基于无人机多光谱的盐渍化土壤有机质遥感反演.pdfVIP

符号说明 SOM:soilorganicmatter，土壤有机质 Highpassfilter，高通滤波 Lowpassfilter，低通滤波 Median filter，中值滤波 r:pearson correlation coefficient，皮尔森相关系数 KS:Kennard-stone MLR:multiplelinearregression，多元线性回归 PLS:partialleast squares，偏最小二乘 SVM:supportvector machines，支持向量机 RBF:radialbasisfunction，径向基核函数 2 R :coefficient ofdetermination，决定系数 RMSE:rootmean squareerror，均方根误差 RPD:relativepercent deviation，相对分析误差 K-S:柯尔莫哥洛夫—斯米诺夫检验 Kriging:克里金插值 目录 中文摘要I AbstractII 1前言1 1.1研究背景及意义1 1.2 国内外研究进展2 1.3研究内容和方法5 1.3.1研究内容5 1.3.2研究方法6 1.4研究技术路线6 2材料和方法7 2.1研究区概况7 2.1.1无棣县概况7 2.1.2“ ” 8 渤海粮仓 概况 2.2数据获取和预处理9 2.2.1土壤样品采集和处理9 2.2.2无人机影像的收集和预处理11 2.3光谱反射率的优化12 2.3.1裸土光谱12 2.3.2植被光谱的优化12 2.4模型建立与验证15 2.4.1敏感指标的选取15 2.4.2样本集的划分16 2.4.3模型建立16 2.4.4模型验证19 2.5克里金插值20 2.6反演精度分析20 3 结果与分析21 3.1多光谱反射率的优化21 3.2土壤有机质特征波段的筛选及模型构建22 3.2.1土壤有机质敏感指标的筛选22 3.2.2土壤有机质样本集的划分23 3.2.3土壤有机质含量的模型构建24 3.2.4土壤有机质含量的模型验证26 3.3土壤有机质遥感反演和地统计分析的对比27 3.3.1土壤有机质含量的反演27 3.3.2土壤有机质地统计分析29 3.3.3土壤有机质反演精度分析30 4讨论和结论32 4.1讨论32 4.2结论33 4.3论文特色及展望34 参考文献35 致谢43 攻读学位期间发表论文情况44 山东农业大学硕士专业学位论文 中文摘要 盐渍土是我国重要的耕地后备资源，因土壤含盐量过高会使农业生产利用受到较 大限制，这将严重制约区域经济的可持续发展。土壤有机质 （soil organic matter， SOM）是植物生长所需营养的重要来源，可以调节土壤结构并改善土壤理化性质，是 衡量土壤质量的重要指标之一。因此快速监测盐渍化麦田表层土壤有机质含量以期为 盐渍土培肥改良、减肥增量和促进碳循环研究提供技术支撑。 本文以滨州市无棣县“渤海粮仓”地力培肥典型试验区作为研究区，通过野外调 查、采集土壤样品和实验室化验分析得到土壤有机质含量、土壤含盐量等数据，结合 无人机飞行得到的多光谱影像，探讨土壤有机质含量和光谱反射率之间的关系，分别 建立基于裸土和植被光谱数据支持下的土壤有机质含量遥感模型，对模型进行验证和 比较并确定最优模型，然后基于最优模型进行研究区土壤有机质的反演，与插值结果 进行精度分析比较，以期为无人机多光谱对盐渍土区冬小麦拔节期表层土壤有机质含 量进行快速、地块尺度精准估测提供支持。本研究主要完成了以下内容： （1）无人机多光谱获取的结果表明研究区样本的土壤有机质最大值为37.66g/kg， 最小值为14.37g/kg，平均值为23.90g/kg，标准差5.21g/kg。通过利用皮尔森相关分析 筛选出B1、B2、B4、NDVI、以及作为敏感指标进行模型的构建。为研究拔节期的小 麦土壤有机质的情况，分别基于采样点的裸土光谱和经过优化的植被光谱建立模型， 基于无人机多光谱影像建立植被模型，根据小麦呈垄的种植特点对影像进