• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    土壤有機質(zhì)高光譜估算模型研究進展

    2017-10-13 15:36:43章濤于雷
    湖北農(nóng)業(yè)科學 2017年17期
    關鍵詞:土壤有機質(zhì)高光譜

    章濤+于雷

    摘要:土壤有機質(zhì)高光譜估算較傳統(tǒng)土壤農(nóng)化分析方法表現(xiàn)出極大優(yōu)勢,順應了現(xiàn)代農(nóng)業(yè)發(fā)展的迫切需要。國內(nèi)外眾多學者先后對土壤有機質(zhì)高光譜估算模型進行了大量研究,估算模型由簡單的一元線性模型逐漸發(fā)展為多元線性及非線性模型,常用的建模方法分為線性方法和非線性方法,重點分析了各種方法的適用性。通過總結(jié)分析前人研究,發(fā)現(xiàn)土壤有機質(zhì)高光譜估算模型研究存在以下發(fā)展趨勢:多種建模方法耦合使用增多;建模方法的復雜度逐漸增強;嘗試消減外部環(huán)境因素對建模的影響;嘗試將室內(nèi)土壤有機質(zhì)估算模型應用于野外實地研究。

    關鍵詞:土壤有機質(zhì);高光譜;多元逐步回歸;偏最小二乘回歸

    中圖分類號:S153.6 文獻標識碼:A 文章編號:0439-8114(2017)17-3205-04

    DOI:10.14088/j.cnki.issn0439-8114.2017.17.002

    Research Progress on Hyperspectral Estimation Model of Soil Organic Matter

    ZHANG Tao,YU Lei

    (School of Urban and Environmental Sciences, Huazhong Normal University, Wuhan 430079, China)

    Abstract: The hyperspectral estimation of soil organic matter shows a great advantage compared with the traditional soil agro-chemical analysis method, which conforms to the urgent need of modern agricultural development. Many models have studied the hyperspectral estimation model of soil organic matter at home and abroad. The estimation model has been developed from simple linear model to multivariate linear and nonlinear model. The commonly used modeling method is divided into linear method and nonlinear method. The applicability of the various methods is analyzed. By analyzing the previous studies, it is found that there are the following trends in the study of hyperspectral estimation model of soil organic matter: the coupling of multiple modeling methods is increasing; the complexity of modeling method is gradually enhanced; try to reduce the influence of external environmental factors on modeling; the indoor soil organic matter estimation model is applied to fieldresearch.

    Key words: soil organic matter; hyperspectral; stepwise multiple linear regression; partial least squares regression

    土壤有機質(zhì)是指存在于土壤中所含碳的有機物質(zhì),可以提供植物所需的養(yǎng)分,其含量是衡量土壤肥力高低的重要指標[1]。準確掌握土壤有機質(zhì)含量是現(xiàn)代農(nóng)業(yè)生產(chǎn)管理的重要基礎。傳統(tǒng)的土壤農(nóng)化分析方法可以準確測定土壤有機質(zhì)含量,但采樣易對土體造成破壞,并且實驗耗時長,不便于土壤有機質(zhì)的實時高效測定。土壤高光譜技術因具有信息量大、零破壞、無污染、高效率等特點[2],被逐漸應用于土壤有機質(zhì)估算研究中。國內(nèi)外學者通過大量實驗揭示了土壤有機質(zhì)的高光譜響應規(guī)律,嘗試了各種方法模擬土壤有機質(zhì)與高光譜反射率之間的關系,較好地實現(xiàn)了土壤有機質(zhì)含量的定量估算。本文對已有土壤有機質(zhì)高光譜建模方法進行了梳理和總結(jié)。

    1 土壤有機質(zhì)高光譜估算模型的發(fā)展過程

    1960年開始,土壤有機質(zhì)的光譜特征逐漸受到關注,學者們嘗試揭示土壤有機質(zhì)與土壤光譜之間的關系。Bowers等[3]研究發(fā)現(xiàn)土壤反射光譜與土壤有機質(zhì)含量呈顯著負相關。徐彬彬等[4]、彭杰等[5]通過對比分析去除土壤有機質(zhì)前后的土壤高光譜,發(fā)現(xiàn)土壤有機質(zhì)對全波段光譜均有一定程度的影響,有機質(zhì)含量降低后土壤光譜反射率增加。另外,Montgomery[6]認為土壤有機質(zhì)大于9%時能夠掩蓋其他土壤性質(zhì)(如水分)對光譜反射率的貢獻。Galvao等[7]則認為當土壤有機質(zhì)大于2%時,土壤有機質(zhì)遮蔽其他土壤組成物質(zhì)光譜特性(如鐵錳的光譜特性)的能力增強。雖然這兩者之間存在觀點差異,但已經(jīng)定性地指出土壤有機質(zhì)含量超出某個閾值會對土壤光譜反射特性產(chǎn)生影響。這一階段主要表現(xiàn)為對土壤有機質(zhì)與土壤光譜進行定性研究。

    1980年之后,學者們發(fā)現(xiàn)在土壤高光譜的眾多波段中存在無效和冗余信息及吸收峰重疊現(xiàn)象[8],導致估算模型精度降低,因此,逐漸形成了基于土壤有機質(zhì)的敏感波段建立高光譜估算模型的研究思路,有效地提升了估算土壤有機質(zhì)含量的精度。相關分析方法被較早地應用于分析土壤有機質(zhì)與土壤光譜反射率之間的相關性,提取相關系數(shù)較高(顯著)的波段作為敏感波段,建立簡單線性回歸模型[9]。何挺[10]通過比較各波長的相關系數(shù),選取了849、 1 681、2187 nm 3個波長作為敏感波段,建立了多元回歸模型,其決定系數(shù)(Determination coefficients,R2)達到0.885;謝伯承[11]通過這種思路確定了447 nm波長為敏感波段,建立了有較高預測精度估算模型,均方根誤差(Root mean squared error,RMSE)為0.547 6。此方法雖簡便易行,但由于土壤高光譜數(shù)據(jù)波長變量數(shù)量龐大且相互之間存在多重共線性,土壤有機質(zhì)的光譜信息受到土壤其他組分的影響,使得很多波段的相關系數(shù)較低,這造成了信息丟失,致使模型穩(wěn)定性較低。彭杰等[12]通過去除土壤有機質(zhì),對比分析土壤有機質(zhì)去除前后土壤光譜反射率變化,將影響程度最大的波段作為土壤有機質(zhì)敏感波段,建立估算模型的預測精度雖然有所提升,但因去有機質(zhì)實驗操作過程繁瑣,該方法沒有得到廣泛應用。這一階段高光譜估算土壤有機質(zhì)含量逐漸由定性研究轉(zhuǎn)向定量研究。endprint

