基于高光譜反演的土壤全氮估測技術(shù)及其影響機(jī)制研究
發(fā)布時(shí)間：2021-12-18 06:15
基于土壤養(yǎng)分的精準(zhǔn)施肥策略對提高農(nóng)業(yè)生態(tài)系統(tǒng)環(huán)境質(zhì)量至關(guān)重要,運(yùn)用土壤反射率規(guī)律和數(shù)理統(tǒng)計(jì)模型明確土壤全氮含量的高光譜特征,構(gòu)建定量分析模型并探究響應(yīng)機(jī)理,可為土壤全氮含量快速準(zhǔn)確估測提供依據(jù),為精準(zhǔn)農(nóng)業(yè)推廣提供技術(shù)參考。以江蘇省無錫市濱湖區(qū)水蜜桃種植園、山東省桓臺縣華北集約化農(nóng)業(yè)生態(tài)系統(tǒng)試驗(yàn)站為研究區(qū)域,選取地理位置跨度大的代表性樣品,進(jìn)行光譜數(shù)據(jù)采集和土壤全氮含量測定。對光譜反射率進(jìn)行一階導(dǎo)數(shù)運(yùn)算等預(yù)處理方法,運(yùn)用相關(guān)系數(shù)峰谷值法篩選敏感波長,將敏感波長兩兩結(jié)合建立土壤光譜調(diào)節(jié)指數(shù)（MSASI）,運(yùn)算后得到的數(shù)據(jù)分別采用多元線性回歸分析（MLR）、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）和偏最小二乘法（PLSR）構(gòu)建土壤全氮含量的高光譜定量分析模型。根據(jù)小麥、玉米秸稈還田后土壤有機(jī)質(zhì)差異和不同的響應(yīng)規(guī)律分別進(jìn)行反演,構(gòu)建最適模型,運(yùn)用紅外光譜（FTIR）、X射線衍射分析（XRD）、掃描電鏡手段（SEM）對土壤有機(jī)質(zhì)官能團(tuán)、土壤礦物及表面形態(tài)比較分析,以探明土壤全氮含量高光譜響應(yīng)機(jī)制。研究結(jié)果如下:（1）環(huán)太湖水蜜桃主要種植區(qū)內(nèi)黃棕壤全氮含量高光譜敏感波段為420444 n...
【文章來源】：山東農(nóng)業(yè)大學(xué)山東省
【文章頁數(shù)】：49 頁
【學(xué)位級別】：碩士
【部分圖文】：
技術(shù)路線圖
山東農(nóng)業(yè)大學(xué)碩士專業(yè)學(xué)位論文7明顯差異較大，光譜間存在基線平移、傾斜等現(xiàn)象，這可能是由土壤顆粒以及土壤樣品裝填密度不同產(chǎn)生的散射影響造成的（喬星星等，2016）。采用適當(dāng)?shù)母吖庾V預(yù)處理方法可以有效提高土壤全氮診斷模型的適用能力，可有效過濾高光譜中的噪聲信息，從而避免數(shù)據(jù)冗余，提高模型穩(wěn)健性。對原始光譜數(shù)據(jù)進(jìn)行一階微分變換（圖2）可以較好地削弱土壤背景的干擾并使波段間差異表現(xiàn)的更加明顯，并且提高某些波段反射率與土壤養(yǎng)分含量的相關(guān)性（孫小香等，2018；陳思明等，2018）。通過11點(diǎn)平滑方法對數(shù)據(jù)進(jìn)行平滑來減少測定環(huán)境、樣品研磨、過篩帶來的影響。圖2一階微分預(yù)處理后各波段反射率分布Fig.2Spectralcurveafterpretreatment為了更好地檢驗(yàn)本研究中土壤全氮含量估算模型的精度，采用基于常用的光譜指數(shù)來構(gòu)建土壤全氮含量的估算模型。張賢龍等（2018）應(yīng)用光譜指數(shù)結(jié)合15種預(yù)處理方法優(yōu)選了土壤鹽分反演模型。本研究運(yùn)用相關(guān)分析法對各波段的反射率和土壤全氮含量進(jìn)行分析，選取相關(guān)系數(shù)≥0.4的波段420~444nm、480~537nm（圖3），將其兩兩結(jié)合進(jìn)行光譜指數(shù)運(yùn)算（表2）。通過運(yùn)算后的反射率與全氮含量進(jìn)行相關(guān)性分析，MSASI的均值和最大值均高于其他三種光譜指數(shù)。各波段反射率與全氮含量的相關(guān)系數(shù)如圖3所示，由于均值可以反映整體水平，選用均值和最大值結(jié)合數(shù)據(jù)分布作為高光譜指數(shù)選擇的標(biāo)準(zhǔn)，篩選出最后82個(gè)波長作為建模光譜數(shù)據(jù)集，用于分析土壤全氮含量對光譜曲線變化的影響（劉昌華等，2018）。
