共查询到15条相似文献，搜索用时 109 毫秒
1.
针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解（EEMD）。采用EEMD法分解土壤高光谱,获得不同频率的本征模态（IMF）分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R2为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R2（0.786 6）。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。 相似文献
2.
重金属污染日益加剧,重金属在土壤中的聚集不仅破坏了生态平衡,也对人类的健康生活造成了影响,因此快捷、准确地获取土壤中的重金属含量成为土壤污染监制与治理的重要环节。高光谱遥感技术的发展使得快速低成本反演土壤重金属含量成为可能。针对野外光谱受环境因素（土壤粒径、含水量等）的影响,且现有研究中普遍存在样本量不足的问题,提出结合野外光谱与实验室光谱构建土壤铅(Pb)反演机理模型的方法,首先,采用直接矫正（direct standardization,DS）算法对野外光谱进行环境因素校正;其次,通过引入实验室光谱联合建模的方式,提高样本的差异性;最后,提取铁氧化物特征谱段用于建模以增加反演的机理性。利用中国河北雄安一般农作区的70个土壤样本野外光谱数据研究表明,未经DS校正的野外光谱全谱段单独建模,反演精度R2仅为0.220 0,而所提方法的反演精度R2可达0.914 6, 模型具有出色的估算能力,表明在去除环境因素对野外光谱影响基础上,综合利用野外光谱与实验室光谱的铁氧化物特征谱段建模能够显著提高Pb含量的反演精度。 相似文献
3.
不同尺度反演土壤重金属铜含量研究 总被引：1，自引：0，他引：1
采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。 相似文献
4.
5.
不同类型土壤Cu含量高光谱联合反演建模 总被引：1，自引：0，他引：1
《测绘科学》2020,(8)
为探明不同类型土壤重金属Cu的敏感波段及构建普适性高光谱定量反演模型,该文以湖南省红壤、水稻土和潮土3种主要类型土壤为研究对象,在光谱预处理及组合变换基础上,采用相关性分析和逐步回归筛选重金属Cu敏感波段,并分别构建一元回归和逐步回归联合反演模型。结果表明,相较于原始光谱,组合变换光谱与土壤重金属相关性明显提高;通过逐步回归筛选重金属Cu的敏感波段位于400～850 nm和1 800～2 200 nm区域;相较于一元线性回归,逐步回归模型预测精度显著提升,应用对倒一阶微分光谱中400、590、620、670、790、850、1 790、2 270 nm波段反射率构建逐步回归模型反演精度达到最优,满足重金属Cu含量监测精度需求,同时为发展基于高光谱影像大面积反演不同土壤类型重金属Cu含量提供理论支撑。 相似文献
6.
7.
针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型。研究结果表明,解混后的光谱与重金属Cr含量间的显著相关波段数增多,相关性增强。基于解混后的土壤光谱与重金属Cr含量构建的GMDH模型,其模型稳定性较好,预测能力更强,精度更好。该方法拓展了传统的利用遥感影像进行反演的思路,可为大范围监测土壤重金属的污染状况提供有益参考。 相似文献
8.
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。 相似文献
9.
高光谱土壤有机质估测模型对比研究 总被引：3，自引：0，他引：3
应用高光谱技术探讨土壤有机质含量定量估测方法,对发展精细农业具有重要意义。本文利用陕西省横山县的实测数据,采用对数的一阶微分变换方法对土样的高光谱数据进行处理,分别采用线性回归分析法、BP神经网络法、模糊识别法建立高光谱土壤有机质含量估测模型,并对比分析其精度,确定最优的光谱反演模型。实验结果表明:模糊识别模型的决定系数达到0.973,RMSE为0.0468%;比线性模型和BP神经网络模型精度都高。研究表明,土壤有机质光谱反演不仅要重视机理研究,同时要加强光谱反演建模方法创新。 相似文献
10.
基于反射光谱预测土壤重金属元素含量的研究 总被引：5，自引：0，他引：5
本文利用实验室实测的土壤反射光谱以及铅、镉、汞等重金属元素数据,进行土壤重金属元素含量快速预测的可行性研究。本文利用偏最小二乘回归方法,研究了反射率(R)、一阶微分(FDR)、反射率倒数的对数(lg(1/R))和波段深度(BD)等对预测精度的影响,对这几种光谱指标预测土壤重金属含量的能力进行了分析和评价,同时分析了多光谱数据估算土壤重金属元素含量的可行性。结果表明,反射率倒数的对数lg(1/R)是估算土壤重金属元素含量最好的光谱指标,尤其是Cd和Pb,检验精度R超过0.82。有机质、铁锰氧化物和黏土矿物对土壤重金属元素的吸附是可见光—近红外—短波红外光谱估算其含量的机理。多光谱数据同样具有估算土壤重金属元素含量的能力,但实际数据则要考虑多种因素的影响。 相似文献
11.
