高光谱土壤有机质估测模型对比研究

应用高光谱技术探讨土壤有机质含量定量估测方法,对发展精细农业具有重要意义。本文利用陕西省横山县的实测数据,采用对数的一阶微分变换方法对土样的高光谱数据进行处理,分别采用线性回归分析法、BP神经网络法、模糊识别法建立高光谱土壤有机质含量估测模型,并对比分析其精度,确定最优的光谱反演模型。实验结果表明:模糊识别模型的决定系数达到0.973,RMSE为0.0468%;比线性模型和BP神经网络模型精度都高。研究表明,土壤有机质光谱反演不仅要重视机理研究,同时要加强光谱反演建模方法创新。     

粒子群优化神经网络的土壤有机质高光谱估测

针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。     

耕层土壤有机质高光谱间接估测模型

针对光学遥感技术只能获取表层土壤光谱信息而无法直接估测耕层土壤有机质含量的问题,探索建立基于表层土壤高光谱信息的耕层土壤有机质间接估测模型。以山东省济南市章丘区采集的76个表层、耕层土壤样本数据为基础,首先分析原始光谱反射率的光谱特征;然后利用反射率的一阶微分、平方根的一阶微分和对数倒数的一阶微分等方法对原始光谱反射率进行变换,并根据极大相关性原则选取估测因子;最后根据表层土壤有机质含量与耕层有机质含量间的内在关系,建立耕层土壤有机质含量的间接估测模型。结果表明,以557、1 621、2 107和2 316 nm波段对数倒数的一阶微分变换值和864 nm波段反射率平方根倒数一阶微分的变换值为估测因子,使用二次函数关系模型对耕层土壤有机质含量间接估测的精度最高,其决定系数R~2为0.784,平均相对误差为10.7%。研究表明,利用表层土壤高光谱信息间接估测耕层有机质含量可行有效。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

基于地面实测光谱的土壤有机质含量预测

以德兴铜矿尾矿坝附近的土壤为研究对象,在实验室内利用ASD便携式光谱仪对研究区内68组土壤样本进行了测定,并通过研究土壤反射光谱特征,选择了反射率的对数微分变换作为土壤有机质(soil organic matter,SOM)预测模型的因变量;通过对土壤有机质含量与土壤光谱特征的相关分析,将402 nm与2 312 nm波段反射率的对数微分变换结果参与模型建立;最终,从多元回归分析和模糊数学2个角度建立了有机质含量的预测模型。结果表明:基于模糊数学的研究方法优于多元线性回归方法,相关系数达到89.3%,平均相对误差较小。因此,地面实测光谱可以用于预测土壤的有机质含量。该方法具有周期短、成本低等特点。     

基于主成分回归的土壤有机质高光谱特性分析

以实验室制备的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理,探讨土壤有机质的高光谱特性,利用相关分析和主成分回归分析在不同的土壤粒径水平及不同的光谱变换形式下,建立了回归模型,结果显示在0.25 mm粒径水平下以反射率的对数的一阶微分处理之后的光谱数据建立的模型最优.     

土壤有机质光谱特征研究

对在宜兴市和横山县采集的174个土样400nm～2500nm波段的光谱曲线进行了研究。为了有效去除背景噪声对目标光谱的影响，并将非线性关系线性化，首先对土壤光谱进行了14种变换，然后运用光谱微分技术、逐步回归分析等方法研究了土壤光谱反射特性与土壤有机质之间的关系。结果表明，反射率对数的一阶微分这一变换形式对土壤有机质含量最为敏感。建立了相应的回归预测模型，模型方程判定系数达到0．885，较好地利用土壤光谱反射特性预测了土壤有机质的含量。     

高光谱遥感土壤有机质含量信息提取与分析

通过分析室外实测的土壤光谱与室内测定的土壤化学成分之间的关系,利用单相关分析和线性回归等统计学方法,结合光谱微分技术,建立了武汉地区土壤有机质含量预测模型。选取精度较高的反射率对数的一阶微分模型应用到Hyperion影像中,获得了研究区土壤有机质分类图。     

