土壤养分的可见光谱研究

本研究尝试在可见光波段运用高光谱技术综合反映土壤养分状况,明确其主要参考因子和技术要点。对黄土高原地区63个土壤样本进行采样并在实验室测定其14个养分相关因子的含量和可见光波段的光谱反射率。选取与光谱反射率相关性较好的五个因子建立土壤养分的预测模型并进行反演检验。结果表明：光谱反射率一阶导数R′ 值与土壤各养分相关因子的相关性明显优于原光谱反射率R值和反射率倒数的对数A值。用R′ 值与土壤有机碳、阳离子交换量、全氮、速效氮、速效钾的实测值建立各因子的预测模型的相关系数均在0.74以上。其中有机碳、阳离子交换量预测模型为y = -24.19x + 4.049和y = -126.3x + 20.54,相关系数r分别为0.9282、0.9273,最佳预测波段为560nm和520nm。相应的反演模型r值为0.7886、0.5401,标准差SD为0.1443和0.627。土壤可见光光谱具有综合表征土壤养分状况的潜力,多因子光谱分析能使土壤养分信息得到全面、准确的反映。     

棉花苗期冻害高光谱特征研究

 通过盆栽、霜箱模拟冻害,结果表明:冻害棉苗叶绿素含量、光合、蒸腾速率显著低于对照组。叶绿素含量与高光谱特征相关分析表明对照组高相关波段集中在红、近红外波段,而冻害组集中在蓝、绿、红波段。根据相关系数及高光谱反射率、一阶导数、倒数后对数三类特征值差异显著性分析,反射率、一阶微分不易选取冻害胁迫诊断波段,利用反射率倒数后对数,B696、B720、B768、B845可作为诊断波段。由诊断波段的反射率值计算的植被指数与叶绿素含量相关性要比单一波段更高,由倒数对数和一阶微分值计算的植被指数与叶绿素含量相关性反而低于单一波段。利用诊断波段的倒数后对数光谱特征值用于反演苗期冻害叶片叶绿素含量。     

秋玉米SPAD值的光谱估算模型研究

研究不同秋玉米品种叶片SPAD值与一阶微分光谱的相关关系,筛选出8个品种的敏感波长和一阶微分光谱参数,建立不同品种SPAD值的一元线性、指数、多项式和基于一阶微分光谱参数的预测模型,计算建模集和验证集的均方根误差RMSE和相对误差RE。结果发现,不同秋玉米品种SPAD值与光谱一阶微分相关系数较高,均在0.8以上;不同秋玉米品种光谱一阶微分的敏感波段位于650~680nm;基于敏感波长建立的SPAD值预测模型均表现出较好效果,多项式模型效果最佳,模型估测精度在不同品种间存在差异;在8个秋玉米品种中,正大999的多项式预测模型表现最佳,其建模集RMSE和RE分别为2.762和3.643%,其验证集RMSEv和REv分别为3.322和4.518%。     

基于HJ1A-HSI超光谱影像的县域耕地土壤盐渍度预测研究

针对目前干旱半干旱地区存在的土壤盐渍化问题,以北疆典型盐渍化地区玛纳斯县为研究区,以HJ1A-HSI超光谱影像为主要数据源,结合实测耕地土壤含盐量,分析光谱反射率及其变化形式与盐分含量的相关性,筛选耕地盐分响应的敏感波段,利用多元回归分析方法,建立基于环境卫星影像的耕地含盐量定量反演模型。结果表明,盐分的HSI影像响应波段均位于可见光与近红外波段间,以500~549 nm和696~776 nm范围最佳,相关系数均大于0.5;HSI反射率对数(lgP)预测模型精度最高,可实现对研究区耕地土壤盐分遥感反演。     

毛竹林叶片磷和钾含量的不同尺度光谱响应研究

研究不同尺度光谱对毛竹林叶片磷和钾含量的响应机制,为实时掌握毛竹林生长状况和营养水平有理论意义和实践指导价值。以毛竹林叶片与冠层2个尺度的原始光谱为数据源,通过一阶微分光谱等光谱变换,采用回归统计分析构建不同尺度磷素和钾素含量与敏感波段的光谱估算模型,并对其稳定性和预测性进行精度评价。结果表明：叶片光谱分析中以磷含量一阶微分光谱为变量的线性回归方程模型拟合精度高达74.90%,且在建立专一性较高的磷素含量估算模型上更有优势;冠层光谱分析中以钾含量一阶微分光谱为变量的线性方程模型拟合精度高达78.71%,且在建立专一性较高的钾素含量估算模型上更有优势;同时,一阶微分光谱可降低空间异质性以提高光谱估算模型反演精度。     

基于高光谱的土壤有机质含量反演研究

土壤有机质含量是土壤肥力的一个重要指标,利用高光谱对土壤有机质含量进行定量化反演,为精准农业地表土壤有机质含量的快速测定提供参考。利用美国ASD FieldSpec FR地物光谱仪,在室内条件下对经过处理的土壤样品进行光谱测量,通过对土壤样品光谱反射率不同变换形式与有机质含量进行相关性分析,建立土壤光谱变量与土壤有机质含量的多元回归关系模型。结果表明：在波长492 nm、663 nm、1221 nm、1317 nm、1835 nm和2130 nm处,采用光谱反射率一阶微分建立的土壤有机质含量反演回归模型,预测精度最好,决定系数R2为0.909。建立的土壤有机质含量高光谱反演模型,可以较好地预测土壤有机质含量,从而为精准农业土壤有机质含量的快速测定提供新的途径。     

