遗传算法和连续投影算法结合的土壤有机碳含量高光谱估算模型

土壤有机碳含量是土壤肥力与土壤质量的主要决定因素,与土壤生产力密切相关。采用高光谱模型估算土壤有机碳含量成为了解土壤肥力的重要方法。利用高光谱分析技术结合机器算法实现快速、高精度的估算土壤有机碳含量,对土壤肥力的可持续利用至关重要。根据实测的土壤有机碳含量及其高光谱反射率数据,运用Savitzky Golay方法对光谱波段进行平滑去噪,采用连续投影算法(SPA)、遗传算法(GA)对原始光谱及其5种不同数学变换光谱分别进行特征波段的筛选,并基于随机森林(RF)方法构建土壤有机碳含量的高光谱估算模型。为进一步降低模型的复杂度,将SPA算法与GA算法相结合,寻找最佳特征参数,以提升土壤有机碳含量特征波段的识别率和可信度。结果表明:(1)在原始光谱中,基于GA算法筛选SOC含量的高光谱响应波段主要集中在350~410、827~928、997~1064、1201~1234、1541~1574、1667~1710、2153~2186和2357~2707 nm;当RMSE为6.09时,SPA算法筛选了11个特征变量。(2)基于GA算法筛选特征波段时,原始光谱R、标准正态变量(SNV)、多元散射校正(MSC)、一阶微分(FD)、对数的倒数(RL)与连续统去除(CR)的维数分别降低到407、697、668、667、493、784维,占全光谱波段的18.93%~36.47%;基于GA-SPA算法筛选后,6种光谱变量的维度介于8~17维,RMSE介于4.53~6.30。(3)在一阶微分光谱形式下,基于GA-SPA算法挑选的12个特征变量所构建的RF模型预测效果最好,模型的建模集R_(c)^(2)为0.78,RMSE c为5.48,验证集R_(p)^(2)为0.82,RMSE_(p)为4.50,RPD为2.18。研究表明,光谱一阶微分可以增强土壤的光谱信息,GA算法结合SPA算法寻找光谱特征变量,既简化了估算模型的复杂度,又提高了估算模型的精度,基于遗传算法-连续投影算法的高光谱模型具有较高的估算能力。

夜间增温对稻田甲烷排放的影响及其高光谱估算

昼夜不对称增温是全球气候变化的主要特征之一,有关夜间增温对稻田甲烷(CH_4)排放影响的报道尚不多见。通过田间模拟试验,研究了被动式夜间增温下水稻田CH_4排放及高光谱的特征,并用高光谱数据对稻田甲烷排放进行定量模拟。田间试验设夜间增温(NW)和对照处理(CK),夜间增温即在整个水稻生育期的夜间(19:00—6:00)用铝箔反射膜覆盖水稻冠层。结果表明,夜间增温显著促进水稻拔节期和抽穗期-灌浆期CH_4排放。水稻冠层近红外光谱反射率表现为,在分蘖期和拔节期时,NW>CK;而在抽穗-灌浆期和成熟期时,CK>NW。水稻冠层光谱反射率、一阶导数光谱及光谱特征值均与CH_4排放通量显著相关,相关系数最大可达0.8(P<0.01),其中以"蓝边面积"(SD_b)构成的二次多项式模型模拟精度和检验精度综合最佳,决定系数R^2分别为0.70和0.72。研究结果对稻田CH_4排放通量遥感监测的可行性提供了理论依据和技术支持。

基于波长分区的半色调色光谱估算模型

目的研究半色调打印色的光谱呈色特性,为半色调打印色的光谱复制提供估算模型。方法分析不同阶调值的半色调打印色的光谱反射曲线特性,根据半色调打印色的光谱微分找出特征波段,并进行波长分区。在不同的波长分区分别使用网点增大补偿与多项式算法估算半色调打印机的光谱反射率。结果提出的半色调光谱估算算法估算的光谱与实际测量的s RMS最大值为0.02,对应的估算色与测量色的平均色差小于1.5ΔE76。结论使用波长分区的光谱估算模型可提高半色调复制色的光谱估算精度,半色调彩色输出设备的光谱特征化可以使用文中的估算模型作为正向特征化模型。