基于小波变换和连续投影算法的黑土有机质含量高光谱估测

为实现黑土有机质含量更准确的估测,提出了基于小波变换和连续投影算法的高光谱估测方法。以典型黑土区采集的土壤样品为研究对象、分析光谱设备(analytical spectral devices,ASD)光谱仪获取的可见光—近红外区间光谱数据和经化学分析得到的土壤有机质含量为数据源,首先采用小波变换提取1～7层小波低频系数,然后利用连续投影算法分别对土壤全谱和1～7层小波低频系数进行变量筛选,最后分别基于土壤全谱、1～7层小波低频系数、连续投影算法选择的变量,利用偏最小二乘和支持向量机两种方法建立估测模型。结果表明:经小波变换和连续投影算法处理后,不仅变量数目得到了大幅降低,而且模型精度也进一步得到了提高,采用偏最小二乘法时,R2由土壤全谱的0.79提高至第6层小波低频系数的0.93,RMSE由6.06 g·kg~(-1)降低至3.48 g·kg~(-1);采用支持向量机方法时,R~2由土壤全谱的0.75提高至第3层小波低频系数的0.91,RMSE由7.46 g·kg~(-1)降低至4.12 g·kg~(-1),说明提出的方法能有效用于黑土有机质含量高光谱估测。     

土壤Cu含量高光谱反演的BP神经网络模型

以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。     

可变模糊集的土壤含水量高光谱估测模型

针对土壤含水量高光谱定量反演中影响因素的多样性及实测数据划分上的模糊性问题,该文利用可变模糊集理论进行土壤含水量预测。以山东省泰安市的94个棕壤样本为研究对象,对室外光谱数据进行平方根的一阶微分变换;在此基础上,采用单相关分析法提取反演因子,即R669、R762、R1022、R1235、R2060;根据可变模糊集理论建立土壤含水量高光谱可变模糊集估测模型,用平均相对误差以及决定系数进行模型精度评价。实验结果表明,基于平方根的一阶微分变换的可变模糊集模型估测,18个检验样本的平均相对误差为2.761%,模型的决定系数R2=0.972。研究表明,利用可变模糊集进行土壤含水量高光谱估测是有效的,可以为土壤含水量的定量估测提供一种新的建模方法。     

基于高光谱的鲜桃叶片叶绿素含量检测

为实现鲜桃叶片叶绿素含量的快速无损检测,使用鲜桃四个生长时期的叶片光谱数据及其叶绿素含量数据,利用原始光谱及其变换形式,采用主成分分析和小波去噪预处理数据作为输入矢量,采用支持向量回归机和偏最小二乘法分别构建基于主成分分析-支持向量回归和小波去噪-偏最小二乘回归两种方法的预测模型,并与传统方法建立的模型结果进行比较。通过实验发现,整体建模结果最优的全生长期数据校正集和验证集模型的R2为0.872 7和0.871 4,RMSE分别为0.156 3和0.154 4;采用传统建模方法时,效果最优的是主成分回归模型,全生长期验证集模型R2为0.825 9,RMSE为0.174。结果表明:采用主成分分析-支持向量回归和小波去噪-偏最小二乘回归建模方法的建模效果均优于传统方法,能够应用于基于高光谱的鲜桃树叶绿素含量检测。     

土壤含水量高光谱灰色关联度估测模式

针对土壤含水量高光谱估测中的不确定性,基于灰色系统理论,建立土壤含水量灰色关联度高光谱估测模式。首先根据光谱特征因子的非时间数据序列特性,利用基于加权距离的灰色关联度计算方法,构建灰色关联度预测模型;然后利用识别残差建立修正模型,提出了具有残差修正的灰色关联度预测模式,并应用于山东省泰安市土壤水含量高光谱估测。结果表明,检验样本的平均相对误差为3.614%,而基于经典的灰色关联模式和线性回归模型的平均相对误差分别为4.762%和6.841%。应用实例说明提出的模式是有效的。     

