基于CWT-sCARS的土壤铜含量高光谱反演

光谱变量的有效程度与土壤铜含量的反演精度密切相关。基于原始反射率以及不同分解尺度下的小波系数,本研究采用连续小波变换(CWT)算法、稳定性竞争自适应重加权采样(sCARS)算法和随机森林(RF)算法对土壤铜含量进行了反演与验证。研究结果表明:连续小波变换可以有效提高光谱特征与土壤铜含量之间的相关性,不同分解尺度对应的最大相关系数中,最大值位于Scale 8分解尺度下1343 nm处,相关系数为0.60;使用sCARS算法可以显著减少特征变量的数量,结合CWT变换和sCARS算法可以显著减轻数据冗余,提高土壤Cu含量的反演精度。该研究可为利用高光谱遥感技术,快速、高精度反演土壤Cu含量提供重要参考。

空间特性光谱反演及对户外光谱修正的可行性研究

户外高光谱探测可以快速获取样品的光谱信息,但受环境光线和样品二向反射特性的影响,采集到的光谱并不能准确反映样品的真实信息,对户外探测精度有一定影响。为了提高户外高光谱探测精度,提出了一种使用空间特性光谱对户外光谱进行修正的方法,以冬枣、红提、小白杏为研究对象,使用Walthall、Shibayama、Ross-li、Roujean与Rahman这5种BRDF模型反演3种果品的空间特性光谱,利用反演的空间特性光谱对户外光谱进行修正,之后分别建立暗室光谱、户外光谱与修正光谱的品质预测模型。反演结果表明:3种果品的空间特性光谱均有较好的反演效果,反演误差从低到高依次为冬枣、小白杏、红提,平均决定系数R2分别为0.957、0.947、0.927,平均误差分别为3.56%、4.90%、8.23%;5种BRDF模型中,Walthall模型的反演效果最佳,平均决定系数R2与误差分别为0.949、5.33%,Ross-li模型的反演效果最差,平均决定系数与误差分别为0.934、6.05%。户外光谱修正结果表明:户外光谱经过修正后噪声减少,光谱更为平滑,且光谱趋势与暗室光谱一致,受反演效果影响,冬枣光谱的修正效果最佳,而红提与小白杏的修正光谱中噪声较多。品质预测模型结果表明:3种果品的品质预测模型预测效果差异较大,从高到低依次为冬枣、小白杏、红提,可能与3种果品的品质不同有关;5种BRDF模型得到的修正光谱所建立的模型预测效果不同,但无显著差异;预测模型中,使用暗室光谱建立的预测模型最优,修正光谱建立的模型预测能力优于户外光谱建立的模型,表明户外光谱经过修正后模型预测能力得到提升。BRDF模型能够较好地反演果品的空间特性光谱,修正后的光谱与暗室光谱较为接近,修正光谱建立的模型优于户外光谱建立的模型,表明使用空间特性光谱对户外光谱进行修正的方法是可行的,可为提高户外无损检测的精度提供一种新的思路。

多光谱星敏感器的辐射定标与光谱反演

为实现星敏感器对未知空间光环境的测量,提出一种将宽谱段多光谱滤光片装置于星敏感器中的设计,所采集的星图可覆盖星点信息与空间光环境光谱信息,并以此为基础设计了光谱响应定标、辐射定标的实验方案与空间光环境辐亮度分布反演算法。实验结果表明,反演的光环境辐亮度与实测值较为符合,该方法能根据单张星图实时便捷地估算星敏感器应用空间的光环境,可为后续星敏感器的设计优化和观星窗口的选择提供依据。

