基于高光谱数据的南疆干旱区土壤有机质含量预测的模型研究
A Study on Model of Soil Organic Matter in Arid Areas of South Xinjiang Based on Hyperspectral Data
土壤有机质是土壤中含碳有机物的总称,能够为植物的生长提供养分,土壤有机质含量是衡量土壤肥力高低的重要指标.土壤有机质的空间分布是粮食估产、土壤质量评价以及现代农业生产的重要基础.虽然传统的土壤农化分析方法能够准确测定土壤的有机质含量,但是野外采样容易对土体造成破坏且需室内使用化学方法测量耗时较长,存在着费用高、基础工作量大、不能在短时间内获取土壤有机质的空间分布数据以及实现大面积土壤有机质的连续测定,有很大的局限性.常规光学遥感波段相对较少且光谱分辨率较低,虽然覆盖面积较广,但对于区域性的土壤有机质含量监测,存在着很大的误差.土壤高光谱技术是监测土壤有机质的一种新型手段,对应的地面遥感试验则是确保检测精度的重要依据,近地面的光谱测量是遥感图像与数据解译的重要基础.同时,土壤高光谱技术具有无污染、无破坏、低成本、信息量大、效率高等特点,被广泛应用于土壤有机质的研究当中.本研究以南疆干旱区的农田土壤与荒漠土壤为研究对象,使用美国ASD公司的FieldSpec Pro FR型光谱仪在一个能控制光照条件的暗室内对经过处理的土样进行测量土样的有机质含量与可见光近红外光谱数据.在此基础上,采用多种光谱数据变换的方法,分别构建了不同的预测模型,不同建模方法的精度对比结果表明PLSR具有最高的建模精度.在构建南疆荒漠土壤有机质的光谱定量反演模型时,发现SGS+MAN+OSC处理模式下的建模集的R~2最高、RMSE最低,分别为0.81和0.98,该模型预测集的R2、RMSE、RPD分别为0.76、0.99和2.01,表明该模型具有较好的预测能力,可推荐为南疆荒漠土壤有机质的光谱定量反演模型.在构建南疆农田土壤有机质的光谱定量反演模型时,发现SNV+MAN+SGS处理模式下的建模精准度最稳定,可推荐为南疆农田土壤有机质的光谱定量反演模型.最后利用土壤光谱曲线特征与反射率数据来进行土壤光谱的分类,采用模糊k-均值聚类方法将土壤反射光谱特征分为四类,并采用偏最小二乘回归法(PLSR)建立各自类别与全局的有机质预测模型.结果表明,光谱分类建模相较于全局建模的精度明显提升,其中,四个类别的建模指标RPD均大于2.0,能够显著提高模型的稳定性预测精度.
- 作者:
- 李阳
- 学位授予单位:
- 塔里木大学
- 专业名称:
- 作物栽培学与耕作学
- 授予学位:
- 硕士
- 学位年度:
- 2019年
- 导师姓名:
- 彭杰;王家强
- 中图分类号:
- S153.6
- 关键词:
- 高光谱;模糊k-均值聚类;有机质含量;土壤;反演模型
- hyperspectral; Fuzzy k-means clustering; organic matter cotent; soil; inversion model;