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。     

基于支持向量机回归的水稻地重金属Fe含量估算

本文利用地物光谱仪获取的土壤反射光谱,通过多元线性回归模型和支持向量机回归模型分别建立土壤铁含量的估算模型,并利用检验数据对模型进行验证。建模和估算决定系数为0.9855和0.7158,估算均方根误差为0.0601,结果表明利用支持向量机回归模型能够较好的进行土壤重金属含量的估算。     

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.     

一种基于多元统计分析的土壤含水量高光谱反演模型

为建立方便、快速、大尺度区域土壤含水量估测模型,对陕西省横山县实验区83个土壤样本光谱数据进行研究。对光谱数据进行一阶微分变换处理,提高土壤含水量与变换后光谱数据的相关性,根据相关系数的大小,选取1 412,1 549,1 586,1 842,1 976和2 032 nm五个波段的反射率作为最佳建模反演因子,运用多元统计的原理建立土壤含水量反演模型。实验结果表明,利用因子R1 412,R1 549和R1 842组合建立起的预测方程效果最好,预测方程的相关系数为0.960 1,RMSE(中误差)为1.934 2。这表明建立的土壤含水量反演模型是可行的,模型具有较高的精度。     

高光谱技术的水上苯乙烯厚度反演模型研究

针对水上发生化学品泄露时传统监测手段不能及时准确地获取泄露污染物的厚度问题,提出了以高光谱数据为基础数据,提取出与污染物厚度相关性较好的特征变量作为预测变量,结合python中的机器学习,通过4种预测模型进行污染物厚度反演。本文以水上泄露常见的化学品苯乙烯为例,测定不同厚度的水上苯乙烯及其对应的高光谱数据集,通过相关系数以及p值极值提取法,筛选出的11个特征变量,分别建立了多元线性回归(MLR)、偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)4种苯乙烯厚度反演模型。结果显示,4种反演模型都可以达到相对较好的反演效果,其中随机森林模型反演效果相对较好,其相关系数(R~2)为0.938 6,均方根误差(RMSE)为20.94,完全可以用于水上苯乙烯厚度反演。     

组合核支持向量回归提取高光谱影像不透水面

由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。     

盐渍化土壤光谱特征分析与建模

为建立土壤盐渍化遥感监测模型,选取宁夏回族自治区平罗县典型土壤盐渍化发生区域作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含盐量与p H值数据为基础,进行高光谱数据处理,分析不同盐渍化程度土壤的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶微分等光谱变换,计算高光谱指数;与土壤样本含盐量进行相关性分析,筛选盐渍化土壤的光谱特征波段,利用多元线性回归分析建立土壤盐渍化监测模型。研究结果表明:以倒数一阶微分变换后的940 nm和1 094 nm波段作为特征波段构建的土壤盐渍化遥感监测模型最优。     

基于地貌类型的土壤有机质多光谱遥感反演

基于地貌类型分析土壤有机质含量与多光谱遥感影像光谱波段之间相关关系,构建不同地貌类型区有机质含量反演模型。结果表明,各波段光谱反射率与土壤有机质含量均呈负相关关系。利用SPSS软件对所有波段进行剔除变量(remove)线性回归分析,当全部波段参与构建反演模型时,一次反演模型拟合效果较好。分地貌类型区构建土壤有机质反演模型精度高于整个区域反演模型精度,与实际值对比,当允许误差为7%时,土壤有机质含量识别度为91.65%。基于地貌类型构建土壤有机质含量反演模型提取研究区土壤有机质含量切实可行,且精度较高。     

支持向量机模型的登革热时空扩散预测

针对登革热传播速度及破坏力呈显著上升趋势,但其预测存在一定难度的现状,该文将GIS与支持向量机模型相结合,预测广州市主城区2014年9月登革热时空扩散趋势。在综合分析登革热空间分布模式的基础上,将格网区域周边8个Queen邻域作为影响因子,建立基于支持向量机的登革热时空扩散模型的方法。研究表明,支持向量机模型在样本训练阶段和预测阶段都具有良好的模拟精度,均方根误差分别为1.58、3.72。支持向量机能有效预测登革热时空扩散趋势,能够描述登革热时空扩散过程中复杂的非线性关系,综合预测正确率达81.3%。该模型同样适用于其他疾病时空预测。     

基于高光谱的土壤碳酸钙含量估算模型研究

土壤中碳酸钙的含量是土壤分类及肥力评价的重要依据。研究选取陕西省黄土高原区的78个黄绵土土壤样品为研究对象,在分析碳酸钙含量的基础上,采用SVC HR-1024i便携式光谱仪获取土壤样品的可见光、近红外与短波红外高光谱反射率(350～2 500 nm)数据,对原始光谱曲线分别进行一阶微分、二阶微分和连续统去除3种数学变换,运用相关分析法和连续投影算法分别进行敏感波段的选取,采用随机森林回归建立土壤碳酸钙的估算模型。结果表明:黄绵土的光谱曲线特征相似,在1 440 nm,1 900 nm和2 200 nm等处均存在明显的吸收特征,且碳酸钙含量与光谱反射率呈现正相关态势;基于二阶微分与连续投影算法的随机森林估算模型精度最高,验证集R~2为0.82,相对分析误差(residual predictive deviation,RPD)值为2.37。     

基于相关向量机的高光谱影像分类研究

虽然支持向量机在高光谱影像分类得到成功应用,但是它自身固有许多不足之处。相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,其核函数不需要满足Mercer条件,不仅具备良好的泛化能力,而且还能够得到具有统计意义的预测结果。本文从分析支持向量机用于高光谱影像分类存在的不足出发,提出了一种基于相关向量机的高光谱影像分类方法,介绍了稀疏贝叶斯分类模型,将相关向量机学习转化为最大化边缘似然函数估计问题,并采用了快速序列稀疏贝叶斯学习算法。通过PHI和OMIS影像分类实验分析表明了基于相关向量机的高光谱影像分类方法的优越性。     

