基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

灌浆期水稻叶片铜含量变化的高光谱遥感定量监测研究

为了利用高光谱遥感有效地监测农作物叶片中的重金属含量变化,在化学分析和农作物叶片对铜元素含量增加的敏感性基础上,利用光谱植被指数定量监测作物叶片铜元素含量变化,为大面积、快速、准确、无损地监测农田水稻叶片重金属含量变化提供技术支持。以张家港市为研究区域,实地采集水稻叶片样品21个。采用便携式高光谱地物波谱仪,获取灌浆期水稻植株叶片的光谱反射率并提取光谱指数,室内测定叶片重金属铜含量,并分析水稻叶片重金属铜含量与不同类型光谱指数的相关性。结果表明,高光谱数据对叶片铜含量变化的敏感性较好,其中,红边位置(REP)、绿波段归一化差异指数(GNDVI)、比值植被指数(RVI)、Vogelmann红边指数(VOGI)和地面叶绿素指数(MTCI)可分别作为估测叶片铜含量的敏感光谱指数,其乘幂和指数回归模型能够较好地反演水稻叶片铜含量;叶片铜含量的敏感光谱波段参数在原始光谱中主要集中于420～670 nm范围内,最小负相关系数的波长是646、647、648 nm;而一阶微分和二阶微分光谱中在蓝边、黄边、红边和近红外区域均有分布,最大正相关系数的波长分别是660、715 nm;水稻叶片铜含量估测的最佳模型是基于二阶微分敏感光谱参数构建的偏最小二乘回归模型,该模型预测的铜含量值与实测值的拟合度较好(R~2=0.56)。研究结果证明可以利用高光谱生物遥感技术有效地监测农田水稻叶片中重金属含量的变化,判断作物中重金属浓度是否超标,为高光谱遥感立体、快速和大面积地监测农田作物铜含量的变化提供参考,也为评价水稻的食用安全提供科学方法。     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。     

张家港市农田土壤重金属含量高光谱遥感监测模型构建

以张家港农田土壤作为研究对象,在实验室测定土壤重金属元素As、Cd、Cr、Cu、Zn、Ni、Pb、Hg的含量,并与土壤可见近红外高光谱数据建立土壤重金属含量的定量估测模型,以快速获取研究区农田的土壤重金属含量。为保证模型预测的精度和稳定性,首先,对原始高光谱数据进行平滑处理,并进行一阶导数、倒数一阶导数、倒数的对数一阶导数、平方根一阶导数和连续统去除等形式的光谱变换;然后,提取不同变换光谱的特征波段进行相关性分析;最后,通过逐步回归法建立重金属含量的定量估算模型。结果表明:张家港市农田土壤中Cd、Hg、Cu、Zn存在一定的污染风险。在高光谱的不同变换形式中,一阶导数和连续统去除与重金属含量的相关系数高于其他变换形式。基于8种土壤重金属含量与高光谱数据建立的定量估算模型具有良好的预测精度。Cd、Hg、Cr、As、Cu、Zn、Ni、Pb估算模型的实际值与验证值的拟合度分别为0.874、0.879、0.800、0.646、0.513、0.655、0.603和0.542,可用于预测张家港市的农田土壤重金属含量。     

