空间显式估计农业土壤的粘土和有机碳含量使用多动物成像光谱数据类

文摘

土壤粘土和有机碳含量的信息在一个地区当地规模是至关重要的土壤保护等多种原因,精准农业,也可能在全球环境变化的背景下。本研究的目的是评估的潜力多动物与HyMap传感器所获得的高光谱图像类三个飞行活动期间(450 - 2480 nm)在2004年,2005年和2008年预测的粘土和有机碳含量对耕地利用偏最小二乘回归(PLSR)。补充、实验室反射测量标准化的条件下获得。实验室光谱产生预测误差在19.48和35.55 g公斤之间⁻¹粘土和1.92和2.46 g公斤⁻¹有机碳。估计错误与HyMap图像光谱范围从15.99到23.39 g公斤⁻¹粘土和1.61到2.13 g公斤⁻¹有机碳。比较不同年的参数预测证实了模型的预测能力。双向反射效果增加模型中的错误的重叠相邻飞行带3倍,但拨款预处理方法可以减轻这些负面影响。使用多动物图像数据类、土壤参数映射可能会陆续补充。他们是作为模范地显示在预测精度和图像数据提供领域特定的信息来源。

1。介绍

土壤是至上,风化层的地壳岩石圈的接口形式,生物圈、水圈和气氛。因此,它作为一个主要的可用资源的人必须保护高优先级(1]。粘土和有机碳与土壤两个关键属性,因为他们很多好处有助于其物理、化学和生物性质如土壤结构、土壤持水量和土壤肥力。此外,质疑有限公司₂可以隐藏在农业土壤,到什么程度,在这种情况下2),大大增加了兴趣估计土壤有机碳储量(例如,3- - - - - -5])。然而,监测土壤养分供应,退化状态,或土壤有机碳储量需要信息属性在大面积高空间分辨率。重复的速度将取决于这个问题考虑。在任何情况下,传统的土壤采样策略遭受缺乏提供数据的空间和时间分辨率高的昂贵,劳动密集型和耗费时间。

替代标准分析方法,可见光和近红外反射光谱(VNIRS)已成功利用各种土壤特性的定量分析在实验室多年以来(例如,6- - - - - -11])。由于粘土矿物的光谱特征(12,13和有机碳14),很有可能为他们的预测与合理良好的反射光谱精度。然而,交互与其他土壤特性如铁或砂可以减少预测精度15]。

与给定的空间分辨率成像光谱测量表面反射率在区域范围内,而不是一个点,因此,提供一个机会为土壤特性的空间明确的体现。早期的研究对土壤粘土和有机碳含量克鲁格发表。16),Chabrillat et al。17],Ben-Dor et al。18]。同时,其他研究已经证明了成像光谱检索定量信息的潜在土壤粘土或有机碳含量(例如,19- - - - - -21])。但研究的数量仍然有限,许多问题仍然未得到解决包括辐射校准的传感器和大气的影响22),变量含水量(23),散射的影响广泛的视野传感器(20.),或植被24,25]。后者的一个主要因素阻碍了估算土壤特性对农田耕地被作物覆盖今年大部分时间由于栽培实践。Siegal和Goetz24)报道,已经有10%的绿色植被可以掩盖得面目全非矿物质的吸收特征。根据他们的研究结果,干植被不会改变矿物的光谱特征,但只有影响反照率。墨菲和一沓26]的结论相反的短波红外地区不同土壤类型和地形的研究。这些发现是墨菲(批准27)研究植被对土壤矿物质的吸收特性的影响接近2200海里。Bartholomeus et al。28)和Ouerghemmi et al。29日)表示,预测错误粘土和有机碳含量逐渐减少,植被超过5到10%。不同的策略已经发展的负面影响占植被对土壤参数估计。Bartholomeus et al。30.]表明,几种光谱指数的组合可以降低土壤含铁量的估计错误部分植被地区的具体情况。罗杰和Cudahy31日)成功地引入了一个植被纠正连续深度(VCCD)方法去除,或否定,植被的模糊效果。但研究Lagacherie et al。22和戈麦斯等。32)透露,除连续分析显然是不如VNIRS的PLSR方法定量分析。除此之外,VCCD只适用于在2200纳米吸收带的典型Al-OH轴承等矿物粘土但不能采用有机碳含量的预测。基于光谱分离的方法是利用Bartholomeus et al。28)来消除植被的影响从混合像素的光谱反射部分覆盖玉米地里来估计土壤有机碳浓度。他们的方法本质上取决于成功的分离结果的质量可能恶化的光谱变化研究区增加。Ouerghemmi et al。29日]探索“盲源分离(BSS)算法分离土壤信号从混合表面植被和土壤。他们与这个过程产生准确的预测40%的测试用例。问题是如果遇到植被超过50%。此外,他们包容,更好的理解的行为所需的BSS算法提高土壤中提取信号的选择过程。一个完全不同的方法是通过Kooistra et al。33)用草反射率代表土壤金属浓度的估计。然而,最常见的应用策略,可能最可靠的预测精度,是裸露的土壤参数的估计的限制(例如,22,32,34])。农田的这种方法的主要缺点是明显的损失比例的耕地进行参数估计。这可能是补偿如果几个图片在不同年的一个研究领域进行了分析。参数估计会因此不再局限于少数领域自由的植被,但允许逐步完成土壤地图区域范围内的农田。应用这种方法,必须特别注意土壤参数的时间变化的兴趣。而粘土含量或土壤粒度分布不会改变很多在一个十年(35]除了运输和沉积大量的土壤颗粒主要侵蚀事件期间,土壤有机碳受季节和年际变化主要是由温度和土壤水分控制(例如,36- - - - - -38])。Leinweber et al。36]报道明显季节性变化在耕地表层土壤有机碳含量在2.40和4.30 g公斤之间⁻¹每周,测量从4月到9月。最独特的是6月和8月之间下降。Rogasik et al。39]显示差异0.40 g公斤⁻¹和1.15 g公斤⁻¹有机碳尽管他们的测量进行了每月从11月到4月。每年测量表层土壤有机碳含量超过20年年际变化假设是相同的订单比季节性变化和1.94 g公斤之间⁻¹和4.40 g公斤⁻¹(40,41]。绝对数量的变化随治疗、作物耕作强度和类型的垃圾。

本研究的目的是调查潜在的成像光谱空间明确的估计的两个重要的土壤成分、粘土和有机碳,农田使用多元校正通过评估多动物高光谱图像数据类。这,据我们所知,到目前为止没有做。澳大利亚传感器HyMap三组图像数据,获得2004年HyEurope活动期间,2005年,到2008年,探索通过偏最小二乘回归(PLSR)和参考2006年竞选期间收集的数据字段。尤其是纸地址(i)与泥土面积百分比的增益参数估计,(2)通过比较预测模型精度的验证不同年邻飞行带的重叠和附加与主要的共同实践验证有限数量的参考样本,和(3)双向影响模型预测的潜在影响和可能性来减轻这些影响。图像数据分析之前,实验室光谱测量在标准条件下进行调查,以确保可靠的化学和光谱性质之间的关系。这不仅允许实验室之间的直接比较数据和图像数据还在实验室模型和图像模型之间。此外,知识能获得可能的预测能力和模型校准数据范围之外的行为。

2。材料和方法

2.1。研究网站

研究区是DEMMIN的试验场(持久的环境多学科监测信息网络)位于德国东北部的低地(左上角:54°2′54.29′′N, 12°52 17.98′′′E,右下角:53 45°40.42′′′N, 13°27′49.45′′E)。测试网站是一个集中使用农业生态系统主要种植冬季谷物(大约60%)和根作物(大约13%)。大约25%是种植草地和牧场。北方的地势很平坦但丘陵起伏的南120米的高度的范围。显著的差异母质和救援造成高空间变异性在一些地区的土壤类型。持平,略有起伏的平原的特点是沙富裕地区和广泛的地区,冰碛物。由始成土砂富裕地区,淋溶土,Albeluvisols。淋溶土、Albeluvisols Stagnosols进化冰川的钱柜贫穷在壤土和粘土砂但比比皆是。土壤在丘陵地形往往截断和冰碛物塌积沉积物积累了在斜坡的底部。主要用作草原的泛滥平原的特点是泥炭土壤(42]。该地区的长期平均温度约8°C (281 K)的年降水量500 - 600毫米增加从东南到西北(43]。这里的研究主要集中在东部的测试网站由于覆盖的高光谱图像数据(图1)。

