基于不同建模方法的湿地土壤有机质含量多光谱反演

为了提高湿地土壤有机质含量的预测精度,以闽江鳝鱼滩湿地土壤为研究对象,通过分析多光谱不同波段反射率与土壤有机质含量的相关性,引入OIF指数提取显著性波段,然后基于全波段和显著性波段,采用多元逐步回归方法(MLSR)、BP神经网络(BPNN)和支持向量机(SVR)3种方法,构建湿地土壤有机质含量的反演模型,并进行模型验证与对比,确定最优的土壤有机质含量反演方法。结果表明:各波段的反射率(Spectral reflectance,R)与土壤有机质含量存在着负相关关系,147波段组合的OIF指数较高,波段间的独立性强,能有效反映数据内的信息;采用MLSR、BPNN和SVR这3种方法进行建模。在全波段中,SVR的建模效果最显著,BPNN次之,MLSR的建模效果最差。在显著性波段中,BPNN的建模效果最显著,SVR次之,MLSR的建模效果最差;对比基于全波段与显著性波段的建模效果,发现基于全波段的预测效果更为显著,最佳模型为基于全波段的土壤有机质含量支持向量机模型,但利用显著波段建模,可降低波段间的信息重叠,且模型简单、运算量少等特点。该研究可行有效,对湿地土壤有机质含量的快速、大范围精准估测提供技术可行性。     

基于近红外光谱分析的土壤全氮含量估测研究

应用近红外光谱分析技术对比研究基于土壤风干样本和鲜样来预测全氮含量的可行性。选取水稻土为研究对象,首先分析了不同水分土壤的光谱特征,显示随水分含量增加,吸光度升高,且鲜样的吸光度高于干样。通过比较不同预处理方法,对土壤干鲜样分别采用逐步多元回归(SMLR)和偏最小二乘法(PLSR)建立了相应的近红外模型。结果表明,利用近红外光谱均可预测干鲜土壤样本的全氮含量,特别是利用偏最小二乘法建立的标定模型,预测精度高,反演性较好,鲜样和干样外部验证决定系数分别达到0.89和0.91,相对误差仅为6.92%和5.92%,研究结果可以为田间土壤全氮含量的估测提供技术依据和参考。     

基于Munsell颜色的土壤游离铁预测研究

土壤颜色和游离铁均是土壤系统分类中的指标,两者之间具有一定的关系,但迄今关于两者之间定量关系的报道甚少.以川中丘陵区典型土系为研究对象,通过定量分析其Munsell颜色与游离铁含量间的关系,尝试利用Munsell颜色建立的BP神经网络模型反演土壤游离铁含量,并与利用反射光谱模型反演的土壤游离铁含量进行比较.结果表明,M...     

粗面岩质火山碎屑物发育土壤有机质含量的高光谱特征与建模

利用ASD Field Spec 4便携式快速扫描分光辐射光谱仪,对采自吉林省长白山地区粗面岩质火山碎屑物发育的土壤进行光谱反射率测定,分析其光谱特征;对土壤原始光谱反射率进行一阶微分、二阶微分、倒数的微分、倒数的对数的一阶微分和倒数的对数的二阶微分等五种数学处理,并应用多元逐步回归分析建立土壤有机质含量的高光谱预测模型。研究表明:土壤有机质含量与原始光谱反射率在565~675 nm波段内呈显著负相关;一阶微分光谱在415 nm、445~605 nm波段内与土壤有机质含量呈极显著负相关,在705~985 nm、1015~1265 nm波段内呈极显著正相关,在865 nm波段处相关系数达到极大值0.87;建立的土壤有机质多元逐步线性回归预测模型中,以一阶微分模型为最优,R2为0.954,可用于粗面岩质火山碎屑物发育土壤有机质含量的快速测定。     

基于近红外光声光谱的土壤有机质含量定量建模方法

该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。     

基于近地高光谱的土壤氯离子含量估测

[目的]建立土壤氯离子与高光谱波段的多元线性回归模型,获取盐渍化信息,为盐分的高精度提取提供更有效的方法,为农业生态环境重建工作提供科学依据。[方法]以山东省垦利县作为研究区,于2014年10月5—7日野外采集93个土壤样本,利用ASD高光谱仪野外采集土样高光谱数据并进行预处理,然后采用多元回归和主成分分析方法建立估测氯离子含量的高光谱模型,以快速估测氯离子含量。[结果]氯离子在近红外749,830,987,1301,1 432,1 486nm较为敏感,在土壤光谱分析的基础上,得到室内风干土壤氯离子含量预测最优模型,模型均通过T检验和F检验,能较好地预测土壤氯离子含量。[结论]研究区土壤各组分盐离子中,阳离子以钠离子为主,阴离子以氯离子为主,该模型使间接得到土壤盐分含量具有较好可行性。     