    2000年至今,偏最小二乘回歸(Partial least squares regression,PLSR)方法以其優(yōu)越的性能被廣泛應用于土壤高光譜建模,它能夠消除波長變量共線性,解決因土壤各組分的吸收波段相互重疊干擾土壤有機質(zhì)含量估算精度的問題,避免模型過度擬合。Conforti等[13]對采集來自不同地區(qū)的215個不同土壤類型樣本建立土壤有機質(zhì)PLSR估算模型,其模型的R2為0.84,相對分析誤差(Relative percent deviation,RPD)為2.53;于飛健等[14]運用PLSR對采集來自北京地區(qū)的土樣進行有機質(zhì)建模,也取得了較好的預測效果,其R2為0.964 1。然而土壤高光譜機理復雜,并非簡單線性關系,一些非線性數(shù)據(jù)挖掘技術也逐漸廣泛應用于土壤有機質(zhì)估算,如紀文君等[15]和欒福明等[16]分別利用支持向量機(Support vector machines,SVM)和人工神經(jīng)網(wǎng)絡(Artificial neural network,ANN)方法建立土壤有機質(zhì)反演模型,R2分別為0.927、0.938。此類機器學習算法模型能夠較好地處理復雜的非線性問題,表現(xiàn)出較高性能。各種建模方法的相繼應用標志著土壤有機質(zhì)高光譜定量估算研究逐漸成熟。

    2 建立土壤有機質(zhì)高光譜估算模型的主要方法

    土壤高光譜是土壤各組分的綜合外在表現(xiàn),采用物理模型模擬土壤光譜形成機理存在較大難度,難以從高光譜形成機理層面正向推導計算土壤有機質(zhì)含量。因此,學者們主要基于經(jīng)驗和先驗知識采用反演理論建立土壤有機質(zhì)高光譜估算模型。但是,土壤有機質(zhì)與高光譜反射率之間關系復雜,學者們對此的觀點尚不統(tǒng)一,建模方法主要分為線性方法和非線性方法。

    2.1 線性方法

    2.1.1 多元逐步回歸 多元逐步回歸(Stepwise multiple linear regression,SMLR)是篩選對因變量影響大的自變量建立回歸模型的方法。SMLR根據(jù)自變量對因變量的貢獻大小,由大到小地逐個引入回歸方程,剔除對因變量作用不顯著的自變量。其特點是雙向篩選,即引入有意義的變量(前進法)同時剔除無意義變量(后退法)。SMLR盡可能地包含了對因變量有顯著影響的自變量,在性能上要優(yōu)于普通多元回歸方法,在一定條件下顯示了建模結(jié)果的可靠性。在土壤高光譜領域,以土壤有機質(zhì)為因變量,土壤反射光譜為自變量進行多元回歸分析,根據(jù)回歸系數(shù)和F統(tǒng)計量最高、RMSE最小的原則,選擇土壤高光譜反演的最佳回歸模型[17]。Hummel 等[18]在室內(nèi)分析了土壤有機質(zhì)和光譜曲線之間的關系,采用光譜反射率倒數(shù)的對數(shù)建立多元逐步回歸模型。彭杰等[19]提取敏感波段建立土壤全氮預測模型,結(jié)果表明逐步回歸模型相比一元線性回歸具有更好的精度和穩(wěn)定性。王超等[20]利用SMLR構建了不同預處理方法下的褐土有機質(zhì)反演模型,基于一階微分預處理構建的模型的R2大于0.92。然而土壤高光譜信息錯綜復雜,彼此關聯(lián),一旦自變量之間存在共線性問題則不適用SMLR[21]。

    2.1.2 主成分回歸 主成分回歸(Principal component regression,PCR)對全部光譜信息進行壓縮,將高度相關的波長變量歸于一個獨立變量,獲得少量的獨立變量,建立回歸方程,通過內(nèi)部檢驗來防止過度擬合[17]。主成分回歸可以診斷自變量間的共線性,在保留原有信息的基礎上達到降維的效果[22]。主成分回歸法在處理大數(shù)據(jù)方面具有顯著優(yōu)勢,也被廣泛應用于可見—近紅外光譜數(shù)據(jù)建模。Chang等[23]使用PCR對多種土壤成分進行反演,結(jié)果表明可以較好地預測土壤全碳、全氮、水分等成分,其R2均大于0.8。盧艷麗等[22]在室內(nèi)條件下利用主成分回歸法建立土壤有機質(zhì)預測模型,其模型預測值與實測值的R2為0.840、RMSE為0.226。相比SMLR,PCR較好地解決了自變量間存在信息重疊的問題,防止模型過度擬合,但忽略了因變量的作用。

    2.1.3 偏最小二乘回歸 PLSR是一種新型的多元回歸分析方法,借鑒了多元線性回歸分析、典型相關分析和主成分分析的思想?;?PLSR 方法建立土壤有機質(zhì)高光譜估算模型,能夠從光譜數(shù)據(jù)中揭示最大有機質(zhì)含量變化的主控因子,減少光譜維數(shù),使建立的模型具有更好的魯棒性[24]。PLSR最重要的優(yōu)點就在于可以提供一種“多對多”線性回歸建模的方法,特別是當兩組變量的個數(shù)很多,且都存在多重相關性,而觀測數(shù)據(jù)的數(shù)量又較少時,用偏最小二乘回歸建立的模型具有傳統(tǒng)的經(jīng)典回歸分析等方法所沒有的優(yōu)勢[25]。由于PLSR具有上述優(yōu)勢,國內(nèi)外許多研究都采用此方法。Cécile等[26]運用PLSR對土壤有機碳進行了預測。史舟等[27]對土壤光譜數(shù)據(jù)采用Savitzky-Golay平滑加一階微分進行轉(zhuǎn)換,分類后結(jié)合PLSR建立土壤有機質(zhì)模型,取得了較好的效果,R2和相對分析誤差(Relative percent deviation,RPD)分別為0.899和3.158。盧延年等[28]利用不同建模方法建立江漢平原土壤有機碳預測模型,結(jié)果表明PLSR預測結(jié)果要優(yōu)于SMLR和PCR。但PLSR也存在一定的局限性,陳頌超等[29]認為當土壤類型增多時,PLSR則表現(xiàn)不出較好的效果。同時PLSR忽略了土壤光譜信息非線性關系、動態(tài)多變量過程的模型建立等,都是值得深入研究的課題。

