共查询到17条相似文献，搜索用时 109 毫秒
1.
基于小波与包络线的土壤有机质高光谱估测 总被引：2，自引：0，他引：2
以陕西省横山县为研究区,对小波分析法与包络线去除法融合应用于土壤有机质高光谱估测的有效性进行了探究。利用陕西省横山县84个土壤样本的光谱反射率和有机质含量数据,采用小波分析法去除了部分噪声,通过光谱一阶微分变换,提高光谱反射率与有机质的相关性,采用包络线去除法提取建模因子,减少数据冗余后最终采用回归分析法建立土壤有机质的估测模型。结果表明,与未采用小波分析法建立的模型比较,建模因子的相关性提高了0.1~0.25,模型的判定系数可达0.932,提高了0.207,检验样本的均方根误差RMSE为0.107,减小了0.116。总体而言,小波分析与包络线去除法联合应用于土壤有机质高光谱估测是有效的且所建模型精度较高,但数据质量对模型精度有重要影响。 相似文献
2.
土壤颗粒大小差异使土壤反射光谱产生相应变化,影响土壤有机质含量等属性的光谱预测精度。本研究准备了颗粒粒径分别为2、0.25和0.15mm的土样,测定土壤有机质(Soil Organic Matter,SOM)含量,并于室内模拟条件下测定其反射光谱。通过分析不同粒径土样的原始(Raw)、多次散射校正(Multiple scattering correction, Msc)、一阶微分(First derivative, Fd)、连续统去除(Continuum removal, Cr)光谱与SOM含量之间的关系,筛选出与SOM含量相关性最强的Fd光谱单波段(2250nm, r=0.82, P<0.01),并建立线性回归模型;利用全波段光谱反射率,以偏最小二乘回归(Partial least square regression, PLSR)方法,确立2mm土样Msc处理光谱的PLSR模型为最优模型(RPD=3.56、R2=0.90、RMSEP=1.96g/kg)。土壤颗粒粒径对土壤光谱反射率变化有明显影响,但二者之间并非简单的线性关系,可能存在一个转折点;单变量(单波段光谱反射率)线性回归模型的预测能力,明显低于全波段反射光谱(Msc处理)-PLSR模型;土样样本容量对SOM含量预测精度有显著影响。因此,根据样本容量大小,选择合适的土壤颗粒粒径与光谱预处理方法组合可以提高预测精度。 相似文献
3.
为提高海水入侵地区土壤盐分的监测效率,以潍坊北部地区作为研究区,利用高光谱测量技术野外实地测量,获得高光谱数据,并对该区域土壤盐分高光谱数据进行分析,获得土样盐分含量相关数据,与光谱数据结合分析。通过分析各类离子与全盐量之间的相关关系,分析潍北地区土壤盐分的离子构成与离子的相关来源。对高光谱原始测量数据进行包络线去除、变换,选取特征波段、一阶二阶微分变换等提高模型精度,建立高光谱数据与土壤盐分数据之间的逐步回归模型,并对模型进行精度检验,对比各类模型检验结果,分析各类离子对高光谱数据的响应效果。其中,光谱数据一阶微分变换后的逐步回归模型对土壤中K+Na+估算精度较高,R2=0.894且均方根误差最小,精度较高,可为该地区的高光谱土壤盐分监测提供有力的数据分析结果。 相似文献
4.
光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T8、T11）、对数（T6、T12）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T8）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R2=0.985、RMSEC=0.000132、Fn=6,验证模型的表现为R2=0.9853、RMSEV=0.000162,结果表明基于T8的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T9）、对数和对数倒数的一阶微分（T6、T7）以及平方根和对数的二阶微分（T11、T12）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。 相似文献
5.
为提高水稻冠层光谱反演水稻田土壤重金属含量的精度,针对实测土壤重金属含量进行信息提取研究,对其分别进行了对数变换、最大值变换和Box-cox变换。在实验分析中,为得到土壤重金属(Cu、Pb、Cd)反演模型,将土壤重金属及其变换数据与冠层光谱及其变换后的数据进行偏最小二乘回归分析,并分析所得模型精度和稳定性。分析结果表明,对测定重金属数据进行变换能够普遍提高模型的精度与稳定性;对属重度污染重金属Pb和中度污染重金属Cd有较好的预测结果,而对未形成污染的Cu则难以形成有效的预测分析。其成果对耕地土壤重金属含量监测评价具有重要的参考价值。 相似文献
6.
