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。     

基于高光谱和Landsat-8 OLI影像的盐渍化土壤水盐估算模型构建

水盐信息的迅速获取是盐碱地改良利用的重要基础数据。以宁夏银北平罗县盐渍化土壤为研究对象,基于实测土壤水分、盐分含量和高光谱数据反射率及其同期Landsat-8 OLI多光谱影像数据,利用重采样技术进行实测高光谱数据与OLI影像波段匹配,采用11个线性和非线性函数筛选出敏感波段和11个盐分指数,基于多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机(SVM)分别构建土壤含水率(SMC)和含盐量(SSC)的估算模型。结果表明:重采样处理后的实测高光谱波段反射率与OLI影像波段反射率具有极显著相关性,基于线性和非线性函数筛选出的重采样敏感波段及影像盐分指数为自变量构建MLR、PLSR和SVM的SSC估算模型决定系数R2分别为0.626、0.510和0.829,SMC估算模型R~2分别为0.455、0.204和0.731,土壤盐分和水分的SVM估算模型的稳定性和预测能力均优于MLR和PLSR模型,适用于研究区SSC和SMC估算。结果可以为研究区及同类地区不同时期土壤水盐信息估算提供科学依据。     

基于高光谱的苹果花磷素含量监测模型

在室内条件下,利用ASD FieldSpec 3地物光谱仪,测定了盛花期苹果花的高光谱反射率,在分析苹果花原始光谱反射率及其一阶导数特征的基础上,分析了高光谱反射率与磷素含量间的相关关系,确定其敏感波段,构建了特征光谱参数,并建立了苹果花磷素含量的监测模型.结果表明：苹果花磷素含量与350～370 nm、670～1385 nm、1620～1760 nm波段的原始光谱反射率以及波段500～520 nm光谱反射率的一阶导数呈极显著正相关,与波段670～730 nm一阶导数呈极显著负相关;光谱参数DVI(936,676)、DVI(977,676)、NDVI(936,676)、NDVI(977,676)与苹果花磷素含量的相关性较好,其相关系数均达到0.77以上,由此建立了以4种光谱参数为自变量的磷素含量监测模型,其中,以NDVI(936,676)为自变量构建的监测模型具有最大的决定系数（R²=0.9385）、最小的均方根误差（RMSE=0.6883）和最小的相对误差（RE=7.6%）,预测精度达到92.4%,为最佳监测模型.     

烟蚜为害特征的高光谱比较

利用手持式高光谱仪测定不同蚜量为害后烟草冠层光谱反射率的变化,同时使用叶绿素计测量叶绿素含量。结果表明,烟草光谱呈现标准植被光谱曲线,烟蚜Myzuspersicae(Sulzer)为害造成烟草光谱反射率下降,近红外波段反射率下降更为明显。和健康烟株相比,轻度(单株顶尖和上部5片叶蚜量≤15头)、中度(15头<单株顶尖和上部5片叶蚜量≤50头)、重度(单株顶尖和上部5片叶蚜量>50头)危害在绿光波段反射率分别下降12%,27%,52%,在近红外波段分别下降15%,20%,38%。对反射率曲线进行微分分析,健康烟株、轻度、中度和重度为害后的一阶导数最大值分别为0.031,0.022,0.026和0.019,其值随着蚜量增加而下降,对应的波长重度为害为718.45nm,其它为716.91nm,红边位置向长波方向移动1.46nm。蓝光、绿光、红光和近红外4个波段反射率和叶绿素含量SPAD值存在良好的线性回归关系,相关系数都达到极显著,绿光波段反射率对叶绿素含量的回归关系尤为显著;同时SPAD值越大,光谱反射率越高。该研究对于应用遥感技术大面积监测烟草生产中病虫害的发生,确定防治适期以及适宜的防治措施具有重要的应用前景。     

