共查询到16条相似文献，搜索用时 184 毫秒
1.
土壤有机碳(SOC)是陆地生态系统碳循环的重要组成部分,也是评价区域土壤质量、土地退化程度和作物产量的重要指标。高寒生态系统土壤有机碳含量估算,对于高寒地区土壤碳库核算和土壤质量评价等都具有重要意义。本研究以青藏高原三江源区作为研究区,基于野外采集的272个土壤样本的SOC和土壤光谱室内测试数据,首先对原始光谱数据进行一阶微分(FD)、二阶微分(SD)、倒数对数(RL)、去包络线(CR)和多元散射校正(MSC)等多种数学变换;然后基于8种光谱变换数据与SOC含量的相关性分析提取特征波段,利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)4种方法,分别构建SOC含量的高光谱反演模型;对各种模型的模拟精度和稳定性进行评价,明确SOC含量反演的最佳光谱变换和模型组合模式。结果表明：三江源区SOC含量较高,且不同植被类型和不同土壤类型的SOC含量差异较大;总体上,单一数学变换形式中基于一阶微分(FD)变换构建的反演模型的模拟精度最高(尤其是FD-RF组合模型,其验证集R2=0.86,RMSE=8.40,RPD=2.64);多种数... 相似文献
2.
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。 相似文献
3.
掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建三江黑土区为例,采用CASI/SASI航空高光谱数据、ASD（analytical spectral devices）地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定（判定系数分别为0.885和0.653）,且精度更高（均方根误差分别为0.424和0.744）;采用偏最小二乘模型反演的结果与地面化探结果基本一致. 相似文献
4.
《物探化探计算技术》2017,(5)
本研究采集冕宁牦牛坪稀土矿区34个样本点的土壤与高光谱数据,利用化学方法实测土壤重金属含量,计算各重金属之间皮尔森相关系数,建立Fe元素与各金属元素(Pb、Zn、Cd、Mn、Cu、As)估算模型;针对高光谱数据,进行光谱一阶微分、二阶微分、倒数对数、均方根变换、包络线去除、光谱深度计算等处理,获取特征波段,采用交叉有效性检验原则选择恰当的主成分个数,应用偏最小二乘法建立光谱一阶微分同Fe元素关系模型,最后通过计算建模样本与检验样本的相关系数及RMSE值判定各金属含量模型精度。旨在探索利用高光谱遥感技术反演土壤重金属含量的可行性,为应用高光谱遥感技术进行环境污染监测、信息提取和定量反演提供借鉴。 相似文献
5.
以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。 相似文献
6.
土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展。本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究。将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350~2500 nm范围光谱。采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理。由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性。本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法。针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70%训练集和30%验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果。结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516。成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑。 相似文献
7.
土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展。本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究。将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350~2500 nm范围光谱。采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理。由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性。本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法。针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70%训练集和30%验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果。结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516。成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑。 相似文献
8.
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）. 相似文献
9.
土壤铅含量高光谱遥感反演中波段选择方法研究 总被引：7，自引：0，他引：7
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。 相似文献
10.
为了监测复垦矿区土壤的有机质含量, 综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法, 研究了矿区复垦土壤有机质含量与土壤光谱之间的关系, 在此基础上建立了土壤有机质含量高光谱反演模型, 实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理, 然后进行相关性分析, 提取450 nm、500 nm、650 nm、770 nm、1 460 nm和2 140 nm作为特征波段, 最后利用多元线性回归(multiple linear regression, MLR)、偏最小乘回归(partial least squares regression, PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression, PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型, 并对模型进行验证.3种模型的验证结果如下: MLR、PLSR和PSO-SVM模型的R2分别为0.79、0.83和0.85, RMSE分别为5.26、4.93和4.76.实验结果表明, 无论从模型的稳定性还是预测能力上, PSO-SVM都要优于其他两个模型. 相似文献
11.
