玉米叶片铜铅胁迫高光谱识别研究

为了区分玉米叶片重金属胁迫种类，提出一种基于高光谱的铜铅胁迫识别方法。分别以叶片0.1~2.0阶分数阶导数(FOD)光谱中红边位置与任意两波长处的光谱值构建玉米叶片的红边铜铅敏感指数(RECLSI)集群，计算各集群中指数与胁迫类型的相关系数，以相关系数最大值、最小值对应的RECLSI构建铜铅识别特征(CLIF)，在CLIF的二维分布出现与胁迫类型相关的聚类时建立胁迫识别界限(SIB)，从而实现铜铅胁迫识别。研究表明：各RECLSI集群中指数与胁迫类型相关系数的最大值、最小值随FOD光谱阶次的增加分别呈先升后降、先降后升的趋势，其中相关系数最大值、最小值的极点分别出现在1.3、1.4阶FOD光谱对应的RECLSI集群中；0.7~1.5阶FOD光谱的CLIF二维分布呈现出与胁迫类型相关的聚类，根据CLIF-SIB能够不同程度地实现铜铅胁迫识别；1.2阶FOD光谱的CLIF-SIB识别效果最好，试验集精度为100%，验证集精度为81.25%。基于FOD光谱的CLIF-SIB玉米叶片铜铅胁迫识别方法在部分阶次能够获得良好且稳定的识别结果，具有可行性和有效性。     

基于高光谱的黑土区土壤重金属含量估测

以黑龙江省讷河市采集的80份黑土样品和高光谱实测数据为数据源,对黑土中铜(Cu)、锌(Zn)、锰(Mn)重金属元素的光谱反射率及其特征变化进行研究,分析了光谱反射率、光谱反射率一阶微分变换、光谱反射率连续统去除变换、光谱反射率连续统去除一阶微分变换与元素铜、锌、锰含量的相关性,并利用相关系数法提取敏感波段。利用核主成分分析(Kernel principal component analysis,KPCA)方法对高光谱敏感波段数据进行降维及特征提取,将特征信息作为极限学习机(Extreme learning machine,ELM)模型建模的样本数据,构建KPCA-ELM估测模型,进行黑土重金属含量的定量估算。结果表明:KPCA具有较强的非线性特征提取能力,可以有效地选择最佳变量集合,KPCA-ELM模型预测土壤元素含量效果理想,3种重金属元素含量估测的决定系数均达到0.6以上,其中,锌元素预测精度最高,决定系数和均方根误差分别为0.805和3.275 mg/kg,比特征提取前模型预测精度优化了14.0%和18.5%,说明构建的KPCA-ELM模型是一种快速可行的重金属含量高光谱估测方法。     

基于分数阶微分的荒漠土壤铬含量高光谱检测

为解决高光谱检测土壤中痕量级重金属含量存在的困难,提高土壤重金属铬含量检测的准确度,利用新疆准东煤田周边168个荒漠土壤样本的重金属铬含量及其对应的高光谱数据,运用分数阶微分算法进行光谱数据预处理,最后利用全部波段进行偏最小二乘建模并进行可视化分析,旨在探讨分数阶微分预处理在高光谱数据估算荒漠土壤重金属铬含量的可能性。结果表明:原始光谱与吸光率变换的分数阶微分模型均在1.8阶微分处达到了最好的精度效果。吸光率变换1.8阶微分模型为最优模型,模型的校正均方根误差为7.68 mg/kg,R_c~2=0.83,预测均方根误差为8.39 mg/kg,R_p~2=0.78,相对分析误差为2.14。最后利用铬含量实测值与光谱预测值通过反距离加权法插值获得研究区土壤重金属铬含量的空间分布,说明利用该方法对土壤重金属铬含量定量检测并进行大尺度的空间分布反演在一定程度上是可行的,为荒漠土壤重金属污染状况的高光谱检测提供了一定的科学依据和技术支持。     

