基于高光谱的土壤全氮含量估测

针对不同土壤特性的光谱相关分析,研究其与土壤全氮含量之间的关系,筛选出可以预测土壤全氮含量的最佳光谱特征参量,并构建相关估算模型。研究表明,土壤光谱反射率与土壤全氮含量之间呈较好的相关性。其中,全氮含量与土壤原始光谱反射率在1 867 nm处呈极显著负相关,相关系数达到-0.939 2;基于NDI预测土壤全氮含量的估算模型中,以指数函数关系模型(yTN=0.000 5e~(4.700 3)xNDI,R~2=0.798 2)为预测土壤全氮含量的最优模型,基于归一化光谱指数NDI在预测土壤全氮含量时表现出较好的效果。     

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...     

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。     

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。     

贵州南江3号烟叶全氮含量高光谱估算模型

为实现烟叶全氮含量快速无损检测,及时获取烤烟生长实时信息,以贵州喀斯特山区主栽品种南江3号为研究对象,利用地物高光谱仪采集烟叶高光谱,并测定其全氮含量,采用相关性和逐步回归方程分析全氮含量与原始光谱反射率、光谱反射率一阶微分、高光谱特征变量之间的关系。结果表明:全氮含量高光谱原始反射率的特征波长为702nm(r=—0.587),呈极显著负相关;光谱反射率一阶微分的特征波长为632nm(r=0.812),呈极显著正相关;绿峰与红谷比值Rg/Rr(r=—0.812)的相关系数较高;基于光谱反射率一阶微分的逐步回归方程对烟叶全氮含量的估测效果较好(R2=0.961,p0.01)。     

基于土壤优化光谱参数估测太湖地区土壤全氮含量

为明确太湖地区土壤全氮的高光谱特征,构建定量分析模型,以江苏省无锡市滨湖区为研究区域,选取地理位置跨度大、土壤质地相似的93个样品,进行土壤风干样品全氮含量测定和光谱数据采集,对光谱反射率进行一阶微分,运用相关系数峰谷值法筛选敏感波长,将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明,研究区内土壤全氮含量与光谱反射率呈正相关,敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R²=0.98、RMSE=0.04）,其精度高、可靠性强,是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R²=0.70、RMSE=0.13）次之,而人工神经网络模型（R²=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴,可为土壤养分精准管理提供技术参考。     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

利用高光谱技术估测小麦叶片氮量和土壤供氮水平

有效的监测作物氮素营养水平及土壤供氮能力可以为合理施用氮肥提供重要依据。本文以2 年3 点不同氮素水平下不同小麦品种的田间试验数据为基础,运用植被指数和偏最小二乘回归法,比较和分析小麦冠层光谱与叶片氮含量及土壤氮含量的关系。结果表明：小麦冠层光谱与叶片氮含量的相关性分析在可见光波段存在显著负相关,在近红外波段呈显著正相关,而与土壤氮含量的相关性呈相反趋势。基于光谱参数ND705 和GNDVI所建叶片氮含量估算模型的决定系数分别达到0.827 和0.826。基于光谱参数VOG2 所建土壤氮含量估算模型的决定系数达到0.646;与植被指数所建模型相比,综合350~1350 nm光谱波段反射率分别与小麦叶片氮含量、土壤氮含量建立偏最小二乘回归模型的预测精 度均有所提高,决定系数分别达到0.842 和0.654。本研究结果可为小麦氮素营养及土壤供氮水平的诊断监测与合理施肥管理提供了理论依据和技术支持。     

利用可见光/近红外-短波红外光谱预测土壤总氮含量的研究

利用航天遥感影像,分析了影像光谱值与土壤总氮含量之间的关系.利用多元统计方法,建立了总氮含量预测模型,并制作了总氮含量分布图.     