齐长城土壤电导率的高光谱定量估测模型

建立夯土齐长城黄岛段土壤电导率高光谱估测模型。由采集的夯土齐长城黄岛段的土壤样本提取光谱数据,利用SG平滑和光谱微分技术,通过相关系数法筛选敏感波长,并以敏感波长作为自变量建立土壤电导率的高光谱定量估测模型,对比分析所建立的主成分回归、支持向量机和随机森林模型的精度,选择最优模型并验证。结果表明:839 nm、975 nm、1 279 nm和1 284 nm为敏感波长,经过对比分析所建立的模型,以随机森林模型为最优估测模型。随机森林模型能较好地估测夯土齐长城黄岛段的土壤电导率。     

星地多源数据的区域土壤有机质数字制图

土壤有机质(SOM)是全球碳循环、土壤养分的重要组成部分,精确估算土壤有机质含量具有重要意义。本文以中国东北—华北平原为研究区,收集了1078个土壤样本,以遥感数据(MODIS,TRMM和STRM数据)与土壤地面光谱数据为预测因子,运用基于树形结构的数据挖掘技术构建土壤有机质-环境预测因子模型进行数字土壤制图。通过不同建模样本数建模精度比较,选择300个样本数时的模型为最优模型。建模结果表明土壤光谱和气候因子是研究区SOM变异的主控因子,生物因子次之,而地形因子影响最小。预测结果经检验,RMSE为7.25,R2为0.69,RPD为1.53制图结果与基于第二次全国土壤普查数据的土壤有机质地图具有相似的分布规律,呈现SOM自东北向西南递减的趋势。通过比较分析发现,经过20年左右的土地开发与利用,研究区低SOM和高SOM含量土壤面积减少,而中等SOM含量土壤面积增加。     

采煤拉张裂隙区土壤有机质高光谱反演

煤炭开采产生的拉张裂隙破坏土壤结构,影响土壤质量。利用高光谱技术对裂隙区土壤的重要成分进行监测,对精确恢复裂隙区土壤质量及改善农业产量具有重要意义。本文首先在淮北朱庄煤矿采煤拉张裂隙区采集了90组土壤样品,并在室内测定了土壤样本光谱;然后将反射率值与测定的有机质含量进行相关分析,选取对有机质敏感的特征波段;最后利用偏最小二乘、BP神经网络进行建模,并评价各模型的精度。研究表明,本文反演效果较理想,比较所建模型精度,一阶微分与偏最小二乘模型(FDPLSR)建模效果最佳。FD-PLSR模型建模集和验证集的R²分别为0.876 1、0.845 9,RMSE分别为0.497 2、0.680 6。该研究可为采煤拉张裂隙区土壤有机质含量监测提供一定的技术支持。     

不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

地面高光谱和PROSAIL模型的冬小麦叶绿素反演

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。     

土壤钾含量高光谱定量反演研究

为了更快捷准确地进行土壤钾(K)含量的预测,基于土壤高光谱数据和化学元素分析数据,研究土壤光谱与土壤钾含量之间的定量关系.在对土壤原始光谱进行处理分析基础上,提取反射率(R)、反射率倒数的对数(log(1/R))、反射率一阶微分(R')和波段深度(BD)4种光谱指标,运用偏最小二乘回归方法建立相应的预测模型,并对模型进行检验.结果表明,波段深度是估算土壤钾含量最好的光谱指标,其建模精度超过0.85,均方根误差不超过0.1;全波段高光谱分辨率反射光谱具有快速有效估算土壤钾含量的潜力.     

基于BP神经网络的盐湖矿物离子含量高光谱反演

高光谱遥感数据能够提供比多光谱遥感数据更为丰富的光谱信息,从而更精确地刻画地物的光谱特征。在水体遥感原理基础上,采用自适应波段选择(adaptive band selection,ABS)方法对HJ-1A卫星高光谱数据的波段相关性和信息量进行分析,结合BP神经网络技术确定最优波段组合并构建盐湖矿物离子含量的反演模型,对柴达木盆地西台吉乃尔湖的K+,Mg2+,Na+,Cl-和SO2-4离子含量进行定量反演,获得盐湖矿物离子含量的空间分布情况。研究结果表明,BP神经网络反演模型的盐湖矿物离子含量反演精度在85%以上,反演得到的矿物离子含量的分布情况与实地调查结果基本一致。因此,利用高光谱数据和BP神经网络可以对盐湖矿物资源进行大范围动态监测,为盐湖资源的合理开发和高效利用提供科学依据。