CN103954567A - 基于连续统去除法的土壤盐分测定方法 - Google Patents
基于连续统去除法的土壤盐分测定方法 Download PDFInfo
- Publication number
- CN103954567A CN103954567A CN201410152042.7A CN201410152042A CN103954567A CN 103954567 A CN103954567 A CN 103954567A CN 201410152042 A CN201410152042 A CN 201410152042A CN 103954567 A CN103954567 A CN 103954567A
- Authority
- CN
- China
- Prior art keywords
- continuum
- soil
- soil sample
- spectrum
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于连续统去除法的土壤盐分测定方法,其包括以下步骤:(1)采集土样并进行处理;(2)对土样进行含盐量测试;(3)对土样进行光谱测试并得出土样的实际反射光谱数据;(4)进行光谱数据处理及吸收特征参数提取;(5)处理光谱指数;(6)进行模型构建与精度评价。本发明基于连续统去除法的土壤盐分测定方法操作步骤简单、合理,成本低,能够有效反映土壤盐渍化的真实状况,为耕作土壤的盐渍化评价、改良、治理、种植结构调整的决策依据提供新的获取途径,适于推广与应用。
Description
技术领域
本发明涉及土壤盐分监测技术领域,尤其涉及一种基于连续统去除法的土壤盐分测定方法。
背景技术
盐渍化是荒漠化和土地退化的主要类型之一,我国盐渍土总面积约为3600×104hm2,占全国可利用土地面积的4.88%,耕地中盐渍化面积达到920.9×104hm2,占全国耕地面积的6.62%。因此,对盐渍化耕地进行治理与改良及种植结构的调整、对盐渍化自然土壤资源合理开发与利用,对我国农业的可持续发展具有至关重要的作用。而这些决策的制定与执行的根本依据是土壤盐渍化信息。如何快速、准确、低廉的获取大面积盐渍化土壤的动态信息,并据此合理制定盐渍化土壤治理、改良、开发利用等方面的决策,是农业科学研究领域的新主题。传统的人工地面监测方法,由于其费时、费力、费钱、因测点少无法反映大面积土壤盐渍化的真实状况等方面的不足,显然无法满足大面积盐渍化土壤监测的需求。高光谱遥感技术现已成为获取大面积盐渍化信息的重要手段,但现有关于土壤盐渍化的光谱定量反演研究中,鲜见利用连续统去除\连续统去除一阶微分\连续统去除光谱指数\连续统去除一阶微分光谱指数等方面的数据来进行相关研究的报道;大部分研究都是集中于自然土壤,关于耕作土壤盐渍化高光谱遥感监测方面的报道少见,耕作土壤相对于自然土壤来说,受人类活动的干扰更强烈,如灌排、土壤改良、耕作等,造成其盐分含量相对较低,但盐分组成变动较大,因此,耕作土壤盐渍化的高光谱遥感监测更具挑战性。然而,连续统去除可以有效凸显各种物质的吸收特征,同时已有研究表明盐分具有明显的吸收特征。因此,利用连续统去除方法来研究盐分的光谱反演既有理论依据,同时也具有方法创新。
上述可知,有必要将连续统去除法应用于土壤盐渍化的高光谱遥感监测研究。
发明内容
本发明是为了解决现有土壤盐分测定方法费时、费力、费钱、因测点少无法反映大面积土壤盐渍化的真实状况等方面的不足的问题而提出一种操作简单、方便,成本低,能够有效反映土壤盐渍化的真实状况,可为耕作土壤的盐渍化评价、改良、治理、种植结构调整的决策依据提供新的获取途径的基于连续统去除法的土壤盐分测定方法。
上述的一种基于连续统去除法的土壤盐分测定方法,其特征在于,包括以下步骤:
一种基于连续统去除法的土壤盐分测定方法,其特征在于,包括以下步骤:
(1)土样的采集与处理,即根据代表性、典型性和集中性原则选取合适的采样区域采集土样,再将土样带回实验室,清除非土壤成分物质后自然风干,将风干后的样品经研磨过筛,以为后续进行光谱测试和盐分含量的测定做准备;(2)土样的含盐量测试,即将上述步骤(1)处理后的土样采用残渣烘干法对土样的含盐量进行测定;(3)土样的光谱测试,即将上述步骤(2)中测试后的土样放在一个能控制光照条件的暗室内,采用光谱仪进行土壤测试,其中,测试之前先进行白板校正,每个土样采集多条光谱曲线,通过算术平均后得出该土样的实际反射光谱数据;(4)光谱数据处理及吸收特征参数提取,即将上述步骤(3)中测试后的土样首先去除每个土样的光谱曲线噪声较大的边缘波段350~399nm、2400~2500nm;然后采用小波去噪法对土壤光谱进行滤波去噪和数据变换,数据变换包括一阶微分处理和连续统去除处理;接着通过连续统去除处理后,提取出吸收峰总面积、最大吸收深度以及面积归一化最大吸收深度;(5)光谱指数的处理,即经上述步骤(4)后,再根据相关性分析结果,选择连续统去除的波段构建连续统去除归一化指数、连续统去除差值指数、连续统去除比值指数;选择连续统去除一阶微分的波段构建连续统去除一阶微分归一化指数、连续统去除一阶微分差值指数、连续统去除一阶微分比值指数;(6)模型构建与精度评价,即经上述步骤(5)后,先采用偏最小二乘回归的方法建模,然后采用交叉验证法进行模型验证,接着对模型的精度进行合理评价,以得出模型的预测能力。