2.2。土壤采样和分析

135年农田的土壤样本收集DEMMIN竞选2006年9月(图上1)。获得一组代表性的区域的土壤样本,抽样网站预选的帮助下现有土壤地图和数字地形模型。这些被与高光谱图像数据可以在这一次(2004、2005),以确保vegetation-free字段的发生在这些图像与参考样本。最后,他们适应现场条件是否适当。总共14个领域抽样横跨约22公里的南北方向和东西方向8公里。八大领域是集中取样(6 - 43分字段)。从6进一步字段,样本2到5的位置。领域内相邻采样点之间的平均距离约为138米到743米的最大值。描述样本的空间分布主要是由土壤设置测试网站的特点是广泛的桑迪和肥沃的土壤,和不同的但规模较小的地区肥沃的和重粘土土壤。结合飞行窗口,土壤富于粘土和有机碳只能包含在参考数据抽样单字段。

土壤样本取自顶部5厘米的土壤内半径2米。采样点的地理坐标测量使用差分全球定位系统的精度小于1米。在18个采样点,5 2米半径内采集标本和分析在实验室评估的误差采样策略和应用于了解的可能影响二次抽样(44]。我们估计的标准误差采样(SES)使用以下方程从Lozan Kausch [45]: 在哪里是测量值,是样本的数量在每一个点,采样点的数量,样品分析的总数。

粒度分布(g公斤⁻¹],碳含量[g公斤⁻¹],总铁[g公斤⁻¹),分析了土壤酸度(pH)由中央农业景观研究中心的实验室(ZALF)使用风干样品。粒度分布决定使用一个筛分(分数0.063 - 2毫米)和吸管(分数< 0.063毫米)分析。碳的总量(TC)是由干式燃烧分析仪(从LECO CNS2000)使用一个元素。分析了无机碳含量(IC)测量体积的变化与磷酸分解期间使用Carmhomat 12 d。有机碳含量(OC)然后计算是TC和IC。铁含量之间的差异是由用王水溶解。土壤酸度TitraMaster85被辐射计测量分析。实验室的标准误差(SEL)土壤粘粒含量为5.0 g公斤⁻¹。分析技术测定TC和集成电路的选取0.17 g公斤⁻¹和2.88 g公斤⁻¹,分别。

2.3。光谱测量

2.3.1。实验室光谱

从所有土壤样品使用获得的光谱测量ASD光谱仪FieldSpec专业涵盖整个光谱范围从350到2500纳米。ASD的固定频谱采样间隔1.4 nm的可见光和近红外部分的频谱(350 - 1000 nm)和2 nm短波红外(1000 - 2500 nm)半极大宽屏(应用)的3和10 nm,分别。所有测量都用裸露的纤维和无foreoptics (25°FOV)相对于一个标准化spectralon面板。1000 W钨灯作为光源照射目标的入射角30°。在测量之前,所有土壤样品停飞砂浆,通过2毫米筛减少各向异性光散射。标准化的湿度,烘干的48 h在105°C (378 K)。

平均土壤的光谱探测器的测量系统集成时间收集的每单100扫描光谱。噪声去除和平滑完成使用Savitzky戈利过滤器(46]在IDL中实现[47]。

2.3.2。成像光谱

高光谱图像数据从测试网站DEMMIN收购澳大利亚HyMap传感器安装在Dornier 228架飞机和塞斯纳208 B在三HyEurope飞行活动。HyMap机载成像光谱仪记录反映美128年乐队从450年到2480纳米波长范围的光谱带宽(应用)15 - 16 nm 450至1900 nm和18 - 20 nm)在1950到2480纳米之间。传感器的视场(FOV) 60°512像素在轨道方向。瞬时视场(IFOV)是2.5 mrad沿着轨道和2.0 mrad轨道。对发生在2004年8月9日,2005年5月27日和7月29日,2008年的平均飞行高度约2000米的空间分辨率m²(表1)。在每一个活动,七到十条长度约16公里的晴空条件下获得²占地约200公里,260公里²,分别。

辐射校准HyMap数据进行机上使用参考地面测量[48]。大气校正和转换at-sensor光芒的反射值是使用ATCOR-4软件来完成48,49]。在最后一步中,数据是几何纠正的一个通用的邻位的图像处理器(50]。

为每个采样点,HyMap光谱提取使用的窗口像素为中心的像素坐标最接近图的位置。这九个光谱的平均值被用于进一步的统计分析。

2.4。光谱预处理

实验室光谱被重新取样符合HyMap传感器的光谱分辨率。由于每年由HyVista HyMap传感器的校准,细微的差别在中心波长和带宽的应用)之间发生在年。获得光谱一致性、实验室光谱和图像光谱从2004年和2008年的飞行活动调整到2005年HyMap传感器的配置。几个应用了光谱转换。吸光度是计算以10为底的对数逆反射。第一和二阶导数的吸光度计算后Savitzky戈利方法基于多项式包括5数据点的每个点的过滤器。乐队容易噪声统计分析之前就被淘汰了。波长移除位于两侧的水吸收带附近1400 nm和1900 nm和500 nm和2400 nm以下。

2.5。统计分析

多种统计方法包括主成分分析、多元线性回归,人工神经网络,或者回归树,用于从光谱数据与不同土壤参数的量化成功(例如,10,19,51- - - - - -53])。偏最小二乘回归(PLSR)已经被许多作者和橡皮好效率定量光谱([11),表1)。PLSR建立的线性回归模型预测变量投影到一些所谓的潜变量或因素考虑,和预测变化的响应。这样,传统的多元线性回归建模的两个问题是有效处理:多重共线性和变量选择。然而,选择最优的是请建模中的一个关键因素。他们决定应用分析交叉验证方法校准的数据集,选择最低的模型Akaike信息准则(AIC)。而不是使用RMSE作为选择标准,AIC还集成了样本的数量和数量请因素避免overfit模型更有效。统计分析的光谱进行了使用就算软件(54)实现正交PLS回归- variable Martens和Næs后(55]。数据集被随机分成校正集和验证集。大约两个第三是用于校准。剩余的样本保留从模型校准和使用作为一个独立的验证数据集。如果可用的样本总数还不到30岁,不单独进行验证,但仅仅通过交叉验证评估模型的准确性。校准和验证数据方案详细描述部分3.5。1。

模型的性能评估是由计算确定系数(),标准误差的校准(SEC)和验证(SEP)的标准误差。后者是由以下方程: 在哪里和样本的预测和观察到的值吗和样品的总数在验证数据集。SEC计算相同的方式,但另外考虑请因素模型中使用的数量。作为一个独立的模型精度,性能比偏差(RPD)计算参考样本的标准差除以通过9月(56]。如果没有独立的执行验证,模型的预测能力的信息可以通过计算检索SEC和标准差的比值(SD)的校准数据集(SD /秒)。对于每个模型变量,在投影重要性(VIP)和pls回归系数(系数)进行了研究,确定重要的波长在模型校准和评估他们的选择对感兴趣的参数的吸收特性。

比较参数预测年之间,根均方误差进行了计算。它是由方程给出 在哪里和预测的像素值吗在数据集在数据集,是像素的总数。

3所示。结果与讨论

3.1。土壤样本描述性统计

土壤质地分析揭示了粉沙,壤质砂土、砂质壤土的土壤测试网站DEMMIN与一些样品代表粘质壤土和纯粹的金沙。粘土的最小数量是36.53公斤⁻¹和最大是329.47 g公斤⁻¹。沙子,淤泥内容范围从380.17到899.62 g公斤⁻¹,从61.93到395.67 g公斤⁻¹,分别。所有样品的有机碳范围是4.31到24.79 g公斤⁻¹但是75%的样本显示OC浓度小于11.62 g公斤⁻¹。无机碳含量通常很低但是几件样品功能集成电路内容高达10.79 g公斤⁻¹(图2)。这可能是由于当地的地质,也就是说,碳酸盐的发生直到丰富,或石灰在农业领域。相关矩阵显示部分高土壤化学和物理参数之间的相互关系。粘土和铁含量之间存在高度正相关()。一个合理的关系被发现粘土和OC。高负依赖性的沙子分数之间存在的土壤和淤泥和粘土。之间的负相关性也遇到了沙子和OC和沙子和铁(表2)。

