论文--基于神经网络的土壤全铁含量的高光谱反演建模研究.docx

基于神经网络的土壤全铁含量的高光谱反演建模研究目录摘要 1英文摘要 21引言 31.1研究背景 31. 2国内外研究现状 41. 3研究目的与内容 52高光谱遥感技术 62. 1高光谱技术的概述 62. 2高光谱技术在土地方面的应用 62. 3利用高光谱遥感获取土壤质量信息的方式和特点 73神经网络 83. 1人工神经网络简介 83. 1. 1人工神经网络的特点 83. 1. 2人工神经网络模型 93. 2反向传播（BP）网络 93. 2. 1BP网络的结构及确定 103. 2. 2BP神经网络中的常用形式 114 土壤数据获取及预处理工作 124. 1研究区概况 124. 2光谱数据获取及处理方法 134. 3光谱数据的获取 124. 4光谱数据预处理 144. 4. 1 影响因素分析 144. 4. 2预处理方法 144. 5光谱数据变换 154. 6 土壤铁含量光谱信息提取 174. 6. 1光谱反演指标选取 184. 6. 2异常样本的剔除 185 土壤全铁含量的反演建模 225. 1BP神经网络模型建立和结果分析 225. 2全铁含量实测值与反演值的比较 226结论与展望 316. 1结论 316.2展望 31参考文献 32致谢 32CONTENTSAbstract 1English summary 21 Introduction 31.1 Research backyard 31.2 comparing with foreign research 41.3 Research and content 42 Hyperspectral remote sensing 62.1 The overview of Hyperspectral remote sensing 62.2 Hyperspectral remote sensing in the application of soil 62.3 By spectroscopic remote sensing information for the quality of the soil andcharacteristic 73 Neural network 3.1 Artificial the nerve network profile 83.1.1The characteristics of neural network 83.1.2 Artificial the nerve network model 3.2 ANN 93.2.1 Bp structure and identify the network 93.2.2 Bp the nerve network the common form 104 Data and preparation work for the soil 124.1 the research section 124.2 Spectral data acquisition and processing 124.3 Spectrum of data access 134.4 preprocessing of near infrared spectroscopic data 144.4.1 MBBR 144.4.2 method of preparation 144.5 Spectrum of data varied 154.6 The iron content of the spectrum of information extraction 174.6.1 Spectrum parameter inversion 184.6.2 The abnormal samples 185 The iron content of soil inverse modeling 225.1 The BP neural network model and analysis of the results 225.2 The content of the iron values and the comparison of inversion 226 Conclusion and prospect 316.1 conclusion 316.2 prospect 31References 32Thanks 33基于神经网络的土壤全铁含量的高光谱反演建模研究2006级测绘工程一班 指导老师柏超 李西灿【摘要】随着现代农业的发展和人地矛盾的日益突出，对土壤信息获取提出了新的要求。

高光 谱遥感凭借其极高的光谱分辨率在岩石矿物、土壤、植被等领域得到越来越多的应用就土壤 而言，铁作为农作物中的微量元素，对作物的生长发育起着重要的作用，利用土壤的高光谱信 息快速反演土壤中的全铁的含量必将为农田土壤的科学管理及精确农业提供依据本文利用横 山县土壤的室内光谱，对数据采用2 = 10的一阶微分方法进行处理，并剔除不合理数据，运用 BP神经网络法研究了土壤中的全铁含量与高光谱之间的关系，并建立相应的反演模型所建模 型中隐含节点1层5个、2层4个的BP神经模型较为理想，反演值|e%|平均值为3.83%,反演 值 e%最大值为 14.51%, RMSE=1216. 86关键词】高光谱；土壤全体含量；BP神经网络Based on neural network of soil iron content of hyperspectralinverse modeling studySurveying and Mapping Engineering of 2006： Bai ChaoThe instructor： Li XiCan[Abstract] With the development of modem agriculture and human land conflicts have become increasingly prominent, access to information on soil made new demands. Hyperspectral remote sensing, with its high spectral resolution in the rock minerals, soil, vegetation and other areas to be more and more applications. The soil, the crop in the trace elements iron, as, for crop growth and development plays an important role, use of soil rapid inversion of high spectral information in the soil content of total iron bound to the science of soil management and precision provide the basis for agriculture. In this paper, the soil of indoor Hengshan spectrum, the data used in the first derivative method of treatment, and remove unreasonable data, the use of BP neural network of the soil and high total iron content of the relationship between the spectrum and to establish appropriate the inversion model. The model of a layer of 5 hidden nodes, two layers 4 of the BP neural model ideal, inversion value | e% | 3.83% average for the inversion value of e% max 14.51%, RMSE = 1216.86.[Keywords 】 Hyperspectral; soil of all content; BP neural network1引言1 - 1研究背景土地是国之根本，而土壤做为土地资源和农业生产的主要物质基础，是人类生 存环境的重要载体，具有不可再生性和有限性。