基于高阶谱法作物重金属污染元素判别与污染程度诊断

基于不同铜离子(Cu~(2+))和铅离子(Pb~(2+))胁迫梯度下玉米叶片光谱微分数据,结合高阶谱估计与灰度-梯度共生矩阵(Gray gradient co-occurrence matrix,GGCM)的特征提取方法,提出了Cu~(2+)和Pb~(2+)污染定性分析、污染元素种类识别和污染程度诊断的方法。首先,测量了不同胁迫梯度下玉米叶片光谱数据以及叶片中富集的Cu~(2+)、Pb~(2+)含量;然后,利用高阶谱估计的ARMA模型参数法对各类玉米叶片微分光谱数据序列进行双谱估计,得到bisp_rts和bisp_qs矩阵及其相应的双谱三维图,从而可以直观可视地定性分析玉米是否已受Cu~(2+)和Pb~(2+)污染,辨别出Cu~(2+)或Pb~(2+)污染的元素类别;最后,构造bisp_rts和bisp_qs矩阵相应的GGCM,通过提取各GGCM的纹理参量特征值,诊断玉米叶片受Cu~(2+)和Pb~(2+)的污染程度。实验结果表明:高阶谱估计可以定性分析玉米老叶(O)、中叶(M)、新叶(N)是否已受Cu~(2+)和Pb~(2+)污染,也可辨别出O、M叶片所受Cu~(2+)或Pb~(2+)污染的元素类别;bisp_rts矩阵的灰度分布不均匀性(T1)、能量(T2)特征值均能反映O、M叶片中Pb~(2+)含量的变化,能较好地诊断O、M叶片中Pb~(2+)的污染程度,而bisp_qs矩阵的小梯度优势(T3)特征值能反映O、M叶片中Cu~(2+)含量的变化,能较好地诊断O、M叶片中Cu~(2+)的污染程度。     

铜胁迫下玉米叶片光谱谐波振幅特征与胁迫程度判别

为探测重金属铜污染胁迫对玉米叶片光谱的影响,判别玉米植株受铜污染胁迫的程度,在地面设置了11个梯度铜胁迫玉米盆栽实验,获取了玉米在出苗期、拔节期和出穗期的老叶光谱、叶绿素含量以及出穗期叶片铜含量,阐述了利用前3次谐波子信号振幅C1、C2与C3探测玉米叶片光谱弱畸变的机理,并选取出苗期、拔节期和出穗期玉米老叶光谱480～670 nm与670～750 nm两波段进行谐波分析,解析了前3次谐波子信号振幅C1、C2、C3与铜胁迫梯度间的规律。研究得出:出苗期,在Cu(100)到Cu(1200)梯度范围内,随铜胁迫程度增加,玉米老叶光谱在480～670 nm与670～750 nm两波段的谐波振幅C1逐渐增大,利用谐波振幅C1可以判别与区分玉米植株受铜胁迫程度;拔节期,在480～670 nm与670～750 nm两波段、所有设置胁迫梯度内,谐波振幅C1、C2、C3特征变化规律不明显;出穗期,从Cu(50)到Cu(1200)梯度范围内,除Cu(1000)外,在480～670 nm波段的谐波子信号振幅C1随胁迫梯度增加而增大;玉米出苗期与出穗期是利用谐波子信号振幅特征进行铜胁迫程度判别与分析的最佳生长阶段。     

