基于高光谱遥感的土壤水盐监测模型研究 ——以河套灌区沙壕渠灌域沙壤土为例

基于高光谱遥感的土壤水盐监测模型研究 ——以河套灌区沙壕渠灌域沙壤土为例

论文摘要

内蒙古河套灌区作为我国的三大灌区之一,面临着十分严重的土壤盐渍化问题。盐渍化问题会造成土壤退化、作物减产、生态破坏,严重制约了该地区的农业发展。而灌区水盐信息监测是分析和预测土壤水盐运移状况和规律的基础,对合理制定土壤盐渍化改良措施至为重要。高光谱遥感技术可以获取海量的纳米级地物光谱信息,精细的光谱分辨率反映了地物光谱的细微特征,可依据诊断性的光谱吸收特征来进行定量分析、反演水盐信息。本文以河套灌区沙壕渠灌域为研究靶区,采集不同盐渍化程度的土样,在实验室内分析获取土壤含水率、总盐及八种主要水溶性盐基离子(K+、Ca2+、Na+、Mg2+、Cl-、SO42-、HCO3-、CO32-)含量等参数。结合实测土壤高光谱数据,利用不同的特征光谱筛选方法和数学建模方法,建立基于实测光谱数据的土壤含水率、总盐、八大离子的反演模型,并根据不同的评价指标对模型进行综合评价。本文主要结论如下:(1)在土壤含水率反演中,发现土壤在不同含水率下的光谱反射率曲线波形基本相似。验证了随含水率的增加,反射率先降低后增加的变化特性,并发现反射率在1450nm、1950nm附近为明显的水分吸收谷,在500nm、2200nm附近为较微弱的水分吸收谷。在模型反演中,基于倒数之对数LR指标建立的逐步回归SR模型与岭回归RR模型的决定系数最高,说明LR是反演含水率的最优光谱指标。此外,岭回归法作为一种有偏估计,在特征波段筛选中具有“少而精”的特点,基于LR指标建立的LR-RR模型的拟合优度和预测效果最佳,其Rc2和Rp2最高分别为0.975和0.979,RMSE为0.012,RPD为5.89。结果表明,岭回归法筛选后的波段,共线性已极大减弱,模型具有了较强的稳健性。(2)基于三种不同方法(变量投影重要性VIP分析法、逐步回归SR分析法、灰度关联GC分析法)提取的特征波段,建立不同盐基离子的偏最小二乘回归PLSR模型和支持向量机回归SVR模型。结果发现PLSR模型和SVR模型对于大部分离子的建模预测取得了较好的结果,而对于不同盐基离子的最佳波段筛选法不同,其中VIP法筛选得到的特征波段数量较多(占全波段的34.5%42.5%),模型精度最高;SR法筛选得到的波段数量最少(占全波段的1.5%4%),模型精度较好;GC法筛选得到的波段数量差异较大(占全波段的7%55%),但模型精度一般。土壤不同水溶性盐基离子的最佳光谱反演预测结果差异性较大,其中Ca2+、Na+、Cl-、Mg2+和SO42-离子模型的预测效果最佳,其RPD值分别为3.97、3.15、2.98、2.75和2.75,其余离子的预测效果一般或不能进行反演。(3)比较不同总盐含量条件下的土壤光谱曲线,发现土壤光谱特征在形态上趋于一致。随盐分的增加,土壤光谱反射率并未明显增大。对经过分数阶微分预处理FOD后的光谱数据进行一维相关性分析后发现,FOD可以使土壤盐分信息与光谱反射率相关性的变化趋势更明显,大部分离子的光谱经各阶微分处理后,通过显著性检验波段的数量呈现先增后减的趋势,但波段数量最多时对应的阶数并不统一。不同机器学习模型中,极限学习机ELM模型的反演效果最佳。其中,对总盐、Ca2+、Na+、Cl-、Mg2+和SO42-离子模型的预测效果最佳,其RPD值分别为2.631、2.328、2.869、3.264、3.054和2.259,其余离子的预测效果一般或不能进行反演。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 国内外研究进展
