土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

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。     

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。     

基于模糊模式识别的土壤含铁量高光谱估测

对横山县采集的84个土样350—2500 nm波段的光谱曲线进行了土壤含铁量光谱反演分析,证明了以包络去除法处理光谱数据为基础所建立的模糊贴近度反演模型为最佳,利用模糊贴近度识别进行土壤含铁量反演是可行的。     

土壤含水量高光谱灰色关联度估测模式

针对土壤含水量高光谱估测中的不确定性,基于灰色系统理论,建立土壤含水量灰色关联度高光谱估测模式。首先根据光谱特征因子的非时间数据序列特性,利用基于加权距离的灰色关联度计算方法,构建灰色关联度预测模型;然后利用识别残差建立修正模型,提出了具有残差修正的灰色关联度预测模式,并应用于山东省泰安市土壤水含量高光谱估测。结果表明,检验样本的平均相对误差为3.614%,而基于经典的灰色关联模式和线性回归模型的平均相对误差分别为4.762%和6.841%。应用实例说明提出的模式是有效的。     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。     

土壤有机质光谱特征研究

The study on soil spectral reflectance features is the physical basis for soil remote sensing. Soil organic matter content influences the soil spectral reflectance dramatically. This paper studied the spectral curves between 400 nm∼2500 nm of 174 soil samples which were collected in Hengshan county and Yixing county. Fourteen types of transformations were applied to the soil reflectance R to remove the noise and to linearize the correlation between reflectance (independent variable) and soil organic matter (SOM) content (dependent variable). Then, the methods such as derivative spectrum technology and stepwise regression analysis, were applied to study the relationship between these soil spectral features and soil organic matter content. It shows that order 1 derivative of the logarithm of reflectance (O1DLA) is the most sensitive to SOM among the various transform types of reflectance in consideration. The regression model whose coefficient of determination reaches 0.885 is built. It predicted the soil organic matter content with higher effect. Supported by the National Natural Science Foundation of China (No. 40271007).     

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400 nm~2 500 nm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。     

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。     

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。     

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。     

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。     

基于小波变换和连续投影算法的黑土有机质含量高光谱估测

为实现黑土有机质含量更准确的估测,提出了基于小波变换和连续投影算法的高光谱估测方法.以典型黑土区采集的土壤样品为研究对象、分析光谱设备(analytical spectral devices,ASD)光谱仪获取的可见光—近红外区间光谱数据和经化学分析得到的土壤有机质含量为数据源,首先采用小波变换提取1～7层小波低频系数...     

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。     

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。     

土壤性质指标光谱反演数据变换模型研究

本文采用土壤含铁量和有机质含量作为性质指标,对反射率作常规模型变换,变换后的数值与性质指标的相关系数最大值有一定提高。又进行反射率一阶微分乘以平方根一阶微分等几种创新模型变换,以及将变换效果较好的个别波段选出进行交叉组合模型变换,变换后的数值与性质指标的相关系数最大值又有一定提高。实验证明,反射率一阶微分乘以平方根一阶微分模型以及选出波段交叉组合变换模型可以有效提高反射率与土壤性质指标的相关性。     

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.     

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。     

基于地面实测光谱的土壤有机质含量预测

以德兴铜矿尾矿坝附近的土壤为研究对象,在实验室内利用ASD便携式光谱仪对研究区内68组土壤样本进行了测定,并通过研究土壤反射光谱特征,选择了反射率的对数微分变换作为土壤有机质(soil organic matter,SOM)预测模型的因变量;通过对土壤有机质含量与土壤光谱特征的相关分析,将402 nm与2 312 nm波段反射率的对数微分变换结果参与模型建立;最终,从多元回归分析和模糊数学2个角度建立了有机质含量的预测模型。结果表明:基于模糊数学的研究方法优于多元线性回归方法,相关系数达到89.3%,平均相对误差较小。因此,地面实测光谱可以用于预测土壤的有机质含量。该方法具有周期短、成本低等特点。     

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。