叶肉结构对不同树龄核桃叶片氮磷钾含量光谱反演精度的响应

为探究不同树龄核桃叶片、氮(N)、磷(P)、钾(K)光谱特征参量稳定性的响应机理,利用光谱仪测定不同树龄核桃叶片光谱反射率,运用电镜对叶片表面微形态和超微结构进行观察,探寻核桃叶肉结构和N、P、K光谱特征参量稳定性的内在响应。结果表明:2~6年树龄核桃叶片N、P、K光谱特征参量均不相同,但8~12年树龄核桃叶片N元素光谱特征参量均为R_(g)、RNIR/Red, P元素光谱特征参量均为λy,K元素光谱特征参量均为D_(y)、RNIR/Green、SD_(r)/SD_(y)、R_(g)/R_(o)、SD_(b)、(R_(g)-R_(o))/(R_(g)+R_(o))。(2)利用稳定光谱特征参量构建的8~12年树龄核桃叶片N、P、K含量光谱反演模型具有较高精度,其拟合度(r^(2))为0.763 2~0.973 6,均方根误差为0.512 8~1.011 9 g/kg,相对误差绝对值为0.368 7%~4.948 1%,且均通过置信椭圆F检验。(3)核桃叶片表面腺毛分泌的结晶体随树龄增加而减少,经分析结晶体成分为碳(C)、氧(O)、钠(Na)、镁(Mg)、硅(Si)、K、钙(Ca)等多种元素。(4)叶片靠近上表皮的第1层栅栏组织随着树龄增加排列逐渐增密,8~12年树龄的排列最为紧密,几乎无间隙。8年以下树龄核桃叶片厚度、上表皮厚度、下表皮厚度、栅栏组织厚度、海绵组织厚度均随树龄增加而增厚,而8年以上树龄的叶肉结构则随树龄变化基本稳定。综上,核桃叶片N、P、K光谱特征参量及反演精度与不同树龄核桃叶肉结构的稳定性高度一致,8年以上树龄核桃树体可构建具有普适性的N、P、K含量光谱反演模型。

基于不同模型的土壤有机质含量高光谱反演比较分析

以新疆奇台县为研究区域,选取该县40个土壤样本,采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型,并对模型进行了检验。结果发现:不同模型的精度值各异,其拟合效果从高到低依次为人工神经网络(ANNs)集成模型>单个人工神经网络(ANNs)模型>多元逐步回归(MLSR)模型。人工神经网络的线性和非线性逼近能力较强,而其集成模型作为提高反演模型精度的重要手段,相关系数高达0.938,均方根误差和总均方根误差最小,分别仅为2.13和1.404,对土壤有机质含量的预测能力与实测光谱非常接近,分析结果达到了较实用的预测精度,为最优拟合模型。

基于模糊集分析的土壤质量指标高光谱反演

通过对横山县84个土样350～2500nm波段的光谱曲线分析，进行土壤质量12项指标的光谱反演。为获得有效光谱反演指标，利用单相关分析方法计算土壤质量指标与光谱反射率的相关系数并绘制相关系数曲线，根据极大相关性选择最佳波段作为光谱反演指标；剔除异常样本后，利用模糊识别理论建立土壤质量指标反演模型，通过优化得到模型的最佳参数。土壤质量12项指标光谱反演模型的平均检验误差均小于15％，说明模型的精度较高。

基于模糊识别的土壤性质指标光谱反演

为了获得有效的光谱反演指标,采用数学建模方法对横山县采集的84个土样350nm～2500nm波段的光谱曲线进行了有机质、土壤水含量和全铁土壤性质指标光谱进行反演分析。对土壤光谱进行了14种变换,经分析土壤光谱对数的一阶差分为最佳变换方法,利用单相关分析方法,计算土壤性质指标与光谱反射率变换后的相关系数,得到相关系数曲线,根据极大相关性选择最佳波段作为光谱反演指标;剔除异常样本后,利用模糊识别理论建立土壤性质指标反演模型,通过优化得到模型的最佳模型参数。结果表明:土壤性质3项指标光谱反演模型的平均检验误差均小于10%,模型方程的相关系数均高于0.95。

农牧交错区青贮玉米粗蛋白含量分析及高光谱反演

为了探讨青贮玉米全株粗蛋白含量的基因型差异和生育进程中的变化特点,对农牧交错区引进和选育的24份青贮玉米杂交种的粗蛋白含量进行了测定分析。结果表明,不同基因型全株粗蛋白含量具有较大的差异,变幅为6.24%～10.01%,平均值为7.77%;全株粗蛋白含量和生物产量之间总体没有明显的相关关系,分组分析可以呈现出正相关、负相关和无相关三种关系。叶片和全株粗蛋白含量有随生育期的推移而下降的趋势,而且叶片对粗蛋白含量的贡献在前期最高,在中期最低;茎部对粗蛋白含量的贡献在中期最高,在后期最低。各生育期的叶片和全株粗蛋白含量之间具有显著或极显著正相关关系;生育前期叶片粗蛋白含量和收获期全株粗蛋白含量之间具有极显著正相关关系,生育前期和中期全株粗蛋白含量与生育后期全株粗蛋白含量之间具有极显著正相关关系。选用植株冠层12个波长的高光谱反射率的一阶导数,与叶片和全株粗蛋白含量作回归分析,可以获得很好的效果,拟合度(R2)可以达到0.8以上。