夏玉米叶片光合色素含量高光谱估算

为了实现夏玉米叶片光合色素含量的快速、无损检测,以陕西省关中地区夏玉米“大丰26号”为研究对象,探究了不同总色素含量水平的玉米叶片反射光谱特征。分别提取与叶绿素a、叶绿素b、类胡萝卜素和总色素含量相关性较强的15个光谱参数,通过单变量回归、多元逐步回归和随机森林回归分析,建立光合色素含量估算模型并进行精度比较。结果表明:基于随机森林方法构建的光合色素估算模型精度最高,其中,叶绿素a、叶绿素b、类胡萝卜素的建模 R 2为0.93,总色素的建模 R 2为0.92;叶绿素a和类胡萝卜素的检验 R 2为0.74,叶绿素b和总色素的检验 R 2为0.71;各模型的均方根误差( RMSE)和相对误差(RE)相差不大;拟合精度由高到低依次为叶绿素a、类胡萝卜素、总色素和叶绿素b的RF模型。证实了随机森林方法在夏玉米叶片光合色素含量估算中的优越性,并构建了高精度的光合色素RF估算模型。

贵州南江3号烟叶全氮含量高光谱估算模型

为实现烟叶全氮含量快速无损检测,及时获取烤烟生长实时信息,以贵州喀斯特山区主栽品种南江3号为研究对象,利用地物高光谱仪采集烟叶高光谱,并测定其全氮含量,采用相关性和逐步回归方程分析全氮含量与原始光谱反射率、光谱反射率一阶微分、高光谱特征变量之间的关系。结果表明:全氮含量高光谱原始反射率的特征波长为702nm(r=—0.587),呈极显著负相关;光谱反射率一阶微分的特征波长为632nm(r=0.812),呈极显著正相关;绿峰与红谷比值Rg/Rr(r=—0.812)的相关系数较高;基于光谱反射率一阶微分的逐步回归方程对烟叶全氮含量的估测效果较好(R2=0.961,p<0.01)。

博斯腾湖湖滨绿洲土壤表层盐分离子含量高光谱估算模型

【目的】探索基于光谱指数建立土壤盐分离子含量的估算模型,为研究区土壤盐分离子快速遥感监测提供技术参考。【方法】以博斯腾湖湖滨绿洲为研究区,分析土壤表层盐分离子Cl^(-)、Ca^(2+)、HCO^(-)_3、Mg^(2+)、Na^(+)+K^(+)、SO_(4)^(2-)以及EC、TS含量变化特征;针对不同光谱指数,筛选特征波段,采用偏最小二乘回归建立高光谱估算模型。【结果】(1)土壤表层盐分离子的原始光谱反射率与土壤表层盐分离子Cl^(-)、EC、Na^(+)+K^(+)、Ca^(2+)含量呈极显著相关(P<0.01);(2)基于光谱指数SI和BSI的相关系数图具有相似性,RSI、DSI、NDSI的光谱矩阵系数图具有相似性,RSI、DSI、NDSI的建模效果优于SI和BSI,土壤表层盐分离子的特征波段集中在近红外波段,最佳估算波段在1562~2354 nm;(3)土壤表层Na^(+)+K^(+)盐分离子含量的高光谱估算模型Y=0.67+73.56x_(1809)-75.75x_(1942),建模集R^(2)=0.96,RMSE=0.38,验证集R^(2)=0.82,RMSE=0.64。【结论】通过光谱指数筛选特征波段且利用偏最小二乘回归方程构建的土壤盐分离子模型发现,含量较高的离子估算效果较好,尤其是Na^(+)+K^(+)、Cl^(-)、SO_(4)^(2-)含量。

基于机器学习算法的冬小麦不同生育时期生物量高光谱估算

为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期前、抽穗期、开花期和灌浆期)进行了高光谱生物量估算和预测能力比较。结果表明,在冬小麦不同生育时期,高光谱估算生物量精度差异显著;利用随机森林构建的生物量估算模型在4个生育时期均表现出很好的效果,决定系数(r^2)和均方根误差(RMSE)在抽穗期前分别为0.79和44.82 g·m^(-2),在抽穗期分别为0.71和62.07 g·m^(-2),在开花期分别为0.70和97.63 g·m^(-2),在灌浆期分别为0.71和106.98 g·m^(-2);随机森林模型在4个生育时期的预测能力都高于或接近于支持向量回归模型,高于偏最小二乘回归模型,r^2和RMSE在抽穗期前分别为0.60和72.54 g·m^(-2),在抽穗期分别为0.60和75.07 g·m^(-2),在开花期分别为0.68和109.9 g·m^(-2),在灌浆期分别为0.61和127.93 g·m^(-2)。这说明随机森林算法在冬小麦不同生育时期生物量高光谱遥感估算方面具有较高的精度和稳定性。