利用多元逐步回归分析法，结合Landsat8 OLI遥感数据对该地区土壤有机碳进行定量反演.试验采集了164个土壤样品，通过3倍标准差准则对样品进行奇异点去除及数据集划分，其中120个样品作为训练集，44个样品作为验证集，建立土壤有机碳的多元逐步回归预测模型.结果表明：有机碳与Landsat8各波段反射率均显著相关；黑土有机碳光谱预测最优模型以倒数为自变量模型最优，决定系数R2=0.180，均方根误差RMSE=0.558，海伦地区适于Corg含量遥感反演，预测模型稳定性好，可以用于揭示黑土典型区Corg含量的空间分布特征.同时认为在不对土壤进行地面光谱测试的情况下，直接采用化学分析数据与遥感卫星相关联的方法预测模型拟合度有限，光谱对有机碳可解释性较低. 相似文献
12.
基于地理加权回归的青藏高原季节冻土区土壤有机碳空间分布研究 总被引：1，自引：0，他引：1
青藏高原土壤有机碳储量（soil organic carbon stocks， SOCS）对于区域生态环境演替具有重要作用， 但是其空间分布数据还比较缺乏， 特别是季节冻土区的数据较少。基于378个土壤剖面数据， 结合与土壤有机碳（soil organic carbon， SOC）相关的地形、 气候以及植被等环境因子， 使用地理加权回归（geographically weighted regression， GWR）模型模拟了青藏高原季节冻土区0 ~ 30 cm、 0 ~ 50 cm、 0 ~ 100 cm和0 ~ 200 cm深度的SOC总量和空间分布。结果表明： 青藏高原季节冻土区SOCS自东南向西北递减， 表层0 ~ 200 cm的SOC总量约15.37 Pg； 季节冻土区不同植被类型SOC从大到小依次为森林、 灌丛、 高寒草甸、 高寒草原和高寒荒漠； 各土壤类型中棕壤、 黑钙土和泥炭土的SOC最大， 而棕钙土、 棕漠土、 灰棕漠土、 风沙土、 石质土、 盐土、 冷钙土、 寒漠土以及冷漠土的SOC最小。研究结果给出了青藏高原季节冻土区SOC的总量、 空间分布及规律， 可为相关地球模式的发展提供基础数据。 相似文献
13.
桂林毛村岩溶区不同土地利用方式土壤有机碳矿化及土壤碳结构比较 总被引：7，自引：3，他引：4
应用土壤培养法,比较分析了桂林毛村岩溶区不同土地利用方式(农田、灌丛和林地)土壤在25℃、黑暗条件下培养90d有机碳矿化速率的差异(以90d累计释放的CO2-C计)。农田土壤矿化释放的CO2-C含量分别比灌丛和林地少62.9%和56.6%。利用6mol/L的HCl酸解法得到惰性碳含量,并利用三库一级动力学方程在SAS8.2软件中通过非线性拟合得到三种土地利用方式的活性碳库、缓效性碳库的大小及其分解速率,计算得出各库驻留时间。结果表明各土地利用方式均为活性碳库含量最少,占总有机碳的比例在1.82%~2.71%之间,平均驻留时间在8.4~16.3d之间;缓效性碳库次之,占总有机碳的比例在33.91%~45.47%之间,平均驻留时间为4.8~7.7a之间;惰性碳库所占比例最大,在51.82%~64.01%之间,平均驻留时间为假定的1000a。通过固态13C交叉极化魔角自旋核磁共振(13CCPMASNMR)方法对土壤碳结构进行分析,结果表明:与灌丛和林地相比,受人类活动干扰较多的农田烷基C和芳香C的比例增加,烷氧C和羰基C的比例降低;烷基C/烷氧C和疏水C/亲水C的大小顺序均为农田>林地>灌丛,而脂族C/芳香C的大小顺序则相反,即灌丛>林地>农田。这说明农田土壤有机碳分解程度较高,难分解程度增加,难分解有机碳比例增加。 相似文献
14.
