土壤重金属铬含量高光谱灰色关联度估测

快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。     

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。     

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。     

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。     

基于作物缺水指数的土壤含水量估算方法

为研究江苏省徐州市的土壤水分时空分布及动态变化,基于MODIS数据和站点气象数据,利用蒸散发双层模型和考虑土壤水分可供率的改进双层模型分别计算实际蒸散发量,利用Penman-Monteith模型计算区域潜在蒸散发量,计算获得作物缺水指数(crop water stress index,CWSI),并与2010年7月和11月的土壤相对含水量实测数据分别进行回归分析建模,得到了土壤含水量分布图。结果表明:基于蒸散发双层模型的土壤含水量估算结果与实测值的决定系数分别为0.53和0.72,平均相对误差分别为5.89%和9.6%;对双层模型进行改进后,土壤含水量估算结果与实测值的决定系数都为0.84,平均相对误差分别为3.47%和6.03%,利用改进后的双层模型对土壤相对含水量进行估算效果更好。     

鄱阳湖富营养化高光谱遥感监测模型初探

基于对光谱反射率与水质参数的相关分析,分别选取特征波长建立水质参数高光谱估测模型。结合修正营养状态指数,对湖泊的富营养化程度进行了监测和评价。结果表明:①总氮、总磷含量和透明度值的高光谱估测模型效果较理想;②单项指数评价水体富营养化水平其结果存在较大差异,综合考虑多个指标,计算营养指数的平均值,可以对富营养化程度进行正确的评价;③由于悬浮物浓度变化较大,掩盖了水体的叶绿素a信息,以致叶绿素a估测模型不具有通用性,为了完善叶绿素a浓度估测模型需要获得大范围、多季节的光谱数据,以便建立更有代表性和通用性的模型;④评价结果显示,鄱阳湖呈现轻度到中度富营养化状态,需要采取有力的保护措施防止进一步恶化。     

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。     

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。     

加权多变量灰色模型在变形监测中的应用

在变形监测过程中,监测因子较多,难以对监测因子进行合理的取舍。首先利用灰关联度分析方法,将监测因子根据灰关联度进行关联排序,为合理选择监测因子提供理论依据;然后,利用得到的关联度进行平滑处理,并将其作为权值建立加权多变量灰色模型,推广了传统的多变量灰色模型,提高了预测精度;最后,以南充水库土石坝沉降数据为例,验证了模型的正确性。算例结果表明,加权多变量灰色模型的平均相对误差比传统灰色模型小,模型精度也比传统模型高。     

基于张量分解的超光谱图像降秩与压缩

超光谱图像在常规的二维图像中加入了光谱维度,具有更大的信息量的同时也带来了较大的光谱冗余性,这给图像压缩带来了新的挑战。提出了一种基于张量分解的超光谱图像降秩与压缩方法,将超光谱图像视为三阶张量数据表示,并使用张量分解技术将原始观测张量分解为核张量与多个投影矩阵的乘积形式。这样,超光谱图像被压缩为了低秩张量,它可以通过张量反投影进行图像重构。实验证明张量分解技术能够将超光谱图像压缩到很低的比率,同时保持较低的重构相对误差。     

融合GNSS ZTD和气象要素的内蒙古土壤水含量模型

土壤水含量是农牧业衡量干旱的重要指标,对气候生态具有重要影响,土壤水的变化趋势对于区域的水土流失和气候变化研究等工作具有重要意义,而我国对于土壤水含量的监测起步较晚,因此有必要利用其他已有数据开展土壤水含量模型研究. 利用内蒙古已有全球导航卫星系统(GNSS)天顶对流层延迟(ZTD)数据和湿度、日照以及蒸发量数据进行土壤水含量反演模型研究. 首先将各要素与土壤水含量进行相关性分析,因土壤水含量与GNSS ZTD数据均存在观测噪声,所以应对数据进行去噪处理. 利用小波变换方法剔除噪声,去噪后土壤水含量数据与各要素相关性均有所提高,土壤水含量与湿度相关性最好,两者各实验点的平均相关性为0.645;土壤水含量与日照和蒸发量呈负相关,其平均相关性分别为?0.561、?0.547;而土壤水含量与GNSS ZTD数据相关性最小,其平均相关性为0.271. 根据各要素与土壤水含量的相关性,进行土壤水含量模型构建并进行可靠性验证. 经验证误差统计发现:实验区域NMWJ站模型精度最高,其精度为90.1%;HLAR站点模型精度最低,其精度为69.1%;各站点的平均精度为81.35%. 基于多变量要素的土壤水含量模型可为土壤水含量的趋势变化研究提供参考,通过研究土壤水含量的变化趋势,对区域进行水资源的合理分配利用从而达到节约水资源目的.      

