共查询到10条相似文献，搜索用时 62 毫秒
1.
土壤粒径的光谱响应特性研究 总被引：1，自引：0，他引：1
以实验室制备的5个不同粒径水平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、数学变换等预处理并进行单因素方差分析、相关性分析和回归分析,探讨土壤粒径的高光谱特性,建立了光谱数据预测土壤粒径的校正模型。结果表明,土壤粒径对反射光谱有显著的影响,波长越长影响越大;在全波段范围内土壤粒径和光谱数据都呈负相关关系,对原始光谱数据进行微分变换能增加其与土壤粒径的相关性;以反射率一阶微分建立的回归模型为反演土壤粒径的最佳模型,其建模决定系数■、预测决定系数■、预测相对偏差RPD分别为0.666,0.653,2.043,预测均方根误差RMSE为0.175。 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.
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
5.
针对SVM模型在基坑沉降预测领域存在参数选择困难和基于单点数据建模的缺点,建立顾及邻近点的PSO-SVM模型。采用PSO-SVM模型进行最优训练样本数量研究,结果表明短期样本的预测效果最优。将邻近点沉降变形值作为影响基坑沉降的因素引入到改进的PSO-SVM模型中,实例表明,在短期样本数据下顾及邻近点的PSO-SVM模型的拟合精度优于PSO-SVM模型,而在中长期样本条件下预测精度不佳。针对该缺点提出组合多尺度一维小波分解函数和柯西分布函数来改进顾及邻近点的PSO-SVM模型,实验结果表明,顾及邻近点的改进PSO-SVM模型可有效解决参数选择困难和单点建模的问题,适用于不同样本数量下的沉降变形预测,具有较高的预测精度。 相似文献
6.
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
7.
多普勒天气雷达已广泛应用于定量降水的估测,为了提高雷达降水估计的精度,要求能够识别层状云和对流云降水.使用模糊逻辑法区分区域中的层状云和对流云降水.根据层状云和对流云降水的反射率分布特征,建立了最大反射率因子、回波顶高、垂直反射率梯度和水平反射率梯度4个识别参数,读取雷达资料并计算出这些识别参数,使用梯形隶属函数对识别参数进行模糊化,对得到的数据进行加权平均处理,选择一个合适的阈值区分层状云和对流云降水.结合实际的天气实例,对该方法的识别效果进行检验,结果表明：模糊逻辑法能够有效的区分降水区域中的层状云和对流云降水,为改善降水估测提供了方法和依据. 相似文献
8.
基于机器学习的稀疏样本下的土壤有机质估算方法 总被引：1，自引：0，他引：1
采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。 相似文献
9.
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
10.
非光合植被(NPV)在干旱半干旱区生态系统中扮演了重要角色，对了解植被碳循环过程起着至关重要的作用，同时掌握非光合植被定量信息对科学评估土地荒漠化程度以及荒漠化科学防治具有重要意义。本文以甘肃省民勤县为研究区，对高光谱仪采集NPV及研究区内其他端元光谱信息进行光谱分析，结合Sentinel-2 MSI影像构建提取稀疏NPV覆盖度信息的植被指数，实测NPV覆盖度作为精度验证数据，决定系数R2、均方根误差和显著性p值用于模型精度评价，结果发现：(1)通过原始光谱法、一阶导数变换法、倒数的对数法和连续统去除法进行光谱分析发现，连续统去除法处理获取的NPV光谱的包络线值较光合植被(PV)和裸地(BS)光谱包络线值特征差异明显；(2)通过绿光波段的包络线差值和短波红外波段的光谱反射率比值计算后，可以有效拉开NPV与PV和BS光谱特征值差距，从而实现NPV信息提取，得到表征NPV覆盖信息的新指数；(3)通过精度验证发现，新构建的NPV指数—包络线差值植被指数(Envelope Difference Vegetation Index, EDVI)优于参与比较分析的其他指数模型，... 相似文献