克里雅河流域土壤盐分光谱定量分析

本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。     

基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

MLR和PLSR的沙壤土盐分含量光谱检测对比研究

为了快速有效检测南疆地区典型土壤（沙壤土）的盐分含量变化,利用光谱仪和电导仪测得南疆阿拉尔市红枣种植区盐渍土近红外高光谱和电导率数据,基于7种不同光谱预处理方法和2种特征波长选择算法,分别建立多元线性回归（MLR）和偏最小二乘回归（PLSR）的土壤盐分监测模型。结果表明：7种预处理方法中,归一化,多元散射,变量标准化和一阶导数能够有效提高土壤盐分的预测模型精度。基于多元逐步回归（SMR）波长选择方法的多元线性回归（SMLR）模型的R_val²>0.948 9,RPD>6.294 9,RMSEP<0.435 6;基于连续投影算法（SPA）的多元线性回归（SPA-MLR）模型的R_val²>0.956 8,RPD>6.922 1,RMSEP<0.361 6,预测结果要优于偏最小二乘回归（PLSR）模型,其中基于归一化处理后的SMLR和SPA-MLR的预测精度最为理想,分别为R_val²=0.979 2,RPD=9.907 8,RMSEP=0.287 6和R_val²=0.980 5,RPD=10.50,RMSEP=0.278 3,而且筛选的特征波长较少。说明归一化是更有效的光谱预处理方法,多元线性回归（MLR）更适合建立南疆典型沙壤土盐分含量的预测模型。     

若尔盖湿地土壤重金属元素含量的遥感反演

土壤中的重金属元素对植物和动物具有一定的毒害作用,测量湿地土壤重金属元素含量,对评估湿地生态系统健康具有重要意义。以光谱分辨率的优势,高光谱遥感可以获取地物的连续光谱信息,可应用于土壤研究。以四川若尔盖国际重要湿地为研究区,在研究区中采集土样,测定土样的5种重金属元素含量;利用偏最小二乘回归(partial least squares regression,PLSR)方法,分析了环境一号卫星上搭载的超光谱成像仪(hyperspectral imaging radiometer,HSI)的地表反射率数据与实测的土壤重金属元素含量的关系;利用原始地表反射率及原始地表反射率曲线的一阶微分值和倒数的对数值,分别建立了预测土壤中5种重金属含量的3个回归模型。结果表明,土壤锌含量的平均值(62.83 mg/kg)最高,镉含量的平均值(0.18 mg/kg)最小;土壤锌含量与铅、铬含量显著相关,土壤铬含量与铜、铅含量显著相关;在3个回归模型中,利用一阶微分值所建立的模型的预测效果最好,土壤5种重金属含量的实测值与预测值都显著相关,其次是利用原始反射率所建立的模型,而利用倒数的对数值所建立的模型的预测结果相对最差,尽管如此,除了镉和铅含量外,其它重金属元素含量的实测值与预测值也都显著相关。利用高光谱遥感技术反演土壤某些重金属元素含量具有可行性,有利于实时掌握湿地土壤重金属含量及其对湿地生态系统健康的影响。     

基于高光谱数据的天山北坡积雪孔隙率反演研究

以新疆天山北坡中段典型流域季节性积雪为研究对象,基于高光谱遥感监测技术,分析了融雪期积雪孔隙率与光谱反射率的相关性。采用偏最小二乘法(PLS)对相关性较高的波段进行压缩,并提取贡献率最高的前四个主成分,以此用来确定神经网络的隐含节点数、输入层、输出层的初始权值,建立PLS-BP模型进行积雪孔隙率反演研究。结果表明:当隐含节点数为3,模型的线性确定相关系数(R²)较高为0.9159,RMSE为0.04,相对误差为0.23。与传统偏最小二乘回归(PLSR)、主成分回归(PCA)建模方法相比,精度较高,所建定量模型可用于高光谱遥感反演积雪孔隙率。     

基于高光谱的民勤土壤盐分定量分析

土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除（cn）预处理,然后分别建立了土壤盐分含量的高光谱指数模型（NDSI）、偏最小二乘回归模型（PLS）、间隔偏最小二乘法模型（iPLS）和反向间隔偏最小二乘法模型（BiPLS）,考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R²和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。     