基于高光谱植被指数的棉花干物质积累估算模型研究

利用北疆8个棉花主栽品种(其中2个棉花品种设4水平种植密度)的各生育期冠层高光谱数据,经多元统计分析与光谱微分处理,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花干物质积累估测模型,相关系数均达到了极显著水平(α=1%,n=96)。基于RVI和NDVI构建的估测模型,前者比后者具有更高的估测精度,指数函数、对数函数和双曲线函数形式的模型可以产生较高的预测精度;一阶微分光谱数据与棉花干物质积累量的逐步回归相关分析表明,相关系数的最高值发生在748 nm波段处(r=0.6920**),由748 nm波段处的微分数值建立的回归模型,估测精度较高,具有实际应用的潜力。     

棉花叶面积指数和地上干物质积累量的高光谱估算模型研究

 用ASD FieldSpec光谱仪实测棉花冠层不同生育时期的高光谱数据,同期获取棉花叶面积指数(LAI)和地上干物质积累量(Above-ground Dry Matter Accumulation,ADMA)。分析棉花冠层反射光谱与棉花LAI、地上部干物质积累量（ADMA）的相关关系,分析结果表明,反射光谱数据与棉花LAI、ADMA的相关系数的最高值分别发生在783 nm（r=0.6394^**）和766 nm处(r=0.6287^**);对反射光谱数据进行统计分析,建立了基于比值植被指数(RVI)和归一化植被指数(NDVI)的5种函数形式的棉花LAI、ADMA估测模型。经检验,基于RVI的估测模型具有较高的精度;对一阶微分光谱数据与棉花LAI和ADMA的逐步回归相关分析表明,敏感波段分别发生在736 nm（r=0.6769^**）和742 nm处(r=0.6847^**)。由736 nm、742 nm波段处的微分数值建立的LAI和ADMA线性回归估测模型,R值均达到了1%极显著的检验水平,说明一阶微分光谱敏感波段的数值,对棉花LAI和ADMA具有一定的估算能力。     

基于无人机多光谱遥感的冬小麦叶绿素含量反演及监测

旨在实现冬小麦各生育期叶绿素含量的准确估测,探究其时空变化规律。利用无人机获取冬小麦越冬期、返青期、拔节期、孕穗期和灌浆期的高分辨率多光谱图像,同时采集地面SPAD数据。选取三类光谱参数建立反演模型,优选出各生育期的最佳预测模型,并定量监测试验区冬小麦叶绿素含量时间变化和空间分布。结果表明：原始波段模型和波段倒数对数模型分别为越冬期及其他生育期叶绿素含量预测的最佳模型,拟合精度R²>0.59;时空分布上,灌浆期前试验区冬小麦叶绿素含量呈南北高、中部低特点,灌浆期则呈北高南低的趋势,叶绿素含量从越冬期到拔节期逐步增加,拔节期到孕穗期开始降低,孕穗期到灌浆期则大幅度降低。本研究建立的倒数对数预测模型,精度较高,且适用于返青到灌浆的4个生育期,对于试验区冬小麦叶绿素含量有较好的时空监测效果。     

基于高光谱的水稻土有机质含量估算研究

利用高光谱技术可实现土壤有机质含量的快速、精确反演。然而运用不同的光谱预处理算法及建模方法获取的模型预测精度及稳定性不同。为了选取最佳土壤有机质估算模型,本研究应用ASD波谱仪测定河南省潢川县水稻土的光谱数据,比较使用2种建模方法组合18种光谱预处理转换算法建立模型的反演效果。对于多元逐步回归模型和偏最小二乘模型,使用SGF3-2预处理算法均获得了最佳的预测效果,所建模型具有较小的误差和较高的精度。相比使用多元逐步回归法,使用偏最小二乘回归法可以获取更稳定的预测模型。运用偏最小二乘模型结合SGF3-2预处理算法得到了最佳的水稻土有机质含量估算模型,模型预测均方根误差RMSEv=0.036,决定系数Rv2=0.89。选择最佳的建模方法结合预处理算法,可以改进模型反演精度。本研究对比的不同方法也可以应用到类似的土壤模型选取中。     

基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测

提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R²均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R²达到0.97,均方根误差RMSE为4.78mg/kg,验证R²为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。     

基于数值预报产品的地表温度预报方法研究

为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。     

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系,实现作物生长过程中氮素水平的快速、准确和无损监测,以石河子大学教学试验场2019年棉花小区试验为基础,选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理,使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段,波段数目下降了93.0%～96.3%,有效降低了光谱的冗余信息;基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55,模型验证的决定系数和均方根误差分别为0.70和2.37,模型具有较好的精度和稳定性,可作为棉花LNC的无人机高光谱估算方法。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

马尾松赤枯病冠层光谱特征及严重度反演

为了实现快速、准确、大面积监测马尾松赤枯病,促进高光谱遥感技术在森林病虫害监测中的应用,通过获取不同严重度的马尾松赤枯病冠层高光谱数据,将冠层光谱、一阶微分和病情严重度数据分别进行相关分析,采用单变量线性回归和多变量逐步回归技术建立马尾松赤枯病病情严重度的反演模型。结果表明：随病情严重度的增加,可见光范围的冠层反射率逐渐增加,近红外波段的冠层反射率逐渐降低,其中在红边（680~780 nm）区域变化最大,且病情严重度与红边特征参数存在显著线性关系;以红边特征参数为自变量建立的多变量逐步回归模型,比单变量线性模型反演病情严重度的效果更好,其拟合R2、预测R2和均方根误差分别为0.815、0.778和0.053,说明红边特征参数对马尾松赤枯病病情严重度具有很好的指示作用。     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。