荒漠胡杨叶片含水率的高光谱反演

该研究对新疆艾比湖流域进行实地野外调查,并选取典型荒漠植被胡杨,在室外测定胡杨叶片光谱反射率,将光谱数据经处理后分析光谱反射率与叶片含水率的相关性,运用逐步多元线性回归法,建立胡杨叶片含水率高光谱估算模型,并由均方根误差（RMSE）、决定系数(R) 和残留预测偏差（RPD）来检验模型的预测能力和稳定性。结果表明：逐步多元线性回归法建立的模型适合于艾比湖流域胡杨叶片的含水率高光谱估算。反射率一阶微分光谱是检验胡杨叶片含水率较好的指标,检验R高达0.92、RMSE为0.013、RPD为3.13。     

基于高光谱的荒漠植物含水率预测模型

[目的]根据实地测定的荒漠植物高光谱和含水率,建立其含水率预测模型,为遥感生态监测和荒漠生境评价提供依据.[方法]实地测定了17种荒漠植物光谱反射率,使用烘干法测定其含水率,对荒漠植物的含水率和反射光谱进行相关分析.[结果]1405-1534 nn波段是荒漠植物含水率的敏感波段.引人吸收深度为参量,分别以978-1030,1405-1534 mn波段水分吸收深度建立荒漠植物含水率线性预测模型,其决定系数分别为R2＝0.696和R2＝0.928.根据模型计算荒漠植物含水率与真值的误差分别在-16.84;-12.01;和-1.86;-2.84;,[结论]以1405-1534 nm波段水分吸收深度建立荒漠植物含水率线性预测模型可以较准确的反映荒漠植物的含水率.     

基于集成学习的砂姜黑土含水量高光谱反演研究

为提高砂姜黑土土壤水分的估测精度,本研究以河南省西平县砂姜黑土为研究对象,通过配制不同含水率土壤样本并在室内进行高光谱测量,对土壤样本高光谱数据平滑(SR)、倒对数[LOG(1/R)]、一阶微分(FD)、多元散射校正(MSC)、去包络线(CR)光谱变换后,结合连续投影算法(SPA)识别最佳特征波段,采用偏最小二乘回归(PLSR)、支持向量机回归(SVR)的机器学习方法和堆叠(Stacking)集成学习方法分别构建土壤含水率反演模型。结果表明：经MSC变换后光谱中土壤含水率相关信息增强最多;SPA算法能对砂姜黑土含水率光谱数据进行降维和特征信息提取;经反射光谱MSC变换后由PLSR和SVR集成的Stacking集成模型决定系数最高(R²=0.963)、均方根误差最小(RMSE=1.7)。研究表明,Stacking集成学习模型有效提升了模型的精度和泛化能力,是砂姜黑土含水率最佳反演模型。     

基于变换光谱与光谱指数的夏玉米叶片含水率高光谱估算

为实现陕西关中地区夏玉米叶片含水率遥感估算,本研究通过夏玉米叶片高光谱反射率和含水率的测定,利用原始光谱及转换光谱,构建任意两波段的光谱指数,分析光谱指数与叶片含水率之间的关系,构建玉米叶片含水率估算的单因素回归模型和基于支持向量回归算法(SVR)、反向传播神经网络回归算法(BPNN)和麻雀搜索随机森林回归算法(SSA-RFR)的多因素模型,并根据模型精度筛选玉米叶片含水率估算的优化模型。结果表明,随叶片含水率的增加,短波红外波段的光谱反射率降低,最优光谱指数的构成波段主要位于短波红外波段,其中基于一阶导数光谱的比值光谱指数(R_{1 563}/R_{1 406})和归一化光谱指数[(R_{1 563}-R_{1 406})/(R_{1 563}+R_{1 406})]与叶片含水率相关性最佳,其相关系数绝对值均达0.83;多因素回归模型的模拟效果优于单因素回归模型,基于麻雀搜索随机森林回归模型的精度最高,验证集决定系数(R²)为0.78,均方根误差(RMSE)和相对误差...     

