基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。     

基于Landsat 8 OLI影像的三江源区表层土壤全氮空间格局反演

利用Landsat 8 OLI影像反演三江源区玉树、称多及玛多县的表层土壤全氮含量空间分布格局,选取光谱反射率(R)、光谱反射率的倒数(1/R)、光谱反射率倒数的对数〔lg(1/R)〕3个光谱指标,与表层土壤(0~30 cm)全氮实测数据进行相关性分析,筛选相关性最高的光谱指标,以达到显著性相关水平波段的主成分分量建立回归模型。结果表明:OLI影像的B1~B4和B7的R、1/R、lg(1/R)均与实测全氮数据达到显著性相关水平,以lg(1/R)变换最为明显;利用这5个波段lg(1/R)的第一、第二主成分建立负二次多项式回归模型,其中建模样本的R2为0.621,RMSE为2.075,验证样本的R2为0.730,RMSE为1.493,RPD为1.849,反演模型精度较高,稳定性较好。利用OLI影像可较好的估算表层土壤全氮含量的空间分布格局。     

新疆北部不同类型土壤光谱特征及对有机质含量的预测

对北疆地区淡栗钙土、冷钙土、石灰性黑钙土、石膏灰棕漠土等4种土壤类型的反射光谱进行分析,研究土壤有机质含量与光谱反射率之间的关系。结果表明,石灰性黑钙土的反射率明显低于其它土壤类型。有机质含量高于14 g·kg^-1时光谱反射率与有机质含量呈负相关,有机质含量很低（<8 g·kg^-1）时,土壤的光谱反射率与有机质含量之间呈正相关。分别采用593.6 nm波段的原始光谱反射率、661 nm波段的反射率去除包络线和547.4 nm波段反射率的一阶微分与土壤有机质含量建立回归模型,经检验三种模型均能较好地预测有机质的含量,其中光谱的一阶微分预测精度相对较高,可较好地预测北疆主要类型土壤的有机质含量。     

基于野外实测高光谱数据的干旱区耕作土壤含水量反演研究

利用2011年3月野外实地采集的不同含水量土壤的高光谱数据,研究了南疆地区耕作土壤草甸土含水量与高光谱反射率之间的定量关系,构建了一元线性回归与多元逐步回归的土壤含水量预测模型.结果表明,土壤含水量在380～ 1080 nm波段与反射率呈负相关关系;反射率经倒数(1/R)、对数(logR)、一阶微分(R’)变换后可提高其与含水量的相关性;以50个建模样本所建立模型的相关系数均达到极显著水平,所有模型通过对37验证样本进行预测,比较决定系数、均方根误差、相对误差后,表明多元逐步回归模型的预测能力要优于一元线性回归模型,从所有模型中优选出以698、702、703、746、747 nm波段反射率倒数(1/R)建立的多元逐步回归模型为最优模型,该模型实测值与预测值之间的R2为0.9199,RMSE为1.6026,RE为0.6517,可用于基于野外高光谱数据的土壤含水量的估测.     

基于SPA-MLR方法的土壤含水量光谱预测模型研究

以人工调配的不同含水量土壤的高光谱数据为基础,运用11种常规的变换方法对原始光谱反射率进行变换,使用连续投影算法(SPA)提取特征波段,然后建立多元线性回归(MLR)模型,并对不同模型进行评价比较,旨在选择监测土壤含水量的最佳高光谱模型,实现土壤含水量高光谱监测。结果表明,随着土壤含水量的增加光谱反射率先升高后降低;使用SPA提取的特征波段为3~5个,且不同变换处理后提取的特征波段存在差异。利用特征波段建立MLR回归模型,表明原始光谱经一定数学变换处理可以提高土壤含水量高光谱监测精度,其中对数的一阶微分变换处理(T_8)后建立的SPA-MLR模型监测精度最高,其校正模型表现为R~2=0.957,RMSE=2.16,RPD=4.74,验证模型表现为R~2=0.903,RMSE=3.41,RPD=2.95。故基于反射率对数一阶微分变换处理所建立的SPA-MLR模型可以更好地实现土壤含水量的高光谱监测。     

