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。     

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。     

基于高光谱数据的苔草营养成分反演方法研究

研究基于高光谱数据的苔草营养成分(侧重粗蛋白质、总氮、总磷)反演方法。结果显示,粗蛋白质的最佳反演模型是通过原始光谱反射率(偏最小二乘回归的方法)获得,R2=0.814、RMSE=0.450;总氮的最佳反演模型是通过一阶光谱反射率(偏最小二乘回归的方法)获得,R~2=0.850、RMSE=0.175;总磷的最佳反演模型是通过原始光谱反射率(偏最小二乘回归)获得,R~2=0.882、RMSE=0.025。最佳模型检验结果显示估算值和实测值之间的强相关性:粗蛋白质R2=0.801、RMSE=1.029,总氮R2=0.777、RMSE=0.234,总磷R2=0.756、RMSE=0.043。     

用偏最小二乘法反演二类水体的水色要素

简要介绍了偏最小二乘法的原理、算法及优点。将该方法应用于黄海和南海二类水体光谱的水色要素反演,交叉检验结果表明反演精度高,预报相对误差不超过38％。该方法应用于加有5％随机噪声的人工合成光谱的水色要素反演,结果表明模型的稳健性强,预报相对误差不超过5％。研究结果表明,偏最小二乘法适合于处理变量多样本数又少的问题,适合于从二类水体光谱中提取水色要素信息。     

基于逐步回归的偏最小二乘法在大坝位移监控中的应用

偏最小二乘回归法是建立大坝位移监控模型的常用方法,该方法能够较好地处理模型初选因子之间存在的多重共线性。然而普通偏最小二乘回归法无法进行显著变量的选取,针对此问题,探讨了基于逐步回归的偏最小二乘回归法的基本原理和建模步骤。实例计算表明,通过该方法建立的模型在拟合效果和预报能力方面均优于普通偏最小二乘回归法。     

土壤重金属污染信息提取遥感模型的建立——以水口山矿区铅锌污染为例

针对矿区愈演愈烈的土壤重金属污染问题,提出基于遥感信息模型快速提取污染信息的方法.首先对野外采集土壤样本进行化学成分鉴定与物理光谱特征分析;然后经过光谱特征预处理与偏最小二乘回归模型分析,建立土壤污染信息提取的定量遥感模型;最后以水口山矿区为例,检验该方法应用效果,其结果为矿区土壤污染监测与治理提供了实时、可靠的图像资料.     

一种基于核偏最小二乘法的高光谱影像最佳波段选择方法

最佳波段选择是高光谱影像降维的常用手段,将本征维数估计与核偏最小二乘法,相结合,提出一种基于核偏最小二乘法的最佳波段选择方法。首先利用自适应最大似然法估计高光谱数据的本征维数;然后将核方法引入到偏最小二乘法中,利用核偏最小二乘法对高光谱影像进行最佳波段选择,所需选择的波段数即为本征维数。实验分析表明,与其他最佳波段选择方法比较,本文方法输出的最佳波段用于地物分类,取得了较高的分类精度。     

利用区域土壤光谱库研究土壤有机碳反演模型传递性

土壤有机碳的有效评估对全球碳循环和农业可持续发展具有重要作用。可见光-近红外光谱技术已广泛用于土壤有机碳含量的反演研究。然而,基于可见光-近红外光谱的土壤有机碳反演模型通常具有一定的区域局限性。本文基于湖北钟祥市和洪湖市两个区域的土壤光谱和有机碳量测数据(样本数分别为100和96),探究土壤有机碳反演模型在不同区域间的传递性。结果表明,钟祥市或洪湖市区域模型都不能用于另一个区域,但基于钟祥样本全集与洪湖区域30个土壤样本数据建立的模型对洪湖区域土壤有机碳含量有很好的预测效果(R~2=0.88,RMSE=2.51g·kg~(-1))。尽管模型在不同区域间的传递性非常有限,但将少量目标区域样本添加到现有区域土壤光谱库中所建立的偏最小二乘回归模型能够估算目标区域土壤有机碳的含量,降低目标区域的采样和量测成本。     

基于包络线去除和偏最小二乘的土壤参数光谱反演

基于江苏省宜兴市100个土样的可见光-近红外高光谱反射率(400~2 450nm)数据,结合包络线去除(continuum removal,CR)与偏最小二乘回归(partial least squares regression,PLSR),构建了土壤重金属砷(As)和有机质(OM)含量的反演模型。结果表明,相比普通PLSR模型(模型决定系数R2和预测根均方误差RMSEP分别为0.512,3.090和0.621,5.934),CR-PLSR构建的模型预测能力有明显的改善(R2和RMSEP分别为0.763,2.323和0.911,4.599)。CR有效增强了550、900、1 420、1 900和2 200nm等波段处的反射光谱特征,根据模型回归系数分析,CR有效突出的波段正是As和OM的CR-PLSR模型所共用的重要波段。研究表明,CR能够协助PLSR模型重要波段的选择,利用遥感技术结合CR-PLSR能够有效提高土壤重金属As和OM含量的反演精度,从而为土壤质量的遥感监测提供参考。     

基于光谱吸收深度分析的冬小麦生物量估算模型的建立

准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m~2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。