星载高分五号高光谱耕地主要土壤类型土壤有机质含量 估测——以黑龙江省建三江农垦区为例

为了评价国产星载高分五号(GF-5)高光谱影像估测土壤有机质(SOM)含量的潜力,以及不同土壤类型对SOM含量光谱估测精度的影响,本研究以黑龙江省建三江农垦区为研究对象,获取了覆盖研究区域的GF-5高光谱影像和188个土壤样本。对提取的样点GF-5光谱反射率数据进行了反射率倒数、对数、一阶微分等9种光谱数学变换,并采用相关系数法确定了SOM含量的光谱敏感波段。采用偏最小二乘回归(PLSR)线性统计建模方法,对研究区域全部土壤类型以及草甸土、沼泽土、黑土等主要土壤类型,分别构建了光谱全波段和敏感波段的SOM含量估测模型,并进行了精度评价。结果表明,基于GF-5光谱数据的研究区域全部土壤类型的SOM含量估测精度不理想,最优模型精度决定系数(R2)为0.265,均方根误差(RMSE)为4.647%,相对分析误差(RPD)为1.135;不同类型土壤在SOM含量光谱估测精度差异较大,草甸土和沼泽土的SOM含量估测精度不高,但黑土的SOM含量估测精度较高,其中全波段光谱反射率对数一阶微分(LnR)′的SOM含量估测精度最高,R~2=0.729,RMSE=1.065%,RPD=1.850,SOM含量估测模型可用。按照不同土壤类型构建SOM含量估测模型可以进一步挖掘GF-5高光谱遥感估测SOM含量的潜力。     

西河流域不同海拔区土壤有效钾的高光谱反演

为探究不同海拔条件对土壤有效钾含量高光谱反演的影响以及筛选效果最好的光谱指标。采集118个土壤样本后进行其室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱(R)处理的基础上提取了反射率倒数一阶微分((1/R)')、反射率倒数的对数一阶微分((log(1/R))')和反射率对数的倒数一阶微分((1/(log R))')三种光谱变换指标,分析土壤原始光谱和三种变换后的光谱指标与不同海拔区土壤有效钾含量的相关性,并运用偏最小二乘回归法(PLSR)建立不同海拔条件下土壤有效钾的高光谱预测模型。结果表明:(1)比较土壤原始光谱和三种变换后的光谱指标,基于(log(1/R))'变换结果构建的PLSR模型在土壤有效钾的反演效果最好,其决定系数(R2)最高,为0.89,均方根误差(RMSE)为12.45 mg kg-1;(2)相比全区域而言,依据海拔分区所建立的模型能够更好的预测土壤有效钾的含量。该结果对今后地形复杂区域土壤养分的光谱预测具有一定的指导作用。     

含水率对土壤有机质含量高光谱估算的影响

土壤含水率对有机质(soil organic matter,SOM)含量高光谱估算精度有很大的影响。为了探讨SOM高光谱估算中土壤含水率的影响,该文对烘干土、风干土和质量含水率为5%~40%(按5%递增)的土壤样本进行了室内高光谱测量,对光谱数据进行了反射率、反射率一阶导数和反射率倒数对数3种光谱数据变换,运用偏最小二乘回归法(partial least squares regression,PLSR)建立了相应的SOM估算模型。结果表明,风干土的SOM高光谱估算精度较好;当含水率水平小于25%时,SOM估算模型精度受含水率的影响较大,光谱数据进行反射率倒数对数变换后的模型精度最高;当含水率水平大于等于25%时,水分对土壤光谱反射率的影响要大于SOM,不适宜利用土壤光谱数据进行SOM含量高光谱估算。该研究可为大田环境不同含水率情况下光谱估算SOM提供参考。     