典型龟裂碱土土壤水分光谱特征及预测

以不同含水量的宁夏典型龟裂碱土为研究对象,系统分析了土壤光谱与土壤含水量的相关性,并建立了含水量预测模型.结果表明:随着含水量的增加,土壤光谱反射率逐渐降低,当土壤含水量高于田间持水量时,土壤光谱反射率随着含水量的增加呈增加趋势.土壤光谱反射率原始数据(r)、平滑后的反射率(R)和反射率对数(lgR)与龟裂碱土水分含量呈极显著负相关关系,整个波段R与土壤水分含量的相关系数平均比r和lgR分别高0.0013和0.0397;反射率倒数(1/R)和反射率倒数的对数[lg(1/R)]2种变换形式与龟裂碱土水分含量呈正相关关系,在950~1000 nm的相关系数平均比400~950 nm高0.2350;3种一阶微分变换形式与土壤水分的相关性不稳定.基于r、lg(1/R)、反射率的一阶微分R’和反射率对数的一阶微分(lgR)’采用不同回归模式建立的龟裂碱土含水量预测模型平均决定系数分别为0.7610、0.8184、0.8524和0.8255,其中R’的幂函数模式决定系数高达0.9447,该模型预测的土壤含水量与室内实测值拟合度为0.8279,说明该模型预测精度最高,采用r建立的模型预测精度最低.研究结果可为龟裂碱土含水量预测和当地农田灌溉提供科学依据.     

不同质地盐渍化土壤水盐含量的高光谱反演

为了方便快捷地同步监测盐渍化土壤的水、盐含量,本文以新疆典型盐渍化灌区为研究对象,基于高光谱技术、运用便携式光谱仪获取不同质地的土壤水盐含量光谱曲线,采用一阶微分、二阶微分、连续统去除的数据处理方法对土壤原始光谱进行变换.结果表明: 对原始光谱数据的变换有利于土壤属性指纹波段的提取,不同质地水盐含量的变换方法并不相同,在壤土中质量含水量为0%和10%时的水盐光谱曲线使用连续统去除方法、15%含水量使用一阶微分、19%含水量使用二阶微分,砂土中0%含水量使用连续统去除方法、10%、15%和19%含水量水盐光谱曲线使用二阶微分处理后,有利于特征波段的提取;对筛选出的变换数据采用偏最小二乘回归方法构建水盐反演模型,壤土盐度小于6.38 mS·cm^-1、砂土小于5.94 mS·cm^-1时,模型建立的建模数据集决定系数(R_cal²)、内部交叉验证(R_cv²)和外部检验数据集决定系数(R_val²)均大于0.65(P<0.05);壤土水分含量小于16%、砂土小于12%时模型反演精度较高.研究结果可为盐渍化土壤水盐含量同步监测提供阈值参考.     

一种估测土壤有机质含量的近红外光谱参数

通过系统分析我国中、东部地区5种不同类型土壤风干样本的有机质含量与近红外(1000～2500 nm)光谱反射率和一阶导数两波段构成的比值、差值及归一化指数之间的关系,构建了适合土壤有机质含量估测的光谱参数及定量反演模型.结果表明：用多元散射校正及Savitzky-Golay平滑方法对原始光谱反射率进行预处理后,其两波段组成的光谱参数与土壤有机质含量的相关性明显优于原始光谱反射率组成的光谱参数,而由上述预处理后的反射率一阶导数的两波段构成的光谱参数介于二者之间;不同类型光谱参数构成形式中,以差值指数的预测性最好,其次为比值和归一化指数;与土壤有机质含量相关程度最高的光谱参数,是以近红外合频区1883和2065 nm 2个波段的反射率经多元散射校正和Savitzky-Golay平滑后构建而成的差值指数DI(CR₁₈₈₃, CR₂₀₆₅),两者呈极显著的直线相关.经不同类型土壤的观测资料检验,模型的决定系数为0.837,均方根误差为4.06;与偏最小二乘法的全谱建模结果相比,尽管DI(CR₁₈₈₃, CR₂₀₆₅)的预测精度略低于后者,但该指数只使用了2个波段的反射率,且所建模型比较简单,能为便携式监测仪的研制提供更有效的信息,可作为一种良好的土壤有机质估测光谱参数.     