土壤的物理和化学特性的样本测试网站DEMMIN表现出典型的属性的农业土壤耕地在德国东部北部[57]。对OC,此外类似腐殖质条件大多数农田在德国(58),但也部分中欧农业地区(例如,34])。

在18分5倍抽样的调查结果显示,由于二次抽样应用采样策略和差错导致略高不确定性分析结果的粘土(7.97 g公斤⁻¹)和TC (0.69 g公斤⁻¹)比预期的标准误差的实验室。测量误差为0.43 gkg IC账户⁻¹。这个结果是在冲突与选取IC很高(cf部分2。2)。它允许有效的标准分析错误的假设样本的OC DEMMIN不是高达的总和的标准错误TC和集成电路,也就是3.05 g公斤⁻¹但接近1.12 g公斤⁻¹。

3.2。光谱数据质量

光谱数据的质量获得通过实验室测量和HyMap成像光谱仪被策划评估视觉的反射率和一阶导数土壤的反射探测及其对应的采样点。图3显示的光谱信号测量技术为砂壤土为10.4 g OC公斤⁻¹。采样点的最大反射率变化在24%和34%之间,以防HyMap成像光谱仪和FieldSpec Pro,分别。高反射率的实验室测量可能是由于烘干土壤样品的土壤水分减少了反射在整个波长范围(例如,59])。土壤粗糙度也可减少反射,是减轻筛选样品在实验室测量。尽管绝对反射率的差异,曲线在形状是相似的。都表现出明显的吸收特性接近2200海里。不那么明显,可以观察到更广泛的吸收特性接近500 nm和650 nm)清楚地显示的一阶导数。的一阶导数光谱反射率透露一些差异接近880海里,1400 nm和1900 nm左右,和2350海里。偏差在1400 nm和1900 nm)可能造成的大气水的吸收。据推测,附近880海里差距也与大气扰动因为一个小小的水吸收带发生近900海里(14]。细微的差别在2350海里可能不同表面条件的结果在实验室和领域这样的弱吸收特性不明显由于其他因素干扰。

3.3。图像数据质量

大气的质量纠正HyMap图像从2004年开始,2005年和2008年在两个方面评估。首先,不同年份的一般HyMap收购之间的一致性评估。这样做是通过比较均值图像光谱相对同质的具体地区彼此间和野外光谱测量从2004年8月。的整体形状反射曲线的三种不同的年是在良好的协议。略有下降在短波红外反射率区域观察到光谱从2005年和2008年与2004年相比,而在可见光和近红外区域最高反射率光谱从2008年。但是除了一些小偏差,所有光谱范围内的标准差ASD野外光谱测量(图4)。第二,图像之间的相对大气校正精度条每年的评估。相同的图像像素的光谱(在给定的几何精度)相邻图像重叠的提取。土壤表面的比例相应的光谱和前跑道作为波长的函数图所示5。有一个很好的比赛跑道在所有年,2005年和2008年的土壤表面。预期内的0.95倍是大气校正精度包括未成年人在最佳的照明条件下的影响。增加噪声低于0.5μ2.4米以上μm是归因于HyMap传感器的低信噪比在这些光谱区域。工件在1.4附近μm和1.7到1.9μm是欠大气水吸收带。2004年土壤光谱的低比率表明显著差异在整个表面反射的类型和系统发生在所有飞行带的重叠。图像采集参数表1表明高太阳能天顶和小型太阳能方位在飞行航向促进双向影响的外观粗糙土壤表面在2004数据集。这证实了是一个across-track亮度梯度发生在今年所有的场景(大气校正后48]。比较规模的地形图1:25.000显示绝对的几何精度小于25米。之间的相对几何精度的图像数据年相当于两个像素或方向,也就是说,8米。

3.4。准备空间图像数据显式参数估计

在欧洲中部的农业地区,裸露的土壤是只在早春时遇到的字段是准备播种甜菜、玉米、土豆、或夏季粮食,在夏末在采摘和苗床准备冬季谷物(如冬大麦,冬小麦)。减少植被的影响或从分析因此不包括植被光谱方法的成功应用的先决条件。在初步研究中,道奇乐团等。60]表明,植被光合作用活跃,中非光合植物,和裸露的土壤可以通过植被指数、纤维素吸收指数(CAI) [61年,62年),和归一化植被指数(NDVI)。他们获得更好的结果在AVIRIS数据与指标的组合而不是光谱分离。在目前的研究中,采用这种方法来识别领域与裸露的土壤和植被面具像素信号图像数据分析。指数计算了所有HyMap图片使用波长附近的680和800海里的NDVI和波长接近2000,2100和2200 nm蔡。绿色干燥植被阈值确定交互和知识基础,并设置为0.2归一化植被指数和−1为CAI−2.5。土壤质量的面具是评估使用200个地面实况地区感兴趣的随机分布在农业面积相等的部分分为植被和土壤裸露。基于像素的分类评估知识的帮助下相应的图像光谱。几乎没有误解为像素分类为植被。分歧在土壤类大多是新兴绿色植被相关的一些地面实况显示区域附近的一个小但是离散吸收功能680海里但NDVI值低于阈值。精度统计显示生产商的准确性为99%,84%,86.1%和98.8%的用户的准确性对植被和土壤,分别。 The kappa coefficient was 0.83 indicating a good overall agreement for the two observed classes.

最多8.21%的面积由HyMap场景从2005年5月免费检测植被运用CAI和归一化植被指数阈值相结合。数据集从2004年8月和2008年7月,只有2.2%和1.29%的总图像区域被确定为裸露的土壤和表层土参数估计(表可用3)。自从2008年总HyMap图像覆盖面积的数据超过了2004年的总覆盖面积大约三分之一,图像像素的绝对数量用于图像数据分析是在同一个维度。

在图6,CAI策划反对NDVI对所有135个采样点来自HyMap三年的图像。2005年,六十七个采样点位于字段没有植被。剩余的六十八点是位于字段与绿色植被NDVI值高于0.6所示。分别在2004年和2008年,只有20个和11个采样点的光谱信号暗示的出现裸露的土壤。除了几个数据点与NDVI值较高,大部分采样点表现出归一化植被指数小于0.2但CAI值高于零界:不进行光合作用的明确证据,干燥的植物。由于图像数据采集的时间,这些领域仍与衰老作物生长或覆盖着茬口收获后保持一个字段。

3.5。模型校准和验证

3.5.1。校准和验证方案

校准和验证方案建立了关于可用性HyMap vegetation-free参考点的数据从2004年开始,2005年和2008年。总共三个校准数据集生成。第一个包含20中已确定的抽样点的光谱图像数据从2004年(Lab_2004 HyMap_2004)。第二个校准集包含38 67 vegetation-free光谱图像数据从2005年(Lab_2005 HyMap_2005)。第三个由11光谱与vegetation-free采样点对应的图像数据获得了2008年的飞行活动期间(Lab_2008 HyMap_2008)。实验室光谱,每个校准模型验证与其他实验室光谱扣留在校准期间,115年,97年和124年。的校准与38土壤光谱数据集,一个额外的验证了利用只有29个样品是位于字段与裸露的土壤图像数据从2005年(Lab_2005b)。验证HyMap模型仅限于交叉验证的HyMap_2004和HyMap_2008模型由于缺乏vegetation-free参考点。此外HyMap_2005模型验证和29个样品进行校准时不习惯。描述性统计的校准和验证数据集表进行了总结4。作为抽样进行了系列的平均within-field相邻采样点的采样距离138米,验证不能被认为是完全独立的校准数据,因为空间自相关。不管如何选择验证子样品,这可能导致过高的模型的预测精度特别是未取样的字段(63年]。

除了卡尔与38岁和29个样品/ val配置,数据范围和标准偏差的校正数据集验证数据集相比小得多。大部分的光谱研究,验证在执行数据类似的数据范围校准数据集或仅仅通过交叉验证模型有效性是限制数据范围覆盖在校准。这里,选择评估模型的描述过程性能校准数据范围外,因为土壤特性的测试站点DEMMIN不充分所代表的少数vegetation-free采样点在图像数据集。

