基于叶片光谱特征的南疆盆地主栽果树树种遥感识别

随着新疆南疆林果业的飞速发展,对于果树树种的分类与提取逐渐成为研究热点。试验选取了新疆南疆盆地主栽的5种果树作为试验对象,利用光谱仪测定不同树种的叶片高光谱反射率数据,旨在找到一种快捷、精确、大范围、适时、动态的果树监测与分类方法,以期为星载高光谱遥感水平上的树种智能识别提供必要的技术支撑。在对不同树种叶片光谱特征分析的基础上,采用不同步长间隔的平滑滤值处理及5种数据变换方式,开展了5种果树树种识别研究。结果表明:在步长间隔为5 nm的平滑处理下,经过一阶微分变换的树种识别精度最高,达99.3%。此方法为新疆南疆主栽果树树种的遥感识别提供了新的途径。     

基于光谱特征参数的果树树种的遥感识别

本研究通过对南疆盆地主栽5种果树(苹果、香梨、核桃、红枣、杏)的冠层光谱数据进行特征参量的选取,旨在提高林果树种的树种分类精度并筛选出用于这5种树种的冠层光谱树种识别的有效特征参量,从而为完善高光谱果树树种识别研究中大量数据处理的方法提供参考依据。试验采用美国PP Systems公司生产的UniSpec-SC(单通道)便携式光谱分析仪对不同树种的冠层进行光谱测量,利用逐步判别分析法对高光谱数据进行树种识别与有效特征参量的选择。结果表明,采用特征参量进行树种识别的总分类精度可达到86.67%,明显高于全波段参与下的72.00%。逐步判别分析法入选的有效特征参量为蓝边面积、蓝边斜率、黄边面积、近红外平台、红边面积、蓝边位置、黄边位置、红边位置。     

基于冠层高光谱数据与马氏距离的马铃薯品种识别

为丰富高光谱数据在精细农业中的应用,本研究基于冠层光谱数据进行不同马铃薯品种区分研究。利用田间实测的6-8月的马铃薯原始光谱数据以及经过一阶微分、对数一阶微分、包络线去除处理后的光谱,采用马氏距离法选择3种马铃薯光谱差异显著波段,再利用逐步判别法检验波段识别精度。结果表明,7月份经过对数一阶微分变换选取的特征波段识别精度最高,达87. 7%。不同生育期内,多种预处理方法下的光谱识别能力有差异。6月份包络线去除法的识别精度最高,7月份对数一阶微分处理下的识别精度最高,而8月份原始光谱的识别精度最高。提取的特征波段多位于红光及近红外波段。研究结果表明基于高光谱数据,借助马氏距离与逐步判别法可以区分马铃薯品种。     

基于高光谱的南疆盆地苹果光合有效辐射估算模型

【目的】通过将原始光谱数据经过不同的数据变换方式,分析其与苹果冠层PAR的相关关系,建立基于高光谱的南疆盆地苹果冠层PAR的估测模型,旨在为快速、精确、无损伤、大范围的适时、动态监测植被PAR提供有效途径。【方法】基于原始光谱数据的不同数据变换方式,采用相关性分析和逐步回归分析方法。【结果】不同数据变换后的冠层光谱反射率与苹果冠层PAR具有较好的相关性,微分变换后的相关性较原始相关性有所提升。所建模型经过精度评价发现,原始光谱数据经倒数一阶微分变换后估测模型拟合度最高,一阶微分、对数一阶微分次之。【结论】不同数据变换方式后的光谱数据与塔里木盆地苹果冠层PAR有一定的相关性,可以用微分、对数微分、倒数微分变换后的数据建立较理想的塔里木盆地苹果冠层PAR的估测模型。     