所述基于连续统去除法的土壤盐分测定方法,其中:所述步骤(6)中模型的精度采用以下指标来评价,具体包括建模决定系数RC 2、交叉验证决定系数RCV 2、预测决定系数RP 2、相对分析误差RPD和均方根误差RMSE。
所述基于连续统去除法的土壤盐分测定方法,其中:所述均方根误差RMSE分为建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP;所述建模决定系数RC 2、预测决定系数RP 2、相对分析误差RPD越大,所述建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP越小,说明模型建模、预测的精度越高,反之,则说明模型建模、预测的精度越低。
所述基于连续统去除法的土壤盐分测定方法,其中:所述步骤(5)中的光谱指数是指某些特定波段的光谱值的组合;所述选择连续统去除的波段是选择连续统去除的673nm、755nm波段;所述选择连续统去除一阶微分的波段是选择连续统去除一阶微分658nm、678nm波段;
所述连续统去除归一化指数定义为NICR,其计算公式为:
所述连续统去除差值指数定义为DICR,其计算公式为:
DICR=R755-R673;
所述连续统去除比值指数定义为RICR,其计算公式为:
所述连续统去除一阶微分归一化指数定义为NIFDCR,其计算公式为:
所述连续统去除一阶微分差值指数定义为DIFDCR,其计算公式为:
DIFDCR=FR678-FR658;
所述连续统去除一阶微分比值指数定义为RIFDCR,其计算公式为:
其中,上述计算公式中R673、R755表示673nm、755nm波段的连续统去除值;FR658、FR678表示658nm、678nm波段的连续统去除的一阶微分值。
所述基于连续统去除法的土壤盐分测定方法,其中:所述吸收峰总面积定义为吸收峰的积分面积;所述最大吸收深度定义为吸收峰内连续统去除的最小值;所述面积归一化最大吸收深度定义为所述最大吸收深度与吸收峰总面积的比值。
所述基于连续统去除法的土壤盐分测定方法,其中:所述步骤(3)中光谱仪的波长范围是350~2500nm,光谱分辨率在350~1000nm为3nm,在1000~2500nm为10nm;所述步骤(3)中是采用功率为50w的卤素灯作为光源,距土壤样品表面70cm,天顶角30°,使提供到土壤样本几乎平行的光线;所述步骤(3)中土壤样本分别放置在直径10cm、深1.5cm、内部全部涂黑的培养皿内,用直尺将土样表面刮平,传感器探头位于土壤样本表面垂直上方15cm处,采用25°视场角探头,探头接受土壤光谱的区域为直径6.7cm的圆,以保证探头接收的均为土壤的反射光谱;所述步骤(3)中土样的实际反射光谱数据是通过每个土样是采集10条光谱曲线算术平均后得出。
所述基于连续统去除法的土壤盐分测定方法,其中:所述步骤(1)中的土壤样本采用网格采样法进行采样,土样带回实验室后,清除小石块及作物残留物等非土壤成分物质,于实验室自然风干,风干后的土壤样品经研磨后过2mm筛,以用作光谱测试和盐分含量的测定。
有益效果:
本发明基于连续统去除法的土壤盐分测定方法操作步骤简单、合理,成本低,能够有效反映土壤盐渍化的真实状况,可为耕作土壤的盐渍化评价、改良、治理、种植结构调整的决策依据提供新的获取途径。此外,该方法即可适用于近地面传感器对土壤盐分进行快速测定,也可适用于航天高光谱遥感对大面积土壤盐渍化状况进行宏观监测,总体来讲,该方法具有快速、低廉、环保的优点。
具体实施方式
本发明基于连续统去除法的土壤盐分测定方法,其包括以下步骤:
1、土样的采集与处理
根据代表性、典型性和集中性原则,选取新疆维吾尔自治区的温宿县、和田县、拜城县为采样区域,土壤类型为水稻土;采用网格采样法,样点之间的距离为50m左右,采样深度为0~20cm。每个土样采集重量为2kg左右,共采集土样191个,其中温宿县112个,和田县58个,拜城县21个;土样带回实验室后,清除小石块及作物残留物等非土壤成分物质,于实验室自然风干,风干后的样品经研磨过2mm筛,用于光谱测试和盐分含量的测定。
2、土样的含盐量测试
将上述步骤1处理后,采用残渣烘干法对土样含盐量进行测定。本次供试的191个土样的含盐量数据见表1;由表1可以看出,不同土样的含盐量变化范围较大,最大值达到10.55g/kg,而最小值仅为0.84g/kg,建模样本集的标准差为1.69,变异系数达到62%,具有较大的标准差和变异系数,这有利于模型的构建,所建模型也更具普适性。
