收藏本站
《新疆大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究

亚森江·喀哈尔  
【摘要】:表层土壤水盐是土壤水盐运移模型的重要边界条件参数,准确的表层土壤水盐信息可以提高水盐运移模型的模拟与预测精度,精准的土壤水盐信息监测有助于进一步提高水盐运移模型模拟精度,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。为寻求预测土壤水、盐的最佳高光谱参数,实现土壤水、盐信息的高效监测,本研究使用ASD FieldSpec3高光谱仪对渭干河-库车河三角绿洲野外取样的土壤样品进行室内高光谱测定,利用两波段优化算法对光谱指数进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的3种数学变换)运算下的最敏感高光谱参数,从而建立土壤水、盐高光谱估算模型。结论如下:(1)研究区土壤盐分含量以及土壤含水率离散度均较高,土壤酸碱度离散程度较弱,土壤八大离子中主要以钠离子、氯离子和硫酸根离子为主,土壤盐分成分主要就是钠盐,其中,钠离子和氯离子的相关性系数最大。(2)优化后的光谱指数与土壤水、盐之间的相关性显著,与传统的一维相关性方法相比有明显的优势,基本可以将相关性提高0.2,在高光谱建模中可以发挥很大的作用。不管在一维层面上还是二维层面上,合适的高光谱数据预处理方法都在一定程度上对提高相关性有所帮助。(3)变量重要性准则(variable importance in projection,VIP)这种在自变量相关性较强情形下应用的方法在本文中也起到了非常显著的作用,可以提高模型的效率。从估算模型的表现可以看出,基于机器学习的支持向量机模型要优于偏最小二乘模型,并且使用多个优化光谱指数构建的组合模型要优于使用单一优化光谱指数的模型。在土壤盐分估测时,SVM模型能达到最高的预测决定系数0.762。但在土壤含水率估算模型中,最高的为PLSR模型,预测决定系数为0.637,并且单一优化光谱指数模型要优于组合模型。本文得到的优化光谱参数可为快速准确寻求卫星传感器中监测干旱、半干旱地区土壤水、盐含量的最佳波段提供依据,此外,波段的优化也可以为设计特定波段的主动传感器提供理论基础,进一步减少高光谱海量数据处理的工作量,为实现土壤水盐信息的高效监测服务。最后,可以为土壤盐渍化的监测与预测以及生态调控提供相应的措施与对策,对区域生态文明建设具有重大意义。
【学位授予单位】:新疆大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S156.41;TP79

【参考文献】
中国期刊全文数据库 前10条
1 李相;丁建丽;侯艳军;邓凯;;干旱半干旱区土壤含盐量和电导率高光谱估算[J];冰川冻土;2015年04期
2 李洪义;顾呈剑;但承龙;史舟;;基于VRML的土壤电导率三维空间变异性虚拟现实建模研究[J];土壤学报;2015年04期
3 陈皓锐;王少丽;管孝艳;高黎辉;;基于高光谱数据的土壤电导率估算模型——以河套灌区沙壕渠灌域沙壤土为例[J];干旱区资源与环境;2014年12期
4 章文龙;曾从盛;高灯州;胡伟芳;陈晓艳;林伟;;闽江河口湿地秋茄叶绿素含量高光谱遥感估算[J];生态学报;2014年21期
5 彭杰;王家强;向红英;滕洪芬;柳维扬;迟春明;牛建龙;郭燕;史舟;;土壤含盐量与电导率的高光谱反演精度对比研究[J];光谱学与光谱分析;2014年02期
6 张建兵;杨劲松;李芙荣;侯晓静;赵曼;姚荣江;余世鹏;王相平;;有机肥与覆盖对苏北滩涂重度盐渍土壤水盐调控效应分析[J];土壤学报;2014年01期
7 潘蓓;赵庚星;朱西存;刘海腾;梁爽;田大德;;利用高光谱植被指数估测苹果树冠层叶绿素含量[J];光谱学与光谱分析;2013年08期
8 姚远;丁建丽;张芳;赵振亮;江红南;;基于高光谱指数和电磁感应技术的区域土壤盐渍化监测模型[J];光谱学与光谱分析;2013年06期
9 靳彦华;熊黑钢;张芳;王莉峰;;不同地类春小麦拔节期冠层光谱与叶绿素差异研究[J];光谱学与光谱分析;2013年04期
10 张永贺;陈文惠;郭乔影;张清林;;桉树叶片光合色素含量高光谱估算模型[J];生态学报;2013年03期