基于连续统去除法的枸杞叶片含水率高光谱估算

为探讨连续统去除法估算枸杞叶片含水率的潜力,以宁夏枸杞主栽品种宁杞7号为研究对象,采用自然失水法和烘干法测定枸杞叶片含水率,采用连续统去除法对原始光谱反射率进行处理,分析连续统去除光谱对含水率的响应特征,分析连续统去除光谱、吸收特征参数与叶片含水率的相关性,并建立枸杞叶片含水率估算模型.研究表明:连续统去除光谱能放大吸...     

砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究

有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。     

土壤有机质高光谱估算模型研究进展

土壤有机质高光谱估算较传统土壤农化分析方法表现出极大优势,顺应了现代农业发展的迫切需要。国内外众多学者先后对土壤有机质高光谱估算模型进行了大量研究,估算模型由简单的一元线性模型逐渐发展为多元线性及非线性模型,常用的建模方法分为线性方法和非线性方法,重点分析了各种方法的适用性。通过总结分析前人研究,发现土壤有机质高光谱估算模型研究存在以下发展趋势:多种建模方法耦合使用增多;建模方法的复杂度逐渐增强;尝试消减外部环境因素对建模的影响;尝试将室内土壤有机质估算模型应用于野外实地研究。     

基于高光谱的土壤有机碳含量预测研究

[目的]对土壤有机碳含量进行预测研究。[方法]利用高光谱仪对表层土壤进行光谱测定并且进行光谱数据的预处理,通过多元线性逐步回归(SMLR)和偏最小二乘回归(PLSR)方法对土壤有机碳含量进行预测,并对2种模型的精度进行比较。[结果]LSR模型的精度高于SMLR模型。[结论]偏最小二乘回归法优于多元逐步回归法,对有机碳的预测具有更好的效果。     

基于光谱反射特征的草莓叶片含水率模型

以草莓为试材,通过对冠层叶片含水率与不同波段组成的水分指数(W_I)和归一化植被指数(N_(D,V,I))进行线性、指数、对数、幂函数以及多项式回归分析,研究了干旱(DT)、轻度干旱(MDT)、适量(AWT)及溢水(OWT)4种不同水分处理方式下草莓光谱反射特征与叶片水分状况之间的关系。研究结果显示:在不同生长时期下冠层叶片含水率的敏感波段分别为540、660、930、1 630、2 990、3 300 nm。草莓冠层叶片含水率与水分指数和归一化植被指数呈显著相关,决定系数分别达到0.834 3、0.874 7。并建立了预测草莓叶片含水率的预测模型,利用精度检验证明了预测模型的稳定性和敏感性。     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

基于物联网和LSTM的柑橘园土壤含水量和电导率预测模型

目的 构建柑橘果园环境信息物联网实时采集系统,建立基于物联网和长短期记忆(LSTM)的柑橘园土壤含量和电导率预测模型,为果园灌溉施肥管理、效果预测评估提供参考依据。方法 利用土壤温度、含水量、电导率三合一传感器,在柑橘果园中设置5个节点和1个气象站,通过ZigBee短距离无线通信和GPRS远距离无线传输,将果园气象数据和土壤墒情数据传输至远程服务器。利用LSTM模型建立气象数据与土壤含水量和电导率的预测模型,计算均方根误差(RMSE)和决定系数(R²)以进行性能评估。结果 物联网系统能够实现远程传输柑橘果园环境数据,建立了基于LSTM和广义回归神经网络(GRNN)的土壤含水量和电导率预测模型,模型在5个节点的数据集的训练结果分别为：LSTM模型训练的土壤含水量和电导率的RMSE范围分别为6.74~8.65和6.68~8.50,GRNN模型训练的土壤含水量和电导率的RMSE范围分别为7.01~14.70和7.60~13.70。利用生成的LSTM模型和气象数据进行拟合,将土壤含水量和电导率的预测值与实测值进行回归分析,LSTM模型拟合的土壤含水量和电导率的R²范围分别为0.760~0.906和0.648~0.850,GRNN模型拟合的土壤含水量和电导率的R²范围分别为0.126~0.369和0.132~0.268,说明LSTM模型的性能表现较好。结论 建立了柑橘果园环境的物联网信息传输系统,构建的基于LSTM的果园土壤含水量和电导率预测模型具有较高的精度,可用于指导柑橘果园的灌溉施肥管理。     

