高光谱土壤多元信息提取模型综述

高光谱土壤多元信息提取模型的精度与光谱学在这一领域未来能够发挥的作用直接相关。在列举土壤样品制备、理化成分测定和土壤光谱数据获取标准技术的基础上,总结了目前适用于土壤光谱处理的异常筛选、平滑去噪、重采样、变换和定量化方法。对偏最小二乘法、主成分分析和多元逐步回归法等8种建模方法进行了对比,分析了各类方法的建模针对性。按照有机质、水分、盐渍化、重金属和其它成分分类归纳了目前取得良好应用效果的多种光谱信息提取模型,并对比了每个模型的信息提取精度。光谱所指示的信息,不仅能够为土壤成分提供快速指示信息,而且在实测数据基础上所建立的信息提取模型,是软件研发、仪器研发和土质评价等工作的理论基础。     

分数阶微分在盐渍土高光谱数据预处理中的应用

光谱微分技术在高光谱数据处理中应用广泛,为研究分数阶微分对光谱反射率与盐渍土含盐量之间相关系数的影响,细化相关系数变化趋势,该文选取新疆塔里木南缘于田绿洲盐渍土为研究对象,以土壤样本含盐量和反射率高光谱数据为数据源,利用Grünwald-Letnikov分数阶微分公式编程计算光谱反射率以及对应的均方根、倒数、对数、对数倒数、倒数对数变换的0～2阶微分（间隔0.2阶）,对比分析每种变换各阶微分与土壤含盐量相关系数曲线的变化趋势以及微分处理对单波段相关系数的影响。结果表明：经微分处理,通过相关系数0.01显著性检验水平的波段数量明显增加（0.6阶＞1阶＞2阶＞0阶）,随着阶数增加,呈现先增后减的趋势,且均在分数阶0.6处达到最多。在0.6阶处,光谱反射率及5种数学变换通过相关系数0.01显著性检验的波段数量按照从大到小为：倒数对数变换=对数变换＞均方根变换＞倒数变换＞光谱反射率＞对数倒数变换。对于波段2 444、 2 423、2 142、2 005 nm,微分算法能够大幅提升与含盐量之间的相关性,相关系数绝对值取最大值对应的阶数均为分数阶。从局部到整体,分数阶微分提升相关性的效果明显优于整数阶微分。该研究结果为分数阶微分在高光谱技术监测土壤盐渍化现象中的应用提供参考依据。     

高光谱遥感土壤湿度信息提取研究

精准农作管理中土壤水分、土壤养分等的空间信息分布 ,可通过高光谱遥感传感器获得。本文通过对土壤的光谱反射率与土壤的表面湿度进行分析 ,比较 5种方法在反演土壤表面湿度的能力 ,并对小汤山精准农业试验区的土壤表面湿度进行高光谱填图 ,建立了较为精细的土壤水分空间分布图 ,对高光谱遥感在精准农业中深入应用进行了有效探索。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

基于双分支卷积网络的高光谱与多光谱图像协同土地利用分类

高精度监测土地利用对实现可持续发展有重要意义。然而,由于遥感传感器成像的限制和地物的复杂性,单一的高光谱和多光谱图像已经不能满足高精度土地利用分类的要求,充分利用高光谱和多光谱遥感图像的互补信息能克服仅采用单一遥感图像分类的不足。该研究设计双分支卷积神经网络协同高光谱和多光谱遥感图像进行土地利用分类。针对高光谱图像设计3维-1维卷积神经网络（3D-1D Convolutional Neural Networks,3D-1D CNN）分支自动提取高光谱图像的空间-光谱特征;针对多光谱图像,设计3维卷积神经网络（3D Convolutional Neural Networks,3D CNN）分支提取多光谱图像的空间-光谱特征;设计融合层将从高光谱和多光谱图像提取的特征进行融合,最后通过全连接层输出土地利用类别。研究表明,与决策树（Decision Tree,DT）、支持向量机（Support Vector Machine,SVM）以及1D、2D和3D CNN方法相比,该文提出的基于双分支卷积神经网络的方法在两个数据集上Kappa系数平均分别提升了15.9、8.1、5.4、5.4和2.7个百分点。     