干涉数据光谱反演方法研究

干涉光谱仪获取的干涉数据是一种中间数据,需要进行光谱反演,常规的方法是采用傅里叶逆变换反演光谱。文章由干涉数据的基本公式入手,推导出干涉数据的混合模型,给出一种基于干涉数据混合模型的光谱反演方法。利用干涉数据对该方法及傅里叶逆变换方法进行计算机仿真,对其光谱反演结果进行对比。由仿真结果可以看出,所提方法反演的光谱精度要优于通用的傅里叶逆变换方法反演的光谱,为干涉数据光谱反演提供新的思路。

ETM图像地物反射率光谱反演

用搭载在卫星Landsat-7上的多光谱成像仪ETM记录的来自地气系统的辐亮度光谱图像,反演地物反射率光谱,在ETM1波段,反射率反演的不确定度基本上保证在17%以内,2,3波段在10%以内,优于目前常用的简易算法。用反演的地物辐亮度光谱合成的sRGB真彩色图像,清晰度欠佳,未作经验调整时明显偏色,用于航天对地真彩色摄影这一反演精度还不够,但用于目视判读明显优于原图像。

非均匀采样干涉数据光谱反演技术研究

干涉光谱成像仪获取的干涉数据是一种中间数据,需要进行光谱反演才能够得到目标光谱数据,傅里叶变换方法是常规的光谱反演方法。由于干涉数据中存在非均匀采样问题,若忽略光谱混叠,直接采用快速傅里叶变换会导致反演光谱的失真,难以满足实时处理需求。针对非均匀采样干涉数据的光谱反演需求,将插值及非均匀快速傅里叶变换(NUFFT)方法应用到光谱反演处理中,对过采样及部分欠采样情况下的非均匀采样干涉数据,提出了相应的光谱反演方法,并分析了方法的适用性。最后对过采样及部分欠采样情况下的光谱反演方法进行计算机仿真,过采样情况下采用NUFFT方法反演光谱的精度要明显高于插值方法,而部分欠采样情况下插值方法反演光谱的精度要明显高于NUFFT方法,并对欠采样造成的光谱混叠有一定的修正,验证了方法的有效性。

空间采样傅里叶变换光谱仪光谱反演研究

根据相似性准则,对采集到的干涉图像进行干涉图元的拆分,通过寻址定位,得到与离散光程差序列相匹配的采样干涉图序列。采用过零采样方式,对大单边干涉图序列与小双边干涉图序列利用不同的窗函数进行切趾。为了校正相位误差,结合所研究采样干涉图的特点,对频域光谱乘积校正和空域干涉图卷积校正进行了研究和改进,获得了比较理想的光谱线形,其中空域干涉图卷积校正后的光谱偏差仅为0.012088,具有最好的校正效果。

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。

西平县高标准农田Zn含量高光谱反演研究

为实现高标准农田土壤重金属Zn含量的快速测定,本文以西平县土壤Zn为研究对象,通过采集168个土壤样本进行室内实验,获得土壤高光谱数据(400~2 400 nm)并进行Savitzky-Golay平滑后,利用5种光谱变换,结合连续投影算法识别最佳特征波段,采用偏最小二乘回归方法构建Zn元素最佳反演模型。结果表明:二阶微分(SD)在1 409 nm波段的相关性(-0.502)最大,一阶微分(FD)在2 323 nm波段的相关性(0.491)最大,去包络线(CR)在2 439 nm波段的相关性(0.476)最大;倒数对数(LOG)、一阶微分、二阶微分、平滑曲线(SG)、去包络线的拟合度(R2)在0.65~0.70之间,相对分析误差(RPD)处于1.71~2.29之间,其中去包络线的拟合度(R~2=0.70、RPD=2.29)最高。经过5种光谱变换后的光谱反射率可有效突出光谱反射率的变化特征,并用于构建反演模型;土壤重金属Zn的最佳模型是以去包络线光谱变换为最佳偏最小二乘模型。