基于高光譜反演的土壤全氮估測技術(shù)及其影響機(jī)制研究8圖3不同波段反射率與土壤全氮含量相關(guān)性分析Fig.3Correlationanalysisbetweenreflectanceofdifferentbandsandsoiltotalnitrogencontent表2光譜指數(shù)及其公式Table2Typicalspectral-indexsandequation高光譜指數(shù)Hyperspectralindex計(jì)算公式Computationalequation歸一化光譜指數(shù)NormalizeddifferentialspectralindexNDSI=(R1-R2)/(R1+R2)土壤調(diào)節(jié)光譜指數(shù)SoiladjustedspectralindexMSASI=(2R1+1-((2R1+1)2-8(R1-R2))1/2)/2復(fù)歸一化光譜指數(shù)RenormalizeddifferentialspectralindexRDSI=(R1-R2)/(R1+R2)1/2比值光譜指數(shù)RatiospectralindexRSI=R1/R22.1.4模型分析方法選用多元線性回歸模型、神經(jīng)網(wǎng)絡(luò)回歸模型、偏最小二乘法三種方法進(jìn)行建模，將62個(gè)樣本與土壤全氮含量進(jìn)行分析，31個(gè)樣本進(jìn)行驗(yàn)證，自變量為82個(gè)特征波段，因變量為實(shí)測全氮含量。選擇決定系數(shù)R2、均方根誤差值RMSE（RootMeanSquareError）、相對平均偏差RPD（RelativePercentDeviation），來篩選最佳模型（李嵐?jié)龋?016）。R2越大，RMSE越小，表明模型估測精度越高，當(dāng)RPD>2時(shí)，表明模型的估算能力較好；當(dāng)1.4<RPD<2時(shí)，模型具有中等估算能力，可以通過模型優(yōu)化處理提高模型的表現(xiàn)；當(dāng)RPD<1.4時(shí)，表明模型的估算能力和普適性較差（王超等，2018；呂瑋等，2017）。（1）多元線性回歸多元線性回歸（MultipleLinerRegression,MLR）又稱逆最小二乘法，采用最小二乘法對系數(shù)矩陣進(jìn)行估計(jì)（王惠文，1996）。利用62個(gè)建模樣本數(shù)據(jù)，采用多元線性回歸
【參考文獻(xiàn)】：
期刊論文
[1]光譜預(yù)處理方法選擇研究[J]. 第五鵬瑤,卞�；�,王姿方,劉巍. 光譜學(xué)與光譜分析. 2019(09)
[2]基于有機(jī)質(zhì)光譜特征的土壤重金屬Pb估算模型研究[J]. 賀軍亮,李志遠(yuǎn),李仁杰,周智勇,東啟亮. 環(huán)境污染與防治. 2019(07)
[3]高粱和玉米秸稈腐解過程的紅外光譜研究[J]. 劉佳琪,郭珺,武愛蓮,董二偉,王勁松,王立革,焦曉燕. 山西農(nóng)業(yè)科學(xué). 2019(03)
[4]基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的并行迭代優(yōu)化研究[J]. 胡海濤. 機(jī)械與電子. 2019(01)
[5]應(yīng)用主成分分析評估紅外高光譜儀器噪聲特性[J]. 李路,漆成莉,張鵬,胡秀清,顧明劍. 光子學(xué)報(bào). 2019(02)
[6]新疆有無人為干擾下土壤鹽分估算的比較[J]. 王寧,熊黑鋼,馬利芳,葉紅云,張芳. 干旱區(qū)研究. 2019(02)
[7]基于高光譜的礦區(qū)復(fù)墾農(nóng)田土壤全氮含量反演[J]. 王世東,石樸杰,張合兵,王新闖. 生態(tài)學(xué)雜志. 2019(01)
[8]ASD Field Spec3野外便攜式高光譜儀診斷冬小麥氮營養(yǎng)[J]. 劉昌華,方征,陳志超,周蘭,岳學(xué)智,王哲,王春陽,Yuxin Miao. 農(nóng)業(yè)工程學(xué)報(bào). 2018(19)
[9]結(jié)合SPA和PLS法提高冬小麥冠層全氮高光譜估算的精確度[J]. 白麗敏,李粉玲,常慶瑞,曾鳳,曹吉,蘆光旭. 植物營養(yǎng)與肥料學(xué)報(bào). 2018(05)
[10]還田作物秸稈腐解及其養(yǎng)分釋放特征概述[J]. 張經(jīng)廷,張麗華,呂麗華,董志強(qiáng),姚艷榮,金欣欣,姚海坡,賈秀領(lǐng). 核農(nóng)學(xué)報(bào). 2018(11)
