基于分数阶微分优化光谱指数的土壤电导率高光谱估算

土壤电导率与含盐量具有高度相关性,精准的土壤电导率监测有助于了解区域土壤的盐渍化程度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤电导率的最佳高光谱参数,实现土壤盐分信息的高效监测,本研究对土壤样品进行室内高光谱和电导率测定,利用两波段优化算法对简化光谱指数(nitrogen planar domain index, NPDI)进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的5种数学变换)运算下的最敏感高光谱参数,从而建立土壤电导率高光谱估算模型。结果表明:1)NPDIs与土壤电导率之间的相关性显著,在原数据及其平方根、倒数、对数倒数、1.6阶微分变换形式下,优化光谱指数对土壤电导率的敏感程度更强,相关系数绝对值均超过0.80,且基于1.6阶微分变换的(R_(2020nm)+R_(1893 nm))/R_(1893 nm)波段组合相关系数绝对值最高,达到0.888。2)基于1.6阶微分波段优化的预测模型效果最佳,预测精度为R■=0.84,RMSE_(Pre)=2.07mS/cm,RPD=2.94,AIC=158.11。因此,对高光谱数据的适当数学变换有利于优化光谱指数更好地估算土壤电导率,进一步实现土壤盐渍化高精度动态监测。     

民勤绿洲土壤盐分组成与光谱特征

基于野外采样和实验室分析,研究了民勤绿洲土壤的可溶盐特征。结果表明,表层土壤中阴离子以氯离子和硫酸根离子为主,阳离子以钙离子和镁离子比重较大;民勤表层土壤中硫酸盐矿物居多,硫酸根离子易与阳离子结合形成硫酸盐化合物,而且硫酸根离子与钙、镁离子的相关系数达0.918、0.933,说明土壤中硫酸根离子与钙离子、镁离子是主要的结合方式。采用线性方程拟合土壤浸提液电导率和土壤全盐量的关系,精度较高。通过表层土壤的光谱测量和光谱特征分析,发现反射率一阶微分和反射率对数一阶微分两种变换形式与土壤全盐量的相关性最强。利用多元逐步线性回归方法,以反射率对数一阶微分为自变量的回归方程效果最佳,预测方程的决定系数达到0.789。     

植被生化组分光谱模型抗土壤背景的能力

应用LOPEX'93(Leaf Optical Properties Experiment)数据,分析了统计回归模型在进行植被叶绿素和水分反演中抗土壤背景影响的能力,模型参数分别使用了:反射率及其变化形式、光谱位置变量、植被指数。在LOPEX'93数据库的植被波谱中分别加入10%—90%的实测土壤光谱信息,得到植被与土壤的混合光谱,并分析混合光谱对植被生化组分的响应。结果表明:应用反射率及其变化形式进行植被叶绿素反演时,以730nm和400nm组合的反射率和反射率倒数的对数为参数的模型具有最高的抗土壤背景能力,在土壤背景所占比例从低到高的变化过程中,以二者反射率组合为参数的模型与叶绿素的相关系数,始终保持在0.645附近,以二者反射率倒数的对数为参数的模型与植被叶绿素的相关系数保持在0.650附近;应用反射率及其变化形式进行植被含水量反演时,以1100,1170,1000,1040,1080nm组合的反射率为参数的模型以及以1170,960,1210,1090,1080,950,1220,1210nm反射率倒数的对数组合为参数的模型具有较高的稳定性,在土壤组分变化的过程中,以上模型与植被含水量的相关系数均稳定...     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350~2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明:滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R_(1407),R_(1459))为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e~(9.72053 x).估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R_(1407),R_(1459))构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350～2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明： 滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R₁₄₀₇,R₁₄₅₉)为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e^9.72053x.估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R₁₄₀₇,R₁₄₅₉)构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.     

福州市土壤铬含量高光谱预测的GWR模型研究

通过系统分析不同光谱分辨率和光谱变换对土壤铬高光谱预测模型的不确定性影响,筛选出最优的光谱分辨率及光谱变量进行土壤铬含量预测的地理权重回归(GWR)模型构建,利用该模型进行福州市土壤铬含量预测,并将预测结果与普通最小二乘法回归(OLS)结果进行比较分析,探讨GWR模型在土壤铬高光谱预测中的适用性及局限性。结果表明:(1)在10 nm分辨率尺度下,以土壤全铬含量为因变量,反射率的二阶微分和反射率倒数的二阶微分为自变量构建的GWR模型对土壤铬预测的效果最好。GWR模型的R~2和调节R~2分别为0.821和0.716,较OLS模型分别提高了0.529和0.450,而AIC值为720.703,较OLS模型减少了22个单位,残差平方和仅为OLS模型的1/4,说明GWR模型的预测效果较OLS模型有了显著提高。(2)土壤铬预测模型的精度受光谱分辨率影响。对于OLS预测模型来说,3 nm分辨率的模型预测效果最好,而对于GWR预测模型来说,10nm分辨率的模型不仅预测效果最好,其相较于OLS模型的改善作用显著,为土壤铬含量GWR预测的最佳光谱分辨率。(3)光谱的一阶微分变换可以有效增强土壤铬的光谱特征,而其余的光谱变换对土壤铬的光谱特征则未起到增强作用,但可以很好地提高模型的预测效果。(4)研究得出土壤铬GWR模型预测的最佳光谱分辨率为10 nm,为EO-1 Hyperion影像的光谱分辨率,而且随着采样点的增加,GWR模型的预测效果趋于稳定,适合空间异质性大的区域尺度土壤铬预测。故该模型与高光谱影像结合,实现模型从实验室尺度向区域尺度的推广,为格网尺度土壤铬的空间预测提供可能。     