    2.2 非線性方法

    2.2.1 人工神經(jīng)網(wǎng)絡 ANN是一種模仿動物神經(jīng)網(wǎng)絡的數(shù)學模型,通常被稱為“黑箱子”模型,由輸入層、隱含層、輸出層構成。ANN能夠模擬任何輸入變量和輸出變量的非線性關系,具有自學習、自適應能力及很強的容錯能力,在處理非線性問題上表現(xiàn)出較大優(yōu)勢。蔣樺林等[30]分別利用ANN、PLSR和SMLR 3種模型對土壤養(yǎng)分進行預測,結(jié)果表明ANN建立的模型預測效果最好,能夠穩(wěn)定地完成快速檢測。欒福明等[17]基于不同模型對土壤有機質(zhì)含量進行了比較分析,結(jié)果發(fā)現(xiàn)ANN的線性和非線性逼近能力較強,擬合效果優(yōu)于MLSR。盡管展現(xiàn)出諸多優(yōu)勢,但仍有一些缺陷。朱繼文等[31]認為由于ANN缺乏洞察數(shù)據(jù)集特性的解釋能力,很難全面解釋神經(jīng)網(wǎng)絡作出決策或產(chǎn)生輸出的過程。反向傳播神經(jīng)網(wǎng)絡(Back propagation neural network,BPNN)是目前使用最普遍的ANN方法之一,其學習過程由信號的正向傳播與誤差的逆向傳播兩個過程組成。田永超等[32]對5種不同類型土壤的有機質(zhì)含量進行高光譜定量估測,結(jié)果表明PLSR-BPNN建模效果最好,優(yōu)于PLSR、SMLR、PCR。然而BPNN不具備發(fā)現(xiàn)新知識的能力,需要大量參數(shù)來訓練和構造神經(jīng)網(wǎng)絡,且輸出結(jié)果難以解釋。endprint

    2.2.2 支持向量機 SVM是一種新型機器學習模型,該方法建立在統(tǒng)計學習理論、維理論和結(jié)構風險最小化原理的基礎上[33]。其處理過程可概括為升維和線性化,SVM可以解決小樣本情況下的機器學習問題,巧妙地將非線性問題轉(zhuǎn)化為線性問題。Viscarra等[34]將澳大利亞各地的土壤光譜建立有機碳、黏粒含量和pH的SVM反演模型,其R2分別為0.86,0.85,0.75。于雷等[35]通過不同方法對土壤有機質(zhì)進行反演,使用SVM建立的模型R2和RMSE分別為0.83、4.02,RPD為2.48,具有較好的預測效果。譚琨等[36]使用多種方法建立了礦區(qū)土壤有機質(zhì)含量與土壤光譜反射率之間的模型,結(jié)果表明SVM估算精度最高,優(yōu)于SMLR和PLSR。但SVM是一種基于小樣本統(tǒng)計理論的機器學習算法,在處理大規(guī)模樣本數(shù)據(jù)集方面并不能達到理想的訓練效率[37]。

    2.2.3 局部加權回歸 局部加權回歸(Locally weighted regression,LWR)是從光譜庫中選取光譜特征相近的樣本建立局部模型,是一種局部建模方法。土壤光譜數(shù)據(jù)越全面,基于大樣本土壤光譜數(shù)據(jù)的局部模型預測效果就越好[29]。LWR由于選取相似樣本,排除了不相關樣本的影響,從而表現(xiàn)出較好的預測能力。目前LWR用于土壤高光譜反演建模相對較少,多是基于大樣本的土壤光譜庫,如Ji等[38]基于中國土壤光譜庫,利用LWR較好地預測了225個獨立于光譜庫的土壤樣本的有機質(zhì)含量,其R2=0.641,RPD=1.79;陳頌超等[29]基于中國土壤光譜庫建立了多種土壤全氮反演模型,結(jié)果表明LWR要優(yōu)于PLSR、ANN及SVM,說明在大樣本、大尺度區(qū)域LWR能發(fā)揮更好的作用。王乾龍等[39]基于大樣本土壤光譜數(shù)據(jù)庫,建立土壤全氮反演模型,結(jié)果表明LWR模型要優(yōu)于PLSR全局模型。上述研究表明,應用LWR建模的前提是構建大樣本土壤光譜數(shù)據(jù)庫。

    3 土壤有機質(zhì)高光譜估算模型的發(fā)展趨勢

    利用土壤高光譜對土壤有機質(zhì)含量進行研究,目的是尋求建立土壤有機質(zhì)快速、高效、便捷的估算模型,為精準農(nóng)業(yè)發(fā)展提供強有力的技術支撐。經(jīng)過近60年的發(fā)展,土壤有機質(zhì)高光譜估算模型研究取得了較為顯著的成效,理論體系正逐步完善,為高光譜技術的推廣應用奠定了基礎。然而,土壤有機質(zhì)高光譜估算建模研究目前尚處于發(fā)展階段,由于土壤高光譜形成機理高度復雜且土壤有機質(zhì)高光譜建模受到土壤水分、土壤質(zhì)地、測試環(huán)境等諸多因素影響,不同研究對象所選取的最佳建模方法不一。除上文列舉的6種主要方法外,回歸樹[40]、隨機森林[41]等方法也有較好的預測效果,但因在土壤有機質(zhì)高光譜估算建模中應用尚不成熟,未一一列舉。

    通過文獻分析發(fā)現(xiàn),目前土壤有機質(zhì)高光譜估算模型主要存在4個方面的發(fā)展趨勢:

    1)多種建模方法耦合使用增多。每種建模方法都具有不同特點,不同方法的耦合使用可利用各自優(yōu)勢,相互取長補短,從而提升模型的整體預測性能[15,32]。然而,方法的組合不是任意搭配,需充分理解方法的原理及性能,確保形成優(yōu)勢互補。

