论文部分内容阅读
目前，土壤属性含量时空维上的测定仍然依赖于传统的化学方法，即野外采样然后进行室内化学分析。该方法存在费时、费钱等缺点，不适合大范围监测。为此，寻找一种快速、节省的土壤属性测定方法势在必行。20世纪80年代，高光谱分辨率光谱仪的出现，为土壤属性的研究提供了新手段。它具有快速、实时、非破坏性、费用低等特点，正好填补了传统方法的不足。精准农业的发展也迫切要求遥感技术提供给其快速与准确的地表信息。高光谱遥感数据具有波段数目多、波段宽度窄、光谱分辨率高等特点，它正是凭借其极高的光谱分辨率在农业土壤中表现出非凡的研究潜力。
本论文将研究重点着眼于基础研究。电磁波与地物的相互作用是遥感探测地表化学成分的理论基础。土壤光谱特征是遥感方法快速识别土壤化学成分的关键。利用各种分析技术和方法，将土壤光谱和土壤属性结合起来，建立土壤属性与土壤光谱的关系，是本论文的最基本目的。本研究通过文献综述，在土壤属性高光谱理论基础的支持下，分析了江西和甘肃境内两个实验区土壤的光谱特征以及反射率的影响因素。对土壤反射率进行不同的预处理后，采用多元逐步回归、偏最小二乘回归和人工神经网络方法预测了土壤有机碳、氮、磷、铁、一些重金属的含量，以期了解实验区土壤的反射特性，寻求可见光.近红外波段对预测每一土壤属性的最佳反射率预处理方式。通过模拟Quickbird、ASTER、ALI和Hyperion四种传感器波段反射率预测了甘肃张掖土壤属性含量，为今后利用遥感技术快速、大范围制图土壤属性传感器的波段选择提供了理论依据。本文的主要成果和结论如下：
1、在江西实验区，应用紫外-可见光-近红外反射波谱的22个特征波段和13个反射变形差的方法建立了土壤属性含量的高光谱预测模型，并进行了土壤属性含量的估算。土壤SOC、TN、TP、CEC和Fe的相关系数都达到了0.80，证明了预测模型的可靠性。
2、以江西和张掖两个实验区为例，采用了去包络线的分析方法，简便、准确而有效地提取了土壤中某些成分“峰值点”的特征参量——吸收峰的深度、宽度、面积和对称度，应用SLMR方法对四种吸收特征参数进行了特征吸收带的自变量选取，并建立了不同光谱指标(1/R、LgR、(LgR)、FDR、SDR、B_Depth)不同土壤属性含量的估算模型，总体上来说预测精度令人满意。
3、波谱预处理和波长选取方法在可见光-近红外光谱分析技术中相当重要。将化学计量学中的光谱参量标准正态变量变换(SNV)和多元散射校正(MSC)引入到土壤属性含量的预测中，来消除外界因素的影响，为模型预测精度的提高提供了新的预处理方法。
4、建立BP模型用于光谱定量分析时，为克服所建模型与训练样本产生“过拟合”，本研究应用PCA方法进行了数据压缩。应用PCA—BP方法对张掖土壤属性含量进行了估算，比PLSR方法的预测结果好。
5、在难以获取研究区合适遥感影像情况下，利用实验室模拟传感器波段对制图本区土壤属性最佳传感器选择进行了研究。通过对不同光谱分辨率传感器Quickbird、ASTER、ALI和Hyperion进行模拟，结果表明土壤部分属性可以被这3种多光谱传感器波段预测，而且它们与模拟的高光谱预测精度较接近，说明光谱分辨率不是预测土壤属性含量的主要影响因素。
6、对ALI和Hyperion影像进行了辐射校正和几何校正处理，以及利用FLAASH模块进行了大气校正。通过影像提取采样点的反射率，并构建土壤属性含量的反演模型，探讨了土壤属性空间格局的保真度，尝试了土壤部分属性的多/高光谱遥感填图。