基于高光谱的阿克苏市枣叶面积指数估算模型

[目的]通过将原始光谱数据经过不同的数据变换方式,分析其与枣冠层LAI的相关关系,建立基于高光谱的阿克苏市枣冠层LAI的估测模型,为快速、精确、无损伤、大范围的适时、动态监测植被LAI提供有效途径.[方法]基于原始光谱数据的不同数据变换方式,采用相关性分析和逐步回归分析方法.[结果]不同数据变换后的冠层光谱反射率与枣LAI具有较好的相关性,微分变换后的相关性较原始相关性有所提升.所建模型经过精度评价发现,原始光谱数据经倒数一阶微分变换后估测模型拟合度和预测精度都最高,一阶微分、对数一阶微分、归一化一阶微分次之.[结论]不同数据变换方式后的光谱数据与塔里木盆地枣LAI有显著的相关性,可以用微分、对数微分、归一化微分、倒数微分变换后的数据建立较理想的塔里木盆地枣LAI的估测模型.     

基于改进BP神经网络的高光谱遥感树种信息提取技术

【目的】通过分析树种间的光谱差异及改进分类算法以提高树种信息提取精度。【方法】文章采用安徽省砀山县EO-1 Hyperion影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的BP神经网络模型完成树种信息提取。【结果】结果表明,原始反射率和一阶微分部分光谱波段可用于树种识别,且一阶微分光谱的差异大于原始反射率;引入动量项和遗传算法改进的BP神经网络模型树种识别精度较传统BP神经网络提高8.5%,Kappa系数提高0.12。【结论】该方法可以实现较为准确的树种信息提取,能够达到对林业工程进行监测的目的,对快速评价工程质量有重要意义。     

基于反射光谱的江淮分水岭区域典型农作物识别

对江淮分水岭区域观测的8种农作物冠层光谱进行数据重采样和植被指数计算,分析了4种常用指数和6种常用传感器对农作物的识别能力,同时采用识别效率最高的数据变换形式构建了BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异;6种传感器对农作物的识别能力由大到小依次为ETM+、QUICKBIRD、IKONOS、MODIS、ASTER、HRG;模拟得到的ETM+和QUICKBIRD的近红外与红光波段反射率计算的归一化植被指数(NDVI)和简单比值植被指数(SR)对农作物的识别能力较强;在不同的数据变换形式中,对农作物识别精度最高的是一阶微分(FD,波长间隔6 nm),识别精度达87.3%;以FD(波长间隔6 nm)为输入数据集构建BP神经网络模型,当隐含层节点数为15时,识别精度最高,达90.0%。     

西双版纳普洱茶叶片生化参数高光谱估测模型研究

以西双版纳普洱茶为研究对象,利用ASD Field Spec 3地物光谱仪采集叶片高光谱数据,采用导数光谱分析技术对光谱数据进行处理,在实验室测定相应的茶氨酸和氮素含量,分析普洱茶叶片生化参数与原始光谱、光谱一阶微分、光谱对数一阶微分以及高光谱特征变量间的相关性,并利用遗传算法优化的BP神经网络建立了茶氨酸含量和氮素含量的高光谱估测模型。结果表明:普洱茶叶片生化参数含量与高光谱原始反射率间相关性弱,但与光谱一阶微分、光谱对数一阶微分和高光谱特征变量在可见光、近红外波段范围内相关性较强;遗传算法优化下的BP神经网络模型对普洱茶叶片生化参数的估测精度优于普通BP神经网络模型,茶氨酸含量估测精度RMSE为0.21 mg/g,R~2为0.73,氮素含量估测精度RMSE为0.36 g/kg,R~2等于0.88。     

基于近红外光谱技术的果树花期树种识别方法

为建立果树花期树种识别的有效模型,利用ASD Field Spec 3全波段便携式光谱分析仪采集了4种果树花期花的光谱数据。利用剔除异常光谱、5点移动平滑等技术对4种果树花期花的光谱反射率进行预处理,使用连续投影算法(SPA)进行有效波长选取并获得7个波长下的反射光谱,同时增加了590 nm和720 nm处2个波形差异大的光谱,与归一化植被指数(INDV)和比值植被指数(IRV)共11个特征波段作为分类建模数据,建立了偏最小二乘判别分析(PLS-DA),正交偏最小二乘判别分析(O-PL-DA)和基于误差反向传播算法的多层前向神经网络(BP)算法3种识别模型。结果表明:对测试样本的识别率由高到低依次为BP(93.90%)O-PLS-DA(81.82%)PLS-DA(76.36%)。综合研究认为:在优选波段的基础上,对果树花期树种判别应优选BP神经网络模型。     

