土壤铅含量高光谱遥感反演中波段选择方法研究

利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。     

基于在线惯序极限学习机的瞬变电磁非线性反演

基于梯度下降法的传统人工神经网络瞬变电磁反演方法计算效率低,不能保证全局收敛。为了解决上述问题,提出一种在线惯序极限学习机(online sequential extreme learning machine, OSELM)的瞬变电磁反演方法。该方法针对瞬变电磁法所获取的高维勘探数据进行建模反演,首先,通过随机设定隐层参数(输入权值和偏差)来简化模型的学习过程;然后,将测试得到的预测样本加入训练样本中,作为下一次的更新信息,建立在线贯序极限学习机预测模型,从而最大限度提高反演精度;最后,设计了两个经典的瞬变电磁层状地电模型并进行了拟二维地电模型的反演。反演结果表明,该方法能够较好地解决瞬变电磁法高维数据非线性建模的反演问题,同时相较极限学习机(extreme learning machine, ELM),非线性反演方法具有更加准确的反演结果、更好的泛化能力以及更高的计算效率,为神经网络在地球物理反演中的应用提供了新思路。     

基于改进极限学习机模型的岩质边坡稳定性评价与参数反演

岩质边坡的稳定性评价与参数确定是岩土工程领域的经典难题。基于大数据智能计算的优点,提出了一种结合变量遗忘因子的正则化在线序列极限学习机模型(FOS-ELM)的岩质边坡稳定性评价和参数确定方法。根据收集的1 235例岩质边坡的几何力学与Hoek-Brown模型参数,应用贝叶斯信息准则(BIC)优选基于岩体强度指标(GSI)、扰动因子(D)、岩石材料常数(m_i)、单轴抗压强度(σ_ci)、岩体重度(γ)、坡高(H)、坡角(β)的最优输入组合预测边坡稳定安全系数(F),并建立7个模型对最优输入组合进行评价,论证模型的预测精度,结果表明全参数输入组合精度最高,但输入参数并不是越多越好。同经典的极限学习机模型(ELM)相比,该模型具有预测精度高、预测速度快、后期增加边坡数据无须重新训练等优点。并采用不同赋值的全参数输入模型(FOS-ELM-M₇)建立边坡参数反演模型,结果表明该模型对边坡单参数和双参数的反演计算速度快、精度高,为获取岩体边坡参数提供了一种快捷的新方法。     

二维视电阻率断面的快速最小二乘反演

快速最小二乘反演是以平滑限定的最小二乘方法为基础,是对二维视电阻率断面进行反演的一种方法。反演过程不需要提供初始模型,在首次迭代时使用一均匀介质地下模型作为初始模型,该模型的视电阻率偏导数值可以用解析法得到。在后面的迭代中,使用了拟牛顿法去修改每一次迭代的偏导数矩阵,避免了偏导数矩阵的直接计算,从而减少了计算时间和存储空间。同时运用牛顿矩阵校正技术解最小二乘方程组也减少了大量的计算时间。总之,该方     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

基于偏最小二乘回归的融雪型洪水预报模型

本文采用偏最小二乘回归法对新疆塔什库尔干河流的实测流量资料进行分析,建立了日平均流量的偏最小二乘回归模型,采用建立的模型对2001年日平均流量进行了预报。研究分析表明,结果比较合理,这为融雪型洪水预报提供了一种新的思路和研究方法。     

马达加斯加索菲亚省BINARA地区铬铁矿遥感找矿预测

马达加斯加北部地区地广人稀、交通不便、植被稀疏、矿产资源丰富,利用遥感技术提取矿化蚀变信息具有独特的优势和较好的效果。为了对BINARA地区铬铁矿进行遥感找矿预测,文章首先利用Landsat 8遥感数据2、4、5、6波段进行主成分分析提取研究区内基性-超基性岩信息;然后基于实测高光谱数据,采用偏最小二乘回归法建立Fe含量定量反演模型,并利用该模型对Hyperion高光谱遥感数据进行计算,提取研究区内Fe含量异常信息;最后根据综合遥感异常信息以及野外调查验证结果,确定研究区内的Fe含量为一级异常的区域作为预测区。     

基于CASI & SASI航空高光谱的雄安新区西南部农田土壤 重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。     