玉米叶片重金属铜污染的ED-T-DSGA光谱分析模型

监测农作物的重金属污染和污染程度是高光谱遥感研究的一个热点。通过盆栽玉米的不同Cu~(2+)胁迫梯度实验,在测定玉米叶片光谱和Cu~(2+)含量的基础上,针对不同Cu~(2+)胁迫梯度下玉米叶片光谱仍具有极高相似度以及传统光谱测度方法难以区分污染程度的问题,进行相似光谱的差异性有效区分方法研究。结合欧氏距离(ED)与光谱微分梯度角(DSAG)的正切处理,提出了一种基于光谱相似性测度的ED-T-DSGA光谱分析模型,并通过传统光谱测度方法应用比较、谐波分析(HA)技术和5种HA分解次数下的光谱重构结果分析,验证了ED-T-DSGA分析模型在区分极度相似光谱的微小差异上具有可行性与有效性。同时,ED-T-DSGA分析模型可用于测度不同Cu~(2+)胁迫梯度下玉米叶片光谱间差异与污染程度。实验结果表明,ED-T-DSGA分析模型值越大,Cu~(2+)胁迫梯度越大,玉米的重金属铜污染越严重;并且基于ED-T-DSGA分析模型进一步提取到"黄边"、"红谷"、"红边"和"近峰B"为Cu~(2+)胁迫光谱响应的有效波段,这些敏感位置可为监测Cu~(2+)污染程度提供有利依据。     

基于无人机高光谱分数阶微分的马铃薯地上生物量估算

以马铃薯为研究对象，利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据，实测了地上生物量（Above ground biomass，AGB）数据。首先，利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据；然后，利用分数阶微分计算高光谱0~2阶微分（间隔0.2），将各阶微分下的光谱数据与地上生物量进行相关性分析，挑选出相关系数绝对值较大的前9个微分波段；最后，利用多元线性回归（Multiple linear regression，MLR）、随机森林（Random forest，RF）和人工神经网络（Artificial neural network，ANN）3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型，并进行了对比。结果表明：各生育期相关系数绝对值最大值出现的阶数不同，现蕾期为0.8阶微分（470nm）；块茎形成期为1.8阶微分（710nm）；块茎增长期和淀粉积累期为1.6阶微分（718、722、766nm）；成熟期为1.0阶微分（622nm）。相较于整数阶微分，高光谱分数阶微分与AGB的相关性更高，分数阶微分可以提高马铃薯AGB的估算精度。分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型，3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好，利用MLR方法得到的模型精度最高、稳定性最强，其次为RF模型，ANN模型表现效果最差。不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期。     

铜胁迫下玉米叶片的HHT包络谱变化与污染预测模型

根据不同Cu~(2+)胁迫梯度下玉米叶片光谱及叶片中Cu~(2+)含量数据,利用经验模态分解(EMD)获取不同胁迫梯度下叶片光谱的各阶本征模态函数(IMF),选IMF4进行HHT包络谱分析,研究了玉米叶片在不同Cu~(2+)胁迫梯度下光谱的Hilbert包络谱变化特征与污染程度预测方法。通过构建包络谱峰值指标(E_1)和包络谱峭度系数(E_2)特征参量,分析叶片在不同Cu~(2+)胁迫梯度下的包络谱变化;同时基于包络谱特征参量值与叶片中Cu~(2+)含量的相关性分析和逐步回归统计,建立了玉米叶片重金属污染的Cu~(2+)含量的单、双因素变量预测模型。实验结果表明:不同Cu~(2+)胁迫梯度下,玉米叶片光谱的包络谱为分布在100 Hz频率以内的连续谱;E_1和E_2值均表现出与叶片中Cu~(2+)含量呈正相关的变化趋势,两个包络谱特征参量值都在Cu(150)位置达到最大值;由于E_1和E_2值与叶片中Cu~(2+)含量都具有良好的相关性,可把E_1和E_2作为监测玉米重金属污染预测指标。根据E_1、E_2单因素及双因素变量构建的Cu~(2+)含量预测模型应用结果比较,表明E_1、E_2双因素变量构建的模型具有最优的预测能力。     