小麦冠层反射光谱与植株水分状况的关系

研究了不同土壤水、氮条件下小麦冠层光谱反射特征与叶片和植株水分状况的相关性．结果表明,在小麦主要生育期,冠层叶片含水率与460～510、610～680和1480～1500nm波段范围内的光谱反射率有较高的相关性,植株含水率与810～870nm波段范围内的光谱反射率密切相关．在整个生长期内,小麦冠层叶片含水率与460～1500nm波段范围内的光谱反射率均有良好相关性,植株含水率与560～1480nm波段范围内光谱反射率的相关性均达到极显著水平．冠层叶片(CL)、上层叶(UL)和下层叶片(LL)含水率与光谱指数的相关程度为CL>LL>UL．冠层叶片和植株含水率与比值指(R(610,560))和光谱指数(R(610,560)／ND(810,610))呈极显著线性负相关,与归一化指数((R810-R610)／(R810+R610))呈极显著线性正相关．其中,用光谱指数(R(610,560)／ND(810,610))监测不同生育期小麦冠层叶片和植株含水率的效果最好。     

干旱胁迫下雷竹叶片叶绿素的高光谱响应特征及含量估算

植物叶片的反射光谱特征与叶绿素含量密切相关。以重要的笋用竹种雷竹(Phyllostachys violascens)为研究对象,采用盆栽及控水试验方法研究了2年生雷竹在干旱胁迫条件下冠层叶片反射光谱的响应特征,分析了叶片叶绿素含量与不同波段光谱反射率一阶微分值以及光谱特征参数之间的相关关系,并以雷竹叶绿素含量敏感波段及构建的植被指数与叶绿素含量进行了拟合。结果表明,重度缺水处理后雷竹叶片叶绿素含量显著降低,在可见光区叶片光谱反射率随叶绿素含量的降低而增加,以波长493、639、693、756 nm等处的光谱反射率一阶微分值与叶绿素含量的相关性较高。雷竹叶片叶绿素含量与光谱特征参数如绿峰反射率、红谷反射率、蓝边面积、绿峰面积之间的相关性较高。与已有的植被指数相比基于雷竹叶绿素含量敏感波段修正后的植被指数与叶绿素含量相关性优于原植被指数。基于反射率一阶微分值构建的多元回归方程以及修正的绿色归一化植被指数(m GNDVI)构建的回归方程拟合效果较好,为雷竹叶绿素含量的较优估算方程。研究结果可以为雷竹叶绿素含量的快速无损测定以及季节性干旱条件下雷竹林的科学经营及灾后评估提供依据。     

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.     

大型沉水植物苦草的光谱特征识别

地物特征与其光谱特征的关系是解译遥感影像的关键.利用地物光谱仪在实验室和上海“梦清园”人工湿地中,分别实测了不同盖度沉水植物苦草的反射光谱特征.结果表明随着苦草盖度的增加,其光谱反射率也相应增加,不同盖度苦草的光谱反射率差异主要表现在500～650 nm和700～900 nm 波段范围.受水体环境影响,实验室模拟试验与室外控制试验测得的苦草光谱反射率差异主要表现在近红外波段（700～900 nm）.分别将苦草的不同盖度与其在QuickBird多光谱遥感影像4个波段与盖度相关性最大波段处的光谱反射率进行回归分析,得到了较好的线性关系.应用回归分析得到的线性方程,可以根据测定的光谱反射率定量反演水体中的苦草盖度.研究结果可为监测沉水植物的高光谱遥感影像判读和解译分类提供技术支撑,为大尺度遥感监测沉水植物的分布和动态变化提供科学依据.     

