科创中国

农、林、牧、渔业,农业

本发明提供一种基于卷积神经网络的土壤含氮量反演模型构建方法及系统，所述方法包括：获取遥感影像数据以获取遥感影像范围及土地利用类型样本，将土地利用类型样本进行模型训练获得第一目标模型；将第一目标模型结合遥感影像范围获得土地利用类型空间分布图，从而将影像光谱转换为室内光谱；获取土壤光谱数据，对土壤光谱数据进行光谱预处理从而获取土壤全氮含量，结合室内光谱建立光谱与土壤全氮含量目标模型，从而结合遥感影像范围构建土壤全氮含量空间分布图。

土壤有机质是土壤固体成分的重要组成部分,是植物摄取营养的重要来源,快速并精确地获取土壤有机质含量对发展精准农业具有重要意义。传统的土壤有机质含量化验方法虽然精度高,但花费时间长、成本高,不能满足大面积的监测需求。高光谱遥感因其具有波段窄且多、光谱分辨率高、信息丰富等优点,已成为快速获取大范围土壤有机质含量的新手段,但光谱估测精度有待提高。因此,本文以山东省济南市章丘区的褐土土壤样本为研究对象,基于耕层土壤与表层土壤有机质含量的内在联系,利用卷积神经网络建立耕层土壤有机质含量高光谱估测模型。主要研究内容与结论如下:(1).确定了章丘市土壤有机质光谱数据特征因子。分析了褐土的光谱特性;利用一阶微分、平方根、倒数、对数及其等8种方法对光谱反射率数据进行变换,通过分析原始光谱数据及变换后的光谱数据同土壤有机质含量的关联性,确定了有机质对光谱信号的敏感波段,并利用极大相关性原则提取了特征因子。结果表明,研究区褐土有机质的敏感波段为485nm~760nm、1375nm~1382nm、2120nm~2140nm、2330~2350nm;平方根倒数的一阶微分、对数倒数的一阶微分变换效果较好,变换后的光

江西农业大学是一所以农为优势、以生物技术为特色、多学科协调发展的有特色高水平农业大学。具有博士学位授予权，是我国首批具有学士学位、硕士学位授予权单位之一，是江西省最早开展研究生教育的高校。是农业农村部与江西省人民政府共建高校、国家林业和草原局与江西省人民政府共建高校，国家中西部高校基础能力建设工程高校。学校育人体系完备、师资力量较为雄厚、科技创新体系特色鲜明、办学成就卓著。