基于實(shí)驗(yàn)室高光譜反射數(shù)據(jù)的土壤成分含量估算研究.pdf

1、基于實(shí)驗(yàn)室高光譜反射數(shù)據(jù)的土壤成分含量估算研究摘要土地資源作為資源與生態(tài)環(huán)境系統(tǒng)中的重要要素和諸多生態(tài)環(huán)境問題的集中體現(xiàn)者，土地資源的利用成為可持續(xù)發(fā)展中的重要組成部分。因?yàn)椴缓侠淼乩猛恋刭Y源所帶來的土壤侵蝕，土壤肥力下降、土壤退化和荒漠化、生態(tài)環(huán)境惡化等問題愈加嚴(yán)重。如何采用先進(jìn)的技術(shù)方法對復(fù)雜的土壤狀況進(jìn)行監(jiān)測，成為一個(gè)重要的研究課題。高光譜遙感除具有常規(guī)遙感的功能外，憑借其極高的光譜分辨率，通過對土壤理化性質(zhì)與土壤精細(xì)光譜信息的

2、分析，具備定量獲取土壤特性參數(shù)的潛力，為實(shí)現(xiàn)土壤成分的估算研究與高光譜遙感圖像的解譯提供可能。本文首先從土壤理化性質(zhì)入手，分析土壤成分的空間分布特征；并利用土壤的光譜特性，總結(jié)出水稻土與紅壤的光譜特征差異。其次，揭示了土壤成分與其光譜成因機(jī)理之間的內(nèi)在聯(lián)系。運(yùn)用各種土壤反射率數(shù)學(xué)變換形式，找出最佳單相關(guān)分析波段，利用統(tǒng)計(jì)學(xué)相關(guān)分析方法，建立多組回歸分析模型，成功地實(shí)現(xiàn)了土壤有機(jī)質(zhì)，氧化鐵、土壤中量元素的估算。通過分析、研究得出如下結(jié)論：

3、(1)研究區(qū)中水稻土和2_r39兩種土壤類型光譜曲線基本形態(tài)一致，但同時(shí)也存在著差異：紅壤樣點(diǎn)在550nto1700nm范圍內(nèi)，光譜反射率比水稻土的反射率至少高出651％1771％，通過比較光譜反射值的大小，就可以分辨出水稻土與紅壤，為確定樣點(diǎn)的土壤類型提供依據(jù)。(2)在有機(jī)質(zhì)含量的估算研究中，有機(jī)質(zhì)含量與光譜反射率倒數(shù)微分變換后，在81lnm處達(dá)到相關(guān)系數(shù)最大值，為08642。經(jīng)統(tǒng)計(jì)回歸分析，發(fā)現(xiàn)估算有機(jī)質(zhì)含量的最佳模型是以在477n

4、m、2152nm二個(gè)波段的反射率對數(shù)的一階微分為自變量構(gòu)成的方程。(3)在氧化鐵含量的估算研究中，土壤中氧化鐵的含量與反射率呈負(fù)相關(guān)。光譜反射率在497nm處對氧化鐵有較好的敏感性，相關(guān)系數(shù)的絕對值(負(fù)相關(guān))在所有單相關(guān)分析中是最高的，為一O88021。通過700nm、900nm附近的吸收特征參數(shù)與氧化鐵含量之間相關(guān)分析表明，吸收深度與氧化鐵含量之間的相關(guān)性不理想。統(tǒng)計(jì)回歸分析結(jié)果表明，反射率、平方根的微分變換形式對氧化鐵的含量較敏感，

5、估算方程的效果較好。(4)在土壤中量元素的估算研究中，發(fā)現(xiàn)對氧化鎂含量敏感的波段為480nm、ⅢSTUDYoNESTI～L垤礬GCONTENTSoFSOILCoMPONENTSBASEDoNHYPERSPECTRALREFLEC’rANCED√姒DiLABoRAToRYABSTRACTLandresourceisakeyfactorofenvironmentssystemandacentralizedreflectionofmanyen

6、vironmentsissuesLandresourceutilizationisanimportantpartofsustainabledevelopmentSoilerosion，soilfertilitydegradation，soildegradationanddesertification，environmentaldeteriorationandotherissuescausedbyirrationaluseoflandre

7、sourcesbeconlemoreseriousHowtoapplyadvancedtechniqueforthesoilmonitoringisanimportantresearchtopicBesidesconventionMremotesensingfunctions，adoptedonanalyzingsoilphysicalandchemicalcharacteristicandsoilfreespectralinforma

8、tion，thehyperspectralremotesensingwithitshighspectralresolutionhaveaccesstoquantitativegainsoilpropertiesparametersItispossibleforestimatingsoilcomponentsandinterpretinghyperspectralimageThroughinvestigatingsoilphysicala

9、ndchemicalcharacteristic，thisdissertationanalysescharacteristicofspacedistributionofsoilcomponentsandsumsupspectrumdifferenceofpaddysoilandredsoilThedissertationuncoversthegeneticrelationshipbetweensoilcomponentsandtheir

10、spectrumThebestspectralbandisselectedbasedonmathematicanalysisofsoilreflectanceSeveralmulti—componentlinearregressionmodelsaleestablishedthroughcross—correlationanalysisSoftorganicmatter，itsironoxideandsoilmidquantityele

11、mentscouldbeestimatedwithagreatSuccessThroughoverallanalysisandstudy，thefollowingmainconclusionsaredrawn：(1)SpectralcurveofpaddysoilandredsoilhassamenessanddifferenceSpectralreflectanceofredsoftat550nm一1700nmisbigger651％

12、一1771％thanreflectanceofpaddysoilWecoulddistinguishredsoilandpaddysoilthroughcomparespecwalreflectance(2)Duringstudyonestimatingsoilorganicmatter，theoptimumbandbetweenSOMcontentandderivationofrecipmcalofsoilreflectanceis8