闽江口湿地土壤全氮含量的高光谱遥感估算

氮是湿地生态系统重要生源要素,基于高光谱(350~2500 nm)遥感数据对其进行估算以实现湿地土壤全氮(TN)含量无损、快速和准确定量化具有重要意义。选取闽江河口湿地为研究区,于2013年5月,沿潮滩(高潮滩到中潮滩)采集16个土壤剖面80个样本,室内测定其光谱反射率和TN含量,并基于原始反射率(R)和光谱指数(比值指数RI、归一化指数NDI和差值指数DI)建立土壤TN含量高光谱估算模型,并进一步分析反射光谱与铵态氮(NH_4~+-N)、硝态氮(NO_3~--N)、有机质(SOM)和电导率(EC)之间的关系,以期揭示河口湿地土壤TN含量估算的机理。结果表明:土壤光谱反射率在350~600 nm,表现为高潮滩中潮滩,而在600~2500 nm,表现为高潮滩中潮滩;闽江河口湿地土壤TN含量与R在500 nm附近相关关系较好,并在490 nm有最大相关系数(-0.508);RI、NDI和DI大大提高了反射光谱与土壤TN含量的相关关系,其相关系数较高区域集中在600~1000 nm的波段组合,以RI(590,640)、RI(610,940)、NDI(940,590)、NDI(940,610)、DI(640,920)和DI(640,940)相关关系表现较好,能较好地实现研究区湿地土壤TN含量反演,其估算与检验模型r~2均大于0.610,RMSE均小于0.208,其中以RI(610,940)估算精度最好,估算与检验模型r~2分别为0.832和0.631,RMSE分别为0.178和0.202;闽江口湿地土壤TN含量与SOM含量密切相关是土壤TN含量估算的重要机理,而NH_4~+-N、NO_3~--N和盐分含量对其估算精度影响不大。     

淹水胁迫下棉花叶片高光谱特征及叶绿素含量估算模型

为即时监测淹水胁迫下棉花功能叶叶绿素含量,确立叶绿素含量与单叶光谱特征参数的定量关系,本文以遮雨棚内蕾期淹水胁迫下的盆栽棉花为研究对象,淹水后每 3 d对棉花叶片进行测定、取样,综合分析叶绿素含量与高光谱特征参数的相关性,并构建和验证叶绿素含量的估算模型.结果表明: 随着淹水胁迫程度的加重,叶片叶绿素含量下降;叶片原始光谱反射率、一阶微分光谱反射率分别在580、697 nm波段附近与叶绿素含量呈显著负相关;利用差值指数和归一化指数建立的估算模型优于单波段线性模型,其中以植被指数(DR₆₉₇-DR₇₃₈)/(DR₆₉₇+DR₇₃₈)为自变量建立的模型棉花单叶叶绿素含量估算值与实测值拟合度最好,拟合系数为0.814,可用于淹水胁迫下棉花单叶叶绿素含量的估测.     

橡胶树叶片高光谱特征分析

从光谱曲线特征和光谱变换特征分析橡胶树(Hevea brasiliensis)叶片反射曲线特征.结果表明,蓝边、红边、黄边位置特征分别出现于525 nm、725 nm、550 nm波段附近,红谷位置特征变化较大,并提取了红边积分面积等重要光谱变量特征.叶片氮含量与反射光谱的相关分析表明橡胶树叶片氮素敏感波段为700～1300 nm,其中730 nm处相关性最好,达到0.8422的极显著水平,以730 nm处的反射率与叶片氮含量建立线性模型,其复相关系数R2达到0.7094.     

高光谱反射法早期快速筛选高含油量油菜种质资源

含油量对提高菜油产量有十分重要的意义,传统的高含油油菜新材料筛选方法工作量大,耗时长。为找出一种快速诊断高含油油菜育种材料的新方法,本研究以3组不同含油量的9个甘蓝型油菜为材料,测定其不同生育期的高光谱反射率与叶绿素含量,分析其内在关联。研究发现,油菜高光谱反射率在可见光波段呈现出"两峰三谷"特性,幼苗期含油量越高则高光谱反射率越低。叶绿素a含量是导致总叶绿素含量差异的主要原因。在490 nm和670 nm处,幼苗期光谱反射率和叶绿素含量负相关,相关系数分别为-0. 898和-0. 783;叶绿素和含油量显著正相关,相关系数达到0. 962; 490、560、670 nm反射率和含油量之间呈负相关,相关系数分别为-0. 949、-0. 962和-0. 937。该结果表明,油菜幼苗期光谱反射率可用于预测其含油量。本研究结果可用于高含油油菜育种材料早期筛选,加快其育种进程,促进新品种选育。但样本量偏少,在后续研究中将进一步扩大样本量,提高预测准确度。     