黄河三角洲土壤含水量状况的高光谱估测与遥感反演

为探讨利用近地高光谱和遥感影像数据结合预测土壤含水量的可行方法,以黄河三角洲垦利县为研究区,采用中心波长反射率和波段平均反射率两种拟合方法,利用室外实测高光谱窄波段反射率数据模拟Land Sat8卫星宽波段反射率,进而通过组合,选取敏感光谱参量,应用多元逐步线性回归方法分别建立土壤含水量高光谱单一形式波段组合与多形式波段组合估测模型,并选取最优估测模型。采用线性混合像元分解处理遥感影像,同时采用比值均值订正方法对遥感影像反射率进行订正,在此基础上,将模型应用到经过订正的Land Sat8卫星影像,实现了对研究区土壤含水量的遥感反演。结果表明,最佳模型是基于波段平均反射率拟合方法建立的多形式波段组合估测模型。从反演结果看较为符合研究区土壤含水量的实际状况。     

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。     

基于分数阶微分预处理高光谱数据的荒漠土壤有机碳含量估算

对光谱数据进行预处理是提升高光谱建模精度十分必要和有效的途径。为了研究分数阶微分预处理方法在高光谱数据估算荒漠土壤有机碳含量中的应用,该研究以艾比湖流域为研究靶区,利用2015年5月采集的103个表层土壤样本的实测有机碳数据和室内测定的高光谱数据,以0.2阶为步长对原始光谱反射率及对应的倒数变换、对数变换、对数倒数变换、均方根变换的0-2阶微分进行分数阶运算预处理并研究其与土壤有机碳含量相关性,基于通过0.01显著性检验的特征波段对土壤有机碳含量进行偏最小二乘回归建模并进行精度分析。结果表明：1）分数阶微分预处理可以细化土壤有机碳及其光谱反射率相关性的变化趋势;2）各阶微分预处理后的相关系数通过显著性检验波段的数量均呈现先增后减的趋势,但波段数量最多的对应阶数并不统一;3）对数变换的1.6阶微分所建立的模型为最优模型,该模型的RMSEC=2.433 g/kg,R2c=0.786,RMSEP=2.263 g/kg,R2p=0.825,RPD=2.392。说明了分数阶预处理过后的模型精度和稳健性较整数阶微分有了大幅提升,并且运用在高光谱反演土壤有机碳含量上是可行的。     

低空无人机高光谱影像失真评价指标构建

为定量分析无人机高光谱成像系统数据获取时因航线变换及太阳辐照度变化而产生的白噪声、运动模糊、条带噪声等导致的影像失真,该研究利用地物光谱仪和机载成像光谱仪获取研究区内棉花冠层光谱数据,基于典型植被光谱特征分析验证数据质量,配合使用数字图像处理方法完成白噪声、散焦模糊、运动模糊、光谱平滑以及条带噪声的模拟样本集构建,并结合设备采集噪声（条带噪声混合白噪声）构建真实样本集,建立影像波段信息、光谱信息以及空间-光谱总体信息质量的评价指标,通过相关性分析评价指标有效性。结果表明：对模拟样本集,除百分比最大绝对差,本文建立的指标均与影像质量显著相关（P<0.01）,在实际噪声样本内各指标相关性均产生不同程度下降,仅平均绝对误差（0.609,P<0.01）、均方误差（0.459,P<0.01）、相对均方根误差（0.502,P<0.01）以及总体信息保真度（-0.471,P<0.01）满足相关性要求。研究结果可为低空机载高光谱影像质量分析及失真指标的选取提供借鉴和参考。     

草地生物量的高光谱遥感估算模型

为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m²，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。     

