基于CNN-FCM与光谱数据的土壤有机质高光谱估测

为克服卷积神经网络（CNN）拟合和估测精度不一定成正比的不足,提高土壤有机质估测精度,本文基于山东省济南市章丘区和济阳区的121个土壤样本的数据,首先对光谱数据进行预处理,然后建立土壤有机质高光谱CNN-FCM估测模型。结果表明：当CNN模型结构为一个3×3的卷积核,一个2×2的平均池化层,一个完全连接和输出层,FCM模型的模糊分类数为10,且使用线性函数建立融合模型时,模型估测精度最高,其中检验样本的决定系数R2为0.895,平均相对误差MRE为5.042%,均优于传统的BP、SVM和随机森林模型。研究表明,土壤有机质高光谱CNN-FCM估测模型是可行有效的。     

土壤有机质高光谱估算模型研究进展

土壤有机质高光谱估算较传统土壤农化分析方法表现出极大优势,顺应了现代农业发展的迫切需要。国内外众多学者先后对土壤有机质高光谱估算模型进行了大量研究,估算模型由简单的一元线性模型逐渐发展为多元线性及非线性模型,常用的建模方法分为线性方法和非线性方法,重点分析了各种方法的适用性。通过总结分析前人研究,发现土壤有机质高光谱估算模型研究存在以下发展趋势:多种建模方法耦合使用增多;建模方法的复杂度逐渐增强;尝试消减外部环境因素对建模的影响;尝试将室内土壤有机质估算模型应用于野外实地研究。     

哈尔滨市土壤有机质高光谱模型

通过对哈尔滨市土壤样品实测和室内高光谱测定,以土壤光谱反射率(反射率倒数、反射率对数、反射率一阶微分等)的数学变换数据作为自变量,土壤有机质质量分数的对数作为因变量,利用Matlab7.1软件,多元统计分析方法,建立了哈尔滨市土壤有机质质量分数高光谱多元逐步回归分析模型,实现了对哈尔滨地区土壤有机质的快速预测。     

麦田耕作层土壤有机质的高光谱监测

为了利用高光谱技术实现麦田耕作层土壤有机质(SOM)的实时、快速、准确监测,对不同物理条件下的麦田耕作层(0~20 cm)土壤进行了有机质和高光谱的测定,并利用多元逐步回归统计方法进行了土壤有机质信息波段的提取和监测模型的构建。结果表明,风干土和过筛处理土的光谱反射率要明显高于湿土处理,在350~1 100 nm处,光谱基本重合,说明二者含有相似的光谱信息,不同土壤粒径造成1 100~2 500 nm的差异。利用多元逐步回归的统计方法构建了不同光谱处理方式的土壤有机质光谱监测模型,并取得了较好的验证效果,其中,基于Savitzky-Golay平滑法的光谱处理不适于试验土壤有机质监测模型的构建;而经一阶微分处理后所构建的光谱监测模型拟合精度高、验证误差小,其中,湿土的土壤有机质监测模型具有较好的实践应用性。研究结果将为麦田土壤有机质的高光谱监测提供一定的理论依据。     

华南地区土壤有机质含量高光谱反演

为实现对土壤有机质含量的快速监测,在对土壤有机质含量作倒数变换的同时将土壤高光谱数据进行多种数据变换处理,筛选出与土壤有机质含量倒数变换后相关性最高的光谱指标,最后构建了土壤有机质含量高光谱反演的最佳模型,实现对土壤有机质含量的反演。结果表明:估算土壤有机质含量的最佳光谱指标为反射率一阶微分波段组合R_((587,126)*R_((734,049))*R_((1 095,892)),相关系数为0.769;在此基础上构建的土壤有机质含量高光谱反演模型最佳(Y=5×10~(16)x~3-5×10~(10)x~2+59 471.000 0x+0.101 1),其决定系数R~2为0.65,均方根误差(RMSE)为0.040 mg/kg。将其验证样本预测值与实测值进行比较,平均相对误差为27.00%,RMSE为4.19 mg/kg。该验证结果证明利用该模型进行华南地区土壤有机质含量的快速监测是可行的。     

丘陵区耕地土壤有机质含量高光谱估测研究

本文以钢城区2个丘陵村耕地土壤为研究对象,通过野外采样、自然风干、化验分析、高光谱测定及数据处理等,确定最佳高光谱变换方式并筛选显著性波段,建立随机森林(RF)、支持向量机(SVM)、偏最小二乘回归(PLSR)和多元逐步回归(SMLR)4种估测模型,对比分析确定最佳估测模型.结果表明:高光谱变换处理可以扩大光谱曲线特征...     

土壤有机质的光谱反射特性研究进展

综述了土壤光谱反射率与SOM含量的相关性、土壤有机质不同组分的光谱反射特性及土壤有机质含量高光谱预测研究,分析了该研究目前存在的问题,重点提出了基于多种土壤建市的SOM含量评价模型的不足,指出了基于土种建立SOM评价模型的发展方向,并展望了利用高光谱技术削释SOM的光谱规律及预测SOM含量的发展前景.     