植被生化组分光谱模型抗土壤背景能力分析

应用LOPEX'93(Leaf Optical Properties Experiment)数据,分析了统计回归模型在进行植被叶绿素和水分反演中抗土壤背景影响的能力,模型参数分别使用了:反射率及其变化形式、光谱位置变量、植被指数。在LOPEX'93数据库的植被波谱中分别加入10%-90%的实测土壤光谱信息,得到植被与土壤的混合光谱,并分析混合光谱对植被生化组分的响应。结果表明:应用反射率及其变化形式进行植被叶绿素反演时,以730nm和400nm组合的反射率和反射率倒数的对数为参数的模型具有最高的抗土壤背景能力,在土壤背景所占比例从低到高的变化过程中,以二者反射率组合为参数的模型与叶绿素的相关系数,始终保持在0.645附近,以二者反射率倒数的对数为参数的模型与植被叶绿素的相关系数保持在0.650附近;应用反射率及其变化形式进行植被含水量反演时,以1100,1170,1000,1040,1080nm组合的反射率为参数的模型以及以1170,960,1210,1090,1080,950,1220,1210nm反射率倒数的对数组合为参数的模型具有较高的稳定性,在土壤组分变化的过程中,以上模型与植被含水量的相关系数均稳定的高于0.99;对于光谱位置变量的分析中,以红边-绿峰-红谷组合的模型与植被叶绿素含量具有较高、而且稳定的相关系数,在土壤背景所占比例变化的情况下,相关系数稳定在0.53附近;在应用植被指数进行叶绿素的反演过程中,植被指数与叶绿素的相关系数在土壤背景所占比例变化的情况下变化较大,抗土壤背景的能力均较差;在应用植被指数进行植被水分含量的反演时,以水分指数Ratio975和Ratio1200相关系数最高,且在不同比例土壤背景变化下稳定,相关系数分别分布在0.980附近和0.960附近。该结果可用于指导不同植被覆盖条件下植被冠层参数的反演,提高反演的稳定性和准确性。     

基于分数阶微分技术的土壤水盐信息高光谱反演

准确高效获取土壤水盐信息是盐碱地改良和可持续利用的前提。本研究以地面野外高光谱反射率和实测土壤水盐含量为数据源,利用分数阶微分(FOD)技术对原始光谱反射率进行步长为0.25的处理,从光谱数据与土壤水盐信息相关性层面筛选FOD阶数,构建二维光谱指数,采用支持向量机回归(SVR)和地理加权回归(GWR)建立土壤水盐含量反演模型并进行验证。结果表明：FOD技术可以在一定程度上减弱高光谱噪声并挖掘潜在光谱信息,提高高光谱反射率与土壤含水量(SMC)、pH值和含盐量的相关性,相关系数最高分别提升0.98、1.35和0.33。与一维光谱相比,FOD结合二维光谱指数筛选的特征波段组合对SMC、pH值和含盐量的响应更敏感,分别以1.5、1.0和0.75阶为最优,其中,SMC最大相关系数绝对值的最佳组合波段为570、1000、1010、1020、1330和2140 nm; pH值为550、1000、1380和2180 nm;含盐量为600、990、1600和1710 nm。相较于原始光谱反射率,SMC、pH值和含盐量最优阶次估算模型验证决定系数(R_p²)最高...     

基于棉花功能叶高光谱参数的土壤电导率监测模拟

通过2008-2009年在江苏南京农业大学牌楼试验站的盆栽试验,选择耐盐棉花品种中棉所44和盐敏感性品种苏棉12号为材料,模拟5种不同含盐水平的滨海盐土(0、0.35％、0.60％、0.85％和1.00％),分析了棉花生育期棉田土壤电导率与棉花功能叶光谱反射率和高光谱参数的关系,并建立了棉田土壤电导率(EC)的定量监测模型.结果表明:棉花功能叶光谱反射率在近红外和中红外区域均随土壤盐分水平的升高而升高;以敏感波段1350nm和2307 nm构建的归一化光谱指数NDSI(R1350,R2307)与土壤电导率的决定系数最高,基于此构建了基于NDSI(R1350,R2307)的棉田土壤EC监测模型:EC=-42.899NDSI(R1350,R2307)+27.338;在光谱微分参数中,以TM影像第5个波段的光谱反射率(TM5-SWIR)与棉田土壤EC的决定系数最高,构建了基于TM5-SWIR的棉田土壤EC监测模型:EC=0.0574 TM5-SWIR2-2.5928 TM5-SWIR+ 30.021.以NDSI(R1350,R2307)和TM5-SWIR为自变量的监测模型的预测精度均较高,分别为0.887和0.814,根均方差均较小,分别为1.09和1.29 dS·m-1.利用棉花功能叶NDSI(R1350,R2307)和TM5-SWIR均能较好地监测棉田土壤电导率.     

基于小波变换的土壤有机质含量高光谱估测术

利用统计分析方法选取了土壤N、P、K元素含量近似而有机质含量差异较大的样本60个,通过高光谱探测分析获得样本反射率对数的一阶导数光谱,采用Bior 1.3函数进行多层离散小波分解,剔除低频近似信号和高频噪声信号,得到反映土壤理化参数的特征光谱曲线;采用相关分析筛选土壤有机质含量的显著相关波段,基于显著相关波段和特征光谱曲线分别构建土壤有机质含量高光谱多元回归估测模型;通过比较分析,确定了提取土壤有机质特征光谱的最佳小波分解尺度并构建了最佳预测模型.结果表明:提取土壤有机质特征光谱的最佳小波分解层数是9层,其次是8层和10层;基于小波9层分解特征光谱曲线的有机质含量估测模型最佳,其决定系数(R2)为0.89,比基于显著相关波段构建模型的R2增加了0.31,比基于原始光谱所构建模型的R2增加了0.10.