高光谱数据降维技术研究

高光谱数据对地物具有更高的光谱分辨率,但是由于高光谱数据巨大的数据量以及相邻波段之间的强相关性,导致了对这种数据的许多分类方法达不到应有的效果,从而在某种程度上制约了其广泛的应用。研究表明,特征提取的理论与方法对高光谱信息的优化处理是十分有效的。实验结果表明,在一定的分类精度范围内,减低维数而不丢失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。     

基于近地高光谱的土壤氯离子含量估测

[目的]建立土壤氯离子与高光谱波段的多元线性回归模型,获取盐渍化信息,为盐分的高精度提取提供更有效的方法,为农业生态环境重建工作提供科学依据。[方法]以山东省垦利县作为研究区,于2014年10月5—7日野外采集93个土壤样本,利用ASD高光谱仪野外采集土样高光谱数据并进行预处理,然后采用多元回归和主成分分析方法建立估测氯离子含量的高光谱模型,以快速估测氯离子含量。[结果]氯离子在近红外749,830,987,1301,1 432,1 486nm较为敏感,在土壤光谱分析的基础上,得到室内风干土壤氯离子含量预测最优模型,模型均通过T检验和F检验,能较好地预测土壤氯离子含量。[结论]研究区土壤各组分盐离子中,阳离子以钠离子为主,阴离子以氯离子为主,该模型使间接得到土壤盐分含量具有较好可行性。     

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...     

基于高光谱数据的杨树叶片干物质含量的估算

将杨树叶片实测的理化数据和土壤背景光谱数据作为PROSPECT和PROSAIL模型的输入参数,输出杨树叶片高光谱数据模拟值,通过实测获得叶片尺度和冠层尺度干物质含量、等效水厚度以及高光谱数据,利用统计方法,分别对两种尺度杨树叶片干物质含量进行分析。结果表明:基于归一化指数计算方法,杨树叶片尺度和冠层尺度的最佳估算干物质含量的干物质含量归一化指数(NDMI)波段组合分别为1685,1704nm和1551,2143nm,使用偏最小二乘法分别对筛选波段组成的NDMI(1685,1704)指数和NDMI(1551,2143)指数构建叶片尺度干物质含量和冠层尺度干物质含量的估算模型,叶片尺度干物质含量估算模型精度为R2=0.663,RMSE=0.001g·cm-2,冠层尺度精度为R2=0.91,RMSE=16.7g·m-2。可见,高光谱技术对杨树叶片干物质含量的估算具有较高的精度,可为杨树叶片干物质含量的快速、无损估算提供参考依据。     

基于高光谱数据预测土壤碱化程度最佳模型及其影响因素的研究

为快速准确地估测土壤碱化程度,对实测波段范围为400~900 nm的土壤光谱数据进行了波段差、波段比、波段归一化3种预处理,采用偏最小二乘法(PLSR)建立了不同波段范围的土壤pH的预测模型,并利用测试集数据对模型进行精度检验。结果表明:采用归一化、波段比2种方式对原始光谱进行预处理,可有效地增强光谱与土壤pH的相关性,并抑制干扰信息,其中归一化最优。虽然可见光波段范围(400~750 nm)所建立的预测模型与全波段(400~900 nm)预测模型R2相同,但其RMSEP比全波段减少了0.059,RPD提高了0.2,说明该波段范围包括了反映土壤pH的大部分信息,是建立其预测模型的优势波段。因此,利用可见光波段的光谱数据,采用归一化预处理可以具有较好稳定性和预测能力地预测土壤pH的最佳模型(R2=0.90,RMSECV=0.104)。     

