基于高光谱的山区耕地土壤有机质含量估测

文献类型： 中文期刊

第一作者： 张永亮

作者： 张永亮;汪泓;肖玖军;李可相;王宇;邢丹

作者机构：

关键词： 土壤有机质;高光谱;山区耕地;一阶微分;BP神经网络

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2024 年 40 卷 001 期

页码： 112-120

收录情况： 北大核心 ; CSCD

摘要： 以贵州省典型山区耕地土壤高光谱数据为研究对象,基于光谱变换法和机器学习原理构建贵州省山区耕地土壤有机质(SOM)含量估算模型.于 2020 年8 月至2021 年3 月在贵州省13 个县(区、市)采集了120 个土壤样品,检测土壤可见光-近红外波段光谱信息,利用 5 种光谱数据变换(原始光谱、一阶微分、二阶微分、倒数对数的一阶微分、连续统去除)和 4 类模型(偏最小二乘回归、支持向量机、随机森林和BP 神经网络)组合出不同土壤有机质含量的预测模型,按照3 ∶ 1 选择训练样本和测试样本以估算山区SOM含量.结果表明,一阶微分数据变换与山区SOM含量的相关性较高,相关系数最高达到-0.635;反演模型中,基于一阶微分光谱变换构建的BP神经网络模型精度最高,训练集、测试集的决定系数(R2)分别为 0.845、0.838,测试集均方根误差(RMSE)为 3.452,相对分析误差(RPD)达到2.470,其次是RF、PLSR模型的RPD较高,SVM模型的RPD最低.光谱数据变换中一阶微分法能极大程度提取出山区耕地的SOM含量信息,BP神经网络模型是估算山区SOM含量的最优模型,本研究结果可为贵州省山区耕地土壤肥力的监测以及农业生产提供理论参考.

分类号： S153

  • 相关文献

[1]基于冬小麦冠层高光谱的干生物量监测. 赵钰,李振海,杨贵军,王建雯,段丹丹,杨武德,冯美臣. 2019

[2]基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算. 依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群. 2019

[3]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[4]基于光谱预处理和机器学习算法的烤烟叶绿素含量预测. 王韦燕,冯文强,常乃杰,刘青丽,李志宏,陈玉蓝,黎昌明,陈曦,张云贵. 2023

[5]玉米中伏马毒素B污染高光谱快速检测模型研究. 康孝存,沈广辉,徐剑宏,马桂珍,史建荣. 2023

[6]基于高光谱和数据挖掘的油菜植株含水率定量监测模型. 潘月,曹宏鑫,齐家国,吴菲,韩旭杰,丁昊迪,葛道阔,张玲玲,张伟欣,张文宇. 2022

[7]花后浅地下水埋深对小麦高光谱特征的影响及叶绿素估算模型. 吴启侠,晏军,朱建强,李东伟,周新国,郭树龙. 2018

[8]不同利用方式下土壤有机质和全磷的可见近红外高光谱反演. 薛利红,周鼎浩,李颖,杨林章. 2014

[9]基于高光谱的土壤有机质含量反演研究. 于士凯,姚艳敏,王德营,司海青. 2013

[10]一种降低土壤水分对土壤有机质光谱监测精度的新方法. 王超,冯美臣,杨武德,肖璐洁,李广信,赵佳佳,任鹏. 2015

[11]连续小波变换定量反演土壤有机质含量. 王延仓,张兰,王欢,顾晓鹤,庄连英,段龙方,李佳俊,林靖. 2018

[12]二进制小波技术定量反演北方潮土土壤有机质含量. 王延仓,杨秀峰,赵起超,顾晓鹤,郭畅,刘原萍. 2019

[13]基于SVR和PLSR的土壤有机质高光谱估测模型研究. 沈兰芝,高懋芳,闫敬文,姚艳敏. 2019

[14]土壤有机质遥感制图研究进展与展望. 颜祥照,姚艳敏,张霄羽. 2019

[15]麦田耕作层土壤有机质的高光谱监测. 王超,冯美臣,杨武德,李广信,赵佳佳,朱智慧. 2014

[16]不同颗粒大小对高光谱估算土壤有机质含量的影响. 司海青,姚艳敏,王德营,刘影. 2015

[17]不同高光谱特征参数区分马铃薯品种的优劣势分析. 段丁丁,何英彬,罗善军,王卓卓. 2018

[18]基于高光谱数据的滴灌甜菜叶绿素含量估算. 李宗飞,苏继霞,费聪,李阳阳,刘宁宁,樊华,陈兵. 2020

[19]基于光谱分析不同温度下棉花叶片SPAD值含量估测. 付彦博,王治国,耿庆龙,齐莹莹,孟阿静,饶晓娟,冯耀祖. 2017

[20]基于相空间重构的神经网络短期风速预测. 廖志强,李太福,余德均,程杨,姚立忠. 2012

作者其他论文 更多>>

微信小程序