矿区土壤重金属Cd高光谱建模与模型适应性分析

以粤北南岭某矿区土壤为研究对象,采用传统采样检测方法分析土壤重金属含量.借助ASD FieldSpec 4型便携式高光谱仪测量土壤光谱反射率,将土壤反射率经过卷积平滑后进行8种数据变换,分析9种光谱数据指标与镉(Cd)含量的相关性.采用偏最小二乘和随机森林方法,结合Pearson相关系数分别建立9种光谱数据指标的土壤重金属Cd含量的高光谱反演模型.并对其预测能力进行评价,实现了局地尺度上土壤重金属Cd含量反演,探究了不同Cd浓度区间对建模精度的影响.结果表明:通过不同的数据变换方式可以有效消除基线,去除背景干扰并提高光谱数据与Cd的相关性.其中一阶微分变换效果最为理想;偏最小二乘(Partial Least Squares Regression,PLSR)与随机森林(Random Forest Regression,RF)均能不同程度预测Cd含量,其中采用一阶微分结合随机森林(FD-RF)方法所建模型具备较高可靠性,R2超过0.80;当样本浓度平均值变化超过40％时,建立的模型预测能力降低.该研究方法可以作为土壤重金属Cd检测的手段,研究结果可以为土壤重金属高光谱反演提供方法和理论支持.     

基于叶片光谱特征的农业区域植物分类

基于农业区域8种植物的叶片光谱数据,提取63种光谱特征变量,并对全波段光谱(原始、一阶微分和包络线去除光谱)提取主成分,分别采用k最近邻(k-nearest-neighbors,kNN)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)3种机器学习方法对不同植物进行遥感分类.比较3种方法所得的总精度、训练精度、验证精度及8种植物的生产者精度.结果表明,SVM的分类性能优于kNN与RF;单一的光谱特征变量识别精度都较低(50%);基于主成分分析的一阶微分光谱识别性能优于原始光谱和包络线去除光谱.研究指出,叶片一阶微分光谱与SVM相结合的方法能够准确识别不同植物物种.可为景观或区域尺度的植被遥感分类、精准农业和森林资源调查等提供借鉴.     

基于高光谱指数的土壤盐渍化遥感监测研究——以平罗县为例

为建立土壤盐渍化遥感监测模型,以宁夏平罗县为例,通过在野外测定高光谱数据,结合室内土壤样品化学分析结果,分析不同类型盐渍化土壤光谱特征,并对实测土壤光谱数据进行倒数、对数及其一阶微分等变换,确定响应土壤盐分质量分数和pH值的最优波段,最后通过回归分析构建土壤盐渍化监测模型。结果表明:不同类型盐渍化土壤光谱曲线在形态上基本趋于一致,光谱反射率在可见光范围内随波长增长而增大,在近红外波段,增长速度减缓;通过相关分析,确定对数一阶微分变换对应的385.7 nm和原始一阶微分变换对应的1 708.4 nm分别为土壤光谱反射率与土壤盐分质量分数和pH值的最佳特征波段;以高光谱盐分指数(SI2)为自变量,土壤盐分质量分数为因变量,利用二次多项式回归模型建立的预测模型为最优模型,该模型实测值和预测值间拟合系数(R2)为0.673,通过0.01显著性水平检验。     

高光谱技术识别煤岩的特征波段筛选方法研究

煤炭在中国工业和国民经济发展中起到重要作用。传统的人工识别煤岩界面效率低下,安全性无法保障,为实现采煤智能化和无人化,以高光谱作为技术手段,结合机器学习算法对煤岩进行分类识别。文中以淮南市谢桥矿区和潘一矿区的煤岩高光谱数据为研究对象,对煤岩原始光谱进行平滑处理(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)和归一化(Norm)处理,采用竞争性自适应重加权采样(CARS)、连续投影法(SPA)和随机蛙跳(RF)算法获取预处理后煤岩高光谱数据中对煤岩识别敏感的优选波段,分别基于全波段和优选波段建立支持向量机(SVM)模型和偏最小二乘线性判别分析(PLS-LDA)模型,并对比模型识别精度。结果表明,优选波段主要分布在350～450 nm、1 250～1 450 nm、1 700～1 900 nm和2 100～2 300 nm之间,在实验室模拟环境中,由机器学习算法优选后的波段所建模型相较于全波段所建模型的识别精度有所提高,其中,基于Norm-CARS优选后的波段建立的PLS-LDA模型和基于SG-RF优选后的波段建立的SVM模型对建模集和测试集的识别正确率均达100%。利用机器学...     

