基于地理加权回归模型的博斯腾湖湖滨绿洲土壤盐分离子含量高光谱估算

以博斯腾湖湖滨绿洲为研究区,分析HCO_3~–、Cl~–、SO_4~(2–)、Ca~(2+)、Mg~(2+)、Na~++K~+等主要土壤盐分离子含量与土壤高光谱反射率的分数阶微分光谱变换与RSI、DSI、NDSI等二维土壤指数的相关性优选特征波段,构建基于地理加权回归模型的土壤盐分离子含量估算模型。研究结果表明:Na~++K~+的微分变换特征波段集中在468～724 nm与1 182～1 539 nm,二维土壤指数的特征波段集中在1 742～2 395 nm,基于RSI的特征波段优选下地理加权回归模型对Na~++K~+含量的估算效果较好,建模集R~2=0.94,RMSE=0.22,验证集R~2=0.74,RMSE=0.19;SO_4~(2–)含量在1.2阶优选的位于469～636 nm波段估算效果较佳,建模集R~2=0.91,RMSE=0.02,验证集R~2=0.75,RMSE=0.33;Ca~(2+)、Mg~(2+)优选的特征波段主要集中在912～2 340 nm的近红外波段;Cl~–含量在1阶的近红外波段建模效果较好,建模集R~2=0.74,RMSE=0.03,验证集R~2=0.93,RMSE=0.11;含量相对较高的Na~++K~+、SO_4~(2–)、Cl~–的地理加权回归模型精度高于含量较低的Ca~(2+)、Mg~(2+)。     

Application of spectral mixture modelling to the regional assessment of land degradation: A case study from basilicata,Italy

Mapping and monitoring of land degradation processes such as soil erosion has become an important task for both agricultural and environmental planners. The potential of using SPOT-HRV data for assessing the types of soil erosion and land degradation is obvious. The spectral information and the spatial resolution of the multispectral data allow a high accuracy in local mapping and rapid regional assessment. In Basilicata, southern Italy, spectral mixture modelling (end-member techniques) has been applied to extract relevant information for assessing soil erosion. This method allows an estimate of the proportion of surface cover types (end-members) within the pixel. From the data sets average spectral responses were extracted for growing vegetation, non-green sclerophylous vegetation mixed with dry grasses and bare soil. Using these spectra as end-members in the model, it was possible to decompose the spectral information of all pixels into the three surface components, giving the percentage cover of the three types within every pixel. Classification of the pixels according to the percentage of surface cover or bare soil allows an assessment of erosion or erosion risk.     

基于敏感变量筛选的多光谱植被含水率反演模型研究

植被含水率是农田生态系统敏感性的重要表征，为提高近地遥感植被含水率反演效率和精度，基于无人机多光谱影像数据，提取苜蓿、玉米2种植被覆盖的光谱反射率，在此基础上引入红边波段计算改进光谱指数。将5种光谱反射率及25个光谱指数利用变量投影重要性(Variable importance in projection, VIP)分析、灰色关联度(Gray relational analysis, GRA)分析与皮尔逊(Person)相关性分析进行筛选，并建立基于反向神经网络(Back-propagation neural network, BPNN)、偏最小二乘法(Partial least squares regression, PLSR)、支持向量回归(Support vector regression, SVR)和随机森林(Random forest, RF)4种机器学习模型，以确定不同作物覆盖下的最佳植被含水率反演模型。结果表明，3种筛选算法中VIP和GRA的模型精度明显优于Person相关性分析，且反演结果波动较小；在4种机器学习算法中，SVR算法在非线性问题中相较于BPNN、PLSR、...     

临江河水体溶解性有机质荧光光谱特征解析

为探究临江河水体溶解性有机质荧光光谱特征、组成及来源，本研究利用三维荧光光谱结合平行因子分析的方法对临江河水体溶解性有机质荧光光谱特征、荧光组分、水质指标及它们之间的相关性进行分析。结果表明：临江河流域森林山区水体存在典型类腐殖峰A及类富里酸峰C，村镇水体及农田水体除了存在典型类腐殖峰还出现类蛋白峰，养殖区水体存在典型类蛋白峰B和T。平行因子分析解析出2类3个荧光组分，分别为类腐殖质荧光组分C1、C2，类蛋白荧光组分C3。研究表明，三维荧光特征参数揭示出临江河水体溶解性有机质受到内外源的共同影响，相关性分析表明临江河水体中荧光组分及特征与氮、磷等元素的迁移转化密切相关。     

不同时段刺五加叶片黄酮含量的高光谱无损估测

针对野生刺五加叶片中黄酮含量的测量方法繁琐、时间较长及需破坏叶片等问题,提出了一种基于高光谱技术对不同时段的刺五加叶片中黄酮含量的估算模型。首先,分析提取地域、年龄、长势相近的20株刺五加叶片光谱特征,通过对叶片进行烘干、磨粉及利用紫外分光光度计等化学方法测得叶片中黄酮的真实含量,并选择4种预处理互相结合、比较的方式,判断出最优预处理模型;通过SPA与PCA算法的结合,选择出较明显的特征波段,通过MatLab2018a将特征波段的反射率分别与40组预测集验证相关性后,再分别选取预测值和20组实测值与BP神经网络、支持向量机进行模型建立。实验结果表明:利用BP神经网络建立的模型的校正集决定系数Rc2分别为0.8649、0.7976、0.8485,支持向量机建立的模型的校正集决定系数Rc2分别为0.7526、0.7742、0.7243,证明SNV和1 Der结合的预处理方式与BP神经网络所构建的模型效果最好。研究为高光谱技术对刺五加叶片中黄酮的反演提供了有力的支持,也会提高工业和药用采摘的效率及刺五加的利用价值。     

