基于多种高光谱指标反演冻结土壤含水率的研究

在中国季节性冻融区如何高效快速地监测冻结土壤的含水率至关重要。以内蒙古河套灌区典型灌域土壤为对象,在实验室分梯度配置不同含水率的土样,通过地物光谱仪测定土壤冻结与未冻结状态下的高光谱数据,处理得到原始光谱反射率(Raw Spectral Reflectance,REF)、一阶微分反射率(First-order Differential Reflectance,FDR)和二阶微分反射率(Second-order Differential Reflectance, SDR)、标准正态变量变换(Standard Normal Variable Reflectance,SNV)和倒数之对数变换(Logarithm of Reciprocal,LR) 5种光谱指标,采用偏最小二乘回归法(Partial Least Squares Regression,PLSR)、多元逐步回归法(Multiple Stepwise Regression,MSR)、支持向量机法(Support Vecor Machine,SVM)和一元线性回归法(Unary Linear Regression,ULR),构建基于不...     

基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型

土壤盐渍化是限制黄河三角洲地区农业经济发展的重要因素,进一步阻碍了农业生产。为了探索无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况,以黄河三角洲典型区域为研究区,获取地物高光谱和无人机多光谱两种数据源与样点土壤盐分含量,通过优选敏感光谱参量,使用偏最小二乘回归（Partial Least Squares Regression,PLSR）和随机森林（Random Forest,RF）两种机器学习算法建立土壤盐分含量反演模型,实现研究区的土壤盐分含量反演。结果表明：（1）高光谱1972 nm波段与土壤盐分含量间的敏感性最高,相关系数为-0.31。（2）两种不同数据源优化后的RF模型均优于PLSR,且稳定性更好。（3）基于地物高光谱的RF模型（R² =0.54,RMSEv＝3.30 g/kg）优于基于无人机多光谱的RF模型（R² =0.54,验证RMSRv＝3.35 g/kg）。（4）结合无人机影像采用多光谱RF模型对研究区耕地的土壤盐分含量进行反演,研究区总体以轻、中度盐渍化土壤为主,对作物的耕种具有一定程度的限制。本研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型,并结合各自数据源的优势进行优化,探索了地表无植被覆盖情况下的土壤盐分含量反演方法,对更精准反演土地盐渍化程度提供了参考。     

河套灌区土壤水溶性盐基离子高光谱综合反演模型

为了提高野外高光谱反演土壤水溶性盐基离子的精度,以河套灌区永济灌域盐渍化土壤为研究对象,构建了基于光谱变换、特征波段、特征光谱指数筛选以及支持向量机(SVM)的机器学习相结合的高光谱综合反演模型。结果表明,经预处理的原始光谱反射率与土壤离子相关性总体较低,最大相关系数仅为0.18,原始光谱反射率与土壤离子的相关系数由大到小依次为Ca~(2+)、SO_4~(2-)、Mg~(2+)、全盐量、Na~++K~+、Cl~-。全盐量、Na~++K~+、Cl~-、SO_4~(2-)、Ca~(2+)、Mg~(2+)的光谱最优变换形式分别为(1/R)″、(1/R)″、(lnR)'、(lnR)″、R'、(lnR)″,敏感波段(P0.01)数分别为41、7、9、65、76、28个,利用逐步回归法在敏感波段中筛选出特征波段,基于特征波段建立的回归模型中各离子的决定系数R~2平均值为0.35,均方根误差RMSE平均值为0.87 g/kg,其中SO_4~(2-)拟合精度最高,R~2为0.52,Ca~(2+)拟合精度最低,R~2仅为0.20。将特征波段代入光谱指数中,结合逐步回归法确定了Mg~(2+)特征光谱指数为3个,全盐量特征光谱指数为2个,Na~++K~+、SO_4~(2-)、Ca~(2+)特征光谱指数分别为1个,与仅考虑特征波段的回归模型相比,特征波段+特征光谱指数结合后各离子回归模型的R~2平均提高了58.67%,RMSE降低了24.60%,其中SO_4~(2-)拟合精度最高,R~2为0.74,RMSE为0.47 g/kg。考虑了特征波段+特征光谱指数的SVM模型相比仅考虑特征波段的SVM模型,其预测能力有了明显提高,各离子相对分析误差(RPD)平均提高了110.27%,训练集R~2平均提高了37.54%,RMSE平均降低了40.12%,验证集R~2平均提高了56.04%,RMSE平均降低了39.39%。SO_4~(2-)的RPD达到3.000,模拟效果最优,具备很好的预测能力;全盐量模型具有很好的定量预测能力,Mg~(2+)模型可用于评估或相关性方面的预测,Na~++K~+、Ca~(2+)的模型具有区别高低值的能力。     