基于多元统计分析的土壤铬含量高光谱估测模型

快速测定土壤重金属的含量,对防治土壤环境污染具有重要意义。本文以山东省烟台市的70个棕壤样本为研究对象,对室外光谱数据进行多种数学变换,根据极大相关性原则从光谱的一阶微分、对数倒数的一阶微分和倒数的一阶微分三种变换中选取5个波段作为反演因子,即:R_(1910.5)(一阶微分)、R_(674.1)(对数倒数的一阶微分)、R_(1609.4)、R_(1231.3)、R_(1127.3)(倒数的一阶微分),然后利用多元统计分析方法和BP神经网络方法分别建立土壤金属铬含量高光谱估测模型。实验结果表明,当利用多元统计分析方法建立估测模型时,14个检验样本的平均相对误差为4.906%,模型的决定系数R~2=0.971,其效果优于BP神经网络模型。研究表明,利用多元统计分析法建立土壤金属铬含量高光谱估测模型是有效的。     

基于高光谱的山区耕地土壤有机质含量估测

以贵州省典型山区耕地土壤高光谱数据为研究对象,基于光谱变换法和机器学习原理构建贵州省山区耕地土壤有机质(SOM)含量估算模型。于2020年8月至2021年3月在贵州省13个县(区、市)采集了120个土壤样品,检测土壤可见光-近红外波段光谱信息,利用5种光谱数据变换(原始光谱、一阶微分、二阶微分、倒数对数的一阶微分、连续统去除)和4类模型(偏最小二乘回归、支持向量机、随机森林和BP神经网络)组合出不同土壤有机质含量的预测模型,按照3∶1选择训练样本和测试样本以估算山区SOM含量。结果表明,一阶微分数据变换与山区SOM含量的相关性较高,相关系数最高达到-0.635;反演模型中,基于一阶微分光谱变换构建的BP神经网络模型精度最高,训练集、测试集的决定系数(R²)分别为0.845、0.838,测试集均方根误差(RMSE)为3.452,相对分析误差(RPD)达到2.470,其次是RF、PLSR模型的RPD较高,SVM模型的RPD最低。光谱数据变换中一阶微分法能极大程度提取出山区耕地的SOM含量信息,BP神经网络模型是估算山区SOM含量的最优模型,本研究结果可为贵州省山区耕地...     

基于无人机高光谱分数阶微分玉米SPAD值估算

以夏玉米为研究对象，基于无人机高光谱数据和野外玉米冠层叶片实测SPAD值，以0.2阶为步长，计算光谱0～2阶分数阶微分，分析其与玉米冠层实测SPAD值之间相关性，筛选相关系数绝对值前10波段为特征波段组合，构建并比较玉米冠层叶片SPAD值的支持向量回归模型(SVR)、反向传播神经网络模型(BPNN)和麻雀优化算法随机森林模型(SSA-RFR)。结果表明，经分数阶微分变换可显著提高与SPAD值相关性，其中以0.6阶698 nm处相关系数绝对值最大；基于分数阶微分模型整体精度高于整数阶模型，其中基于分数阶微分的SSARFR模型精度最高，R²为0.706，较整数阶提高32.46%,RMSE和MRE分别为2.444和3.579%，较整数阶降低13.46%和12.95%。     