博斯腾湖西岸湖滨绿洲土壤含盐量高光谱估算

以博斯腾湖西岸湖滨绿洲土壤盐分及其对应的高光谱数据为研究对象,对原始光谱反射率(R)进行均方根(R)、对数(lg R)、倒数(1/R)、对数倒数(1/lg R)变换,引入分数阶微分对变换的光谱反射率进行0~2内的微分预处理,通过显著性检验优选特征波段,并利用特征波段进行偏最小二乘回归的建模和验证。结果表明:1)通过显著性检验较多的特征波段是:1/R为691个波段,比通过原始波段多226个波段;且随着阶数的增加,在各阶数中通过显著性检验的波段数量呈先增加后减少的趋势;通过数量较多的特征波段是1/R的0.4阶和0.6阶,分别为145、150;2)原始光谱反射率的相关性极大值绝对值是:2阶为0.53,其他4种数学变换的相关性极大值绝对值比R高0.11~0.16,特征波段主要集中在600~1000 nm和2020~2330 nm;3)在原始光谱反射率及其变换值的各分数阶微分利用偏最小二乘回归建模中,1/lgR的0.2阶建立的模型为最佳模型,RC^2=0.78,RMSEC=1.56,RV^2=0.63,RMSEV=1.44。

基于机器学习算法的湖滨绿洲土壤电导率高光谱估算模型

【目的】为湖滨绿洲土壤高光谱估算土壤电导率值提供方法支持,实现区域土壤盐分快速估测。【方法】利用实测的土壤电导率值与土壤高光谱数据联合分析,采用竞争自适应重加权采样(CARS)、连续投影算法(SPA)、遗传算法(GA)筛选土壤电导率的特征波段,并基于全波段及特征波段构建BP神经网络(BPNN)、支持向量机(SVM)、极限学习机(ELM)三种机器学习算法模型,引入偏最小二乘模型(PLSR)进行对照,比较其模型精度。【结果】研究区土壤电导率值变化范围0.02~17.22 mS cm^(−1),平均值为2.61 mS cm^(−1),变异系数为134.87%,呈现强变异性;CARS、SPA、GA算法筛选的特征波段将建模输入量分别压缩至全波段数量的0.87%、1.68%、0.70%,减少建模输入量,提升建模速率,变量方法的选择CARS>SPA>GA;三种机器学习算法模型均优于PLSR模型,决定系数(R^(2))平均增加20.57%,相对分析误差(RPD)平均增加17.84%,土壤电导率高光谱估算模型以CARS-SVM最优,训练集与验证集R2分别为0.76和0.75,RMSE分别为1.79和1.68 mS cm^(−1),RPD分别为2.04和2.00。土层深度20~30 cm的土壤电导率高光谱估算模型精度最高,训练集与验证集R2分别为0.83和0.84,RMSE分别1.37和1.77 mS cm^(−1),RPD分别为2.41和2.50。【结论】基于CARS-SVM的土壤电导率高光谱估算模型精度高,估算能力最优,可以为湖滨绿洲土壤电导率估算提供科学参考。

作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度。利用三种作物光谱求算"红边"变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合。另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究。

三江源区土壤常规元素含量高光谱估算研究——以玉树县和玛多县为例

主要研究目的是探讨高光技术估算土壤常规元素含量的能力以及适合于这些元素的最佳光谱预处理方法。以三江源区玛多县和玉树县做为研究样区,以野外采集的149个表土层(0~30 cm)土壤样本为数据源,经过实验室化学成分测定和光谱采集,利用多种预处理方法和偏最小二乘回归法,建立五种常规元素Al、Fe、Mg、Mn、Si含量的高光谱估算模型。研究结果表明:利用偏最小二乘回归法可以估算Al、Fe、Mg含量,其最佳预处理方案分别为WT+R(小波变换+原始光谱反射率)、NWA+R(九点加权移动平均+原始光谱反射率)和WT+F(小波变换+一阶微分),模型精度分别为Rcv2=0.79,Rv2=0.76,RPD=2.01;Rcv2=0.85,Rv2=0.76,RPD=1.85;Rcv2=0.72,Rv2=0.74,RPD=2.03;该模型在此研究样区不具备估算Mn、Si含量的能力。

基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算

为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0~2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显著性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显著性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。