干旱半干旱区土壤含盐量和电导率高光谱估算 总被引：4，自引：0，他引：4
以新疆南疆地区渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象, 将土壤样品的含盐量与电导率数据和使用ASD FieldSpec Pro FR光谱仪测得土壤样品高光谱数据作为本研究原始数据. 首先, 对原始土壤光谱反射率曲线进行Savitzky-Golay滤波以消除光谱曲线噪声可能引起的误差, 对得到的光谱曲线进行对数、 倒数等15种光谱变换; 其次, 对土壤样品含盐量与电导率关系进行分析, 并通过两者与土壤光谱反射率不同光谱变换形式的相关性比较分析, 遴选出一阶微分、 对数倒数一阶微分、 连续统去除和连续统去除一阶微分四种相关性较好的变换形式; 最后, 以此变换形式对含盐量和电导率进行建模, 并对二者进行了高光谱估算精度的比较. 结果表明: 渭干河-库车河三角洲绿洲的含盐量与电导率的相关性较高, 达到0.9975; 电导率与四种不同光谱变换形式之间的相关性要优于含盐量, 特别在一些土壤盐渍化的敏感波段尤为突出; 无论是含盐量还是电导率, 多元逐步回归模型均优于一元线性模型, 且以电导率建立的两种回归模型的决定系数均高于含盐量. 研究表明, 土壤电导率对高光谱信息的反应比含盐量更敏感, 同时, 以电导率建模的估算精度比含盐量更高. 因此, 以电导率替代含盐量进行土壤盐渍化高光谱估算研究是一种精度更高、 速度更快的方法, 可为提高土壤盐渍化高光谱估算提供理论依据. 相似文献
15.
黄河三角洲内陆到潮滩土壤中碳、氮元素的梯度分布规律 总被引：1，自引：0，他引：1
黄河三角洲是我国典型的通过黄河冲积泥沙填海造陆形成的近代沉积区。区域受到黄河冲积、沉积等自然过程和农业耕种熟化等人类活动的双重影响。本研究通过在黄河三角洲地区内陆到河口海湾不同距离采集典型土壤类型剖面发生层样品,探讨土壤有机碳、总氮等生源要素的空间分布规律,为阐明我国典型海岸带地区陆源碳、氮的输送及循环特征提供基础依据。研究结果表明,黄河三角洲内陆与河口地区呈现出完全不同的土壤碳、氮分布规律。表层土壤碳、氮含量在黄河沿岸及三角洲南部均表现出由陆向海逐级递减的空间分布特征,而在黄河刁口流路和清水沟流路沿行水方向有梯度升高的趋势。内陆地区土壤碳、氮与盐分呈一定的负相关关系,表明土壤碳、氮主要受到耕作熟化过程的影响;而在河口地区两者呈显著的正相关关系（p〈0.01）,表明靠近海湾地区土壤碳、氮积累可能受到细颗粒泥沙沉积和滩涂湿地厌氧等环境影响。表层土壤碳、氮比变幅在3.6~8.6之间,说明该地区土壤有机质分解较快,不利于有机碳的积累。土壤剖面中,一些特殊发生层如红色夹黏层、黑色泥炭层对土壤碳、氮的富集具有明显的作用,其中红色夹黏层的土壤碳、氮含量接近耕层土壤。总之,黄河三角洲土壤在耕作垦殖、泥沙沉积等综合作用下形成的空间分布格局以及剖面特征发生层是影响碳、氮封存、释放和增汇等循环过程的关键驱动因素。 相似文献
16.
吉林西部不同土地利用类型的土壤有机碳垂向分布和碳密度 总被引：3，自引：0，他引：3
土壤碳库在陆地生态系统碳循环中起着关键性的作用。在对吉林西部进行为期6年（2004－2009年）的环境调查基础上,采集了217个土壤剖面,获取了2 170个土壤样品的平均容重、含水率和有机碳含量,分析了不同土地利用类型下土壤有机碳（SOC）的垂向分布特征、原因和机理。结果表明：不同土地利用类型的土壤有机碳垂向分布表现出截然不同的特征,大致可分为“下降型”、“上升型”和“不变型”3种。呈下降型的草地、农田、湿地等SOC含量主要富集在0~30 cm耕作层,并随深度增加而快速下降;滩地为上升型,良好的水文条件和相对茂盛的植物为有机质提供了有利条件;不变型包括盐碱地、林地和沙地,SOC含量处于全区最低水平。不同土地利用类型的土壤有机碳密度差异很大,从大到小依次为水田、草地、旱田、湿地、退化草地、滩地、林地、沙地、盐碱地,其中水田为（169.25±17.70） t/hm2,盐碱地为 （26.50±10.00） t/hm2。植被生物量和土壤理化性质是影响土壤有机碳含量的主要因素。 相似文献