利用正交信号校正消除水分影响的银川平原土壤盐分高光谱反演

高光谱遥感是监测土壤盐渍化的重要手段之一，但野外光谱反射率易受土壤水分的影响，导致盐分监测精度难以保证。为有效消除水分因素，提高土壤含盐量反演精度，该研究以银川平原盐渍化土壤为研究对象，以野外土壤光谱反射率（reflectance，Ref）和实测土壤含盐量为数据源，分析不同含水率的土壤光谱特征，将反射率经过一阶微分（first derivative of reflectance，FDR）、正交信号校正（orthogonal signal correction，OSC）和一阶微分-正交信号校正（first derivative of reflectance - orthogonal signal correction，FDR-OSC）变换，分析各光谱数据与含盐量、含水率的相关性，确定最佳“除水”方法，然后基于支持向量机（support vector machine，SVM）建立土壤含盐量反演模型。结果表明：1）含水率与土壤光谱反射率呈反比，光谱在1 430、1 950、2 200 nm附近存在吸收带，1 950 nm附近为最主要吸收波段，且存在向长波漂移的现象。2）光谱数据与含水率相关性由强到弱的顺序为：Ref、OSC、FDR、FDR-OSC；与含盐量相关性由强到弱的顺序为：FDR-OSC、FDR、OSC、Ref。3）基于FDR-OSC“除水”的SVM含盐量模型决定系数R_c²、R_p²和相对分析误差（relative prediction deviation，RPD）分别达到0.952、0.960和5.04，具有极强的拟合和反演能力。研究结果可为银川平原及同类地区土壤含盐量的精准监测提供科学依据。     

河北铅锌尾矿库区土壤重金属含量高光谱反演方法对比

为更好地研究利用光谱反映的土壤重金属信息，实现具有多重金属复合污染问题的铅锌矿区土壤重金属含量高光谱快速估测，该研究以河北省某铅锌矿区为例，首先对研究区土壤的Cu、Cr、Ni、Zn、Cd、Pb污染状况进行了评价分析，其次基于实验室高光谱数据，组合变换光谱、特征变量和反演算法形成不同反演策略，通过各反演策略下的重金属反演精度比较，定量分析不同光谱预处理、特征选择和建模算法的优劣与适应性，构建最优反演模型。研究结果表明：1）研究区土壤Cr、Ni清洁程度较好，其余Cu、Zn、Cd、Pb均有不同程度污染；参比当地土壤背景值，区域内梅罗综合污染指数均值29.7，为重度污染，潜在生态风险因子均值1330.3，处于高生态风险状态；2）光谱预处理可以增强土壤重金属信息表达。其中，光谱微分效果较好，但易受噪声影响，而多元散射校正、标准正态变量、倒数对数变换可以进行光谱去噪，提升处理效果；3）特征选择方法中，相关系数法选择特征波段数目多，不同重金属反演R² 差异较大；Boruta法选择特征波段数目少，不同重金属反演R² 差异较小；4）BPNN、XGBoost可以较好描述重金属含量与光谱的非线性关系，相较于其他算法具有更好表现，分别实现了Cr、Ni、Zn和Pb、Cd的最优反演，SVMR实现了Cu的最优反演。研究表明，不同的光谱预处理、特征选择与建模算法对于土壤重金属含量的反演均具有较大影响，选择合适的处理、建模算法可以有效提升反演精度。该研究为进一步实现高效、准确、大范围遥感监测铅锌矿区土壤重金属污染状况提供参考依据。     

Optimal bandwidth selection for retrieving Cu content in rock based on hyperspectral remote sensing

Hyperspectral remote sensing technology is widely used to detect element contents because of its multiple bands,high resolution,and abundant information.Although researchers have paid considerable attention to selecting the optimal bandwidth for the hyperspectral inversion of metal element contents in rocks,the influence of bandwidth on the inversion accuracy are ignored.In this study,we collected 258 rock samples in and near the Kalatage polymetallic ore concentration area in the southwestern part of Hami City,Xinjiang Uygur Autonomous Region,China and measured the ground spectra of these samples.The original spectra were resampled with different bandwidths.A Partial Least Squares Regression(PLSR)model was used to invert Cu contents of rock samples and then the influence of different bandwidths on Cu content inversion accuracy was explored.According to the results,the PLSR model obtains the highest Cu content inversion accuracy at a bandwidth of 35 nm,with the model determination coefficient(R²)of 0.5907.The PLSR inversion accuracy is relatively unaffected by the bandwidth within 5-80 nm,but the accuracy decreases significantly at 85 nm bandwidth(R²=0.5473),and the accuracy gradually decreased at bandwidths beyond 85 nm.Hence,bandwidth has a certain impact on the inversion accuracy of Cu content in rocks using the PLSR model.This study provides an indicator argument and theoretical basis for the future design of hyperspectral sensors for rock geochemistry.     