生物炭和地膜覆盖下高粱高光谱特征及其与土壤呼吸的关系

准确估算不同生态系统的土壤呼吸速率对全球碳循环研究具有重要意义。以高粱为研究对象,对生物炭添加和地膜覆盖处理下不同时期高粱的高光谱特征以及土壤呼吸速率进行了定期测定,基于高光谱和土壤呼吸数据建立了他们之间的定量关系,目的是为间接估算土壤呼吸提供方法。田间试验设对照(CK)、生物炭添加(B)、地膜覆盖(P)、生物炭添加+地膜覆盖(B+P)4个处理。结果表明:(1)与对照相比,地膜覆盖使土壤呼吸(Rs)显著增加(p<0.05),添加生物炭后Rs没有明显变化,生长季Rs的平均值大小依次为:9.43μmol/(m2·s)(B+P)>8.88μmol/(m2·s)(P)>7.35μmol/(m2·s)(B)>6.68μmol/(m2·s)(CK)。(2)不同生育期冠层近红外波段反射率表现为,拔节期B+P和P处理显著高于CK和B,但是抽穗期CK和B处理显著高于P和B+P,灌浆期和收获期4个处理之间没明显差异。(3)高粱冠层光谱反射率、一阶微分、光谱特征参数及已有的植被指数均与Rs呈显著相关,最大的相关系数可达0.80以上。(4)综合考虑模型的模拟精度和验证精度,估算高粱土壤呼吸的最佳模型为:Rs=1666.3R’747+1.332[R2=0.69,p<0.01,RMSE=2.56μmol/(m2·s)],其验证模型的R2,RMSE,Slope分别为0.75,2.28μmol/(m2·s),0.7158。研究结果可为进一步开展区域农田土壤CO2排放通量的无损监测提供借鉴。

基于灰色关联法的春小麦叶片含水量高光谱估测模型研究

利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks,BP ANN)模型。结果表明:(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750～830,1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R^2分别为0. 80和0. 81,稳定性基本相同且都较好;两种模型RMSE都是0. 55,RPD分别为2. 01和1. 41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。

毛竹林叶片磷和钾含量的不同尺度光谱响应研究

研究不同尺度光谱对毛竹林叶片磷和钾含量的响应机制,对实时掌握毛竹林生长状况和营养水平有理论意义和实践指导价值。以毛竹林叶片与冠层2个尺度的原始光谱为数据源,通过一阶微分光谱等光谱变换,采用回归统计分析构建不同尺度磷素和钾素含量与敏感波段的光谱估算模型,并对其稳定性和预测性进行精度评价。结果表明:叶片光谱分析中以磷含量一阶微分光谱为变量的线性回归方程模型拟合精度高达74.90%,且在建立专一性较高的磷素含量估算模型上更有优势;冠层光谱分析中以钾含量一阶微分光谱为变量的线性方程模型拟合精度高达78.71%,且在建立专一性较高的钾素含量估算模型上更有优势;同时,一阶微分光谱可降低空间异质性以提高光谱估算模型反演精度。

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R^2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。

基于冠层光谱特征的长绒棉叶绿素含量估算

探索了利用高光谱技术估算长绒棉叶片叶绿素含量的可行性,并野外测定了长绒棉的光谱数据和叶绿素含量,对光谱数据进行求一阶微分和包络线去除处理,然后构建了4种常见的植被指数与3种优化光谱指数。根据相关性分析,利用支持向量机(SVM)回归模型估算长绒棉叶片叶绿素含量。结果表明,在530~560 nm、700~750 nm波段范围内,叶绿素含量与光谱反射率呈负相关,一阶微分光谱相关性通过0.01显著性水平检验波段数最多;基于一阶微分建立SVM估算长绒棉叶绿素含量模型,决定系数达到了0.72,均方根误差和相对误差分别为1.99、0.72,其预测精度高于植被指数和优化光谱指数构建的SVM模型。该研究结果可为快速检测长绒棉叶绿素含量提供参考。

太阳辐射对稻田甲烷排放的影响

太阳辐射减弱是气候变化的主要特征之一,而太阳辐射减弱对稻田甲烷(CH4)排放的影响尚不明确,且缺少高光谱遥感用于估算稻田CH4排放的研究.通过田间模拟试验,研究了不同遮阴强度对稻田CH4排放和水稻冠层光谱特征的影响,并基于冠层高光谱数据估算了CH4排放通量.采用单因子试验设计,遮阴强度设3个水平,即对照(不遮阴,CK)、轻度遮阴(S1,单层遮阴,遮阴率为60%)和重度遮阴(S2,双层遮阴,遮阴率为84%).结果表明:与对照相比,遮阴明显降低了稻田CH4排放,但重度遮阴下CH4排放高于轻度遮阴;近红外波段水稻冠层反射率表现为CK>S2>S1;水稻冠层光谱反射率(699~1349 nm)与CH4排放通量呈极显著正相关,最高相关系数达0.64,6种植被指数与CH4排放通量也呈极显著相关,其中比值植被指数(RVI)与CH4排放通量的相关系数最大,达0.84;建立了以RVI、归一化植被指数(NDVI)和507 nm原始反射率(ρ507)为参数估算CH4排放通量的逐步回归模型,决定系数R2分别为0.86和0.85,利用该模型可为开展区域稻田温室气体排放的遥感监测提供试验依据.