论文部分内容阅读
锰是植物生长发育必需的微量营养元素,同时锰也是一种重金属元素,当土壤中锰含量过多或有效性很高时,植物正常生长将受阻,出现锰中毒现象。高光谱遥感凭借其极高的光谱分辨率,具备了定量获取土壤化学组分的研究潜力,研究利用土壤的反射光谱,估算土壤中金属元素含量,将为卫星遥感在土壤金属元素监测的实用化提供理论基础。本文利用研究地区土壤样本,系统的研究不同土壤粒径(0.25mm、1mm、2mm)与反射光谱之间的关系,并运用主成分回归分析、偏最小二乘回归分析、支持向量机回归分析和极限学习机算法等不同的建模方法,建立土壤锰含量的反射率、一阶微分和倒数对数等不同高光谱估算模型。在此基础上,利用模拟气象卫星NOAA(AVHRR)、FY-3A(MERSI)传感器的土壤反射光谱进行建模,进一步探索利用模拟反射率进行锰含量估算的可行性。主要结论如下：研究结果表明,土壤粒径大小与光谱反射率之间呈负相关关系,利用主成分回归建立不同粒径反射率与锰含量的关系模型,2mm粒径在锰含量的估算中具有相对较高的精度。不同的光谱变换形式对估算结果影响较大,对于不同的估算模型,一阶微分变换优于反射率和倒数对数变换,检验相关系数达到极显著性水平,均方根误差均在0.050g/kg以下；与主成分回归、偏最小二乘回归相比,支持向量机回归分析与极限学习机算法对土壤锰含量的估算平均估算精度较高。因此,光谱一阶微分是一种有效的光谱变换方法,支持向量机回归和极限学习机算法是提高模型准确性和稳定性的有效方法,以一阶导数变换,然后利用支持向量机回归分析和极限学习机算法建模,利用实测数据检验,相关系数分别为0.731和0.653,均方根误差分别为0.042g/kg和0.046g/kg,预测偏差比分别为1.359和1.252。将高光谱数据根据光谱响应函数转化为卫星传感器数据,支持向量机回归和极限学习机算法取得了较高的预测精度,并且运用MERSI数据的15个波段进行回归建模时,精度普遍高于AVHRR的3个波段数据。