莱州湾海岸带土壤光谱分析与有机质反演研究

利用土壤光谱反射率预测海岸带典型土壤有机质含量。对莱州湾海岸带典型地区97个土壤样本的光谱反射率特性进行分析,把光谱曲线划分为4个区域,提取每个区域的代表性特征参数,与土壤有机质含量进行相关性分析,最终选用458～587.1nm区间的挠度(相关系数达0.87)作为自变量进行模型回归,并利用均方根误差(RMSE)和预测残差(RPD)进行模型检验与评价。结果表明,以458～587.1nm区间的挠度作为自变量建立的对数函数预测模型具有较高的精度和稳定性,经验证计算出其RMSE为0.39,RPD为2.5,该模型应用效果较好。     

基于偏最小二乘法的玉米FPAR高光谱反演模型研究

以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。     

基于表观电导率与实测光谱的干旱区湿地土壤盐分监测

以新疆艾比湖滨盐渍化土壤为对象,利用磁感应电导仪和光谱仪测得的盐渍土表观电导率和可见光/近红外光谱数据,选取与EM38解译的土壤盐分相关性最好的光谱变换形式和特征波长,分别建立多元逐步回归、偏最小二乘回归和支持向量回归的土壤盐分监测模型。结果表明：（1）表观电导率两种模式相结合建立的盐分含量解译模型的拟合优度达到0.91,即在该区域内电磁感应技术可用于土壤盐分含量的间接监测。（2）一阶微分处理优于二阶微分,经一阶微分变换后的光谱可以较好地预测土壤盐分含量。（3）3种建模方法中,支持向量回归的建模精度最高,偏最小二乘回归和多元逐步回归次之。干旱区湖滨湿地土壤盐分含量的估测模型宜选取基于平滑后的原始一阶微分光谱数据建立的支持向量回归模型。     

荒漠-绿洲交错带土壤N、P、K含量的高光谱反演模型

利用新疆奇台县荒漠-绿洲交错带的75个土壤样本,选取土壤可见光-近红外光谱的反射率（R）、光谱反射率倒数之对数（lg（1/R））、光谱反射率一阶导数（FDR）和光谱波段深度（Depth）4个指标,分析了其与土壤N、P、K元素含量的关系,分别建立了反演模型并对其精度进行了检验。结果表明：可见光-近红外反射光谱快速估算荒漠-绿洲交错带土壤N、P、K元素含量的潜力大,其预测精度由高到低的排列顺序为：N>P>K。不同光谱指标反演模型的精度各异,指标Depth和FDR的预测效果明显优于lg（1/R）和R,对N和P元素的拟合效果为：lg（1/R）相似文献   

剑湖湿地中菰的叶绿素含量高光谱估算模型研究

2017年7月27日,在云南省剑湖湿地中,利用ASD Filed Spec 3光谱仪和CCM-200 Plus叶绿素仪,分别测量了菰(Zizania caduciflora)的反射光谱和叶绿素含量指数(chlorophyll content index,CCI);利用原始光谱反射率以及经一阶微分和连续小波变换的反射率数据,对菰的反射光谱特征进行了研究;分析原始光谱反射率、一阶微分的反射率、"三边"参数、经Mexican Hat小波变换的反射率的小波系数与叶绿素含量指数之间的关系,筛选出显著相关的变量,采用多元逐步线性回归方法,建立叶绿素含量指数的估算模型,并检验估算模型的精度。研究结果表明,菰与健康绿色植物的原始反射光谱特征相同,利用经一阶微分和连续小波变换的反射率数据,可以更好地提取菰反射率信息和分析菰的反射光谱特征;菰的所有波段的原始反射率都与叶绿素含量指数不相关,但是经过一阶微分和小波变换后的反射率,其在一些波长范围内与叶绿素含量指数显著相关;在同一环境下生长的菰叶绿素含量差异明显;在建立的3个叶绿素含量指数估算模型中,利用小波系数建立的回归模型的估算精度相对较高,其决定系数为0.310,均方根误差为6.725。     

基于减小叶片水分影响的湿地芦苇氮浓度高光谱反演研究

以盘锦双台河口湿地国家级自然保护区作为研究区,采用基于bootstrap的偏最小二乘回归模型（PLSR）,分别构建不同光谱变换技术（包括光谱水分影响减小技术WR、包络线去除CR、光谱一阶微分FD、光谱倒数的对数LR）和原光谱数据（R）的芦苇叶片氮浓度预测模型。使用变量投影重要性指标VIP,计算了各光谱波段在估算芦苇叶片氮浓度时的重要性。研究结果表明,WR光谱变换技术的芦苇叶片氮浓度估算精度最高（R²=0.87,均方根误差=0.57）,该方法可以有效减小叶片水分的影响,增强鲜叶片光谱中细微的氮吸收特征。     