基于光谱变换的高光谱指数土壤盐分反演模型优选

该文探索基于光谱变换建立光谱指数,进而建立土壤盐分反演模型的可行性。运用倒数、导数、对数等15种光谱变换对土壤含盐量进行反演,并利用原始光谱的波段反射率构造光谱指数对土壤盐分进行建模。在15种高光谱变换中,一阶微分R'和一阶对倒数(log1/R')变换下土壤盐分估算模型的精度较高。但总体而言,基于单一光谱变换和光谱指数的模型模拟精度均较低。采用光谱变换建立光谱指数,并进一步建立土壤盐分反演模型,结果表明,基于(log1/R')光谱变换构建归一化植被指数,然后建立的土壤盐分精度最高,经验证,其R2为0.89,均方根误差为3.34 g/kg,高于单一方法构建的模型,可为半干旱地区土壤盐分反演提供参考。     

基于高光谱的砂姜黑土含水量反演研究

在实验室条件下,以地物光谱仪(350~2 500 nm)为工具,利用光谱反射率(R)、反射率的一阶微分(R′)、反射率的对数(log R)、反射率的倒数(1/R)、反射率对数的一阶微分(log R)′和去包络线(Rc)6种处理方法,研究了4种不同土种的砂姜黑土含水量与光谱反射率的定量关系。结果表明:砂姜黑土不同土种间光谱特征存在一定差异,且4种土的光谱反射率都随土壤含水量升高而下降。在可见-近红外波段,以R′提取的敏感波长与含水量的相关系数最高,敏感波长集中分布在712、807、1 142、1 570、1 850、2 221 nm等。基于上述波长反射率所建立的土壤含水量预测模型的决定系数达到了0.89,且其模型检验的均方根误差仅为4.6 g/kg,实现了对砂姜黑土含水量较为准确的预测。本研究为非接触、快速地测定砂姜黑土含水量提供了数据基础。     

辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。     

塔里木盆地北缘荒漠土壤有机质含量的高光谱估测

土壤有机质含量的多少是衡量土壤肥力的重要指标,了解土壤有机质的状况及动态变化,为指导干旱区绿洲农业生产及生态环境保护提供科学依据。基于在塔里木盆地北缘绿洲-荒漠过渡带采集的80个土壤样品,测定有机质含量和光谱反射率。在原始反射率R的基础上,进行光谱反射率的一阶微分R′、倒数对数lg(1/R)、倒数对数的一阶微分[lg(1/R)]′以及去除包络线C(R)处理,并将处理后的光谱数据与土壤有机质进行相关性分析,从而选取568、578、803、806、845、955 nm等敏感波段构建土壤有机质含量的估测模型。结果表明:(1)土壤有机质与土壤反射率呈负相关,有机质含量越高反射率越低。(2)光谱变换处理可有效提升光谱对土壤有机质含量的敏感性,其相关系数最高可达0.654(P<0.001)。(3)比较多元线性逐步回归、偏最小二乘回归和反向传播神经网络(BPNN)3种建模方法发现,反向传播神经网络模型精度较高,稳定性更好,且以倒数对数的一阶微分[lg(1/R)]′为自变量的模型最优,决定系数为0.864,均方根误差为1.86,这表明[lg(1/R)]′-BPNN模型相较于其它模型可以更为准确地预测荒漠区土壤有机质含量。     

基于多光谱数据的荒漠矿区土壤有机质估算模型

目前运用高光谱数据估算土壤有机质的模型精度已经可以达到精准农业的要求,但其数据的整理和运算过程较为复杂且观测尺度较小.为节省资源,提高效率并为多光谱遥感估算土壤有机质积累经验,该文将Landsat8_OLI多光谱遥感影像各波段的反射率数据与地面土壤有机质SOM(soil organic matter)实测数据相结合,利用SPSS软件及多元线性回归分析方法建立基于反射率R、反射率倒数1/R、反射率倒数对数LN(1/R)、反射率一阶导数FDR(first derivative reflectance)的土壤有机质定量估算模型,精度检验后择取最优模型通过多光谱遥感波段运算的方式推广至整个研究区.结果表明:FDR模型的精度更高,RMSE为0.215,F检验结果为4.072,预测值与实际值之间的决定系数R2为0.963.基于该模型估算研究区空间范围的土壤有机质含量,得出土壤有机质含量在0～5 g/kg之间的面积占总研究区的84.065％,＞10 g/kg的面积仅仅为0.001 5％.在4种土地类型中工矿用地SOM平均含量为最高的7.35 g/kg,受开采的煤炭中有机质影响较大.裸地面积2 674.44 km2,占研究区面积的63％,SOM平均含量6.12 g/kg;盐渍地和荒漠林地SOM含量偏低.总之,运用多光谱遥感数据估算干旱区土壤有机质的方法可行,也为遥感估算其他地表参数提供参考.     

