共查询到18条相似文献，搜索用时 198 毫秒
1.
土壤有机质与水分反射光谱响应特征综合作用模拟 总被引：2，自引：0，他引：2
土壤有机质与水分均对土壤反射光谱特征有显著的影响,但其作用机理难以定量描述。通过对黑龙江省典型黑土区土壤野外高光谱反射率的测定,研究了该区土壤的光谱反射特征;利用BP神经网络方法,以土壤有机质与水分数据作为输入层,以土壤光谱反射率一阶微分作为输出层,建立黑土有机质与水分的高光谱预测模型,并对模型的稳定性和预测能力进行检验。结果表明:土壤有机质与土壤表层0~20 cm含水量之间具有显著的相关性,相关系数为0.59;1570 nm波段处的一阶微分为输出层的模型精度最高,RMES达到0.017,平均绝对误差为0.014,平均相对误差为0.110;模型检验结果表明建立的BP神经网络模型具有良好的稳定性;土壤有机质、含水量对土壤光谱反射率的综合作用得到较准确的描述,可以用于野外土壤有机质与水分的速测。 相似文献
2.
黑土典型区土壤有机质遥感反演 总被引：18，自引：12，他引：6
土壤有机质（SOM）含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明：黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段（0.63～0.69 μm）,为-0.710,其次为4波段（0.76～0.90 μm）,与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。 相似文献
3.
获取准确的土壤-环境关系是数字土壤制图的关键,目前遥感影像已作为环境因子应用于土壤-环境知识的建立过程,但单幅遥感影像所包含的光谱信息差异难以将不同土壤类型区分开来。因此本文提出了一种基于多时相遥感影像的土壤制图方法：选取红安县滠水河流域为研究区,以母质类型图、等高线数据和多时相哨兵二号遥感影像为基础,提取与土壤形成有关的环境因子,通过随机森林算法获取土壤-环境关系,预测研究区各土壤类型的空间分布并成图,利用野外实地分层采样点验证推理图的精度。结果表明：推理土壤图总体分类精度高达86%,与原始土壤图对比,各土壤类型的空间分布具有一定相似性,展现了更为详细的空间细节信息,该研究成果可为更新土壤图工作提供新方法。 相似文献
4.
应用土壤-景观定量模型预测土壤属性空间分布及制图 总被引：12，自引：2，他引：12
以土壤-景观定量模型为基础的土壤制图方法在世界范围内得到了广泛研究。本文在皖南宣城的丘陵地带内选择研究区,从该区的数字高程模型(DEM)中获取景观信息:地形因子,定量地分析了土壤属性与地形因子之间的相关关系,并建立基于该关系的线性土壤-景观定量模型,最后应用该模型来预测土壤属性在空间上的分布并制图。结果表明:土体厚度和表层有机质含量与地形因子之间有着显著相关性;建立的线性回归模型分别能解释土体厚度、表层有机质含量空间变异的32.2%和35.3%;依据该模型预测的土体厚度和表层有机质含量具有较高的准确度,并能制图表达土壤属性在空间上的自然连续性。 相似文献
5.
基于TM数据的黑土有机质含量空间格局反演研究 总被引：2，自引：0，他引：2
以吉林省黑土区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量(SOM)与土壤反射率的定量关系,筛选出与土壤有机质分布相关的波段TM1、TM5,建立区域土壤有机质遥感预测模型。结果表明,表层土壤有机质含量的对数值与TM1、TM5的灰度值(Digital Number,DN)呈显著负相关关系,满足二次多项式回归关系,基于TM1、TM5波段DN值的回归模型预测研究区表层土壤有机质含量,结果可靠。研究区表层土壤有机质含量15 g kg-1的区域主要分布在东部地区,含量在15~20 g kg-1的区域主要分布在中部地区,含量在20~25 g kg-1的土壤主要集中在西部地区。调查表明东部地区和中部地区主要是典型黑土,地形部位较高,排水条件较好;西部地区主要是草甸黑土,地势平坦,地下水位适中,水分条件充足,有机质含量较高。 相似文献
6.
