荒漠化土地土壤有机质含量的实测光谱估测

在对2个荒漠化典型区土壤采样、化验分析和光谱测量的基础上,分析荒漠化土地土壤的反射光谱特征及土壤有机质的光谱敏感范围,构建多种土壤有机质含量高光谱估测模型。结果表明:荒漠化土地土壤具独特的波浪型光谱曲线,其主要特点是在可见光和近红外的500～900nm光谱范围存在一个明显的弓形突起区,其对提取土壤有机质信息有实际意义;相关分析发现,在中心波长分别为600和830nm的可见光和近红外光光谱范围分别存在1个有机质光谱敏感区;土壤有机质含量高光谱估测模型验证结果表明,利用波长588nm处的反射光谱对数lgR588和反射光谱倒数1/R588以及波长835nm处的反射光谱倒数的导数(1/R835)'和反射光谱对数的导数(lgR835)'分别建立的模型,可以较好地估测荒漠化土地土壤有机质含量。     

基于近红外光谱的紫丁香叶片叶绿素含量的估测研究

近红外具有快速无损检测特点,利用该特点能够对紫丁香叶片叶绿素的含量进行估测。采用的试验方法是采取东北林业大学城市示范实验林场中的紫丁香叶片60片,从中随机抽取40片作为建模集,其余20片为验证集,并用偏最小二乘法建立建模集的叶片的近红外光谱和叶绿素含量的关系模型。再利用该模型来估测验证集紫丁香的叶绿素含量。本次试验,建模集的预测集和校验集的R2分别达到0.86和0.73,相关系数均达到85%以上,并且验证集的R2值达到0.82,相关系数为90.85%,说明近红外技术具有应用于叶片叶绿素含量估测的潜力。     

基于叶片光谱反射率的毛竹氮元素含量估测研究

【目的】以福建省顺昌县大干镇的毛竹为研究对象,研究毛竹叶片氮元素含量的最优估测模型,为毛竹生长状态分析与林地土壤肥力估测提供基础。【方法】通过对毛竹叶片原始光谱、一阶微分光谱及相关的植被指数与叶片氮元素含量进行相关性分析来筛选氮元素敏感特征参数,并构建了多元线性回归模型、随机森林模型以及支持向量机模型,利用决定系数最优原则筛选3个模型中的最优模型并进行精度验证。【结果】R387、DR663、NDVIg-b(R575、R440)、SIPI、PRI和PPR 6个参数与毛竹叶片氮含量具有较为显著的相关性,基于这6个敏感参数所构建的3种模型中,多元线性回归模型与随机森林模型拟合效果较差,精度验证结果R2分别为0.4355、0.4371,惩罚因子C和核参数Sigma分别设为3和0.1的支持向量机模型估测结果最好,其实测值与预测值拟合决定系数为0.8031,总体精度为94.02%。【结论】基于R387、DR663、NDVIg-b(R575、R440)、SIPI、PRI和PPR 6个叶片光谱参数所构建的支持向量机模型能够较为准确地估测毛竹叶片氮元素含量。     

基于灰色RBF神经网络组合模型的交通量预测研究

根据新陈代谢灰色模型和RBF神经网络模型各自的特点,构造一种新陈代谢灰色模型与RBF神经网络模型组合的平面型模型,模型对无检测器公路的交通量具有较好的预测能力,并用实地调查的数据进行仿真和比较,验证此模型具有较高的精度,从而证明这一模型的可行性和有效性。     

基于不同预处理的椴树木材基本密度近红外光谱估测及模型优化

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。     

山地土壤中有机质与全氮含量之间关系的探讨

<正> 有机质是土壤中的重要组成部分,是土壤中各种营养元素特别是氮,磷的重要来源。土壤中全氮含量和有机质含量是土壤肥力诸因素中很重要的两个因素。在化学测定技术上,土壤全氮的测定较烦琐,而土壤有机质的测定较为容易,本文是以实际测定的大量数据中,通过回归分析,找出了河北省山地土壤全氮量     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