基于高光谱反演的复垦区土壤重金属含量经验模型优选

以工矿复垦区为实验区域,基于ASD Field Spec 4高光谱遥感数据,结合实测的土壤重金属含量,利用回归分析与特征选择方法,开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选。通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性。在此基础上采用偏最小二乘回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、支持向量机回归(Support vector machine regression,SVMR) 3种回归分析模型开展土壤重金属含量反演实验,结果表明偏最小二乘回归(PLSR)对研究区内土壤中重金属含量的反演最为有效,尤其对区域内主要障碍因子镉(Cd)元素含量的反演效果最佳,验证集决定系数R2为0. 76。基于粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)、Relief F算法3种特征选择方法对偏最小二乘回归(PLSR)模型进行优化,结果表明粒子群算法(PSO)可有效降低特征波段变量维度,进一步提高模型反演精度,使决定系数R2由0. 76提高至0. 84。综上,基于高光谱数据,采用偏最小二乘回归(PLSR)与粒子群算法(PSO)相结合的方法,可有效对工矿复垦区土壤中的重金属含量进行测度,可为复垦区土地的质量和生态指标监测提供理论方法和技术支持。     

铜胁迫下玉米叶片光谱STFT分析与叶片铜离子浓度反演

采集不同浓度梯度铜离子（Cu2+）胁迫下玉米叶片的可见光-近红外光谱及实测玉米叶片Cu2+浓度，采用短时傅里叶变换（Short-time Fourier transform，STFT）时频分析技术，研究不同浓度Cu2+胁迫下玉米叶片光谱的能量振幅响应，进而提取特征波段的振幅参数，利用偏最小二乘回归（Partial least squares regression，PLSR）方法反演叶片Cu2+浓度。研究发现，玉米叶片光谱的STFT变换所得能量振幅峰值随Cu2+胁迫浓度梯度的增加呈先降低、后升高趋势，且随Cu2+浓度的升高不断向短波方向迁移。选取不同浓度梯度的能量振幅峰值波段为特征波段，利用特征波段上随频域变化的能量幅值，建立玉米叶片Cu2+浓度反演的偏最小二乘回归模型，模型R2为0.9863。选取相同培育期的另外2组植株数据为验证数据，进行相同STFT变换，利用建立的偏最小二乘回归模型对两组验证数据进行玉米叶片Cu2+浓度反演，并与验证组实测Cu2+浓度进行相关性分析，Cu2+反演R2分别为0.8806和0.7331（P<0.01），RMSE分别为1.563、2.619μg/g。研究表明，光谱的时频分析方法可用于Cu2+胁迫下玉米叶片的快速检测，为农作物的重金属胁迫监测提供了新的思路。     

基于高光谱成像技术的菜心铜胁迫快速检测

重金属污染已经成为影响农作物生长的重要环境因素,而铜是我国农业三大重金属污染物之一.农作物受到铜胁迫后,生长发育会受到极大的影响,如何实现对农作物铜胁迫的检测对于农业生产有着极大的意义.传统检测农作物铜胁迫的方法存在分析时间长、准确性不高、易对农作物造成损害等问题.本文提出一种基于高光谱成像技术的农作物铜胁迫的快速检测...     

土壤重金属污染玉米生长影响盆栽试验研究

通过盆栽试验,研究了重金属铅对玉米生长发育和性状及产量的影响。研究表明,随着土壤铅污染浓度的升高,单株叶面积、株高、总干物质量等形态指标呈降低的趋势,平均单株穗长、穗粗、穗质量、总粒数、百粒质量下降,秃尖长度增加,玉米产量呈下降趋势。当土壤铅浓度为300 mg/kg时,玉米单产下降21%左右。     

便携式蔬菜叶片重金属镉含量无损检测仪设计与试验

针对蔬菜叶片重金属镉检测传统方法存在的检测仪器体积大、检测成本高和具有破坏性等问题,提出一种基于可见光-近红外波段光谱蔬菜叶片重金属镉检测方法,并设计了一款无需预处理、检测速度快、体积小且便于携带的重金属镉检测仪,能够适用于移动式的现场检测.配置4个重金属镉胁迫梯度(0、1、3、5 mg/L)营养液,培育各镉胁迫的生菜...     

