%0 Journal Article
%T 基于高光谱的土壤全氮含量估测
%A 张娟娟
%A 田永超
%A 姚霞
%A 曹卫星
%A 马新明
%A 朱艳
%J 自然资源学报
%P 881-890
%D 2011
%R 10.11849/zrzyxb.2011.05.015
%X ？基于高光谱(350~2500nm)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500~900nm、1350~1490nm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0.219g·kg-1和0.149g·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872nm和1482nm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、0.31g·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。
%K 土壤
%K 全氮
%K 高光谱
%K 偏最小二乘法
%K BP神经网络
%K 光谱指数
%U http://www.jnr.ac.cn/CN/abstract/abstract2201.shtml