针对矿区土壤重金属含量高度变异性及样本不均衡导致重金属污染状况分类误差较大的问题，本文在光谱预处理及光谱变换基础上，采用主成分分析（PCA）对光谱进行降维处理，并通过SMOTE算法生成虚拟样本均衡各污染等级样本，最后应用随机森林（RF）对Cd、Pb进行回归与分类。研究结果表明：定量反演重金属Pb、Cd含量精度很低；在定性分析试验中对降维前光谱样本应用SMOTE算法，土壤重金属Pb、Cd污染等级分类精度较原始样本分类精度均有较大提升，且少数类别误判率也降低明显。其研究为大面积监测矿区土壤重金属污染状况提供了一种有效、精确的方法。 相似文献
12.
13.
Kai Liu Dong Zhao Jun-yong Fang Xia Zhang Qing-yun Zhang Xue-ke Li 《Journal of the Indian Society of Remote Sensing》2017,45(5):805-813
Heavy-metal-contaminated soil is a critical environmental issue in suburban regions. This paper focuses on utilizing field spectroscopy to predict the heavy metal contents in soil for two suburban areas in the Jiangning District (JN) and the Baguazhou District (BGZ) in China. The relationship between the surface soil heavy metal contents and spectral features was investigated through statistical modeling. Spectral features of several spectral techniques, including reflectance spectra (RF), the logarithm of reciprocal spectra (LG) and continuum-removal spectra (CR), were employed to establish and calibrate models regarding to Cd, Hg and Pb contents. The optimal bands for each spectral feature were first selected based on the spectra of soil samples with artificially added heavy metals using stepwise multiple linear regressions. With the chosen bands, the average predictive accuracies of the cross-validation, using the coefficient of determination R2, for estimating the heavy metal contents in the two field regions were 0.816, 0.796 and 0.652 for Cd; 0.787, 0.888 and 0.832 for Pb; and 0.906 and 0.867 for Hg based on partial least squares regression. Results show that better prediction accuracies were obtained for Cd and Hg, while the poorest prediction was obtained for Pb. Moreover, the performances of the LG and CR models were better than that of the RF model for Pb and Hg, indicating that LG and CR can provide alternative features in determining heavy metal contents. Overall, it’s concluded that Cd, Hg and Pb contents can be assessed using remote-sensing spectroscopy with reasonable accuracy, especially when combined with library and field-collected spectra. 相似文献
14.
土壤中石油类含量的检测对石油污染的预防与治理具有重要的实际意义。本文首先进行孤东油田土壤样品高光谱反射率的室内测定及石油含量的检测,然后利用单变量预测模型和逐步回归方法分析了土壤光谱特征参数与石油类含量之间的线性和非线性关系,结果表明:包络线分析的第三折线段斜率与石油类含量相关性最好,该段斜率的三次曲线函数为石油类含量的最佳单变量估算模型。标准正态变量变换对光谱的预处理效果最好,利用变换后光谱建立多元模型,其调整的判定系数R2是0.826,总均方根RMSE是0.531,且自变量个数较少,为最优预测模型。本文提出的利用高光谱数据检测土壤中石油类含量的方法,为土壤石油类污染检测提供了一种有效的新思路。 相似文献
15.
It is necessary to estimate heavy metal concentrations within soils for understanding heavy metal contaminations and for keeping the sustainable developments of ecosystems. This study, with the floodplain along Le’an River and its two branches in Jiangxi Province of China as a case study, aimed to explore the feasibility of estimating concentrations of heavy metal lead (Pb), copper (Cu) and zinc (Zn) within soils using laboratory-based hyperspectral data. Thirty soil samples were collected, and their hyperspectral data, soil organic matters and Pb, Cu and Zn concentrations were measured in the laboratory. The potential relations among hyperspectral data, soil organic matter and Pb, Cu and Zn concentrations were explored and further used to estimate Pb, Cu and Zn concentrations from hyperspectral data with soil organic matter as a bridge. The results showed that the ratio of the first-order derivatives of spectral absorbance at wavelengths 624 and 564 nm could explain 52% of the variation of soil organic matter; the soil organic matter could explain 59%, 51% and 50% of the variation of Pb, Cu and Zn concentrations with estimated standard errors of 1.41, 48.27 and 45.15 mg·kg?; and the absolute estimation errors were 8%–56%, 12%–118% and 2%–22%, and 50%, 67% and 100% of them were less than 25% for Pb, Cu and Zn concentration estimations. We concluded that the laboratory-based hyperspectral data hold potentials in estimating concentrations of heavy metal Pb, Cu and Zn in soils. More sampling points or other potential linear and non-linear regression methods should be used for improving the stabilities and accuracies of the estimation models. 相似文献