基于ANN技术和高光谱遥感的盐渍土盐分预测

被引：52

作者：

王静 ^{[1
,2
]}

刘湘南 ^{[3
]}

黄方 ^{[1
,2
]}

唐吉龙 ^{[4
]}

赵冷冰 ^{[5
]}

机构：

[1] 东北师范大学草地研究所植被生态教育部重点实验室

[2] 东北师范大学国家环境保护湿地生态与植被恢复重点实验室

[3] 中国地质大学(北京)信息工程学院

[4] 长春理工大学光电工程学院

[5] 吉林省林业调查规划院

来源：

农业工程学报 | 2009年 / 25卷 / 12期

关键词：

神经网络; 遥感; 预测; 盐渍化; 高光谱;

D O I：

暂无

中图分类号：

S156.4 [盐碱土改良];

学科分类号：

0910 ;

摘要：

土壤盐渍化是干旱、半干旱农业区主要的土地退化问题,及时、精准、动态地监测盐渍土盐分,对于治理、防治盐渍土和进行农业可持续发展至关重要。以松嫩平原西部长岭县为例,利用盐渍土高光谱数据构建盐渍土盐分遥感预测模型。电导法测得土壤盐量,用ASD高光谱仪野外采集高光谱数据,利用光谱导数变换选择能够表征盐渍土盐分信息的最佳波段,即550、720、760、820和940nm。通过比较3层和4层72种不同神经网络结构,最终选择5-6-1结构的3层神经网络预测盐渍土盐分(R2=0.895,RMSE=0.089)。与传统回归相比(R2=0.81,RMSE=0.25),运用高光谱数据与人工神经网络方法相结合,能够提高盐渍土的预测精度,说明人工神经网络在构建光谱反射率与土壤参数关系研究中具有突出优势。

引用

页码：161 / 166

页数：6

共 15 条

[11]

Application of an empirical neural network to surface water quality estimation in the Gulf of Finland using combined optical data and microwave data[J] . Yuanzhi Zhang,Jouni Pulliainen,Sampsa Koponen,Martti Hallikainen.Remote Sensing of Environment . 2002 (2)

[12] Near-infrared reflectance spectroscopic analysis of soil C and N [J].

Chang, CW ;

Laird, DA .

SOIL SCIENCE, 2002, 167 (02) :110-116

[13]

Using neural networks to predict soil water retention and soil hydraulic conductivity[J] . Marcel G Schaap,Feike J Leij.Soil ＆ Tillage Research . 1998 (1)

[14]

Spectral behaviour of salt-affected soils[J] . B. R. M. Rao,T. Ravi Sankar,R. S. Dwivedi,S. S. Thammappa,L. Venkataratnam,R. C. Sharma,S. N. Das.International Journal of Remote Sensing . 1995 (12)

[15] SPECTRAL BAND SELECTION FOR QUANTIFYING SELECTED PROPERTIES IN HIGHLY WEATHERED SOILS [J].

COLEMAN, TL ;

AGBU, PA ;

MONTGOMERY, OL ;

GAO, T ;

PRASAD, S .

SOIL SCIENCE, 1991, 151 (05) :355-361

← 1 2 →