污水灌溉区土壤重金属污染对玉米生长影响研究

随着污水灌溉面积的持续扩大,研究污水灌溉带来的重金属污染问题,特别是重金属污染物对土壤-作物系统的影响显得尤为重要。通过试验,研究了重金属铅对玉米生长发育和对玉米性状及产量的影响。研究表明,随着土壤铅污染浓度的升高,单株叶面积、株高、总干物重等形态指标呈降低的趋势,平均单株穗长、穗粗、穗重、总粒数、百粒重下降,秃尖长度增加,玉米产量呈下降趋势。当土壤铅浓度为300 mg/kg时,玉米亩产下降21%左右。     

生菜叶片镉含量高光谱预测模型

为了实现无损检测生菜叶片中重金属镉的含量,以高光谱技术为研究手段,研究一种基于高光谱技术的精确、快速和有效检测生菜中重金属镉含量的方法。首先,使用高光谱图像采集系统获取生菜高光谱图像,并提取光谱数据,对提取出的光谱数据采用连续投影算法（SPA）和基于权重回归系数的特征选择算法进行特征提取,建立预测生菜叶片中镉含量的最小二乘支持向量回归（LSSVR）模型。结果表明:SPA-LSSVR模型性能最佳,其中预测集决定系数为0.927 3,均方根误差为0.093 mg/kg。因此,利用高光谱技术结合SPA-LSSVR模型对生菜叶片中重金属镉含量进行预测是可行的,可为实际应用提供技术支持和参考。      

基于计算机视觉的土壤镉胁迫生菜叶片污染响应分析

为了实现无损检测生菜叶片中重金属镉的污染程度,以计算机视觉技术为研究手段,结合图像处理方法和特征选择方法,对4个梯度重金属镉胁迫的生菜叶片进行识别。首先利用数码相机获取生菜叶片图像,然后使用K-means聚类算法分割图像,对分割出的目标图像提取图像颜色、形状和纹理特征,共获取46个图像特征。为了使模型更简便和减少数据量,利用基于变量组合的变量重要性分析(VIAVC)和竞争性自适应重加权算法(CARS)对图像特征进行降维。采用偏最小二乘法判别分析(PLS-DA)和随机森林(RF)构建模型,用于生菜镉胁迫程度的识别。结果表明,在7个组合特征模型中,颜色形状纹理融合特征所建立的模型给出了最优结果,测试集分类正确率为92%。用VIAVC和CARS对颜色形状纹理融合特征进行特征选择,发现VIAVC的降维效果优于CARS。使用特征选择的变量建立模型,RF模型的训练集分类正确率和预测集分类正确率均高于PLS-DA,其中,基于VIAVC的RF模型的训练集和预测集分类正确率分别为98.0%和96.0%。可见,基于VIAVC的RF模型在大大降低了特征维数的前提下,能够较好地对不同镉胁迫程度的生菜叶片进行识别。     

基于有机质特征谱段的土壤Cd含量高光谱遥感反演

针对土壤Cd高光谱遥感定量反演中的机理性不足及数据冗余问题,提出一种基于有机质特征谱段的反演方法。该方法首先提取土壤光谱中对重金属Cd具有吸附作用的有机质特征谱段,进而通过竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）优选特征谱段,采用偏最小二乘回归法（Partial least squares regression,PLSR）建立重金属Cd的反演模型,并利用郴州矿区土壤实验室光谱数据和哈密黄山南矿区野外光谱数据进行方法验证。研究表明：有机质特征谱段提取在降低数据冗余的同时提高了重金属Cd的反演精度,CARS算法相对于相关系数法（Correlation coefficient,CC）和遗传算法(Genetic algorithm,GA)特征选择具有更高的反演精度,基于有机质特征谱段的CARS-PLSR算法在土壤实验室光谱和野外实测光谱所得验证精度R2分别为0.94和0.80,表明该算法对于实验室和野外光谱均具有一定适用性。研究可为土壤重金属含量高光谱反演的特征波段选择和算法优选提供参考。