共查询到20条相似文献，搜索用时 109 毫秒
1.
基于无人机成像光谱技术的农田土壤养分估测及制图 总被引：1，自引：0，他引：1
成像光谱技术是精准农业中土壤理化特性快速获取和实时监测的重要技术支撑.该文以松辽平原农田土壤为研究对象,通过对比标准正态变量变换(SNV)、多元散射校正(MSC)、光谱一阶微分(FD)和二阶微分(SD)4种方法对无人机高光谱图像进行预处理,引入竞争自适应重加权采样—连续投影组合算法(CARS-SPA)进行特征波段筛选,然后利用粒子群算法(PSO)对极限学习机算法(ELM)进行改进,从而构建土壤有机质(SOM)和土壤全氮(STN)的高光谱反演模型.结果表明:4种预处理方法中MSC去噪效果最优,可有效降低散射效应噪声;CARS方法筛选出53个SOM、33个STN特征波段,进一步利用CARS-SPA筛选出24个SOM和22个STN特征波段,将SOM和STN的平均相对误差分别降低了12.3％ 和6.6％;利用PSO优化ELM的输入权值和阈值,有效弥补了极限学习机模型泛化性能低这一不足,将SOM和STN的平均相对误差分别降低了2.9％ 和3.2％,同时模型精度高于偏最小二乘回归(PLSR)和支持向量机(SVM);利用CARS-SPA筛选的特征波段建立的PSO-ELM模型效果最佳,其预测SOM的决定系数R2为0.73、相对分析误差RPD为1.91,预测STN的决定系数R2为0.63、相对分析误差RPD为1.53,将模型应用于高光谱图像,获取SOM和STN空间分布图,玉米种植区的SOM和STN均高于花生种植区.该研究可为无人机高光谱图像应用于田间尺度的土壤养分估测和数字制图提供参考. 相似文献
2.
基于LBV数据变换方法的海岸带多光谱影像分类方法研究 总被引：1，自引：0，他引：1
在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%. 相似文献
3.
基于Gram Schmidt变换的高光谱遥感图像改进融合方法 总被引：3，自引：0，他引：3
遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息,生成一幅具有新空间和波谱特征的合成图像。针对高光谱图像的特点,对基于Gram Schmidt变换的图像融合方法进行改进,首先采用光谱重采样方法模拟产生Gram Schmidt变换的第一分量,通过Gram Schmidt变换将高光谱图像转换到正交空间,再利用高空间分辨率图像替换Gram Schmidt变换的第一分量,最后通过Gram Schmidt反变换获得融合图像。利用EO1-Hyperion航天高光谱数据与ALI全色波段进行融合试验,发现改进方法可有效提高高光谱遥感图像与全色高分辨率图像的融合质量。 相似文献
4.
基于小波变换和局部相关系数改进IHS变换的图像融合方法 总被引：3，自引：0，他引：3
为得到分辨率高、光谱畸变小的融合图像,该文根据图像处理理论和小波变换的时频局部 特性,采用Quickbird数据,对多光谱波段经IHS变换的I分量和全波段图像分别进 行小波分解,用全波段图像经小波分解得到的高频系数替换I分量小波分解的高频系数, 替换时根据图像的地物光谱特性引入局部相关系数进行有选择的高频替换.经过IHS反变换得到空间分辨率高且没有光谱畸变的融合图像. 相似文献
5.
为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明：（1） 耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。（2） 小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。（3） 随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。（4）在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明：基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。 相似文献
6.
