基于GF-1数据的耕地土壤镉(Cd)含量遥感估算方法

本文采用多种光谱变换和回归分析方法探索了使用GF-1卫星影像监测耕地土壤镉(Cd)含量的可行性。首先针对获取的GF-1原始影像数据,在完成预处理及剔除植被信息后进行倒对数、平方根和反正弦平方根变换,生成4套光谱影像;然后分别用采样点5 m缓冲区内各套影像光谱统计值与Cd含量进行相关性分析和多种回归分析。选择模型决定系数最高(>95%)的反正弦平方根变换后的自适应重加权回归方法构建的线性回归模型作为遥感估算模型。遥感估算结果在稻田积水、边缘地带等出现了异常估算值;笔者分析原因后应用线性插值的方法得到最终估算结果。相关性分析和建模精度表明该方法是可行的,有望应用于实际土壤质量监测和土地管理中。

提高卫星导航精度的卡尔曼滤波算法应用研究

采用卫星导航对海上航行的船舶进行速度测量是目前最广泛应用的方法,但是卫星导航接收机由于受外界偶然因素的影响,其显示的速度往往包含噪声,且属于随机的高斯白噪声。针对此问题,提出一种基于卡尔曼滤波理论的计算模型,只考虑上一个时刻和当前时刻的关系,大大地减少数据冗余;应用迭代的方法来处理卡尔曼滤波,以更好地简化计算的过程,并根据深圳某航海公司的实际数据对此计算模型进行仿真验证。实验结果表明,对于数据跳跃十分大且明显的噪声数据,经过滤波后,这些数据变得更加平滑和准确。

超限学习机在高速公路路基沉降预测中的应用

为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。

时序遥感影像滇池凤眼莲时空动态变化分析

滇池入侵物种--凤眼莲的问题由来已久,已经成为我国入侵物种的典型案例。针对目前暂未有学者用遥感手段对其进行时空动态变化分析,本研究利用连续长时间序列遥感影像,结合影像拼接技术,采用监督分类方法,实现了滇池凤眼莲面积解译提取和蔓延区域的空间分布确定。通过不同时相遥感影像的解译,基于时间序列的统计特性进行变化检测.对滇池凤眼莲近18年来的覆盖面积和种群位置进行时空动态变化分析。研究结果表明,18年来,滇池凤眼莲种群面积前期2000-2011年处于波动变化,后期2012-2017年趋于稳定,空间分布呈现分散-集中-再分散的变化,其主要分布在滇池沿岸地区,特别是滇池外海北部区域,与实际情况相吻合。

南方典型植被遥感丰度信息提取

针对遥感影像在南方丘陵地区典型植被丰度信息提取中存在的大量混合像元问题,为进一步提高线性解混精度,通过计算像元EVI值,构建了 Landsat 8时间序列影像南方典型植被(端元)和混合像元的EV1时间序列曲线,分析了不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。选取多个端元及其EVI时间序列曲线,利用光谱匹配方法对匹配EVI时间序列曲线和多个端元进行了匹配,达到利用不同端元组合进行光谱解混的目的。试验结果表明,与传统方法相比,阔叶林解混精度有明显提高,针叶林解混精度也有所提高。该研究成果可以为南方丘陵地区植被环境的研究提供有力支撑。

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于GF-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型。文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图。研究表明,相关性分析下叶绿素a的敏感波段区间为550~620 nm,波段区间对应影像中的绿波段(520~590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持。