3.5.2。实验室光谱

表5总结了PLSR模型的校准和验证统计预测的粘土和有机碳含量。测试不同预处理方法表明,吸光度或一阶导数吸光度给最好的预测结果。校准数据集与更多的样品一般产量更高低标准误差的校准(SEC)比模型更少数量的样本。粘土,从0.70到0.90不等。SEC Lab_2005_Clay模型中的最低(17.42 g公斤⁻¹Lab_2008_Clay模型)和最高(35.68 g公斤⁻¹)。标准错误的验证(SEP)变化从19.48到35.55 g公斤⁻¹。策划来衡量预测粘土内容揭示了一个密切的关系和均匀分散在1:1线Lab_2005_Clay模型验证与29日和97个土壤样本(图7)。Lab_2004_Clay模型,测量和预测的值通常是在良好的协议但土壤有超过200 g公斤⁻¹粘土,其中没有一个是包含在校准数据集,略有高估了。样本显示一个系统的线性偏移量从1:1线。然而,偏差是在误差方差的验证数据集。校准模型与最小数量的样品(Lab_2008_Clay)引起的大偏差的一些验证样品少于200 g公斤⁻¹粘土,但预测粘土肥沃的土壤不错误(图7)。

校准基于至少20个样品有RPD值明显高于2,说明优秀的预测模型。他们可以分配给组Chang的分类等。56]。减少样本的数量只有11光谱校准数据集,结果在预测能力的RPD 1.86。这样的模型属于B组和可能由不同的校正策略改进56]。类似的结果在粘土从实验室光谱报告的预测,例如,从极冰原et al。64年),常et al。56],Cozzolino和白痴65年]。后者进行了交叉验证与改进的PLSR方法从乌拉圭土壤和光谱实现值为2.7(标准误差的标准差比交叉验证)。极冰原et al。64年)测试了四种不同整地技术包括风干地面样品来自德克萨斯州,取得与PLSR RPD值在1.95和3.51之间。主成分回归和交叉验证被常应用等。56]。他们获得一个RPD 1.7。与我们的工作相比,粘土的范围内容的校准和验证数据集的研究都是类似的。粘土浓度的小范围的土壤样本标定数据集不同从40到220 g公斤⁻¹粘土几乎影响了我们的模型的有效性甚至对于粘土含量较高的样品。但数量非常小的样本阻碍生成固体粘土含量的校正模型预测使用VNIR光谱学。

值的PLSR模型有机碳之间的范围从0.51到0.88秒1.11和2.36 g公斤⁻¹。9月1.92和2.46 g公斤之间的不同⁻¹。最好的结果再次实现提供38个样品的校准数据集(Lab_2005_OC)最高和最低标准错误。校准模型有机碳表现出类似的预测能力的粘土。的最大标准差比率2.67秒是Lab_2005_OC模型和最小1.34 Lab_2004_OC模型。粘土的预测相比,数据点的分布验证数据集的散点图(图显示更少的精确模型8)。一个好的协议是实测值和预测值的观察值的验证数据集Lab_2005_OC模型样本小于15.0 g公斤⁻¹OC。浓度较高的样品展示低估的一种趋势。验证模型与20个和11个校准样品显示的各种测量和预测情节似乎和高有机碳含量增加。这一预测精度下降反映在RPD值低。除了Lab_2005_OC模型有RPD接近2或以上2,所有模型都必须分类在B组的分类Chang et al。56]。OC的精度获得我们的研究是在以前的作者(例如,获得的精度(34,51,66年])。史蒂文斯et al。34),例如,生成一个PLSR模型与117年比利时农田土壤样本和RPD 2.11洛林。Volkan Bilgili et al。66年]几个32公顷的土壤属性预测领域其中土耳其北部的土壤有机质(SOM)。在他们的研究中,一个更高的数据范围的验证数据集(3.9 - -68.7公斤⁻¹SOM)比校准数据集(5.0 - -33.8 g公斤⁻¹SOM)没有导致模型的预测能力下降,也为PLSR (RPD: 1.93)也与多元自适应回归样条函数(火星)(RPD: 1.90)。这可能是由于大量的样本的卡尔/ val集(153/359)。

HyMap重采样实验室光谱,光谱分辨率只有影响预测精度的粘土和勤杂人员的预测精度上有机碳(结果未显示)。同样,戈麦斯et al。21]报道小对预测精度的影响,重采样光谱Hyperion决议。

变量重要性的投影(VIP)和pls回归系数(系数)提供的重量信息PLSR模型中的变量(波长)。大系数表明波长相关的建模(土壤参数)。高贵宾值指出波长至关重要的建模,和(67年]。因此,高的变量VIP和高系数表示重要的波长和允许的见解的物理基础预测。VIP的价值观和系数的实验室模型绘制在图9。Lab_2005_Clay模型的曲线形状和Lab_2008_OC模型有不同的外观相比其余由于应用光谱预处理(吸光度的一阶导数)。粘土、VIP和系数表明波长2000至2500海里的重点,特别是在2200海里所有的模型。事实上,粘土矿物是可怕地活跃在这部分的光谱(12]。吸收特性接近2200到2300纳米振动产生的组合包括一个哦拉伸和metal-OH弯曲诊断粘土矿物。的确切位置的吸收特性变化取决于债券的金属羟基(13,14]。此外,贵宾和系数表明,波长光谱中的可见光部分附近500 nm和650 nm包含重要的信息在粘土矿物或黏土,而粘土特性光谱相关的活动仅限于红外光谱的一部分。铁为主要成分或与粘土矿物的结构,显示了VNIR由于电子跃迁光谱特性的铁阳离子(14]。狩猎和索尔兹伯里(12),例如,由于弱吸收带附近500纳米蒙脱石的二价铁。在伊利石,吸收附近650海里被克拉克观察et al。13他认为这个特性三价铁。铁和粘土的密切相关(表2)的土壤样本测试网站DEMMIN鼓励假设铁影响粘土的PLS回归。

贵宾,有机碳模型的系数曲线表现出一致性比粘土。而高载荷可以观察到Lab_2005_OC和Lab_2008_OC模型在2000年和2500年之间纳米粘土相似,这一地区似乎小Lab_2004_OC模型中的重要性虽然小强调发生近2200海里。在后者,一般高VIP价值观和系数在该地区500至900海里。在Lab_2005_OC Lab_2008_OC模型波长650 nm和500 - 600 nm)附近,分别是强调。有机碳在土壤由非常复杂的化合物拥有众多,经常重叠的吸收特性(68年,69年),分配到特定的波长光谱特征是困难的(7,70年]。此外,良好的粘土和有机碳之间的相关性或铁和有机碳之间的因果关系阻碍了说明模型参数及其物理背景。

3.5.3。HyMap图像光谱

在第一次尝试,它试图建立一个稳定使用图像数据从2005年校准模型和验证这个模型从2004年剩下的采样点,2005年和2008年。模型校准和验证图像光谱从2005年取得了良好的效果和RPD粘土和有机碳的2.70和1.80,分别(表7)。验证与图像光谱从不同的飞行活动,也就是说,2004年和2008年达到RPD低于1.0表明贫穷的结果没有或很少预测能力尤其是对粘土(表6)。是这种情况尽管土壤的粘土和OC内容各自的采样点数据范围内的校准模型和光谱质量评估数据显示,一个好的整体协议年(cf。部分3.2)。实验与实验室光谱显示,验证数据集的构成做了稍微影响模型的预测能力。问题与经验校准系数精确调整的光谱特性校准输入数据。即使是小的变化性能阻碍合理应用光谱数据。实验室光谱测量标准条件下光谱特性的变化仅物理和化学特性的变化的结果。在野外条件下,土壤状况(如粗糙度、结壳、水分)随时间。进一步的变化可能是通过辐射和大气校正(参见图介绍4)。因此,它是不可能建立一个稳定的校准模型估算土壤参数的图像数据,但数据集具体校准似乎获取合理的预测精度的关键。

