本文主要研究内容
作者陆龙妹(2019)在《基于高光谱特征的土壤属性预测研究》一文中研究指出:土壤作为农业生产的基础,获取持续而可靠的土壤属性信息及其空间分布信息对实现精准农业尤为重要。常规测定土壤属性含量的化学分析方法周期长、成本高,无法满足快速有效监测土壤属性的要求。近年来,高光谱分析技术为获取土壤属性信息提供了一个有效途径,该技术具有快速、简便、高效等特点。本研究采集蒙城和姜堰两个区域的土壤样品,测定样品的光谱反射曲线和土壤有机质含量,对光谱反射率进行—阶微分、倒数对数、去除包络线等数学变换,研究基于土壤类型和光谱分类建立的土壤有机质含量预测模型,选出较优的光谱变换方法。然后基于特征指数构建线性回归模型。并选用不同的筛选方法筛选特征波长,分别建立主成分回归模型和偏最小二乘回归模型,对模型精度进行评价分析,探讨不同方法对土壤有机质含量预测模型精度的影响。为土壤有机质快速准确预测提供方法支持,以及土壤有机质高光谱遥感制图提供研究基础,为进一步推动精准农业的发展提供基本思路,具有较大的实用价值。主要结论如下:(1)对原始光谱数据进行一阶微分、倒数对数和去除包络线等光谱变换,利用光谱相似性对研究区总体样本进行分类,分别建立基于总体样本、不同土壤类型和光谱分类的土壤有机质预测模型,经过光谱分类后的模型精度有所提高。(2)分别基于研究区的原始光谱、倒数对数和去包络线光谱数据构建光谱特征指数,特征指数包括高相关性波段、弓曲率、差值指数(DI)、比值指数(RI)和归一化指数(NDI),以特征指数为自变量建立线性回归模型,基于DI、RI和NDI的模型精度高于高相关性波段和弓曲率的模型精度,预测土壤有机质效果也有所提高。(3)应用连续投影算法(SPA)、无信息变量消除法(UVE)及竞争性自适应重加权算法(CARS)对原始光谱、倒数对数光谱和去除包络线光谱进行特征波长筛选,构建有机质的PCR和PLSR模型,评价模型精度,得出经过特征波长筛选后,模型精度普遍提高,其中经过CARS方法筛选特征变量的模型精度最高;同时采用特征波长筛选方法后,构建模型的变量数减少,模型效率也得到提高。本研究为快速预测土壤有机质提供了理论依据。图[33]表[14]参[97]
Abstract
tu rang zuo wei nong ye sheng chan de ji chu ,huo qu chi xu er ke kao de tu rang shu xing xin xi ji ji kong jian fen bu xin xi dui shi xian jing zhun nong ye you wei chong yao 。chang gui ce ding tu rang shu xing han liang de hua xue fen xi fang fa zhou ji chang 、cheng ben gao ,mo fa man zu kuai su you xiao jian ce tu rang shu xing de yao qiu 。jin nian lai ,gao guang pu fen xi ji shu wei huo qu tu rang shu xing xin xi di gong le yi ge you xiao tu jing ,gai ji shu ju you kuai su 、jian bian 、gao xiao deng te dian 。ben yan jiu cai ji meng cheng he jiang yan liang ge ou yu de tu rang yang pin ,ce ding yang pin de guang pu fan she qu xian he tu rang you ji zhi han liang ,dui guang pu fan she lv jin hang —jie wei fen 、dao shu dui shu 、qu chu bao lao xian deng shu xue bian huan ,yan jiu ji yu tu rang lei xing he guang pu fen lei jian li de tu rang you ji zhi han liang yu ce mo xing ,shua chu jiao you de guang pu bian huan fang fa 。ran hou ji yu te zheng zhi shu gou jian xian xing hui gui mo xing 。bing shua yong bu tong de shai shua fang fa shai shua te zheng bo chang ,fen bie jian li zhu cheng fen hui gui mo xing he pian zui xiao er cheng hui gui mo xing ,dui mo xing jing du jin hang ping jia fen xi ,tan tao bu tong fang fa dui tu rang you ji zhi han liang yu ce mo xing jing du de ying xiang 。wei tu rang you ji zhi kuai su zhun que yu ce di gong fang fa zhi chi ,yi ji tu rang you ji zhi gao guang pu yao gan zhi tu di gong yan jiu ji chu ,wei jin yi bu tui dong jing zhun nong ye de fa zhan di gong ji ben sai lu ,ju you jiao da de shi yong jia zhi 。zhu yao jie lun ru xia :(1)dui yuan shi guang pu shu ju jin hang yi jie wei fen 、dao shu dui shu he qu chu bao lao xian deng guang pu bian huan ,li yong guang pu xiang shi xing dui yan jiu ou zong ti yang ben jin hang fen lei ,fen bie jian li ji yu zong ti yang ben 、bu tong tu rang lei xing he guang pu fen lei de tu rang you ji zhi yu ce mo xing ,jing guo guang pu fen lei hou de mo xing jing du you suo di gao 。(2)fen bie ji yu yan jiu ou de yuan shi guang pu 、dao shu dui shu he qu bao lao xian guang pu shu ju gou jian guang pu te zheng zhi shu ,te zheng zhi shu bao gua gao xiang guan xing bo duan 、gong qu lv 、cha zhi zhi shu (DI)、bi zhi zhi shu (RI)he gui yi hua zhi shu (NDI),yi te zheng zhi shu wei zi bian liang jian li xian xing hui gui mo xing ,ji yu DI、RIhe NDIde mo xing jing du gao yu gao xiang guan xing bo duan he gong qu lv de mo xing jing du ,yu ce tu rang you ji zhi xiao guo ye you suo di gao 。(3)ying yong lian xu tou ying suan fa (SPA)、mo xin xi bian liang xiao chu fa (UVE)ji jing zheng xing zi kuo ying chong jia quan suan fa (CARS)dui yuan shi guang pu 、dao shu dui shu guang pu he qu chu bao lao xian guang pu jin hang te zheng bo chang shai shua ,gou jian you ji zhi de PCRhe PLSRmo xing ,ping jia mo xing jing du ,de chu jing guo te zheng bo chang shai shua hou ,mo xing jing du pu bian di gao ,ji zhong jing guo CARSfang fa shai shua te zheng bian liang de mo xing jing du zui gao ;tong shi cai yong te zheng bo chang shai shua fang fa hou ,gou jian mo xing de bian liang shu jian shao ,mo xing xiao lv ye de dao di gao 。ben yan jiu wei kuai su yu ce tu rang you ji zhi di gong le li lun yi ju 。tu [33]biao [14]can [97]
论文参考文献
论文详细介绍
论文作者分别是来自安徽理工大学的陆龙妹,发表于刊物安徽理工大学2019-07-08论文,是一篇关于土壤有机质论文,光谱特征指数论文,连续投影算法论文,无信息变量消除法论文,竞争性自适应重加权算法论文,偏最小二乘回归论文,安徽理工大学2019-07-08论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自安徽理工大学2019-07-08论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:土壤有机质论文; 光谱特征指数论文; 连续投影算法论文; 无信息变量消除法论文; 竞争性自适应重加权算法论文; 偏最小二乘回归论文; 安徽理工大学2019-07-08论文;