基于非成像高光谱烟叶生化参数估测

为快速无损地检测出烟叶氯含量,掌握烟草植株的健康状况,控制烟叶的品质,以云南省陆良县大漠古乡烟草种植基地主要栽种的云烟97号为研究对象,通过采集烟叶高光谱数据,并测定其氯含量,利用相关性分析和多元逐步回归或线性拟合法分析了氯含量与原始光谱反射率、反射率的一系列变换形式、高光谱特征变量间的关系。结果表明：烟叶氯含量高光谱反射率特征波长为420 nm;光谱一阶微分特征波长为939 nm;光谱对数特征波长为419～422 nm;光谱对数一阶微分特征波长为372 nm;光谱归一化特征波长为1005 nm;光谱归一化一阶微分特征波长为1694 nm;特征变量λ_r(红边位置)与烟叶氯含量相关性最好;光谱归一化的逐步回归方程对烟叶氯含量的估测效果最好(R²=0.632,P<0.01)。     

基于CASA模型的内蒙古地区草地生产力估测

草地生产力水平估测是草地生态健康诊断和地区草地可持续发展规划制定的基础工作之一。有鉴于此,此次研究利用CASA模型,综合考虑气温和水分对植被生长的影响,对内蒙古地区草地初级净生产力进行估算。该模型估算结果和使用MOD17A3H数据计算的结果相关系数可达0.935,说明模型估测结果具有较高的准确性。使用该模型估测内蒙古草地生产力可知,草地NPP呈现出自西向东、由南向北递增的趋势。使用Hurst指数法分析可知,SNPP由增加变为减小占比最高的类型为低地盐化草甸类,其次为温性草甸草原类,分别为19.43%和17.59%。     

基于冠层高光谱数据的油茶炭疽病病情指数估测

利用一阶导数、S-G平滑及多元散射校正等光谱预处理方法对油茶炭疽病危害下原始光谱进行预处理后,采用SPXY样本划分法将65个样本按7∶3将样本划分为45个校正集和20个预测集,再对不同预处理的光谱数据建立油茶炭疽病病情指数偏最小二乘回归模型。结果显示,在多种预处理方法中,S-G平滑预处理效果最好。通过连续投影算法(SPA)以及竞争性自适应重加权采样算法(CARS),从S-G平滑预处理的光谱中提取特征波长,进而构建基于偏最小二乘回归(PLSR)的油茶炭疽病病情指数的估测模型。试验结果发现,基于SPA所提特征波长建立的SPA-PLSR模型预测集R²_p和预测均方根偏差(RMSEP)分别为0.700和0.072,基于CARS所提特征波长建立的CARS-PLSR模型预测集R²_p和RMSEP分别为0.834和0.053;CARS-PLSR预测模型总体上要优于SPA-PLSR模型,可实现油茶炭疽病病情指数的估测。     

基于RBF神经网络的高速公路防追尾模型研究

为提高高速公路车辆跟车安全,在常用安全距离算法基础上,结合汽车制动过程分析,提出安全度判别准则的安全控制方法,建立RBF神经网络防追尾模型,讨论RBF网络设计过程中的参数设置,并运用m atlab编程进行训练和仿真,仿真结果表明RBF模型是有效的;同时,模型为高速公路汽车追尾建模提供一种新思路,为汽车预警设计提供理论基础。     

杉木叶绿素含量高光谱遥感模型研究

利用高光谱技术,探索杉木成熟林反射光谱与其叶绿素含量之间的相关关系。以湖南省攸县黄丰桥国有林场杉木成熟林为对象,采用美国ASD公司生产的手持式野外光谱仪(波长325~1 075 nm)进行地面和空中的杉木冠层波谱观测,采集到有效观测数据44条,并同步展开叶绿素总量分析。采用ViewSpec Proversion 4.02、SPSS17.0统计软件、MATLAB软件、EXCEL数据分析工具对波谱数据进行处理和生化成分相关性分析,建立了叶绿素总量与反射光谱关系模型,通过模型检验,得到杉木叶绿素总量的高光谱模型为:y=0.291x395+20.172x521+0.758。     