数据集的结果具体请回归HyMap光谱从2004年,2005年和2008年在表列出7。校准和验证进行中描述的部分3.5。1(表4)。与实验室光谱预测精度较高的粘土比有机碳,但大量样品的校准数据集并不一定产生最好的结果。粘土,范围从0.80到0.92秒低至15.99到23.39 g公斤⁻¹。SD / SEC是HyMap光谱从2008年最高达到2.86 (HyMap_2008_clay)的价值。的校准模型从2005年图像光谱特征是SD /秒的比率为2.46 (HyMap_2005_clay)。独立验证剩下的29个数据点导致RPD 2.70确认该模型的预测精度非常高的图像光谱从2008年。最低的预测能力与校准模型实现基于图像光谱与SD /秒的比率从2004年的2.07 (HyMap_2004_clay)。测量和预测的值表明,粘土含量较低(< 80克样品公斤⁻¹)可能没有充分应用此模型预测变化的估计是非常高的和或多或少相同的粘土样品内容(图10)。据张et al。56),所有三个模型可分为A组与一个优秀的能力来预测土壤粘粒含量从高光谱图像数据。直接比较我们的结果的预测精度得到其他作者是困难的因为没有人报告RPD或SD /秒值。标准错误可能只是对比研究如果土壤有一个类似的粘土含量范围。是这样的工作Selige et al。19报告旨在RMSE 38 g的0.65公斤⁻¹高钙和0.71 g的RMSE 42公斤⁻¹为估计粘土PLSR从HyMap数据在一个在德国联邦州萨克森-安哈尔特州农业面积。尽管他们最多达到260 g公斤样品⁻¹粘土,这些错误措施显然表明,预测精度的粘土HyMap DEMMIN优越的图像数据。

从预测模型校准的OC HyMap光谱最多是0.71和0.45的内容至少在1.61和2.13 g公斤之间的交会⁻¹。PLSR模型的预测能力的基础上,2005年与SD /秒的图像数据是可以接受的比例和RPD 1.80。被局限于29日验证样本,没有明确的结论可以得出该模型的行为高于20 g公斤⁻¹OC。类似于相应的实验室卡尔/ val配置(Lab_2005_Clay,一个数据点的),一个强大的低估约25 g公斤⁻¹观察OC(数字8和11)。这给理由解释,HyMap_2005_OC模型的非线性趋势正如检查97个样本的实验室模型的验证。校准模型基于图像数据从2004年和2008年展览SD /秒的值1.49和0.91,分别。因此,模型预测的OC基于图像光谱属于B组(HyMap_2004_OC HyMap_2005_OC)和C组(HyMap_2008_OC)后常et al。56]。预测精度通过PLS回归HyMap图像从2004年和2005年的比赛结果史蒂文斯et al。34和史蒂文斯et al。23]运用图像数据的传感器都赋予- 160 (RPD: 1.40),属于接近(RPD: 1.86)。史蒂文斯et al。20.]表明,重组全球卡尔/ val数据集通过土壤类型分成几个小卡尔/ val数据集可以改善预测精度大约两倍RPD高达3.15。然而,这种方法是唯一可行的参考点的数量大,如果在土壤类型提供辅助信息描述土壤类型的图像数据,以便正确地应用不同的校准模型。

由于实验室测量获得在标准条件下,这是预期与HyMap图像光谱校准结果预测精度的恶化。Lagacherie et al。22),例如,认为减少模型性能从实验室到成像光谱辐射和波长校准HyMap传感器的不确定性以及大气的影响。戈麦斯et al。21)认为,更高的信噪比和大空间支持区域(亥伯龙神的m²)图像预测能力下降造成的。其他因素降低了模型的性能可能是变量土壤含水量(23)或土壤表面条件(71年]随着植被影响光谱图像数据分析之前就被除掉了。事实上,更高的标准错误是在这项研究中观察到HyMap_2005_OC和HyMap_2008_OC模型。除了上面提到的因素,土壤有机碳的年际变化(40,41)可能影响这两年的光谱校准。由于图像数据进行了分析与参考数据从2006年开始,可能造成土壤有机碳的变化每年的特定温度和土壤水分的政权不可能被考虑。HyMap_2005_Clay模型的预测能力仍然或多或少不变(表5和7)。从SD /秒值模型性能增加应用图像数据时从2004年(HyMap_2004_OC HyMap_2004_Clay)。精度也提高估算粘土评估时使用数据从2008年虽然减少了有机碳与相同的数据集。对这种行为不存在一个合理的解释。在任何情况下,它必须指出,只有批准暂予监外执行的完全独立的参考样本的预测精度可以进一步揭示洞察力和真实的呈现PLSR模型的预测能力。这是特别重要的字段不是采样在现场工作。获得第一个念头造成的可能影响空间自相关,校准和验证方案的从2005年HyMAP光谱测试样本三个字段都是保留校准一次,仅用于模型验证。这样做是为五个不同的卡尔/ val星座。标准的验证错误(SEP)这样的粘土不到9月检索HyMAP_2005_Clay模型的三种情况。在两个大卡/ val计划,9月增加了11%和15%,也就是说,22.3 g的最大9公斤⁻¹获得了。OC, 9月增加了9%和29%两个大卡/ val方案。顶部最9月是2.68 g公斤⁻¹。在剩余的测试用例,9月还不到9月的HyMAP_2005_OC模型。这些结果证实迫切需要独立的验证。虽然标准误差约30%的增加可能似乎仍然可以接受的,参数估计较低的土壤粘土或OC内容将变得非常不准确的。

贵宾,系数曲线的PLSR模型基于HyMap光谱的粘土在桌子上7发信号波长2000至2500海里的重要性就像观察实验室模型。再次特别强调2200纳米带。HyMap_2008_Clay模型中的这种不太明显,波长在可见光和近红外光谱的一部分似乎发挥重要作用。除了与实验室光谱波长之间的900和1300海里包含高值在这个模型中有轻微强调接近1100海里。拐点Lab_2008_Clay模型中还可以看到,可能会吸收引起的二价铁在伊利石矿物13]。增加了贵宾和系数在所有三个模型也可以发现在500 - 650海里地区和可能与铁讨论实验室光谱。有机碳,几个波长光谱中的可见光部分的压力。峰值出现在550、680和770海里。同样,乐队在2000、2200、和2350海里携带高载荷在所有三个模型类似于实验室的模型。正如已经指出的部分3.5。2有明显的类比,粘土模型参数。

3.6。空间显式参数估计

在图12结果多动物土壤类参数估计使用高光谱图像数据和PLS回归是粘土作为模范地显示的参数。每个航班飞行的运动还单独处理。马赛克是随后创建的。自从做了统计分析的土壤耕地,定量映射是限制农作物土地通过一个向量层领域界限。白色区域表示未来土地(例如,定居点,森林和草原)。灰色区域表示耕地完全覆盖着植被蒙面使用CAI和归一化植被指数(cf。部分3.4)。补充信息在球场上给出具体的模型预测能力分类后常et al。56),包括各自的校准数据范围(图的细节12(b))。注意文档的错误措施和校准数据范围被认为是至关重要的,因为它与多动物图像数据类不同。图12(c)提供直接访问数据源领域的形象。正如所料,粘土含量小于125克公斤⁻¹在大多数领域。尽管这种优势的砂壤土和壤质砂土,DEMMIN区域的地图显示一个典型的特点是发生部分大型本地土壤类型的异构性问题。单场40公顷Heydenhof就是一个例子(图附近的村庄13)与粘土含量接近300 g公斤⁻¹。同样,有机碳含量在东部的领域是高于平均水平达到17.5 g公斤⁻¹。粘土和有机碳含量的空间模式在这个领域显示了小同余。这是在协议中相关系数(表2)之间的两个土壤属性和相当大的偏差发生的几个沙质土壤有机碳含量很高,但很少的粘土。空间格局的粘土和OC在这个领域最有可能与地形非常平坦的区域。