基于高光谱特征指数的土壤有机质含量建模

以江苏中部的水稻土和潮土为研究对象,采集178个表层土壤(0~20 cm)样品,并测定了土壤有机质含量(Soil Organic Matter,SOM)。运用ASD FieldSpec 3光谱仪测量了土壤的高光谱曲线,首先对原始光谱进行倒数对数和去包络线变换,分析了不同SOM含量梯度和土壤类型的高光谱特征。其次,基于原始光谱、倒数对数变换和去包络线变换等三种光谱数据,分别计算弓曲差、差值指数、比值指数和归一化指数等光谱特征指数,并分析其与SOM含量的相关性。最后,筛选光谱特征指数建立SOM的回归预测模型,并比较模型精度。结果表明:(1)SOM含量与原始光谱呈极显著负相关,与倒数对数光谱呈极显著正相关,且在400~900 nm波段相关性最强,相关系数绝对值在0.6以上。去除包络线处理后,土壤光谱曲线特征差异明显,在420 nm、480 nm、660 nm和900 nm附近出现了明显吸收谷。(2)原始光谱、倒数对数变换和去包络线变换光谱在600 nm处的弓曲差与SOM含量极显著相关(P<0.01),相关系数分别为–0.66,0.61和–0.33。(3)利用3种光谱数据的差值指数、比值指数和归一化指数分别结合弓曲差,建立的SOM预测模型效果较好,建模的R2和RMSE分别介于0.56~0.64和4.98~5.50 g·kg^–1,验证的R2和RMSE介于0.67~0.73和3.21~3.51 g·kg^-1。为快速有效测定苏中平原SOM含量提供技术支持。     

不同粒径土壤有机质含量可见光-近红外光谱估算研究-以湟水流域为例

不同土壤粒径大小差异致使土壤光谱反射率不近相同,从而影响土壤有机质含量的预测精度。因此探索不同粒径下土壤有机质含量估算精度,可为有机质的精确估算以及减少样品的前期处理提供参考依据。本文将分别过10、20、60、100目筛的土样于暗室内进行350~2500 nm波段光谱反射率测量,经多元散射校正(MSC)与小波变换(WT)平滑去噪后,首先将原始光谱(R)及其数学形式包括反射率倒数(1/R)、反射率对数(lgR)、反射率根号(R~(1/2))进行一阶微分变换,然后采用遗传算法结合偏最小二乘法(GA-PLS)筛选土壤有机质含量特征波段区间,再将R、R'及特征波段(CHR)作为偏最小二乘回归(PLSR)和支持向量机(SVM)的输入波段进行有机质含量建模。结果表明:1)土壤粒径越小,光谱反射率越高,特别是当波长大于600 nm时,反射率明显增加;2)土壤有机质含量的特征波段主要位于426~447 nm,1427~1459 nm,1948~1958nm,1970~1991 nm,2012~2039 nm,2165~2186 nm谱区;3)采用GA-PLS算法挑选特征波段建立SOM估算模型,模型精度和预测能力明显高于R和R';4)利用SVM方法建模模型精度明显高于PLSR方法;5)样本容量较大时,采用1mm(20目)粒径光谱数据建模最佳。     