基于光谱分析的土壤游离铁预测研究

土壤游离铁含量的高低可作为土壤系统分类中判断土壤类型的诊断指标,同时也对土壤风化程度具有指示作用,并在一定程度上反映了土壤的成土环境。本研究调查了安徽宣城的91个土壤剖面,共398个土壤样品,采集了样品在350~2500 nm波段的漫反射光谱数据,并对游离铁含量进行化学分析。光谱数据包括反射率(R)、反射率一阶导数(FDR)和吸收度(Log(1/R))3种形式。本文采用偏最小二乘回归算法(PLSR)和反向神经网络(BPNN)建模预测游离铁含量,并分析不同形式光谱数据的建模预测效果。结果表明:当存在游离铁20 g/kg的样本时,传统建模方法不能准确预测游离铁含量(R20.6,RPD1.5),相对R和Log(1/R)两种光谱数据,以FDR作为自变量建模预测游离铁含量的效果最差。     

基于灰色理论与回归模型的土壤类型预测研究

土壤的类型在一定程度上影响着土地的利用方式,而不同的土地利用方式又会促使土壤类型发生波动。为研究未来土壤多样性指数的动态变化,采用灰色关联模型分析1985-2013年阜新市土地利用对土壤多样性的影响,并利用多元线性回归模型对未来土壤多样性进行预测。研究表明:城镇用地、农用地、林地、水域、其他类型用地这5个因素是土壤多样性波动的主导因素。然后在灰色关联分析的基础上,根据2015年土地利用类型所占面积比例,利用所建立的多元线性回归方程对2015年阜新市土壤多样性指数进行预测和检测,最后,将此应用于根据土地利用类型对未来阜新市土壤多样性的预测,并提出相应的合理化建议。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性,该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明,基于近红外光谱含水率分析模型虽然具有较高的精度,但该模型预测非建模样品黄绵土误差均大于4%;以图像特征参数H,S和V所建BP人工神经网络非线性预测模型最优,模型的决定系数R2为0.9849,但当土壤水分饱和（达到20%以上）时存在分析误差;而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤,决定系数R2可达到0.9961,融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。     

黑土养分含量的航空高光谱遥感预测

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;全氮、有效磷和速效钾的预测精度,BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。     

基于冠层光谱特性的水稻叶片含水率模型

基于水稻叶片含水状况与冠层光谱反射率存在关联,尝试构建水稻叶片含水率模型。在水稻生长的孕穗期,同时测量室外水稻冠层光谱反射率和叶片含水率,依据水稻叶片含水率与各光谱波段反射率之间的相关性系数,选取高相关性系数对应的光谱特征波段。采用遗传算法对BP神经网络的初始权值进行优化处理。分别应用BP神经网络和GA-BP-Network、传统多元线性回归方法建立预测模型。试验表明,GA-BP-Network模型的预测含水率值与真实值平均误差率为3.9%,最大误差率为6.1%,均比BP神经网络、传统多元线性回归预测模型有了很大的改善,提高了预测水稻叶片含水率的准确性。     

基于高光谱特征的盐渍化土壤不同土层盐分离子含量预测

为了利用高光谱技术准确预测不同土层土壤盐渍化程度,该研究以宁夏银北地区不同层次土壤为研究对象,以土壤实测光谱数据和室内盐渍化指标测定数据为基本信息源,系统分析不同类型盐渍化土壤光谱特征,确定与土壤pH值、电导率(electricconductivity,EC)和可溶性盐分离子相关性最强的反射率转换方式,筛选0～5 cm和0～20 cm土层盐分指标敏感波段,然后建立并验证不同土层不同土壤盐分指标的预测模型。结果表明:研究区不同类型、不同盐渍化程度土壤光谱特征曲线变化趋势相似,盐土光谱反射率最高,轻度硫酸盐型土壤反射率最低。在所有盐分指标中,单波段反射率与0～5 cm土壤SO42-的相关性最强(相关系数为0.910 4);反射率与CO32-、HCO3-、Cl-含量相关性不显著。土壤单波段反射率与0～20 cm土层SO42-的平均相关系数比0～5 cm土层降低了0.232 2,但Cl-、K+、HCO3-和EC的相关系数都有所增大。反射率通过不同方式转换后,敏感波段与各盐分的相关性有不同程度的增强,尤其是一阶微分和连续统去除后一阶微分转换。在0～5 cm土层反射率经过平滑后一阶微分转换后与土壤pH值、SO42-、K+、Mg2+相关性最强;反射率经平滑后连续统去除一阶微分转换与土壤EC、CO32-、HCO3-、Cl-、Na+、Ca2+的相关性最强。0～20 cm土层中,平滑后连续统去除一阶微分与土壤pH值、Cl-相关性最强,平滑后倒数对数一阶微分与EC、HCO3-、SO42-、Na+、Ca2+的相关性最强,而平滑后一阶微分与CO32-、K+、Mg2+相关性最强。不同土层相同盐分指标敏感波段不同。利用偏最小二乘回归建立的预测模型中,0～5 cm和0～20 cm敏感波段对10个盐分指标预测平均决定系数分别为0.820 8和0.890 7,其中0～5 cm敏感波段对SO42-的预测模型决定系数达0.967 6。采用逐步回归与偏最小二乘回归相比模型引入敏感波段减少,但R2降低。验证结果表明模型对0～20 cm土层SO42-和CO32-的预测能力不及0～5 cm;但对其他8个盐分离子的预测能力明显高于0～5 cm。研究结果可以为该地区土壤的盐渍化信息预测及植物格局配置提供科学依据。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