大摆角摆臂式干涉仪非线性干涉信号光谱反演

为快速实现大摆角摆臂式干涉仪非线性干涉信号的光谱反演,通过分析大摆角摆臂式干涉仪的工作过程和干涉信号的非线性对光谱反演的影响,提出了基于非均匀快速傅里叶变换(NUFFT)的光谱反演方法。该方法先利用核函数和卷积算法让非线性干涉信号线性化,然后对线性化的干涉信号进行快速傅立叶变换实现光谱反演。实验将光程差替换法和NUFFT算法分别应用于非线性干涉信号的光谱反演。结果表明:两者光谱反演精度相近,但NUFFT算法速度更高。

基于拟合算法的傅里叶变换光谱仪光谱反演

在傅里叶变换光谱仪(FTS)中,精确获取每个干涉信号采样点处的光程差是获取光谱图的关键。动镜速度的波动会对等时间采样造成采样误差,而当目标光源波长较短时无法直接利用传统方法进行等光程差采样。分析了速度波动误差对光谱的影响,并提出了一种基于拟合算法计算干涉信号每个采样点处光程差的方法,在动镜速度波动较大的情况下对可见光波段的干涉信号进行采样反演。实验结果表明,此方法准确度高,适用于各种傅里叶变换光谱仪。

一种基于FPGA的高速光谱反演系统

为了高速采集并反演光谱数据,采用FPGA设计了一种高速光谱反演系统。由FPGA控制CCD驱动模块,使CCD高速采集干涉条纹数据并传输给FPGA处理模块。设计了高速数据采集与处理的FPGA硬件结构,通过仿真数据分析了采集模块与处理模块的时序逻辑关系。为了同时满足系统光谱反演精度与速度的要求,对比了8bit、10bit和12bit数据位深条件下的频谱分布,实验结果显示,位深越小速度越快,但其会降低光谱反演的对比度;而位深越大光谱反演的对比度越好,但处理速度越慢,综合考虑本系统采用10bit位深结构。实验针对中心波长为975nm的激光进行光谱反演,并与MATLAB反演数据进行对比分析。结果显示本系统检测精度符合要求,且速度更快。

矿业废弃地重构土壤重金属含量高光谱反演

矿产资源对工业和国民经济的发展有重要的作用,但是随着矿业开采规模的扩大,资源枯竭、经营不善而形成的矿业废弃地越来越多。由于长时间受到采矿的影响,矿业废弃地土壤中存在大量的重金属元素,高浓度重金属可能会对环境和人体产生影响。土地复垦是整治污染、退化土壤再利用的重要方法,对重构后的土壤进行重金属含量检测是衡量土地复垦成效的重要指标,需要长期进行跟踪监测。传统的化学检测方法效率低、成本高、无法实现重金属大范围检测。高光谱是一种新兴的、发展潜力巨大的技术,在环境保护,资源利用,区域可持续发展等方面有着广泛的应用。经过近几十年的快速发展,仪器精度逐渐提高,检测方法逐渐成熟,为实现土壤重金属高效、便捷检测提供了可能。正常土壤重金属含量一般相对较低,采用光谱测量重金属含量较为困难,但铁矿开采区矿业废弃地由于土壤中的铁元素较多,会使土壤中的重金属的存在和聚集形式发生变化,影响重金属对光谱的响应,从而使土壤光谱反射率与重金属含量之间关系更加明显。以湖北省大冶市复垦矿区研究区,采样化学检测方法获取土壤重金属(As, Cr, Zn)含量;借助于美国ASD公司生产的FieldSpec4地物光谱仪(350～2 500 nm)获取土壤反射率,应用一阶微分、倒数对数、连续统去除法分别对反射率曲线进行预处理,提取出光谱特征波段,分析三种重金属元素与光谱特征间的相关性并建立逐步回归模型。研究表明,光谱数据预处理可使光谱特征波段更加明显,其中一阶微分和连续统去除法的效果最为明显。3种重金属元素的特征波段为495, 545, 675, 995, 1 425, 1 505, 1 935, 2 165, 2 205, 2 275和2 355 nm。将土壤重金属含量与光谱特征波段之间做相关性分析,三种重金属都表现出了与光谱曲线的相关性,相关系数大部分都达到了0.5以上,最大相关系数为0.663,由于重金属种类和预处理方式的不同会导致相关性系数存在明显的差异。利用与土壤重金属相关性最大的特征波段建立三种重金属反演模型,并以反演模型r大小选择每种重金属的最优反演模型。由于重金属种类的不同,模型的选择也有差异, Cr和Zn一阶微分逐步回归为最佳反演模型,重金属As连续统去除法逐步回归为最佳反演模型。通过检验,三种重金属中Cr反演效果最好, RMSE为2.67,其次是Zn和As。对比当前不同检测手段可知,基于土样和光谱数据预处理的土壤重金属含量地物光谱仪高光谱反演是比较理想的。可为矿业废弃地土壤重金属高光谱反演提供参考。