  •     1.2.1 土壤高光谱遥感研究进展
  •     1.2.2 土壤水分信息的高光谱遥感监测研究进展
  •     1.2.3 土壤盐分信息的高光谱遥感监测研究进展
  •   1.3 存在的问题
  •   1.4 研究内容与技术路线
  •     1.4.1 研究内容
  •     1.4.2 技术路线
  • 第二章 材料与方法
  •   2.1 研究地概况
  •   2.2 土壤样本采集与处理
  •   2.3 土壤样本的实验室分析
  •     2.3.1 土壤光谱数据测定
  •     2.3.2 土壤理化参数测定
  •   2.4 光谱数据处理与分析
  •     2.4.1 光谱数据预处理
  •     2.4.2 光谱数据转化
  •     2.4.3 分数阶微分处理
  •   2.5 特征光谱数据提取
  •     2.5.1 逐步回归分析法
  •     2.5.2 岭回归分析法
  •     2.5.3 变量投影重要性分析法
  •     2.5.4 灰度关联分析法
  •   2.6 光谱模型的建立与评价指标
  •     2.6.1 偏最小二乘回归模型
  •     2.6.2 支持向量机回归模型
  •     2.6.3 随机森林模型
  •     2.6.4 极限学习机模型
  •     2.6.5 多元混合回归模型
  •     2.6.6 多元自适应样条回归模型
  •     2.6.7 模型精度评价指标
  • 第三章 盐渍化土壤水分含量高光谱诊断模型研究
  •   3.1 数据处理与模型建立
  •   3.2 建模集与验证集的划分
  •   3.3 不同光谱指标的获取
  •     3.3.1 倒数之对数
  •     3.3.2 一阶微分
  •     3.3.3 去包络线
  •   3.4 土壤光谱特征分析
  •   3.5 偏最小二乘回归模型的建立与验证
  •   3.6 逐步回归模型的建立与验证
  •   3.7 岭回归模型的建立与验证
  •   3.8 讨论
  •   3.9 小结
  • 第四章 基于特征光谱的土壤盐分信息定量评估
  •   4.1 数据处理与模型建立
  •   4.2 建模集和验证集的划分
  •   4.3 相关性分析
  •   4.4 特征光谱的筛选
  •     4.4.1 灰度关联分析结果
  •     4.4.2 逐步回归分析结果
  •     4.4.3 变量投影重要性分析结果
  •   4.5 偏最小二乘回归模型的建立与验证
  •   4.6 支持向量机回归模型的建立与验证
  •   4.7 讨论
  •     4.7.1 比较不同盐离子含量的反演结果
  •     4.7.2 相关性分析和反演结果
  •     4.7.3 波段选择对反演模型的影响
  •     4.7.4 研究的局限性
  •   4.8 小结
  • 第五章 分数阶微分耦合机器学习算法反演土壤盐分信息
  •   5.1 数据处理与模型建立
  •   5.2 建模集与验证集的划分
  •   5.3 分数阶微分处理的光谱特征分析
  •   5.4 分数阶微分处理的光谱相关性分析
  •   5.5 机器学习模型的建立与验证
  •   5.6 讨论
  •     5.6.1 分数阶微分处理结果
  •     5.6.2 与基于特征光谱建立的模型比较
  •   5.7 小结
  • 第六章 结论与展望
  •   6.1 研究结论
  •   6.2 研究展望
  • 参考文献
  • 致谢
  • 个人简历
  • 文章来源

