排序方式： 共有14条查询结果，搜索用时 16 毫秒
1.
基于PLSR的土壤颜色预测方法及其与色系转换法的对比研究 总被引：2，自引：1，他引：1
传统的土壤颜色测定主要采用蒙塞尔比色卡比对,精度高,但费时费力。近年来尝试采用色系转换法预测土壤颜色,方法较为简便。基于土壤高光谱反射率和偏最小二乘回归(PLSR)方法进行土壤颜色预测,并与色系转换法进行对比研究。采集皖赣鄂交界地区76个不同颜色的土壤样品,分别采用PLSR及色系转换法进行土壤颜色预测,并与实测结果进行了对比。结果表明,PLSR交叉验证的R2cv分别达到0.62、0.61和0.75,测定值标准偏差与标准预测误差的比值(RPD)分别达到1.94、1.67和2.15,说明PLSR模型用于土壤颜色预测是可行的;其均方根误差(RMSE)仅为1.32、0.55和0.97个单位,较色系转换法的RMSE分别低0.94、1.24和0.95个单位,其HV/C整体预测误差?E的平均值为1.91,较色系转换法的平均值低5.16,说明PLSR方法预测土壤蒙塞尔颜色较色系转换法更优。该方法为土壤颜色的获取提供了一种新的途径。 相似文献
2.
基于模拟Landsat-8 OLI数据的小麦秸秆覆盖度估算 总被引：1，自引：1，他引：0
田间秸秆作为农业生产过程中的重要物质,其覆盖度的遥感估算具有十分重要的意义。Landsat-8 OLI影像作为Landsat系列影像的最新数据产品,具有更精细的光谱特征,明确其在秸秆覆盖度估算中的表现具有重要的现实意义。该研究使用ASD Field Spec 4 Hi-Res地物光谱仪,以实测田间小麦秸秆光谱反射率为数据源,模拟Landsat-8 OLI、Landsat-5TM、Aster、Hyperion影像波段反射率,构建光谱指数,并建立小麦秸秆覆盖度估算模型,通过对比分析,评估Landsat-8OLI数据的估算能力。结果表明,基于Landsat-8 OLI1和OLI2波段构建的NDIOLI21指数模型估算结果最优,决定系数(coefficient of determination,R2)为0.60,均方根误差(root mean square error,RMSE)为9.56%,平均相对误差(mean relative error,MRE)为9.83%,优于Landsat-5 TM构建的光谱指数,且仅次于Aster构建的木质素-纤维素吸收指数(lignin cellulose absorption,LCA)和短波红外归一化差异秸秆指数(shortwave infrared normalized difference residue index,SINDRI)以及Hyperion构建的纤维素吸收指数(cellulose absorption index,CAI)。因此,波段更多、波段划分更加精细的Landsat-8OLI构建的光谱指数在小麦秸秆覆盖度估算方面达到了一定精度,具有良好的应用前景。 相似文献
3.
应用基于PLSR的土壤-环境模型预测土壤属性 总被引：2，自引：0，他引：2
土壤-环境模型对于正确理解土壤属性与环境因子间的关系,以及进行土壤属性预测与制图均具有重要的意义。研究区位于陕西省长武县内多年退耕还林还草沟壑区域,采集72个土壤表层样本,选择3/4的样本作为建模集,其余1/4的样本作为验证集;环境因子选择容易获取的地形因子和由遥感影像提取的植被因子和湿度因子,建立基于偏最小二乘回归(PLSR)的土壤-环境模型。结果表明:全氮、速效钾、全钾、有机质与环境因子间均有显著相关性;建立的PLSR模型可解释土壤属性的空间变异从23%(全氮)到27%(全钾);与逐步回归方法构建的模型相比,利用PLSR构建的土壤-环境模型可以更好地表征土壤属性与环境变量间的关系,拟合精度和预测精度也相对较高,说明PLSR建立的模型可以更好地应用于相似区域的土壤属性预测。 相似文献
4.
基于微根管技术的盐胁迫下小麦根系生长原位监测方法 总被引：2，自引：1，他引：1
常用的作物根系生长监测一般采用破坏性采样方法,如土钻法和挖掘法等,虽然精度较高,但很难实现对作物根系生长的原位重复观测。采用桶栽法,利用微根管技术对分蘖期、返青期、拔节期和孕穗期的小麦根系进行了连续观测和采样,获取不同盐胁迫下小麦根长密度和根长等参数,研究不同生长时期小麦根系生长参数随土壤深度分布的规律。结果显示,微根管法获得的小麦根长密度与土钻法所得到的结果呈极显著正相关(r=0.91),且在拔节期和孕穗期二者的相关性最好。通过不同时期根系图像对比及根系参数分析发现,小麦根系在0～10 cm土层分布最多,并随深度增加而减少。此外,随着土壤盐含量的增加,各生长期根长变短;在分蘖期,土壤盐分含量最高(S5,盐分含量6.61 g·kg–1)的小麦根系长度不足对照处理的1/2,至孕穗期,其根系长度甚至低至对照处理的1/3,说明小麦根系受盐分胁迫影响较大,且以孕穗期受胁迫程度最严重,尤其当土壤盐含量超过3 g·kg–1时影响最明显。由此可见,与传统破坏性取样方法相比,微根管技术结合图像处理技术可更好地快速、无损获取小麦根系生长的相关参数,为盐渍化区域作物根系的原位观测研究提供了新的方法。 相似文献
5.
