论文部分内容阅读
随着现代农业的发展和人地矛盾的日益突出,对土壤信息获取提出了新的要求。高光谱遥感凭借其极高的光谱分辨率在岩石矿物、土壤、植被等领域得到越来越多的应用。就土壤而言,有机质含量是重要的土壤肥力指标,铁作为农作物中的微量元素,对作物的生长发育起着重要的作用,利用土壤的高光谱信息快速反演土壤中的有机质、全铁等的含量必将为农田土壤的科学管理及精确农业提供依据。本文利用江西红壤的室内光谱,运用多元逐步线性回归法、BP神经网络法和径向基函数网络法研究了土壤中的有机质、全铁含量与可见光/近红外光谱之间的关系,并建立相应的反演模型。论文从数据的获取和预处理到土壤有机质、全铁含量反演模型的建立以及结果的分析做了系统研究,主要工作及结论如下:研究结果表明,对于有机质而言,回归模型、BP集成网络模型以及径向基函数网络模型皆取得了较好效果,其中以BP集成网络模型的效果最好,一阶导数、一阶导数主成分的BP集成网络模型对检验样本反演的平均相对误差分别为13%、14%,反演值和实测值的相关系数分别达到0.91、0.93。相较BP神经网络法,多元逐步回归法所建的一阶导数、一阶导数主成分的回归模型对检验样本反演的平均相对误差分别为17%、21%,反演值和实测值的相关系数分别达到0.85、0.78;径向基函数网络法所建的一阶导数、一阶导数主成分的网络模型对检验样本反演的平均相对误差分别为22%、18%,反演值和实测值的相关系数分别达到0.87、0.79。综合各项精度评价指标,BP集成网络模型的效果最优。全铁的反演模型普遍不太理想,其中较好的是基于特征吸收波段的一阶导数、一阶导数主成分的BP集成网络模型,其对检验样本反演的平均相对误差分别为18%、22%,反演值和实测值的相关系数分别达到0.82、0.86,具有反演红壤中全铁含量的潜力。从有机质、全铁的分析建模的结果可知,光谱一阶导数是一种有效的光谱指标,在多元逐步回归分析中,作一阶导数变换后,有机质和全铁含量的回归模型的建模及检验精度普遍得到提高;神经网络集成是提高模型准确性和稳定性的一个有效方法,使得建立起来的反演模型具有较强的信息综合能力和预测能力。