表1
3、土样的光谱测试
将上述步骤2测试后的土样,采用光谱仪进行土壤测试,其波长范围是350~2500nm,光谱分辨率在350~1000nm为3nm,在1000~2500nm为10nm。光谱测量在一个能控制光照条件的暗室内进行;光源是功率为50w的卤素灯,距土壤样品表面70cm,天顶角30°,提供到土壤样本几乎平行的光线,用于减小土壤粗糙度所造成阴影的影响;土壤样本分别放置在直径10cm、深1.5cm、内部全部涂黑的培养皿内,用直尺将土样表面刮平;传感器探头位于土壤样本表面垂直上方15cm处。采用25°视场角探头,探头接受土壤光谱的区域为直径6.7cm的圆,远小于培养皿面积,这样可以保证探头接收的均为土壤的反射光谱,测试之前先进行白板校正;每个土样采集10条光谱曲线,算术平均后得到该土样的实际反射光谱数据。
4、光谱数据处理及吸收特征参数提取
将上述步骤3测试后的土样,首先每个土样的光谱曲线去除噪声较大的边缘波段350~399nm、2400~2500nm;然后采用小波去噪法对土壤光谱进行滤波去噪,小波去噪由MATLAB软件实现;数据变换包括一阶微分处理和连续统去除处理,数据的一阶微分变换处理、相关性分析、PLSR建模等具体过程由TheUnscrambler9.7软件实现,去包络线在遥感处理软件ENVI4.8中实现。
通过连续统去除处理后,可以提取出如下几个典型吸收特征:吸收峰总面积,定义为吸收峰的积分面积;最大吸收深度,定义为吸收峰内连续统去除的最小值;面积归一化最大吸收深度,定义为最大吸收深度与吸收峰总面积的比值。
5、光谱指数的处理
光谱指数是指某些特定波段的光谱值的组合,通常能部分消除环境背景的影响,更好地作为地物属性的指示因子,更清晰地反映出光谱对地物理化性质的响应。经上述步骤4后,根据相关性分析结果,选择连续统去除的673nm、755nm波段构建连续统去除归一化指数(NICR)、连续统去除差值指数(DICR)和连续统去除比值指数(RICR);选择连续统去除一阶微分的658nm、678nm波段构建连续统去除一阶微分归一化指数(NIFDCR)、连续统去除一阶微分差值指(DIFDCR)和连续统去除一阶微分比值指数(RIFDCR)。
具体计算公式如下:
DICR=R755-R673(2)
式中R673、R755表示673nm、755nm波段的连续统去除值,FR658、FR678表示658nm、678nm波段的连续统去除的一阶微分值。
6、模型构建与精度评价
经上述步骤5后,采用偏最小二乘回归建模方法,PLSR是一种基于因子分析的非参数回归方法,在光谱分析中最为经典和常用,同时也有利于与国内外同行的相关研究进行横向比较。模型验证方法采用交叉验证法,交叉验证法相对于杠杆验证法来说,虽然建模精度不如后者,但模型的预测能力明显要优于后者。模型精度采用以下指标来评价,具体包括建模决定系数RC 2、交叉验证决定系数RCV 2、预测决定系数RP 2、相对分析误差RPD和均方根误差RMSE;该均方根误差RMSE分为建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP;其中,建模决定系数RC 2、预测决定系数RP 2、相对分析误差RPD越大,则建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP越小,说明模型建模、预测的精度越高,反之,则说明模型建模、预测的精度越低。建模时,随机选择141个样本用于建模,剩余的50个样本用于预测模型。
此外,目前普遍认为,当1.5<RPD<2时表明模型只能对样品高含量与低含量进行粗略估测,当2.0<RPD<2.5时表明模型具有较好的定量预测能力,当2.5<RPD<3.0时模型具有很好的预测能力,当RPD>3.0时模型具有极好的预测能力。
本发明基于连续统去除法的土壤盐分测定方法操作步骤简单、合理,成本低,能够有效反映土壤盐渍化的真实状况,为耕作土壤的盐渍化评价、改良、治理、种植结构调整的决策依据提供新的获取途径,适于推广与应用。
Claims (7)
1.一种基于连续统去除法的土壤盐分测定方法,其特征在于,包括以下步骤:
(1)土样的采集与处理
根据代表性、典型性和集中性原则选取合适的采样区域采集土样,再将土样带回实验室,清除非土壤成分物质后自然风干,将风干后的样品经研磨过筛,以为后续进行光谱测试和盐分含量的测定做准备;
(2)土样的含盐量测试
将上述步骤(1)处理后的土样采用残渣烘干法对土样的含盐量进行测定;
(3)土样的光谱测试
将上述步骤(2)中测试后的土样放在一个能控制光照条件的暗室内,采用光谱仪进行土壤测试,其中,测试之前先进行白板校正,每个土样采集多条光谱曲线,通过算术平均后得出该土样的实际反射光谱数据;
(4)光谱数据处理及吸收特征参数提取