长期保存的土壤样品是国家科技基础支撑条件的重要组成部分,对于土壤及环境长期变化研究和科学数据开放共享等具有重要价值。近年来,随着我国对农业和生态环境科技投入的不断增长,土壤调查强度逐步增大,土壤样品积累速度明显加快,因此,亟需相关的标准规范来指导土壤样品的长期保存。在国家标准《土壤质量 土壤样品长期和短期保存指南》（GB/T32722-2016）的基础上,结合“十三五”期间CERN分布式土壤样品长期保存系统建设经验,本文对土壤样品保存管理策略、土壤样品保存条件要求和土壤样品信息管理系统进行了介绍,以期为我国土壤样品长期标准化保存,以及第三次全国土壤普查样品库建设提供参考。 相似文献
6.
土壤含水量对反射光谱法预测红壤土壤有机质的影响研究 总被引：9，自引：2，他引：7
研究土壤含水量对有机质预测的影响,可为野外红壤有机质快速测定提供理论依据。本文在实验室条件下测量了不同含水量红壤的可见光-近红外光谱反射率,运用偏最小二乘回归(PLSR)建立不同含水量的土壤有机质预测模型。结果显示,随土壤含水量的增加,有机质与一阶微分光谱的相关性先增加后下降,含水量为100～150 g/kg时相关系数最大。分380～2 400、380～1 300、1 300～2 400 nm三个波段建立不同含水量的有机质预测模型,模型预测精度均随土壤含水量增加而呈现先增加后下降的趋势。利用1 300～2 400 nm建立有机质预测模型可以有效避开氧化铁影响,建立的模型预测精度最高。本研究认为,当土壤含水量小于200 g/kg时,可以利用在室内控制条件下测定的土壤反射率,建立1 300～2 400 nm波段的PLSR模型,进行红壤土壤有机质含量预测。 相似文献
7.
基于盲源分离的稀疏植被区土壤含盐量反演 总被引：1，自引：0，他引：1
植被对土壤光谱的干扰是目前土壤盐渍化遥感监测的重要限制因素之一,探索消除稀疏植被覆盖区植被对光谱影响的方法,对提高土壤含盐量遥感反演精度具有重要意义。本文通过对189组不同植被覆盖度且不同盐渍化程度种植微区野外实测地表可见-近红外反射光谱进行分析,比较并评价了基于原始光谱和盲源分离(blind source separation,BSS)后光谱预测土壤含盐量的结果。结果表明:地表植被覆盖严重影响基于可见-近红外反射光谱的土壤含盐量反演精度。盲源分离方法,尤其是基于方程z=tanh(y)的独立分量分析(independent components analysis,ICA)算法,可有效分解植被和土壤的混合光谱,并提高植被覆盖下基于可见-近红外反射光谱的土壤含盐量反演精度。该方法为植被覆盖区大尺度土壤盐渍化遥感监测提供了方法指导。 相似文献
8.
9.
近年来,高通量测序等新技术的快速发展,为大规模、快速、准确、全面认识土壤微生物多样性提供了技术保障。国际上已经建成了一些具有影响力的土壤微生物组数据管理及分析平台,但大多数已有平台聚焦于提供数据存储、管理、访问、注释等基础性服务,难以满足土壤微生物研究需求。借助空间数据库技术、网络地理信息系统(WebGIS)技术,设计并构建了包含土壤及微生物数据集成、数据可视化、知识发现和区域空间制图等功能的中国土壤微生物组数据平台,该平台将进一步推动我国土壤微生物组数据的标准化整合,并为整合数据的充分挖掘利用提供支撑。 相似文献
10.
以滨海盐土为研究对象,通过添加不同浓度的盐溶液并模拟蒸发过程,获取不同含水、含盐量的土壤样品,并测定土壤光谱和土壤含水量,分别运用光谱指数法和偏最小二乘回归法(PLSR)对土壤含水量进行预测。结果表明：由2027 nm和1878 nm构建的土壤水分差异化光谱指数(NDMI2027,1878)是预测土壤水分的最优指数,且适用于任何等级的盐渍化土壤,其建模集和验证集的预测结果均优于PLSR方法,验证集R2达0.99,RMSE仅为21.84 g/kg,可比较准确地预测盐渍化土壤的含水量。 相似文献