博士論文
[1]基于機(jī)器學(xué)習(xí)的時(shí)間序列模型研究及其應(yīng)用[D]. 楊玉軍.電子科技大學(xué) 2018
[2]基于長期定位試驗(yàn)的土壤及冬小麥的高光譜響應(yīng)特征[D]. 郝雅珺.西北農(nóng)林科技大學(xué) 2015
[3]基于地統(tǒng)計(jì)學(xué)的江蘇省環(huán)太湖地區(qū)土壤肥力質(zhì)量演變特征研究[D]. 徐茂.南京農(nóng)業(yè)大學(xué) 2006
碩士論文
[1]廣西天然林赤紅壤碳庫、營養(yǎng)元素及紅外光譜特征研究[D]. 李加博.廣西大學(xué) 2017
[2]不同還田模式下黃土高原旱作農(nóng)田秸稈腐解特征及養(yǎng)分釋放規(guī)律研究[D]. 岳丹.甘肅農(nóng)業(yè)大學(xué) 2015
本文編號：3541802
【文章來源】：山東農(nóng)業(yè)大學(xué)山東省
【文章頁數(shù)】：49 頁
【學(xué)位級別】：碩士
【部分圖文】：
技術(shù)路線圖
山東農(nóng)業(yè)大學(xué)碩士專業(yè)學(xué)位論文7明顯差異較大，光譜間存在基線平移、傾斜等現(xiàn)象，這可能是由土壤顆粒以及土壤樣品裝填密度不同產(chǎn)生的散射影響造成的（喬星星等，2016）。采用適當(dāng)?shù)母吖庾V預(yù)處理方法可以有效提高土壤全氮診斷模型的適用能力，可有效過濾高光譜中的噪聲信息，從而避免數(shù)據(jù)冗余，提高模型穩(wěn)健性。對原始光譜數(shù)據(jù)進(jìn)行一階微分變換（圖2）可以較好地削弱土壤背景的干擾并使波段間差異表現(xiàn)的更加明顯，并且提高某些波段反射率與土壤養(yǎng)分含量的相關(guān)性（孫小香等，2018；陳思明等，2018）。通過11點(diǎn)平滑方法對數(shù)據(jù)進(jìn)行平滑來減少測定環(huán)境、樣品研磨、過篩帶來的影響。圖2一階微分預(yù)處理后各波段反射率分布Fig.2Spectralcurveafterpretreatment為了更好地檢驗(yàn)本研究中土壤全氮含量估算模型的精度，采用基于常用的光譜指數(shù)來構(gòu)建土壤全氮含量的估算模型。張賢龍等（2018）應(yīng)用光譜指數(shù)結(jié)合15種預(yù)處理方法優(yōu)選了土壤鹽分反演模型。本研究運(yùn)用相關(guān)分析法對各波段的反射率和土壤全氮含量進(jìn)行分析，選取相關(guān)系數(shù)≥0.4的波段420~444nm、480~537nm（圖3），將其兩兩結(jié)合進(jìn)行光譜指數(shù)運(yùn)算（表2）。通過運(yùn)算后的反射率與全氮含量進(jìn)行相關(guān)性分析，MSASI的均值和最大值均高于其他三種光譜指數(shù)。各波段反射率與全氮含量的相關(guān)系數(shù)如圖3所示，由于均值可以反映整體水平，選用均值和最大值結(jié)合數(shù)據(jù)分布作為高光譜指數(shù)選擇的標(biāo)準(zhǔn)，篩選出最后82個(gè)波長作為建模光譜數(shù)據(jù)集，用于分析土壤全氮含量對光譜曲線變化的影響（劉昌華等，2018）。
基于高光譜反演的土壤全氮估測技術(shù)及其影響機(jī)制研究8圖3不同波段反射率與土壤全氮含量相關(guān)性分析Fig.3Correlationanalysisbetweenreflectanceofdifferentbandsandsoiltotalnitrogencontent表2光譜指數(shù)及其公式Table2Typicalspectral-indexsandequation高光譜指數(shù)Hyperspectralindex計(jì)算公式Computationalequation歸一化光譜指數(shù)NormalizeddifferentialspectralindexNDSI=(R1-R2)/(R1+R2)土壤調(diào)節(jié)光譜指數(shù)SoiladjustedspectralindexMSASI=(2R1+1-((2R1+1)2-8(R1-R2))1/2)/2復(fù)歸一化光譜指數(shù)RenormalizeddifferentialspectralindexRDSI=(R1-R2)/(R1+R2)1/2比值光譜指數(shù)RatiospectralindexRSI=R1/R22.1.4模型分析方法選用多元線性回歸模型、神經(jīng)網(wǎng)絡(luò)回歸模型、偏最小二乘法三種方法進(jìn)行建模，將62個(gè)樣本與土壤全氮含量進(jìn)行分析，31個(gè)樣本進(jìn)行驗(yàn)證，自變量為82個(gè)特征波段，因變量為實(shí)測全氮含量。