基于HJ-1A高光谱影像的土壤盐碱化遥感研究

探讨了使用HSI影像研究大面积土壤盐渍化状况的可行性。方法是:使用HSI影像作为数据源,将大气校正以后的地表反射率进行多种数学变换,然后与采样土壤含盐量的化验数据进行回归分析,建立土壤含盐量的反演模型,最后将采样点土壤含盐量的反演值与实测值进行比较,评价模型的预测能力。结果表明:HSI影像经过大气校正后可以消除水汽对反射率的影响,有利于土壤含盐量的反演;影像中的反射率经过一阶微分(R')、倒数的一阶微分(1/R)'等数学变换后可以显著提高与土壤含盐量的相关系数,判定系数R2达到0.547和0.556;利用回归分析方法所建立的反演模型能够较好的反演松辽平原盐碱土的含盐量。     

基于Landsat8吉林中北部地区土壤有机质定量反演研究

以Landsat 8 OLI遥感影像为数据源,以吉林省中北部黑土过渡区为研究对象,对研究区进行土壤实地采样并化验土壤有机质含量,采用多元回归分析的方法,建立土壤有机质含量的反演模型,反演研究区土壤有机质含量。结果表明:研究区土壤反射率与有机质含量呈负相关,其中,第5波段达到最大值,为-0.827;将反射率进行倒数、对数等变换后可以显著提高与有机质含量的相关性;以第4、第5、第6波段反射率倒数为自变量,利用多元回归分析方法建立起来的反演模型,模型判定系数R2=0.860,总均方根误差RMSE=0.229,反演研究区土壤有机质含量获得了良好的效果。本研究成果实现土壤有机质含量监测的准确性与时效性,为我国黑土区土壤光谱分析提供借鉴,为区域土壤生态环境监测提供数据支持。     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明：阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平（P＜0．01）。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数 lg（1/R）的相关性最好,相关系数最大值可达0．98;阴坡地则与一阶微分的相关性最好,最大为0．94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在各个波段,倒数之对数模型lg（1/R）、一阶微分模型（p′）和归一化植被指数模型（N）分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型 R2均超过0．90,精确度均大于0．91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

干旱区盐渍化土壤高光谱遥感信息分析与提取

以干旱区典型区域新疆渭干河-库车河三角洲绿洲为研究区,以环境小卫星高光谱影像及野外实测土壤含盐量为主要数据源,进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应最敏感波段,利用多元线性回归分析方法,建立基于HSI影像的研究区土壤含盐量定量反演模型。结果表明:研究区土壤含盐量与HSI波段的敏感性随着波长的增加而增强,位于近红外波段范围(797.826-923.913nm)的相关系数R普遍较高,基本在0.7左右。土壤光谱反射率对数的倒数一阶微分变换在628.261nm和923.913nm的波段组合为最佳敏感波段,所构建的土壤含盐量反演模型为最优模型,模型方程为Y=-11.731-114.996X628.261-186.637X923.913,模型及检验的决定系数R2都在0.85以上,均方根误差RMSE约为2.7。该模型的建立为地区土壤含盐量信息的提取及监测提供了参考。     

典型龟裂碱土光谱特征分析及碱化程度预测

以宁夏银北地区典型龟裂碱土为研究对象,表层土壤光谱反射率选择平滑、倒数等7种数据处理方式,采用全回归、逐步回归和偏最小二乘三种回归方法,分析龟裂碱土光谱特征,筛选对土壤pH值和ESP的敏感波段,建立龟裂碱土碱化信息的预测模型。结果表明：龟裂碱土的光谱反射曲线属于缓斜型;土壤表层反射率与土壤pH值和ESP在研究波段内均呈极显著正相关关系;反射率倒数对数的一阶微分和反射率的一阶微分在特征波段范围表现较好;反射率与土壤pH值的相关性优于与土壤ESP的相关性。从拟合度和选用敏感波段的多少整体考虑,采用偏最小二乘回归来拟合土壤pH值和ESP的方程最佳,拟合度分别达到0.93和0.8367。