共 21 条
- [1] 不同类型土壤总氮的近红外光谱技术测定研究[J]. 张雪莲,李晓娜,武菊英,郑伟,黄倩,汤丛峰.光谱学与光谱分析. 2010(04)
- [4] 高光谱植被指数与水稻叶面积指数的定量关系[J]. 田永超,杨杰,姚霞,朱艳,曹卫星.应用生态学报. 2009(07)
基于高光谱的土壤全氮含量估测
被引：53
作者：
张娟娟
[1
,2
]
田永超
[1
]
姚霞
[1
]
曹卫星
[1
]
马新明
[2
]
朱艳
[1
]
机构：
[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
[2] 不详
来源：
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;
D O I：
暂无
中图分类号：
S153.6 [土壤成分];
学科分类号：
摘要：
基于高光谱(3502 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500900 nm、1 3501 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。
引用
收藏
页码：881 / 890
页数：10
相关论文