将上述步骤(3)中测试后的土样首先去除每个土样的光谱曲线噪声较大的边缘波段350~399nm、2400~2500nm;然后采用小波去噪法对土壤光谱进行滤波去噪和数据变换,数据变换包括一阶微分处理和连续统去除处理;接着通过连续统去除处理后,提取出吸收峰总面积、最大吸收深度以及面积归一化最大吸收深度;
(5)光谱指数的处理
经上述步骤(4)后,再根据相关性分析结果,选择连续统去除的波段构建连续统去除归一化指数、连续统去除差值指数、连续统去除比值指数;选择连续统去除一阶微分的波段构建连续统去除一阶微分归一化指数、连续统去除一阶微分差值指数、连续统去除一阶微分比值指数;
(6)模型构建与精度评价
经上述步骤(5)后,先采用偏最小二乘回归的方法建模,然后采用交叉验证法进行模型验证,接着对模型的精度进行合理评价,以得出模型的预测能力。
2.如权利要求1所述的基于连续统去除法的土壤盐分测定方法,其特征在于:所述步骤(6)中模型的精度采用以下指标来评价,具体包括建模决定系数RC 2、交叉验证决定系数RCV 2、预测决定系数RP 2、相对分析误差RPD和均方根误差RMSE。
3.如权利要求2所述的基于连续统去除法的土壤盐分测定方法,其特征在于:所述均方根误差RMSE分为建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP;所述建模决定系数RC 2、预测决定系数RP 2、相对分析误差RPD越大,所述建模均方根误差RMSEC、交叉验证均方根误差RMSECV和预测均方根误差RMSEP越小,说明模型建模、预测的精度越高,反之,则说明模型建模、预测的精度越低。
4.如权利要求1所述的基于连续统去除法的土壤盐分测定方法,其特征在于,所述步骤(5)中的光谱指数是指某些特定波段的光谱值的组合;
所述选择连续统去除的波段是选择连续统去除的673nm、755nm波段;
所述选择连续统去除一阶微分的波段是选择连续统去除一阶微分658nm、678nm波段;
所述连续统去除归一化指数定义为NICR,其计算公式为:
所述连续统去除差值指数定义为DICR,其计算公式为:
DICR=R755-R673;
所述连续统去除比值指数定义为RICR,其计算公式为:
所述连续统去除一阶微分归一化指数定义为NIFDCR,其计算公式为:
所述连续统去除一阶微分差值指数定义为DIFDCR,其计算公式 为:
DIFDCR=FR678-FR658;
所述连续统去除一阶微分比值指数定义为RIFDCR,其计算公式为:
其中,上述计算公式中R673、R755表示673nm、755nm波段的连续统去除值;FR658、FR678表示658nm、678nm波段的连续统去除的一阶微分值。
5.如权利要求1所述的基于连续统去除法的土壤盐分测定方法,其特征在于:所述吸收峰总面积定义为吸收峰的积分面积;所述最大吸收深度定义为吸收峰内连续统去除的最小值;所述面积归一化最大吸收深度定义为所述最大吸收深度与吸收峰总面积的比值。
6.如权利要求1所述的基于连续统去除法的土壤盐分测定方法,其特征在于:所述步骤(3)中光谱仪的波长范围是350~2500nm,光谱分辨率在350~1000nm为3nm,在1000~2500nm为10nm;
所述步骤(3)中是采用功率为50w的卤素灯作为光源,距土壤样品表面70cm,天顶角30°,使提供到土壤样本几乎平行的光线;
所述步骤(3)中土壤样本分别放置在直径10cm、深1.5cm、内部全部涂黑的培养皿内,用直尺将土样表面刮平,传感器探头位于土壤样本表面垂直上方15cm处,采用25°视场角探头,探头接受土壤光谱的区域为直径6.7cm的圆,以保证探头接收的均为土壤的反射光谱;
所述步骤(3)中土样的实际反射光谱数据是通过每个土样是采集10条光谱曲线算术平均后得出。
7.如权利要求1所述的基于连续统去除法的土壤盐分测定方法,其特征在于:所述步骤(1)中的土壤样本采用网格采样法进行采样,土样带回实验室后,清除小石块及作物残留物等非土壤成分物质,于实验室自然风干,风干后的土壤样品经研磨后过2mm筛,以用作光谱测试和盐分含量的测定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410152042.7A CN103954567B (zh) | 2014-04-15 | 2014-04-15 | 基于连续统去除法的土壤盐分测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410152042.7A CN103954567B (zh) | 2014-04-15 | 2014-04-15 | 基于连续统去除法的土壤盐分测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103954567A true CN103954567A (zh) | 2014-07-30 |
CN103954567B CN103954567B (zh) | 2016-12-07 |
