收藏本站
《山西农业大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

黄土高原煤矿区复垦农田主要土壤养分高光谱反演

南锋  
【摘要】:土壤是人类赖以生存和发展的物质基础和最基本的生活来源。煤矿开采给社会带来了极大的财富,同时也引发了大面积采空区,土地沉陷、裂缝,水土流失、土壤质量严重下降,近年来,随着土地复垦工程的实施,煤矿开采区得到了一定的治理。高光谱遥感技术是当前定量遥感的研究热点之一,尤其是可以快速、精准,无损获取土壤养分信息,为评估土壤质量提供了重要的手段。本研究以山西省襄垣县煤矿区复垦农田为试验区,采集复垦农田土壤样品,在室内测定土壤养分和土壤光谱信息的基础上,选取土壤有机质、全氮、速效磷和有效钾作为研究样本,分析土壤及其主要养分的光谱特征,对土壤光谱反射率及其变换形式采用一元线性回归、多元线性回归和偏最小二乘回归,建立研究区域反演模型,主要研究结果如下:(1)确定了土壤主要养分光谱特征波段。土壤有机质含量显著波段为:R的400-1800、1880-2400 nm;D(R)的 420-790、1020-1040、2150-2200 nm;1g(1/R)的 400-1830、1860-2400nm。光谱与有机质含量的相关系数绝对值最大的波段是R的800nm;D(R)的 600 nm;1g(1/R)的 760 nm。土壤全氮含量显著波段为:R 的 400-1835、1872-2400 nm;D(R)的 420-760、771-790、2172-2197 nm;1g(1/R)的 400-1837、1874-2400 nm。光谱与全氮含量的相关系数绝对值最大的波段是R的762nm;D(R)的557nm;1g(1/R)的765 nm。土壤速效磷含量显著波段为:R的400-1830nm、1860-2400nm;D(R)的403-763nm、770-804nm、1197-1301 nm、2172-2197 nm;1g(1/R)的 400-1840nm、1860-2400 nm。光谱与速效磷含量的相关系数绝对值最大的波段是R的1340nm;D(R)的565nm;1g(1/R)的1335 nm。土壤有效钾含量显著波段为:R的400-1834、1817-2368 nm;D(R)的 486-763 nm;1g(1/R)的 400-1835、1874-2400 nm。光谱与有效钾含量的相关系数绝对值最大的波段是R的746nm;D(R)的597 nm;1g(1/R)的770nm。(2)建立了 土壤主要养分含量一元线性回归预测模型。土壤有机质含量一元线性回归 R 模型的 R2 为 0.51,RMSE 为 5.32;D(R)模型的 R2 为 0.67,RMSE 为 4.41;1g(1/R)模型的R2为0.53,RMSE为5.25。土壤全氮含量一元线性回归R模型的R2为0.64,RMSE 为 0.22;D(R)模型的 R2 为 0.67,RMSE 为 0.21;1g(1/R)模型的 R2(3)为0.64,RMSE为0.22。土壤速效磷含量一元线性回归R模型的R2为0.11,RMSE 为 2.38;D(R)模型的 R2 为 0.20,RMSE 为 2.36;1g(1/R)模型的 R2 为 0.11,RMSE为2.37。土壤有效钾含量一元线性回归R模型的R2为0.12,RMSE为26.43;D(R)模型的 R2 为 0.13,RMSE 为 26.30;1g(1/R)模型的 R2 为 0.19,RMSE 为 25.38。(4)建立了土壤主要养分含量多元线性回归预测模型。