基于变量优选和ELM算法的土壤含水量估测研究

发布时间：2024-04-18 05:03

　　伴随着高光谱技术的不断发展,因其拥有高分辨率和丰富的数据等优势,其在土壤属性信息的获取中被愈来愈广泛的使用,而土壤含水量综合反映出了气候、植被、地貌及土壤质量等,是干旱、半干旱地区构建生态系统的基础,同时也是干旱、半干旱区土壤墒情的指示标准。土壤含水量的快速估测对干旱、半干旱地区的精准农业发展具有重要的意义。本文以渭干河-库车河绿洲为靶区,以实验室内对土壤含水量的控制及相应土壤光谱反射率曲线获取的实验为基础,通过小波变换(wavelet transform,WT)对土壤反射光谱进行1⁸层小波变换,再结合相关分析得到最大分解尺度,通过竞争性自适应重加权(competitive adaptive reweighted sampling,C ARS)、连续投影算法(successive projections algorithm,SPA)和CARS-SPA算法对最大分解尺度以内的各层小波特征光谱进行特征波长筛选,最终确定能够反映土壤含水量的最优特征波长集,分别构建基于全波段的偏最小二乘回归(partial least squares regression,PLSR)模型...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图2-1研究区及采样点分布

第二章土壤样本信息的采集及处理方法2.1土壤样本的采集与制备以新疆维吾尔自治区南部、塔里木盆地中北部的渭-库绿洲为试验区如图2-1,其地势北边较高，自西北向东南倾斜，海拔1500~2000m，是一个较为典型的山前冲积扇平原。气温日较差大，年平均气温10.5~11.4℃，....

图2-1土壤实测光谱曲线

每个样本均需采集10次，其算术平均值为该土样的光谱数据[57]。得到土壤反射率曲线，如图2-1。图2-1土壤实测光谱曲线Fig.2-1Soilmeasuredspectrumcurve

图2-2实测土壤含水量Fig.2-2Soilmoisturedistribution

图2-2实测土壤含水量Fig.2-2Soilmoisturedistribution2.3小波变换2.3.1小波变换定义（1）小波基函数[58]设()()2tLR，且()是(t)的傅里叶变换。那么，当满足CdR2()（2....

图2-4BP神经网络示意图

含量、土壤盐分含量、粗糙度等，土壤中的这些理化指标是。所以仅仅利用相应的理论模型来直接研究土壤含水量和实现实的，目前，大多数相关研究都是基于经验统计算法，例主成分、偏最小二乘等；机器学习算法拥有较强的学习、记能力，这使其在土壤属性信息的估测中具有很大的潜在优势变换和特征波长选择算....

本文编号：3957465