文献类型：期刊文章

作　　者：张娟娟[1,2] 田永超[1] 姚霞[1] 曹卫星[1] 马新明[2] 朱艳[1]

机构地区：[1]南京农业大学国家信息农业工程技术中心,江苏省信息农业高技术研究重点实验室,南京210095 [2]河南农业大学信息与管理科学学院,郑州450002

出　　处：《自然资源学报》

基　　金：教育部新世纪优秀人才支持计划(NCET-08-0797);国家自然科学基金项目(30871448);江苏省创新学者攀登计划(BK2008037);江苏省自然科学基金项目(BK2008330)

年　　份：2011

卷　　号：26

期　　号：5

起止页码：881-890

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、CSSCI、CSSCI_E2010_2011、JST、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：基于高光谱（350~2 500 nm）数据,研究了我国中、东部地区5种主要类型土壤全氮含量与高光谱反射率之间的定量关系,构建了基于偏最小二乘法（PLS）、BP神经网络（BPNN）和特征光谱指数的土壤全氮含量估算模型。结果表明,以500~900 nm、1 350~1 490 nm区域波段反射率经Norris滤波平滑后的一阶导数光谱为基础,构建的基于PLS和BPNN的土壤全氮含量估算模型精度较高,建模决定系数分别为0.81和0.98;独立观测资料检验结果显示,模型预测决定系数分别为0.81和0.93,均方根误差RMSE为0.219 g.kg-1和0.149 g.kg-1,相对分析误差RPD为2.28和3.36,说明PLS和BPNN模型对土壤全氮含量具有较高的预测精度。在光谱指数的分析中,基于近红外872 nm和1 482 nm两个波段的差值光谱指数DI（NDR872,NDR1482）对土壤全氮含量最敏感,建模决定系数、预测决定系数、RMSE和RPD分别为0.66、0.53、0.31 g.kg-1和1.60。比较而言,三种方法估算土壤氮含量的精度顺序为BPNN模型〉PLS〉DI（NDR872,NDR1482）,基于PLS和BPNN两种方法建立的土壤全氮含量高光谱估测模型具有较高的精度,可以用来精确估算土壤全氮含量;基于两波段构建的DI（NDR872,NDR1482）预测效果低于前两者,但也可以用来粗略估测土壤中的全氮含量。

关 键 词：土壤 全氮 高光谱  偏最小二乘法 BP神经网络 光谱指数

分 类 号：S153.6]