土壤有机质含量多元线性回归 R 模型的 R2 为 0.80,RMSE 为 3.46;D(R)模型的 R2 为 0.71,RMSE 为 4.12;1g(1/R)模型的R2为0.84,RMSE为3.06。土壤全氮含量多元线性回归R模型的R2为0.73,RMSE 为 0.19;D(R)模型的 R2 为 0.83,RMSE 为 0.15;1g(1/R)模型的 R2为0.80,RMSE为0.16。土壤速效磷含量多元线性回归R模型的R2为0.41,RMSE为1.96;D(R)模型的 R2 为 0.51,RMSE 为 1.79;1g(1/R)模型的 R2 为 0.35,RMSE 为2.05。土壤有效钾含量多元线性回归R模型的R2为0.44,RMSE为21.39;D(R)模型的 R2 为 0.44,RMSE 为 21.39;1g(1/R)模型的 R2 为 0.35,RMSE 为 22.90。(5)建立了 土壤有机质和全氮含量偏最小二乘回归预测模型。基于全波段,土壤有机质含量偏最小二乘回归R模型的R2为0.79,RMSE为3.64,RPD为2.10;D(R)模型的 R2 为 0.61,RMSE 为 5.43,RPD 为 1.41;1g(1/R)模型的 R2 为 0.79,RMSE 为3.53,RPD为2.17。基于显著性波段,土壤有机质含量偏最小二乘回归R模型的R2为0.85,RMSE 为 3.00,RPD 为 2.52;D(R)模型的 R2 为 0.83,RMSE 为 3.20,RPD 为2.39;1g(1/R)模型的R2为0.85,RMSE为3.00,RPD为2.56。基于全波段,土壤全氮含量偏最小二乘回归R模型的决定系数R2为0.61,RMSE为0.23,RPD为1.51;D(R)模型的 R2 为 0.78,RMSE 为 0.18,RPD 为 1.90;1g(1/R)模型的 R2 为 0.68,RMSE为0.21,RPD为1.68。基于显著性波段,土壤全氮含量偏最小二乘回归R模型的R2为0.70,RMSE 为 0.20,RPD 为 1.77;D(R)模型的 R2 为 0.79,RMSE 为 0.17,RPD 为2.04;1g(1/R)模型的 R2 为 0.69,RMSE 为 0.20,RPD 为 1.74。(6)确定了研究区土壤主要养分含量最佳预测模型。土壤有机质含量的最佳预测模型为1g(1/R)-PLSR,该模型的R2为0.85,RMSE为3.00,RPD为2.56;土壤全氮含量的最佳预测模型为D(R)多元线性回归模型,该模型的R2为0.83,RMSE为0.15;土壤有机质和全氮含量的预测模型精度较高,可以很好地进行反演,土壤速效磷和有效钾的预测模型都不太理想。
【学位授予单位】:山西农业大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:S158

【参考文献】
中国期刊全文数据库 前10条
1 张雅洁;陈晨;陈曦;常江;章力干;郜红建;;小麦-水稻秸秆还田对土壤有机质组成及不同形态氮含量的影响[J];农业环境科学学报;2015年11期
2 王德彩;张俊辉;韩光中;;土壤含水量对采用Vis-NIR光谱分析土壤质地的影响[J];地理与地理信息科学;2015年06期
3 夏芳;彭杰;王乾龙;周炼清;史舟;;基于省域尺度的农田土壤重金属高光谱预测[J];红外与毫米波学报;2015年05期
4 周银;刘丽雅;卢艳丽;马自强;夏芳;史舟;;星地多源数据的区域土壤有机质数字制图[J];遥感学报;2015年06期
5 管延龙;王让会;李成;姚健;耿列超;;天山北麓土壤有机质高光谱特征分析[J];环境科学与技术;2015年09期
6 谭琨;张倩倩;曹茜;杜培军;;基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演[J];地球科学(中国地质大学学报);2015年08期
