全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于高光谱的土壤全氮含量估测

DOI: 10.11849/zrzyxb.2011.05.015, PP. 881-890

Keywords: 土壤,全氮,高光谱,偏最小二乘法,BP神经网络,光谱指数

Full-Text   Cite this paper   Add to My Lib

Abstract:

?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。

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133