自20世纪中期以来，随着世界范 围内的人口一资源一环境之间的矛盾越来越严重，土地退化（如土壤侵蚀、土壤肥 力下降，灌溉渠盐渍化，森林、草地的生产力下降等）问题愈加严重，土地质量问 题也成为各国政府和学者所关注的热点问题并且人类的生存需要刺激农业生产的 高速发展，然而，在我国却大多是粗放式用地，不计长远，以牺牲资源与环境为代 价换取发展现在国际社会已经清晰地认识到不合理利用土地资源所带来的土地退 化、荒漠化、生态环境恶化等问题的严重性，从而如何解决上述问题已成为推动农 业技术创新、实现农业可持续发展的重要驱动力精确农业是在获取农田小区作物产量和影响作物生长的环境因素存在的空间 与实践差异性信息的基础上，按照田间操作单位的具体情况和条件，精细准确地调 整各项土壤和作物管理措施，最大限度的优化使用各项农业投入，以获取最大经济 效益，同时达到保护农业生态环境，保护土地等农业自然资源的结果，使农业可持 续发展精确农业是解决人地矛盾的有效途径之一农业资源信息和农情信息是精 确农业的基础信息，也是解决精确农业效益的关键土壤作为农业生产的主要对象 之一，了解其理化特性并据此进行农业生产管理是保证农业稳产高产优质高效的重 要前提。

如何在有限时间里获取所需的土壤信息成为土壤工作者面临的重大课题 传统的调查方法因其费时、费力、费钱而显示出不符合现代农业生产（特别是精细 农业）特征的局限性20世纪20年代来，随着遥感技术的形成与发展，特别是20 世纪60年代以来现代遥感技术的发展及80年代以来高光谱遥感技术的产生和逐步 成熟，其获取数据的时效性、大面积同步性及波谱特性使遥感技术在农业中得到广 泛的应用，并逐步成为精确农业技术体系中快速获得田间数据信息的重要工具高光谱遥感是利用多波段的电磁波从物体中获取有关数据，相对于多光谱遥感 来讲，高光谱遥感的波段划分更窄，能获取更多的窄波段的光谱信息，产生一条完 整而连续的地物光谱曲线高光谱遥感己经受到国际遥感学术界的普遍重视，代表 了遥感定量化发展的研究方向：通过实验的或物理的模型将遥感信息与观测目标参 量联系起来，将遥感信息定量的反演或推算为某些地学、生物学及大气等观测目标 参量，具壤理化胜质中土壤水分、有机质、铁的氧化物、土壤质地等诸多因素对土 壤光谱有明显的影响，通过分析理化性质和土壤光谱之间的关系，建立反演模型， 从而达到监测和评价土地质量的目的1.2国内外研究现状在土壤特性分析中的研究中，高光谱的获取主要有三种途径：实验室光谱测定、 野外手提式光谱仪测量以及航空成像光谱仪数据获取。

实验室土壤光谱测定是在一 定的条件下进行，是可以控制的；室外光谱测定会受到诸多因素的影响，尤其是航 空成像光谱仪数据的获取土壤本身是一种复杂的和混合物，它是由物理和化学性 质各不相同的物质所组成，这些不同理化特征的土壤成分及其质地和结构决定了土 壤的类型及其光谱特征归纳起来，土壤的光。