7 于雷;洪永胜;耿雷;周勇;朱强;曹隽隽;聂艳;;基于偏最小二乘回归的土壤有机质含量高光谱估算[J];农业工程学报;2015年14期
8 陈奕云;漆锟;刘耀林;何建华;姜庆虎;;顾及土壤湿度的土壤有机质高光谱预测模型传递研究[J];光谱学与光谱分析;2015年06期
9 赖宁;李新国;梁东;;开都河流域下游绿洲盐渍化土壤高光谱特征[J];干旱区资源与环境;2015年02期
10 杨扬;高小红;贾伟;张威;李金山;张艳娇;田成明;;三江源区不同土壤类型有机质含量高光谱反演[J];遥感技术与应用;2015年01期
中国博士学位论文全文数据库 前1条
1 周清;土壤有机质含量高光谱预测模型及其差异性研究[D];浙江大学;2004年
【共引文献】
中国期刊全文数据库 前4条
1 代希君;张艳丽;彭杰;罗华平;向红英;;土壤水溶性盐基离子的高光谱反演模型及验证[J];农业工程学报;2015年22期
2 高小红;杨扬;张威;贾伟;李金山;田成明;张艳娇;杨灵玉;何林华;;可见光—近红外光谱估算三江源区不同土壤全氮含量[J];遥感技术与应用;2015年05期
3 吕杰;郝宁燕;史晓亮;;基于流形学习的土壤高光谱数据特征提取研究[J];干旱区资源与环境;2015年07期
4 陈红艳;赵庚星;陈敬春;王瑞燕;高明秀;;基于改进植被指数的黄河口区盐渍土盐分遥感反演[J];农业工程学报;2015年05期
中国博士学位论文全文数据库 前8条
1 齐海军;土壤速效养分高光谱检测方法研究[D];安徽农业大学;2018年
2 南锋;黄土高原煤矿区复垦农田主要土壤养分高光谱反演[D];山西农业大学;2017年
3 党玉;伊犁河南岸土地盐渍化现状分析与风险评估[D];中国农业大学;2013年
4 乔璐;基于高光谱数据和MODIS影像的土壤特性的定量估算[D];东北林业大学;2013年
5 陈红艳;土壤主要养分含量的高光谱估测研究[D];山东农业大学;2012年
6 陈奕云;基于可见—近红外光谱的土壤部分重金属含量提取[D];武汉大学;2011年
7 张娟娟;土壤养分信息的光谱估测研究[D];南京农业大学;2009年
8 程街亮;土壤高光谱遥感信息提取与二向反射模型研究[D];浙江大学;2008年
【二级参考文献】
中国期刊全文数据库 前10条
1 丁希斌;刘飞;张初;何勇;;基于高光谱成像技术的油菜叶片SPAD值检测[J];光谱学与光谱分析;2015年02期
2 张东;塔西甫拉提·特依拜;张飞;阿尔达克·克里木;;分数阶微分在盐渍土高光谱数据预处理中的应用[J];农业工程学报;2014年24期
3 赵士诚;曹彩云;李科江;仇少君;周卫;何萍;;长期秸秆还田对华北潮土肥力、氮库组分及作物产量的影响[J];植物营养与肥料学报;2014年06期
4 陈金;唐玉海;尹燕枰;庞党伟;崔正勇;郑孟静;彭佃亮;杨卫兵;杨东清;李艳霞;王振林;李勇;;秸秆还田条件下适量施氮对冬小麦氮素利用及产量的影响[J];作物学报;2015年01期
5 李微;李媛媛;田彦;刘远;刘长发;郭锡杰;牟蒙;;基于包络线法的滨海滩涂PLSR盐分模型研究[J];海洋科学进展;2014年04期
6 孙向平;李国学;肖爱平;时红;王熠明;李扬阳;;添加不同比例玉米秸秆对猪粪高温堆肥过程中胡敏酸的结构组成及红外光谱特性影响分析[J];光谱学与光谱分析;2014年09期
7 方少文;杨梅花;赵小敏;郭熙;;红壤区土壤有机质光谱特征与定量估算——以江西省吉安县为例[J];土壤学报;2014年05期
8 侯艳军;塔西甫拉提·特依拜;买买提·沙吾提;张飞;;荒漠土壤有机质含量高光谱估算模型[J];农业工程学报;2014年16期
