共查询到10条相似文献，搜索用时 265 毫秒
1.
2.
【目的】快速、实时、准确、无损地获取农田土壤主要养分(全氮TN、全磷TP、全钾TK)含量的信息。【方法】运用各种土壤反射率的光谱特征分析技术,提取其最具代表性的敏感波段位置,建立土壤养分含量反演模型。【结果】建立估算模型中,预测TN含量以指数函数模型(YTN =0.000 5e4.700 3xNDI)为最佳;预测TP含量以一元三次函数模型(YTP =802.27 xNDI3-412.32 xNDI2+72.357 xNDI-3.318 9)为最佳;预测TK含量以一元三次函数模型(YTK =80 189 xNDI3-11 471 xNDI2+490.57 xNDI+13.879)为最佳模型。【结论】通过模型精度评价和田间反复验证,基于归一化光谱指数NDI建立的高光谱遥感定量模型,能较好的反演土壤TN、TP、TK含量,达到良好的预测效果。 相似文献
3.
博斯腾湖西岸湖滨绿洲芦苇地土壤盐分特征高光谱分析 总被引：2，自引：0，他引：2
《扬州大学学报(农业与生命科学版)》2016,(1)
以博斯腾湖西岸湖滨绿洲为研究区,统计分析芦苇地土壤盐分特征,通过多元线性回归分析建立芦苇地土壤盐分含量、Na~++K~+和Ca~(2+)的高光谱反射率估算模型。结果表明:1芦苇地土壤盐分含量平均值为4.21g·kg~(-1),为轻度盐渍化水平,不同株高下土壤盐分含量差异较大,标准误为9.37,方差为87.75;2不同芦苇株高下土壤高光谱反射率曲线特征表现为形态相似,基本平行,光谱的形状特征大致可以由910、1 200、1 450、1 910nm 4处的吸收带控制;3基于土壤高光谱反射率对土壤盐分含量、Na~++K~+和Ca~(2+)建立高光谱反射率估算模型进行定量反演具有良好精度:盐分含量高光谱反射率估算模型均方根误差(RMSE)为0.32,回归分析决定系数(R2)为0.88;Na~++K~+高光谱反射率估算模型RMSE为0.34,R~2为0.90;Ca~(2+)高光谱反射率估算模型RMSE为0.25,R2为0.93(F95%)。 相似文献
4.
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。 相似文献
5.
《西南农业学报》2019,(10)
【目的】为更快速准确地估算土壤全钾含量。【方法】本文以土壤高光谱数据和实验室分析所得的土壤全钾含量数据为数据源,研究土壤光谱与土壤全钾含量的关系。在土壤原始光谱预处理的基础上,对其进行光谱平滑、一阶微分、二阶微分和倒数对数等光谱变换处理,筛选出与对土壤全钾含量相关性最高的光谱指标,最终建立模型预测土壤全钾含量。【结果】基于一阶微分变换的光谱变量是估算土壤全钾含量的最佳光谱指标,其构建的土壤全钾高光谱反演模型(y=2E+06x~2+11328x+16.372)效果最佳,决定系数R~2为0.64,均方根误差RMSE为4.850 g/kg。【结论】利用该模型快速估算广东省土壤全钾含量是可行的。 相似文献
6.
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。 相似文献
7.
【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。 相似文献
8.
基于最优模型的荒地土壤有机质含量空间反演 总被引：1，自引：0，他引：1
本研究采用Landsat OLI多光谱遥感影像数据,结合实测土壤有机质含量,利用原始影像反射率(A)、反射率一阶微分(A')、反射率二阶微分(A″)建立单波段和多波段回归模型,估算研究区土壤有机质含量,反演其空间格局。结果显示,经微分处理后的影像反射率,与土壤有机质含量相关系数增大。其中A'处理后的遥感影像反射率与土壤有机质含量的相关系数达到-0.850,比原始的提高了0.401,增强了有机质的光谱信息。多波段回归建模效果优于单波段建模。且A'的多波段回归模型预测精度最好,其建模集R~2为0.80,RMSE为3.66,预测集R~2为0.79,RMSE为3.65,RPD为1.96,表明该模型精度高,误差最小,预测效果最优,可以很好地估算该区域的土壤有机质含量。基于一阶微分的多波段回归模型:SOM=23.12-470.94B3-24.35B4-43.06B6,对研究区的SOM含量空间分布格局进行反演,发现反演结果与实际情况吻合,因此,利用多波段回归模型能很好反演研究区SOM含量空间分布格局,表达其不同有机质含量的土壤空间分布与其对应的空间位置,这为土壤有机质面状参数的获取提供了快速而有效的方法。 相似文献
9.
《江苏农业学报》2016,(4)
为提高潍坊北部地区土壤氯化钠含量的监测精度,研究土壤氯化钠含量的高光谱估算方法,本研究利用光谱测量技术,以潍坊市北部海咸水入侵典型区域作为研究区,野外采集41个土壤光谱样本,并测定理化性质,对实测光谱反射率进行数学变换,与土壤样本氯化钠含量进行相关性分析,利用偏最小二乘回归分析法建立土壤氯化钠含量监测模型。研究结果表明:反射率一阶微分、二阶微分土壤氯化钠含量监测模型的决定系数均高于0.8,建模精度较高。经检验,反射率二阶微分是预测土壤氯化钠含量的最佳光谱指标,所建模型为Y=-828.278x6-635.832x7-348.817x2-583.591x9+360.329x4+1 044.751,建模决定系数为0.859,总均方根误差为0.274。说明将实测反射率光谱变换后利用偏最小二乘回归法建立的潍坊北部地区土壤氯化钠含量估算模型具有较高的可行性,能够较好地反演研究区土壤氯化钠含量,可为潍坊北部地区土壤盐渍化监测和评价提供参考。 相似文献
10.
【目的】研究土壤主要养分含量特征信息的光谱预测值,使其更具直观性、空间性及科学性,为大尺度对农田的土壤养分空间分布状况获取、评价与科学管理提供依据。【方法】利用ArcGIS 9.3的普通克里格(Ordinary Kriging)插值方法,对小面积及大尺度试验区的土壤样本点进行有机质反演插值填图,并将实验室化学测定土壤有机质含量的实测值与其高光谱模型预测值进行Kriging插值填图比较,分析土壤有机质含量的实测值与预测值的空间分布状况差异。【结果】从小面积试验区到大尺度条田地块插值后的空间分布情况来看,土壤有机质含量的光谱预测值(基于归一化光谱指数NDI[495,485]预测)与实测值之间具有较好的相似性,预测效果较好。【结论】通过土壤有机质含量信息状况的空间分布填图来确定农田分区基本管理单元的适宜尺度,为实施大区域农田养分分区精量管理的划分,提出科学的平衡施肥方案,为适合新疆及兵团特色的精准农业管理、土壤养分快速探测、精量施肥等技术提供技术理论支持。 相似文献