基于多模态多目标优化的端元束提取方法研究

为解决高光谱影像受传感器及分辨率的影响所产生的光谱变化给解混造成的困扰，提出基于多模态多目标优化的端元束提取方法(MOPSOSCD)。对高光谱图像进行标号编码，采用基于索引的环形拓扑结构进行邻域的个体交互，通过邻域最优改进粒子群速度更新方式并整数化粒子位置更新。同时，根据高光谱图像空间特征，通过改进决策空间拥挤距离提高决策空间的多样性，再结合目标空间的拥挤距离进行综合排序，实现多模态多目标优化的粒子筛选。当粒子定向移动概率p_m为0.2、粒子数P为30及迭代次数M为400时，算法在MUUFL数据集上均方根误差(RMSE)及平均光谱角距离(mSAD)分别为0.008 8、0.111 2。通过对比试验，本文方法相较于VCA、DPSO等方法具有更高的提取精度和效率，为高光谱解混提供了更加准确的端元束提取方法。     

利用高光谱估算博斯腾湖西岸湖滨绿洲土壤有机质含量

以新疆博斯腾湖西岸湖滨绿洲为研究区,利用实测的土壤有机质含量与高光谱数据,通过多元逐步回归与偏最小二乘回归法分别构建反演土壤有机质含量估算模型.结果表明:(1)研究区土壤有机质含量变化范围为5.09～44.00 g·kg-1,均值为16.87 g·kg-1,变异系数为44.69％,呈中等变异;土壤有机质含量与土壤光谱反...     

融合光谱反射率与时频特征的坡垒叶绿素含量估测模型研究

【目的】研究估测坡垒叶绿素含量的高光谱模型，探讨融合光谱反射率与时频特征估测叶绿素含量的可行性，为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象，设置N0（0 kg/hm²）、N1（35 kg/hm²）、N2（70 kg/hm²）3个氮肥水平，测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线，采用离散傅里叶变换（DFT）和短时傅里叶变换（STFT）方法提取光谱时频特征，采用偏最小二乘回归（PLSR）算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型，估测不同氮肥水平下坡垒叶绿素含量，并以决定系数（R²）、平均绝对百分比误差（MAPE）、相对均方根误差（RRMSE）作为评价指标比较各模型精度，确定最优估测模型。【结果】（1）不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似，在可见光波段（380~750 nm）内，光谱反射率随着叶绿素含量的增加而降低。（2）在构建的分区模型中，基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量，检验R²分别为0.626~0.816，0.662~0.797，检验MAPE分别为4.966％~9.269％，6.029％~8.181％，检验RRMSE分别为6.827％~11.593％，8.247％~9.792％；基于融合光谱反射率与时频特征（融合特征）构建的分区模型检验R²为0.913~0.951，检验MAPE和RRMSE均低于10％。（3）在构建的综合模型中，当引入哑变量时，基于融合光谱反射率与时频特征（融合特征）构建模型的检验R²为0.814，MAPE和RRMSE分别为7.212％和8.578%，二者较基于光谱反射率构建的模型分别降低了37％和36％，较基于时频特征构建的模型分别降低了47％和45％。【结论】基于融合光谱反射率和时频特征（融合特征）构建的模型能够提高坡垒叶绿素含量估测的精度，对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果，可作为估测坡垒叶绿素含量的优选方法。     

基于水稻种粒高光谱的品质性状预测方法

为探究作物种子品质性状无损检测方法，以100份水稻核心种质资源为试验材料，基于近红外高光谱相机采集水稻种粒的透射、反射光谱数据并提取光谱参数，水稻种粒脱壳后使用近红外谷物分析仪测定米粒品质；以水稻种粒光谱参数为自变量、米粒品质指标为因变量，建立米粒品质预测模型。结果显示，使用单一光谱建模时，透射光谱建模效果优于反射光谱建模效果；结合透射-反射特征光谱集合建模可使粗蛋白预测模型R²从0.74提高至0.91，可使直链淀粉预测模型R²从0.40提高至0.69，可使水分预测模型R²从0.53提高至0.68。结果表明，使用水稻种粒光谱参数可无损预测稻米品质，同时利用透射、反射光谱可提升建模效果。     

利用相关矩阵法优化光谱指数的冬油菜氮素营养诊断

近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断，该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源，根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数，随后利用相关矩阵法提取最佳光谱组合，并根据与NNI相关系数的计算结果筛选最优光谱指数，最后将最优光谱指数分为3组模型输入变量，分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数，3个组合选择的光谱指数与NNI的相关...