混合像元是遥感影像中普遍存在的一种现象,对其组成和各成分比例的反演一直是遥感研究中的重难点,而国内利用偏振植被指数对混合像元的研究几乎没有涉及。本次研究通过对不同面积比例的植被-土壤混合像元偏振反射高光谱特征进行分析,讨论不同条件下的植被-土壤混合像元偏振高光谱特性,并利用偏振反射比计算了12种0°偏振态下的偏振植被指数,分别构建了植被指数与植被面积比例以及光谱特征参数与植被面积比例的数学模型。结果表明,混合像元中植被面积比例和偏振角均对其偏振高光谱有一定的影响;865 nm的偏振反射比与植被占像元面积比例的相关性最好,采用多项式进行拟合时,其决定系数达到0.99,适合进行植被占像元面积比例的反演;偏振光谱“红边”处的一阶微分值与植被像元比例存在良好的线性相关,R2=0.974;植被面积比例与植被指数和光谱特征参数呈现良好的相关关系,其中P-DVI和光谱吸收指数（SAI）与植被面积比例的拟合效果最好,决定系数分别为0.99以及0.94,适合进行植被-土壤混合像元中植被面积比例的反演。 相似文献
7.
以上海市横沙滩涂浅水区为研究区域,利用GF5-AHSI高光谱遥感数据和同时期水深数据,通过新"三边参数"方法和相关分析提取建模因子,基于最优标度回归方法建立该区域的水深反演模型,并进行精度验证.研究发现:检验样本的决定系数达到了0.885,均方根误差为0.80 m,模型精度和可靠性较高,可以用于横沙浅水区水深反演. 相似文献
8.
芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI705）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R2均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R2值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。 相似文献
9.
基于反射峰面积的水体叶绿素遥感反演模拟研究 总被引：1，自引：0，他引：1
叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。 相似文献
10.
基于神经网络模型的干旱区绿洲土壤盐渍化评价分析 总被引：1，自引：0，他引：1
土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R2=0.864,RMSE=0.569）。相比传统多元线性回归模型（R2=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。 相似文献
11.
《山地科学学报》2020,17(9):2214-2223
Soil moisture is essential for plant growth in terrestrial ecosystems. This study investigated the visible-near infrared(Vis-NIR) spectra of three subgroups of purple soils(calcareous, neutral, and acidic) from western Chongqing, China, containing different water contents. The relationship between soil moisture and spectral reflectivity(R) was analyzed using four spectral transformations, and estimation models were established for estimating the soil moisture content(SMC) of purple soil based on stepwise multiple linear regression(SMLR) and partial least squares regression(PLSR). We found that soil spectra were similar for different moisture contents, with reflectivity decreasing with increasing moisture content and following the order neutral calcareous acidic purple soil(at constant moisture content). Three of the four spectral transformations can highlight spectral sensitivity to SMC and significantly improve the correlation between the reflectance spectra and SMC. SMLR and PLSRmethods provide similar prediction accuracy. The PLSR-based model using a first-order reflectivity differential(R ?) is more effective for estimating the SMC, and gave coefficient of determination(v2), root mean square errors of validation(RMSEV), and ratio of performance to inter-quartile distance(RPIQ)values of 0.946, 1.347, and 6.328, respectively, for the calcareous purple soil, and 0.944, 1.818, and 6.569,respectively, for the acidic purple soil. For neutral purple soil, the best prediction was obtained using the SMLR method with R ? transformation, yieldingv2,RMSEV and RPIQ values of 0.973, 0.888 and 8.791,respectively. In general, PLSR is more suitable than SMLR for estimating the SMC of purple soil. 相似文献
12.
