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。     

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。     

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。     

塔里木河流域绿洲土壤盐分遥感反演模型研究

以塔里木河流域阿拉尔—沙雅段为研究区,通过多光谱指数组转换和指标筛选,基于最小二乘原理和多元二次模型比较不同光谱指标与土壤电导率之间的相关性,构建基于光谱指数组的土壤盐渍化监测模型。结果表明：生长期NDVI与土壤电导率相关性最好,相关系数为-0.783,休耕期各光谱指标与土壤电导率相关性明显低于生长期。光谱指标的不同数学变换可以一定程度改变与土壤电导率的相关性,NDVI、MSAVI(1/R)、多元二次模型与土壤电导率成极显著相关关系,决定系数R²分别为0.832 8、0.809 6、0.679 0,且模型验证精度较高,可用于研究区土壤盐渍化监测研究。     

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。     

基于偏最小二乘法的近红外光谱分析应用

近红外光谱分析法是一种能够快速检测物质成分含量的分析方法.采用傅里叶变换的近红外光谱结合偏最小二乘法,对采样的126个玉米样本分别建立蛋白质、脂肪和纤维素的偏最小二乘模型,并进行定量分析.结果显示,模型的决定系数均大于0.95,定标集的均方误差均小于0.14.该方法与常规化学检测方法相比,检测简单、速度快、精度较高.     

星地多源数据的区域土壤有机质数字制图

土壤有机质(SOM)是全球碳循环、土壤养分的重要组成部分,精确估算土壤有机质含量具有重要意义。本文以中国东北—华北平原为研究区,收集了1078个土壤样本,以遥感数据(MODIS,TRMM和STRM数据)与土壤地面光谱数据为预测因子,运用基于树形结构的数据挖掘技术构建土壤有机质-环境预测因子模型进行数字土壤制图。通过不同建模样本数建模精度比较,选择300个样本数时的模型为最优模型。建模结果表明土壤光谱和气候因子是研究区SOM变异的主控因子,生物因子次之,而地形因子影响最小。预测结果经检验,RMSE为7.25,R2为0.69,RPD为1.53制图结果与基于第二次全国土壤普查数据的土壤有机质地图具有相似的分布规律,呈现SOM自东北向西南递减的趋势。通过比较分析发现,经过20年左右的土地开发与利用,研究区低SOM和高SOM含量土壤面积减少,而中等SOM含量土壤面积增加。     

土壤钾含量高光谱定量反演研究

为了更快捷准确地进行土壤钾(K)含量的预测,基于土壤高光谱数据和化学元素分析数据,研究土壤光谱与土壤钾含量之间的定量关系.在对土壤原始光谱进行处理分析基础上,提取反射率(R)、反射率倒数的对数(log(1/R))、反射率一阶微分(R')和波段深度(BD)4种光谱指标,运用偏最小二乘回归方法建立相应的预测模型,并对模型进行检验.结果表明,波段深度是估算土壤钾含量最好的光谱指标,其建模精度超过0.85,均方根误差不超过0.1;全波段高光谱分辨率反射光谱具有快速有效估算土壤钾含量的潜力.     

高光谱遥感土壤有机质含量信息提取与分析

通过分析室外实测的土壤光谱与室内测定的土壤化学成分之间的关系,利用单相关分析和线性回归等统计学方法,结合光谱微分技术,建立了武汉地区土壤有机质含量预测模型。选取精度较高的反射率对数的一阶微分模型应用到Hyperion影像中,获得了研究区土壤有机质分类图。     

基于反射光谱预测土壤重金属元素含量的研究

本文利用实验室实测的土壤反射光谱以及铅、镉、汞等重金属元素数据,进行土壤重金属元素含量快速预测的可行性研究。本文利用偏最小二乘回归方法,研究了反射率(R)、一阶微分(FDR)、反射率倒数的对数(lg(1/R))和波段深度(BD)等对预测精度的影响,对这几种光谱指标预测土壤重金属含量的能力进行了分析和评价,同时分析了多光谱数据估算土壤重金属元素含量的可行性。结果表明,反射率倒数的对数lg(1/R)是估算土壤重金属元素含量最好的光谱指标,尤其是Cd和Pb,检验精度R超过0.82。有机质、铁锰氧化物和黏土矿物对土壤重金属元素的吸附是可见光—近红外—短波红外光谱估算其含量的机理。多光谱数据同样具有估算土壤重金属元素含量的能力,但实际数据则要考虑多种因素的影响。     

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.     