粮食主产区耕地土壤重金属高光谱综合反演模型

粮食主产区的耕地土壤重金属污染已成为影响粮食安全和人居环境安全的突出问题。高光谱遥感技术为快速高效获取土壤重金属含量提供了新的途径,也为土壤总金属污染的监测和防治提供了技术保障。以河南省粮食主产区新郑市为研究对象,共采集191个耕地土壤样品,利用Rank-KS法划分为144个建模集样本和47个验证集样本;在室内利用ASD Field Spec 3型地物光谱仪获取土壤高光谱数据,对耕地土壤样品在400~2 400 nm的光谱反射率与Cr、Cd、Zn、Cu、Pb 5种重金属元素进行相关性分析,筛选出5种重金属均通过P=0.01显著性检验的共用高光谱特征波段作为反演模型的自变量;采用基于OLS的固定影响变系数面板数据模型,对新郑市144个建模集样本的5种土壤重金属面板数据构建高光谱综合反演模型。结果表明:面板数据模型整体显著,拟合优度较高(R~2=0.993 7,F统计量为1 365.94)。模型精度检验Cu的相对分析误差为2.046,Pb的相对分析误差为3.432,都具有较好的预测精度;Cr、Cd、Zn的相对分析误差在1.4~1.8之间,具有一般的定量预测能力。面板数据模型通过一次建模综合反演多种土壤重金属,计算简便、速度快,可以用于新郑市耕地土壤重金属的高光谱快速监测。     

基于SOC710VP高光谱成像仪的冬小麦土壤含水率反演模型研究

【目的】实现小麦农田土壤含水率大面积快速监测。【方法】以冬小麦冠层高光谱数据为基础,计算得到8种植被指数,通过对关键生育时期(拔节期、抽穗期、灌浆期)不同水分处理下冬小麦不同土层(0～20、20～40、40～60 cm)土壤含水率与植被指数拟合状况进行分析和筛选,分别构建了基于植被指数的不同土层土壤含水率反演模型,并对模型进行检验。【结果】①各时期植被指数拟合效果有所差异,拔节期0～20 cm土层以植被指数VOG1拟合效果较好,相关系数为0.88,20～40 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.75,40～60 cm土层以植被指数VOG3拟合效果较好,相关系数为0.59;抽穗期0～20 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.70,20～40 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.72,40～60 cm土层以植被指数mSR705拟合效果较好,相关系数为0.57;灌浆期0～20 cm土层以植被指数mNDVI705拟合效果较好,相关系数为0.88,20～40 cm土层以植被指数SARVI拟合效果较好,相关系数为0.68,40～60 cm土层以植被指数SARVI拟合效果较好,相关系数为0.71;②各土层土壤含水率与植被指数拟合效果有所差异,其中利用VOG1和mNDVI705组合构建的模型反演0～20 cm土层,决定系数R2为0.743,利用mNDVI705和SARVI组合构建的模型反演20～40 cm土层,决定系数R2为0.707,利用VOG3、mSR705和SARVI组合构建的模型反演40～60 cm土层,决定系数R2为0.484;③通过建立植被指数对土壤含水率的反演模型,0～20 cm土层含水率反演效果好于20～40 cm和40～60 cm。【结论】高光谱植被指数反演模型中,以0～20 cm土层的估算模型最佳,植被指数组合为VOG1和mNDVI705。综上可知,该研究方法进行土壤含水率的反演是可行的。     