基于表层土壤光谱的耕层土壤有机质间接估测

为解决遥感技术在监测耕层土壤有机质方面的应用问题,利用表层土壤光谱对耕层土壤有机质含量进行估测。以山东省济南市章丘区的表层、耕层各76个土壤样本为研究对象,首先对表层光谱数据进行小波变换去噪、剔除异常样本等处理,然后对处理后的光谱反射率进行一阶微分等10种数学变换,在对数倒数一阶微分和对数一阶微分变换后的反射率数据中选取43个与土壤有机质含量相关系数较高的波段,通过主成分分析以累计贡献率大于90%的标准选取5个主成分作为反演因子,利用BP神经网络(BPNN)、支持向量机回归(SVR)和多元线性回归(MLR)方法建立耕层土壤有机质含量间接估测模型。结果表明,耕层土壤与表层土壤有机质含量之间决定系数R~2达到0.839,显著性P0.01,存在着较强的相关性BPN估测模型的精度最优,决定系数R~2为0.845,平均相对误差为7.642%,RMSE分别为1.622g·kg~(-1)。研究表明,利用表层土壤光谱信息间接估测耕层有机质含量是可行有效的,为耕层土壤有机质的估测问题提供了一种新思路。     

土壤有机质含量的高光谱特性及其反演

【目的】应用高光谱技术阐释土壤有机质光谱规律及对有机质在土壤中的含量进行定量分析，为土壤肥力测定和评价提供指导。【方法】利用ASD FieldSpec Pro地物光谱仪在自然环境条件下对不同有机质含量的土壤样本进行光谱测量。通过对获取的土壤样品高光谱反射率进行倒数、导数、对数和标准化比值变换，运用统计单相关方法进行分析。【结果】确定了511 nm波长为诊断土壤有机质含量的敏感波段，采用450～750 nm可见光波段反射率均值对507～516 nm敏感范围反射率均值进行标准化比值处理后获得的有机质诊断指数（OII）对土壤有机质含量的估算精度较高，它们存在着简单的线性相关关系。【结论】土壤有机质诊断指数（OII）反演模型为土壤肥力的快速测定提供了新的途径。     

武夷山地区土壤有机质高光谱模型建立与评价

[目的]利用高光谱遥感,对武夷山土壤有机质进行研究,建立了土壤有机质高光谱反演模型,为今后武夷山地区土壤有机质含量的快速测定提供理论依据。[方法]利用ASD Field Spec Pro地物光谱仪对不同有机质土壤进行光谱测量,采用有机质速测法对土壤有机质含量进行测定。[结果]762 nm为土壤有机质的敏感波段,其相关系数为-0.771,然后建立拟合方程为:Y=61.823-129.274x,拟合度为0.820。[结论]提出今后亚热带地区土壤高光谱的研究方向。     

基于高光谱数据的土壤有机质含量预测研究

[目的]快速、有效、非接触、非破坏性地提取土壤有机质含量信息.探索新疆绿洲农区如何应用高光谱遥感技术分析、模拟、评价、预测土壤有机质含量,促进高光谱分辨率遥感技术在农田土壤遥感诊断、作物科学种植、水肥分区管理、田间农情监测中的应用,为新疆实施精准农业提供科学理论参考.[方法]利用高光谱遥感技术提取土壤有机质含量信息的研究,采用美国ASD Field Spec Pro VNIR 2500型光谱辐射仪获取田间土壤不同有机质含量信息的高光谱反射率;通过光谱分析技术,运用各种土壤反射率数学变换形式,找出最具代表性的敏感波段,揭示土壤有机质含量与其光谱成因机理之间的内在联系.[结果]基于NDI预测土壤有机质含量的估算模型中以一元三次函数模型(YSOM=-4E+ 07XNDI3+ 2E+ 06XNDI2-21 338XNDI+ 110.44,R2=0.713 2)为最优,指数函数模型次之.[结论]基于归一化光谱指数NDI可以较好的估算土壤有机质含量,利用统计方法建立的经验模型,简单实用,将对特定区域、特定土壤的预测有较好的效果.     

基于灰数灰度的土壤有机质高光谱估测

为克服光谱估测中的不确定性,利用统计回归与灰色系统理论建立土壤有机质高光谱估测模型。以山东省济南市章丘区采集的76个土壤样本为研究对象,首先对土壤光谱数据进行变换处理,根据极大相关性原则选取特征波段的估测因子,建立各特征波段的一元线性回归预测模型;其次,对各估测因子进行由小到大排序,计算估测因子排序后的土壤有机质含量的滑动方差,将滑动方差转化为灰数的灰度值,并将其用于修正估测因子,然后再建立各特征波段的一元线性回归修正模型;最后采用平均法与加权法融合各个单波段的预测值。结果表明,所建估测模型精度和检验精度均显著提高,13个检验样本的R²=0.911,MRE=7.764%。研究表明,本文建立的基于灰数灰度的土壤有机质含量高光谱估测模型是可行有效的。     