選擇決定系數(shù)R2、均方根誤差值RMSE（RootMeanSquareError）、相對平均偏差RPD（RelativePercentDeviation），來篩選最佳模型（李嵐?jié)龋?016）。R2越大，RMSE越小，表明模型估測精度越高，當(dāng)RPD>2時(shí)，表明模型的估算能力較好；當(dāng)1.4<RPD<2時(shí)，模型具有中等估算能力，可以通過模型優(yōu)化處理提高模型的表現(xiàn)；當(dāng)RPD<1.4時(shí)，表明模型的估算能力和普適性較差（王超等，2018；呂瑋等，2017）。（1）多元線性回歸多元線性回歸（MultipleLinerRegression,MLR）又稱逆最小二乘法，采用最小二乘法對系數(shù)矩陣進(jìn)行估計(jì)（王惠文，1996）。利用62個(gè)建模樣本數(shù)據(jù)，采用多元線性回歸
【參考文獻(xiàn)】：
期刊論文
[1]光譜預(yù)處理方法選擇研究[J]. 第五鵬瑤,卞�；�,王姿方,劉巍. 光譜學(xué)與光譜分析. 2019(09)
[2]基于有機(jī)質(zhì)光譜特征的土壤重金屬Pb估算模型研究[J]. 賀軍亮,李志遠(yuǎn),李仁杰,周智勇,東啟亮. 環(huán)境污染與防治. 2019(07)
[3]高粱和玉米秸稈腐解過程的紅外光譜研究[J]. 劉佳琪,郭珺,武愛蓮,董二偉,王勁松,王立革,焦曉燕. 山西農(nóng)業(yè)科學(xué). 2019(03)
[4]基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的并行迭代優(yōu)化研究[J]. 胡海濤. 機(jī)械與電子. 2019(01)
[5]應(yīng)用主成分分析評估紅外高光譜儀器噪聲特性[J]. 李路,漆成莉,張鵬,胡秀清,顧明劍. 光子學(xué)報(bào). 2019(02)
[6]新疆有無人為干擾下土壤鹽分估算的比較[J]. 王寧,熊黑鋼,馬利芳,葉紅云,張芳. 干旱區(qū)研究. 2019(02)
[7]基于高光譜的礦區(qū)復(fù)墾農(nóng)田土壤全氮含量反演[J]. 王世東,石樸杰,張合兵,王新闖. 生態(tài)學(xué)雜志. 2019(01)
[8]ASD Field Spec3野外便攜式高光譜儀診斷冬小麥氮營養(yǎng)[J]. 劉昌華,方征,陳志超,周蘭,岳學(xué)智,王哲,王春陽,Yuxin Miao. 農(nóng)業(yè)工程學(xué)報(bào). 2018(19)
[9]結(jié)合SPA和PLS法提高冬小麥冠層全氮高光譜估算的精確度[J]. 白麗敏,李粉玲,常慶瑞,曾鳳,曹吉,蘆光旭. 植物營養(yǎng)與肥料學(xué)報(bào). 2018(05)
[10]還田作物秸稈腐解及其養(yǎng)分釋放特征概述[J]. 張經(jīng)廷,張麗華,呂麗華,董志強(qiáng),姚艷榮,金欣欣,姚海坡,賈秀領(lǐng). 核農(nóng)學(xué)報(bào). 2018(11)
博士論文
[1]基于機(jī)器學(xué)習(xí)的時(shí)間序列模型研究及其應(yīng)用[D]. 楊玉軍.電子科技大學(xué) 2018
[2]基于長期定位試驗(yàn)的土壤及冬小麥的高光譜響應(yīng)特征[D]. 郝雅珺.西北農(nóng)林科技大學(xué) 2015
[3]基于地統(tǒng)計(jì)學(xué)的江蘇省環(huán)太湖地區(qū)土壤肥力質(zhì)量演變特征研究[D]. 徐茂.南京農(nóng)業(yè)大學(xué) 2006
碩士論文
[1]廣西天然林赤紅壤碳庫、營養(yǎng)元素及紅外光譜特征研究[D]. 李加博.廣西大學(xué) 2017
[2]不同還田模式下黃土高原旱作農(nóng)田秸稈腐解特征及養(yǎng)分釋放規(guī)律研究[D]. 岳丹.甘肅農(nóng)業(yè)大學(xué) 2015
本文編號：3541802
本文鏈接：http://sikaile.net/shoufeilunwen/zaizhiyanjiusheng/3541802.html
最近更新
教材專著