基于高光谱的不同人类干扰程度下荒漠土壤有机质含量估算模型

为对比同一背景下不同人类干扰程度的荒漠土壤有机质含量的预测模型,以天山北麓阜康市的土壤为研究对象,通过对无人干扰区、人为干扰区全样本和剔除有机质质量分数大于2%的样点的原始光谱反射率进行6种光谱变换,分析不同变换形式与有机质含量的相关性,以相关系数通过P=0.01和0.05水平上显著性检验的敏感波段为自变量,运用多元逐步回归、偏最小二乘回归以及主成分回归法分别建立了无人干扰区、人为干扰区土壤有机质高光谱的预测模型,并选择精度最高的为最优模型。结果表明：（1）无人干扰区与人为干扰区的原始光谱所有波段与有机质含量的相关性都没有通过0.01水平的显著性检验。将有机质质量分数大于2%的样点剔除后,有机质含量与原始光谱反射率的相关系数都大于全样本且有部分波段通过了0.01水平的显著性检验。（2）不论采用何种方法建立的全样本无人干扰区和人为干扰区的预测有机质模型的RPD均小于1.4,不具有预测有机质含量的能力。其中全样本无人干扰区一阶微分、人为干扰区倒数一阶微分多元逐步回归模型是其所有模型中,建模精度最高的,R²分别为0.652、0.512,但是其RPD仅分别是0.662、0.655,表明模型的预测能力很差。（3）剔除有机质质量分数大于2%的样点之后,预测效果最好的是无人干扰区一阶微分多元逐步回归模型,R²达到0.776,RMSE为1.408,RPD为2.136;而人为干扰区的二阶微分模型预测效果最优,R²为0.542,RMSE为2.261,RPD为2.087。     

基于无人机成像光谱技术的农田土壤养分估测及制图

成像光谱技术是精准农业中土壤理化特性快速获取和实时监测的重要技术支撑.该文以松辽平原农田土壤为研究对象,通过对比标准正态变量变换(SNV)、多元散射校正(MSC)、光谱一阶微分(FD)和二阶微分(SD)4种方法对无人机高光谱图像进行预处理,引入竞争自适应重加权采样—连续投影组合算法(CARS-SPA)进行特征波段筛选,然后利用粒子群算法(PSO)对极限学习机算法(ELM)进行改进,从而构建土壤有机质(SOM)和土壤全氮(STN)的高光谱反演模型.结果表明:4种预处理方法中MSC去噪效果最优,可有效降低散射效应噪声;CARS方法筛选出53个SOM、33个STN特征波段,进一步利用CARS-SPA筛选出24个SOM和22个STN特征波段,将SOM和STN的平均相对误差分别降低了12.3％ 和6.6％;利用PSO优化ELM的输入权值和阈值,有效弥补了极限学习机模型泛化性能低这一不足,将SOM和STN的平均相对误差分别降低了2.9％ 和3.2％,同时模型精度高于偏最小二乘回归(PLSR)和支持向量机(SVM);利用CARS-SPA筛选的特征波段建立的PSO-ELM模型效果最佳,其预测SOM的决定系数R2为0.73、相对分析误差RPD为1.91,预测STN的决定系数R2为0.63、相对分析误差RPD为1.53,将模型应用于高光谱图像,获取SOM和STN空间分布图,玉米种植区的SOM和STN均高于花生种植区.该研究可为无人机高光谱图像应用于田间尺度的土壤养分估测和数字制图提供参考.     

基于无人机高光谱遥感的淇澳岛红树林冠层叶片功能性状反演

以珠海淇澳岛红树林为研究对象,基于无人机高光谱数据,采用偏最小二乘回归方法和归一化植被指数相结合(PLSR+NDVI)以及偏最小二乘回归方法与连续小波变换(PLSR+CWT)相结合的2种无人机高光谱数据处理方法,反演了研究区内红树林的10种冠层叶片功能性状。结果表明,PLSR+NDVI的方法更适用于红树林冠层叶片比叶重LMA、单位质量磷含量P_mass和单位面积氮含量N_area的反演,PLSR+CWT的方法更适用于氮磷比N/P、叶绿素含量C_ab和类胡萝卜素含量C_xc的反演,2种方法用于反演单位质量氮含量N_mass、单位质量钾含量K_mass、单位面积磷含量P_area和单位面积钾含量K_area的结果均不理想(R²<0.3)。采用所建立的较优方法对研究区红树林冠层叶片的LMA、P_mass、N_area、N/P、C_ab和C_...     