小波分析用于土壤速效钾含量高光谱估测研究

【目的】对土壤高光谱数据去噪提纯,提高土壤速效钾含量高光谱估测模型的精度和实用性。【方法】选取土壤有机质、碱解氮、有效磷含量近似而速效钾含量差异较大的样本76个,对土壤样本反射率对数的一阶导数光谱分别基于4种函数进行多层小波离散分解;提取小波低频系数,构建土壤速效钾含量高光谱估测模型。【结果】小波分解1-3层获得的低频系数可用以代表原始光谱。基于各小波函数相同尺度的低频系数,土壤速效钾含量估测建模精度差异不大。其中基于Bior 1.3函数分解的第2层低频系数建模精度略高,作为最佳估测模型,在数据压缩到25%、反映输入光谱信息95.6%的基础上,建模R2达到0.976,RMSE为10.66 mg•kg-1,经验证模型具有较好的预测准确度。【结论】通过小波分析获得小波系数,既提取了土壤高光谱信息,又对数据进行了压缩,结合偏最小二乘回归预测土壤速效钾含量是可行的。     

基于高光谱特征参数优选的土壤盐分含量建模及其验证

目的 研究不同维度光谱变换下土壤盐分反演模型及其验证。方法 以博斯腾湖西岸湖滨绿洲为研究区,面向ASD高光谱数据,利用17种一维数学变换光谱和3种二维变换光谱指数,分别与实测土壤盐分进行相关分析,得到0.01显著性检验水平下初步优选的光谱特征参数,基于VIP准则选入最佳自变量实现PLSR模型构建,进行精度验证。结果 研究区干季土壤平均反射率随含盐量的增加而高于湿季土壤平均反射率,尤其体现在590、800、1 810、2 150 nm处;17种一维单波段光谱变换中,对数倒数的一阶微分(1/lgR)变换与土壤盐分含量相关性最好,峰值敏感波段为1 083 nm,相关系数绝对值|r|最高达0.63;3种二维两波段光谱变换中,归一化光谱指数NDSI(R_{1 780},R_{1 742})与土壤盐分含量相关性最好,相关分析决定系数R ²最大值为0.57;基于特征归一化光谱指数结合VIP准则进行自变量筛选的PLSR估算模型效果最佳,土壤盐分建模集和验证集的决定系数 {R_{\mathrm{V}}}^2 达0.77,均方根误差RMSEV为0.64 g/kg,相对分析误差RPD为2.11。 结论 利用归一化光谱指数NDSI建立PLSR高光谱模型可有效地对研究区土壤盐分进行定量估算。     

荒漠区新建林及外围原有荒漠土壤有机碳含量分析

[目的]对克拉玛依荒漠区新建的新疆杨、俄罗斯杨、榆树白腊混交林及外围原有的荒漠风沙土的土壤有机碳含量和生物量进行对比研究,旨在明确荒漠区植树造林对土壤有机碳含量的影响,为土地利用和生态保护提供基础数据.[方法]新建林区与外围原有的荒漠风沙土壤取样分析,对比研究荒漠区新建林和外围原有荒漠土壤总有机碳、活性有机碳、溶解性有机碳、微生物生物量碳含量以及生物量.[结果]新疆杨土、俄罗斯杨土、榆树白腊混交林土及荒漠风沙土0～50 cm土层总有机碳含量分别为10.38、6.73、11.16和4.37 g/kg;试验地0～50 cm土层土壤溶解性有机碳含量平均值的大小顺序为荒漠风沙土＞榆树白腊混交林土＞俄罗斯杨土＞新疆杨土;3种林土与荒漠风沙土的活性有机碳之间有显著性差异,但林种土壤之间活性有机碳没有显著差异;林区土层微生物生物量碳含量均高于荒漠区,各土层俄罗斯杨土壤微生物生物量碳含量均小于新疆杨和混交林区.[结论]林区新建后的各层土壤有机质、活性有机碳以及微生物生物量碳含量增加,大小顺序为榆树白腊混交林土＞新疆杨土＞俄罗斯杨土＞荒漠风沙土,溶解性有机碳降低.新建林区乔木和草本的生物量均大于荒漠风沙土的生物量.生物量大小顺序为总生物量大小及顺序为:俄罗斯杨＞新疆杨＞榆树白腊混交林＞荒漠风沙土.     

