯(lián)度的GM（1,1）-BP神經(jīng)網(wǎng)絡(luò)組合模型研究[J]. 吳京龍.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2019(11)
[2]高光譜小波能量特征估測土壤有機質(zhì)含量[J]. 章濤,于雷,易軍,聶艷,周勇.  光譜學(xué)與光譜分析. 2019(10)
[3]玉兔號月球車巡視點礦物豐度及粒徑分布高光譜反演[J]. 林紅磊,張霞,楊亞洲,郭弟均,吳興,戚文超.  遙感學(xué)報. 2019(05)
[4]農(nóng)業(yè)高光譜遙感研究進展及發(fā)展趨勢[J]. 陳云浩,王思佳,趙逸飛,王明國.  地理與地理信息科學(xué). 2019(05)
[5]基于PLSR-BP復(fù)合模型的紅壤有機質(zhì)含量反演研究[J]. 國佳欣,趙小敏,郭熙,徐喆,朱青,江葉楓.  土壤學(xué)報. 2020(03)
[6]高光譜影像在海洋環(huán)境監(jiān)測中的應(yīng)用[J]. 王錦錦,李真,朱玉玲.  衛(wèi)星應(yīng)用. 2019(08)
[7]耕層土壤有機質(zhì)高光譜間接估測模型[J]. 鐘浩,李西燦,翟浩然,周鈺.  測繪科學(xué)技術(shù)學(xué)報. 2019(01)
[8]談高光譜遙感技術(shù)的應(yīng)用、發(fā)展與展望[J]. 龐云璇.  中國新通信. 2019(11)
[9]基于灰色關(guān)聯(lián)度的組合優(yōu)化模型研究[J]. 張和平,解曉龍.  統(tǒng)計與決策. 2019(09)
[10]粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的土壤有機質(zhì)高光譜估測[J]. 鄒慧敏,李西燦,尚璇,苗傳紅,黃超,路杰暉.  測繪科學(xué). 2019(05)

博士論文
[1]松遼平原黑土有機質(zhì)及相關(guān)元素遙感定量反演研究[D]. 程彬.吉林大學(xué) 2007

碩士論文
[1]土壤有機質(zhì)高光譜灰色關(guān)聯(lián)估測的修正模型研究[D]. 苗傳紅.山東農(nóng)業(yè)大學(xué) 2019
[2]基于灰色關(guān)聯(lián)分析的土壤鉻含量高光譜估測研究[D]. 路杰暉.山東農(nóng)業(yè)大學(xué) 2019
[3]基于灰色區(qū)間的土壤有機質(zhì)高光譜PSO-BPNN估測模型[D]. 鄒慧敏.山東農(nóng)業(yè)大學(xué) 2019
[4]有機質(zhì)與含水量對土壤高光譜的交互影響及其估測模型[D]. 尚璇.山東農(nóng)業(yè)大學(xué) 2018
[5]基于模糊識別的土壤含水量高光譜預(yù)測模型研究[D]. 徐郵郵.山東農(nóng)業(yè)大學(xué) 2018
[6]土壤有機質(zhì)高光譜灰色關(guān)聯(lián)度估測模型研究[D]. 李明亮.山東農(nóng)業(yè)大學(xué) 2017
[7]火山碎屑物發(fā)育土壤有機質(zhì)含量的高光譜預(yù)測模型研究[D]. 劉金寶.沈陽農(nóng)業(yè)大學(xué) 2017
[8]遙感技術(shù)在月球、火星巖礦信息提取中的研究與應(yīng)用[D]. 于艷梅.中國地質(zhì)大學(xué)（北京） 2010



本文編號：3210325