高光谱技术结合CARS算法预测土壤水分含量

高光谱技术已成为预测土壤含水量(soil moisture content,SMC)的重要方法,但因土壤高光谱中包含了大量冗余信息和无效信息,不仅导致SMC的高光谱估算模型复杂度高,而且影响了模型的预测精度。因此,该研究在室内设计SMC梯度试验,测定土壤高光谱反射率,经Savitzky-Golay平滑(Savitzky-Golay smoothing,SG)和连续统去除(continuum removal,CR)预处理后,基于竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)方法分别优选出土壤在全部SMC的水分敏感波长变量,确定适用于土壤在全部SMC的共性波长变量,以其为优选变量集,采用偏最小二乘(partial least squares regression,PLSR)回归方法建立模型并进行验证。结果表明,SG和CR预处理后的光谱曲线在450、1 400、1 900、2 200 nm附近吸收峰的形状特征凸显;基于CARS方法对土壤在不同SMC的光谱曲线进行变量优选后,得出优选变量集为443~449、1 408~1 456、1 916~1 943、2 209~2 225 nm;CARS-PLSR模型性能优于全波段PLSR模型,模型预测R2、均方根误差、相对分析误差分别为0.983、0.0144、8.36,不仅提升了预测精度和预测能力,而且降低了变量维度和模型复杂度。该文通过优选土壤水分的敏感波段,有效提高了SMC预测模型的鲁棒性,为快速准确评估农田墒情提供了新途径,为开发田间SMC测定传感器提供了理论依据。     

黑土有机质含量高光谱模型研究

通过对黑龙江省典型黑土区土壤样品高光谱反射率的室内测定,研究了典型黑土可见光/近红外波段光谱反射特性;利用多元统计分析方法,以土壤光谱反射数据及其数学变换数据作为自变量,以黑土有机质含量对数变换数据作为因变量,建立黑土有机质含量高光谱预测模型,并对模型的稳定性和预测能力进行检验。结果表明:(1)620~810nm波段范围是黑土有机质的主要光谱响应区域,最大响应值在710nm附近;(2)对光谱数据进行归一化处理可以部分消除不同土样测试过程中存在的噪声;(3)模型及其检验的决定系数R2都在0.9以上,模型的总均方根差RMSE均小于2.1,模型具有很好的稳定性和预测能力,可以用于黑土有机质含量的快速测定;(4)归一化一阶微分模型为最优预测模型。     

植被参数高光谱遥感反演最佳波段提取算法的改进

高光谱信息量巨大,如何选取最佳组合波段构建高精度光谱模型,是植被参数遥感反演模型研究的重要工作基础。该研究将最佳指数与相关系数通过熵权评价值进行融合,提出最佳指数-相关系数法(optimum index factor and correlation coefficient,OIFC)。基于OIFC法选取了小麦叶片叶绿素含量的最佳组合波段,并利用最佳组合波段的高光谱数据建立小麦叶片叶绿素含量预测模型。结果表明:利用OIFC法所提取的小麦叶绿素最佳组合波段是760、1 860、1 970 nm;对比最佳指数法(optimum index factor,OIF)、最大相关系数法(maximum correlation coefficient,MCC)提取波段以及归一化植被指数(normalized difference vegetation index,NDVI)、土壤调和植被指数(soil-adjusted vegetation index,SAVI)所建立的叶片叶绿素含量高光谱模型,基于OIFC法构建的模型预测值与实测值具有显著的线性关系,决定系数达0.827,且均方根误差最小(RMSE=5.44)。可见,基于OIFC法构建的小麦叶绿素含量模型具有更高的精度,该结果验证了利用OIFC法提取高光谱特征波段的可行性,并且能够获得更高建模精度的特征波段。     

高光谱技术在农业遥感中的应用研究进展

高光谱技术的研究与应用是农业遥感领域重要前沿课题之一.该文回顾了高光谱技术在国内外农业遥感中的应用研究进展,概括和总结了作物叶片光谱特征、作物分类与识别、作物生态物理参数反演与提取、作物养分诊断与监测、作物长势监测与产量预测、农业遥感信息模型以及农业灾害监测7个主要研究方面.在此基础上,笔者指出了高光谱技术在农业遥感中尚需解决的关键问题,并提出了可能的解决途径.最后对高光谱技术在农业遥感中的应用前景作出了总结和展望.     

