基于深度神经网络与热红外成像高光谱数据的黑土土壤全磷含量预测研究

土壤磷素含量是评价土壤养分的重要指标之一。利用热红外发射率数据对土壤全磷含量进行反演的研究较少且多使用常规线性回归方法,本文利用东北海伦地区采集的热红外航空成像光谱仪TASI（Thermal Airborne Hyperspectral Imager）数据,通过机器学习方法探究黑土土壤发射率与全磷含量关系,选出最优模型对研究区土壤全磷含量进行预测研究。结果表明:在8 ~ 11.5 μm范围内,土壤热红外发射率值随着全磷含量的增加而增加;除原始光谱10.792 μm这一波段外,发射率值及其数学变换与全磷含量相关系数均在0.5以下,相关性较弱;在DNN（Deep Neural Networks）训练集和测试集中,从模型精度和PSO（Particle Swarm Optimiazation）算法优化时间来看,弹性传播训练算法（RP）表现最佳,决定系数R2分别为0.51、0.7,均方根误差RMSE分别为0.0443、0.0301;激活函数对本次构建的网络精度影响非常有限,激活函数为Tansig和ReLU的深度神经网络模型训练集精度基本与偏最小二乘及逐步回归模型一致,测试集精度有所提高但稳定性较为欠缺;研究区土壤全磷含量整体较高,水田和旱田含量均大于0.8 g kg?1,城镇及建筑群密集程度与土壤全磷含量呈负相关,与偏最小二乘模型对土壤全磷含量预测结果相比,神经网络模型对研究区土壤全磷含量小于0.6 g kg?1和0.6 ~ 0.8 g kg?1两区间做了更多划分,将更多人为活动密集区附近像元划分到该含量区间内,从而使得预测含量更加符合真实情况分布;总体来看,全磷含量最高值集中分布于研究区西部、西北及西南部,但在东部及其北部区域则呈无规律性分散分布,中部地区及其余地区含量值大多为0.8 ~ 1.0 g kg?1。综上,合适调参的深度神经网络模型在反演土壤元素类问题中的表现与偏最小二乘及逐步回归等方法相比更加具有发展的潜力,在样本数据量足够的前提下,深度神经网络能够得到充分训练从而使得预测结果更加精确、稳定。     

一种指纹智能扫描系统设计

针对现代人追求高速度、高效率的生活方式的现象，我们对IC刷卡和指纹扫描技术进行了研究，提出了利用指纹识别技术来实现新一代的消费刷卡系统的设想。利用每个人的指纹来代替IC卡进行刷卡，每个人的指纹就相当于一张IC卡，使得用户刷卡更加方便，解决了IC易丢失、易消磁、易损坏及忘带等问题。本系统具有使用方便、安全性高等优点，并且应用广泛，可以应用在学校食堂、学校商店、商业城、商业街、小吃街、饭店等中小型集中消费的场所。     

高光谱土壤多元信息提取模型综述

高光谱土壤多元信息提取模型的精度与光谱学在这一领域未来能够发挥的作用直接相关。在列举土壤样品制备、理化成分测定和土壤光谱数据获取标准技术的基础上,总结了目前适用于土壤光谱处理的异常筛选、平滑去噪、重采样、变换和定量化方法。对偏最小二乘法、主成分分析和多元逐步回归法等8种建模方法进行了对比,分析了各类方法的建模针对性。按照有机质、水分、盐渍化、重金属和其它成分分类归纳了目前取得良好应用效果的多种光谱信息提取模型,并对比了每个模型的信息提取精度。光谱所指示的信息,不仅能够为土壤成分提供快速指示信息,而且在实测数据基础上所建立的信息提取模型,是软件研发、仪器研发和土质评价等工作的理论基础。     

高光谱在土壤重金属信息提取中的应用与实现

以建设一套基于光谱数据的土壤重金属信息提取系统为研究目标,总结了土壤重金属指标及其光谱学机理。在软件技术和数据库技术支持下,实现了土壤重金属光谱信息管理、处理、分析和应用。研究表明:土壤重金属元素在其特征波段上所显示的光谱特性,经过光谱预处理、变换和定量化提取,能够为建模提供理论依据。在计算光谱统计特征量基础上,采用光谱分析法,自动检索土壤重金属光谱特征位置。以东北黑土地机载高光谱CASI和SASI数据为例,计算了硒、锰和铁等元素的含量,最高硒元素含量达到了80.767 mg kg~(-1)。随着植被覆盖率的提升,硒、锰、锡和锌元素的含量随之升高,说明水稻吸收了部分金属元素,对特征波段反射率产生了影响。     

光谱变换方法对黑土养分含量高光谱遥感反演精度的影响

高光谱遥感反演黑土养分含量时,光谱变换方法对提取精度具有显著影响,为明确二者响应关系,提高反演精度和稳定度,该文以黑龙江建三江地区为研究区,引入航空高光谱成像系统CASI-1500,获取380～1 050 nm数据进行分析。均匀采样60个样品,化验获得其有机质、全氮、全磷和全钾含量数据,利用神经网络方法对有机质含量、支持向量机对氮、磷、钾含量进行建模。对比研究了重采样（RE）、对数倒数（LR）、一阶微分（FD）、包络线去除（CR）和多元散射校正（MSC）变换5种光谱变换后的提取精度。结果表明：MSC、MSC、LR和RE光谱变换方法分别应用到有机质、氮、磷和钾特征波段的组合运算中,得出黑土养分含量的空间分布精度相对最高,预测样本的决定系数分别为0.748、0.673、0.631和0.420。     

开关电源模块并联供电系统

本系统主要由DC-DC变换器、保护电路、控制系统、显示等电路模块组成。采用了MP2307降压变换器实现DC-DC变换。控制系统选用单片机MSP430F169．结合DC-DC自身反馈,实现稳定、可调的输出电压。MSP430169控制实现显示、A／D和D／A转换、过流保护、处理电压反馈信号、对MSP430169进行控制、显示和人机交换等功能,使用直观方便。在设计过程中充分考虑了制作成本和功耗,多使用集成芯片,以较低的成本实现了题目的要求。     

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%。     

基于航空高光谱反演的黑土地质量综合评价研究

土地质量评价能够为黑土地资源的保护和可持续开发利用提供重要参考依据。航空高光谱技术凭借光谱分辨率高、数据覆盖面广、时效性强等优势，在黑土地质量指标调查中已初步显示出应用价值，为了进一步发挥高光谱技术在黑土地质量评价中的作用，提出一种基于航空高光谱的黑土地质量综合评价方法。以黑龙江省海伦地区为例，在裸土期和农作物生长期分别获取CASI/SASI航空高光谱数据，地面同步开展样品采集，通过实验室分析获取养分指标、环境指标和农作物长势指标三大类共15项指标数据。利用偏最小二乘法反演各项评价指标的含量，利用层次分析法建立综合评价模型，并以实际地块为评价单元获得研究区黑土地质量综合评价结果。反演结果表明，有机质的建模精度最高，R2达到0.813，养分和农作物指标的建模精度均超过了0.7，重金属元素的建模精度均超过了0.6，总体上获得了较好的反演效果。评价结果显示研究区地块等级均在二等及以上，其中一等（优质）地块面积占全区的38.38%，二等（良好）地块面积占全区的61.62%，整体土壤质量较高。评价结果与地面验证结果一致率达到97.60%，表明了评价结果的可靠性。研究成果能够为田块尺度的黑土地质量快速评价提供技术支撑。