基于HJ-1A超光谱影像的县域尺度耕地土壤速效磷含量遥感制图研究 总被引：1，自引：0，他引：1
《土壤通报》2015,(6):1314-1320
及时、准确地获取耕地土壤养分含量信息,对于作物田间管理、产量提升和耕地环境保护具有重要意义。本研究基于HJ-1A超光谱遥感影像数据,结合野外实测样本,通过光谱反射率多种数学变换,利用相关性分析法提取土壤速效磷含量的敏感波段及特征波段组合,然后基于多元回归分析方法,建立各种敏感波段组合的土壤速效磷光谱诊断模型,筛选最优诊断模型,并基于野外样本开展精度验证,实现耕地土壤速效磷含量的空间制图。研究结果表明,土壤速效磷含量与四种微分变换形式的相关性较高,而与其他四种非微分形式的相关性较低;其中反射率对数的一阶微分的预测模型决定系数R2最大,可达到0.70,且均方根误差最小,因此确定光谱反射率对数的一阶微分预测模型为土壤速效磷含量的最优诊断模型,并可据此实现研究区耕地土壤速效磷含量的空间制图;利用未参与建模的野外样本进行精度验证,检验样本的决定系数R2为0.67,均方根误差RMSE为15.31 mg kg-1。因此,以环境小卫星超光谱影像为数据源,基于多元回归分析方法,可建立具有较高精度的土壤速效磷含量预测模型,实现县域尺度的耕地土壤速效磷含量空间制图。 相似文献
7.
基于多元地统计的土壤有机质含量空间格局反演 总被引：4，自引：2，他引：2
为了提高土壤有机质含量的空间预测精度,该文采用了一种多元地统计方法来构建遥感定量反演模型。考虑到回归误差在空间上具有一定程度的聚类,该文提出了基于局部变化均值的普通克里金方法,然后用其构建土壤有机质含量遥感定量反演模型。对四川省西南部土壤有机质含量进行空间预测试验,并与普通克里金、普通遥感定量反演、基于回归克里金的遥感定量反演等方法相比较。结果表明:该文提出方法的空间预测结果最优,其原因为该方法通过空间统计来建立采样数据与地表反射率间的联系,充分考虑了数据间的空间相关性,因此可以更精确地获得土壤有机质含量的遥感反演模型;相比基于回归克里金的遥感定量反演方法,基于局部变化均值的普通克里金假设回归误差在局部邻域内的均值也不一定为零,更符合实际情况。该方法为农田养分管理及区域农业的可持续发展提供科学依据。 相似文献
8.
轮作模式在农耕区土壤有机质推测制图中的应用 总被引：1，自引：0，他引：1
人类活动近年成为数字土壤制图亟需考虑的要素。本文以农业活动中轮作模式为例,将轮作信息应用于数字土壤制图,探讨其对土壤空间变异刻画的有效性。以安徽宣城两个县市的耕地平区为研究区,通过野外调查获得近年三种主要轮作模式,基于监督分类对多期遥感影像解译得到轮作类型空间分布图,使用方差分析探讨轮作对土壤表层有机质空间变异是否有显著性影响,采用随机森林重要性指标对自然环境因子、轮作模式、土地利用方式和归一化植被指数进行重要性排序,并构建不同的环境因子组合,利用基于相似度的土壤推测模型和随机森林模型进行制图和交叉验证。结果表明,轮作模式对土壤表层有机质有显著性影响,其重要性排序为第二,引入轮作使得基于相似度的土壤推测模型和随机森林模型制图精度分别提高4.8%~65.9%和1.9%~2.7%。 相似文献
9.
基于多光谱数据的荒漠矿区土壤有机质估算模型 总被引：6，自引：2，他引：4
目前运用高光谱数据估算土壤有机质的模型精度已经可以达到精准农业的要求,但其数据的整理和运算过程较为复杂且观测尺度较小.为节省资源,提高效率并为多光谱遥感估算土壤有机质积累经验,该文将Landsat8_OLI多光谱遥感影像各波段的反射率数据与地面土壤有机质SOM(soil organic matter)实测数据相结合,利用SPSS软件及多元线性回归分析方法建立基于反射率R、反射率倒数1/R、反射率倒数对数LN(1/R)、反射率一阶导数FDR(first derivative reflectance)的土壤有机质定量估算模型,精度检验后择取最优模型通过多光谱遥感波段运算的方式推广至整个研究区.结果表明:FDR模型的精度更高,RMSE为0.215,F检验结果为4.072,预测值与实际值之间的决定系数R2为0.963.基于该模型估算研究区空间范围的土壤有机质含量,得出土壤有机质含量在0～5 g/kg之间的面积占总研究区的84.065％,＞10 g/kg的面积仅仅为0.001 5％.在4种土地类型中工矿用地SOM平均含量为最高的7.35 g/kg,受开采的煤炭中有机质影响较大.裸地面积2 674.44 km2,占研究区面积的63％,SOM平均含量6.12 g/kg;盐渍地和荒漠林地SOM含量偏低.总之,运用多光谱遥感数据估算干旱区土壤有机质的方法可行,也为遥感估算其他地表参数提供参考. 相似文献
10.