9 崔婷婷;窦森;杨轶囡;陈丽珍;黄毅;王瑞丽;;秸秆深还对土壤腐殖质组成和胡敏酸结构特征的影响[J];土壤学报;2014年04期
10 SHI Zhou;WANG QianLong;PENG Jie;JI WenJun;LIU HuanJun;LI Xi;Raphael A VISCARRA ROSSEL;;Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations[J];Science China(Earth Sciences);2014年07期
中国博士学位论文全文数据库 前1条
1 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院(遥感应用研究所);2002年
【相似文献】
中国期刊全文数据库 前10条
1 赖进红;罗兴华;苏玉柱;马驰;;洱海流域耕地土壤养分分析与管理[J];农业与技术;2018年12期
2 高敏;;不同氮、磷、钾肥用量影响西梅产量及土壤养分[J];中国果业信息;2017年03期
3 高铭远;;利用叶片颜色判断土壤养分方法的研究[J];电子测量技术;2016年11期
4 赵家林;汪习云;;云南省施肥及土壤养分变化分析[J];农业开发与装备;2017年02期
5 程乐庆;;夏邑县土壤养分现状、变化与评价[J];基层农技推广;2017年03期
6 孙翠珊;李玉环;陈明;吕玮;张军;;基于物元模型的土壤养分评价[J];中国人口·资源与环境;2017年S1期
7 毕静静;;菠菜香菜栽培技术[J];农业知识;2016年29期
8 魏国良;李帷;汪萍;徐海峰;谭承军;商照荣;;澜沧江水电开发对河岸带土壤养分分布的影响[J];水土保持研究;2014年02期
9 周涛;戴全厚;吴秀芹;董亚辉;邓伊晗;;喀斯特山区退耕还林地土壤养分效应及评价[J];水土保持研究;2011年06期
10 秦新荣;;施肥量及土壤养分含量变化趋势浅析[J];河南农业;2010年19期
中国重要会议论文全文数据库 前10条
1 罗国安;项建军;袁全;;分散经营模式下的土壤养分的精准管理研究[A];中国植物营养与肥料学会2010年学术年会论文集[C];2010年
2 李红裔;张野;赵迪;吴锡欣;;基于神经网络多模型的土壤养分肥力评价[A];中国植物营养与肥料学会2010年学术年会论文集[C];2010年
3 马友华;胡勤远;贾盛宁;梁红霞;黄界颍;张自立;;安徽省土壤养分和肥料信息系统研究[A];第八届全国青年土壤暨第三届全国青年植物营养与肥料科学工作者学术讨论会论文集[C];2002年
4 邢竹;李春杰;郭建华;王贵政;;土壤养分信息系统在平衡施肥中的应用(摘要)[A];中国地壤学会第十次全国会员代表大会暨第五届海峡两岸土壤肥料学术交流研讨会文集(面向农业与环境的土壤科学专题篇)[C];2004年
5 索全义;张连云;郑海春;;基于“3414”肥效试验的土壤养分丰缺指标制定方法的研究[A];中国土壤学会第十一届全国会员代表大会暨第七届海峡两岸土壤肥料学术交流研讨会论文集(上)[C];2008年
6 陈天恩;董静;郜允兵;徐丽媛;;小丰营村蔬菜地土壤养分变异特性研究[A];中国植物营养与肥料学会2010年学术年会论文集[C];2010年
7 张琳;张凤荣;吕贻忠;孔祥斌;王茹;;大城市郊区耕地集约利用程度变化趋势及对土壤养分的影响——以北京市大兴区为例[A];中国土壤学会第十一届全国会员代表大会暨第七届海峡两岸土壤肥料学术交流研讨会论文集(中)[C];2008年
8 魏国良;;澜沧江中下游水电开发对河岸带土壤养分空间分布的影响[A];2012中国环境科学学会学术年会论文集(第三卷)[C];2012年
