- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
1.前言 土壤含盐量是表征土壤盐分状况的主要参数,也是确定土壤盐渍化程度的最主要指标。准确可靠的土壤盐分分析数据是一切盐碱地工作的基础,而掌握土壤主要离子的含量对于盐碱地改良也有非常重要的作用。在土壤盐渍化遥感监测研究中,土壤的光谱特征是盐渍化土壤识别与分类的基础,其依据是不同盐渍化土壤的光谱特征具有明显的差异性。因此,探讨土壤因子与光谱特征之间的关系已成为土壤遥感监测中的一个重要环节。 本研究以新疆不同质地土壤为研究对象,利用包络线去除法对光谱数据进行处理,建立不同质地土壤含盐量预测光谱模型,为遥感技术反演土壤含盐量技术方法提供理论支持为测定土壤含盐量提供了一种快速、无损、准确的新方法。 2.试验设计 表1 土壤样品理化性质 3.1 不同质地土壤光谱特征 由土壤光谱曲线形状可以看出,不同质地光谱曲线总体趋势一致,但也存在不同。反射率高低差异很大,其中砂壤反射率最高,其次是粘土和壤土,砂土最低。壤土、砂壤土、砂土和粘土反射率大小与自身粗糙度有关,粘土自身的颗粒偏小,会形成镜面反射,故反射率偏高。而砂土自身的颗粒偏粗,故反射率偏低。这与前人研究的土壤粗糙度也会导致光谱反射率大小不同的结论一致。在1430 nm之前的波段不同质地土壤光谱曲线趋势一致,但在1930 nm处砂土的吸收谷相不明显,而粘土、壤土和砂壤的吸收谷相对较明显。 图2 不同盐分土壤光谱曲线图 3.2 不同盐分的土壤光谱特征 由图2可以看出,不同盐分土壤光谱曲线总体趋势一致,但仍有差异,随着盐分含量的升高,光谱反射率降低,即盐分含量与光谱反射率成反比关系。 1:四种不同盐分的曲线在1420nm和1970nm处具有的强烈吸收带,除此之外,所有光谱曲线均具有随着波长的增加反射率增强的趋势。 2:以1420nm水汽吸收带为界,在348nm-1420nm间的光谱反射率随波长增加呈单调上升趋势 ,土壤样本的光谱反射率大多能由2个折线段和一些特征吸收带来表示。这两个段是: 348-600nm,此段曲线斜率较大; 600-1310nm,此段曲线平缓,总体趋势呈上升直线,无明显吸收;1420nm附近具有不同程度的特征吸收带。因此,该范围内光谱的形状特征可以由348、600、1310nm三点构成的折线和1420nm处的吸收带大致控制。 3:在1420-1800nm间,土壤的反射率随波长的增加呈上升趋势,斜率较大;在1800-1970nm间,土壤的光谱反射率曲线变化平缓,基本上为一条水平的直线;在1970-2240nm间,存在一个强烈的水汽吸收带,光谱反射曲线变化较陡,斜率较大;2240-2472nm之间,光谱反射曲线变化较小,总体呈下降趋势。 由此可见,在可见光-近红外波段盐渍化土壤的光谱反射率曲线的形状基本上由六个折线段 (348-600nm、600 -1310nm、1310- 1800nm、1800-1970nm、1970- 2240 nm和2240-2472nm)和1420、1800、1970和2240nm四处吸收带组成。 图3:土壤光谱曲线包络线去除前后比较 3.3 包络线去除前后土壤光谱曲线分析 如图3显示,样本光谱曲线总体变化比较平缓,光谱特征形态相似。其差异是盐分吸收深度的不同及反射率大小不同。通过土壤光谱曲线包络线去除前后的比较可以发现,相比原始土壤,包络线去除后的土壤光谱曲线在1400nm和1900nm附近的土壤盐分吸收的吸收谷特征尤为明显。 3.4 使用BP模型预测土壤含盐量 BP网络(Back Propagation)模型属于前馈性网络, 是前向网络的核心部分,具有良好的非线性映射能力、结构简单, 性能良好,它体现了神经网络中最精华最完美的内容。它是一种非线性分析模型,适合于土壤系统高维遥感数据的参数反演过程,该模型用于反演盐碱土的含盐量可以大大提高反演精度,推动盐渍土遥感的定量化发展。 表2 预测值与实测值相关关系和回归方程 采用60个土壤含盐量数据资料,利用MATLAB工具箱对样本进行学习训练,前50个土壤含盐量样本为训练样本,后10个土壤含盐量样本为检验样本,结果见表2和图4。 本模型精度检验方法的优点是在精度检验过程中使用尽可能多的训练样本,使模型精度最大化。因为在循环检验过程中,每次抽取用于训练的 50个样本不同,在精度检验过程中建立的模型每次都不一样,但由于默认训练样本数据的好坏程度基本一致,所以可以大致认为每次检验得出的模型相同。因此,使用该方法进行精度检验时必须默认训练样本数据的好坏程度基本一致。 4. 结论 本文通
文档评论(0)