基于原位光譜的田塊尺度土壤含水量建模及預(yù)測(cè)
發(fā)布時(shí)間:2021-10-28 08:46
以長(zhǎng)年連作的南疆棉田土壤含水量為研究對(duì)象,利用帶有內(nèi)置光源的SR-3500型便攜式地物光譜儀研究了不同S-G平滑參數(shù)、數(shù)據(jù)組合對(duì)土壤水分預(yù)測(cè)精度的影響。結(jié)果表明:SR-3500型便攜式地物光譜儀的土壤反射率光譜對(duì)含水量有著很好的響應(yīng);通過采用21窗格、2次S-G平滑能夠使土壤含水量預(yù)測(cè)精度有所提高;引入實(shí)驗(yàn)室配置含水量土樣數(shù)據(jù)與原位數(shù)據(jù)結(jié)合,使模型既有較好的泛化能力又能保證模型精度(R2=0.84,RMSE=22.34 g kg-1,MAPE=15.38%);對(duì)定量模型精度的評(píng)價(jià)指標(biāo)決定系數(shù)(R2)、均方根誤差(RMSE)和平均絕對(duì)百分比誤差(MAPE)進(jìn)行比較,認(rèn)為MAPE能夠更全面地評(píng)價(jià)模型綜合性能。
【文章來源】:土壤通報(bào). 2020,51(06)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
不同含水量土樣光譜曲線
c圖結(jié)果說明在僅增加原位土壤含水量區(qū)間外的樣本時(shí),模型預(yù)測(cè)范圍有所增大,R2因預(yù)測(cè)集區(qū)間增加也進(jìn)一步提升到了0.84,對(duì)外源樣本的預(yù)測(cè)精度也有所提高(RMSE=22.34 g kg-1、MAPE=15.38%),對(duì)原位測(cè)試集的預(yù)測(cè)誤差增加(RMSE=17.51 g kg-1、MAPE=7.51%)。去除了與區(qū)間重合的外源數(shù)據(jù),減少模型對(duì)原位測(cè)試集預(yù)測(cè)的干擾;與原位數(shù)據(jù)模型相比,該模型既增加模型量程、又保持對(duì)原位數(shù)據(jù)預(yù)測(cè)的精度。綜上所述,僅通過原位光譜建模,雖有著較好的預(yù)測(cè)精度,但適用范圍窄、外推泛化能力差,不適用于對(duì)田塊尺度內(nèi)含水量極值點(diǎn)的預(yù)測(cè);增加外源樣本延長(zhǎng)了模型的適用范圍的同時(shí),也增加了對(duì)原位光譜測(cè)試集的預(yù)測(cè)誤差;對(duì)外源樣本進(jìn)行適當(dāng)篩選,去除于原位含水量數(shù)據(jù)重疊部分,僅增加模型的適用范圍,能夠使模型既較好的預(yù)測(cè)土壤含水量,提升了模型的泛化能力。
【參考文獻(xiàn)】:
期刊論文
[1]土壤Cd含量實(shí)驗(yàn)室與野外DS光譜聯(lián)合反演[J]. 鄒濱,涂宇龍,姜曉璐,陶超,周茉,熊立偉. 光譜學(xué)與光譜分析. 2019(10)
[2]基于高光譜技術(shù)的土壤水分無損檢測(cè)[J]. 吳龍國(guó),王松磊,何建國(guó). 光譜學(xué)與光譜分析. 2018(08)
[3]基于可見光近紅外光譜的南疆荒漠土壤有機(jī)質(zhì)反演研究[J]. 李陽,劉新路,彭杰,李祥,吳家林. 土壤通報(bào). 2018(04)
[4]中國(guó)棉花產(chǎn)業(yè)發(fā)展現(xiàn)狀及展望[J]. 盧秀茹,賈肖月,牛佳慧. 中國(guó)農(nóng)業(yè)科學(xué). 2018(01)
[5]卷積神經(jīng)網(wǎng)絡(luò)用于近紅外光譜預(yù)測(cè)土壤含水率[J]. 王璨,武新慧,李戀卿,王玉順,李志偉. 光譜學(xué)與光譜分析. 2018(01)
[6]棉田土壤水分的高光譜定量遙感模型[J]. 向紅英,牛建龍,彭杰,王家強(qiáng),柳維揚(yáng),遲春明,支金虎. 土壤通報(bào). 2016(02)
[7]水分對(duì)土壤近紅外光譜檢測(cè)影響的二維相關(guān)光譜解析[J]. 宋海燕,程旭. 光譜學(xué)與光譜分析. 2014(05)
[8]新疆地區(qū)農(nóng)業(yè)灌溉水利用系數(shù)分析[J]. 周和平,張明義,周琪,孫志鋒,陳金龍. 農(nóng)業(yè)工程學(xué)報(bào). 2013(22)