琅琊山风景区水体叶绿素a浓度遥感估测研究

实地采集高光谱数据和水质数据进行叶绿素a浓度遥感估测分析。通过叶绿素a浓度与高光谱反射率之间的相关关系,分别使用单波段法、一阶微分法、反射率比值法建立一元、二元和三元线性回归模型进行叶绿素a浓度的估测,并对几种模型进行比较分析。结果表明:原始光谱反射率经过归一化处理后,叶绿素a浓度和反射率的相关性得以提升。而经过一阶微分处理的数据,光谱反射率和叶绿素a浓度的相关性在857nm处达到0.8。在使用单波段法、一阶微分法、波段比值法对琅琊山风景区水体进行估测,建立的多种回归模型中,利用一阶微分法所建的三元线性模型效果最佳,特征波段比值法的反演效果较差。     

水体中硝酸盐氮含量的UV-Vis光谱学在线测量方法

采集74份标准水样进行紫外可见波段全光谱扫描,结合Savitzky-Golay(SG)平滑算法、标准正态变换(SNV)、一阶微分(1st D)等6种方法对提取的光谱数据进行去噪处理,然后采用半监督近邻传播算法(SAP)、连续投影算法(SPA)、无信息变量消除算法(UVE)进行特征波长的选择。基于全光谱法建立了偏最小二乘(PLS)模型,基于特征波长建立了极限学习机(ELM)模型,另外把PLS回归模型得到的主成分作为支持向量机回归(SVR)、BP和RBF神经网络的输入建立了PCA+SVR、PCA+BP和PCA+RBF模型。结果表明:使用主成分分析结合RBF神经网络建立的PCA+RBF预测模型效果最优,其相对误差最稳定并保持在较低水平,测量上限高达数百mg/L,为实现水体中硝酸盐氮的在线检测和其他水质参数的检测奠定了基础。     

基于无人机高光谱遥感的春玉米氮营养指数反演

为了利用高光谱技术准确探测作物氮素营养状况,以东北春玉米为研究对象,获取6个氮肥梯度的随机试验数据,并采用无人机(unmanned aerial vehicle, UAV)搭载UHD185高光谱成像系统,获取关键生育期试验小区内春玉米冠层高光谱遥感影像,通过5种方法对提取的冠层高光谱信息进行预处理,并分别采用偏最小二乘回归、BP神经网络回归和随机森林回归3种算法,构建春玉米氮营养指数反演模型。结果表明:(1)各光谱预处理下,春玉米氮营养指数与冠层高光谱反射率在近红外波段范围内相关性较高;比较高光谱特征参数,春玉米氮营养指数与黄边内一阶微分光谱中的最大值相关性较高;(2)经MSC预处理后,以高光谱特征参数为变量构建的反演模型精度最高,预测集R²的平均值为0.80;(3)随机森林算法结合MSC预处理反演玉米氮营养指数效果更好,精度更高,模型更稳定。通过对比不同方法建立的春玉米氮营养指数反演模型,提高了模型估测能力和验证精度,有利于模型估测能力的调控与优化,提升了反演模型的适用性,为春玉米精准氮营养诊断和精准氮肥管理提供了理论依据和技术支撑。     

基于支持向量机的皖北旱作区表层土壤有机质含量估测

文中旨在探究支持向量机(Support Vector Machine,SVM)的旱作区表层土壤有机质含量快速估测方法.以皖北旱作区为研究对象,利用两期Landsat8 OLI影像获取采样点光谱反射率,采用不同的波段变换方法构建光谱参量,并结合实测值分析不同建模方式与核函数下模型的估算效果.在实现模型优选后进行全区范围内...     