日光温室内土壤温度对土壤含水率变化的影响

为探究土壤表层的含水率随土壤温度变化的规律,以呼和浩特地区的日光温室室内土壤为研究对象,利用土壤水分-温度传感器测试土壤含水率和土壤温度,采用Gaussian函数多峰拟合和线性拟合方法对土壤温度与含水率的关系进行拟合分析。结果表明:在3个试验区域的不同深度土层内,土壤含水率随土壤温度的变化均呈现线性变化规律,且越接近土壤表层,线性关系越显著。通过拟合方程得到的含水率计算值与实测值相对误差小于5%。本研究对日光温室内土壤环境的监测与控制具有指导意义。     

河南省砂姜黑土土类和土属的数字制图研究

数字制图是近年来土壤学的研究热点,而将数字制图与砂姜黑土研究相结合,目前国内研究甚少。选取河南省为研究区,获取该区的气候、母质和地形信息,以土壤—景观定量模型,定量获取砂姜黑土土类属性与主要成土要素之间的相互关系,应用该模型来预测土类分布并制图。在土类图的基础上,根据土属高程分布差异,进一步预测土属分布并制图。结果表明,该方法在土类数字制图尺度上与调查结果重合度可达到80%以上,并且可弥补调查缺失地方,同时间接证明砂姜黑土的成土母质为石灰性母质,其差异部分表明人为、地表径流因素对砂姜黑土土类的分布具有重要的影响。在土属数字制图尺度上,与调查结果面积数量和分布趋势大体一致,具体空间分布难于比较,有待于景观模型进一步细化,还需更详细的地形和气候资料,这些可为砂姜黑土数字制图的下一步研究和完善提供指导。     

土壤水分过多对春玉米生长发育影响的模拟模型研究

运用ＰｅｎｎｉｎｇｄｅＶｒｉｅｓ研制的作物生长模型结合田间与水槽水分实验结果,建立了稻田玉米生长动态模拟模型。通过两年的实验验证,表明模型对稻田单作玉米的生育期、地上部茎叶干物质的动态及叶面积的变化的模拟与实测值较为一致,而对套作玉米的模拟则差异较大,需进一步考虑套作共生期内的麦／玉米之间的相互作用。文中还对模拟与实测值之间的差异进行了统计分析。     

北方夏玉米农田土壤水分预测模型的研究

【目的】检验和比较4个夏玉米农田土壤水分预测模型的预测精度。【方法】根据农田土壤水分平衡原理,建立北方夏玉米农田土壤水分预测模型,其中潜在蒸散量子模型分别用国内彭曼修正式(简称国内法)和FAOPenman-Monteith(简称FAO法)方法,作物发育期子模型分别用多年平均发育期法和积温法。用2002年6~9月中国气象局农业气象试验基地的21个不同水分处理小区的夏玉米全生育期观测资料(包括土壤湿度、作物发育期、气象和灌溉等资料),对模型进行检验和比较。【结果】在土壤湿度中等和较低的情况下,土壤水分预测模型中潜在蒸散量子模型采用国内法对不同预测时效下夏玉米农田土壤水分的平均预测精度高于FAO法,而在土壤湿度较高的情况下则反之;国内法和FAO法在不同预测初始日期下,对所有试验小区土壤水分的平均预测精度均随着预报时效的增加而降低。土壤水分预测模型中,作物发育期子模型采用积温法或多年平均发育期法均可对北方地区夏玉米农田土壤水分进行预测,两者对0~100 cm土层土壤水分预报的最大绝对差值小于5 mm。【结论】土壤水分预测模型中潜在蒸散量子模型采用国内法对夏玉米农田土壤水分的预测精度高于FAO法;土壤水分预测模型中作物发育期子模型采用多年平均发育期法和积温法对夏玉米农田土壤水分的预测精度基本相同。利用该模型还可对北方夏玉米农田进行灌溉预报和排渍预报。     