玉米叶片叶绿素含量的高光谱反演模型探究

叶绿素含量是绿色植物生长状态的一个重要指标。首先在实验室采集玉米叶片高光谱数据和测定叶绿素含量,并对光谱数据进行对数一阶微分变换,对比选取建模反演因子。根据选定的反演因子采用线性回归、模糊识别和BP神经网络方法建立了玉米叶片叶绿素含量高光谱反演模型,并计算出模型的精度。结果表明,有较好非线性映射能力的BP神经网络反演模型能够高精度地反演出玉米叶片中的叶绿素含量。BP神经网络模型叶绿素含量预测和实测叶绿素含量的平均绝对误差(e)为1.126,决定系数(R2)为0.902,均方根误差(RMSE)为1.375。玉米叶片叶绿素含量与高光谱数据并非线性关系,BP神经网络反演模型能够较好地运用到叶片叶绿素含量反演中。     

滇西北高寒山区云冷杉高光谱差异性研究

高光谱遥感技术的出现为森林树种精细识别,特别是针叶林类型识别提供了新的解决思路。通过ASD FieldSpec 3光谱辐射仪对滇西北高寒山区的典型树种云冷杉叶片光谱数据进行测量,并利用光谱微分法对云冷杉原始光谱数据进行处理,分析不同原始光谱、光谱一阶微分、光谱二阶微分曲线图,从中选择能有效区分云冷杉的特征波段,利用欧氏距离对不同方法所选择的波段进行区分度检验。结果表明,能够对云冷杉进行精细识别的特征波段大部分位于近红外波段,原始光谱差异最大波段的位于1 340~1 349nm,一阶微分和二阶微分差异最大波段都位于990~999nm。研究结果将为森林树种精细识别,特别是为针叶林类型精细识别领域提供可靠经验与技术支撑。     

基于高光谱的春小麦抽穗期叶绿素含量估算方法

对高光谱数据进行预处理是提升高光谱建模精度十分必要且有效的途径。利用高光谱技术分析春小麦作物光谱及其叶绿素含量的变化,对原始光谱反射率及对应的对数、倒数、平方根、对数倒数等4种数学变换及其一阶、二阶微分进行预处理运算,分析春小麦叶片叶绿素含量与预处理后的光谱数据相关性,基于选取的敏感波段对春小麦抽穗期叶绿素含量进行偏最小二乘回归法、BP神经网络2种方法建模并进行模型验证及比较。结果表明:对原始光谱数据数学变换的微分预处理可以明显提高春小麦叶片叶绿素含量与光谱反射率的相关性;通过显著性检验的敏感波段数量经一阶、二阶微分预处理呈现明显增加趋势,对应数学变换的波段数量有所不同;对数变换的二阶微分处理所建立的PLSR模型为最优模型,该模型精度参数为决定系数R■=0.93,校正均方根误差RMSE_c=2.53,预测决定系数R~2_p=0.91,预测均方根误差RMSE_p=2.41,相对分析误差RPD=3.20。说明数学变换的微分预处理过后的模型精度和稳健性有了大幅度的提升,并且运用在高光谱遥感反演春小麦抽穗期叶片叶绿素含量上是可行的。     

基于一阶微分变换方法的南方丘陵稻田土壤电阻率高光谱特性研究

通过对土壤电导率和光谱测定,分析了南方丘陵稻田土壤电阻率特征、原始光谱数据及重采样光谱数据特征。在光谱重采样基础上进一步构建光谱包络线去除变换、光谱反射率倒数(1/R)、对数[ln(1/R)]、平方根(R0.5)、一阶微分等单一或复合变换模型。通过横向、纵向综合比较分析不同模型的反射率与电阻率相关性分析的曲线差异,着重探讨了基于一阶微分的数据变换模型间土壤电阻率与光谱反射率间相关性强弱,结果表明:(1)基于一阶微分变换的模型可以对重叠混合光谱进行分解以便识别,扩大样品之间的光谱特征差异,发掘敏感波段的光谱吸收、反射特征;(2)综合反射率的平方根的一阶微分变换、反射率的倒数的对数及反射率对数的一阶微分等模型得出,在波段为382 nm处,土壤电阻率与光谱反射率间相关系数最高达0.788,在波段为555~560 nm,多个微分变换模型相关性系数在0.7以上,可为后续反演因子的确定及土壤电阻率高光谱估测回归模型的建立提供参考。     