基于有机质特征谱段的土壤Cd含量高光谱遥感反演

针对土壤Cd高光谱遥感定量反演中的机理性不足及数据冗余问题,提出一种基于有机质特征谱段的反演方法。该方法首先提取土壤光谱中对重金属Cd具有吸附作用的有机质特征谱段,进而通过竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）优选特征谱段,采用偏最小二乘回归法（Partial least squares regression,PLSR）建立重金属Cd的反演模型,并利用郴州矿区土壤实验室光谱数据和哈密黄山南矿区野外光谱数据进行方法验证。研究表明：有机质特征谱段提取在降低数据冗余的同时提高了重金属Cd的反演精度,CARS算法相对于相关系数法（Correlation coefficient,CC）和遗传算法(Genetic algorithm,GA)特征选择具有更高的反演精度,基于有机质特征谱段的CARS-PLSR算法在土壤实验室光谱和野外实测光谱所得验证精度R2分别为0.94和0.80,表明该算法对于实验室和野外光谱均具有一定适用性。研究可为土壤重金属含量高光谱反演的特征波段选择和算法优选提供参考。     

基于高光谱反演的复垦区土壤重金属含量经验模型优选

以工矿复垦区为实验区域,基于ASD Field Spec 4高光谱遥感数据,结合实测的土壤重金属含量,利用回归分析与特征选择方法,开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选。通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性。在此基础上采用偏最小二乘回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、支持向量机回归(Support vector machine regression,SVMR) 3种回归分析模型开展土壤重金属含量反演实验,结果表明偏最小二乘回归(PLSR)对研究区内土壤中重金属含量的反演最为有效,尤其对区域内主要障碍因子镉(Cd)元素含量的反演效果最佳,验证集决定系数R2为0. 76。基于粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)、Relief F算法3种特征选择方法对偏最小二乘回归(PLSR)模型进行优化,结果表明粒子群算法(PSO)可有效降低特征波段变量维度,进一步提高模型反演精度,使决定系数R2由0. 76提高至0. 84。综上,基于高光谱数据,采用偏最小二乘回归(PLSR)与粒子群算法(PSO)相结合的方法,可有效对工矿复垦区土壤中的重金属含量进行测度,可为复垦区土地的质量和生态指标监测提供理论方法和技术支持。     

基于三维光谱指数的土壤含水率反演研究

为研究三维光谱指数预测土壤含水率的效果,以期能为精准农业地表土壤含水率的快速精确测定提供参考.以浙江永康地区采集的不同含水率土壤样本为研究对象,利用ASD FieldSpec 3光谱仪在室内对土样进行光谱反射率测量,并基于原始光谱反射率(R)及其对应的一阶微分光谱(FD)、二阶微分光谱(SD)进行一维二维及三维光谱指数的提取.再通过偏最小二乘回归模型(PLSR)对不同光谱指数建模,并对比分析不同模型的反演精度.结果表明:三维光谱指数相比于一维二维光谱指数对土壤含水率更加敏感;基于三维光谱指数(TBI2)偏最小二乘回归模型具有最佳的预测效果,其Rv2=0.92,RPD可达3.32;对于土壤含水率反演而言,三维指数(R-TBI1)相比于其他的光谱指数更具重要性,其变量投影重要性(VIP)达1.04.该研究表明利用三维光谱指数建模为高光谱遥感对表层土壤含水率的快速有效监测提供了一条新途径.     

基于多源数据融合的盐分遥感反演与季节差异性研究

为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36.83%,春季反射率比秋季平均高23.78%。利用模型中最优变量特征光谱指数对多光谱模型与高光谱模型进行融合,高多光谱融合反演模型训练集和验证集R2平均值分别为0.651和0.635,RMSE平均值分别为2.44 g/kg和2.49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36.19%和35.64%,RMSE平均值分别降低了34.28%和41.72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6.03%、6.05%和4.40%,验证集R2平均值分别提高了19.07%、12.21%和1.75%。构建的高多光谱融合模型反演灌域春秋两季平均盐分含量分别为6.05、5.97 g/kg,平均相对误差分别为9.65%和10.68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。     