Family
ID=51331872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410152042.7A Expired - Fee Related CN103954567B (zh) | 2014-04-15 | 2014-04-15 | 基于连续统去除法的土壤盐分测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103954567B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104634943A (zh) * | 2015-01-22 | 2015-05-20 | 中国科学院东北地理与农业生态研究所 | 一种盐碱化土壤含盐量的在线测量方法 |
CN104777195A (zh) * | 2015-04-27 | 2015-07-15 | 塔里木大学 | 一种土壤含盐量检测方法及对应的土壤盐度分级方法 |
CN104897592A (zh) * | 2015-06-11 | 2015-09-09 | 石河子大学 | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 |
CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
CN105223141A (zh) * | 2015-11-03 | 2016-01-06 | 塔里木大学 | 土壤中钙离子的检测方法 |
CN105259121A (zh) * | 2015-11-03 | 2016-01-20 | 塔里木大学 | 土壤中镁离子的检测方法 |
CN105300894A (zh) * | 2015-11-03 | 2016-02-03 | 塔里木大学 | 土壤中氯离子的检测方法 |
CN105319165A (zh) * | 2015-11-03 | 2016-02-10 | 塔里木大学 | 土壤中硫酸根离子的检测方法 |
CN105424621A (zh) * | 2015-11-03 | 2016-03-23 | 塔里木大学 | 土壤中重碳酸根离子的检测方法 |
CN105606538A (zh) * | 2015-11-03 | 2016-05-25 | 塔里木大学 | 土壤中钠离子的检测方法 |
CN106092935A (zh) * | 2016-07-26 | 2016-11-09 | 广东中科英海科技有限公司 | 土壤微生物毒性试验中硝酸盐含量测定方法及其应用 |
CN106198420A (zh) * | 2016-08-09 | 2016-12-07 | 西北农林科技大学 | 一种基于高光谱特征参数的叶片氮含量估算方法 |
CN106644954A (zh) * | 2016-10-09 | 2017-05-10 | 塔里木大学 | 一种盐渍化土壤全碳含量的检测方法 |
CN109540811A (zh) * | 2018-12-25 | 2019-03-29 | 核工业北京地质研究院 | 一种通过光谱变换提高黑土养分含量预测精度的方法 |
CN111879915A (zh) * | 2020-08-04 | 2020-11-03 | 北京师范大学 | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及*** |
CN112162016A (zh) * | 2020-09-15 | 2021-01-01 | 塔里木大学 | 一种基于电磁感应数据的区域尺度土壤剖面盐渍化检测方法 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
CN103175801A (zh) * | 2013-03-14 | 2013-06-26 | 中国国土资源航空物探遥感中心 | 一种批量化与自动化的高光谱遥感矿物填图方法 |
CN103411846A (zh) * | 2013-08-16 | 2013-11-27 | 塔里木大学 | 基于高光谱技术的叶面降尘量测定方法 |
-
2014
- 2014-04-15 CN CN201410152042.7A patent/CN103954567B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
CN103175801A (zh) * | 2013-03-14 | 2013-06-26 | 中国国土资源航空物探遥感中心 | 一种批量化与自动化的高光谱遥感矿物填图方法 |
CN103411846A (zh) * | 2013-08-16 | 2013-11-27 | 塔里木大学 | 基于高光谱技术的叶面降尘量测定方法 |
