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。     

光谱解混下耕地土壤铬含量GMDH模型反演

针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型。研究结果表明,解混后的光谱与重金属Cr含量间的显著相关波段数增多,相关性增强。基于解混后的土壤光谱与重金属Cr含量构建的GMDH模型,其模型稳定性较好,预测能力更强,精度更好。该方法拓展了传统的利用遥感影像进行反演的思路,可为大范围监测土壤重金属的污染状况提供有益参考。     

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。     

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...     

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。     

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。     

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。     

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。     

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Landsat8 OLI影像光谱的土壤盐分估算模型研究

针对艾比湖流域盐渍化土壤盐分定量监测的需要,利用Landsat8 OLI多光谱影像进行土壤盐分估算模型研究,以提高土壤盐分反演的精度。通过分析不同含盐量土壤的影像光谱反射率特征和不同变换形式的光谱反射率与盐分的相关性,寻求对盐分含量敏感的光谱波段;采用多元逐步回归算法,分别建立基于OLI影像光谱与ASD光谱仪重采样光谱的土壤盐分估算模型,并对影像光谱模型进行校正。结果表明:ASD重采样光谱数据的对数倒数一阶微分变换的土壤盐分估算模型精度较高,模型的决定系数(R2)为0.779;校正后的OLI影像光谱土壤盐分估算模型的R2从0.28提高到0.777 6,且均方根误差值仅为0.281。本研究实现了从实地测量光谱尺度向遥感多光谱尺度的转换,为土壤盐渍化的遥感定量监测提供了科学参考。     

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。     

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。     

鄱阳湖叶绿素a浓度遥感定量模型研究

叶绿素a浓度是反映湖泊水体营养状况的重要指标,本研究通过分析水体叶绿素a浓度与高光谱反射特征的相互关系,采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演模型,在此基础上与同步MODIS数据敏感波段建立卫星定量反演模型。结果表明:叶绿素a荧光峰出现在波段690nm-700nm,波段696nm一阶微分值相关系数最大;波段700nm与波段680nm的比值与其对数相关性较好,MODIS数据波段2和波段1比值的指数模型为最佳的回归模型。     

基于集合经验模态分解的土壤重金属Cd定量反演

针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解（EEMD）。采用EEMD法分解土壤高光谱,获得不同频率的本征模态（IMF）分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R²为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R²（0.786 6）。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。     

基于电磁感应的干旱区土壤盐渍化定量遥感研究

以南疆典型干旱区Landsat 7 ETM+遥感图像为数据源,利用决策树分类法提取农业用地,并对农业用地进行移动式电磁感应调查(简称磁感调查)和光谱特征提取,同时分析磁感数据和图像光谱特征与土壤盐分含量的相关性,从而建立土壤盐分的定量反演模型。研究结果表明:土地利用类型决策树的分类精度达到93.75%,Kappa系数达0.915 4;经多元逐步回归分析,磁感调查获得的土壤盐分含量与差值植被指数(DVI)、ETM+图像第二波段像元值(B2)以及比值植被指数(RVI)间具有显著相关性,由此建立的遥感反演模型可用于土壤盐分含量的定量反演。经89个样点检验,基于磁感调查的土壤盐分遥感反演精度虽低于基于磁感调查的地统计空间分析的精度,但遥感定量反演值与磁感调查实测值仍具有良好的相关性,而且精度较高,因此利用本文方法进行土壤盐渍化大面积监测是快速有效的途径。     

基于高光谱曲线峰度、偏度的植被叶绿素含量反演模型研究

本文分析了高光谱反射率及红边位置与叶片绿度的相关性,建立了基于敏感波段和红边位置的叶绿素估算模型。通过对不同叶绿素含量高光谱曲线特征的分析,提出了基于高光谱曲线峰度和偏度的叶绿素估算新思路,并分别建立基于原始光谱560-760nm波段和一阶导数光谱660-760nm波段对应峰度、偏度的叶绿素反演模型。结果表明,法国梧桐、无花果和白毛杨基于敏感波段的叶绿素含量反演模型的拟合度,与传统估算模型相比,本文提出的新估算模型可以明显提高高光谱反演叶绿素含量的能力。     

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。     

利用包络线消除法反演黄绵土水分含量

采集2014年陕西省乾县黄绵土土壤样本129个,风干过程中进行光谱反射率及水分含量测定,采用包络线消除法提取水分吸收特征参数,进行黄绵土水分含量反演。在对土壤水分含量和光谱吸收特征参数进行相关分析的基础上,运用一元线性回归、对数、指数、幂函数分析法,建立了土壤水分含量定量反演模型。结果表明,相关性较好的为最大吸收深度（D）、吸收总面积（A）、吸收峰右面积（R_A）和吸收峰左面积（L_A）,1 900 nm的光谱吸收特征参数相关性优于1 400 nm。以D_{1 900}、R_{A1 900}为自变量建立的一元线性模型和A_{1 900}、A_{1 400}为自变量建立的对数模型是最佳预测模型,其建模和验证模型的决定系数R2分别大于0.92和0.95,相对分析误差值大于4,预测均方根误差小于1.5%。     

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。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。