土壤有机质高光谱特征及其反演研究

具有精细的光谱分辨率,可获取地物纳米级连续光谱信息的高光谱技术以其简便、快速、精度高和无损等优势成为获取土壤有机质(soil organic matter,SOM)含量的重要手段,在精确农业发展中发挥着重要作用。本文阐述了高光谱反演土壤有机质的机理,概述了土壤有机质含量的光谱反射特征,包括不同土壤类型、不同土壤有机质含量的光谱响应波段,以及土壤有机质含量的光谱反演方法和模型的研究进展。进一步分析了土壤有机质光谱特征研究中存在的问题并对发展趋势进行了展望和分析,以期为以后的研究提供一定的参考。     

基于地理加权回归模型的绿洲土壤表层有机质含量高光谱估算

【目的】研究利用高光谱数据估算土壤表层有机质含量,为绿洲区大范围,快速,低成本,监测土壤表层有机质含量提供技术参考。【方法】以新疆博斯腾湖湖滨绿洲为研究区,采用地理加权回归模型,优选高光谱数据与土壤有机质含量的特征波段,构建研究区表层土壤有机质含量的高光谱估算模型。【结果】研究区表层土壤有机质含量变化不大,变化系数为55%,最小值为2.37 g/kg,最大值为51.47 g/kg,平均值为21.20 g/kg。土壤有机质特征波段主要集中在645~1 958 nm,其中1/R二阶的相关系数值最大为0.73,且在P=0.05水平下,通过显著性检验的波段数为83。构建的地理加权回归模型中,二维土壤指数1/R RSI建模效果最优,建模集R²=0.91,RMSE=2.56,验证集R²=0.95,RMSE=1.10。【结论】利用地理加权回归模型估算土壤有机质估算,建模效果可以达到一定的精度要求。     

基于高光谱数据的北疆绿洲农田灰漠土有机质反演

为了探寻快速、准确估测土壤有机质含量的方法以推动精准农业化进程,以北疆绿洲农田灰漠土为研究对象,通过野外实地调查收集土壤样品,室内化学分析测得土壤样品有机质含量,暗室内利用SVC HR-768高光谱仪测定土壤样品光谱反射率。通过对土壤光谱反射率进行倒数、对数、一阶微分、倒数的一阶微分、对数的一阶微分变换,运用单相关分析法提取土壤光谱特征波段,采用多元逐步方法对土壤有机质含量定量反演,分析研究土壤有机质含量和室内土壤光谱的特征关系。结果表明,在波长567、1 697 nm和2 221 nm处,采用反射率对数的一阶微分建立的土壤有机质含量反演模型预测精度最高,模型决定系数达到0.82。北疆绿洲农田灰漠土土壤有机质含量高光谱反演模型的建立为土壤有机质的快速测定提供了新的途径。     

土壤有机质遥感制图研究进展与展望

【目的】土壤有机质是衡量土壤肥力高低的重要指标,土壤有机质制图对了解土壤肥力空间分布格局,开展培肥地力、耕地质量评价、土壤碳循环研究、土壤污染治理等具有重要意义。基于遥感技术的土壤有机质制图是土壤学科新兴的研究方向和热点问题。文章全面总结土壤有机质遥感制图方法的发展和应用,展望未来土壤有机质遥感制图研究趋势,为土壤有机质制图工作提供参考。【方法】该文采用文献综述的方法,回顾和总结了近年来国内外土壤有机质遥感制图研究进展,对比分析了多光谱遥感法、结合遥感数据的土壤有机质预测性制图法、高光谱遥感影像直接法等3类土壤有机质遥感制图方法的优势和局限性;重点分析了影响成像高光谱土壤有机质制图精度的因素,阐述了土壤有机质光谱敏感波段、建模方法选择的研究进展、存在的问题及发展趋势。【结果 /结论】(1)多光谱遥感数据为土壤有机质制图提供了丰富的植被覆盖、土地利用、气候等土壤成土环境因素信息,广泛应用于大尺度范围或复杂地形区域的土壤有机质制图,但表达土壤有机质空间分布细微差异不够精细化;(2)高光谱遥感数据参与土壤有机质制图,提高了土壤有机质制图精细度,但需要加强土壤有机质光谱敏感波段优选以及适宜的土壤有机质高光谱建模方法研究;(3)中红外高光谱遥感具有土壤有机质预测和制图的潜力,该领域的发展值得期待。     

可见-近红外光谱预测土壤有机质含量的研究

[目的]基于土壤可见-近红外直接测定系统,重点研究和开发土壤有机质含量的校正分析模型。[方法]主要利用测试系统对来自关帝山森林土壤的20个样本在400～1 000 nm范围内进行光谱测试和分析。[结果]采用光谱法测定的有机质含量与采用权威化学方法测定的值基本一致。[结论]使用偏最小二乘回归分析,建立了土壤有机质与土壤光谱特性的预测模型。