利用地形和遥感数据预测土壤养分空间分布 总被引：28，自引：4，他引：24
在GIS支持下,选择地形因子和遥感植被指数,建立土壤养分空间分布预测模型,应用回归克里格（Kriging）方法,预测吉林省农安县土壤养分（有机质和全氮）的空间分布。结果表明,11个环境因子中,相对高程、坡度、地形起伏度、坡度变率、归一化植被指数（NDVI）与土壤有机质和全氮含量均具有显著的相关性。地面粗糙度和地形湿度指数与有机质具有显著相关性,而与全氮的相关性不显著。相对高程、坡度、地面粗糙度、河流动能指数以及NDVI在土壤养分的多元回归预测模型中贡献较大,是预测土壤养分空间分布的最优因子。有机质和全氮在研究区的空间分布格局呈现由东南向西北逐渐减少的趋势,这种分布格局受地形和植被的综合作用,同时与土壤类型密不可分。精度检验结果表明,回归克里格方法能够提高土壤养分空间分布预测精度,是一种有效的空间分布插值方法。 相似文献
11.
黑土区田块尺度土壤有机质含量遥感反演模型 总被引：5，自引：4，他引：5
为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。 相似文献
12.
基于光谱吸收特征的土壤含水量预测模型研究 总被引：7，自引：0，他引：7
为了定量分析土壤含水量与反射光谱特征之间关系,并为土壤含水量速测提供理论依据。以黑土作为研究对象,测定实验室光谱反射率,利用去包络线方法提取反射光谱特征指标,建立土壤水分含量高光谱预测模型。结果表明:黑土含水量与1 420 nm、1 920 nm附近吸收谷的主要光谱特征(吸收谷深度、宽度、面积)呈显著正相关;1 920 nm附近吸收谷可作为黑土土壤水分的特征吸收谷,由其光谱特征参数预测黑土含水量;以1 920 nm附近吸收谷面积为自变量建立的一元线性回归模型预测精度高,输入量少,可以作为土壤含水量速测仪器研制的理论依据。 相似文献
13.
含水率对土壤有机质含量高光谱估算的影响 总被引：3，自引：1，他引：3
土壤含水率对有机质(soil organic matter,SOM)含量高光谱估算精度有很大的影响。为了探讨SOM高光谱估算中土壤含水率的影响,该文对烘干土、风干土和质量含水率为5%~40%(按5%递增)的土壤样本进行了室内高光谱测量,对光谱数据进行了反射率、反射率一阶导数和反射率倒数对数3种光谱数据变换,运用偏最小二乘回归法(partial least squares regression,PLSR)建立了相应的SOM估算模型。结果表明,风干土的SOM高光谱估算精度较好;当含水率水平小于25%时,SOM估算模型精度受含水率的影响较大,光谱数据进行反射率倒数对数变换后的模型精度最高;当含水率水平大于等于25%时,水分对土壤光谱反射率的影响要大于SOM,不适宜利用土壤光谱数据进行SOM含量高光谱估算。该研究可为大田环境不同含水率情况下光谱估算SOM提供参考。 相似文献
14.
基于环境因子和联合概率方法的土壤有机质空间预测 总被引：2，自引：1，他引：1
<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相 相似文献
15.
含水量对黑土光谱特征影响的定量分析 总被引：4，自引：0，他引：4
LIU Huan-Jun ZHANG Yuan-Zhi ZHANG Xin-Le ZHANG Bai SONG Kai-Shan WANG Zong-Ming TANG Na 《土壤圈》2009,19(4):532-540
Several studies have demonstrated that soil reflectance decreases with increasing soil moisture content, or increases when the soil moisture reaches a certain content; however, there are few analyses on the quantitative relationship between soil reflectance and its moisture, especially in the case of black soils in northeast China. A new moisture adjusting method was developed to obtain soil reflectance with a smaller moisture interval to describe the quantitative relationship between soil reflectance and moisture. For the soil samples with moisture contents ranging from air-dry to saturated, the changes in soil reflectance with soil moisture can be depicted using a cubic equation. Both moisture threshold (MT) and moisture inflexion (MI) of soil reflectance can also be determined by the equation. When the moisture range was smaller than MT, soil reflectance can be simulated with a linear model. However, for samples with different soil organic matter (OM), the parameters of the linear model varied regularly with the OM content. Based on their relationship, the soil moisture can be estimated from soil reflectance in the black soil region. 相似文献
16.