连续蚁群算法在水稻灌溉制度优化中的应用

为构建一种新的连续蚁群遗传算法,将优化连续空间变量的蚁群算法与实码加速遗传算法耦合,用蚁群算法将解空间分解成若干子空间,使解的范围均匀而广泛,为找到全局最优解奠定良好基础,且信息素的不断正反馈使问题向着更优解的方向逼近。综合二者的各自特点,通过对查哈阳灌区2006年水稻灌溉制度的优化,检验了该模型不但应用简便,且求解结果精度高、速度快,同时它的出现为制定合理的灌溉制度、提高水利用率提供科学依据,为优化领域提供新思路。     

Vis-NIR光谱信息辅助的土壤质地协同克里格预测制图

土壤质地传统获取方法费时费力,土壤反射光谱信息是土壤综合信息的反应,以光谱信息为辅助变量的土壤质地协同克里格预测制图值得研究。利用采样点的土壤光谱数据主成分分析综合得分作为协同克里格协变量,并结合GS+软件提供的最佳地统计模型预测土壤质地的空间变异。结果表明以光谱信息为辅助变量的协同克里格方法能提高制图精度,减少样本数量。在主变量减少至60个的情况下,砂粒,粘粒含量的预测值和实测值的均方根误差分别为7.85%,3.03%。     

连续投影算法融合信息熵选择霉变玉米高光谱特征波长

运用高光谱技术鉴别玉米霉变等级时,因光谱波段数多、数据量大、信息冗余度高,使鉴别工作难度加大。为了减少数据量,获得最有利于鉴别的高光谱信息特征波长,本研究提出了一种连续投影算法(SPA)融合信息熵的特征波长选择方法。首先,对霉变玉米样本高光谱数据运用多元散射校正(MSC)进行光谱预处理以消除噪声,然后利用SPA对处理过的光谱进行波长初选,得到8个初选特征波长,再通过信息熵原理处理初选特征波长下的图像信息,获得最佳特征波长。结果表明,运用SPA融合信息熵法得到有利于霉变玉米鉴别的最佳波长为819 nm,提取该波长下霉变玉米图像的纹理特征后,采用Fisher判别分析(FDA)进行鉴别,6个等级霉变玉米的鉴别正确率高达98.6%,充分证明所给出的特征波长选择方法是有效的。本研究特征波长选择方法可为更好地运用高光谱技术鉴别玉米霉变等级提供指导。     

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。     

黑土土壤水分高光谱特征及反演模型

应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。     

平原区土壤质地的反射光谱预测与地统计制图

基于地统计方法的土壤属性制图通常需要大量的采样与实验室测定。本研究提出利用可见光近红外(visible-nearinfrared spectroscopy,VNIR)光谱技术测定替代实验室测定,并与地统计方法相结合预测土壤质地的空间变异。通过建立砂粒(0.02 mm),粉粒(0.002~0.02 mm),黏粒(0.002 mm)含量的VNIR光谱预测模型,将模型预测得到的质地数据和建模点实测质地数据一同用于地统计分析和Kriging插值制图。以江苏北部黄淮平原地区为案例的研究结果表明,砂粒、粉粒、黏粒含量的预测值和实测值的均方根误差(RMSE)分别为8.67%、6.90%3、.51%,平均绝对误差(MAE)分别为6.46%、5.60%、3.05%,显示了较高的预测精度。研究为快速获取平原区土壤质地空间分布提供了新的可能的途径。     

土壤盐渍化高光谱特征分析与建模

基于高光谱遥感技术快速、无损的检测优势,以新疆渭干河-库车河三角洲绿洲为例,探讨利用反射光谱来预测土壤含盐量的可行性。利用野外采集的土壤样本,在实验室内测得了土壤含盐量及原始光谱反射率。利用光谱分析技术计算高光谱指数,与土壤样本含盐量进行相关性分析,筛选出土壤含盐量的光谱特征波段,基于逐步多元线性回归和偏最小二乘回归建立土壤盐分动态监测模型。通过精度检验,结果表明:基于偏最小二乘回归方法,以对数二阶微分光谱特征波段所构建的盐渍化遥感监测模型最优,模型的稳定性和预测精度最高。利用反射光谱来预测土壤含盐量可实现区域尺度上的土壤盐渍化实时监测和评价。     

基于高光谱的土壤不同颗粒含量预测分析

以典型黄河下游冲积平原区的土壤为研究对象,分析土壤高光谱特征,探讨土壤质地不同粒级颗粒含量的统一估测途径,为土壤质地快速监测评价提供技术支持.选择原始光谱,及其倒数、对数、标准正交变换、多元散射变化、一阶微分、二阶微分共7种光谱变换形式,首先主成分降维,然后分别建立土壤黏粒、粉粒和砂粒含量的支持向量机预测模型,采用决定...     