新疆典型绿洲灌区土壤理化性状与盐分离子分布特征

土壤盐渍化和耕地质量下降严重制约新疆绿洲灌溉农业可持续发展,研究土壤理化性状与盐分离子分布特征是盐碱地改良与综合利用和绿洲灌溉农业高质量发展的前提和基础。以北疆玛纳斯河灌区、南疆阿克苏河灌区和喀什噶尔河灌区（阿克苏-喀什噶尔河灌区）为研究对象,定量分析了土壤（0~500cm）养分含量、含盐量及其离子组成分布特征。结果表明：玛纳斯河灌区和阿克苏-喀什噶尔河灌区土壤有机质、碱解氮、有效磷、速效钾、全氮含量均呈现随土层深度增加而逐渐降低的趋势。玛纳斯河灌区表层土壤（0~30cm）和0~100cm土层土壤有机质、碱解氮、速效钾、全氮含量和pH值平均值高于阿克苏-喀什噶尔河灌区,100~500cm土层土壤有机质、碱解氮、速效钾、全氮含量平均值低于阿克苏-喀什噶尔河灌区。阿克苏-喀什噶尔河灌区表层土壤（0~30cm）全盐量和电导率平均值比玛纳斯河灌区分别高21.14%和8.53%,60~100cm土层比玛纳斯河灌区分别低17.55%和16.50%。玛纳斯河灌区和阿克苏-喀什噶尔河灌区土壤阳离子均以Na+和Ca2+为主,阴离子均以SO2-4、Cl-为主,Na+和SO2-4分别为玛纳斯河灌区和阿克苏-喀什噶尔河灌区含量最高的盐基离子。玛纳斯河灌区表层土壤（0~30cm）53.85%属于盐渍土,30~60cm土层50.00%属于中度和重度盐渍土,60~100cm土层25.00%属于重度盐渍土,硫酸盐型盐渍土占主导地位,其次是氯化物-硫酸盐型盐渍土。阿克苏-喀什噶尔河灌区表层土壤（0~30cm）78.26%属于盐渍土,其中重度盐渍土占比最高,30~60cm土层60.86%属于轻度和重度盐渍土,60~100cm土层39.13%属于非盐渍土,氯化物-硫酸盐型盐渍土占比最高,其次是硫酸盐型盐渍土。研究结果可为新疆绿洲灌区盐碱地综合利用和作物精准施肥提供科学依据。     

基于支持向量机方法的土壤水分特征曲线预测模型

在山西省黄土高原区进行野外试验获取土壤样品,经室内试验测定,最终获得土壤样品的水分特征曲线以及理化参数,建立了基于支持向量机的Van-Genuchten预测模型。研究与分析的结果:输入变量选用了5个土壤基本理化参数(土壤黏粒、粉粒、密度、有机质和全盐量),输出变量为Van-Genuchten模型的参数α、n,对土壤水分特征曲线Van-Genuchten模型的参数进行预测并取得良好的结果。所建立的支持向量机预测模型下,Van-Genuchten模型参数α、n的预测值与检验值的平均相对误差都小于4%,建模与检验样本都具有较高的精确度。研究成果有助于丰富黄土地区的土壤水分特征曲线理论研究。     

不同粒径处理的土壤全氮含量高光谱特征拟合模型

采集新疆北疆棉田385个自然土壤样本,将筛选出的土壤样品分别过2、1、0. 5、0. 15 mm筛并测定其原始光谱反射率,利用支持向量机(Support vector machine,SVM)、偏最小二乘回归(Partial least squares regression,PLSR)和多元逐步线性回归(Stepwise multiple linear regression,SMLR)方法对土壤原始光谱及其12种光谱变换数据分别构建土壤全氮含量的估测模型,并对模型精度进行检验。结果表明,土壤原始光谱特征在各个波段与全氮含量相关性都较差,不同形式的数据变换均能够提高光谱反射率与全氮含量的相关性,同一种数据变换形式在不同粒径处理中最大相关系数所对应的波段位置差异不大。从不同粒径处理的拟合精度来看,过筛粒径越小对全氮含量的估测精度越高,3种方法的最优拟合模型都是过0. 15 mm筛的处理,其中SVM方法采用(lgR)'变换后,构建模型R2c为0. 898 7,RMSEc为0. 018 1,RPD为2. 704 9,PLSR和SMLR方法均采用R'变换,构建模型的R2c分别为0. 852 0和0. 819 6,RMSEc分别为0. 041 3和0. 043 6,RPD分别为2. 554 9和2. 437 4,3种方法在该过筛处理下均能够很好地估测土壤全氮含量。用未参与建模的样本对3种最优模型进行验证,SVM、PLSR和SMLR模型的检验R2分别为0. 822 9、0. 771 5和0. 705 4,SVM方法优于PLSR和SMLR,模型具有较好的精度和稳定性,从模型的预测误差来看,土壤全氮含量越低其预测误差也越大,在氮素含量较低的情况下无法直接通过光谱反射特征准确反演。     