    2)建模方法的復雜度逐漸增強。建模方法從簡單的一元或多元線性回歸方法逐步發(fā)展為非線性方法,在方法性能提升的同時,模型復雜度也在逐漸增強。特別是機器學習方法的引入,雖能取得較好的預測效果,卻使得對模型的可解釋性變?nèi)酢?/p>

    3)嘗試消減外部環(huán)境因素對建模的影響。土壤是一個復雜的系統(tǒng),各組分均有自身的光譜吸收特征,尤其土壤含水量、質(zhì)地、鐵鋁含量等理化特性對高光譜觀測具有顯著影響。學者們已逐漸重視消減與土壤有機質(zhì)無關的外部環(huán)境因素,純化得到土壤有機質(zhì)的光譜響應信息,提高估算模型的精度。

    4)嘗試將室內(nèi)土壤有機質(zhì)估算模型研究成果應用于野外實地研究。目前的研究成果主要基于室內(nèi)試驗數(shù)據(jù)建立土壤有機質(zhì)高光譜估算模型,這些成果如何改進使其適用于野外復雜環(huán)境中實時估算土壤有機質(zhì)含量,尚需要開展實證研究。今后的趨勢是加強土壤高光譜野外實地試驗,促進土壤高光譜技術推廣應用,實現(xiàn)土壤有機質(zhì)的動態(tài)監(jiān)測,服務于現(xiàn)代精準農(nóng)業(yè)。

    參考文獻:

    [1] 方少文,楊梅花,趙小敏,等.紅壤區(qū)土壤有機質(zhì)光譜特征與定量估算——以江西省吉安縣為例[J].土壤學報,2014,51(5):1003-1010.

    [2] NOCITA M,KOOISTRA L,BACHMANN M,et al. Predictions of soil surface andtop-soil organic carbon content through the use of laboratory and fieldspectroscopyinthe Albany Thicket Biome of Eastern Cape Province of South Africa[J].Geoder-ma,2011, 167-168:295-302.

    [3] BOWERS S A,HANKS R J. Reflection of radiant energy from soils[J].Soil Science,1965,100(2):130-138.

    [4] 徐彬彬,季耿善.土壤光譜反射特性研究及其應用[J].土壤學進展,1987,15(1):3-11.

    [5] 彭 杰,張楊珠,周 清,等.去除有機質(zhì)對土壤光譜特性的影響[J].土壤,2006,38(4):453-458.

    [6] MONTGOMERY O L. An investigation of the relationship between spectral reflectance and the chemical, physical,and genetic characteristics of soils[D].West Lafayette,Indiana:Purdue University,1976.endprint

    [7] GALVAO L S,PIZARRO M A,EPIPHANIO. Variations in reflectance of tropical soils:Spectral chemical composition relationships from AVIRIS data[J].Remote Sensing of Environment,2001,75(2):245-255.

    [8] 郝 勇,孫旭東,潘圓媛,等.蒙特卡羅無信息變量消除方法用于近紅外光譜預測果品硬度和表面色澤的研究[J].光譜學與光譜分析,2011,31(5):1225-1229.

    [9] 賀軍亮,蔣建軍,周生路,等.土壤有機質(zhì)含量的高光譜特性及其反演[J].中國農(nóng)業(yè)科學,2007,40(3):638-643.

    [10] 何 挺.土地質(zhì)量高光譜遙感監(jiān)測方法研究[D].武漢:武漢大學,2003.

    [11] 謝伯承.基于高光譜遙感不同發(fā)生層土壤的光譜信息的提取研究[D].陜西楊凌:西北農(nóng)林科技大學,2004.

    [12] 彭 杰,張楊珠,龐新安,等.新疆南部土壤有機質(zhì)含量的高光譜特征分析[J].干旱區(qū)地理,2010,33(5):740-746.

    [13] CONFORTI M,BUTTAFUOCO G,LEONE A P,et al. Studying the relationship between water-induced soil erosion and soil organic matter using Vis-NIR spectroscopy and geomorphological analysis:A case study in Southern Italy[J].Catena,2013, 110:44-58.

    [14] 于飛健,閔順耕,巨曉棠,等.近紅外光譜法分析土壤中的有機質(zhì)和氮素[J].分析試驗室,2002,31(3):49-51.

    [15] 紀文君,李 曦,李成學,等.基于全譜數(shù)據(jù)挖掘技術的土壤有機質(zhì)高光譜預測建模研究[J].光譜學與光譜分析,2012,32(9):2393-2398.

    [16] 欒福明,張小雷,熊黑鋼,等.基于不同模型的土壤有機質(zhì)含量高光譜反演比較分析[J].光譜學與光譜分析,2013,33(1):196-200.

    [17] 肖捷穎,王 燕,張 倩,等.土壤重金屬含量的高光譜遙感反演方法綜述[J].湖北農(nóng)業(yè)科學,2013,52(6):1248-1253,1259.

    [18] HUMMEL J W,SUDDUTH K A,HOLLINGER S E. Soil moisture and organic matter prediction of surface and subsurface soils using an NIR soil sensor[J]. Computers and Electronics in Agriculture,2001,32(2):149-165.

    [19] 彭 杰,向紅英,周 清,等.不同類型土壤全氮含量的高光譜預測研究[J].中國農(nóng)學通報,2013,29(9):105-111.

    [20] 王 超,馮美臣,楊武德,等.麥田耕作層土壤有機質(zhì)的高光譜監(jiān)測[J].山西農(nóng)業(yè)科學,2014,42(8):869-873.

    [21] 周文芳,李 民.逐步回歸分析法的一點不足之處[J].西北水電,2004(4):49-50.

    [22] 盧艷麗,白由路,楊俐蘋,等.基于主成分回歸分析的土壤有機質(zhì)高光譜預測與模型驗證[J].植物營養(yǎng)與肥料學報,2008, 14(6):1076-1082.

    [23] CHANG C W,LAIRD D A,HURBURGH M J,et al. Near-Infrared reflectance spectroscopy-principal components regression analyses of soil properties[J].Soil Science,170(4):244-255.

    [24] 翁永玲,戚浩平,方洪賓,等.基于PLSR方法的青海茶卡-共和盆地土壤鹽分高光譜遙感反演[J].土壤學報,2010,47(6):1255-1263.

    [25] 吳 瓊,原忠虎,王曉寧.基于偏最小二乘回歸分析綜述[J].沈陽大學學報(自然科學版),2007,19(2):33-35.