基于离散粒子群和偏最小二乘的水源地浊度高光谱反演

随着面源污染的加剧,导致水源地水体富营养化程度日趋严重,浊度作为衡量水体富营养化的一项重要指标,是水质评价的重要参数。为降低浊度偏最小二乘(Partial least squares,PLS)反演模型建模的不确定性,提高模型反演精度,提出了基于离散粒子群(Discrete binary particle swarm optimization,DBPSO)和偏最小二乘的水体浊度反演模型。以2015年10月在南水北调东线重要水源地微山湖获取的水体浊度和准同步的HJ-1A HSI高光谱数据为例,利用HJ-1A HSI B26-B105(中心波长:518~870 nm)全谱段光谱反射率(Original spectral reflectance,OSR)和归一化光谱反射率(Normalized spectral reflectance,NSR)直接构建浊度OSR-PLS和NSR-PLS反演模型,同时利用离散粒子群算法优选输入浊度PLS反演模型的最佳原始波段反射率和归一化光谱反射率,在此基础上提出并构建浊度OSR-DBPSO-PLS和NSR-DBPSO-PLS反演模型;然后对上述模型进行精度评价,分析光谱归一化处理和特征波段优选对PLS模型反演精度的影响,选择精度最高的模型反演微山湖水体浊度分布。结果表明:NSR-PLS模型精度(R2=0.91)高于OSR-PLS模型(R2=0.50),对波段进行归一化处理能提高浊度PLS反演模型精度;DBPSO能够识别浊度PLS反演的最佳波段,浊度PLS建模所需的波段数由80个分别减少为44个(OSR波段)和36个(NSR波段),在此基础上构建的OSR-DBPSO-PLS模型(R2=0.96)和NSR-DBPSO-PLS模型(R2=0.97)均具有较高精度,显著高于直接利用全谱波段构建的浊度PLS模型反演精度;选择综合误差最小的NSR-DBPSO-PLS模型反演微山湖水体浊度,反演结果符合实际,该模型适用于HJ-1A HSI数据和内陆水体浊度反演。

博斯腾湖西岸湖滨带土壤盐分高光谱反演

选取博斯腾湖西岸湖滨带为研究区,沿垂直湖岸线方向采集14个土壤剖面70个样本,利用ASDFieldSpec3地物光谱仪获取高光谱数据,基于Q型聚类分析研究不同含盐量土壤光谱特征,对土壤光谱反射率与含盐量做逐波段相关分析和显著性检验,筛选不同光谱变换下的敏感波段,通过多元逐步回归和偏最小二乘回归方法,分别以敏感波段和全波段光谱构建12个土壤含盐量反演模型,优选最佳反演模型。结果表明:17种高光谱变换中,4种最优光谱变换使土壤含盐量与Savitzky-Golay平滑后的反射率极显著相关波段数明显增多,分别是反射率的一阶微分、平方根一阶微分、对数倒数一阶微分、倒数对数一阶微分,综合确定盐分敏感波段聚集在749.102430833230,1677和2387nm处;以对数倒数一阶微分光谱全波段建立的偏最小二乘回归模型更适合该区0~50cm土壤含盐量的高光谱反演,其建模和验证决定系数R^2分别为0.93和0.85,均方根误差RMSE分别为0.37和0.42,相对预测偏差RPD为3.57。