苹果花期冠层反射光谱特征

苹果花期是果树生产与管理的关键阶段,对冠层反射光谱特征研究具有重要的理论和现实意义。该文以山东省栖霞市为研究区,通过实测的120棵苹果花期冠层反射光谱数据,在分析不同累计样本容量冠层反射光谱特征的基础上,用方差分析和相关分析的方法,系统地研究了苹果树有花与无花、不同花量、花期不同阶段、不同树龄及不同品种的冠层反射光谱特征。研究结果表明,随着累计样本容量的增加,冠层反射光谱曲线趋于稳定、平滑。有花与无花冠层光谱反射率在431～500、591～680、761～1 300 nm波段方差分析结果极显著（α=0.01）;不同花量的冠层与391～513、598～687、711～1 193 nm波段的反射率显著相关（p＜0.05）;在670 nm“红谷”附近,反射率随花量的增加而增大,在近红外761～1 300 nm波段,反射率随花量的增加而减小;不同品种之间,除嘎啦外,红富士、金帅和新红星之间不易区分。研究结果揭示了高光谱遥感在苹果花期信息获取方面的巨大潜力,为今后遥感反演模型的构建提供了依据。     

Analysis of water quality data using spectral analysis

Considerable effort has been expended by many State, Federal and private agencies in collecting data by installing automatic water quality monitoring stations on many streams and estuaries. This work discusses techniques for analyzing the data and presents some results based on the analysis of monitoring stations along the Ohio, Detroit, Missouri, and Coosa Rivers. Autocorrelation, spectral estimates, cross correlation, amplitude of transfer function and coherence square have been evaluated to correlate a water quality variable measured at different positions or different variables measured at the same location. Results from the different rivers have been compared and some conclusions have been drawn.     

典型龟裂碱土土壤光谱特征影响因素研究

为了提高基于土壤光谱特征预测土壤盐渍化程度的准确性,需要研究土壤光谱特征的因素影响。该文通过对野外、室内预处理、不同含水率、粒径和粗糙度条件下龟裂碱土表层土壤光谱的测定,系统研究了不同因素对龟裂碱土光谱特征的影响。结果表明:土壤碱化程度越强表层土壤光谱反射率越高,在450~925 nm范围内,碱土表层野外光谱反射率比重度、中度、轻度碱化土壤和非碱化土壤野外光谱反射率高7.36%、23.18%、32.10%和39.97%;765、945和974 nm附近是龟裂碱土盐渍化信息的敏感波段;相同土壤经过室内预处理后反射率明显低于野外土壤,且预处理后不同碱化程度土壤间光谱反射率差异也小于野外光谱。土壤含水率较低时,随着土壤含水率的增加土壤光谱反射率逐渐降低,但当含水率高于田间持水率时土壤反射率随土壤含水率的增加而增加,在整个研究波段含水率为26.45%时土壤反射率较含水率为22.33%和25.39%的反射率平均分别升高39.68%和19.79%。土壤粒径越小反射率越高,较大粒径土壤在760~768 nm形成独特的"双峰"现象。土壤粒径越大反射率受表面粗糙度的影响越小,且土壤表面越粗糙光谱吸收率越大。整体来讲,在450~1000 nm波段范围内,不同碱化程度的龟裂碱土野外表层土壤光谱特征差异显著;室内经过预处理后的龟裂碱土土壤光谱特征差异主要取决于土壤含水率,而碱化程度和土壤表面粗糙度的变化对其影响较小。该研究可以为龟裂碱土盐渍化信息的准确预测提供科学依据。     