输电线路下行林区优势树种的冠层光谱特征分析

通过对安徽省池州市青阳县输电线下行通道的优势树种进行光谱测量与分析,以建立优势树种光谱库,为输电线通道下行林区的树种精细分类提供理论和技术支持。利用便携式光谱仪对研究区6个优势树种的冠层光谱数据进行采集,并生成平均冠层反射光谱曲线,经过导数变换、植被特征参数(蓝边、黄边和红边)分析及冠层光谱的可分性研究,进而分析出不同树种的不同波段光谱特征差异。结果表明,在原始光谱可见光波段毛竹冠层反射率高于其他树种;而在近红外波段,栎树的冠层反射率高于其他树种。6个树种的蓝边位置、黄边位置及红边位置存在差异较小,毛竹的蓝边斜率最大;杉木的黄边斜率最大;栎树的红边斜率和红边面积均为最大。通过可分性研究可知,原始光谱在550 nm、900 nm及一阶导数光谱在718 nm处,有助于精细区分不同树种类型。     

基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型

以广西壮族自治区柳州市鹿寨县平山镇九简村的柑橘（Citrus reticulata Blanco）为研究对象,通过地面人工实测判别柑橘黄龙病（HLB）植株,协同无人机低空遥感获取标定柑橘种植地块的高光谱影像;计算柑橘健康植株和HLB植株冠层感兴趣区域（ROI）的平均光谱,并对初始光谱进行异常数据剔除、平滑去噪和光谱变换,得到原始光谱、一阶微分光谱（FDR）和二阶微分光谱（SDR）;采用主成分分析法对其进行降维后,构建支持向量机（SVM）分类模型。结果表明,通过选择400～1 000 nm的特征波段,使用ArcGIS软件提取样本平均光谱,其全波段一阶微分光谱的训练集和测试集分类准确率分别达87.41%、84.67%,SVM分类模型参数分别为C=35.39、γ=0.01;使用ENVI软件提取样本平均光谱,其全波段一阶微分光谱的训练集和测试集分类准确率分别达92.39%、96.43%,SVM分类模型参数分别为C=5.06、γ=1.02。无人机低空遥感高光谱监测柑橘HLB具有可行性,可快速识别柑橘种植园地的HLB植株。     

火龙果植株高光谱识别与特征波段提取

[目的]为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据.[方法]通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建BP神经网络模型,分析火龙果不同部位的波段特征,检验BP神经网络模型识别准确率.[结果]在波长400～...     

基于机载高光谱影像的南方水稻土有机质含量估算

水稻土中有机质光谱常常受到水分、秸秆等土壤背景的影响,为了减弱或去除非有机质组分对有机质光谱的影响,构建南方水稻土有机质估算模型。利用机载高光谱（GaiaSky Mini2 VN）作为数据源,对原始反射率进行单一和组合变换（去除包络线、倒数、对数、一阶微分、二阶微分单一变换和倒数一阶微分、对数一阶微分、倒数对数组合变换）提取一维特征光谱;通过对变化后光谱进行比值和归一化处理,提取二维特征光谱;构建基于特征光谱的线性（多元回归、偏最小二乘）和非线性（反向传播神经网络、支持向量机）有机质预测模型,监测南方水稻土有机质含量。结果表明：一维光谱变换能显著增强光谱对有机质响应的敏感度,二维光谱变换能充分挖掘光谱信息,增强有机质与光谱之间的内在联系,提高建模精度。非线性模型（BPNN、SVM）尤其是BPNN对土壤有机质拟合性好,建模精度高。基于原始反射率比值指数建立的BPNN模型建模精度达到0952,检验精度达到0889,建模效果最优。该结果适用于南方水稻土有机质监测,对机载高光谱在土壤有机质监测中的特征波段提取和建模方法选择具有重要借鉴意义,对现代农业发展管理提供新的思路。