执行多动物估计类的土壤参数提供了机会从不同年份比较参数估计提供了一个额外的测量模型的预测能力。由于图像数据采集的时间,只有两个字段可以确定参数估计在2004年和2005年或2005年和2008年。没有检测到所有重叠三年。图14显示估计的差分图像粘土和有机碳内容基于HyMap图像从2004年和2005年。2004年飞越领空时,该字段部分覆盖作物残留物,或多或少安排根据耕作方向一致。此外,耕作不同领域内的状态。在东部地区,植被残留几乎完全覆盖土壤表面。这些像素是蒙面(白色)。2005年平均预测粘土内容3.42 g公斤⁻¹估计在2004以下。50%的数据点显示公斤−14.19和9.11克之间的区别⁻¹粘土。意味着不同的预测OC内容接近0,一半数据点的数量在不同−0.11和0.57 g公斤⁻¹OC。图像的空间格局的区别是相似的。更高的负差异与参数出现在田间的左上角(深蓝色)。小面积的中心领域表现出更高的正偏差(深橙红色)。差异达到极端值几个孤立的像素。由于工件或混合像素造成的问题。RMSE值计算的参数等于或低于标准的错误模型校准(表7)。这个结果是令人鼓舞的,因为它证实了陈述在模型精度和强调潜在的成像光谱土壤参数映射。然而,粘土和OC内容在这个特定领域相当低。实验室模型显示方差随着OC浓度的增加,实际的RMSE计算OC可能更高。这不是为粘土,但只有进一步的调查可以提供额外的证据。

最自然的反射表面看和太阳能照明条件而异。所描述的这一事实是双向反射分布函数(BDRF) [72年]。评估预测精度的重叠区域飞行条每年会给的指示不准确与这些反射各向异性有关。史蒂文斯et al。20.]认为困难产生强大的校准部分引起的强烈向后或向前散射图像边缘的大视场唯有通过传感器(90°)。计算RMSE重叠区域中显示更高的错误比预计的2004数据集验证,分别交叉验证的模型(表8)。对粘土,RMSE是大约3倍秒使用反射转换为吸光度。然后应用反射转化为吸光度的一阶导数RMSE 1.4倍秒。效果不怎么明显,有机碳但RMSE仍然超过秒使用吸光度的1.6倍。相比之下,RMSE要么仅略有增加,甚至低于标准的验证错误HyMap光谱从2005年和2008年独立于应用的预处理方法。这些结果提供了强有力的证据表明双向反射效果产生负面影响的性能模型基于图像数据从2004年。没有观察到的负面影响在其他两个数据集,这种效应似乎完全是因为不宜观看2004年飞越领空和照明条件,也就是说,一个大天顶和低方位角(表1),但原则上不是传感器的视野。off-nadir地区的负面影响可以减少应用第一个衍生物虽然有点更高的标准错误必须被接受。

4所示。结论

多动物空间显式类土壤参数估计进行了使用三个测试站点DEMMIN和PLSR HyMap图像。结果表明,这种方法提供了一个机会,随后地图土壤参数对农田尽管长期的植被覆盖。图像数据中应用本研究获得了今年5月,7月和8月。而春天图像提供了一个很好的机会来估计土壤参数字段与根作物生长或夏季谷物,图像在夏天不太适合。97.8%以上的图片被覆盖着干燥或绿色植被在每年的这个时候。有三个高光谱图像在我们处理,估计在粘土和有机碳含量可以执行总覆盖面积的10%。提出的方法将促进未来的高光谱卫星任务如EnMAP [73年)由于没有限制每年很少如果不是只有一个飞越领空和机载传感器的情况一样。因此,要求研究人员感兴趣的植被以及土壤参数将会被满足。由于高土壤有机碳的年际变化和季节变化特征36,41为这个参数,模型校准可能负面影响如果时间采集的图像数据和参考数据偏离。问题可以解决了采样的土壤或多或少的同时飞行活动。土壤参数与粘土等小颞可变性,这将不是必需的。

校准模型粘土含量基于图像光谱显示良好的预测能力最高标准误差为23.39 g公斤⁻¹粘土。粘土估计是通常比预测更精确的有机碳含量标准误差为2.13 g公斤⁻¹OC。对土壤参数,验证与土壤样品保留校准通过预测错误的模型虽然对两组图像数据验证仅限于分析交叉验证由于小数量的参考样本。比较不同年的预测表明,之间有一个很好的协议不同的年份,因此确认验证结果的估计。调查在实验室条件下提供了一个额外的迹象表明,粘土的标准错误也可能适用于土壤与校准数据范围外的浓度。然而,尽管有这些有前景的结果,进一步验证真正独立的样品将是至关重要的,揭示了模型的预测能力对整个数据集包括字段没有参考信息。如果这是已知的,土壤参数映射来自成像光谱可能作为精准农业的基础,环境建模、或碳汇研究,例如。

此外,它表明off-nadir参数估计是不受人影响如果图像数据获得最佳的观看和照明条件下和在平坦地形。但如果收购发生在天顶角和方位角高很低不扩大3倍。这可以减轻负面影响使用合适的光谱一阶导数等预处理尽管这造成一定损失的总体预测精度。

这里给出的结果表明,高分辨率的农田的土壤参数地图可以在区域范围内多动物成像光谱数据类。预测精度为实验室和成像光谱不出现在实验室常规分析技术。模型错误至少两倍SES和选取考虑模型误差包括测量误差的参考价值。成像光谱技术的伟大的好处是提供关于土壤参数的信息作为一个二维数组而不是单个数据点,避免错误与空间插值。因为频繁的耕作的农田、表面反射率测量的高光谱仪器不仅反映上5厘米的特点,但很有可能代表的土壤特征上20到30厘米。这一层是最容易降解,成像光谱技术可以提供有价值的信息对农业用地土壤保护措施。

确认

作者要感谢安德烈亚斯穆勒,马丁•巴赫曼和斯蒂芬妮Holzwarth成像光谱技术团队的德国航空航天中心(DLR)为他们的援助在几何和大气校正的图像数据和一些有价值的提示光谱数据处理。德国地球科学研究中心的感谢提供其光谱实验室设施。特别要感谢Sabine Chabrillat和索伦Haubrock评论他们的鼓励和帮助。作者也感谢工作人员ZALF中央实验室合作的农业景观研究Muncheberg Leibniz-Centre有关土壤数据分析。