集成极限学习机的中小河流洪水预报方法研究

为利用水文现象相似性和极限学习机(ELM)集成学习提高洪水预报精度,提出了一种基于相似度匹配的集成ELM洪水预报方法(SM-ELM)。方法首先从多个ELM模型中,为每一个训练样本找到最优的ELM模型,然后从训练集中,为测试样本匹配出最相似的前k个训练样本,最后利用这k个训练样本分别对应的最优ELM模型,对测试样本采用加权平均法进行集成预报。为证明提出方法的可行性和有效性,以昌化流域的历史洪水为例进行了验证。结果表明,相对于单个ELM,集成ELM模型能有效地提高预测精度。从均方根误差上看,集成ELM模型性能比单个ELM模型提升了10%~15%。在三种集成方法中,SM-ELM能够以较少的模型数量获得较高且稳定的预报精度。     

墨西哥下加利福尼亚M_W 7.2地震前后CO遥感地球化学异常

利用AIRS产品数据提取了2010年4月4日墨西哥下加利福尼亚MW7.2地震前后震中及其附近CO总量和CO体积混合比随时间变化的信息,讨论了CO气体地球化学变化与地震活动的关系。数据表明,下加利福尼亚地震前约一个月CO总量升高,高出前两年同期平均值2～4×1017 mole/cm2,在地震发生前后CO总量和近地表CO体积混合比有波动现象,且8日平均数据的标准偏差增大,约为非地震时段的2倍。该现象应该归因于地震孕育发生过程中地应力作用使岩石圈脱气增强、大气电磁和化学反应引起的CO含量的增加。研究结果表明利用卫星高光谱遥感数据提取与地震有关的CO气体地球化学信息,对地震监测预报有重要意义。     

基于卫星遥感数据南海南部海洋表面流场反演

海表流场可直接影响海表的气候变化,且对于研究海气相互作用、热通量输送等具有重要意义.通过利用Jason-2号与HY-2号卫星高度计数据以及Metop卫星的ASCAT与HY-2号卫星散射计数据反演海表流场.利用距离加权平均法生成分辨率为0.25°×0.25°的网格,通过数据融合分别得到海表高度场与海面风场,在此基础上构建...     

新疆哈密黄山地区多金属矿床遥感地质信息提取与找矿模式研究

东天山地区是我国重要的矿产资源远景区,蕴藏着金、铜、镍、钼等矿种,其独特的地理特点非常有利于遥感找矿研究。在分析黄山地区多金属矿床研究资料的基础上,利用ETM影像进行遥感找矿研究,拟建立适合该区的遥感找矿模式,实现该区快速、节省资源勘探目标。研究的方法步骤为：首先对影像进行滤波处理提取区域构造信息,确定找矿远景区;进而利用与金属矿化有关的蚀变岩的ETM双峰波谱特性,采用比值主成分变换技术对已确定的成矿远景区进行蚀变信息提取,从而缩小勘探范围,确定勘探靶区,在此基础上建立该区多金属矿床资源勘查的遥感找矿模式。     

结合化探数据的齐石滩金矿区遥感地球化学建模

地球化学勘探找矿效果较好,但成本高、周期长;遥感地球化学利用遥感技术解决地球化学问题,遥感技术与地球化学方法相结合,可以降低找矿成本,提高效率。以新疆齐石滩金矿为研究区,将金矿成矿相关元素的化探数据与该区的WorldView-2遥感数据相结合进行遥感地球化学研究。采用多元线性回归（MLR）法建立各元素的反演模型,但反演结果精度不高,且异常位置和异常形态也存在一定的偏差,可能是混合像元致使含量与遥感影像呈非线性关系。因此,引入BP神经网络方法建模,反演精度明显提高,各元素反演异常与化探异常吻合很好,异常位置和异常形态更加精确。可见,BP神经网络方法更适合于遥感地球化学建模。     

哈密黑山口地区遥感蚀变信息提取特征波段优选研究

[摘 要] 在遥感蚀变信息提取研究中,特征波段的选取是主要的技术关键。本文以新疆哈密市黑 山口地区为研究区,利用ETM 卫星遥感数据,在光谱数据空间几何结构特征分析的基础上,通过对七个 多光谱波段的回归偏度分析,评价蚀变信息的客观存在性,从而选取出针对不同蚀变类型的特征波段, 然后采用主成分分析、最优密度分割等方法,提取出矿化蚀变信息,并对结果信息进行了评价。通过野 外地质调查和光谱测量的实地验证,提取的蚀变信息与实地情况吻合性好,取得了较理想的效果。结论 认为,次级断裂构造带上含矿化蚀变的铁镁质岩体找矿前景较好。