基于分数阶微分优化光谱指数的土壤电导率高光谱估算

基于分数阶微分优化光谱指数的土壤电导率高光谱估算

论文摘要

土壤电导率与含盐量具有高度相关性,精准的土壤电导率监测有助于了解区域土壤的盐渍化程度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤电导率的最佳高光谱参数,实现土壤盐分信息的高效监测,本研究对土壤样品进行室内高光谱和电导率测定,利用两波段优化算法对简化光谱指数(nitrogen planar domain index, NPDI)进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的5种数学变换)运算下的最敏感高光谱参数,从而建立土壤电导率高光谱估算模型。结果表明:1)NPDIs与土壤电导率之间的相关性显著,在原数据及其平方根、倒数、对数倒数、1.6阶微分变换形式下,优化光谱指数对土壤电导率的敏感程度更强,相关系数绝对值均超过0.80,且基于1.6阶微分变换的(R2020nm+R1893 nm)/R1893 nm波段组合相关系数绝对值最高,达到0.888。2)基于1.6阶微分波段优化的预测模型效果最佳,预测精度为R■=0.84,RMSEPre=2.07mS/cm,RPD=2.94,AIC=158.11。因此,对高光谱数据的适当数学变换有利于优化光谱指数更好地估算土壤电导率,进一步实现土壤盐渍化高精度动态监测。

论文目录

  • 1 研究区概况
  • 2 实验材料与数据采集
  •   2.1 土壤样品采集与分析
  •   2.2 高光谱测定及预处理
  •   2.3 研究方法
  • 3 分析与讨论
  •   3.1 土壤电导率统计分析
  •   3.2 土壤电导率与含盐量的相关性分析
  •   3.3 土壤高光谱曲线特征分析
  •   3.4 优化光谱指数与土壤电导率相关性分析
  •   3.5 土壤电导率PLSR估算模型建立及精度分析
  •   3.6 讨论
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞

    关键词: 土壤电导率,优化光谱指数,分数阶微分,高光谱,盐渍土

    来源: 生态学报 2019年19期

    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,农艺学

    单位: 新疆大学资源与环境科学学院,新疆大学绿洲生态教育部重点实验室

    基金: 国家自然科学联合基金项目(U160324141761077)

    分类号: S156.4;S127

    页码: 7237-7248

    总页数: 12

    文件大小: 4864K

    下载量: 264

    相关论文文献

    • [1].干旱区典型盐碱土壤含盐量估算的最佳高光谱指数研究[J]. 水土保持通报 2012(06)
    • [2].利用三维光谱指数定量估算土壤有机质含量:以新疆艾比湖流域为例[J]. 光谱学与光谱分析 2020(05)
    • [3].基于高光谱指数的天然胡杨叶绿素遥感建模研究[J]. 干旱区资源与环境 2014(10)
    • [4].基于光谱指数波段优化算法的小麦玉米冠层含氮量估测[J]. 光谱学与光谱分析 2016(04)
    • [5].基于高光谱指数的棉花冠层等效水厚度估算[J]. 中国农业科学 2019(24)
    • [6].基于高光谱指数的水稻砷污染胁迫多重判别模型[J]. 环境科学 2010(10)
    • [7].基于光谱指数的枸杞叶片水分含量遥感监测研究[J]. 地理与地理信息科学 2019(05)
    • [8].基于光谱指数的高温目标识别方法[J]. 国土资源遥感 2019(03)
    • [9].基于光谱指数优选的土壤盐分定量光谱估测[J]. 水土保持通报 2018(03)
    • [10].MODIS光谱指数在中国西南干旱监测中的应用[J]. 遥感学报 2014(02)
    • [11].一种估测小麦冠层氮含量的新高光谱指数[J]. 生态学报 2011(21)
    • [12].基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学 2018(01)
    • [13].基于光谱指数的遥感影像岩性分类[J]. 地球科学(中国地质大学学报) 2015(08)
    • [14].基于通用光谱模式分解(UPDM)算法的光谱指数一致性研究[J]. 江苏农业科学 2018(24)
    • [15].基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演[J]. 光谱学与光谱分析 2019(07)
    • [16].基于穗光谱指数的水稻产量预测[J]. 浙江农业学报 2018(02)
    • [17].基于优化光谱指数的新疆春小麦冠层叶绿素含量估算[J]. 麦类作物学报 2019(02)
    • [18].不同健康状况松针反射光谱特征分析[J]. 北京测绘 2019(03)
    • [19].光谱指数趋势面的城市地表温度降尺度转换[J]. 遥感学报 2014(06)
    • [20].草坪绿度光谱指数研究初报[J]. 云南农业大学学报(自然科学版) 2010(06)
    • [21].优化光谱指数的露天煤矿区土壤重金属含量估算[J]. 光谱学与光谱分析 2019(08)
    • [22].高光谱技术联合归一化光谱指数估算土壤有机质含量[J]. 光谱学与光谱分析 2017(11)
    • [23].城市河网尺度的水体光谱指数适宜性分析研究[J]. 光谱学与光谱分析 2019(11)
    • [24].基于高光谱成像技术的油菜叶片叶绿素含量预测[J]. 中国农业科技导报 2020(05)
    • [25].基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 农业工程学报 2018(01)
    • [26].一种角度光谱指数及其在干旱监测中的应用[J]. 科技风 2018(22)
    • [27].光谱指数的植被叶片含水量反演[J]. 光谱学与光谱分析 2018(05)
    • [28].基于叶绿素荧光光谱指数的温室黄瓜病害预测[J]. 光谱学与光谱分析 2016(06)
    • [29].许昌地区冬小麦长势空间变异研究[J]. 湖北农业科学 2014(15)
    • [30].基于星载通道光谱指数与小麦冠层叶片氮素营养指标的定量关系[J]. 应用生态学报 2013(02)

    标签:;  ;  ;  ;  ;  

    基于分数阶微分优化光谱指数的土壤电导率高光谱估算
    下载Doc文档

    猜你喜欢