基于鸟群优化BP神经网络的滑坡处治后变形预测

滑坡变形程度是判断处治后滑坡是否稳定的关键评价指标,开展处治后滑坡变形预测可提前掌握滑坡稳定性情况,有利于滑坡失稳风险分析,便于开展地质灾害防灾减灾工作。为了准确预测处治后滑坡变形情况,本文提出了一种采用鸟群算法(BSA)优化BP神经网络的滑坡变形预测方法,借助BSA-BP神经网络构建了广西某高速公路滑坡变形预测模型,对比分析了BSA-BP神经网络与BP神经网络的预测结果。结果表明,BSA-BP神经网络预测结果的均方误差和相关系数分别为0.0534和0.9976,BP神经网络预测结果的均方误差和相关系数分别为2.2256和0.968,鸟群算法可有效提高BP神经网络模型的预测精度,能有效应用于处治后滑坡变形预测,研究结果可为处治后滑坡失稳风险预测提供参考。

多源数据城区精细DEM建模方法

城区因建筑物密集、植被覆盖、交通流量大等,难以构建精度统一的DEM,本文基于大比例尺数字地形图、DOM、无人机摄影测量生成的DEM或基于激光雷达点云生成的DSM等数据,探讨构建精细DEM的方法。该方法首先从大比例尺数字地形图中提取等高线、高程点等用于直接构建DEM;然后提取道路边线、建筑物轮廓线、广场边界、隔离带、陡坎、湖泊边线等二维特征线要素,分别采用不同的方法融合DEM和DSM获得正确的高程信息,并结合实际情况加工处理后生成三维特征线;最后以此为基础应用具有约束的方法构建TIN模型。本文结合现有的数据源特点,分析了不同区域的模型精度。试验结果表明,构建的DEM与地形图吻合度高,可满足城区洪涝分析、精细管理、实景三维建设的需要。

不同采样间隔下分数阶微分对土壤重金属高光谱数据的影响

为研究不同采样间隔下分数阶微分对光谱反射率和土壤重金属含量之间相关系数的影响,对土壤光谱以15、25、35和45 nm间隔重新采样,然后对其进行对应的0～2阶(间隔0.2阶)微分处理,比较分析各阶微分在各种采样间隔下与土壤重金属相关系数的变化趋势。研究结果表明:当微分阶数增大时,具有0.01极显著相关水平的波段数目整体呈现先增加后减小的趋向,且15 nm重采样间距提升相关性的效果优于其他3种采样间隔; 15、25、35和45 nm的相关系数绝对值分别在1.6、1.2、2和2阶微分达到最大。

基于小波变换的土壤重金属铬含量定量反演

耕地污染日益严重,耕地土壤的重金属高光谱信息属于非线性的微弱信号。小波变换作为常用的非线性微弱信号处理手段,在保留更多微弱信号的基础上可以更好的提取出土壤重金属的微弱光谱信息。文中研究在Db4小波对土壤原始光谱进行分解与重构的基础上提取特征波段,利用特征波段与重金属含量的相关性建立偏最小二乘模型反演土壤重金属铬含量。研究表明,利用Db4小波函数对原始光谱进行分解和重构可以有效提取土壤重金属铬的特征光谱信息;利用小波分解与重构所提取的特征光谱信息与重金属铬含量之间的相关性所建立的PLS模型的决定系数明显高于基于传统一阶微分处理土壤光谱所建立的PLS模型的决定系数。

结合PRO-4SAIL和BP神经网络的叶绿素含量高光谱反演

针对PRO-4SAIL辐射传输模型耦合BP神经网络反演叶绿素时存在过拟合、预测精度低的问题,本文以研究区内实测的高光谱数据和模拟光谱数据为数据源,在模拟样本数据构成的训练集中添加部分实测样本数据,构建BP神经网络叶绿素反演模型,然后利用剩余的实测数据进行模型验证与精度评定。结果表明:向训练集中加入少量实测数据,可以解决叶绿素反演模型过拟合的问题,叶绿素含量的预测精度得到提升,实现准确的反演路域植被信息,为路域环境植被环境遥感监测评价提供一定的技术支持。

利用辐射传输模型和随机森林回归反演LAI

针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义了一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。