[9]不同含水量土壤偏振光譜特征定量分析[J]. 韓陽,趙云升,王野喬. 遙感學(xué)報(bào). 2013(05)
[10]可見光-近紅外波段土壤水分含量偏振光譜響應(yīng)變化研究[J]. 韓陽,趙云升,王野喬. 光譜學(xué)與光譜分析. 2013(08)
碩士論文
[1]欒城農(nóng)田土壤含水量時(shí)空變化分析[D]. 韋佳.長(zhǎng)安大學(xué) 2014
本文編號(hào):3462573
【文章來源】:土壤通報(bào). 2020,51(06)北大核心CSCD
【文章頁數(shù)】:6 頁
【部分圖文】:
不同含水量土樣光譜曲線
c圖結(jié)果說明在僅增加原位土壤含水量區(qū)間外的樣本時(shí),模型預(yù)測(cè)范圍有所增大,R2因預(yù)測(cè)集區(qū)間增加也進(jìn)一步提升到了0.84,對(duì)外源樣本的預(yù)測(cè)精度也有所提高(RMSE=22.34 g kg-1、MAPE=15.38%),對(duì)原位測(cè)試集的預(yù)測(cè)誤差增加(RMSE=17.51 g kg-1、MAPE=7.51%)。去除了與區(qū)間重合的外源數(shù)據(jù),減少模型對(duì)原位測(cè)試集預(yù)測(cè)的干擾;與原位數(shù)據(jù)模型相比,該模型既增加模型量程、又保持對(duì)原位數(shù)據(jù)預(yù)測(cè)的精度。綜上所述,僅通過原位光譜建模,雖有著較好的預(yù)測(cè)精度,但適用范圍窄、外推泛化能力差,不適用于對(duì)田塊尺度內(nèi)含水量極值點(diǎn)的預(yù)測(cè);增加外源樣本延長(zhǎng)了模型的適用范圍的同時(shí),也增加了對(duì)原位光譜測(cè)試集的預(yù)測(cè)誤差;對(duì)外源樣本進(jìn)行適當(dāng)篩選,去除于原位含水量數(shù)據(jù)重疊部分,僅增加模型的適用范圍,能夠使模型既較好的預(yù)測(cè)土壤含水量,提升了模型的泛化能力。
【參考文獻(xiàn)】:
期刊論文
[1]土壤Cd含量實(shí)驗(yàn)室與野外DS光譜聯(lián)合反演[J]. 鄒濱,涂宇龍,姜曉璐,陶超,周茉,熊立偉. 光譜學(xué)與光譜分析. 2019(10)
[2]基于高光譜技術(shù)的土壤水分無損檢測(cè)[J]. 吳龍國(guó),王松磊,何建國(guó). 光譜學(xué)與光譜分析. 2018(08)
[3]基于可見光近紅外光譜的南疆荒漠土壤有機(jī)質(zhì)反演研究[J]. 李陽,劉新路,彭杰,李祥,吳家林. 土壤通報(bào). 2018(04)
[4]中國(guó)棉花產(chǎn)業(yè)發(fā)展現(xiàn)狀及展望[J]. 盧秀茹,賈肖月,牛佳慧. 中國(guó)農(nóng)業(yè)科學(xué). 2018(01)
[5]卷積神經(jīng)網(wǎng)絡(luò)用于近紅外光譜預(yù)測(cè)土壤含水率[J]. 王璨,武新慧,李戀卿,王玉順,李志偉. 光譜學(xué)與光譜分析. 2018(01)
[6]棉田土壤水分的高光譜定量遙感模型[J]. 向紅英,牛建龍,彭杰,王家強(qiáng),柳維揚(yáng),遲春明,支金虎. 土壤通報(bào). 2016(02)
[7]水分對(duì)土壤近紅外光譜檢測(cè)影響的二維相關(guān)光譜解析[J]. 宋海燕,程旭. 光譜學(xué)與光譜分析. 2014(05)
[8]新疆地區(qū)農(nóng)業(yè)灌溉水利用系數(shù)分析[J]. 周和平,張明義,周琪,孫志鋒,陳金龍. 農(nóng)業(yè)工程學(xué)報(bào). 2013(22)
[9]不同含水量土壤偏振光譜特征定量分析[J]. 韓陽,趙云升,王野喬. 遙感學(xué)報(bào). 2013(05)
[10]可見光-近紅外波段土壤水分含量偏振光譜響應(yīng)變化研究[J]. 韓陽,趙云升,王野喬. 光譜學(xué)與光譜分析. 2013(08)
碩士論文
[1]欒城農(nóng)田土壤含水量時(shí)空變化分析[D]. 韋佳.長(zhǎng)安大學(xué) 2014
本文編號(hào):3462573
本文鏈接:http://www.sikaile.net/nykjlw/nyxlw/3462573.html
最近更新
教材專著