基于ArcGIS Engine的土壤主要养分高光谱智能监测系统(英文)

基于面向对象理念,综合采用C#、ArcGIS Engine和Microsoft SQL Server设计并开发了土壤主要养分高光谱智能监测系统。系统主要包括文件操作、基本地图操作、光谱预处理、模型管理、养分含量快速计算、空间分布分析、用户管理等功能。系统可完成土壤高光谱数据的输入与预处理,并基于高光谱数据快速、智能计算采样点土壤主要养分(有机质、碱解氮、有效磷和速效钾)含量,进而利用地统计原理,实现研究区土壤养分的区域分布分析,不仅可促进土壤定量遥感的实用化和精准农业的发展,而且可为农业施肥决策提供依据。     

基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测

提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R²均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R²达到0.97,均方根误差RMSE为4.78mg/kg,验证R²为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。