通过分析荔枝叶片的反射光谱曲线与荔枝秋稍老熟阶段叶片SPAD-502 叶绿素计读数（SPAD 值）之间的关系,探索高光谱数据进行荔枝叶片SPAD 值估算的能力。研究4 类光谱变量,第1 类变量是其他文献中提出的光谱指数,第2 类变量是基于波段迭代算法进行波段优化后的新指数,第3 类变量是蓝边、黄边和红边（“三边”）的面积、位置、斜率,第4 类变量是二阶导数光谱波峰、波谷区间区间内光谱曲线的面积、最值、最值处波长。结果表明：一阶导数的蓝边斜率和光谱二阶导数提取的490~520 nm 范围内光谱数值之和与SPAD 值的相关程度也很高（r 分别为-0.834 和-0.856）;对于3 种光谱数据处理形式SNV 光谱（Standard Normal Variate,SNV）、FD 光谱（First Derivative,FD）和SD 光谱（Second Derivative,SD）,波段迭代算法优化后的最佳四波段双差值指数与SPAD 值相关性最好,其中（FD516－FD474）－（FD684－FD660）与SPAD 值的相关系数最高达到0.875,预测模型的确定系数达到0.747,RMSECV 为2.375。利用高光谱数据监测荔枝叶片SPAD 值是可行的。 相似文献
7.
新疆南部土壤有机质含量的高光谱特征分析 总被引：6，自引：1，他引：5
土壤有机质含量是衡量土壤肥力的一个主要指标,也是影响土壤光谱特性的一个重要因素,本研究以南疆地区的草甸土、灌淤土、盐土、水稻土、4种主要土壤类型为研究对象,通过野外调查取样和室内理化分析与光谱测试,研究了土壤有机质含量与土壤光谱特征的关系,结果表明土壤去有机质后光谱反射率不管在全波段还是在紫外、可见光和近红外波段都有明显的提高;反射率经不同形式的数学变换后与有机质含量的相关性有所变化,其中倒数与对数变换后在360~520 nm波段经倒数变换后相关系数有所提高,而在520~1 072 nm波段相关系数反而有所降低,而一阶微分变换后相关系数变化起伏波动较大,缺乏规律性,最显著的效果是个别波段相关性得到增强;利用光谱反射率与反射率的一阶微分均能较好的预测土壤有机质含量,反射率在600.5 nm处预测有机质的精度为72.3%,反射率的一阶微分在539.2 nm处预测有机质的精度为87.0%。 相似文献
8.
机载成像光谱数据预处理方法研究--以江苏宜兴市为例 总被引：4，自引：2，他引：2
该文基于土地利用／土地覆盖分类目的,对国产128波段的宜兴市机载成像光谱数据进行了数据导入、镜像变换、辐射畸变纠正、相对反射率转换和几何精纠正以及多航带间的镶嵌试验研究。通过分析发现：经验线性法定标效果明显好于其他两种定标方法;图像精纠正后多条带镶嵌图能够与土地利用现状数据库较好吻合。 相似文献
9.
干旱区土壤盐渍化遥感监测方法研究 总被引：1，自引：0，他引：1
准确提取盐渍化信息对土壤盐渍化监测和研究盐渍化动态变化具有重要意义。先对除去TM6含有6个多光谱波段的TM图像分别做主成分、缨帽变换，然后在对遥感数据和其派生数据分析和实验的基础上，得出TM数据的可见光和近红外波段之一和第三主成分及缨帽变换后的绿度特征做彩色合成能较好的揭示土壤盐渍化信息，TM数据多光谱波段的选取依研究区而定，此方法的效果受土壤含水量的影响。最后对合成图像分类得出了研究区盐渍地的数量和分布情况。 相似文献
10.
