基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390~780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r^(2)=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素含量估算的最优模型。

基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度,以关中地区冬小麦为对象,基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据,应用偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和随机森林(RF)法构建冬小麦叶面积指数估算模型,进行区域冬小麦叶面积指数遥感反演。结果表明,Sentinel-2多光谱卫星影像中心842nm近红外B8波段与冬小麦叶面积指数相关性最好,样本总体相关系数为0.778;植被指数中反向差值植被指数(IDVI)与冬小麦叶面积指数相关性最好,样本总体相关系数为0.776。各种估算模型中LAI-RF模型预测效果最佳,r^(2)为0.72,RMSE为0.53,RE为16.83%。基于LAI-RF估算模型,应用Sentinel-2多光谱卫星数据较好地反演了研究区冬小麦叶面积指数区域分布,其结果总体上与地面真实情况接近,说明以Sentinel-2卫星影像数据建立LAI-RF估算模型,可应用于区域冬小麦LAI反演制图。

无人机高光谱遥感估算冬小麦叶面积指数

为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算,该研究以拔节期冬小麦小区试验为基础,对原始冠层光谱进行一阶导数和连续统去除光谱变换,并在此基础上提取任意两波段组合的差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)和归一化光谱指数(Normalized Spectral Index,NDSI),以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明,最优窄波段指数的构成波段主要位于红边区域,最优窄波段指数与叶面积指数均呈现非线性关系;光谱变换显著提升了光谱变量与叶面积指数的相关性,其中连续统去除光谱所获取的NDSI(738,822)光谱指数与叶面积指数的相关性最佳;窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高,其相对预测偏差为2.01,验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图,为后期作物长势、变量施肥等提供理论依据。

基于高光谱和MLSR-GA-BP神经网络模型油菜叶片SPAD值遥感估算

研究旨在探究油菜叶片叶绿素含量高光谱估算方法,为快速、无损监测西北地区油菜作物叶绿素含量提供依据。以西北地区油菜作物为研究对象,通过分析油菜叶片SPAD值与光谱参数相关性,筛选对SPAD敏感光谱参数,构建并比较基于光谱参数单因素模型、偏最小二乘回归模型(PLSR)和基于多元线性逐步回归遗传算法优化(GA)BP神经网络SPAD估算模型。结果表明,油菜叶片光谱曲线总体趋势一致,随叶绿素含量增加光谱反射率下降;参与建模七种光谱参数相关性均在0.770以上,在0.01水平上显著相关;在各生育期,基于多元线性逐步回归遗传算法优化BP神经网络模型为最优模型,建模R^2>0.77,最大达0.91,验证R^2>0.73,最大达0.92,RMSE为1.32~3.22,RE为2.50%~4.49%。基于多元线性逐步回归遗传算法优化BP神经网络模型为准确、快速估算油菜叶片SPAD值反演方法。

基于Geo-D的陕西省STN空间变异因子交互影响

以陕西省为研究区,应用地理探测器模型,揭示了不同气候区域土壤全氮(STN)空间变异与自然、人文环境的内在联系。结果表明:陕西省STN表现出中等变异强度,平均含量为0.91 g/kg。STN含量总体呈现南高北低的特性,秦巴区STN平均含量最高,为1.40 g/kg;蒙中区最低,为0.37 g/kg。整体上,STN含量变异受自然因素影响程度高于人文因素。其中,土壤有机质含量的单因子影响力最大(q为0.63~0.86),其次为县级行政区划(q为0.13~0.67)。其它因素中,陕西省市级行政区划、日照时长单因子影响力较大,q均达到0.50以上;秦巴区与蒙中区土壤亚类影响力最大(q为0.22~0.30);渭河区市级行政区划单因子影响程度最高(q为0.31);晋陕甘区与蒙东区影响力最大因子分别为化肥施用量(q为0.47)、有效磷含量(q为0.26)。各因子对STN含量变异存在交互作用,交互影响力较单因子有所提升,表现出互相增强或非线性增强效应。