中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于光谱指数的晋西黄土区土壤黏粒含量估测 山西农业科学 2022,50 (5) 660-668
Position: Home > Articles > Estimation of Soil Clay Contents in the Loess Region of Western Shanxi Province Based on Spectral Indexes Journal of Shanxi Agricultural Sciences 2022,50 (5) 660-668

基于光谱指数的晋西黄土区土壤黏粒含量估测

作  者：
孙瑞鹏;丁皓希;毕如田;邓永鹏;朱洪芬
单  位：
山西农业大学资源环境学院
关键词：
光谱指数;土壤黏粒含量;晋西黄土区;土壤高光谱
摘  要：
通过构建提高土壤黏粒含量预测精度的可行性方法光谱指数模型,为快速估测晋西黄土区土壤黏粒含量提供技术支持,以晋西黄土区土壤为研究对象,利用光谱指数特征构建该区域土壤黏粒含量的光谱快速估测模型,使用ASD地物光谱仪测得土壤高光谱数据,对原始光谱(R)进行倒数变换(IR)、倒数的对数变换(LGIR)和倒数的一阶微分变换(FDIR)3种预处理,对以上4种光谱形式构建差值光谱指数(DSI)、比值光谱指数(RSI)、归一化光谱指数(Normalized difference spectral index,NDSI)3种光谱指数,并计算其与土壤黏粒含量的相关性;然后,选取相关系数中最显著的5个光谱指数用于多元线性回归(MLR)模型拟合,筛选出47个光谱指数用于偏最小二乘回归(PLSR)和反向传播神经网络(N)模型拟合.结果表明,原始光谱与土壤黏粒含量的相关性较低(相关系数最高仅为-0.28),而通过光谱变换及构建光谱指数后其相关性明显提升,其中,相关性较高的为FDIR-RSI、FDIR-NDSI、R-DSI、LGIR-RSI和LGIR-NDSI(相关系数分别为-0.70、0.69、-0.68、0.68、0.68),且相关性均显著,置信水平P均小于0.001;预测精度最高的模型是LGIR-NDSI-BPNN,其预测集的R2和RMSE分别为0.64、1.32,验证集的R2、RMSE和RPD分别为0.74、1.13、1.96,明显提升了基于原始光谱土壤黏粒含量的预测精度.
译  名：
Estimation of Soil Clay Contents in the Loess Region of Western Shanxi Province Based on Spectral Indexes

相似文章

导出引用
计量
文章访问数: 30
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46