基于高光谱数据的戈壁地表砾石粒径反演研究 总被引：1，自引：1，他引：0
戈壁地表砾石粒径组成特征反映戈壁形成过程信息,且在很大程度上决定戈壁改造利用的难易,是开展戈壁研究的基础和前提。结合高光谱数据的微分变换,遴选出砾石粒径的敏感波段与反演方程,进行戈壁地表砾石粒径反演研究。结果表明：微分变换后的砾石光谱反射率与粒径有较好相关性,相关性最好的波段为908nm、983nm和985nm。其中,对数倒数微分变换之后的反射率与粒径成正相关（R2 =0.61）,而一阶微分、平方根微分、对数微分3种变换形式之后的反射率与粒径呈负相关,相关系数分别为-0.633、-0.646、-0.649。将一阶微分变换后的光谱数据与粒径进行回归分析,发现一元三次回归模型具有较好的拟合精度,其中对数微分在回归分析中表现最好（R2 =0.851）,经过验证得出对数微分预测精度（75.27%）高于其他4种微分形式的精度,表明砾石光谱的对数微分变换之后的908nm波段可应用于戈壁地表砾石粒径的反演。 相似文献
11.
12.
遥感影像混合像元分解中的端元选择方法综述 总被引：8，自引：1，他引：7
端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。 相似文献
13.
土壤盐渍化严重制约土地生产力,实时监测土壤盐渍化有利于农业正常生产。选择新疆渭干河—库车河绿洲的光谱反射率数据,研究不同程度盐渍化土壤的光谱特征;并对绿洲所在的库车县的环境与灾害监测预报小卫星的高光谱数据进行盐渍化信息提取。提取步骤为：首先对土壤光谱反射率数据进行14种形式的变换,再与土壤含盐量进行相关分析、逐步回归分析,建立估算不同盐渍化程度的土壤含盐量方程,用均方根误差验证方程的精度;其次,建立植被和土壤波谱库;最后,在波谱库的数据基础上,使用波谱角分类法（SAM）对环境与灾害监测预报小卫星的高光谱数据进行分类。用同步实测数据对分类效果进行精度评价,效果较好,这一结果为今后该区域的高光谱应用奠定了基础,对区域农民耕作方式提出了警示,为区域可持续发展实践提供了参考。 相似文献
14.
Digital elevation and remote sensing data sets contain different, yet complementary, information related to geomorphological features. Digital elevation models (DEMs) represent the topography, or land form, whereas remote sensing data record the reflectance/emittance, or spectral, characteristics of surfaces. Computer analysis of integrated digital data sets can be exploited for geomorphological classification using automated methods developed in the remote sensing community. In the present study, geomorphological classification in a moderate- to high-relief area dominated by slope processes in southwest Yukon Territory, Canada, is performed with a combined set of geomorphometric and spectral variables in a linear discriminant analysis. An automated method was developed to find the boundaries of geomorphological objects and to extract the objects as groups of aggregated pixels. The geomorphological objects selected are slope units, with the boundaries being breaks of slope on two-dimensional downslope profiles. Each slope unit is described by variables summarizing the shape, topographic, and spectral characteristics of the aggregated group of pixels. Overall discrimination accuracy of 90% is achieved for the aggregated slope units in ten classes. 相似文献
15.
基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例 总被引：2，自引：0，他引：2
以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。 相似文献
16.
植被高光谱特征分析及其病害信息提取研究 总被引：4，自引：0，他引：4
高光谱(hyperspectral)遥感是20世纪末地球观测系统中最重要的技术突破之一。根据植被高光谱数据的植被冠层光谱反射特征和诊断性光谱吸收特征,利用光谱连续统去除法,探讨光谱一阶微分反射比(FDR)和从连续统去除的光谱吸收特征中获得的波段深度(BD)、连续统去除后微分反射比(CRDR)、波段深度比(BDR)和归一化波段深度指数(NBDI)等光谱特征参量。结合多时相的条锈病小麦PHI航空高光谱影像,分析条锈病对小麦光谱的影响及其光谱特征,并运用光谱特征参量和波谱角制图(SAM)技术监测和识别小麦条锈病。 相似文献
17.
针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数（C=1024.0和g=4.0）,进一步对全部混合像元进行混合像元分解。实验结果表明：SVR分解结果RMSE为5.95,R2为0.958,优于LSMM方法（RMSE=7.71,R2=0.932）,且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。 相似文献
18.
19.
马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。 相似文献
20.
混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。 相似文献