基于EPO算法去除水分影响的土壤有机质高光谱估算 总被引：2，自引：0，他引：2
野外进行土壤有机质的光谱快速预测时需考虑土壤含水量的影响。在室内设计人工加湿实验分别获取9个土壤含水量梯度(0~32%,间隔4%)的土壤光谱数据,分析土壤含水量变化对光谱的影响,再利用外部参数正交化法(external parameter orthogonalization,EPO)进行湿土光谱校正,并结合偏最小二乘回归和支持向量机回归分别建立土壤有机质预测模型。结果表明,土壤光谱反射率随着土壤含水量的增加呈非线性降低趋势,偏最小二乘回归模型的预测偏差比为1.16,模型不可用;经EPO算法校正后,各土壤含水量梯度之间的光谱差异性降低,能实现土壤有机质在不同土壤含水量梯度的有效估算,偏最小二乘回归和支持向量机回归模型的预测偏差比分别提高至1.76和2.15。研究结果可为田间快速预测土壤有机质提供必要参考。 相似文献
17.
吉林省农田耕层土壤pH的时空变化特征 总被引：8，自引：1，他引：8
本研究通过分析2005~2013年测土配方施肥项目在吉林省采集的大量土壤样品,明确了不同地区农田耕层土壤pH的空间变异特征,并与第二次土壤普查数据对比探讨了土壤pH的变化趋势。结果表明,目前吉林省农田耕层土壤pH分布在3.8~9.1之间,平均值为6.5。不同类型农田土壤pH的高低顺序为:黑钙土风沙土草甸土黑土白浆土≈暗棕壤水稻土。空间上,吉林省农田耕层土壤呈现自西向东逐渐降低的分布特征,以西部白城市的通榆县最高而东部延边朝鲜族自治州的汪清县最低。时间上,与第二次土壤普相比,吉林省各种土类的pH存在共性的土壤酸化趋势。不同土类间pH的降幅存在较大差异,代表性的黑土下降约0.5个单位,酸化程度较大的草甸土和水稻分别下降了1.4和1.6个单位,而酸化程度较小的白浆土下降了0.1个单位。吉林省农业生产中应控制化肥用量,调整肥料品种,合理增施有机肥,大力推广秸秆还田,从而缓解土壤酸化趋势,改善土壤肥力。 相似文献
18.
为监测煤炭矿区不同沉陷阶段耕地土壤质量状况,实现矿区土地复垦和耕地质量保护,以山西省长治王庄煤矿周边3种处于不同沉陷阶段的耕地为例,使用无人机搭载高光谱相机进行影像获取,并在研究区内进行土壤样品采集及室内光谱测定。通过对光谱反射率进行倒数、一阶微分、二阶微分、多元散射校正4种不同形式的变换,分析转换后的光谱反射率和实测有机质含量的相关性,筛选出相关系数较高的敏感波段。利用多元线性回归（Multiple Linear Regression,MLR）、偏最小二乘回归（Partial Least Squares Regression,PLSR）和BP神经网络（BP Neural Network,BPNN）3种模型对有机质含量建立预测模型,并对模型预测结果进行精度评价,选用较优模型代入无人机高光谱影像进行有机质含量填图,得到耕地范围内的土壤有机质分布情况,并对处于不同沉陷阶段的耕地土壤有机质空间分布差异及其驱动因子进行分析讨论。结果表明：1）采煤沉陷区耕地土壤有机质含量与经过多元散射校正变换的光谱曲线相关性最高,敏感波段为463.75～492.45 nm,870.79～932.58 nm处,最大相关系数为0.63。2）经过多元散射校正处理的光谱曲线运用偏最小二乘回归模型和BP神经网络模型预测有机质含量精度要明显高于多元线性回归模型,预测精度分别达到0.863和0.884,可以用于有机质含量的估测。3）采煤沉陷区耕地土壤有机质分布情况表现为煤炭开采未扰动区耕地土壤有机质分布较为均一,均值为26.94 g/kg,总体上处于中上等水平;煤炭开采扰动稳沉区耕地土壤有机质高低值分化明显,整体分布呈现较大空间分异性;煤炭开采扰动区介于二者之间。矿区有机质含量大小关系为煤炭开采未扰动区耕地>煤炭开采扰动区耕地>煤炭开采扰动稳沉区耕地。 相似文献