共查询到20条相似文献，搜索用时 343 毫秒
1.
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
2.
耕层土壤有机质高光谱间接估测模型 总被引：1，自引：0，他引：1
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。 相似文献
3.
盐渍化土壤光谱特征分析与建模 总被引：2，自引：0，他引：2
为建立土壤盐渍化遥感监测模型,选取宁夏回族自治区平罗县典型土壤盐渍化发生区域作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含盐量与p H值数据为基础,进行高光谱数据处理,分析不同盐渍化程度土壤的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶微分等光谱变换,计算高光谱指数;与土壤样本含盐量进行相关性分析,筛选盐渍化土壤的光谱特征波段,利用多元线性回归分析建立土壤盐渍化监测模型。研究结果表明:以倒数一阶微分变换后的940 nm和1 094 nm波段作为特征波段构建的土壤盐渍化遥感监测模型最优。 相似文献
4.
土壤有机质含量地面高光谱估测模型对比分析 总被引：2，自引：0，他引：2
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。 相似文献
5.
《国土资源遥感》2021,(1)
土壤中碳酸钙的含量是土壤分类及肥力评价的重要依据。研究选取陕西省黄土高原区的78个黄绵土土壤样品为研究对象,在分析碳酸钙含量的基础上,采用SVC HR-1024i便携式光谱仪获取土壤样品的可见光、近红外与短波红外高光谱反射率(350～2 500 nm)数据,对原始光谱曲线分别进行一阶微分、二阶微分和连续统去除3种数学变换,运用相关分析法和连续投影算法分别进行敏感波段的选取,采用随机森林回归建立土壤碳酸钙的估算模型。结果表明:黄绵土的光谱曲线特征相似,在1 440 nm,1 900 nm和2 200 nm等处均存在明显的吸收特征,且碳酸钙含量与光谱反射率呈现正相关态势;基于二阶微分与连续投影算法的随机森林估算模型精度最高,验证集R~2为0.82,相对分析误差(residual predictive deviation,RPD)值为2.37。 相似文献
6.
基于PLSR的陕北土壤盐分高光谱反演 总被引：3，自引：0，他引：3
选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。 相似文献
7.
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。 相似文献
8.
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
9.
10.
11.
一种基于多元统计分析的土壤含水量高光谱反演模型 总被引：1，自引：0，他引：1
《测绘科学技术学报》2013,(6)
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。 相似文献
12.
基于主成分分析的植被含水率模型 总被引：1，自引：0，他引：1
为了对岷江上游“生态水”的估测提供有效的数据源和方法,利用高光谱遥感技术定量研究了植被反射光谱与植被含水率的关系,测定了研究区多个采样点棕榈叶片的反射光谱和对应的含水率,通过二者的相关分析和逐步回归的方法提取敏感波段;为避免敏感波段之间相关性影响,采用主成分分析法提取主成分,建立主成分与含水率的定量分析模型,并建立主成分与标准自变量的回归方程,然后建立各个标准变量与原始自变量(反射光谱敏感波段)的回归方程,最终转换为植被含水率与反射光谱之间的模型.结果表明:棕榈叶片反射光谱在454 nm,668 nm,1 466 nm,1 664 nm和1 924 nm波段处与含水率显著相关;采用主成分定量分析模型的估算值与实测值相关系数为0.92,均方根误差为0.06. 相似文献
13.
土壤含水量高光谱灰色关联度估测模式 总被引：2，自引：0，他引：2
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。 相似文献
14.
随机森林回归模型用于土壤重金属含量多光谱遥感反演 总被引：1，自引：0，他引：1
本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。 相似文献
15.
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. 相似文献
16.
土壤有机质光谱特征研究 总被引：38，自引：0，他引：38
对在宜兴市和横山县采集的174个土样400nm～2500nm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。 相似文献
17.
粒子群优化神经网络的土壤有机质高光谱估测 总被引：2，自引：0，他引：2
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。 相似文献
18.
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。 相似文献
19.
基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型 总被引：19，自引：1，他引：19
旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。 相似文献
20.
WorldView-2纹理的森林地上生物量反演 总被引：1，自引：0，他引：1
使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。 相似文献