基于自然光照反射光谱的温室黄瓜叶片含氮量预测

利用便携式光谱辐射仪测量了自然光照条件下温室黄瓜叶片的光谱反射率,并计算了反射率光谱的一次微分光谱。反射率光谱以及一次微分光谱与叶片含氮量的相关分析表明,温室内光谱特性与叶片含氮量相关性最大的敏感波段分别是505～664 nm和685～722 nm。当利用原始光谱进行分析时,通过变量筛选得到了4个敏感波长,分别是568、596、640和664 nm。偏最小二乘回归分析(PLSR)以及归一化颜色指数(NDCI)分析都表明,建模时的相关系数R_C>0.800,模型验证时的相关系数R_V>0.700。对微分光谱进行的相关分析结果表明,利用单一敏感波长520 nm就可获得理想模型,建模时的相关系数为0.880,模型验证时的相关系数为0.787。对比原始光谱的PLSR模型与一阶微分光谱的一元线性回归模型可以得知,原始光谱以及一阶微分光谱都可用于温室内叶片含氮量的预测,而且一阶微分光谱在一些特殊的波长处具有更高的预测能力,这些模型将成为开发便携式作物长势诊断仪器的技术基础。     

北京典型耕作土壤养分的近红外光谱分析

为研究土壤养分含量分布信息,以从北京郊区一块试验田采集的72个土壤样品为试验材料,应用傅里叶变换近红外光谱技术分析了土样的全氮、全钾、有机质养分含量和pH值。采用偏最小二乘法(PLS)对光谱数据与土壤养分实测值进行回归分析,建立预测模型,以模型决定系数(R2)、校正标准差(RMSECV)、预测标准差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。结果表明,利用该模型与光谱数据对土壤全氮、全钾、有机质养分含量和pH值进行预测,结果与实测数据具有较好的一致性,最高决定系数R2达到0.9544。偏最小二乘回归方法建立的养分预测模型能准确地对北京地区褐土土质全氮、有机质、全钾和pH值4种养分进行预测。     

基于局部加权回归的土壤全氮含量可见-近红外光谱反演

全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义。采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性。结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RP2)为0.83,均方根误差(RMSEP)为0.25 g kg-1,测定值标准偏差与标准预测误差的比值(RPD)达到2.41。LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力。因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用。     

基于热红外发射率光谱的土壤盐分预测模型的建立与验证

摘 要：该研究尝试性地分析盐渍化土壤热红外发射率光谱特征,并建立土壤盐分高光谱预测模型,旨在为遥感传感器识别土壤盐分信息奠定基础。首先,采用FTIR（Fourier transform infrared spectrometer）温度与发射率分离处理软件进行土壤温度和发射率的分离。运用高斯滤波平滑法对研究区野外测量的土壤样品热红外发射率光谱数据进行滤波去噪处理。其次,对不同土壤含盐量热红外发射率光谱数据进行特征分析;然后在原始热红外发射率光谱数据的基础上进行4种形式的数学变换,分析热红外发射率光谱数据的变换处理形式与土壤含盐量之间的定量相关性。最后,使用多元回归方法建立预测模型并进行精度评价。结果表明：经过数据变换处理后,发射率光谱差异性有所提高;以平方根变换后的热红外光谱数据建立的预测模型效果较好,R2达到0.82。该研究将热红外遥感独特的发射率光谱特性应用于土壤盐渍化的实际科学问题中,为定量地分析盐渍土热红外发射率光谱信息提供参考。     

基于电子鼻的鱼粉中挥发性盐基氮检测模型比较

挥发性盐基氮（TVB-N）是表征鱼粉新鲜度的主要指标之一,为了探讨基于电子鼻系统检测鱼粉新鲜度的可行性,研制了检测鱼粉中TVB-N质量分数的电子鼻测量系统。该系统主要由氧化锡气敏传感器阵列、便携式数据采集设备和基于LabVIEW的采集程序组成。利用该系统对不同TVB-N质量分数的鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的质量分数采用半微量凯式定氮法进行检测,利用2σ准则对传感器响应值进行数据剔除处理,建立了鱼粉中TVB-N质量分数的主成分分析（PCA）、多元线性回归（MLR）、BP神经网络模型,并用预测样本对模型进行验证。试验结果为：3种模型TVB-N质量分数预测值与实测值之间的决定系数R2、预测标准误差SEP、最大相对误差RE-max及平均相对误差RE-mean分别为0.48、10.25、13.62%、6.06%;0.59、9.14、13.91%、5.57%;0.94、3.64、6.30%、1.88%。BP神经网络效果最好,多元线性回归次之,主成分分析最差。研究结果表明,利用电子鼻技术可以有效对鱼粉中TVB-N质量分数进行检测。     

基于无人机数码影像的冬小麦氮含量反演

准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmannedaerialvehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digitalnumber)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体部分植被指数,反演效果叶氮植株氮茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。