9 崔英;顾明;赵鹏飞;刘丽茹;;梨树县主要土壤养分变化趋势分析[A];创新驱动,加快战略性新兴产业发展——吉林省第七届科学技术学术年会论文集(下)[C];2012年
10 姬宝霖;申向东;吕志远;索全义;刘挨刚;吕忠义;胡敏;;利用高含沙洪水治沙淤地土壤养分、粒径分布特征分析[A];2006中国科协年会农业分会场论文专集[C];2006年
中国重要报纸全文数据库 前10条
1 赵淑玲;吉林有机肥企产品叫好不叫座[N];中国化工报;2014年
2 本报记者 伊秀丽 张力军;高标准农田建设的吉林模式[N];吉林日报;2017年
3 王旭;温室施用有机肥料好处多[N];陕西科技报;2017年
4 刘鑫;枣裂或不甜 多因土壤养分不均衡[N];新疆科技报(汉);2016年
5 通讯员 伍军彭建国;塔西南与喀什合作研究土壤养分[N];中国石油报;2008年
6 记者 赵红梅;“土壤养分管理与平衡施肥”让农民亩增收近200元[N];河北日报;2006年
7 赵强;土壤养分的分析方法[N];山西科技报;2004年
8 中国农业科学院土壤肥料研究所 金继运 研究员;以分区土壤养分管理实现产业化[N];中华合作时报;2005年
9 高科;土壤养分测试仪[N];河北科技报;2001年
10 通讯员 姜晓平;磴口土壤养分含量逐年上升[N];巴彦淖尔日报(汉);2010年
中国博士学位论文全文数据库 前10条
1 朱洪芬;黄土高原太原盆地区土壤养分空间分异与尺度效应研究[D];山西农业大学;2017年
2 南锋;黄土高原煤矿区复垦农田主要土壤养分高光谱反演[D];山西农业大学;2017年
3 张强;‘富士’苹果果实品质与土壤养分和气象因子关系的研究[D];中国农业大学;2018年
4 许红卫;田间土壤养分与作物产量的时空变异及其相关性研究[D];浙江大学;2004年
5 刘杏梅;基于GIS和地统计学的不同尺度水稻田土壤养分时空变异及其机理研究[D];浙江大学;2005年
6 李瑞;规模经营条件下土壤养分精准管理研究[D];中国农业科学院;2006年
7 王红娟;我国北方粮食主产区土壤养分分布特征研究[D];中国农业科学院;2007年
8 姜城;不同经营体制下土壤养分空间变异规律及管理技术的研究[D];中国农业科学院;2000年
9 贾生尧;基于光谱分析技术的土壤养分检测方法与仪器研究[D];浙江大学;2015年
10 刘雪梅;基于可见近红外光谱检测土壤养分及仪器开发[D];东华大学;2014年
中国硕士学位论文全文数据库 前10条
1 禹庆峰;陕西省主要柿园土壤养分现状与科学施肥研究[D];西北农林科技大学;2018年
2 刘玲玲;秸秆还田与施氮对土壤养分、微生物及水稻产量的影响[D];扬州大学;2018年
3 朱洁;重庆东南烟区环境因子对土壤养分含量的影响[D];西南大学;2018年
4 彭石磊;自然降雨条件下长期施肥和耕作对坡耕地紫色土壤肥力的影响[D];西南大学;2018年
5 郭卫红;沿海地区水杉叶片性状的纬度格局及其影响因素[D];山西农业大学;2017年
6 吕凯一;耕地土壤养分时空变异及其影响因素分析[D];浙江大学;2018年
7 王丽丽;晋陕蒙矿区排土场植物措施对复垦土壤养分和微生物的影响[D];中国科学院大学(中国科学院教育部水土保持与生态环境研究中心);2018年
8 王奂仑;青海省枸杞重金属含量分析及土壤关联性研究[D];青海大学;2018年
9 沈婧;渗水地膜覆盖下土壤养分的时空变化特征研究[D];太原理工大学;2018年
10 韩欢;秦岭辛家山林区森林土壤养分现状与分析[D];西北农林科技大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026