引用

1. 粮农组织、世界土壤宪章联合国粮食及农业组织(粮农组织),1982年。
2. r·拉尔,”土壤固碳减缓气候变化。”Geoderma,卷123,不。1 - 2日,22页,2004页。视图:出版商的网站|谷歌学术搜索
3. b . s . Sleutel s De Neve振动的,和g·霍夫曼“有机C含量集中管理耕地soils-long-term地区分数的趋势和特征,“土地使用和管理,22卷,不。2、188 - 196年,2006页。视图:出版商的网站|谷歌学术搜索
4. 大肠Goidts和b . van Wesemael地区评估土壤有机碳变化在比利时(1955 - 2005),南部农业”Geoderma,卷141,不。3 - 4、341 - 354年,2007页。视图:出版商的网站|谷歌学术搜索
5. a . Reijneveld j . van Wensem o . Oenema,”荷兰农业用地的土壤有机碳含量在1984年至2004年之间,“Geoderma,卷152,不。3 - 4、231 - 238年,2009页。视图:出版商的网站|谷歌学术搜索
6. r . c .中间人和r . j .亨利,”同时测定的水分、有机碳和总氮的近红外反射分光光度法,“美国土壤科学学会杂志》上,50卷,不。1,第123 - 120页,1986。视图:谷歌学术搜索
7. 大肠Ben-Dor和a . Banin“近红外分析作为一个快速的方法来同时评估几个土壤属性,“美国土壤科学学会杂志》上卷,59号2、364 - 372年,1995页。视图:谷歌学术搜索
8. j·b·里夫斯·g·w·麦卡蒂和j·j . Meisinger“近红外反射光谱分析农业土壤,“近红外光谱学杂志》上,7卷,不。3、179 - 193年,1999页。视图:谷歌学术搜索
9. k·d·谢泼德和m·g·沃尔什”发展表征土壤的反射光谱库属性,“美国土壤科学学会杂志》上,卷66,不。3、988 - 998年,2002页。视图:谷歌学术搜索
10. k·d·d·j . Brown牧羊犬,m . Dewayne梅斯m·g·沃尔什和t . g . Reinsch”全球土壤特性与VNIR漫反射光谱,”Geoderma,卷132,不。3 - 4、273 - 290年,2006页。视图:出版商的网站|谷歌学术搜索
11. r . a . Viscarra Rossel d·j·j . Walvoort a . b . McBratney l . j . Janik和j . o . Skjemstad”可见、近红外、中红外或结合漫反射光谱同时评估各种土壤属性,“Geoderma,卷131,不。1 - 2日,59 - 75年,2006页。视图:出版商的网站|谷歌学术搜索
12. g·r·亨特和j·w·索尔兹伯里”矿物和岩石的可见光和近红外光谱。硅酸盐矿物,”现代地质学1卷,第300 - 283页,1970年。视图:谷歌学术搜索
13. r·n·克拉克,t . v . v .国王,m . Klejwa g·a·斯韦兹和n .枝条,“高光谱分辨率反射光谱的矿物质,”地球物理研究杂志》,卷95,不。8、12 - 680年,1990页。视图:谷歌学术搜索
14. e . Ben-Dor j . r .熨斗,g . Epema“土壤反射率,”遥感地球科学:遥感的手册,a . n . Rencz Ed, 3卷,第3章,页111 - 188年,约翰·威利& Sons,纽约,纽约,美国第3版,1999年版。视图:谷歌学术搜索
15. a . Palacios-Orueta s . l .贾斯廷,“遥感的土壤属性圣塔莫尼卡山脉光谱分析,“环境遥感,卷65,不。2、170 - 183年,1998页。视图:出版商的网站|谷歌学术搜索
16. g·克鲁格,j . Erzinger和h·考夫曼”实验室和机载反射光谱分析褐煤表土转储,”《地球化学勘查,卷64,不。1 - 3,47 - 65、1999页。视图:出版商的网站|谷歌学术搜索
17. s . Chabrillat a . f . h . Goetz l . Krosley h·w·奥尔森,”利用高光谱图像识别和映射的膨胀性粘土土壤和空间分辨率的角色,”环境遥感,卷82,不。2 - 3、431 - 445年,2002页。视图:出版商的网站|谷歌学术搜索
18. e . Ben-Dor k . Patkin a Banin, a . Karnieli”映射的几个土壤属性使用讲台- 7915高光谱扫描数据组织案例研究在土壤在以色列,”国际遥感杂志》上,23卷,不。6,1043 - 1062年,2002页。视图:出版商的网站|谷歌学术搜索
19. t . Selige, j . bohn Schmidhalter,”利用高光谱图像和高分辨率的表层土映射字段数据多元回归建模过程,”Geoderma,卷136,不。1 - 2、235 - 244年,2006页。视图:出版商的网站|谷歌学术搜索
20. a·史蒂文斯t . Udelhoven a丹尼斯et al .,“测量在农田土壤有机碳在区域范围内使用机载成像光谱,”Geoderma,卷158,不。1 - 2,32-45,2010页。视图:出版商的网站|谷歌学术搜索
21. c·戈麦斯r . a . Viscarra Rossel, a . b . McBratney”土壤有机碳由高光谱遥感和实地可见光谱预测:一个澳大利亚案例研究中,“Geoderma,卷146,不。3 - 4、403 - 411年,2008页。视图:出版商的网站|谷歌学术搜索
22. p . Lagacherie f . Baret j·b·Feret j .马德拉最低和j·m·Robbez-Masson”估计土壤的粘土和碳酸钙使用实验室,字段和机载高光谱测量,”环境遥感,卷112,不。3、825 - 835年,2008页。视图:出版商的网站|谷歌学术搜索
23. a·史蒂文斯b . Van Wesemael g . Vandenschrick s图雷和b . Tychon”检测农业土壤的碳存量变化利用光谱技术,”美国土壤科学学会杂志》上,卷70,不。3、844 - 850年,2006页。视图:出版商的网站|谷歌学术搜索
24. b . s . Siegal和a·f·h·Goetz植被对岩石和土壤的影响类型的歧视,”摄影测量工程和遥感,43卷,不。2、191 - 196年,1977页。视图:谷歌学术搜索
25. l . Kooistra j .游荡g . f . Epema r s e . w .鲁汶r . Wehrens和l . m . c . Buydens”领域的潜力光谱学在河泛滥平原沉积物属性的评价,“分析Chimica学报,卷484,不。2、189 - 200年,2003页。视图:出版商的网站|谷歌学术搜索
26. g r·j·墨菲和一沓,“植被的影响土壤使用成像光谱仪数据地图的能力,”国际遥感杂志》上,15卷,不。1,第86 - 63页,1994。视图:谷歌学术搜索
27. r·j·墨菲,地表植被对矿物质的吸收特性参数的影响,“国际遥感杂志》上,16卷,不。12日,第2164 - 2153页,1995年。视图:谷歌学术搜索
28. h . Bartholomeus l . Kooistra a·史蒂文斯et al .,“土壤有机碳的映射部分植被农田与成像光谱,”国际期刊《应用地球观测和地质信息,13卷,不。1,第88 - 81页,2011。视图:出版商的网站|谷歌学术搜索
29. w . Ouerghemmi c·戈麦斯、美国Naceur和p . Lagacherie”应用盲源分离对粘土含量高光谱数据估计在部分植物的表面,“Geoderma,卷163,不。3 - 4、227 - 237年,2011页。视图:出版商的网站|谷歌学术搜索
30. h . Bartholomeus、g . Epema和m . Schaepman”确定铁含量在地中海部分植被地区的土壤,利用光谱反射率和成像光谱,”国际期刊《应用地球观测和地质信息,9卷,不。2、194 - 203年,2007页。视图:出版商的网站|谷歌学术搜索
31. 答:罗杰和t . Cudahy植被纠正连续深度为2.20μm:高光谱传感器的方法,”环境遥感,卷113,不。10日,2243 - 2257年,2009页。视图:出版商的网站|谷歌学术搜索
32. c·戈麦斯,p . Lagacherie g . Coulouma”连续去除粘土和碳酸钙含量与PLSR方法估计从实验室和机载高光谱测量,”Geoderma,卷148,不。2、141 - 148年,2008页。视图:出版商的网站|谷歌学术搜索
33. l . Kooistra r s e . w .鲁汶r . Wehrens p h . Nienhuis和l . m . c . Buydens”比较与草反射金属污染土壤的方法,”国际遥感杂志》上,24卷,不。24日,第5010 - 4995页,2003年。视图:出版商的网站|谷歌学术搜索
34. a·史蒂文斯b . van Wesemael h . Bartholomeus d . Rosillon b . Tychon和e . Ben-Dor”实验室、字段和机载光谱监测农业土壤有机碳含量”Geoderma,卷144,不。1 - 2、395 - 404年,2008页。视图:出版商的网站|谷歌学术搜索
35. g . b . m . Heuvelink和r·韦伯斯特”造型土壤变化:过去、现在和未来,“Geoderma,卷100,不。3 - 4、269 - 301年,2001页。视图:出版商的网站|谷歌学术搜索
36. p . Leinweber h . r .舒尔腾,m . Korschens“季节性变化的土壤有机质在长期农业实验中,“植物和土壤,卷160,不。2、225 - 235年,1994页。视图:谷歌学术搜索
37. s e . Trumbore o·a·查德威克,r . Amundson,“土壤碳之间的快速交换和大气二氧化碳由温度变化,“科学,卷272,不。5260年,第396 - 393页,1996年。视图:谷歌学术搜索