基于主成分分析的植被含水率模型

为了对岷江上游“生态水”的估测提供有效的数据源和方法,利用高光谱遥感技术定量研究了植被反射光谱与植被含水率的关系,测定了研究区多个采样点棕榈叶片的反射光谱和对应的含水率,通过二者的相关分析和逐步回归的方法提取敏感波段;为避免敏感波段之间相关性影响,采用主成分分析法提取主成分,建立主成分与含水率的定量分析模型,并建立主成分与标准自变量的回归方程,然后建立各个标准变量与原始自变量(反射光谱敏感波段)的回归方程,最终转换为植被含水率与反射光谱之间的模型.结果表明:棕榈叶片反射光谱在454 nm,668 nm,1 466 nm,1 664 nm和1 924 nm波段处与含水率显著相关;采用主成分定量分析模型的估算值与实测值相关系数为0.92,均方根误差为0.06.     

柑橘植株冠层氮素和光合色素含量近地遥感估测

柑橘植株营养状况的遥感监测是实现果树轻简高效管理和优质丰产的重要手段,但迄今有关基于低空遥感信息的果树营养诊断研究鲜见报道。本文采用具有490 nm、550 nm、570 nm、671 nm、680 nm、700 nm、720 nm、800 nm、840 nm、900 nm、950 nm等11个波段光谱的八旋翼飞行器(UAV)载多光谱遥感系统,获取距地面100 m高度的哈姆林甜橙植株春季冠层近地遥感信息,对比分析基于多元散射校正(MSC)和标准正态变量(SNV)两种预处理光谱和原始光谱(OS)的偏最小二乘(PLS)、多元线性回归(MLR)、主成分回归(PCR)及最小二乘支持向量机(LS-SVM)等4种模型对冠层叶片氮素、叶绿素a、叶绿素b和类胡萝卜素含量预测精度的影响。结果显示,距地面100 m高度的多光谱信息,通过SNV光谱预处理和MLR建模对冠层叶片氮素、叶绿素a和叶绿素b含量的预测效果均较好,预测集相关系数(Rp)值分别达0.8036、0.8065和0.8107,预测均方根误差(RMSEP)值分别为0.1363、0.0427和0.0243;而在SNV光谱预处理基础上的LS-SVM建模对冠层类胡萝卜素含量预测效果更优,Rp值达到了0.8535,RMSEP值为0.0117。表明利用机载多光谱图像信息可实现对柑橘植株冠层全氮及叶绿素a、叶绿素b和类胡萝卜素含量的较好估算,为大规模柑橘园植株冠层营养状况的精准和高效监测提供了一条新途径。     

马尔科夫链优化Richards曲线的沉降预测模型

针对建筑物沉降具有非线性及随机性的特点,建立了基于马尔科夫链修正的Richards曲线预测模型,以提高模型的预测精度。首先利用Matlab平台的fminsearch函数,以拟合值与实测值误差平方和最小为原则,然后求得Richards模型的最优参数解,最后利用马尔科夫思想修正拟合残差,进行沉降预测。以安阳市某高层建筑实际数据为研究对象,通过实例比较分析模型的预测精度。结果表明利用fminsearch进行Richards参数估计是有效的,经马尔科夫链优化后的Richards模型预测值平均绝对百分误差及均方根误差都比单模型预测小,预测精度有了一定的提高,能更好地反映数据序列随时间发展变化的总体趋势,适合于建筑物沉降预测。     

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。     

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。     

多星融合的土壤湿度滚动式估算模型

全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。     

机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。     

模拟多光谱的土壤重金属含量反演研究初探

根据多光谱传感器的光谱响应函数,采用实测ISI921VF反射光谱数据模拟Landsat卫星ETM+传感器多光谱数据,在模拟光谱的基础上,通过光谱特征提取、构建土壤指数对土壤重金属Cu,Pb,As进行预测分析。研究显示,Cu,Pb与模拟ETM+光谱的B2,B3波段显著相关,As与DSI,RSI,NDSI相关系数在0.6以上,基于模拟多光谱建立的Cu,As模型精度较高,平均相对误差分别为7.9%,2.7%,表明模拟的Landsat卫星ETM+传感器多光谱具有预测耕地土壤重金属的潜力,为实现大范围监测土壤重金属污染提供新思路。     

松嫩平原典型土壤高光谱定量遥感研究

为实现松嫩平原典型土壤理化参数时空信息的快速获取,为定量遥感、精准农业等相关研究服务,以松嫩平原典型土壤的高光谱反射率为研究对象,分析土壤反射光谱特征及其与土壤理化参数的关系,建立基于反射光谱指数的土壤理化参数遥感估算模型;提取黑土光谱特征点,建立黑土反射光谱曲线模拟函数.结果表明:松嫩平原不同土壤光谱特征差异主要在450-600,600-800 nm两个吸收谷部分,土壤有机质是黑土反射光谱特征的决定因素;不同于南方土壤,铁对松嫩平原典型土壤反射光谱特征的影响较小;随着含水量的增加,土壤水分对土壤光谱反射率的作用过程可以用三次方程定量描述;基于土壤反射率及反射光谱特征的土壤理化参数光谱预测模型可以用于土壤相关理化参数的快速测定;基于光谱特征点的黑土反射光谱曲线模拟函数可以准确描述黑土的反射光谱特征,这一方法可以用于高光谱数据压缩和基于多光谱数据的高光谱反射率重建.