山东典型污灌区冬小麦叶片重金属高光谱反演及空间分布特征

为了大面积、实时监测污水灌溉区冬小麦重金属胁迫状况,以冬小麦叶片重金属Cr、Ni、Pb、Zn、Hg、Cd为研究对象,利用冬小麦冠层光谱数据及金属含量数据,采用逐步多元线性回归(SMLR)和偏最小二乘回归(PLSR)的方法,建立基于原始光谱反射率(R)、反射率一阶微分(FDR)、反射率二阶微分(SDR)、光谱参数(SP)的8种冠层光谱反演模型,通过分析所建模型精度,选取最优反演模型,实现研究区内冬小麦叶片重金属的定量反演。结果表明,对于Pb、Zn、Cd,基于反射率一阶微分的偏最小二乘回归模型(FDR-PLSR)为最优模型[Pb:决定系数(R~2)=0.848,相对分析误差(RPD)=1.598;Zn:R~2=0.790,RPD=2.295;Cd:R~2=0.868,RPD=2.406];对于Cr,基于反射率二阶微分的偏最小二乘回归模型(SDR-PLSR)为最优模型(R~2=0.846,RPD=2.013);对于Ni、Hg,基于光谱参数的偏最小二乘回归模型(SP-PLSR)为最优模型(Ni:R~2=0.887,RPD=1.872;Hg:R~2=0.819,RPD=1.684)。从空间插值结果可以看出,冬小麦叶片中Cr、Ni含量在研究区东南部较高,北部及西北部较低;Pb、Zn含量在中部以及南部较高;Hg含量在西北部较低;Cd含量在中部、北部、西北部较低。     

基于土壤优化光谱参数估测太湖地区土壤全氮含量

为明确太湖地区土壤全氮的高光谱特征,构建定量分析模型,以江苏省无锡市滨湖区为研究区域,选取地理位置跨度大、土壤质地相似的93个样品,进行土壤风干样品全氮含量测定和光谱数据采集,对光谱反射率进行一阶微分,运用相关系数峰谷值法筛选敏感波长,将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明,研究区内土壤全氮含量与光谱反射率呈正相关,敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R²=0.98、RMSE=0.04）,其精度高、可靠性强,是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R²=0.70、RMSE=0.13）次之,而人工神经网络模型（R²=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴,可为土壤养分精准管理提供技术参考。     

基于BiPLS-CARS-PLS的哈密瓜冠层叶片SPAD值反演建模

利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。本实验在剔除噪音后的378 nm到1 115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数R_p和均方根误差RMSEP分别为0.942 4与1.006 2。因此,采用BiPLS与 CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。     

丘陵区耕地土壤有机质含量高光谱估测研究

本文以钢城区2个丘陵村耕地土壤为研究对象,通过野外采样、自然风干、化验分析、高光谱测定及数据处理等,确定最佳高光谱变换方式并筛选显著性波段,建立随机森林(RF)、支持向量机(SVM)、偏最小二乘回归(PLSR)和多元逐步回归(SMLR)4种估测模型,对比分析确定最佳估测模型。结果表明:高光谱变换处理可以扩大光谱曲线特征,提高与机质含量的相关性;一阶微分R’为最佳高光谱变换方式,筛选出706、1002、1359、1415、1886、1914和2221 nm 7个波段作为估测土壤有机质含量的显著性波段;建立的4种估测模型中,RF模型精度最高,其训练样本集R~2和RPD分别达到0.93、3.13,验证样本集R~2和RPD为0.73、1.87。因此,研究构建的R’-RF土壤有机质含量高光谱估测模型可为该丘陵区有机质含量的快速监测提供参考。     

基于高光谱成像技术的辣椒叶片叶绿素含量估算

叶绿素是植被光合作用的重要物质,能够间接反映植被的健康状况和光合能力.高光谱技术的发展为大面积、快速检测植被叶绿素含量变化提供了可能.选取150组不同生长期的辣椒叶片作为研究对象,分别采集辣椒叶片的高光谱图像和叶绿素含量.利用随机森林特征选择算法进行数据筛选,结合线性回归、偏最小二乘回归、梯度提升回归树、随机森林回归等4种模型分别构建回归模型.结果表明:(1)利用随机森林特征选择算法筛选后波段建立的模型决定系数(r2)均大于0.8,说明该方法具有较高的稳定性和预测精度;(2)利用随机森林特征选择算法筛选的波段结合随机森林回归,其验证集的r2为0.9、均方根误差(RMSE)为1.87、平均绝对误差(MAE)为1.43.可以较为准确地预测辣椒叶片叶绿素含量,为后期利用高光谱成像技术大面积检测辣椒的生长状况提供了理论依据.     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。     