    [26] C?魪CILE G,RAPHAEL A,ALEX B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy:An Australian case study[J].Geoderma,2008,146:403-411.

    [27] 史 舟,王乾龍,彭 杰,等.中國主要土壤高光譜反射特性分類與有機質(zhì)光譜預測模型[J].中國科學:地球科學,2014,44(5):978-988.

    [28] 盧延年,劉艷芳,陳奕云,等.江漢平原土壤有機碳含量高光譜預測模型優(yōu)選[J].中國農(nóng)學通報,2014,30(26):127-133.

    [29] 陳頌超,馮來磊,李 碩,等.基于局部加權回歸的土壤全氮含量可見-近紅外光譜反演[J].土壤學報,2015,52(2):312-320.

    [30] 蔣燁林,王讓會,李 焱,等.艾比湖流域不同土地覆蓋類型土壤養(yǎng)分高光譜反演模型研究[J].中國生態(tài)農(nóng)業(yè)學報,2016, 24(11):1555-1564.endprint

    [31] 朱繼文,劉丹丹.基于高光譜數(shù)據(jù)的土壤含鹽量BP神經(jīng)網(wǎng)絡模型研究[J].東北農(nóng)業(yè)大學學報,2009,40(10):115-118.

    [32] 田永超,張娟娟,姚 霞,等.基于近紅外光聲光譜的土壤有機質(zhì)含量定量建模方法[J].農(nóng)業(yè)工程學報,2012,28(1):145-152.

    [33] 曾 胤,陸宇振,杜昌文,等.應用紅外光聲光譜技術及支持向量機模型測定土壤有機質(zhì)含量[J].土壤學報,2014,51(6):1262-1269.

    [34] VISCARRA R,BUI E,CARITAT P,et al. Mapping iron oxides and the color of Australian soil using visible-near-infraed reflectance spectra[J].Journal of Geophysical research,2010,115:1-13.

    [35] 于 雷,洪永勝,周 勇,等.連續(xù)小波變換高光譜數(shù)據(jù)的土壤有機質(zhì)含量反演模型構建[J].光譜學與光譜分析,2016,36(5):1428-1433.

    [36] 譚 琨,張倩倩,曹 茜,等.基于粒子群優(yōu)化支持向量機的礦區(qū)土壤有機質(zhì)含量高光譜反演[J].地球科學(中國地質(zhì)大學學報),2015,40(8):1339-1345.

    [37] 丁世飛,齊丙娟,譚紅艷.支持向量機理論與算法研究綜述[J].電子科技大學學報,2011,40(1):2-10.

    [38] JI W,LI S,CHEN S,et al. Prediction of soil attributes using the Chinese soil spectral library and standardized spectra recorded at field conditions[J].Soil & Tillage Research,2016, 155:492-500.

    [39] 王乾龍,李 碩,盧艷麗,等.基于大樣本土壤光譜數(shù)據(jù)庫的氮含量反演[J].光學學報,2014,34(9):308-314.

    [40] BROWN D J,SHEPHERD K D,WALSH M G,et al. Global soil characterization with VNIR diffuse reflectance spectroscopy[J].Geoderma,2006,132(3):209-216.

    [41] 王茵茵,齊雁冰,陳 洋,等.基于多分辨率遙感數(shù)據(jù)與隨機森林算法的土壤有機質(zhì)預測研究[J].土壤學報,2016,53(2):342-354.endprint