基于指数滤波法的中国区域深层土壤水分估算

微波遥感技术已经可以实现区域尺度表层土壤水分的观测,但是与生态、水文和农业等领域更密切相关的是深层土壤水分,如何实现由表层土壤水分估算深层土壤水分仍是亟待解决的科学问题。本研究利用中国区域2 121个土壤水分观测站点的多层土壤水分数据(统计数据未含港、澳、台地区。下同),基于10 cm土壤水分,应用指数滤波法分别估算20、30、40和50 cm深度的土壤水分。结果表明：1)随着土壤深度的增加,指数滤波法的估算精度逐渐下降,NSE(纳什效率系数)中值对应4个深度分别为0.76、0.54、0.39和0.28,R²(决定系数)中值分别为0.86、0.73、0.64和0.59,RMSE(均方根误差)中值分别为0.023、0.027、0.028和0.028 m³/m³;2)由2 121个土壤水分站点率定得到的站点最佳T值(表征土壤水分从表层运移至深层的时间)的中值估算深层土壤水分具有可行性,尤其估算浅层(如20 cm)土壤水分时,估算结果与用最佳T值相比,93%的站点NSE差值<0.05,82%的站点RMSE差值<0....     

不同冻结强度下容重和含水量对黑土剖面水分变化特征影响

利用室内模拟方法研究冻结强度、容重、含水量等对东北黑土冻融过程剖面土壤水分变化特征影响,为东北黑土区土壤水分和养分管理提供科学依据。结果表明,冻结过程中,当冻结温度为-10和-20℃时,各土柱上下土层温度均降至较低温度保持恒定,上下土层水分差变化显著,冻融过程趋于缩小至平衡状态。容重为1.0 g·cm-3时,初始含水量越高,融冻过程上下土层水分差变化显著;冻结强度-10和-20℃时,容重为1.2和1.4 g·cm-3初始含水量越低,上下土层水分差变化越大。通常初始冻结强度越大、土壤水分含量、容重越大,形成恒定低温不变时间越长,上下土层水分差变化越大。单次冻结和融冻过程上下土层水分差变化呈先增后降"单峰"变化趋势,冻结温度越底土壤水分差峰值越高。为融冻区域农田土壤水分迁移模型构建和农田土壤水分管理等提供依据。     

基于改进K-medoids算法的土壤墒情传感器布局优化

针对茶园土壤墒情传感器布局中传感器数量过多、数据冗余度过大的问题,采用改进的K-medoids方法,优化茶园土壤墒情传感器使用数量及部署位置。在保证茶园传感网络全覆盖的基础上,实时采集各传感节点数据;构造各传感器在不同天气条件下的时间序列数据,并运用三次样条插值法拟合成连续函数;应用谱排直法定义新的时间序列数据的距离函数替换K-medoids中的欧氏距离,将聚类中心作为最终的传感器布点;随机选取位置并采集土壤相对含水率以验证聚类中心作为传感器布点的代表性。采用改进前和改进后的K-medoids方法对2018-07—2018-08（试验Ⅰ）和2020-12（试验Ⅱ）采集的土壤墒情数据进行聚类。结果表明：1）改进的K-medoids将32个传感器减少到4个,改进前后簇中心墒情值与簇均值的相对偏差,试验Ⅰ由2.85%降到1.91%,试验Ⅱ由2.01%降到1.43%;2）改进K-medoids所得聚类中心相对含水率与试验区域平均值相近,相对偏差小于2%;3）以改进的K-medoids算法所得聚类中心作为起点的布点路径长度为82.4m,使用8个传感器,优于改进前的106.5m和10个传感器。基于...