摘要
通过高光谱技术获得的光谱信息与化学法测得的氮素含量相结合,对几种预处理方法:S-Golay平滑滤波、小波去噪、多元散射、微分处理进行比较分析并探讨BP神经网络在高光谱检测土壤氮素信息领域应用的可靠性,经过实验证明通过S-Golay平滑滤波和一次导数的预处理方法较优而BP神经网络是一种土壤氮素预测效果较好的建模方法。
引文
[1]陈红艳,赵庚星,李希灿,等.小波分析用于土壤速效钾含量高光谱估测研究[J].中国农业科学,2012(7):1425-1431.
[2]刘彦姝,潘勇.基于SVR算法的林地土壤氮含量高光谱测定[J].生态科学,2013(1):84-89.
[3]卢艳丽,自由路,王贺,等.利用光谱技术检测土壤主要养分含量潜力分析[J].土壤通报,2012,43(3):757-759.
[4]于士凯,姚艳敏,王德营,等.基于高光谱的土壤有机质含量反演研究[J].中国农学通报,2013(23):146-152.
[5]沈润平,丁国香,魏国栓,等.基于人工神经网络的土壤有机质含量高光谱反演[J].土壤学报,2009(3):391-397.
[6]李硕,汪善勤,张美琴.基于可见-近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究[J].光学学报,2012(8):297-301.
[7]刘雪梅,张海亮.基于遗传算法近红外光谱检测土壤养分的研究[J].灌溉排水学报,2013(32):138-140.
[8]周浩.土壤有机质含量高光谱预测模型及其差异性研究[D].浙江大学,2004.