|
|||||
|
|
| 基于高光谱的土壤全氮含量估测 | |
| 引用本文： | 张娟娟,田永超,姚霞,曹卫星,马新明,朱艳.基于高光谱的土壤全氮含量估测[J].自然资源学报,2011,26(5):881-890. |
| 作者姓名： | 张娟娟 田永超 姚霞 曹卫星 马新明 朱艳 |
| 作者单位： | 1. 南京农业大学 国家信息农业工程技术中心,江苏省信息农业高技术研究重点实验室,南京 210095; 2. 河南农业大学 信息与管理科学学院,郑州 450002 |
| 基金项目： | 教育部新世纪优秀人才支持计划，国家自然科学基金，江苏省创新学者攀登计划，江苏省自然科学基金 |
| 摘 要： | 基于高光谱(350~2 500 nm)数据,研究了我国中、东部地区5种主要类型土壤全氮含量与高光谱反射率之间的定量关系,构建了基于偏最小二乘法(PLS)、BP神经网络(BPNN)和特征光谱指数的土壤全氮含量估算模型。结果表明,以500~900 nm、1 350~1 490 nm区域波段反射率经Norris滤波平滑后的一阶导数光谱为基础,构建的基于PLS和BPNN的土壤全氮含量估算模型精度较高,建模决定系数分别为0.81和0.98;独立观测资料检验结果显示,模型预测决定系数分别为0.81和0.93,均方根误差RMSE为0.219 g·kg-1和0.149 g·kg-1,相对分析误差RPD为2.28和3.36,说明PLS和BPNN模型对土壤全氮含量具有较高的预测精度。在光谱指数的分析中,基于近红外872 nm和1 482 nm 两个波段的差值光谱指数DI(NDR872,NDR1482)对土壤全氮含量最敏感,建模决定系数、预测决定系数、RMSE和RPD分别为0.66、0.53、0.31 g·kg-1和1.60。比较而言,三种方法估算土壤氮含量的精度顺序为BPNN模型＞PLS＞DI(NDR872,NDR1482),基于PLS和BPNN两种方法建立的土壤全氮含量高光谱估测模型具有较高的精度,可以用来精确估算土壤全氮含量;基于两波段构建的DI(NDR872,NDR1482)预测效果低于前两者,但也可以用来粗略估测土壤中的全氮含量。 |
| 关 键 词： | 土壤 全氮 高光谱 偏最小二乘法 BP神经网络 光谱指数 |
| 收稿时间： | 2010-09-14 |
Estimating Soil Total Nitrogen Content Based on Hyperspectral Analysis Technology |
|
| ZHANG Juan-juan,TIAN Yong-chao,YAO Xia,CAO Wei-xing,MA Xin-ming,ZHU Yan.Estimating Soil Total Nitrogen Content Based on Hyperspectral Analysis Technology[J].Journal of Natural Resources,2011,26(5):881-890. | |
| Authors: | ZHANG Juan-juan TIAN Yong-chao YAO Xia CAO Wei-xing MA Xin-ming ZHU Yan |
| Institution: | 1. National Engineering and Technology Center for Information Agriculture, Jiangsu Key Laboratory for Information Agriculture, Nanjing Agricultural University, Nanjing 210095, China; 2. College of Information and Management, Henan Agricultural University, Zhengzhou 450002, China |
| Abstract: | Quantitative relationships between soil total nitrogen content(TN) and hyperspectra in visible and near-infrared region(VIS-NIR)(350-2500 nm) were studied for five soil types(paddy soil,fluvo-aquic soil,salinized fluvo-aquic soil,saline soil,dark soil with lime concretion) collected from central and East China.Based on three different methods of spectral index,partial least square(PLS) and back propagation neural network(BPNN),the models were developed for estimating TN content in soil.The results showed th... |
| Keywords: | soil total nitrogen hyperspectra partial least square BP neural network spectral index |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《自然资源学报》浏览原始摘要信息 | |
| 点击此处可从《自然资源学报》下载免费的PDF全文 | |