    猜你喜歡
    土壤有機質(zhì)高光譜
    基于實測高光譜數(shù)據(jù)的太湖湖濱帶典型植被分
    三門峽土壤有機質(zhì)含量分布特征及其與煙葉品質(zhì)的關系
    長白山區(qū)野生羊肚菌與其土壤成分的相關性分析
    不同林分類型及土層對土壤養(yǎng)分的影響
    不同干擾林地土壤重金屬與養(yǎng)分積累的關系
    科技資訊(2017年1期)2017-03-27 11:19:38
    基于實測光譜的紅花葉綠素含量高光譜估算模型研究
    長白山北坡和西坡林線土壤有機質(zhì)含量的對比分析
    一種基于引導濾波和MNF的高光譜遙感圖像分類方法
    軟件導刊(2016年9期)2016-11-07 22:19:22
    吐絲期玉米倒伏后地面高光譜特征參數(shù)分析
    基于高光譜響應的農(nóng)田大棚EVA棚膜拉伸強度估計
    久久久久久久久久久免费av| 在线 av 中文字幕| 18禁裸乳无遮挡动漫免费视频| 日本午夜av视频| 欧美bdsm另类| 久久久久久伊人网av| 五月伊人婷婷丁香| av国产免费在线观看| 男女下面进入的视频免费午夜| 国产精品成人在线| 美女主播在线视频| 亚洲av男天堂| 少妇人妻久久综合中文| 久久人人爽人人爽人人片va| 亚洲精品乱久久久久久| 一级a做视频免费观看| 久久综合国产亚洲精品| 97热精品久久久久久| 在线免费观看不下载黄p国产| 亚洲av不卡在线观看| av黄色大香蕉| 久久精品熟女亚洲av麻豆精品| 一个人看视频在线观看www免费| 久久久久久久久久人人人人人人| 欧美精品人与动牲交sv欧美| 夫妻午夜视频| 亚洲精品日本国产第一区| 丝袜喷水一区| 亚洲电影在线观看av| freevideosex欧美| av国产免费在线观看| 久久久久久伊人网av| 欧美成人a在线观看| 中文字幕亚洲精品专区| 黄色一级大片看看| 日韩伦理黄色片| 91久久精品国产一区二区三区| 夜夜骑夜夜射夜夜干| 九九爱精品视频在线观看| 国产成人一区二区在线| 美女主播在线视频| 99九九线精品视频在线观看视频| 一级av片app| 99热这里只有是精品50| av.在线天堂| 欧美精品一区二区大全| 久久精品国产自在天天线| 日韩av在线免费看完整版不卡| 午夜福利在线观看免费完整高清在| 男女啪啪激烈高潮av片| 亚洲美女黄色视频免费看| 国产成人精品婷婷| 亚洲人与动物交配视频| 联通29元200g的流量卡| 国产伦在线观看视频一区| 91狼人影院| 你懂的网址亚洲精品在线观看| 亚洲伊人久久精品综合| 春色校园在线视频观看| 中文字幕亚洲精品专区| 91精品一卡2卡3卡4卡| 国产免费一级a男人的天堂| 一区二区三区精品91| 在线观看三级黄色| 国产精品国产三级国产av玫瑰| 免费看不卡的av| 国产淫语在线视频| 欧美日本视频| 麻豆成人av视频| 91狼人影院| 老司机影院毛片| 亚洲精品,欧美精品| 美女国产视频在线观看| 偷拍熟女少妇极品色| 亚洲四区av| 精品人妻熟女av久视频| 中文字幕制服av| 国产色婷婷99| 熟女电影av网| 亚洲怡红院男人天堂| 人人妻人人添人人爽欧美一区卜 | 亚洲婷婷狠狠爱综合网| 免费黄色在线免费观看| 亚洲精品乱码久久久v下载方式| 久久av网站| 国产免费福利视频在线观看| 在线观看免费日韩欧美大片 | 亚洲在久久综合| 人妻夜夜爽99麻豆av| 日本色播在线视频| 亚洲国产欧美人成| 亚洲婷婷狠狠爱综合网| 欧美 日韩 精品 国产| 在线观看免费视频网站a站| 国产精品99久久久久久久久| 黑丝袜美女国产一区| 国产极品天堂在线| 又大又黄又爽视频免费| 亚洲欧洲日产国产| 久久国产亚洲av麻豆专区| 下体分泌物呈黄色| 中文字幕制服av| 久久久a久久爽久久v久久| 18+在线观看网站| 黄色日韩在线| 国产精品偷伦视频观看了| 精品一区二区免费观看| 狂野欧美激情性xxxx在线观看| 日韩欧美精品免费久久| 国产中年淑女户外野战色| 亚洲人成网站高清观看| 在线播放无遮挡| 成年美女黄网站色视频大全免费 | 亚洲欧美一区二区三区国产| 嘟嘟电影网在线观看| 特大巨黑吊av在线直播| 美女国产视频在线观看| 中文欧美无线码| 成人免费观看视频高清| 国产精品人妻久久久久久| 免费黄网站久久成人精品| 国产精品蜜桃在线观看| 青春草国产在线视频| 欧美国产精品一级二级三级 | 老师上课跳d突然被开到最大视频| 久久久久精品性色| 国产精品一区二区在线不卡| 男女下面进入的视频免费午夜| 午夜福利在线观看免费完整高清在| 肉色欧美久久久久久久蜜桃| 国产熟女欧美一区二区| av福利片在线观看| 男女无遮挡免费网站观看| 最近最新中文字幕大全电影3| 老师上课跳d突然被开到最大视频| 99久久精品一区二区三区| 亚洲最大成人中文| 欧美三级亚洲精品| 高清午夜精品一区二区三区| 亚洲精品视频女| 亚洲综合色惰| 大码成人一级视频| 亚洲精品国产色婷婷电影| 九色成人免费人妻av| 日韩中文字幕视频在线看片 | 18禁动态无遮挡网站| 国产亚洲av片在线观看秒播厂| 女人久久www免费人成看片| 哪个播放器可以免费观看大片| 2018国产大陆天天弄谢| 一本久久精品| 国产乱来视频区| 久久精品久久久久久久性| 啦啦啦视频在线资源免费观看| 亚洲国产精品成人久久小说| av国产久精品久网站免费入址| 亚洲欧美清纯卡通| 亚洲欧美一区二区三区国产| av在线app专区| 国产av一区二区精品久久 | 最新中文字幕久久久久| 精品久久久久久久久亚洲| 黑人猛操日本美女一级片| 99久国产av精品国产电影| 一级av片app| 国产人妻一区二区三区在| 欧美97在线视频| 免费av不卡在线播放| 少妇被粗大猛烈的视频| 天美传媒精品一区二区| 欧美精品亚洲一区二区| 80岁老熟妇乱子伦牲交| 男女边摸边吃奶| 精品久久国产蜜桃| 大香蕉97超碰在线| 观看免费一级毛片| 三级经典国产精品| 欧美bdsm另类| 卡戴珊不雅视频在线播放| 美女视频免费永久观看网站| 精品酒店卫生间| 五月伊人婷婷丁香| 久久韩国三级中文字幕| 99热这里只有精品一区| 