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。     

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　removalcr与偏最小二乘回归partial 　least 　squares 　re gressionplsr 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0．5123．0９0和0．6215．９34cr－plsr构建的模型预测能力有明显的改善r2和rmsep分别为0．7632．323和0．９114．5９９ cr有效增强了550９001　4201　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。     

基于分数阶微分的土壤含水量高光谱响应特征与估测模型构建

面向滨湖地区土壤含水量信息的高效获取,以洪湖272个土壤样本为例,测定可见-近红外反射光谱,对原始和两种预处理后的光谱进行0～2阶分数阶微分处理（间隔为0.2阶）,探究土壤含水量的分数阶微分（fractional-order derivative,FOD）光谱响应特征;以此为基础构建土壤含水量估测模型并进行对比,探究最佳的预处理与微分阶数组合。结果表明：随着微分阶数的增加,土壤光谱在水分特征波段1 450 nm、1 950 nm和2 200 nm附近谷值逐渐突出,1 950 nm处的VIP峰值逐渐增强;分数阶微分在特定波长和阶数下能提高土壤含水量和光谱之间的相关性,使用Savitzky-Golay(SG)平滑+0.6阶微分的光谱数据建立的模型精度最佳,预测决定系数为0.86,相对分析误差值为2.62,且在不同用地类型的交叉验证中都取得了良好效果。     

采煤拉张裂隙区土壤有机质高光谱反演

煤炭开采产生的拉张裂隙破坏土壤结构,影响土壤质量。利用高光谱技术对裂隙区土壤的重要成分进行监测,对精确恢复裂隙区土壤质量及改善农业产量具有重要意义。本文首先在淮北朱庄煤矿采煤拉张裂隙区采集了90组土壤样品,并在室内测定了土壤样本光谱;然后将反射率值与测定的有机质含量进行相关分析,选取对有机质敏感的特征波段;最后利用偏最小二乘、BP神经网络进行建模,并评价各模型的精度。研究表明,本文反演效果较理想,比较所建模型精度,一阶微分与偏最小二乘模型(FDPLSR)建模效果最佳。FD-PLSR模型建模集和验证集的R²分别为0.876 1、0.845 9,RMSE分别为0.497 2、0.680 6。该研究可为采煤拉张裂隙区土壤有机质含量监测提供一定的技术支持。     

基于包络线去除和偏最小二乘的土壤参数光谱反演

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(R²=0.88, RMSE=2.51 g·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。     

郑州邙山枣树沟黄土剖面常量元素含量的高光谱反演

黄土自身的发生和发展过程记录了丰富的历史信息,其常量元素指标能够准确地反映出气候环境的演变.高光谱遥感技术具有波段多且连续、高分辨率的优点,可用于探测土壤属性信息的细微差异,为快速有效地获取黄土基础信息提供了技术支持.本研究以郑州邙山枣树沟村黄土剖面为研究对象,结合高光谱技术,通过对平滑处理后的原始光谱、一阶微分(FD...     

基于叶片光谱的森林叶绿素浓度反演研究

准确估测森林叶片叶绿素浓度有助于进一步理解和模拟森林生态系统。基于江西省千烟州试验区主要树种光谱数据和相应叶绿素浓度等化学参量数据,使用高光谱指数和偏最小二乘(PLS)回归方法进行森林叶绿素浓度的反演,对具代表性的几种叶绿素相关的光谱指数进行反演能力评价,构造出表征叶绿素吸收特征的叶绿素吸收面积指数(CAAI),发现TCAR I(改进型的叶绿素吸收比率指数)和CAAI能较好地估测试验区森林主要树种的叶绿素浓度。针对叶片生化参量之间强相关现象,首先使用了叶片生化参量吸收特征分析方法,选定特定波段。然后对叶绿素浓度进行PLS回归估测,并从PLS获得估测模型的结果来评价和解释几种高光谱指数的叶绿素反演能力。     

基于GRNN的ALI多光谱遥感数据土壤盐分反演研究

受环境变化和人类活动的双重影响,土壤盐渍化已经成为土壤退化的重要形式.及时展开土壤盐渍化研究对改善现状和预防其进一步发展具有重要意义.本文以黄河三角洲一处典型区域为研究对象,在野外光谱测量和实验室理化分析的基础上,采用广义回归神经网络(GRNN)方法建立了土壤盐分反演模型,模型的决定系数为0.855,均方根误差为0.119 9·kg-1.将GRNN模型应用到ALI反射率图像上得到土壤盐分反演分布图.结合野外调查结果发现,GRNN方法得到的土壤盐分值的空间分布结果与实际情况一致.     

基于水稻高光谱遥感数据的PLS波长选择研究

对武汉地区不同生长状况下的水稻冠层进行了遥感监测,采用偏最小二乘(PLS)分析方法分别对水稻叶面氮含量、叶绿素含量进行了波长选择研究,并通过构建8种波长组合进行PLS水稻叶面氮含量反演分析和比较,选择出最合适的反演波长。多种波长(波段)组合进行叶面氮含量反演的验证表明,采用552 nm、675 nm7、52 nm7、76 nm的4波长组合是最适合叶面氮含量反演的波长选择结果,同时,采用光谱能量空间变换的形式能较好地改善波长选择的反演效果。     

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.     

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。     

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。     

融合作物类型的土壤盐分遥感反演方法研究

在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法。以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比。结果表明：(1)加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R²为0.86,测试集R²为0.61;(2)加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰。综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据。     

基于主成分回归的土壤有机质高光谱特性分析

以实验室制备的土壤样本和室内高光谱数据为基础,通过对光谱数据进行重采样、数学变换等预处理,探讨土壤有机质的高光谱特性,利用相关分析和主成分回归分析在不同的土壤粒径水平及不同的光谱变换形式下,建立了回归模型,结果显示在0.25 mm粒径水平下以反射率的对数的一阶微分处理之后的光谱数据建立的模型最优。     

高光谱遥感植被指数的普适性分析

针对众多的窄波段高光谱遥感植被指数,利用多个包含高光谱和植被理化含量的实测数据集从相关系数、确定性系数以及预测均方误差等方面进行验证分析。结果显示植被指数TCAR I、MCAR I、mND705、mSR705具有优于其他植被指数的普适性。在建立回归反演模型时,建议选用非线性抛物线模型,其预测精度优于线性模型。     

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。     

白洋淀水体总磷总氮高光谱估算模型比较

总磷(TP)、总氮(TN)是水质富营养化的重要指标,亦是水质监测的主要参数。具有快速高效、无二次污染等特点光谱法水质监测是当今水环境遥感分析研究的热点。针对水体TP、TN反演模型采用实验室标准液或野外全样本进行建模时,各种水质参数的相互影响及预测值超出建模样本值域的可能,使得实际的预测效果并不理想的情况。本文以白洋淀实验区的实际水体样本为反演模型的输入值,在确定最优相关波段和最佳反演模型的基础上,讨论了5种不同浓度范围场景下的样本建模对反演模型的影响,同时剖析了模型对超出建模浓度值样本的预测能力。结果表明：建模样本浓度覆盖预测样本时,反演模型决定系数R²>0.6,TP、TN浓度预测值的平均偏离度ARE<20%;建模浓度高于预测样本时,R²在0.6左右,对超过建模浓度范围12%以内的预测值,其ARE<25%;建模浓度低于预测值时,R²介于0.4—0.5,预测值超过建模样本浓度一倍时,ARE≤30%;建模样本浓度位于预测值两侧时,R²可达0.8,ARE<25%;建模样本浓度值介于...