基于高光谱图像技术的土壤全氮检测方法研究
该文以湖北潮土为对象，研究利用高光谱图像技术预测土壤全氮（TN）含量的方法。对采集的土样进行风干、过筛，得到 5 种不同粒度的样品，每种粒度取55 个土样，采用凯氏定氮法测量土壤全氮含量。采集土壤高光谱图像，提取光谱信息，对光谱进行平滑、正交信号校正、标准正态变量变换等预处理，在500~900nm 波段范围，采用偏最小二乘法建立土壤全氮含量预测模型，结果表明：土壤样品粒度为5~2mm、2~1mm、1~0.5mm、0.5~0.25mm、<0.25mm 时，分别建立的预测模型对预测集的相关系数R2 分别为0.7738、0.8383、0.8445、0.8407、0.7708，预测标准差RMSECP 分别为0.0171、0.0102、0.0115、0.0095、0.0131，说明土壤粒度的大小对土壤全氮含量预测模型的精度会产生影响。为提高模型的适用性并降低土壤粒径对模型精度的影响，将5 种不同粒径的土壤混在一起建立预测模型，对光谱数据进行标准化预处理，采用主成分分析支持向量机（PCA-SVM）建立土壤全氮含量预测模型，相关系数R2为0.8149，预测标准差RMSECP 为0.0103。研究表明：利用高光谱图像技术预测土壤全氮含量是可行的。
高光谱图像 土壤全氮 偏最小二乘法 支持向量机
刘长举 李小昱 王为 高云 周竹 赵政
华中农业大学工学院,武汉 430070
国内会议
重庆
中文
1-4
2011-10-22（万方平台首次上网日期，不代表论文的发表时间）