基于反射光谱特性的土壤分类研究

作     者：刘焕军 张柏 张渊智 宋开山 王宗明 李方 胡茂桂 LILT Huan-jun;ZHANG Bai;ZHANG Yuan-zhi;SONG Kai-shan;WANG Zong-ming;LI Fang;HU Mao-gui

作者机构：中国科学院东北地理与农业生态研究所吉林长春130012 中国科学院研究生院北京100039 香港中文大学太空与地球信息科学研究所中国香港新界沙田 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2008年第28卷第3期

页      面：624-628页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 090301[农学-土壤学] 

基　　金：国家自然科学基金项目(40401003)资助 

主　　题：反射光谱 土壤分类 去包络线 高光谱 

摘      要：选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进行土壤分类的可行性。结果表明:(1)包络线去除后的曲线使土壤可见光近红外波段的吸收特征显著增强;农安县不同土壤在400～2500nm范围内主要有5个光谱吸收谷,前2个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的,后3个是土壤水分吸收光谱能量引起的;不同土壤类型反射光谱的差异主要表现在前2个吸收谷。(2)由于输入变量的选取客观准确,基于前2个吸收谷形状特征的BP神经网络模型的土壤分类精度显著优于以反射率或5个吸收谷形状特征为输入变量的模型,可以用于土壤分类。