基于高光谱苹果品种叶片铁含量估测模型

【目的】 在叶片水平上构建基于高光谱的苹果品种叶片铁素含量估测模型,为探寻实时、高效、无损的果树树体营养诊断提供技术途径。【方法】以苹果品种岩富10号为材料,测定岩富10号叶片光谱数据和铁素含量,采用光谱分析和相关分析法,筛选与叶片铁素含量相关性较强的光谱组合,利用偏最小二乘法构建苹果叶片铁素含量光谱估测模型。【结果】岩富10号苹果叶片一阶微分光谱与铁素含量的敏感波段为R′₉₉₀、R′_{1 113}、R′_{1 360}、R′_{1 408},相关系数最高为-0.698 9。对敏感波段两两进行加、减、乘、除运算,最优波段组合形式R′₉₉₀×R′_{1 048}与铁素含量相关系数为0.846 2。估测模型拟合度(R²)最高为0.827 5。【结论】苹果叶片一阶微分光谱组合与铁素含量显著相关(P<0.05),光谱组合能够明显提高其相关性,偏最小二乘法与逐步回归建模相比估算模型的精度更佳,可以用于苹果叶片铁素含量的光谱估算。     

基于高光谱成像的烟田土壤pH估测

【目的】为实现区域尺度上烟田土壤pH的快速估测。【方法】以四川省296份烟田土壤为研究对象,利用高光谱成像获取土壤390～2500 nm波段的光谱反射率,系统研究12种光谱预处理方法、2种特征波段选择方法和4种建模方法对烟田土壤pH高光谱估测模型精度的影响。【结果】在600～2500 nm范围内,不同pH的光谱反射率曲线差异明显;原始光谱经单一预处理或组合预处理方法处理后,建立的估测模型精度均有所提高;其中一阶导数(First derivative, D1)组合标准正态分布(Standard normal variate, SNV)为最佳光谱预处理方法。竞争自适应重加权采样算法(Competitive adaptive reweighted sampling, CARS)筛选出93个土壤pH特征波段,主要集中在近红外波段800～2500 nm。无论使用光谱全波段还是主成分分析降维得到的光谱特征,核岭回归(Kernel ridge regression, KRR)和支持向量机(Support vector machine, SVM)两种建模方法都取得了比偏最小二乘回归(Partial l...     

基于可见-近红外光谱预处理建模的土壤速效氮含量预测

以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1 657 nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R²)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R²=0.94、RPD=3.88,预测集中R²=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。     

利用模拟宽波段数据定量反演关中平原土壤有机质含量研究

[目的]以陕西杨凌示范区耕层土壤为对象,通过采集、测定耕层土壤的有机质含量,并结合野外相应高光谱数据和光谱响应函数,利用模拟宽波段数据估测土壤有机质含量。[方法]通过分析土壤有机质含量与光谱间的内在关系,筛选敏感波段,构建估测土壤有机质含量模型;以宽波段波段响应函数、土壤高光谱数据为基础,通过模拟宽波段数据,构建估测土壤有机质含量模型;通过高光谱与模拟宽波段数据的对比分析,研究基于宽波段遥感数据定量估测土壤有机质含量的可行性。[结果]基于宽波段数据估测土壤有机质的精度相对较高。[结论]利用宽波段数据估测土壤土壤有机质含量具有可行性,2%并非利用光谱数据估测土壤有机质含量的下限。     

低温胁迫下冬小麦叶绿素含量高光谱估测

近年来,拔节期冻害已成为影响北方冬麦区主要的农业气象灾害。为实现低温胁迫下冬小麦叶绿素含量的精确诊断,利用多元统计分析方法(偏最小二乘法和逐步多元线性回归)提取低温胁迫下冬小麦叶绿素含量特征波段,并构建其估测模型。结果表明,经B-coefficient和VIP证实,结合SMLR提取叶绿素含量监测的光谱特征波段为401,681,727 nm,预测模型的R~2,RMSE,RE分别为0.751,0.622,0.128,并且验证模型R~2也达到了0.707,模型精度较高,具有一定的普适性。利用PLS-SMLR提取特征波段、建模的方法是可行的,可为低温胁迫下冬小麦叶绿素含量估测提供一定的理论依据。     