《山地科学学报》2021,(6)
As one of the key parameters for characterizing crop canopy structure, Leaf Area Index(LAI) has great significance in monitoring the crop growth and estimating the yield. However, due to the nonlinearity and spatial heterogeneity of LAI inversion model, there exists scale error in LAI inversion result, which limits the application of LAI product from different remote sensing data. Therefore, it is necessary to conduct studies on scale effect. This study was based on the Heihe Oasis, Zhangye city, Gansu province, China and the following works were carried out: Airborne hyperspectral CASI(Compact Airborne Spectrographic Imager) image and LAI statistic models were adopted in muti-scale LAI inversion. The overall difference of muti-scale LAI inversion was analyzed in an all-round way. This was based on two aspects, "first inversion and then integration" and "first integration and then inversion", and on scale difference characteristics of three scale transformation methods. The generation mechanism of scale effect was refined, and the optimal LAI inversion model was expanded by Taylor expansion. By doing so, it quantitatively analyzed the contribution of various inversion processes to scale effect. It was found that the cubic polynomial regression model based on NDVI(940.7 nm, 712 nm) was the optimal model, where its coefficient of determination R2 and the correlation coefficient of test samples R reached 0.72 and 0.936, respectively. Combined with Taylor expansion, it analyzed the scale error generated by LAI inversion model. After the scale effect correction of one-dimensional and twodimensional variables, the correlation coefficient of CCD-LAI(China Environment Satellite HJ/CCD images) and CASI-LAI products(Compact Airborne Spectro graphic Imager products) increased from 0.793 to 0.875 and 0.901, respectively. The mean value, standard deviation, and relative true value of the two went consistent. Compared with onedimensional variable correction method, the twodimensional method had a better correction result. This research used the effective information in hyperspectral data as sub-pixels and adopted Taylor expansion to correct the scale error in large-scale and low-resolution LAI product, achieving large-scale and high-precision LAI monitoring. 相似文献
13.
光谱混合分析能够提取亚像元信息,被广泛地应用于遥感影像目标探测之中。本文针对MODIS积雪遥感影像,基于光谱混合分析框架,利用渐进辐射传输模型建立不同粒径大小的雪反射率光谱库,提出了一种考虑端元变化及二次辐射的雪盖面积反演算法。此算法首先利用渐进辐射传输模型建立不同粒径大小积雪的反射率光谱库,然后使用序贯最大角凸锥方法获取植被、土壤与岩石、阴影的光谱库。在建立各种地物反射率光谱库之后,利用均方根误差最小的方法获取最优端元组合。在此基础上,考虑端元独立辐射以及积雪与其它地物的二次辐射过程,利用稀疏光谱混合模型获取积雪面积与雪粒径大小。实验结果表明：此方法能够同时反演雪粒径与积雪面积,反演的雪粒径相比单波段的渐进辐射传输模型小,反演的积雪面积相比MOD10A1产品精度略微提高。 相似文献
14.
为研究不同波段宽度遥感数据对监测水体叶绿素a含量的影响,以太湖水体实测高光谱遥感反射率数据为基础,分析计算不同波段宽度下遥感反射率的归一化值与叶绿素a浓度之间的相关系数。随着波段宽度在75.93nm范围内不断递增,最大相关系数逐渐减小,最大正相关波段向长波方向移动,最大负相关波段向短波方向移动。而波段宽度在31.6nm范围内变化时,最大正相关波段和最大负相关波段都会保持相对稳定。通过对不同波段处相关系数平均值和标准差的对比分析认为,718.77~34.58nm为叶绿素a遥感监测的最佳波段范围。这将对遥感传感器的波段设置,以及实际水体叶绿素a遥感监测时的波段选择,具有重要的参考价值。 相似文献
15.
高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。 相似文献
16.
自动子空间划分在高光谱影像波段选择中的应用 总被引：2，自引：0，他引：2
针对高光谱遥感影像数据量大、维数高的特点,结合联合熵波段选择算法,提出了一种自动子空间划分的改进方案。该方法充分利用了影像各波段数据之间的局部相关性,根据波段间相关系数矩阵图像的"分块"特点,将整个波段空间自动划分为若干个子空间,然后再进行波段选择。实现了在删减冗余信息的同时选择出含有主要信息的特征波段组合的目的。将此方法得到的结果与用联合熵得到的结果进行了比较分析,结果表明自动子空间划分的联合熵波段选择方法具有较好的效果。 相似文献
17.
高光谱遥感影像的稀疏分类是当前遥感信息处理的研究热点。本文提出一种光谱与空间双重稀疏表达的高光谱遥感影像分类方法（WSSRC）。首先利用小波字典对光谱维进行稀疏表示,将光谱维稀疏分类转化到小波域稀疏分类;其次,考虑空间邻域地物光谱的统一性和差异性,对邻域内像元分别进行稀疏编码,并对编码进行累加聚合;然后,利用聚合后的稀疏编码构造线性分类器对高光谱影像进行分类;最后,通过2幅标准的高光谱影像数据验证了本文所提出的方法。实验结果表明,该方法能有效地提高影像的分类精度。 相似文献