全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...
热带地理  2015 

基于土壤反射光谱特性的广东省稻田土壤快速分类

, PP. 29-34

Keywords: 反射光谱,土壤分类,遗传算法,支持向量机,稻田,广东省

Full-Text   Cite this paper   Add to My Lib

Abstract:

?选择广东省215个村镇稻田的土壤样本,首先利用asdfieldspec3测量土壤样本在350~2500nm的光谱,并采用s-g一阶导数平滑滤波降低样本测量中光照差异的影响,然后将遗传算法(geneticalgorithm,ga)和支持向量机分类(supportvectormachine,svm)分别用于提取分类光谱特征和建立分类模型,分别在土纲、亚纲、土类3个层次进行土壤分类。结果表明:1)在不同的分类层次下,与铁氧化物密切相关的650~710以及900nm附近光谱,与羟基矿物吸收有关的2207~2237和2377~2397nm区间均被作为分类特征变量。2)随着土壤类型的细分,分类所需变量增多。在土类级,对有机质敏感的2080nm附近的光谱也被引入分类定标模型中,土纲和亚纲下分类精度>67%,土类级分类精度为58.67%。利用遗传算法提取光谱特征,进行基于支持向量机的土壤分类具有一定优势。

References

[1]  vasquesgm,demattejam,raphaela,etal.soilclassificationusingvisible/nearinfrareddiffusereflectancespectrafrommultipledepths[j].geoderma,2014,223/225:73-78.
[2]  黄应丰,刘腾辉.土壤反射光谱特性与土壤属性的关系——以南方主要土壤为例[j].土壤通报,1989(4):158-160,176.
[3]  nocitamarco,stevensantoine,tothgergely,etal.predictionofsoilorganiccarboncontentbydiffusereflectancespectroscopyusingalocalpartialleastsquareregressionapproach[j].soilbiology&biochemistry,2014,68:337-347.
[4]  vohlandm,ludwigm,thiele-bruhns,etal.determinationofsoilpropertieswithvisibletonearandmidinfraredspectroscopy:effectsofspectralvariablesselection[j].geodema,2014,223/225:88-96.
[5]  josemsoriano-disla,lesjjanik,raphaelaviscarrarossel,etal.theperformanceofvisible,nearandmidinfraredreflectancespectroscopyforpredictionofsoilphysical,chemical,andbiologicalproperties[j].appliedspectroscopyreviews,2014,49(2):139-186.
[6]  刘焕军,张柏,张渊智,等.基于反射光谱特性的土壤分类研究[j].光谱与光谱分析,2008,28(3):624-628.
[7]  王遵义,金春华,刘飞,等.基于光谱技术的土壤快速分类方法研究[j].浙江大学学报:农业与生命科学版,2010,36(3):282-286.
[8]  史舟,王乾龙,彭杰,等.中国主要土壤高光谱反射特性分类与有机质光谱预测模型[j].中国科学d辑:地球科学,2014,44(5):978-988.
[9]  saleham,belalab,arafatsm.identificationandmappingofsomesoiltypesusingfieldspectrometryandspectralmixtureanalysis:acasestudyofnorthsinai,egypt[j].arabj.geosci,2013,6:1799-1806.
[10]  kovacevicmilos,bajatbranislav,gajicbosko.soiltypeclassificationandestimationofsoilpropertiesusingsupportvectormachines[j].geoderma,2009,154:340-347.
[11]  buyude,chenfuqiang,panjingchang.stellarspectralsubclassesclassificationbasedonisomapandsvm[j].newastronomy,2014,28:35-43.
[12]  oliveirajosefrancirlei,brossardmichel,vendramepedrorodolfosiqueira,etal.soildiscrimationusingdiffusereflectancevis-nirspectroscopyinalocaltoposequence[j].comptesrendusgeoscience,2013,345:446-453.
[13]  eleftheriadisalexandros,turrionmaria-belen.soilmicrobiologicalpropertiesaffectedbylanduse,management,andtimesincedeforestationsandcropestablishment[j].europeanjournalofsoilbiology,2014,62:138-144.
[14]  chohyun-woo,kimseoungbum,jeongmyongk,etal.geneticalgorithm-basedfeatureselectioninhigh-resolutionnmrspectra[j].expertsystemswithapplications,2008,35:967-975.
[15]  王立国,魏芳洁.结合遗传算法和蚁群算法的高光谱图像波段选择[j].中国图像图形学报,2013,18(2):235-242.
[16]  李丹,陈水森,陈修治.高光谱遥感数据植被信息提取方法[j].农业工程学报,2010,26(7):181-185.
[17]  stenbergbo,rosselraphaelaviscarra,mouazenabdulmounem,etal.visibleandnearinfraredspectroscopyinsoilscience[m]//sparksdonaldl.advancesinagronomy.burlington:academicpress,2010,107:163-215.
[18]  吴洪兴,彭宇,彭喜园.适用于不平衡样本数据处理的支持向量机方法[j].电子学报,2006,34(12a):2395-2398.
[19]  包耀贤,黄庆海,徐明岗,等.长期不同施肥下红壤性水稻土综合肥力评价及其效应[j].植物营养与肥料学报,2013,19(1):74-81.
[20]  徐华勤,章家恩,冯丽芳,等.广东省典型土壤类型和土地利用方式对土壤酶活性的影响[j].植物营养与肥料学报,2010,16(6):1464-1471.
[21]  刘彦丽.植被覆盖区岩矿信息高光谱遥感提取方法研究[d].长春:吉林大学,2013.
[22]  鲁淑霞.基于支持向量机的多光谱数据分类[d].保定:河北大学,2007.
[23]  邹小波,赵杰文.用遗传算法快速提取近红外光谱特征区域和特征波长[j].光学学报,2007,27(7):1316-1321.
[24]  杜培军,林卉,孙敦新.基于支持向量机的高光谱遥感分类进展[j].测绘通报,2006(12):37-40.
[25]  谭琨,杜培军,王小美.基于支持向量机和多变量分析的高光谱遥感数据分类[j].测绘通报,2009(11):37-40.
[26]  徐彬彬.土壤剖面的反射光谱研究[j].土壤,2000(6):281-287.
[27]  修连存,郑志忠,俞正奎,等.近红外光谱分析技术在蚀变矿物鉴定中的应用[j].地质学报,2007,81(11):1584-1590.
[28]  李海英,彭红春.黑河流域土壤光谱特性与响应原理分析[j].淮海工学院学报:自然科学版,2011,20(4):54-58.
[29]  abwenymohanmads.near-infraredspectroscopyoflow-grademetamorphicvolcanicrocksoftheeastpilbaragranite-greenstone[d].enschede:theuniversityoftwente,2012.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133