土壤水分是土壤的重要組成部分,是土地資源評價(jià)和作物生長狀況監(jiān)測的重要指標(biāo),對農(nóng)作物生長發(fā)育具有不可替代的作用。光學(xué)衛(wèi)星遙感只能探測土壤表層的含水量,無法實(shí)現(xiàn)對土壤耕層含水量的快速監(jiān)測。而傳統(tǒng)的以烘干法為主的土壤水分測定方法雖然精度較高,但測量周期較長,過程復(fù)雜,費(fèi)時費(fèi)力,難以快速準(zhǔn)確的獲取數(shù)據(jù)。高光譜遙感由于光譜分辨率高、波段多、信息豐富等優(yōu)點(diǎn),為定量監(jiān)測大面積土壤水分含量提供了新技術(shù)。因此,研究土壤表層光譜特性,建立土壤耕層含水量的間接光譜估測模型,對實(shí)現(xiàn)光學(xué)衛(wèi)星遙感快速監(jiān)測土壤耕層含水量及發(fā)展精細(xì)農(nóng)業(yè)都具有重要意義。本研究以山東省濟(jì)陽縣為研究區(qū),以采集的85個土樣的含水量以及其室內(nèi)外反射率光譜為研究對象,基于表層與耕層含水量之間的相關(guān)性,使用不同的方法進(jìn)行實(shí)驗(yàn),建立了耕層土壤含水量間接光譜估測模型,對耕層土壤含水量進(jìn)行估測,并通過不同模型之間對比,驗(yàn)證了間接光譜估測模型的有效性。主要研究內(nèi)容及結(jié)論如下:（1）確定了濟(jì)陽縣土壤含水量的敏感波段及特征因子通過使用對比分析法,將土壤的表層光譜與耕層光譜進(jìn)行分析,接著使用平方、平方根、對數(shù)、倒數(shù)、一階微分及其組合等9種光譜變換方法對光譜進(jìn)行... 

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：68 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)碩士論文92數(shù)據(jù)來源及光譜特性分析2.1研究區(qū)概況2.1.1位置境域濟(jì)陽縣位于黃河下游北岸，魯北平原以南(丁春林，2018)。介于北緯36°41′至37°15′，東經(jīng)116°52′至117°27′之間，總面積1076.2平方千米。2.1.2氣候特征濟(jì)陽縣具有北溫帶半濕潤季風(fēng)氣候特征，四季分明，雨熱同時期，光照充足，年平均氣溫12.8℃，降水量集中在7―9月。2.1.3土地資源濟(jì)陽縣發(fā)育在黃河沖積母質(zhì)上，土層深厚。濟(jì)陽縣的主要土類是潮土共84975公頃，無一級地，次用地面積16013公頃，第三類用地67253公頃，第四類用地980公頃，第五類用地729公頃；包含三個土類，五個亞類，九個土屬，84個土種..潮土占土壤面積的99.41%，鹽漬土占0.30%，沙土占0.29%。土壤由西南向東北方向分布，其次為沙土，壤土，粘性土，壤土和砂土。2.2數(shù)據(jù)獲取2.2.1土壤含水量數(shù)據(jù)獲取在取樣之前，根據(jù)所收集的地形、地貌和土地利用狀況數(shù)據(jù)以及與試驗(yàn)區(qū)有關(guān)的其他數(shù)據(jù)，合理地確定采樣點(diǎn)的分布情況。圖2.1濟(jì)陽縣地理位置圖Fig2.1GeographicmapofJiyangCounty

