基于高光譜的農(nóng)田土壤有機碳含量預測模型研究.pdf

1、近年來，高光譜技術在土壤屬性定量分析中獲得了快速的發(fā)展，其快速、便捷、準確的預測能力使得運用土壤高光譜預測土壤屬性信息受到了廣泛的關注，相關研究也日益增多。隨著精準農(nóng)業(yè)的發(fā)展以及各類模型模擬精度要求的提高，研究者們對土壤數(shù)據(jù)的時效性和準確性提出了更高的要求。有機碳作為土壤重要的組成部分，其對農(nóng)作物的生長發(fā)育發(fā)揮著重要的作用，精準的預測農(nóng)田土壤有機碳的含量對精準農(nóng)業(yè)的發(fā)展有著重要的意義，也是未來農(nóng)業(yè)發(fā)展的必然要求。
　　本研究通過采

2、集蚌埠市和淮南市接壤的沿淮地區(qū)的土壤樣本，測量室內土壤高光譜數(shù)據(jù)建立反演模型來預測農(nóng)田土壤有機碳含量。論文較為詳細的介紹了土壤樣本的采集，室內高光譜數(shù)據(jù)的測量，平滑去噪，四種預處理方法，特征波段的提取，數(shù)據(jù)主成分降維以及三種土壤機碳含量光譜預測模型建立的過程，較為系統(tǒng)的實現(xiàn)了利用高光譜數(shù)據(jù)對土壤有機碳含量進行建模預測的整個流程。對原始土壤高光譜數(shù)據(jù)進行了包括九點加權平滑去噪處理，Savitzky-Golay求導（一階導數(shù)、二階導數(shù)），多

3、元散射校正和去包絡線的預處理及PCA主成分降維變換。在此基礎上，獲得5種預處理數(shù)據(jù)和5種主成分數(shù)據(jù)，首先利用5種預處理數(shù)據(jù)結合偏最小二乘法建立土壤有機碳預測模型，再分別利用這10種數(shù)據(jù)建立多元逐步線性回歸方程和人工神經(jīng)網(wǎng)絡模型，較為詳細的介紹了這三種預測模型的建立過程和分析評價結果，對比分析了全譜數(shù)據(jù)、特征波段以及主成分降維數(shù)據(jù)建立的有機碳含量預測模型的預測精度和驗證精度。得到的主要論文研究結果如下：
　　（1）不同有機碳含量的光

4、譜曲線，在400-2400nm范圍內，其基本形態(tài)是一致的，從整個整體光譜反射率曲線來看，表現(xiàn)的較為平緩，有三個明顯的水汽吸收谷，從可見光到近紅外部分波段光譜反射率呈現(xiàn)逐漸增長狀態(tài)，并且隨著波長的增加其上升的速率有所不同，大致為可見光部分的上升速率大于近紅外部分的上升速率。對于不同有機碳含量的光譜曲線，有機碳含量越高，其光譜反射率越低，有機碳含量為24.406 g/Kg-1的光譜曲線反射率大致從10％上升到35％，有機碳含量為6.383g

5、/Kg-1的光譜曲線反射率大致從10％上升到45％。
　　（2）對土壤光譜數(shù)據(jù)進行了一階導數(shù)、二階導數(shù)、多元散射校正和去包絡線處理，合理的預處理方式能夠有效突出土壤光譜特征波段，使光譜曲線的反射峰和吸收谷表現(xiàn)的更加凸顯，便于曲線拐點的尋找，有利于光譜特征波段的選擇。
　?。?）利用相關系數(shù)對土壤光譜數(shù)據(jù)和有機碳含量數(shù)據(jù)進行相關性分析，利用相關系數(shù)的大小得到了原始數(shù)據(jù)及四種預處理數(shù)據(jù)的特征波段，利用特征波段建立SMLR和ANN

6、預測模型。
　　（4）利用PCA主成分對原始數(shù)據(jù)、一階導數(shù)、二階導數(shù)、多元散射校正及去包絡線數(shù)據(jù)進行數(shù)據(jù)降維處理，利用獲得主成分數(shù)據(jù)建立SMLR和ANN預測模型，并對比利用特征波段建立的同種預測模型的精度，利用主成分數(shù)據(jù)建立的兩種模型（SMLR和ANN）預測精度和驗證精度都有了明顯的提高。
　?。?）非線性的人工神經(jīng)網(wǎng)絡模型和多元逐步線性回歸的線性模型方法相比，模型的預測精度和驗證精度都明顯提高，一階導數(shù)的主成分ANN預測模