基于Binary Logistic模型的棉花出苗情况建模

为了科学、合理地做好盐渍土条件下的棉花出苗预测工作,以便为当地农业生产提供一定借鉴。以新疆巴音郭楞蒙古自治州为例,利用所采集土样中的盐分离子数据以及Binary Logistic模型,模拟不同盐分离子组成时棉花出苗情况。结果表明:当利用Binary Logistic模型对棉花出苗进行模拟时,模型通过了-2对数似然值检验,并且对测试样本有67.9%的模拟准确性。     

基于无人机多光谱遥感的土壤含盐量反演模型研究

为探究无人机多光谱遥感技术快速监测植被覆盖下的土壤含盐量问题,以内蒙古河套灌区沙壕渠灌域内4块不同盐分梯度的耕地为研究区域,利用无人机搭载多光谱传感器获取2018年8月遥感影像数据,并对0~40cm〖JP〗的土壤进行盐分测定。分别引入敏感波段组、光谱指数组、全变量组作为模型输入变量,采用支持向量机（Support vector machine,SVM）、BP神经网络（Back propagation neural network,BPNN）、随机森林（Random forest,RF）、多元线性回归（Multiple linear regression, MLR）4种回归方法,建立基于3组输入变量下的土壤盐分反演模型,并进行精度评价,比较不同输入变量、不同回归方法对模型精度的影响,评价并优选出最佳盐分反演模型。结果表明,通过分析3个变量组的R2和RMSE,光谱指数组在4种回归方法中均取得了最佳的反演效果,敏感波段组和全变量组在不同的回归方法中反演效果不同。4种回归方法中,3种机器学习算法反演精度明显高于MLR模型,且MLR模型中的敏感波段组和全变量组均出现了“过拟合”现象,RF算法在3种机器学习算法中表现最优,SVM算法和BPNN算法在基于不同变量组的模型中表现也不相同。基于光谱指数组的RF的盐分反演模型在12个模型中取得了最佳的反演效果,R2c和R2v分别达到了0.72和0.67,RMSEv仅为0.112%。     

土壤有机质含量高光谱估测模型构建及精度对比

土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理,分析果园土壤的反射光谱特征,研究光谱反射率与其有机质含量的相关关系,筛选土壤有机质含量的敏感波长并构建光谱指数后,分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型,并对模型精度进行验证比较。结果表明,筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数,最终构建的光谱指数分别为NDSI_{（678,709）}、NDSI_{（678,1931）}、NDSI_{（678,2201）}、NDSI_{（709,1939）}和NDSI_{（1939,2201）}。建立的MLR、SVM和RF回归模型中,以RF模型精度最优,其校正样本集R²为0.8804,RMSE为0.1423,RPD达到2.25;验证模型的R²为0.7466,RMSE为0.1266,RPD为1.79,建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此,可以利用RF方法快速预测苹果果园土壤有机质含量,了解土壤养分分布状况,指导农民合理施肥,从而提高果园生产管理效率。     

微咸水膜下滴灌对土壤盐分离子分布和番茄产量的影响

为了探讨微咸水膜下滴灌对土壤盐分分布和番茄产量的影响,在内蒙古河套灌区进行了田间试验,共设置3种灌水处理:淡水灌水定额30 mm、微咸水灌水定额30 mm和微咸水灌水定额37.5 mm,每个处理重复3次,随机布置。结果表明:HCO_3~-、Cl~-、Na~+和K~+容易随水分移动,当微咸水灌水定额为37.5 mm时,淋洗效果最好;SO_4~(2-)、Ca~(2+)和Mg~(2+)与土壤胶体吸附力较强,不易随水分运动,淋洗效果不明显;在番茄生育期结束后需要秋季或来年春季汇水洗盐,防止微咸水灌溉后引起的盐碱危害;微咸水灌溉相比淡水灌溉的灌水定额要增大1/4左右。     

基于支持向量机回归的营养液调控模型研究

针对目前设施栽培中营养液动态调配精确度低的问题,提出一种基于支持向量机回归(Support vector machine regression,SVR)的营养液调控模型.首先,通过设计嵌套试验采集了13个温度、50组不同Knop营养液(A:99％Ca(N03)2·4H20、B:98％KN03、C:99％KH2P04、D...