基于机载高光谱影像的南方水稻土有机质含量估算

发布时间：2025-05-11 07:21

　　 水稻土中有机质光谱常常受到水分、秸秆等土壤背景的影响,为了减弱或去除非有机质组分对有机质光谱的影响,构建南方水稻土有机质估算模型。利用机载高光谱(GaiaSky-Mini2-VN)作为数据源,对原始反射率进行单一和组合变换(去除包络线、倒数、对数、一阶微分、二阶微分单一变换和倒数一阶微分、对数一阶微分、倒数对数组合变换)提取一维特征光谱;通过对变化后光谱进行比值和归一化处理,提取二维特征光谱;构建基于特征光谱的线性(多元回归、偏最小二乘)和非线性(反向传播神经网络、支持向量机)有机质预测模型,监测南方水稻土有机质含量。结果表明:一维光谱变换能显著增强光谱对有机质响应的敏感度,二维光谱变换能充分挖掘光谱信息,增强有机质与光谱之间的内在联系,提高建模精度。非线性模型(BPNN、SVM)尤其是BPNN对土壤有机质拟合性好,建模精度高。基于原始反射率比值指数建立的BPNN模型建模精度达到0.952,检验精度达到0.889,建模效果最优。该结果适用于南方水稻土有机质监测,对机载高光谱在土壤有机质监测中的特征波段提取和建模方法选择具有重要借鉴意义,对现代农业发展管理提供新的思路。

【文章页数】：12 页

【部分图文】：

图1 建模点与检验点分布

利用SPSS.22将研究区的45个样本总集随机划分成32个建模集和13个检验集(图1)。从图1可以看出,建模集和检验集在研究区空间分布上较为均匀。1.3.2一维、二维特征光谱提取

图2 一维特征光谱在全波段分布

一维特征光谱在全波段分布见图2。410～440nm处是特征光谱集中区域,共有46个特征波段,超过其他波段处特征光谱总和。结合采样点在不同波段处的原始平均反射率(图3)发现,410～440nm处存在一个反射率低谷,即土壤有机质在此波段存在强吸收,其是有机质响应的敏感波段。其他波....

图5 全波段中RSI、NDSI二维特征光谱分布

从图4可以看出,二维特征光谱(RSI、NDSI)与有机质之间的相关性较一维特征光谱均有较大程度提高,二维光谱在挖掘隐含光谱信息,反映土壤有机质适应机制上优于一维光谱[20-21]。LFDR变换对应的RSI、NDSI二维光谱与有机质之间的相关性分别达到0.616、0.584,相较于....

图3 采样点反射率均值曲线

图5全波段中RSI、NDSI二维特征光谱分布图4不同变换方法的最大相关系数

本文编号：4045055