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。     

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。     

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。     

土壤有机质含量地面高光谱估测模型对比分析

采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径.研究表明,一阶微分变...     

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PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

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。     

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。     

基于GF-1数据的耕地土壤镉(Cd)含量遥感估算方法

本文采用多种光谱变换和回归分析方法探索了使用GF-1卫星影像监测耕地土壤镉(Cd)含量的可行性。首先针对获取的GF-1原始影像数据,在完成预处理及剔除植被信息后进行倒对数、平方根和反正弦平方根变换,生成4套光谱影像;然后分别用采样点5 m缓冲区内各套影像光谱统计值与Cd含量进行相关性分析和多种回归分析。选择模型决定系数最高(>95%)的反正弦平方根变换后的自适应重加权回归方法构建的线性回归模型作为遥感估算模型。遥感估算结果在稻田积水、边缘地带等出现了异常估算值;笔者分析原因后应用线性插值的方法得到最终估算结果。相关性分析和建模精度表明该方法是可行的,有望应用于实际土壤质量监测和土地管理中。