耕層土壤含水量高光譜間接估測模型研究10濟(jì)陽縣地形較為平坦，因此根據(jù)濟(jì)陽縣地形確定在3至4公里范圍內(nèi)設(shè)置一個采樣點(diǎn)，每個點(diǎn)使用梅花采樣法采集表土(5cm)和耕層土壤(20cm)。在試驗(yàn)區(qū)，共選取85個地勢較為平坦、地表裸露的耕作區(qū)作為取樣區(qū)，按預(yù)定路線在每個取樣區(qū)隨機(jī)取樣，使用洛陽鏟在每個采樣點(diǎn)收集約5cm的表土和20cm的耕層土壤樣品（如圖2.2）。采樣時，利用手持GPS儀器對每個土壤樣品的土壤類型進(jìn)行記錄，同步定位，共采集85個土壤樣品，主要類型為潮土，將每一份土壤樣品分為兩部分，一部分用于光譜測量，另一部分用于土壤含水量測定。圖2.2濟(jì)陽縣樣本分布點(diǎn)位圖Fig2.2MapofsampledistributionpointsinJiyangCounty在實(shí)驗(yàn)室內(nèi)測定土壤樣本的含水量通常使用烘干法（單位：%），步驟如下：首先，將土壤樣品容納在鋁盒中，并將鋁盒的重量記為m，用精度為0.1g的天平稱量其重量，記土壤樣品的濕重M。然后將土壤樣品放在烘箱內(nèi)，恒溫105℃，烘至土壤樣品重量不再發(fā)生變化，大約6~8個小時。最后稱取烘干土壤樣品重量，記作土壤樣品的干重Ms。土壤含水量%100mMsMsM。其統(tǒng)計(jì)特征如表2-1所示。表2-1土壤含水量統(tǒng)計(jì)特征Table2-1StatisticalCharacteristicsofSoilWaterContent土層類型Typeofsoil最大值/%MaximumValue/%最小值/%MinimumValue/%平均值/%AverageValue/%標(biāo)準(zhǔn)/%Standarddeviation/%

【參考文獻(xiàn)】：
期刊論文
[1]耕層土壤有機(jī)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(bào). 2019(01)
[2]連續(xù)小波變換定量反演土壤有機(jī)質(zhì)含量[J]. 王延倉,張?zhí)m,王歡,顧曉鶴,莊連英,段龍方,李佳俊,林靖.  光譜學(xué)與光譜分析. 2018(11)
[3]基于衛(wèi)星遙感和再分析數(shù)據(jù)的青藏高原土壤濕度數(shù)據(jù)評估[J]. 范科科,張強(qiáng),史培軍,孫鵬,余慧倩.  地理學(xué)報(bào). 2018(09)
[4]基于支持向量機(jī)的土壤主要鹽分離子高光譜反演模型[J]. 王海江,蔣天池,YUNGER John A,李亞莉,田甜,王金剛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)
[5]卷積神經(jīng)網(wǎng)絡(luò)用于近紅外光譜預(yù)測土壤含水率[J]. 王璨,武新慧,李戀卿,王玉順,李志偉.  光譜學(xué)與光譜分析. 2018(01)
[6]基于秦嶺中山區(qū)坡面土壤表層水分的預(yù)測模型研究[J]. 安彬,肖薇薇.  河南科學(xué). 2017(10)
[7]去除土壤水分對高光譜估算土壤有機(jī)質(zhì)含量的影響[J]. 于雷,洪永勝,朱亞星,黃鵬,何琦,QI Feng.  光譜學(xué)與光譜分析. 2017(07)
[8]BP神經(jīng)網(wǎng)絡(luò)和SVM模型對施加生物炭土壤水分預(yù)測的適用性[J]. 王彤彤,翟軍海,何歡,鄭紀(jì)勇,涂川.  水土保持研究. 2017(03)
[9]土壤水與有機(jī)質(zhì)對高光譜的作用及交互作用規(guī)律[J]. 尚璇,李西燦,徐郵郵,劉莎莎.  中國農(nóng)業(yè)科學(xué). 2017(08)
[10]艾比湖流域不同土地覆蓋類型土壤養(yǎng)分高光譜反演模型研究[J]. 蔣燁林,王讓會,李焱,李成,彭擎,吳曉全.  中國生態(tài)農(nóng)業(yè)學(xué)報(bào). 2016(11)

碩士論文
[1]冀南地區(qū)高校小型體育館圍護(hù)結(jié)構(gòu)節(jié)能優(yōu)化研究[D]. 朱笛.河北工程大學(xué) 2019
[2]土壤有機(jī)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
[3]濟(jì)陽縣潮土光譜特性及含水量估測[D]. 丁春林.山東農(nóng)業(yè)大學(xué) 2018
[4]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
[5]土壤有機(jī)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
[6]高光譜圖像中條帶噪聲去除方法研究[D]. 劉七華.電子科技大學(xué) 2012
[7]基于實(shí)測高光譜數(shù)據(jù)的地表土壤水分含量反演研究[D]. 吉別克·哈力克巴義.新疆大學(xué) 2011



本文編號：3623591