截形叶螨危害下枣叶片含水率高光谱估测模型

【目的】叶片含水率是反映植物生长发育状况的重要指标,对其进行实时、快速、准确的动态监测是实施枣园精准灌溉和水分合理利用的重要技术措施,对枣树水肥一体化管理有一定的实用参考价值。【方法】以截形叶螨危害下枣叶片的光谱反射率和叶片含水率数据为基础,分析枣叶片原始光谱反射率和不同微分变换光谱反射率与叶片含水率间的相关关系,分别运用一元线性回归(MLR)、多元线性逐步回归(SMLR)法构建了截形叶螨危害下枣叶片含水率的高光谱估测模型,并以模型拟合度(R~2)为主要依据,结合均方根差(RMSE)和相对均方根差(RE)对模型的稳定性和预测能力进行了检验。【结果】微分数据变换可以有效增强枣叶片光谱与水分含量之间的相关性,其中以一阶微分变换的反射光谱与叶片水分含量间具有最密切的相关性。而在截形叶螨危害下枣叶片含水率的高光谱估测模型中,SMLR模型整体建模效果优于MLR模型,其中以655 nm等7个波段组合的一阶微分光谱敏感波段所构建的SMLR模型的拟合度最好,R~2达到了0.836。【结论】截形叶螨危害下枣叶片光谱反射率对其叶片含水率存在光谱指示波段。因此,利用高光谱技术对其叶片水分状况进行适时监测是可行的,这对该虫害危害后枣叶片水分含量信息的探测和虫害的早期监测及预警均有一定的应用潜力。     

基于BP神经网络模型思茅松天然林生物量遥感估测

以普洱市思茅松天然林为研究对象,以Landsat8 TM影像和DEM(30 m)数据为信息源,结合2006年森林资源二类调查小班数据和2012至2013年样地实测数据,在ENVI下提取14个自变量备选因子(11个遥感因子、3个地形因子),在MATLAB平台下利用BP神经网络模型建立研究区思茅松天然林生物量估测模型。结果表明,利用优选训练算法Ploak-Ribiere,隐含层节点数为9时效果最佳,得到决定系数R2=0.85,均方误差RMSE=14 t/hm2,预估精度P=74.75%。以像元为单位,分块提取思茅松对应的自变量,利用估测模型得到普洱市思茅松天然林总生物量为62 185 871.9 t,单位面积生物量为51.06 t/hm2。     

基于ENVISATASAR数据的高山松林蓄积量估测模型研究

以香格里拉县南部为研究区,利用ENVISATASAR双极化数据,基于数理统计方法对该地区的高山松林蓄积量估测模型进行研究。首先分析HH,日y,HV／HH值与高山松林样地蓄积量之间的相关性,结果为日y极化数据与蓄积量相关性最高;然后建立简单线性模型、指数模型以及加入地理因子的多元线性模型与非线性模型,得出指数模型为最优模型;利用独立的检验样本对最优模型进行精度评价,预测值与实测值基本相符合,平均相对误差为14．41％。     

基于无人机遥感的胡杨地上生物量估测模型构建

为了构建胡杨冠幅及地上生物量估测模型,在胡杨分布区设置的样地中选取328株样木,以无人机遥感数据提取的胡杨冠幅为自变量,以胡杨生物量模型获取的地上鲜生物量为因变量,通过相关及回归分析方法,构建不同函数形式的估测模型并进行精度分析。结果显示,墨玉县、巴楚县、轮台县,以无人机遥感估测胡杨生物量的最优模型均为三次曲线函数形式,精度分别为94.93%,95.63%,92.24%。研究确定了处于不同林龄胡杨样地的地上生物量的最优估测模型。可见,运用无人机遥感估测生物量是可行的,可为胡杨林的经营管理和生态价值评估提供技术支撑。     

基于地理加权回归模型的思茅松生物量遥感估测

通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。     

樟树幼林叶绿素含量的高光谱遥感估算模型

高光谱遥感的快速发展使得定量估算植被叶绿素含量成为可能.采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,并对观测叶片进行同步叶绿素含量的测定;采用统计相关分析法,分析樟树冠层光谱与叶绿素含量之间的相关关系,并建立相应的估算模型.结果表明:樟树幼林叶绿素含量的敏感波段位于400、556、621 nm;通过建立各敏感段与叶绿素含量之间的估算模型并进行精度检验,得出了叶绿素含量估算的高光谱模型分别为y=exp(1.191 1458.912x)和y=3.29×exp(1458.912x).说明利用高光谱遥感数据可以估测樟树幼林的叶绿素含量.