Non-Patent Citations (9)
Title |
---|
WENG YONG-LING ET AL: "A Spectral Index for Estimating Soil Salinity in the Yellow River Delta Region of China Using EO-1 Hyperion Data", 《SOIL SCIENCE OF CHINA》 * |
ZHI HUANG ET AL.: "Estimating foliage nitrogen concentration from HYMAP data using continuum removal analysis", 《REMOTE SENSING OF ENVIRONMENT》 * |
姚远等: "基于高光谱指数和电磁感应技术的区域土壤浸渍化监测模型", 《光谱学与光谱分析》 * |
彭杰等: "土壤含盐量与电导率的高光谱反演精度对比研究", 《光谱学与光谱分析》 * |
彭杰等: "土壤氧化铁的高光谱响应研究", 《光谱学与光谱分析》 * |
彭杰等: "有机质对土壤光谱特性的影响研究", 《土壤学报》 * |
杨可明: "高光谱植被遥感数据光谱特征分析", 《计算机工程与应用》 * |
赵振亮等: "塔里木河中游典型绿洲土壤含盐量的光谱特征", 《自然灾害学报》 * |
龚绍琦等: "滨海盐土重金属含量高光谱遥感研究", 《遥感技术与应用》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104634943B (zh) * | 2015-01-22 | 2016-11-16 | 中国科学院东北地理与农业生态研究所 | 一种盐碱化土壤含盐量的在线测量方法 |
CN104634943A (zh) * | 2015-01-22 | 2015-05-20 | 中国科学院东北地理与农业生态研究所 | 一种盐碱化土壤含盐量的在线测量方法 |
CN104777195A (zh) * | 2015-04-27 | 2015-07-15 | 塔里木大学 | 一种土壤含盐量检测方法及对应的土壤盐度分级方法 |
CN104897592A (zh) * | 2015-06-11 | 2015-09-09 | 石河子大学 | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 |
CN104897592B (zh) * | 2015-06-11 | 2018-03-13 | 石河子大学 | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 |
CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
CN105043992B (zh) * | 2015-07-17 | 2018-01-09 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
CN105259121A (zh) * | 2015-11-03 | 2016-01-20 | 塔里木大学 | 土壤中镁离子的检测方法 |
CN105300894A (zh) * | 2015-11-03 | 2016-02-03 | 塔里木大学 | 土壤中氯离子的检测方法 |
CN105606538A (zh) * | 2015-11-03 | 2016-05-25 | 塔里木大学 | 土壤中钠离子的检测方法 |
CN105223141A (zh) * | 2015-11-03 | 2016-01-06 | 塔里木大学 | 土壤中钙离子的检测方法 |
CN105319165A (zh) * | 2015-11-03 | 2016-02-10 | 塔里木大学 | 土壤中硫酸根离子的检测方法 |
CN105424621A (zh) * | 2015-11-03 | 2016-03-23 | 塔里木大学 | 土壤中重碳酸根离子的检测方法 |
CN106092935A (zh) * | 2016-07-26 | 2016-11-09 | 广东中科英海科技有限公司 | 土壤微生物毒性试验中硝酸盐含量测定方法及其应用 |
CN106092935B (zh) * | 2016-07-26 | 2019-04-12 | 广东中科英海科技有限公司 | 土壤微生物毒性试验中硝酸盐含量测定方法及其应用 |
CN106198420A (zh) * | 2016-08-09 | 2016-12-07 | 西北农林科技大学 | 一种基于高光谱特征参数的叶片氮含量估算方法 |
CN106644954A (zh) * | 2016-10-09 | 2017-05-10 | 塔里木大学 | 一种盐渍化土壤全碳含量的检测方法 |