波野结衣二区三区在线| 一区二区av电影网| 欧美xxxx黑人xx丫x性爽| 纯流量卡能插随身wifi吗| 国产在线视频一区二区| 亚洲精品日韩在线中文字幕| 国产精品人妻久久久影院| 国产精品熟女久久久久浪| 国产精品麻豆人妻色哟哟久久| 久久人妻熟女aⅴ| 一本—道久久a久久精品蜜桃钙片| 国产成人a∨麻豆精品| 免费黄色在线免费观看| 亚洲av不卡在线观看| 国产成人一区二区在线| 国产精品偷伦视频观看了| 亚洲精品日韩av片在线观看| 高清日韩中文字幕在线| 嫩草影院新地址| 人妻系列 视频| 色5月婷婷丁香| 亚洲天堂av无毛| 亚洲婷婷狠狠爱综合网| 青春草视频在线免费观看| 亚洲精品亚洲一区二区| 天美传媒精品一区二区| 精品人妻一区二区三区麻豆| 一级毛片黄色毛片免费观看视频| 精品久久久久久久久av| 韩国av在线不卡| 亚洲最大成人中文| 久久久久精品久久久久真实原创| 国产成人a∨麻豆精品| 国产高清三级在线| 身体一侧抽搐| 欧美性感艳星| 蜜桃久久精品国产亚洲av| 精品国产露脸久久av麻豆| 亚洲一级一片aⅴ在线观看| 在线免费十八禁| 联通29元200g的流量卡| 免费高清在线观看视频在线观看| 青青草视频在线视频观看| 亚洲人成网站在线播| 联通29元200g的流量卡| 亚洲精品一区蜜桃| 精品酒店卫生间| 丰满人妻一区二区三区视频av| av国产久精品久网站免费入址| 中文字幕制服av| 大香蕉久久网| 亚洲精品,欧美精品| 欧美成人a在线观看| 国产欧美日韩一区二区三区在线 | 在线观看一区二区三区| 日韩成人av中文字幕在线观看| 久久久久网色| 99热这里只有是精品50| 国产高清不卡午夜福利| 最黄视频免费看| 国产高清国产精品国产三级 | 国产男女超爽视频在线观看| 在线观看免费日韩欧美大片 | 国产亚洲av片在线观看秒播厂| 精品国产一区二区三区久久久樱花 | 亚洲欧美成人精品一区二区| 制服丝袜香蕉在线| 久久精品久久久久久噜噜老黄| 国产综合精华液| 国产黄色视频一区二区在线观看| 涩涩av久久男人的天堂| h日本视频在线播放| 亚洲精品日韩av片在线观看| 国产精品精品国产色婷婷| 国产片特级美女逼逼视频| 国产乱人偷精品视频| 十八禁网站网址无遮挡 | 三级经典国产精品| 国产 一区精品| 国产高清国产精品国产三级 | 亚洲电影在线观看av| 哪个播放器可以免费观看大片| 精品久久国产蜜桃| 高清欧美精品videossex| 狠狠精品人妻久久久久久综合| 亚洲欧美成人精品一区二区| 日韩av不卡免费在线播放| 国产国拍精品亚洲av在线观看| 男男h啪啪无遮挡| 久热久热在线精品观看| 国产在线男女| 寂寞人妻少妇视频99o| 久久久久久伊人网av| 久久6这里有精品| 91精品国产九色| 中文资源天堂在线| 我的老师免费观看完整版| 国产精品国产三级国产av玫瑰| 免费观看无遮挡的男女| 国产乱来视频区| 日韩一区二区视频免费看| 国产免费福利视频在线观看| 高清日韩中文字幕在线| 久久午夜福利片| 免费黄网站久久成人精品| 十八禁网站网址无遮挡 | 22中文网久久字幕| 亚洲精品色激情综合| av国产久精品久网站免费入址| 如何舔出高潮| 人妻一区二区av| 汤姆久久久久久久影院中文字幕| 国国产精品蜜臀av免费| 丝袜脚勾引网站| 中文字幕久久专区| 欧美xxⅹ黑人| 国产精品免费大片| 中文乱码字字幕精品一区二区三区| 99热这里只有是精品50| 九九在线视频观看精品| 日本wwww免费看| 黑人猛操日本美女一级片| 国产亚洲精品久久久com| 中文字幕免费在线视频6| 日韩在线高清观看一区二区三区| 亚洲av日韩在线播放| av免费在线看不卡| 亚洲欧美日韩另类电影网站 | 国产精品偷伦视频观看了| 欧美成人a在线观看| 国产色婷婷99| 天天躁夜夜躁狠狠久久av| 中国国产av一级| 高清黄色对白视频在线免费看 | 亚洲国产欧美人成| 成人二区视频| 欧美日韩一区二区视频在线观看视频在线| 男女边吃奶边做爰视频| 晚上一个人看的免费电影| 高清午夜精品一区二区三区| 国产精品一区二区在线不卡| 熟妇人妻不卡中文字幕| 午夜福利在线观看免费完整高清在| 久久久久人妻精品一区果冻| 中文字幕免费在线视频6| 午夜福利网站1000一区二区三区| 久久人人爽av亚洲精品天堂 | 精品久久久久久电影网| 在线免费十八禁| 成人高潮视频无遮挡免费网站| 亚洲精品乱久久久久久| 久久精品久久久久久久性| 国产av码专区亚洲av| 亚洲国产精品一区三区| videos熟女内射| 国产乱人视频| 国产av国产精品国产| 日韩电影二区| 婷婷色综合大香蕉| 五月天丁香电影| 亚洲最大成人中文| 国产亚洲最大av| 久久这里有精品视频免费| 黑人高潮一二区| 中文在线观看免费www的网站| 99久久精品热视频| 国产久久久一区二区三区| 国产 一区精品| 国产无遮挡羞羞视频在线观看| 国产极品天堂在线| 干丝袜人妻中文字幕| 免费高清在线观看视频在线观看| 久久99热6这里只有精品| 蜜臀久久99精品久久宅男| 99热6这里只有精品| 国产乱人视频| 三级国产精品片| 这个男人来自地球电影免费观看 | 日韩欧美精品免费久久| av.在线天堂| 国语对白做爰xxxⅹ性视频网站| 夫妻性生交免费视频一级片| 亚洲综合精品二区| 人体艺术视频欧美日本| 婷婷色综合www| 九九在线视频观看精品| 热99国产精品久久久久久7| 久久人妻熟女aⅴ| 春色校园在线视频观看| 午夜福利网站1000一区二区三区| 国产黄色视频一区二区在线观看| 久久精品人妻少妇| 国产乱来视频区| 久久99精品国语久久久| 国产69精品久久久久777片| 中文欧美无线码| 国产乱来视频区| 国产精品偷伦视频观看了| 成年免费大片在线观看| 亚洲欧美精品专区久久| 嘟嘟电影网在线观看| 欧美日韩精品成人综合77777| 美女视频免费永久观看网站| 亚洲欧洲国产日韩| 亚洲人成网站在线播| 日韩不卡一区二区三区视频在线| av黄色大香蕉| 久久人人爽人人爽人人片va| 亚洲丝袜综合中文字幕| 精品一区在线观看国产| 欧美激情国产日韩精品一区| 亚洲av电影在线观看一区二区三区| 欧美变态另类bdsm刘玥| 