陕西关中地区土壤重金属高光谱反演研究

本研究以陕西关中地区野外采集的44个土壤样品中的重金属元素Cr、 Mn、 Ni、 Cu、 Zn、 As、 Cd、 Hg、 Pb含量为数据源,使用ASD Field Spec4 (350～2500 nm)地物波谱仪获取光谱数据,并进行NOR、 MSC、 SNV等预处理后分别进行一阶微分、二阶微分、吸光度变换,结合偏最小二乘回归法建立Cr、 Mn、 Ni、 Cu、 Zn、 As、 Cd、 Hg、 Pb的光谱反演模型。化学分析结果表明:该研究区域存在较为严重的Hg污染现象。模型结果表明:一是反射光谱经过NOR、 MSC、SNV变换后显著提高了反射光谱的信噪比,有效降低光谱噪声对模型的影响,结合微分变换有助于提取土壤中的重金属元素特征信息;二是采用PLSR法建立的Cr、 Mn、 Ni、 Cu、 Zn、 As、 Cd、 Hg、 Pb 9种重金属光谱最优模型的建模精度分别为0.714 3、 0.794 0、 0.710 3、 0.824 4、 0.853 5、 0.586 0、 0.563 3、 0.993 7、 0.627 9。     

冬小麦冠层水平叶绿素含量的高光谱估测

【目的】利用高光谱数据对抽穗期冬小麦冠层叶绿素含量进行估测,旨在为叶绿素含量快速准确估测提供参考。【方法】利用ASD便携式野外光谱仪和SPAD-502叶绿素仪实测了冬小麦抽穗期冠层光谱反射率及叶绿素含量,并对原始光谱反射率及其一阶导数光谱与叶绿素相对含量进行了相关分析,建立了基于敏感波段、红边位置、原始光谱峰度和偏度、一阶导数光谱峰度和偏度的叶绿素估算模型,并进行检验,从中筛选出精度最高的模型。【结果】冬小麦冠层光谱曲线特征与叶绿素含量之间有着密切联系。基于原始光谱一阶导数偏度和峰度的冬小麦(抽穗期)叶绿素含量估算模型拟合精度优于其他4种估算模型,决定系数R2分别为0.847和0.572,均方根误差RMSE分别为0.397和0.697,相对误差RE分别为61.0%和119.0%,拟合精度优于其他4种估算模型。【结论】原始光谱一阶导数的偏度和峰度作为自变量能很好地估测抽穗期小麦冠层叶绿素含量。     

基于RF-VR的紫丁香叶片叶绿素含量高光谱反演

利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

基于地物光谱和Landsat8遥感影像的土壤铅含量反演研究

随着人类活动的影响,重金属污染逐渐成为土壤和环境研究的重点。采用遥感技术可以克服传统重金属监测过程中的缺点,做到快速、高效地反映重金属空间分布。本文以克拉玛依市某区域为研究区,利用SVC HR-768光谱仪和Landsat8影像对41块土壤样品进行地物光谱和波段反射率的获取,采用相关性分析和偏最小二乘回归的原理,建立地物光谱与Landsat8数据的土壤铅含量反演模型。结果表明,基于一阶微分变换的地物光谱能更好地反映光谱与重金属铅含量的相关性,建立的模型为最优预测模型;通过波段比值和波段差值方式建立的基于Landsat8波段反射率的反演模型精度较好,能粗略预测土壤重金属铅的含量,并且基于Landsat8影像反演的土壤铅含量空间分布符合土壤样点实测值的空间分布,为今后土壤环境监测土壤重金属含量提供数据支撑。