文献类型：期刊文章

作　　者：张娟娟[1] 田永超[1] 朱艳[1] 姚霞[1] 曹卫星[1]

机构地区：[1]南京农业大学农学院/江苏省信息农业高技术研究重点实验室,南京210095

出　　处：《中国农业科学》

基　　金：国家自然科学基金项目(30571092;30671215);国家"863"计划项目(2006AA10Z202和2006AA10Z271)

年　　份：2009

卷　　号：42

期　　号：9

起止页码：3154-3163

语　　种：中文

收录情况：BDHX、BDHX2008、CAB、CAS、CSCD、CSCD2011_2012、FSTA、GEOBASE、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2500nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554nm和近红外区1398nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y=184.2×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56%的前6个主成分建立了三层BP神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。

关 键 词：土壤有机质 一阶导数光谱 Norris平滑滤波  差值光谱指数DI(D554,D1398)  BP神经网络  

分 类 号：S153.6]