国产精品爽爽va在线观看网站| 美女中出高潮动态图| 五月玫瑰六月丁香| 男女无遮挡免费网站观看| 国产精品三级大全| 国产成人一区二区在线| 国产免费视频播放在线视频| 在线天堂最新版资源| 日本欧美国产在线视频| 久久久久久九九精品二区国产| 狂野欧美白嫩少妇大欣赏| 男女边摸边吃奶| 人妻系列 视频| 欧美日韩在线观看h| 少妇人妻精品综合一区二区| 这个男人来自地球电影免费观看 | 久久韩国三级中文字幕| 人人妻人人澡人人爽人人夜夜| 丰满少妇做爰视频| 纵有疾风起免费观看全集完整版| 日韩一区二区三区影片| 观看av在线不卡| 高清毛片免费看| 国产成人91sexporn| 国产成人a区在线观看| 日本猛色少妇xxxxx猛交久久| 另类亚洲欧美激情| 啦啦啦中文免费视频观看日本| 国产在线免费精品| 日本一二三区视频观看| 久久精品人妻少妇| 久热久热在线精品观看| 美女国产视频在线观看| 一个人免费看片子| 久久久精品94久久精品| 国产成人一区二区在线| 天天躁日日操中文字幕| av在线蜜桃| 97精品久久久久久久久久精品| 国产精品偷伦视频观看了| 久久久久久久大尺度免费视频| 精品一区二区免费观看| 日韩电影二区| 超碰av人人做人人爽久久| 国产在线免费精品| 国产亚洲精品久久久com| 久久热精品热| 美女视频免费永久观看网站| 久久久成人免费电影| 一级爰片在线观看| 国产亚洲最大av| 十八禁网站网址无遮挡 | 国产v大片淫在线免费观看| 少妇被粗大猛烈的视频| 精品亚洲成国产av| 欧美另类一区| 九草在线视频观看| av不卡在线播放| 天天躁夜夜躁狠狠久久av| 啦啦啦在线观看免费高清www| 国产成人a区在线观看| 欧美国产精品一级二级三级 | 亚洲精品日韩av片在线观看| 中文字幕人妻熟人妻熟丝袜美| 一本—道久久a久久精品蜜桃钙片| 成人综合一区亚洲| 舔av片在线| 人妻制服诱惑在线中文字幕| 我要看黄色一级片免费的| 久久久亚洲精品成人影院| 国产无遮挡羞羞视频在线观看| 一区二区av电影网| 中文字幕久久专区| 色视频在线一区二区三区| 人人妻人人澡人人爽人人夜夜| 大香蕉97超碰在线| 久久久午夜欧美精品| 成人二区视频| 一级毛片 在线播放| 国产日韩欧美在线精品| 成人特级av手机在线观看| 国产成人freesex在线| 美女内射精品一级片tv| 91久久精品电影网| 免费看日本二区| 久久久久久伊人网av| 秋霞伦理黄片| 一级毛片久久久久久久久女| 亚洲av二区三区四区| 亚洲精品日本国产第一区| 高清黄色对白视频在线免费看 | 国产av一区二区精品久久 | 赤兔流量卡办理| 一区二区三区四区激情视频| 国产成人精品久久久久久| 日本黄色片子视频| 亚洲av男天堂| 国产精品人妻久久久久久| 国产免费视频播放在线视频| 成人毛片60女人毛片免费| 久久久久性生活片| 少妇人妻 视频| 日本欧美视频一区| 18禁在线播放成人免费| 九九在线视频观看精品| 亚洲欧美中文字幕日韩二区| 日本色播在线视频| 少妇精品久久久久久久| 久久影院123| 久久国产精品大桥未久av | 久久精品熟女亚洲av麻豆精品| 欧美日韩视频高清一区二区三区二| 免费av不卡在线播放| 欧美精品亚洲一区二区| 男女下面进入的视频免费午夜| 日韩视频在线欧美| 狂野欧美激情性xxxx在线观看| 免费大片黄手机在线观看| 亚洲av免费高清在线观看| 国产精品偷伦视频观看了| 精品亚洲乱码少妇综合久久| 国产亚洲最大av| 人人妻人人澡人人爽人人夜夜| 国产精品一区www在线观看| 美女主播在线视频| 亚洲第一av免费看| 舔av片在线| 大陆偷拍与自拍| 韩国av在线不卡| 亚洲伊人久久精品综合| 另类亚洲欧美激情| 一区二区三区免费毛片| 婷婷色麻豆天堂久久| av线在线观看网站| 日韩强制内射视频| 亚洲经典国产精华液单| 在线免费观看不下载黄p国产| 亚洲美女视频黄频| 国产精品国产av在线观看| 亚洲成人手机| 婷婷色麻豆天堂久久| 亚洲国产精品国产精品| 噜噜噜噜噜久久久久久91| 成人亚洲欧美一区二区av| 99热全是精品| 我的女老师完整版在线观看| 国产成人一区二区在线| 国内精品宾馆在线| 国产精品无大码| 日本欧美视频一区| 国精品久久久久久国模美| 交换朋友夫妻互换小说| 亚洲av不卡在线观看| 日本猛色少妇xxxxx猛交久久| 亚洲中文av在线| 熟女人妻精品中文字幕| 亚洲怡红院男人天堂| 久久久欧美国产精品| 国模一区二区三区四区视频| 国产黄色免费在线视频| 精品亚洲成国产av| 天美传媒精品一区二区| 日韩欧美 国产精品| 精品99又大又爽又粗少妇毛片| 亚洲欧洲日产国产| av天堂中文字幕网| 99热全是精品| 日韩三级伦理在线观看| 国产欧美亚洲国产| 国产黄色视频一区二区在线观看| 精品久久久久久电影网| 尾随美女入室| 日韩亚洲欧美综合| 免费播放大片免费观看视频在线观看| 赤兔流量卡办理| 插阴视频在线观看视频| 欧美日韩视频精品一区| 成年女人在线观看亚洲视频| 99久久综合免费| 亚洲真实伦在线观看| 久久久久久久亚洲中文字幕| 久久精品久久精品一区二区三区| 国产永久视频网站| 日日啪夜夜爽| 色视频在线一区二区三区| 1000部很黄的大片| 成年av动漫网址| 国产高清国产精品国产三级 | 青春草国产在线视频| 国产欧美另类精品又又久久亚洲欧美| 九草在线视频观看| 亚洲欧美日韩另类电影网站 | 国产久久久一区二区三区| 我要看日韩黄色一级片| 亚洲第一区二区三区不卡| 中文字幕制服av| 国产亚洲最大av| 成年美女黄网站色视频大全免费 | 久久精品久久久久久久性| 国产成人精品婷婷| 免费av不卡在线播放| 干丝袜人妻中文字幕| 久久久国产一区二区| 久久女婷五月综合色啪小说| 久久精品久久久久久久性| 国产国拍精品亚洲av在线观看| 人人妻人人澡人人爽人人夜夜| 美女高潮的动态| 中文精品一卡2卡3卡4更新| 国产白丝娇喘喷水9色精品| a级毛色黄片| 高清av免费在线| 欧美日韩综合久久久久久| 蜜桃亚洲精品一区二区三区| 一级毛片电影观看| 国产av码专区亚洲av| 中文字幕制服av| 亚洲av电影在线观看一区二区三区|