基于光谱特征分析的主要秋季作物类型提取研究

为快速、准确地在遥感图像上提取各种农作物类型信息，满足国家农情遥感监测系统的要求，以2002年北京地区主要秋季作物提取为例，利用Terra/MODIS数据，采用波谱分析的方法，建立一种基于遥感影像全覆盖的秋季作物类型自动提取方法，实现主要秋季作物遥感自动识别。首先根据研究区秋季作物的波谱特性和生物学特性，选取了红波段、蓝波段、近红外波段和中短波红外波段作为秋季作物类型提取的工作波段；同时，还利用由这4个波段构建的陆表水分指数和增强型指标指数作为遥感特征参量。其次根据研究区农作物物候历特征，提取了2002年4月到9月共7个时相的MODIS数据。最后，采用分层决策树方法提取研究区主要秋季作物类型，并进行面积统计。为了验证其精度，与国家农业部农业统计数据进行比较，结果其精度达到86%以上。这表明，仅利用MODIS自身光谱信息，即可较为准确地提取秋季作物类型信息，精度基本能满足了大尺度农情遥感监测的要求，可以为农业决策部门提供信息服务。     

基于光谱混合分析的荒漠化评价方法

基于光谱混合分析技术,针对内蒙古科尔沁沙地提出了一种荒漠化信息提取的新方法。首先,应用光谱混合分析技术对研究区域的土地覆盖类型信息进行提取,以像元为单位计算出裸沙占地百分比,并通过与穗帽变换和NDVI（归一化植被指数）对比,验证了此技术应用的可行性;然后利用光谱混合分析结果建立荒漠化评价模型,对研究区域的荒漠化信息进行提取;最后利用实地调查数据进行精度验证。     

全光谱匹配算法在苹果分类识别中的应用

为进一步提高光谱匹配准确率,该研究对杰卡德相似性原理（jaccard similarity coefficient,JSC）进行改进并提出新的光谱相似度的计算方法。同时,对光谱进行一阶导数二值化,以保证改进后的算法适用于光谱的匹配。此外,对不同光谱分辨率对该算法的影响进行了研究。试验样本选用阿克苏红富士、山东红将军、陕西红富士和陕西金帅4个品种的苹果进行算法能力验证,在2～128 cm-1之间,共7个不同水平的分辨率上进行比较。试验结果表明：该研究提出的算法正确分类识别率为94.5%;研究提出算法在8或16cm-1分辨率水平下取得最佳分类识别结果。因此,基于JSC的全谱匹配算法在光谱数据库系统中的应用将有助于光谱查询精度的提高。     

有机质对土壤光谱特性的影响研究

为了探明土壤有机质的光谱特征及其影响作用,从而为有机质土壤铁氧化物的定量反演提供理论依据。利用去有机质前后土壤的光谱数据,研究了有机质对土壤反射率、土壤线参数、土壤铁氧化物定量反演的影响。研究结果表明,去除有机质后,能明显提高土壤反射率,变化最明显的为可见光橙黄光波段,即570～630 nm。相关性分析也显示橙黄光波段反射率的相对变化量或差值与有机质去除量之间的相关系数要比其他波段高,相关系数最大值在600 nm。因此,建议采用570～630 nm的光谱数据进行有机质的反演;土壤线斜率在去有机质后明显降低,截距显著增大,二者变化量与有机质去除量呈极显著相关关系,可用土壤线参数预测有机质含量。有机质对铁氧化物的反演具有明显影响,特别是有机质大于20 g kg-1的土壤,在进行反演时应考虑有机质对反演精度的影响,需采取有效地技术手段消减其影响作用,才能达到较好的效果。     

不同条件下夏玉米冠层反射光谱响应特性的研究

通过对两个年份不同牛育阶段的田间夏玉米活体进行冠层反射光谱测定,该文分析了不同空间尺度、种植密度、观测角度、生育阶段、叶面积指数KAI、氮素胁迫、叶片含水量以及与杂草共生等8个条件下的冠层反射光谱响应特性,并探讨其发生机理,研究结果表明,夏玉米在不同条件下的冠层反射光谱响应均呈现出一定的规律性.在近红外波段,其反射率值随氮肥施用量的增加而增大,尤以750～1350 nm波段,但在可见光波段,反射率值降低;随着观测探头的逐步升高,反射率值降低:随杂草量的增多,反射率值逐渐增大.这些结果揭示了高光谱遥感田间夏玉米理化信息获取的巨大潜力,同时,为以后遥感反演建模提供了依据.