土壤有机质高光谱反演模型研究

土壤有机质含量的多少是衡量土壤肥力的一个重要指标。针对传统的土壤养分化学测定方法存在耗时、费力等问题,力图用小波变换、一阶导数、对原始光谱的平均值处理、光谱背景及深度方法对土壤反射值光谱数据进行变换,同时利用人工神经网络构建土壤有机质高光谱反演模型来解决这一问题,结果表明:利用小波变换与原始光谱的平均值处理这两种方法和神经网络结合得到的反演模型有较高的预测精度,其预测值与实测值相关系数达到0.63,且其均方根误差小于0.17,具有实际应用的潜力。     

新郑市农田土壤属性高光谱综合反演模型

为了实现基于高光谱分析的土壤属性的快速测定,以新郑市为研究对象,共采集154个土壤样品,在室内试验,获得土壤高光谱数据(350~2 500 nm),对土壤样品在400~2 400 nm的光谱反射率进行Savitzky-Golay平滑后,进行一阶微分光谱变换,并与土壤pH,有机质(SOM),碱解氮(AN),速效磷(AP),速效钾(AK),Fe,Cr,Cd,Zn,Cu,Pb进行相关性分析,在P为0.01水平上的显著性检验基础上,利用模糊聚类最大树法遴选出一阶微分光谱变换下11种土壤属性的共用高光谱特征波段;基于面板数据模型,构建新郑市农田土壤属性的高光谱综合反演模型。结果表明:面板数据模型整体显著,拟合优度较高(R2v=0.977 6,DW=2.03,F=110.97)。模型精度检验AN,AK和Cd的相对分析误差在1.4~1.8间,说明模型具备一般预测土壤AN、AK和Cd含量的能力;Cr的相对分析误差在1.8~2.0间,表明面板数据模型具有定量预测Cr能力;pH,SOM,Fe和Zn的相对分析误差在2~2.5间,说明模型具有很好的定量预测pH,SOM,Fe和Zn的能力;AP,Cu和Pb的相对分析误差大于2.5,说明模型具有极好的预测AP,Cu和Pb的能力。面板数据模型可以通过一次建模综合反演多种土壤属性,计算简便,速度快,可用于新郑市农田土壤属性的高光谱快速获取。     

基于近红外高光谱成像技术的马铃薯淀粉含量无损检测

以马铃薯为研究对象,应用近红外高光谱成像技术(900¹ 700 nm)对马铃薯淀粉含量进行无损检测.采用多元散射校正法(MSC)对原始光谱进行预处理,并通过回归系数法(RC)和连续投影算法(SPA)选择特征波长.分别建立两种特征波长下的多元线性回归模型(MLR)和偏最小二乘回归模型(PLSR),并对比建模效果.结果表明,对于两种建模方法,采用连续投影算法选择特征波长建模的效果较好;SPA-MLR建模效果优于SPA-PLSR建模效果,其校正模型的相关系数(Rc)和均方根误差(RMSEC)分别为0.972、0.329;验证模型的相关系数(Rp)和均方根误差(RMSEP)分别为0.982、0.249.     