【共引文献】
中国期刊全文数据库 前10条
1 陈实;徐斌;金云翔;黄银兰;张文博;郭剑;申格;杨秀春;;北疆农区土壤盐渍化遥感监测及其时空特征分析[J];地理科学;2015年12期
2 孙红;赵毅;张猛;文瑶;李民赞;杨玮;Qin Zhang;;玉米拔节期冠层叶绿素含量多光谱图像检测[J];农业工程学报;2015年S2期
3 妙佳源;张钰玉;王孟;张盼盼;李夏;韩浩坤;刘凤琴;冯佰利;;旱区糜子农田冠层高光谱反射特征研究初报[J];黑龙江八一农垦大学学报;2015年05期
4 马姜明;黄婧;杨栋林;梅军林;;桂林喀斯特石山50种常见植物叶片光合色素含量及耐荫性定量评价[J];林业科学;2015年10期
5 李相;丁建丽;;基于实测高光谱指数与HSI影像指数的土壤含水量监测[J];农业工程学报;2015年19期
6 刘雪峰;吕强;何绍兰;易时来;谢让金;郑永强;胡德玉;汪志涛;邓烈;;柑橘植株冠层氮素和光合色素含量近地遥感估测[J];遥感学报;2015年06期
7 杨军;孙兆军;罗成科;马飞;韩磊;王旭;;水盐调控措施改良龟裂碱土提高油葵产量[J];农业工程学报;2015年18期
8 张超;蔡焕杰;李志军;;高光谱特征参量的冬小麦吸收性光合有效辐射分量估算模型[J];光谱学与光谱分析;2015年09期
9 李相;丁建丽;侯艳军;邓凯;;干旱半干旱区土壤含盐量和电导率高光谱估算[J];冰川冻土;2015年04期
10 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
【二级参考文献】
中国期刊全文数据库 前10条
1 牛江宇;靳鹏伟;李栋伟;吕晶晶;;冻结盐渍砂土单轴强度特性研究[J];冰川冻土;2015年02期
2 马成霞;丁建丽;杨爱霞;王璐;牛增懿;;绿洲区域土壤盐渍化主要参数的空间异质性分析[J];干旱区资源与环境;2015年02期
3 陈皓锐;王少丽;管孝艳;高黎辉;;基于高光谱数据的土壤电导率估算模型——以河套灌区沙壕渠灌域沙壤土为例[J];干旱区资源与环境;2014年12期
4 刘东伟;吉力力·阿不都外力;王立新;;新疆艾比湖地区盐尘的沉积通量及其物质组成[J];冰川冻土;2014年02期
5 马驰;;基于HJ-1A高光谱影像的土壤盐碱化遥感研究[J];干旱区资源与环境;2014年02期
6 彭杰;王家强;向红英;滕洪芬;柳维扬;迟春明;牛建龙;郭燕;史舟;;土壤含盐量与电导率的高光谱反演精度对比研究[J];光谱学与光谱分析;2014年02期
7 吴见;刘民士;李伟涛;;干旱半干旱区土壤含水量定量反演技术研究[J];干旱区资源与环境;2014年01期
8 张英;邴慧;;含盐冻土物理力学性质研究现状与进展[J];冰川冻土;2013年06期
9 林海军;李霞;牛婷;赵钊;;不同地下水埋深条件下胡杨叶片光谱特征分析[J];干旱区资源与环境;2013年11期
10 李洪义;史舟;吴次芳;李芳颢;何方义;;基于EM38的滨海盐土剖面电导率原位测定[J];土壤学报;2013年06期
【相似文献】
中国期刊全文数据库 前10条
1 王家圣;张宏名;林志亮;卢志光;曹大澂;;小麦光谱指数分析与应用[J];北京农业大学学报;1988年01期
2 蒲智;于瑞德;尹昌应;陆亦农;;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年06期
3 王家强;伍维模;李志军;于军;吴少聪;;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年10期
4 李丹;李斐;胡云才;Mistele Bodo;Urs Schmidhalter;;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年04期
5 曹仕;刘湘南;刘慕霞;;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年10期
6 郭鹏;李华;陈红艳;刘亚秋;盖岳峰;任涛;;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年03期