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。     

柑橘植株冠层氮素和光合色素含量近地遥感估测

柑橘植株营养状况的遥感监测是实现果树轻简高效管理和优质丰产的重要手段,但迄今有关基于低空遥感信息的果树营养诊断研究鲜见报道。本文采用具有490 nm、550 nm、570 nm、671 nm、680 nm、700 nm、720 nm、800 nm、840 nm、900 nm、950 nm等11个波段光谱的八旋翼飞行器(UAV)载多光谱遥感系统,获取距地面100 m高度的哈姆林甜橙植株春季冠层近地遥感信息,对比分析基于多元散射校正(MSC)和标准正态变量(SNV)两种预处理光谱和原始光谱(OS)的偏最小二乘(PLS)、多元线性回归(MLR)、主成分回归(PCR)及最小二乘支持向量机(LS-SVM)等4种模型对冠层叶片氮素、叶绿素a、叶绿素b和类胡萝卜素含量预测精度的影响。结果显示,距地面100 m高度的多光谱信息,通过SNV光谱预处理和MLR建模对冠层叶片氮素、叶绿素a和叶绿素b含量的预测效果均较好,预测集相关系数(Rp)值分别达0.8036、0.8065和0.8107,预测均方根误差(RMSEP)值分别为0.1363、0.0427和0.0243;而在SNV光谱预处理基础上的LS-SVM建模对冠层类胡萝卜素含量预测效果更优,Rp值达到了0.8535,RMSEP值为0.0117。表明利用机载多光谱图像信息可实现对柑橘植株冠层全氮及叶绿素a、叶绿素b和类胡萝卜素含量的较好估算,为大规模柑橘园植株冠层营养状况的精准和高效监测提供了一条新途径。     

基于Aster数据的新疆渭-库绿洲及其周边地区土壤盐分的定量反演

以新疆渭干河-库车河地区为研究区域,在野外调查采样的基础上,对土样进行实验室光谱测量并重采样与Aster波段相匹配,利用偏最小二乘回归建模方法建立了土壤盐渍化定量反演模型,其精度满足大区域的土壤盐渍化监测要求,表明该建模方法具有较好的普适性和稳定性。用10景Aster图像数据实现了该区域的土壤盐渍化定量反演与制图,反演的盐分分布与实地调查较为一致,为大面积区域性土壤盐渍化的遥感定量调查与监测提供了较为有效的技术方法。     

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。     

土壤电导率和pH值光谱特征及反演模型——以呼伦贝尔草原干旱半干旱土壤为例

针对传统的化学分析无法快速获取土壤盐分信息的问题,该文提出了一种基于光谱技术的土壤电导率(EC)及pH值的特征提取及估测算法,获取呼伦贝尔典型草原区72个土壤样本的光谱反射率,分析光谱特征并采用稳健估计法、偏最小二乘及支持向量机模型实现对土壤EC以及pH值的快速、高精度预测。实验结果表明:支持向量机建模预测精度最高,EC拟合值与实测值的相关系数为0.78,均方根误差为0.035,2.0RPD=2.182.5;pH拟合值与实测值的相关系数为0.91,均方根误差为0.349,RPD3.0。     

黑土地硒含量的航空高光谱综合反演模型

针对单纯利用光谱信息建立土壤硒含量反演模型时,通常会产生模型精度受限、模型参数难以解释的问题,该文基于硒的空间分布影响因素开展综合建模.以黑龙江省海伦典型黑土区为研究区,利用CASI/SASI航空高光谱数据、土壤理化性质和地形因子,在筛选模型变量的基础上采用随机森林法建立综合模型.结果 表明:硒与土壤理化性质的关系非常密切,其中与有机质、全氮、全磷、Al2O3、Fe2O3、MgO、CaO、pH呈极显著正相关,与SiO2、Na2O呈极显著负相关;硒与地形因子的关系相对较弱,其中与起伏度和地形粗糙指数呈显著正相关.在光谱特征上,硒与光谱反射率的相关性主要体现了有机质和铁锰氧化物的光谱吸收特征.将筛选的相关指标按照不同组合方式进行建模和对比讨论,结果显示光谱、理化性质和地形因子均对提升模型精度有贡献,整体上光谱和理化性质占主导地位.当模型自变量为全部3类数据时,模型的建模和验证精度均为最高,表明综合模型不仅提升了硒元素的建模精度,而且改善了模型的稳健性.     

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。