基于ICA与光谱参数的玉米叶片Cu~(2+)污染估测研究

玉米受Cu~(2+)污染时其各种生物理化变量会发生一定改变,导致其叶片光谱发生微小变化,为了获取隐含在玉米叶片光谱中微弱的Cu~(2+)污染信息,提出了一种基于独立成分分析(ICA)和光谱特征参数的多维光谱估测模型.对玉米叶片光谱在445~1 340nm范围内的波段进行一阶微分处理后与玉米叶片Cu~(2+)进行相关性分析,选取相关系数(R)较大的波段结合5种植被指数(红边归一化植被指数I_1、改进红边比值植被指数I_2、改进红边归一化植被指数I_3、光化学植被指数I_4和结构不敏感色素指数I_5)分别进行主成分分析(PCA),提取6个主成分进行ICA,得到ICA1,ICA2,ICA3,ICA4和ICA5共5个一维独立成分分量,结合两种光谱特征参数红谷和近红外平台一阶微分包围面积(FAN)构建了玉米叶片Cu~(2+)污染的一维、二维和三维估测光谱模型.5种独立分量中ICA3和ICA5与玉米叶片Cu~(2+)含量的相关性系数(R)都达到了0.9以上,其他3种也达到了0.8以上;二维模型可以将Cu~(2+)胁迫梯度中的轻度、中度和重度胁迫区分开来,三维模型能使胁迫区分效果更直观.结果表明:将ICA运用到玉米叶片Cu~(2+)污染研究中是可行的;独立成分分量、红谷和FAN的多维光谱模型可以作为玉米Cu~(2+)污染程度估测的一种新方法.     

基于高光谱技术的灵武长枣糖度预测模型研究

灵武长枣糖度是反映其品质的重要指标之一.利用高光谱成像技术对灵武长枣的糖度进行无损检测研究.采用多元散射校正、标准正态变量变换和Savitzky-Golay平滑对900¹ 700 nm及4001 700 nm及400¹ 000 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法,最后分别建立灵武长枣糖度的PCA和PLSR预测模型,优选最佳模型.结果表明,4001 000 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法,最后分别建立灵武长枣糖度的PCA和PLSR预测模型,优选最佳模型.结果表明,400¹ 000 nm光谱数据经过多元散射校正后的光谱建立的预测模型效果较好,9001 000 nm光谱数据经过多元散射校正后的光谱建立的预测模型效果较好,900¹ 700 nm光谱数据则是经过Savitzky-Golay平滑后的光谱建立的预测模型较好;两者均是采用PLSR模型建模效果较好,其校正模型和验证模型的相关系数分别为0.938、0.916和0.823、0.864.研究表明,采用高光谱成像技术对灵武长枣糖度的无损检测是可行的.     

基于高光谱遥感的玉米叶绿素含量估测模型

运用粒子群优化算法和支持向量机构建叶片尺度玉米叶绿素含量高光谱估测模型,估测玉米叶片叶绿素含量.通过辐射传输模型(PROSPECT)模拟的玉米光谱和所对应的叶绿素含量建立训练数据集;采用粒子群优化算法和支持向量机(PSO-SVM)学习训练数据集,建立研究区实测叶片叶绿素含量估测模型;利用近地高光谱遥感获取的玉米光谱建立验证数据集,将玉米叶片叶绿素含量估测模型运用到验证数据集,估测研究区玉米叶绿素含量.叶绿素含量反演结果的方根误差MSE=76.178 6,叶绿素含量实测值与叶绿素含量估测值的相关系数R2=0.871 2.结果表明:粒子群优化算法和支持向量机构建的反演模型能准确预测玉米叶绿素含量,能够解决小样本玉米采样点情况下叶绿素含量反演问题,可以作为玉米叶绿素含量快速、无损估测的一种新方法.     

基于高光谱成像技术的马铃薯多种营养成分同时检测

利用高光谱成像技术对马铃薯淀粉、干物质、水分含量进行同时检测。采用多元散射校正方法(MSC)对原始光谱预处理,并通过竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择特征波长,分别建立两种特征波长下的偏最小二乘模型(PLS)和多元线性回归模型(MLR),并对比建模效果。结果表明,采用CARS选择的特征波长建模效果较好。淀粉的最优模型为CARS-MLR模型,其校正模型相关系数(RC)、校正模型的均方根误差(RMSEC)、预测模型的相关系数(RP)、预测模型的均方根误差(RMSEP)分别为0.965、0.376、0.950、0.361;干物质的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.954、0.386、0.947、0.383;水分的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.926、0.410、0.929、0.398。研究结果表明,CARS算法是一种有效的高光谱特征波长提取方法,利用CARS选择特征波长建立的预测模型可替代全波段建模。利用高光谱成像技术可以实现马铃薯多种营养成分同时检测。     