CN109540811A (zh) * | 2018-12-25 | 2019-03-29 | 核工业北京地质研究院 | 一种通过光谱变换提高黑土养分含量预测精度的方法 |
CN111879915A (zh) * | 2020-08-04 | 2020-11-03 | 北京师范大学 | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及*** |
CN112162016A (zh) * | 2020-09-15 | 2021-01-01 | 塔里木大学 | 一种基于电磁感应数据的区域尺度土壤剖面盐渍化检测方法 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
CN112766075B (zh) * | 2020-12-31 | 2021-12-28 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103954567B (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103954567A (zh) | 基于连续统去除法的土壤盐分测定方法 | |
CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
CN103293111B (zh) | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 | |
CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
Feng et al. | Remote estimation of above ground nitrogen uptake during vegetative growth in winter wheat using hyperspectral red-edge ratio data | |
CN107478580B (zh) | 基于高光谱遥感的土壤重金属含量估算方法及装置 | |
CN103868880B (zh) | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 | |
CN102435564B (zh) | 一种基于三波段光谱指数估测植物氮含量的方法 | |
CN108801934A (zh) | 一种土壤有机碳含量高光谱预测模型的建模方法 | |
CN103411846B (zh) | 基于高光谱技术的叶面降尘量测定方法 | |
CN109187398A (zh) | 一种小麦植株氮含量的高光谱测定方法 | |
CN104374711B (zh) | 一种树木叶面尘土量的确定方法及*** | |
CN114018833A (zh) | 基于高光谱遥感技术估算土壤重金属含量的方法 | |
CN104502283A (zh) | 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型 | |
CN102374971A (zh) | 一种基于高光谱技术的玉米叶片氮含量估算方法 | |
CN108959705B (zh) | 一种预测亚热带森林生物量的方法 | |
CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及*** | |
Huete et al. | Remote sensing of ecosystem structure and function | |
CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
CN103439353A (zh) | 一种植物叶片含水率的测量方法 | |
CN105548455A (zh) | 一种返青后到抽穗以前冬小麦叶片氮积累量估算方法 | |
CN114169165A (zh) | 一种三波段植被指数估算镉胁迫下水稻叶绿素的模型方法 | |
An et al. | The optimal soil water content models based on crop-LAI and hyperspectral data of winter wheat | |
CN105699304A (zh) | 一种获得光谱信息所代表的物质信息的方法 | |
CN112924401B (zh) | 一种植被冠层叶绿素含量半经验反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161207 Termination date: 20170415 |
|
CF01 | Termination of patent right due to non-payment of annual fee |