38. r . y . Wang Amundson, x f .妞妞,“季节性和高度的分解土壤有机质的变化推断从土壤放射性碳的测量有限公司₂通量,”全球生物地球化学循环,14卷,不。1,第211 - 199页,2000。视图:谷歌学术搜索
39. j . Rogasik e . Schnug和h . Rogasik Landbau和treibhauseffekt-quellen”森肯皮草有限公司₂贝unterschiedlicher Landbewirtschaftung。”农学和土壤科学的档案,45卷,不。2、105 - 121年,2000页。视图:谷歌学术搜索
40. f . Ellmer和m . Baumecker静态Thyrow养分耗竭试验。65年实验后的结果。”农学和土壤科学的档案,51卷,不。2、151 - 161年,2005页。视图:出版商的网站|谷歌学术搜索
41. l·s·詹森·t·米勒:e·尼尔森et al .,“模拟土壤有机碳在长期趋势实验使用soil-plant-atmosphere模型黛西,”Geoderma,卷81,不。1 - 2,5-28,1997页。视图:出版商的网站|谷歌学术搜索
42. t·丹和美国Ratzke”博登,”学界冯Mecklenburg-Vorpommern。Kap。6。12日,大肠Schweizerbart 'Sche Verlagsbuchhandlung,g . Katzung Ed,页489 - 508,Nagele u。Obermiller,斯图加特,德国,2004年。视图:谷歌学术搜索
43. DWD”DWD-Deutscher Wetterdienst,德国Klimaatlas”, 2012年,http://www.dwd.de/klimaatlas。视图:谷歌学术搜索
44. d·f·马利、p·d·马丁和e . Ben-Dor“应用于土壤,分析”近红外光谱技术在农业c·a·罗伯茨,j .工人Jr .)和j·b·里夫斯三世。,pp. 729–784, American Society of Agronomy, Madison, Wis, USA, 2004.视图:谷歌学术搜索
45. j·l·Lozan和h Kausch《Statistik毛皮Naturwissenschaftler。3。Uberarbeitete和erganzte Auflg。2004年,Wissenschaftliche Auswertungen,汉堡,德国。
46. a . Savitzky和m . j . e .戈利平滑和分化的数据简化的最小二乘法程序,”分析化学,36卷,不。8,1627 - 1639年,1964页。视图:谷歌学术搜索
47. Exelis活力,2011年Exelis视觉信息的解决方案。
48. r·里克特“大气/地形校正机载图像,”2008年,ATCOR-4用户指南,版本4。3所示。视图:谷歌学术搜索
49. r·里希特和d . Schlapfer Geo-atmospheric处理机载成像光谱法的用途2:大气/地形校正”国际遥感杂志》上,23卷,不。13日,2631 - 2649年,2002页。视图:出版商的网站|谷歌学术搜索
50. r·穆勒,m·雷纳,p . Reinartz, m·施罗德“评价星载和机载行扫描仪图像使用一个通用的邻位的图像处理器,”高分辨率地球成像的地理空间信息c . Heipke k .雅各布森,m . Gerke Eds。36卷国际摄影测量和遥感档案,页17日,高分辨率地球成像的地理空间信息,汉诺威,德国,2005年。视图:谷歌学术搜索
51. k .伊斯兰教、b·辛格和a . McBratney”同时估计的几种土壤属性由紫外线、可见光、近红外反射光谱,”澳大利亚土壤研究杂志》上第41卷。。6,1101 - 1114年,2003页。视图:出版商的网站|谷歌学术搜索
52. p h . Fidencio r . j . Poppi和j·c·德安德拉德”测定有机物在土壤使用径向基函数网络和近红外光谱,”分析Chimica学报,卷453,不。1,第134 - 125页,2002。视图:出版商的网站|谷歌学术搜索
53. m·科恩,r . s . Mylavarapu Bogrekci, w·s·李,和m . w .克拉克,“为常规农业土壤反射光谱分析,”土壤科学,卷172,不。6,469 - 485年,2007页。视图:出版商的网站|谷歌学术搜索
54. r . a . Viscarra Rossel,“就算:软件光谱数据的最优化分析,“化学计量学和智能实验室系统,卷90,不。1,第83 - 72页,2008。视图:出版商的网站|谷歌学术搜索
55. h·马顿斯和t . Næs多元校正约翰•威利& Sons吉尔福德,英国,1989年。
56. c . w . Chang d . a . Laird m . j . Mausbach和c r . Hurburgh“近红外反射率spectroscopy-principal组件回归分析的土壤属性,“美国土壤科学学会杂志》上,卷65,不。2、480 - 490年,2001页。视图:谷歌学术搜索
57. 肺、Landesamt皮毛客观世界和Naturschutz和学界梅克伦堡史,Beitrage Zum Bodenschutz Mecklenburg-Vorpommern在Mecklenburg-Vorpommern博登,Gustrow,德国,2003年。
58. o . Duwel和j . Utermann Humusversorgung der(欧博)博登Deutschland-status现状,”Humusversorgung·冯·博登在德国r·f·Huttl, a . Prechtel o·本斯,Eds。,Publikationen des Umweltbundesamtes, Abschnitt II, Kap. 8.1, 2008.视图:谷歌学术搜索
59. d·b·罗贝尔和g . p . Asner水分对土壤反射率的影响。”美国土壤科学学会杂志》上,卷66,不。3、722 - 727年,2002页。视图:谷歌学术搜索
60. c·s·t·道奇乐团e·r·亨特,c . l . Walthall t·j·吉斯s .梁和e·j·克莱默,“植物凋落物的空间分布,评估”学报第十AVIRIS地球科学和应用研讨会,页105 - 114年,NASA喷气推进,帕萨迪纳,加利福尼亚州,美国,2001年3月。视图:谷歌学术搜索
61. p·l·纳格尔,c·s·t·道奇乐团和s . n . Goward“植物凋落物和土壤反射率。”环境遥感,卷71,不。2、207 - 215年,2000页。视图:出版商的网站|谷歌学术搜索
62. p·l·纳格尔y Inoue, e·p·格伦·a·l·拉斯和c·s·t·道奇乐团“纤维素吸收指数(CAI)量化混合植物垃圾场景,”环境遥感,卷87,不。2 - 3、310 - 325年,2003页。视图:出版商的网站|谷歌学术搜索
63. d·j·布鲁斯、b . Kempen和g . b . m . Heuvelink“抽样验证数字土壤地图,”欧洲的土壤科学》杂志上,卷62,不。3、394 - 407年,2011页。视图:出版商的网站|谷歌学术搜索
64. t·h·极冰原c·l·s·摩根·d·j·布朗和c t .标志“原位表征土壤粘粒含量与可见近红外漫反射光谱,”美国土壤科学学会杂志》上,卷71,不。2、389 - 396年,2007页。视图:出版商的网站|谷歌学术搜索
65. d . Cozzolino和a .白痴”潜在的近红外反射光谱分析土壤化学和物理特征,“农业科学杂志,卷140,不。1,第71 - 65页,2003。视图:出版商的网站|谷歌学术搜索
66. a . Volkan Bilgili, h . m . van Es f . Akbas a . Durak和w·d·蜂巢,“可见近红外反射光谱评估土壤特性的半干旱地区的土耳其,”《干旱的环境,卷74,不。2、229 - 238年,2010页。视图:出版商的网站|谷歌学术搜索
67. 美国荒原,m . Sjostrom和l·埃里克森“pls回归:化学计量学的一个基本工具,”化学计量学和智能实验室系统,卷。58岁的没有。2、109 - 130年,2001页。视图:出版商的网站|谷歌学术搜索
68. e . Ben-Dor y Inbar y陈,“有机物的反射光谱中的可见光近红外、短波红外区(400 - 2500 nm)在控制分解过程中,“环境遥感,卷61,不。1、1 - 15,1997页。视图:出版商的网站|谷歌学术搜索
69. 工人jr .)和l .韦实用指南解释近红外光谱,CRC出版社,泰勒和弗朗西斯集团波卡拉顿,佛罗里达州,美国,2008年。
70. C . w . Chang和d . a . Laird,“近红外反射光谱分析土壤C和N,”土壤科学,卷167,不。2、110 - 116年,2002页。视图:出版商的网站|谷歌学术搜索
71. t . Udelhoven、c·艾默灵和t . jarm”定量分析土壤化学性质与漫反射光谱法和偏最小二乘回归分析:可行性研究,“植物和土壤,卷251,不。2、319 - 329年,2003页。视图:出版商的网站|谷歌学术搜索
72. m·冯·Schonermark b .盖革,h .拱形门,Eds。反射的植被和土壤属性双向数据基础,科学和技术,柏林,德国,2004年。
73. h·考夫曼l . Guanter k Segl et al .,“地球观测EnMAP-an先进光学有效载荷,”学报ASD和IEEE GRS艺术、科学和反射光谱的应用研讨会美国科罗拉多州博尔德,2010年。视图:谷歌学术搜索

版权

版权©2012 Heike Gerighausen et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。