国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

亚热带人工针叶林冠层叶氮浓度的星载高光谱遥感能力评估(英文)

冠层叶片氮浓度(CNC)是影响森林生态系统生产力的重要参数之一。本研究探讨了星载成像光谱遥感在估测亚热带红壤丘陵区人工针叶林CNC的表现。分析包括了星载成像光谱数据(Hyperion影像)覆盖的两条样带上的57个野外样方,并将其分为三个子集(A-C)。利用一元回归和偏最小二乘回归方法分析了CNC与成像光谱信息之间的关系。在A-C子集中,CNC与近红外反射率(NIR)之间的相关性一致都呈现显著的正相关关系(R2=0.29,0.33和0.36,P0.05或P0.01)。另外,我们利用归一化的氮指数(NDNI)估计森林CNC的变异。在3个子集中,NDNI与CNC都呈现极显著的正相关关系,但相关性不高(R2=0.38,0.20和0.17,P0.01)。然后利用偏最小二乘方法分析了CNC与整个成像光谱数据(反射率、对数变换和一阶导数变换)之间的相关性,对于各个子集相关性不同且相对微弱。在分析已有数据和对比前人文献基础上,文章分析了影响成像光谱遥感森林CNC的可能原因,并指出研究区人工针叶林单一的冠层结构可能减弱了该地区森林CNC与成像光谱信息之间的相关关系。     

基于NDVI与偏最小二乘回归的荒漠化地区植被覆盖度高光谱遥感估测

以星载高光谱影像Hyperion为数据源,系统比较了NDVI与偏最小二乘回归（PLS）估测荒漠化地区植被覆盖度的能力,模型的建立（n=46）与独立检验所用样本（n=10）均为地面实测数据。研究结果表明,基于星载高光谱数据的NDVI与PLS模型可以有效地估测荒漠化地区植被覆盖度。相比于宽波段NDVI（RMSEP=10.5618）及基于803.3/671.02 nm计算的标准高光谱NDVI（RMSEP=8.3863）,选择特定高光谱波段（823.65/701.55 nm）构建的NDVI预测植被覆盖度的误差明显较低（RMSEP=6.5189）。基于高光谱所有波段原始反射率、一阶导数及包络线去除光谱的PLS回归模型表现,要明显优于仅利用两个波段信息的NDVI,其中基于原始反射率的PLS回归模型表现最佳,RMSEP为4.4998,约为因变量平均值的23%。     

土壤氧化铁光谱特征研究

土壤光谱反射特性的研究是土壤遥感的物理基础,土壤氧化铁含量影响土壤反射率。对采集的174个土样350~2 500 nm谱段的光谱数据进行分析,着重探讨下述3类光谱变量,寻找对土壤氧化铁含量敏感的光谱特征。1)原始光谱反射率及其各种变换形式;2)基于光谱吸收峰特征的变量,因为已知三价铁在870 nm附近有吸收峰存在,提取该吸收峰的面积、宽度、深度等变量;3)基于植被指数的变量,构建土壤氧化铁指数。研究结果表明,各类变量中土壤氧化铁指数对土壤氧化铁含量最敏感,建立相应的回归预测模型,模型拟合度R2为0.534。     

利用可见光/近红外反射光谱估算土壤总氮含量的实验研究

利用土壤的室内反射率光谱，探讨土壤氮元素的高光谱机理。利用土壤光谱各吸收带的特征参数与总氮含量进行逐步回归运算，确定与氮元素关系比较密切的几个吸收带。计算出这几个特征吸收带内土壤反射率的变化形式：一阶导数(FDR)、倒数(1/R)、倒数之对数(log(1/R))、波段深度(Depth)，并与总氮含量进行逐步回归分析，得到比较理想的结果：建模样本的Ra^2(修正的判定系数)分别为0．789、0．753、0．736、0．699，验证样本的Ra^2分别为0．759、0．468、0．794、0．725。可见土壤的反射率光谱与氮元素含量之间存在比较明显的相关性，可见光／近红外反射光谱具有快速估算土壤中氮元素含量的潜力。