基于高光谱数据的盐荒地和耕地土壤盐分遥感反演优化

盐荒地作为研究区的"临时盐库"，其土壤盐分远高于研究区平均水平，因此探究不同土地利用类型土壤盐分的光谱响应差异以及对盐分遥感模型的影响，是实现不同土地类型土壤盐分反演值更加接近真实值的重要途径。该研究以河套灌区永济灌域为例，针对耕地和盐荒地土壤分别进行原位高光谱测定（FieldSpec 4 Hi-Res，ASD），对光谱数据进行多种光谱变换（基础数学变换、导数变换及光谱指数）后，分别基于特征波长和特征光谱指数构建单一土地类型盐分反演模型（耕地（Agricultural Land，AL）、盐荒地（Salinized Wasteland，SW））和整体盐分反演模型（耕地+盐荒地（Agricultural Land + Salinized Wasteland，AL+SW）），对比分析2种建模方式下的模型精度，提出区域土壤盐分遥感反演的最佳建模方式。结果表明：AL、SW和AL+SW中土壤样本数据的平均含盐量分别为5.09、13.42和7.09 g/kg，且在各等级盐分区间内，SW的光谱反射率均大于AL，其中轻度盐化土、中度盐化土和重度盐化土的光谱反射率平均差值分别为0.040、0.020和0.034；光谱变换和光谱指数均能有效改善不同土地类型中土壤盐分与光谱的相关性。相比基础变换（倒数、对数、根式等），导数变换不仅增大了敏感波长的范围，还使得特定波长处相关系数得到显著提升。不同土地类型中基于特征光谱指数的模型精度均高于基于特征波长的模型；单一土地类型盐渍化反演模型明显提高了区域土壤盐分的反演精度，单一土地类型盐渍化反演模型中（AL、SW模型）各变换下光谱指数模型平均R2相比整体模型（AL+SW模型）由0.50提高到了0.61，其中基础变换、一阶导数和二阶导数模型平均R2相比整体模型分别提高了0.06、0.11和0.17，同时，基于最优光谱指数的单一土地类型盐渍化反演模型平均R2相比整体模型由0.74提高到了0.92。因此，当区域中存在盐分相差较大的多种土地利用类型时，对不同土地利用类型单独构建土壤盐分反演模型能确保反演结果更接近实际情况。     

长期施肥对红壤性水稻土颗粒有机质和矿物结合态有机质含量与化学组成的影响

以江西红壤地区双季稻田肥料定位试验为依托,研究了不施肥(CK)、单施化肥(NPK)及3种不同比例有机无机肥配施(LM、MM、HM)对红壤性水稻土全土、颗粒有机质(POM)和矿物结合态有机质(MinOM)组分碳、氮含量及其化学结构的影响.结果表明:施肥处理全土、POM和MinOM组分中有机碳、全氮含量均显著高于CK处理(...     

基于多模态多目标优化的端元束提取方法研究

为解决高光谱影像受传感器及分辨率的影响所产生的光谱变化给解混造成的困扰，提出基于多模态多目标优化的端元束提取方法(MOPSOSCD)。对高光谱图像进行标号编码，采用基于索引的环形拓扑结构进行邻域的个体交互，通过邻域最优改进粒子群速度更新方式并整数化粒子位置更新。同时，根据高光谱图像空间特征，通过改进决策空间拥挤距离提高决策空间的多样性，再结合目标空间的拥挤距离进行综合排序，实现多模态多目标优化的粒子筛选。当粒子定向移动概率p_m为0.2、粒子数P为30及迭代次数M为400时，算法在MUUFL数据集上均方根误差(RMSE)及平均光谱角距离(mSAD)分别为0.008 8、0.111 2。通过对比试验，本文方法相较于VCA、DPSO等方法具有更高的提取精度和效率，为高光谱解混提供了更加准确的端元束提取方法。     

采用叶片光谱反射率预测寒地水稻稻米蛋白质含量

为实现利用水稻叶片光谱指数实时预测稻米蛋白质含量，该研究采集了不同年份中氮素、品种差异下寒地水稻主要生育期（T1拔节期、T2齐穗期、T3结实期）顶部3片叶（L1、L2、L3）的叶片光谱反射率，探究其变化规律以及光谱指数与稻米蛋白质含量的关系，并用P-k、均方根误差（Root Mean Square Error，RMSE）和对称平均绝对百分比误差（Symmetric Mean Absolute Percentage Error，SMAPE）对模型精度进行验证。结果显示：施氮量多则稻米蛋白质含量高，蛋白质含量高的稻米食味值评分低。提高氮肥投入量，叶片反射率在可见光区域内呈降低趋势，而在近红外平台叶片反射率上升。随着生育期的推进，可见光区域内的叶片反射率逐渐上升，叶片反射率在近红外平台表现出先增加后降低的趋势，其变化规律与蛋白质营养转运有着密切联系。对光谱指标和稻米蛋白质含量进行相关分析，T2时期的L2的光谱指数与蛋白质含量的相关性优于其他时期的叶片，其中T2时期L1叶ARI1指标（(1/R550)-(1/R700)）、L2叶CTR1指标（(R695/R420)）以及T3时期L3 叶Rg指标（绿光范围510～560 nm内的最大波段反射率）显示出与蛋白质含量良好的拟合关系，指标验证的P-k分别为0.01、0.01、0.03，RMSE分别为0.19、0.11、0.14，SMAPE分别为1.56%、1.24%、1.44%，其中以T2时期L2叶CTR1指标表现最优，蛋白质含量拟合方程R2为0.75。综上，借助CTR1指标能够实现快捷、无损和实时预测稻米蛋白质含量的目的，达到按质收获以及品质实时监测的要求，促进优质寒地水稻的可持续发展。