实测高光谱和HSI影像的区域土壤含水量遥感监测研究

基于典型研究区植被冠层实测高光谱数据和HSI高光谱影像数据,通过相关分析选择与不同深度土壤含水量响应敏感波段,建立两者的土壤含水量反演模型,并用实测高光谱土壤含水量反演模型校正HSI影像土壤含水量反演的模型。结果表明:土壤含水量响应敏感波段区域为450~650 nm和850~920 nm;两种土壤含水量反演模型对土壤深度为0~10 cm的土壤含水量估算效果最好,其中实测冠层高光谱土壤含水量反演模型精度高于HSI影像土壤含水量反演模型,判定系数(R~2)分别为0.659和0.557;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R~2)从0.557提升到0.719,均方根误差(RMSE)为0.043 5,较好地提高了区域尺度条件下土壤含水量监测精度,因此运用该方法进行土壤含水量遥感监测是可行的,为进一步提高区域尺度下土壤含水量定量遥感监测提供参考借鉴。     

棉田土壤水分的高光谱定量遥感模型

在棉花大田水分试验的基础上,采用自主设计的不同土层取样方法,同步获取了棉花冠层高光谱数据和不同深度土壤的水分含量数据以及棉花冠层水分含量数据,分析了棉花冠层含水量与土壤含水量之间的关系、棉花冠层高光谱数据与土壤含水量之间的相关性,构建了基于棉花冠层高光谱数据的土壤水分含量反演模型。结果表明:不同土层的水分含量具有较大差异,棉花冠层对不同土层水分含量的响应程度不同,0~30 cm土层水分含量与棉花冠层含水量的相关性最强,决定系数达到0.58;棉花冠层反射率与土壤水含量在可见光波段呈负相关,近红外波段呈正相关;在所有以棉花冠层高光谱数据的不同变换形式构建的不同土层含水量的PLSR反演模型中,以反射率倒数对数所建的模型对0~30 cm土层和以反射率对数所建模型对0~10 cm土层含水量的预测RPD均达到2.0以上,具有较好的预测能力,其余模型的预测效果不理想。     

基于实验室高光谱数据的大围山森林土壤氧化铁全量反演

氧化铁是土壤中含铁矿物的主体,是土壤发育和土壤分类最明显和最有用的指标之一。本文以湖南省大围山森林土壤为研究对象,通过实验室化学成分测定和光谱采集,在光谱预处理及组合变换基础上,采用相关性分析筛选土壤氧化铁全量的敏感波段,并分别建立多元逐步回归和偏最小二乘回归反演模型。结果表明:不同土壤光谱曲线趋势基本一致,均形似陡坎,且在420～580 nm波段,土壤氧化铁全量与光谱反射率呈负相关关系;不同的光谱数据变换方式可以提高光谱与氧化铁全量的相关性,Savitzky-Golay(S-G)平滑和去包络线相结合优于其他预处理方法;土壤氧化铁全量的特征波段主要为392、427、529、523、549、559、565、570、994和1040nm,偏最小二乘回归模型比多元逐步回归模型具有更好的稳定性,适合于快速估算红黄壤区森林土壤氧化铁全量。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。     

基于棉田原位高光谱数据的土壤pH值反演与制图研究

[目的] 研究快速、准确大面积监测农田土壤pH值,为大面积土壤改良和实现农田精细化管理提供科学支持。[方法] 以南疆阿拉尔市十二团棉田为研究区,采用网格采样法采集231个样点的原位高光谱数据,并同步采集其中116个样点的土壤样品;分析了原位高光谱反射率数据经不同预处理模式后的光谱数据与土壤pH值的相关性;采用偏最小二乘回归、支持向量机回归和随机森林3种建模方法分别建立了土壤pH值的高光谱反演模型,根据模型评价指标优选出最优模型对未采集土壤样点的pH值进行反演制图。[结果] 反射率经微分处理后可有效改善其与土壤pH值的相关性;反射率二阶微分的随机森林模型为所有模型中的最优模型,其验证集的R²为0.87,RMSE为0.04,RPD为2.53;最优模型反演的pH值数据插值所得数字图与实测pH值插值图的空间分布特征高度吻合,能客观反映土壤碱化的空间分布状况。[结论] 随机森林模型为原位反演南疆棉田土壤pH值的最优模型,克里金插值能够客观可视化表达研究区土壤pH值的分布状况。