    类型: 硕士论文

    作者: 王海峰

    导师: 张智韬

    关键词: 盐渍土,水分,盐分,高光谱遥感,模型

    来源: 西北农林科技大学

    年度: 2019

    分类: 基础科学,农业科技

    专业: 自然地理学和测绘学,农业基础科学,农业基础科学,农艺学

    单位: 西北农林科技大学

    基金: 国家重点研发计划项目(编号:2017YFC0403302,2016YFD0200700)

    分类号: S156.41;S127

    总页数: 79

    文件大小: 5096K

    下载量: 354

    相关论文文献

    • [1].高光谱遥感影像技术发展现状与应用[J]. 现代营销(下旬刊) 2018(03)
    • [2].高光谱遥感的应用[J]. 城市地理 2017(04)
    • [3].基于高光谱遥感的树种识别[J]. 华北理工大学学报(自然科学版) 2020(04)
    • [4].高光谱遥感在农作物生长监测的应用研究进展[J]. 农村经济与科技 2019(05)
    • [5].农业高光谱遥感研究进展及发展趋势[J]. 地理与地理信息科学 2019(05)
    • [6].高光谱遥感技术在农作物监测中的应用[J]. 科技创新与应用 2018(01)
    • [7].AVIRIS高光谱遥感影像无缝镶嵌探讨[J]. 地理与地理信息科学 2008(05)
    • [8].基于压缩感知的高光谱遥感影像重构方法研究[J]. 液晶与显示 2017(03)
    • [9].航空高光谱遥感油气探测技术研究及应用效果[J]. 地质学报 2019(01)
    • [10].基于流形对齐的高光谱遥感图像降维和分类算法[J]. 国土资源遥感 2017(01)
    • [11].高光谱遥感图像的稀疏分解与压缩感知[J]. 吉林大学学报(理学版) 2015(04)
    • [12].高光谱遥感土壤重金属污染研究综述[J]. 中国矿业 2013(01)
    • [13].基于小波变换的高光谱遥感影像光谱匹配技术研究[J]. 西北水电 2013(01)
    • [14].基于核最小噪声分离变换的高光谱遥感影像特征提取研究[J]. 遥感技术与应用 2013(02)
    • [15].高光谱遥感在斑岩矿床蚀变信息提取中的应用[J]. 矿物学报 2011(S1)
    • [16].基于穷举法的高光谱遥感图像地物识别研究[J]. 武汉大学学报(信息科学版) 2008(02)
    • [17].高光谱遥感在东天山玉带地区地质调查中的应用[J]. 矿产勘查 2019(11)
    • [18].国外高光谱遥感载荷发展分析[J]. 飞控与探测 2019(02)
    • [19].基于正交非负矩阵分解的高光谱遥感图像混合像元分解[J]. 山东农业大学学报(自然科学版) 2017(02)
    • [20].航空高光谱遥感岩矿信息提取及在地质找矿中的应用[J]. 矿床地质 2014(S1)
    • [21].一种针对高光谱遥感影像的波段选择方法[J]. 信息技术 2015(08)
    • [22].水稻高光谱遥感监测研究综述[J]. 江西农业大学学报 2019(01)
    • [23].基于改进萤火虫算法的高光谱遥感多特征优化方法[J]. 遥感技术与应用 2018(01)
    • [24].矿山环境高光谱遥感监测研究进展[J]. 国土资源遥感 2016(02)
    • [25].《高光谱遥感》三部曲授课方式初探[J]. 地理空间信息 2014(01)
    • [26].重金属污染农田的高光谱遥感监测研究[J]. 土壤与作物 2017(04)
    • [27].基于多元线性回归的高光谱遥感图像小波去噪[J]. 遥感信息 2013(06)
    • [28].高光谱遥感图像分类算法中的应用研究[J]. 计算机仿真 2012(02)
    • [29].基于支持向量机的高光谱遥感影像道路提取[J]. 长安大学学报(自然科学版) 2012(05)
    • [30].空谱联合的高光谱遥感图像稀疏解混综述与展望[J]. 南昌工程学院学报 2018(06)

    标签:;  ;  ;  ;  ;  

    基于高光谱遥感的土壤水盐监测模型研究 ——以河套灌区沙壕渠灌域沙壤土为例
    下载Doc文档

    猜你喜欢