土壤有机质含量地面高光谱估测模型对比分析

土壤有机质含量地面高光谱估测模型对比分析

, , , ,

文章导航 > 自然资源遥感 > 2019 > (1): 110-116

王永敏, 李西灿, 田林亚, 贾斌, 杨惠. 土壤有机质含量地面高光谱估测模型对比分析[J]. 自然资源遥感, 2019, (1): 110-116. doi: 10.6046/gtzyyg.2019.01.15

引用本文:

王永敏, 李西灿, 田林亚, 贾斌, 杨惠. 土壤有机质含量地面高光谱估测模型对比分析[J]. 自然资源遥感, 2019, (1): 110-116. doi: 10.6046/gtzyyg.2019.01.15

WANG Yongmin, LI Xican, TIAN Linya, JIA Bin, YANG Hui. Comparison and analysis of estimation models of soil organic matter content established by hyperspectral on ground[J]. Remote Sensing for Natural Resources, 2019, (1): 110-116. doi: 10.6046/gtzyyg.2019.01.15

Citation:

WANG Yongmin, LI Xican, TIAN Linya, JIA Bin, YANG Hui. Comparison and analysis of estimation models of soil organic matter content established by hyperspectral on ground[J]. Remote Sensing for Natural Resources, 2019, (1): 110-116. doi: 10.6046/gtzyyg.2019.01.15

土壤有机质含量地面高光谱估测模型对比分析

河海大学地球科学与工程学院,南京,211100

山东农业大学信息科学与工程学院,泰安,271018

河海大学地球科学与工程学院,南京,211100

中建四局第三建筑工程有限公司,遵义,563000

东南大学交通学院,南京,210000

基金项目:
山东省自然科学基金项目"基于灰色理论的土壤有机质高光谱估测模式研究"

国家自然科学基金项目"黄河三角洲典型生态脆弱区土壤质量退化特征及其对土地利用变化的响应"

详细信息

中图分类号: TP79

刊出日期: 2019-03-15

Comparison and analysis of estimation models of soil organic matter content established by hyperspectral on ground

Publish Date: 15 March 2019

摘要: 采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点.为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型.对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0.933,检验样本的均方根误差达到0.069.实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好.通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义.
- 地面高光谱 /
- 土壤有机质 /
- 数据变换 /
- 估测模型 /
- 对比分析

资源附件(0)

计量

文章访问数: 612
PDF下载数: 39
施引文献: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回