粮食产区农用地土壤重金属Cd的高光谱反演

针对传统实验室重金属含量分析效率低、检测范围有限和传统高光谱反演模型存在的精度低、拟合效果不佳等问题,文中提出以高光谱遥感技术作为基础,以重金属元素Cd为例,将实测原始高光谱经过一阶微分、二阶微分、倒数对数变换后,与实测重金属含量进行相关性分析。通过相关分析筛选出9组特征波段作为光谱参量,重金属Cd含量作为因变量,运用数据组织回归模型GMDH构建土壤重金属Cd的反演模型,并与传统模型进行对比。结果表明,基于GMDH回归的反演模型,从模型稳定性、模型拟合优度以及预测模型的精度上,均优于传统反演模型,且效果较理想。因此,将GMDH回归运用于粮食产区的土壤重金属反演,具有一定的可行性。

利用辐射传输模型和随机森林回归反演LAI

针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R^(2)为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。

GLIBERTY-DSAIL耦合模型反演南方混交林植被LAI

针对南方丘陵地区针叶-阔叶混交林植被叶面积指数(leaf area index,LAI)反演精度低且研究较少的问题,本文提出了一种GLIBERTY-DSAIL耦合模型组合多元线性回归反演LAI的方法。本研究以GLIBERTY-DSAIL模型模拟光谱和植被实测高光谱为数据源,通过相关性分析,选取与LAI相关性高的植被指数作为反演因子,构建多元线性回归模型定量反演植被LAI并进行精度评定。结果表明:与LAI显著相关的RVI、DVI、GNDVI、MSAVI这4种植被指数作为反演因子,结合本文提出的组合模型反演LAI,模型预测决定系数R2为0.7086,均方根误差RMSE为0.3021,精度整体较高。该组合方法可较好地用于反演针叶-阔叶混交林植被LAI,为南方地区混交林LAI的研究提供新思路。

基于集合经验模态分解的土壤重金属Cd定量反演

针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解(EEMD)。采用EEMD法分解土壤高光谱,获得不同频率的本征模态(IMF)分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R^(2)为0.9203,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R^(2)(0.7866)。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。

利用PRO4SAIL与支持向量机回归的组合模型反演植被等效水厚度

为监测路域植被生态环境,利用遥感影像和辐射传输模型物理基础实现了对植被冠层等效水厚度(EWT)的估测。提出了利用PRO4SAIL与支持向量机回归的组合模型对等效水厚度进行反演的方法。选取Landsat7 ETM+影像,结合实测数据探索验证了PRO4SAIL与支持向量机回归的组合模型的植被参数反演的实用性和准确性。研究表明,该组合模型具有较好的预测能力,反演得到的等效水厚度含量精度较高,为支持向量机模型应用于遥感影像反演植被参数提高了有力支撑。

极限学习机辅助下路域植被叶面积指数的反演

路域植被叶面积指数(LAI)的获取对于路域植被长势和健康状况的监测具有重要意义。本文以GF-1影像和地面同步实测数据为基础,利用极限学习机(ELM)对湖南省醴潭高速路域植被LAI进行了建模反演。试验结果表明,与传统经验回归模型、SVM模型相比,ELM反演精度更高,RMSE为0.501,预测精度为86.26%。该研究可为路域植被健康评估提供参考。

叶片表面蜡质层对植被光谱反射率的影响

首先获取叶片去除表面蜡质层前后光谱反射率,比较分析叶片表面蜡质层的光谱特征,探究叶片去除蜡质层前后叶片反射率的变化。结果表明:叶片去除蜡质层后在400~2500 nm光谱区间反射率发生较明显改变;去除蜡质层对植被红边参数没有影响,并不会导致“红边”移动,叶片表面的蜡质并不影响绿色植被所特有的反射特征;不同叶片蜡质层对不同植被影响不同,叶片反射曲线不是叶片表面蜡质反射曲线和经去蜡质处理的叶片反射曲线简单的线性叠加。植被叶片的光谱定量分析可为公路植被遥感环境评价提供支持。