7 梁亮;杨敏华;邓凯东;张连蓬;林卉;刘志霄;;一种估测小麦冠层氮含量的新高光谱指数[J];生态学报;2011年21期
8 刘燕德;叶灵玉;孙旭东;韩如冰;肖怀春;马奎荣;朱丹宁;吴明明;;基于光谱指数的蜜橘成熟度评价模型研究[J];中国光学;2018年01期
9 蒋阿宁;黄文江;赵春江;刘克礼;刘良云;王纪华;;基于光谱指数的冬小麦变量施肥效应研究[J];中国农业科学;2007年09期
10 于亚凤;杨金中;陈圣波;王楠;;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年08期
中国重要会议论文全文数据库 前7条
1 曹中盛;朱艳;田永超;曹卫星;姚霞;;小麦叶面积指数估测的最佳高光谱参数研究[A];中国作物学会2013年学术年会论文摘要集[C];2013年
2 张锋;;车载式作物冠层多光谱指数检测装置的研发[A];中国农业工程学会2011年学术年会(CSAE 2011)论文摘要集[C];2011年
3 田永超;朱艳;曹卫星;戴廷波;薛利红;;基于冠层反射光谱的稻麦生长状况及产量品质监测[A];’2003中国作物学会学术年会文集[C];2003年
4 王进;白丽;蒋贵英;杨朋;孙蜀江;;干旱区基于高光谱的棉花遥感估产研究[A];第26届中国气象学会年会农业气象防灾减灾与粮食安全分会场论文集[C];2009年
5 王进;晋绿生;任岗;赵俊荣;蒋贵英;白丽;;干旱区基于高光谱的棉花遥感估产研究[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年
6 王进;白丽;蒋贵英;杨朋;孙蜀江;;干旱区基于高光谱的棉花遥感估产研究[A];中国气象学会2008年年会卫星遥感应用技术与处理方法分会场论文集[C];2008年
7 梁红霞;黄文江;刘良云;王纪华;赵春江;;利用光谱指数进行冬小麦变量施肥的可行性及其效益评价[A];中国数字农业与农村信息化学术研究研讨会论文集[C];2005年
中国博士学位论文全文数据库 前9条
1 刘怀鹏;基于WorldView-2数据的城市典型绿化树种分类[D];内蒙古农业大学;2016年
2 梁亮;小麦冠层理化参量的高光谱反演[D];中南大学;2010年
3 王方永;基于近地可见光成像传感器的棉花生长信息监测研究[D];石河子大学;2011年
4 杨杰;基于叶片高光谱指数的水稻氮素及色素含量监测研究[D];南京农业大学;2009年
5 杨福芹;小麦、玉米叶片和植株氮营养高光谱诊断与应用研究[D];中国矿业大学(北京);2016年
6 姚霞;小麦冠层和单叶氮素营养指标的高光谱监测研究[D];南京农业大学;2009年
7 陈书琳;微生物复垦中植物及土壤理化参数的高光谱反演研究[D];中国矿业大学(北京);2014年
8 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
9 肖艳芳;植被理化参数反演的尺度效应与敏感性分析[D];首都师范大学;2013年
中国硕士学位论文全文数据库 前10条
1 亚森江·喀哈尔;基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究[D];新疆大学;2019年
2 李丹;基于优化光谱指数的小麦玉米冠层氮素含量预测[D];内蒙古农业大学;2015年
3 嵇璇;基于光谱指数的温室马铃薯生长监测[D];内蒙古农业大学;2016年
4 安海波;基于优化光谱指数的草地生物量估算[D];内蒙古农业大学;2015年
5 周正明;遥感光谱指数反演土壤水分及干旱时空分布研究[D];中国气象科学研究院;2013年
6 蒋阿宁;基于多源数据的冬小麦变量施肥研究[D];内蒙古农业大学;2007年
7 张威;施肥试验条件下的冬小麦产量和氮肥利用率地面高光谱遥感估算[D];南京农业大学;2014年
8 胥慧;锡林郭勒盟典型草原枯草高光谱生物量估算方法研究[D];内蒙古师范大学;2015年
9 牛增懿;基于高分一号影像的干旱区绿洲土壤盐渍信息提取研究[D];新疆大学;2015年
10 李争光;基于地面实测热红外光谱的地表参数反演[D];新疆大学;2012年
中国知网广告投放
 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