灰色关联分析与BP神经网络的概率积分法参数预测

在综合分析地表沉陷概率积分法参数与地质采矿条件关系的基础上,提出运用灰色关联分析法找出影响概率积分法参数的主要因素,进而利用BP人工神经网络模型预计参数。在对实测数据灰色关联分析后得出:覆岩平均坚固性系数、采厚、倾角、采动程度与各个参数关联程度较高,表土层厚度和采深次之。在此基础上,建立BP人工神经网络模型,并对预计结果与实测数据进行对比分析。结果表明:该方法预计最大相对误差15.78%,最小相对误差1.92%,考虑到个别参数实测值较小,造成相对误差较大,而绝对误差很小,即模型预计效果较好,是一种预计概率积分法参数的有效方法。     

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。     

基于小波变换的土壤重金属铬含量定量反演

耕地污染日益严重,耕地土壤的重金属高光谱信息属于非线性的微弱信号。小波变换作为常用的非线性微弱信号处理手段,在保留更多微弱信号的基础上可以更好的提取出土壤重金属的微弱光谱信息。文中研究在Db4小波对土壤原始光谱进行分解与重构的基础上提取特征波段,利用特征波段与重金属含量的相关性建立偏最小二乘模型反演土壤重金属铬含量。研究表明,利用Db4小波函数对原始光谱进行分解和重构可以有效提取土壤重金属铬的特征光谱信息;利用小波分解与重构所提取的特征光谱信息与重金属铬含量之间的相关性所建立的PLS模型的决定系数明显高于基于传统一阶微分处理土壤光谱所建立的PLS模型的决定系数。     

基于GPS-IR的地表土壤湿度估算方法

全球定位系统干涉反射测量（GPS-IR）是一种新型的遥感技术,可用于估算近地表土壤水分含量。本文从多卫星融合角度出发,提出了一种基于多星融合的地表土壤湿度估算方法。首先通过低阶多项式拟合分离出卫星反射信号;然后建立反射信号正弦拟合模型,获取相对延迟相位;最后基于多卫星相对延迟相位建立多元线性回归模型。利用美国板块边界观测计划（PBO）提供的监测数据,对比分析不同建模序列长度的反演效果,从而确定最佳的建模长度。试验结果表明,采用多元线性回归模型可实现多颗卫星的有效融合,运用于土壤湿度估算是可行的。     

利用BDS数据反演大气可降水量及其精度分析

随着GAMIT软件版本的不断更新,对BDS数据基线解算已成为可能。本文提出了一种基于GAMIT软件的BDS大气可降水量反演方法,并对利用探空数据计算得到的大气可降水量与GPS数据反演结果进行精度验证。结果表明,通过BDS反演得到的大气可降水量与探空数据计算结果之间的平均相对误差、均方根误差均小于2 mm,相关系数大于0.98;与GPS反演结果之间的平均相对误差、均方根误差均小于3 mm,相关系数大于0.96。BDS反演结果精度较高,基本能够满足气象需要。     

GF-1垂直干旱指数的土壤湿度空间格局分析——以秭归县为例

针对中低分辨率的遥感图像在表征空间异质性较大地区的土壤湿度空间格局存在较大误差问题,该文探讨了基于高分辨率影像在小尺度上分析土壤湿度空间分布及变异规律的可行性。首先利用高分一号WFV数据构建垂直干旱指数来反映秭归县土壤湿度干湿状况,然后进一步分析了该县土壤湿度在水平及垂直方向上的空间格局和分异规律。实验结果表明,野外同步土壤表层水含量测试数据同垂直干旱指数两者表现出较好的相关程度。     

基于CART集成学习的城市不透水层百分比遥感估算

利用Landsat ETM^＋遥感数据，提出了一种基于CART集成学习的ISP遥感亚像元估算方法，将Boosting重采样技术引入CART分析中，用于提高ISP估算的精度。实验结果表明，该方法的ISP估算性能优于传统的单一CART学习算法，从ETM^＋影像中估算的ISP值与真实值之间的相关系数达到0．91，平均偏差为11．16％。