基于机载高光谱影像的南方水稻土有机质含量估算

水稻土中有机质光谱常常受到水分、秸秆等土壤背景的影响,为了减弱或去除非有机质组分对有机质光谱的影响,构建南方水稻土有机质估算模型。利用机载高光谱（GaiaSky Mini2 VN）作为数据源,对原始反射率进行单一和组合变换（去除包络线、倒数、对数、一阶微分、二阶微分单一变换和倒数一阶微分、对数一阶微分、倒数对数组合变换）提取一维特征光谱;通过对变化后光谱进行比值和归一化处理,提取二维特征光谱;构建基于特征光谱的线性（多元回归、偏最小二乘）和非线性（反向传播神经网络、支持向量机）有机质预测模型,监测南方水稻土有机质含量。结果表明：一维光谱变换能显著增强光谱对有机质响应的敏感度,二维光谱变换能充分挖掘光谱信息,增强有机质与光谱之间的内在联系,提高建模精度。非线性模型（BPNN、SVM）尤其是BPNN对土壤有机质拟合性好,建模精度高。基于原始反射率比值指数建立的BPNN模型建模精度达到0952,检验精度达到0889,建模效果最优。该结果适用于南方水稻土有机质监测,对机载高光谱在土壤有机质监测中的特征波段提取和建模方法选择具有重要借鉴意义,对现代农业发展管理提供新的思路。     

基于高光谱特征波长的冬小麦水分含量估测模型

【目的】以高光谱技术为核心,结合理化数据,建立快速、无损的冬小麦冠层水分含量估算模型,为利用高光谱技术进行小麦水分含量的无损检测提供参考。【方法】测定两种冬小麦的叶片、植株含水量,采集其光谱数据作SG平滑、一阶导数和二阶导数处理,分析其相关关系,构建冬小麦叶片和植株含水量的多种估算模型,进行精度评价。【结果】不同光谱数据处理中一阶导数变换能够显著增加与小麦含水量的相关性,叶片含水量在456 nm波长处达到了最大负相关,相关系数为0.87,植株含水量在457 nm波长处达到了最大负相关,相关系数为0.890 9;偏最小二乘回归构建的水分含量估测模型拟合精度优于线性和多元回归模型,线性模型采用R₆₅₀、SG₁₉₄₄、R′₄₅₆、R″₆₈₁构建的模型估测叶片含水量较好,估测植株含水量R₆₆₄、SG₆₆₃、R′₄₅₇、R″ ₆₈₁精度较高; 多元线性回归和偏最小二乘回归都是采用一阶导数变换构建的模型拟合精度最高,叶片和植株水分含量估测模型的外部检验R²分别达到0.803 2、0.867 0、0.854 0、0.885 6。【结论】小麦原始光谱一阶导数变换后能够显著提高与水分含量的相关性,利用PLSR方法构建的小麦水分含量估测模型拟合精度最高。     

多菌灵对灰漠土土壤微生物的影响

[目的]选择西北干旱半干旱地区具有代表性土壤灰漠土,在室内模拟条件下,初步研究施用多菌灵对土壤微生物的影响,为多菌灵的安全使用提供科学依据.[方法]应用稀释平板计数法和氯仿熏蒸- K2SO4提取法分别测定土壤微生物种群及生物量碳、生物量氮.[结果]在整个培养期间(47 d),施用多菌灵处理土壤的生物量碳和生物量氮显著降低,且抑制作用随着多菌灵浓度的增加而增大,其EC25分别为11.39和10.44 mg/kg.多菌灵对放线菌作用不明显,但促进了细菌数量的增加;抑制了真菌的数量,且抑制作用随着多菌灵浓度的增加而增大,其EC50为7.73 mg/kg.[结论]可以用土壤生物量碳和量氮来指示多菌灵在土壤中的残留状况,用真菌数量来指示多菌灵对土壤的作用情况.