煤矿区土壤有机碳含量的高光谱预测模型

可见—近红外光谱已被证明是一种快速、及时、有效的土壤有机碳含量预测工具。利用Field Spec4对济宁鲍店矿区的104个土壤样品进行光谱测量,采用Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)及数学变换等多种方式组合对光谱预处理,并运用偏最小二乘回归分析建立土壤有机碳含量预测模型,进而探讨煤矿区土壤有机碳含量的高精度预测方法。结果表明:(1)不同的光谱预处理方法对建模结果影响差异较大,建模结果以SG加MSC预处理再结合光谱反射率的一阶微分变换最优,建模R~2=0.86,RMSE=2.0g/kg,验证R~2=0.78,RMSE=1.81g/kg,RPD=2.69。(2)倒数和倒数的对数与土壤有机碳含量的相关性曲线接近重合,与反射率曲线成反比,但是建模效果远低于反射率;光谱反射率的一阶微分能明显提高500~600nm波段相关性。(3)光谱反射率随土壤有机碳的含量减少而增大,当有机碳含量较低时,其波谱的近红外波段反射率响应能力也随之降低,反射率直接建模难度加大。     

土壤质地分类及其在我国应用探讨

土壤质地是土壤重要的物理特性之一,严重影响土壤的持水、通气等特性,研究统一土壤质地分类制意义重大。针对我国土壤质地分类制混用的现象,文章在介绍国内外主要的土粒分级标准,比较四种土壤质地分类制的特点,回顾第二次土壤普查初期采用前苏联的卡庆斯基制,后期采用国际制的基础上,重点对比了我国的国标、各部门行标或规范等所运用的土壤质地分类标准。研究发现我国目前还没有普遍采用统一的土壤质地分类系统。土壤质地分类推荐采用美国制。     

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。     

基于高光谱遥感土壤有机质含量预测研究

高光谱遥感技术是土壤养分含量监测的一种先进手段,能及时、准确地监测滨海滩涂土壤养分的动态变化,对滨海湿地生态环境保护具有重要意义。以辽河三角洲滨海湿地滩涂为研究对象,在对地面高光谱数据与实验室样本理化性质分析的基础上,经过微分以及连续统去除法相关分析,分别建立了多元线性回归模型和偏最小二乘法(PLSR)模型,并对模型结果进行分析、比较。结果显示,连续统去除法能有效的提高有机质含量与光谱反射率之间相关性,基于此变换所建立的多元线性回归模型R2达到了0.7545,RMSE为1.2216;偏最小二乘模型R2达到了0.8792,RMSE为1.2299。所建模型具有预测土壤有机质含量的潜力,其中偏最小二乘法优于多元线性回归法。     

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。     

基于GIS的土壤水蚀预报能量力学模型研究

以能量力学原理作指导，地理信息系统技术作支持，通过对土壤侵蚀影响因子的综合作用过程与机理分析，构建土壤水蚀预报的能量力学模型，并在水蚀区通过典型小区和小流域试验予以完善。此研究对土壤侵蚀预报、水土保持与土地利用规划、生态恢复与重建等重大课题均有重要理论与实践意义．并能推动地理学的定量化、信息化与现代化进程。     

Optimization of Landfarming Amendments Based on Soil Texture and Crude Oil Concentration

This work examines the rates of bioremediation during a landfarming process. A field study was performed using three types of soil, which were contaminated with two different hydrocarbon concentrations: 20,000 and 50,000 ppm of total petroleum hydrocarbons (TPH). They were subjected to landfarming under the action of different treatments, based on the provision of irrigation, aeration by rototilling, fertilizer, and surfactant. The biodegradation of TPH, considering concentration and families of hydrocarbon compounds (including polycyclic aromatic hydrocarbons, PAHs), was precisely measured for a period of 486 days. The results show how biodegradation rates depend on soil texture, initial contamination level, and type of amendment. Thus, the combination of fertilizer, irrigation, and aeration was the best treatment for treating the soil contaminated with 20,000 ppm of TPH (TPH final concentrations were reduced to a range of 49 to 62% depending on the soil texture). In the case of parcels contaminated with 50,000 ppm of TPH, the most effective treatment combined the supply of fertilizer, surfactant, irrigation, and aeration (TPH final concentrations were reduced to a range of 47 to 63%, depending on the soil texture). The best biodegradation results are obtained for soils with coarser textures and using the treatment with fertilizer, irrigation, and aeration. In addition, the application of surfactant did not imply a significant improvement in the level of biodegradation of hydrocarbons in soil contaminated with 20,000 ppm of TPH, whereas in soils contaminated with 50,000 ppm of TPH, it played a leading role.

Open image in new window

Graphical Abstract ?

     

基于决策树模型的土壤性质空间推断

许多水文、生态环境和土地管理规划的决策当中,都迫切需要空间连续的土壤性质信息来提高其建模和决策的精确性和可靠性。依靠传统土壤调查技术获得的土壤图则无法满足这种需求。本研究以浙江省龙游县研究区为例,利用第二次土壤普查的土壤性质数据,生成土壤性质-环境因子空间数据库。运用决策树建模方法将土壤性质含量与一些易于广泛观测的景观属性,包括地形、地质、土地利用和遥感影像建立联系,从而将有关土壤性质含量分布的知识转入一种清楚的、定量的、与环境因子相关联的规则系统中,并以此来预测研究区土壤性质的连续空间分布。研究结果表明,所建立的决策树模型可以解释75～81%的土壤性质空间变异。