矿区复垦土壤重金属含量分布与光谱特征研究——以徐州市柳新矿区为例

以徐州柳新矿区复垦土壤为研究对象,采用传统采样检测方法分析了Cd,Cu,Pb,Zn,Cr等重金属元素在土壤中的含量,借助ISI921VF系列野外地物光谱辐射计和IR981短波红外地物光谱仪野外测量样点土壤的光谱,提取其光谱特征,并对光谱特征参数与土壤中重金属含量进行相关性分析,建立了利用土壤光谱反射率估算土壤重金属含量的预测模型.结果表明:通过分析土壤反射光谱特征能间接反映土壤重金属含量.从而实现土壤重金属含量的间接测定,为土壤重金属污染的调查与监测提供一种简单、快速的测定方法.     

干旱区土壤盐渍化遥感估测模型研究——以宁夏平罗县为例

以宁夏平罗县为研究靶区,以野外实测的高光谱数据和土壤含盐量为基础数据源,进行光谱反射率及其变换形式与土壤含盐量的相关分析,筛选敏感波段,建立高光谱土壤盐分指数模型;通过尺度转化,用原位采集的高光谱盐分指数修正传统遥感影像盐分指数,构建传统影像高精度土壤盐渍化遥感监测模型,并利用实测土壤含盐量对反演结果进行分析与验证。结果表明,高光谱盐分指数和实测土壤含盐量的相关性明显高于传统遥感影像光谱数据;将高光谱数据和传统Landsat-8 OLI影像数据结合,提取的区域土壤盐渍化信息精度明显提高,解决了实测数据和影像之间的时间滞后性问题。     

大气校正算法对高光谱反演水体叶绿素a浓度的影响

针对水体叶绿素a浓度监测时大气介质影响光谱真实性的问题,文章从影像外部大气产品校正、内部大气补偿参数校正和光谱均值校正等方面分别对资源1号02D(ZY-1 02D)高光谱卫星影像进行大气校正以突出水体信号,同时借助多维光谱指数和CatBoost机器学习算法进一步提高水体叶绿素a浓度的反演精度。结果表明：大气校正算法在独山湖的应用中,6S优于QUAC,而FLAASH最差;CatBoost模型能够更好地拟合预测误差,提高反演精度;6S算法-四波段参数-CatBoost模型的反演组合效果最好(R²=0.80)。     

数据预处理方法对油页岩含油率近红外光谱分析的影响

为提高利用近红外光谱(NIRS)分析技术进行油页岩含油率的原位检测时的建模精度,需要采用适当的方法进行数据预处理。本研究利用实际和合成油页岩样品,结合光谱和矩阵2类数据预处理方法,研究不同方法及其组合对油页岩光谱数据一致性、样品含油率偏最小二乘法(PLS)的模型精度的影响。结果表明:在11种光谱数据预处理方法中,一阶导数、正则化、中心化以及适当的组合(如平滑、消噪和消基线后分别加中心化)等光谱预处理方法,可提高相同样品光谱数据间的一致性;在11种光谱预处理和3种矩阵处理的组合方法中,3种数据预处理组合方法(中心化、一阶导数2种光谱预处理+中心化矩阵预处理、一阶导数光谱预处理+正则化矩阵预处理)可提高合成样品含油率PLS模型的精度。     

微生物复垦区接菌沙棘叶绿素含量光谱估测

以陕西大柳塔神东煤矿区微生物复垦基地6a生沙棘人工林为研究对象,采用地物光谱仪分别测定接种丛枝菌根真菌(AMF)和不接种对照(CK)两个水平下沙棘叶片光谱反射率,同步监测相应叶绿素含量.筛选出与叶绿素含量相关性较好的光谱提取变量和常用植被指数作为因变量,利用BP神经网络和极限学习机(ELM)的建模方法反演叶绿素含量,并...