基于高光谱数据和SVM方法的土壤盐渍度反演

在土壤可见光~近红外波段光谱(350~2500 nm)内包含了大量可以表征土壤盐度的相关性信息,通过土壤盐渍化检测反演模型的建立,可以定性定量分析土壤盐渍度。本文探究了信息不完备情况下,机器学习算法在土壤盐渍化检测模型反演中的适用性,分别使用了多元线性回归模型、BP神经网络模型和SVM模型来反演土壤盐渍化检测。结果表明,SVM模型预测精度达到99.41%,是三种模型中精度最高的模型,适用于分析土壤复杂光谱信息和高精度土壤盐渍化反演。

频率响应下盐渍土介电特性及含盐量估算

文章针对新疆喀什地区盐渍土进行了介电常数室内实验,从分析盐渍土介电特性的主要影响因素入手,分别从理论和实验两方面对盐渍土的介电特性进行分析;通过含水含盐量正交测试,分别研究了土壤介电常数随含水量、含盐量的变化规律及特点,同时记录并对比盐渍土在交变电场下的响应特性,其成果对研制低成本土壤盐渍化监测节点提供了理论依据.实验结果表明:(1)针对干旱区盐渍土的含盐量反演,使用土壤介电常数优于电导率;(2)在整个激励频率区间,盐渍土的含水量和含盐量的变化都会影响土壤的极化特性,进而反演于土壤介电常数,其相关性在整个频率区域均达到极显著水平;(3)在高频区域,土壤含盐量增大使土壤介电常数增加,其增加趋势明显有差异;(4)在多数情况下,低频的激励信号使得对盐度变化的灵敏度非常低;(5)在整个频率区域不存在根据介电模型预料的可识别的含盐量相关特征曲线.

基于介电特性的土壤盐渍化实时检测研究及系统实现

土壤盐渍化是一种常见的土壤退化现象,尤其中国西部干旱、半干旱地区土壤盐渍化情况非常普遍,严重影响了当地生态环境。传统土壤盐渍化检测方法没有考虑到土壤含盐量、含水量之间复杂的耦合关系,所以无法达到预期的检测精度,更没有实现到实际应用之中。为了高效精确的检测土壤盐渍化程度,减少土壤水分对检测精度的影响,设计了一种基于土壤介电特性下土壤盐渍化实时检测系统,由正弦波信号发生模块、探针及信号处理模块和信号放大检测模块组成。通过检测极化信号的幅值差与相位差作为土壤盐渍化检测的影响因子,探究了土壤水盐含量与极化信号幅值差、相位差的相关关系,并建立预测土壤盐渍化程度的经验公式。分析结果表明:极化信号幅值差US与土壤盐渍化程度相关性为0.536,与土壤干旱程度相关性为0.68,均达到显著性相关,极化信号相位差α与土壤盐渍化程度相关性为0.147,基本不相关,而与土壤干旱程度相关性为0.976,达到显著性相关。使用多元线性回归方法可以建立土壤干旱程度与幅值差US、相位差α的映射方程,精确度为95.8%。通过观察检测数据规律,建立土壤含盐量与幅值差US、相位差α的经验方程,在土壤盐渍化程度分级精度要求下,实现了75%预测精度要求。与传统四电极土壤盐分检测设备相比,检测精度从55%提高到70%,满足了土壤盐渍化程度的测量要求。