基于光谱指数的喀斯特植物叶片叶绿素含量定量估算

为了探讨适合于喀斯特植物叶片叶绿素含量估算的光谱指数,在总结以往基于光谱指数的植物生化参数估算研究基础上发现,常用光谱指数通常采用差值、比值、归一化以及倒数差值方式来构建。因此,我们通过上述4种光谱指数构建方式对所采集的4种典型喀斯特植物——黄荆(Vitex negundo)、盐麸木(Rhus chinensis)、朴树(Celtis sinensis)和红背山麻杆(Alchornea trewioides)叶片原始光谱反射率及其一阶导数值与同步测定的叶片叶绿素含量进行遍历分析,以期获得最优光谱指数并将其应用于喀斯特植物叶片叶绿素含量定量估算研究。结果表明:(1)常用光谱指数中,改良红边归一化指数(modified red-edge normalized difference vegetation index, mND705)对喀斯特植物叶片叶绿素含量估算效果较好(决定系数为0.45,均方根误差为0.26 mg·g^-1)。(2)虽然荧光比值(fluorescence ratio index, FRI1)和叶绿素吸收面积光谱指数(chlorophyll absorption area index, CAAI)在估算喀斯特与非喀斯特植物叶片叶绿素含量能力相当,但是其估算精度相对较低(决定系数小于0.45)。(3)通过差值、比值、归一化以及倒数差值方式构建的光谱指数无论是基于植物叶片原始光谱反射率,还是其一阶导数值,相比常用光谱指数都能更好地估算喀斯特植物叶片叶绿素含量(决定系数大于0.60)。其中,基于植物叶片原始光谱反射率一阶导数值的差值光谱指数 [dD(760, 769)]对喀斯特植物叶片叶绿素含量的估算精度最好,其决定系数为0.71,均方根误差为0.19 mg·g^-1。综上可知,结合高光谱遥感技术的光谱指数模型可快速定量估算喀斯特植物叶片叶绿素含量,为典型喀斯特地区植物生长诊断及其对环境胁迫适应性评价提供重要科学依据和技术支持。     

不同光谱类型对银川平原土壤含盐量反演精度的影响与校正

土壤盐渍化是导致土壤质量下降、耕地减产的重要因素之一。为准确快速评价银川平原土壤含盐量,本研究对野外高光谱数据和室内高光谱数据进行一阶微分(FDR)变换,逐步回归(SR)筛选特征波段,利用偏最小二乘回归(PLSR)与支持向量机(SVM)进行建模,明确适用于本地区土壤含盐量准确反演的光谱类型,并对较差光谱类型进行分段校正与全局校正,尝试提高土壤含盐量反演精度。结果表明: 基于野外光谱的土壤含盐量反演模型精度比室内光谱平均高58.9%;对室内光谱进行分段校正、全局校正后反演精度均有提高,其中,PLSR以分段校正精度更高,建模决定系数(R_c²)、验证决定系数(R_p²)和相对分析误差(RPD)分别为0.790、0.633和1.64,而SVM以全局校正精度更高,R_c²、R_p²和RPD分别为0.927、0.947和3.87;SVM模型的反演精度高于PLSR,其中,野外光谱建模效果最佳,室内全局校正光谱与室内分段校正光谱次之,室内光谱最差。因此,野外高光谱可实现对银川平原土壤表层含盐量的定量反演,经校正的室内光谱对土壤含盐量反演精度显著提升,均可为粮食安全与生态环境高质量发展提供保障。     

基于Hyperion影像植被光谱的土壤重金属含量空间分布反演——以青海省玉树县为例

本研究主要探讨了利用Hyperion影像植被光谱估算土壤重金属含量的可行性.以野外采集的三江源区玉树县48个表层土壤样品As、Pb、Zn、Cd实验室测定含量值,以及从两景Hyperion影像提取的48个土壤样本点相应的176个植被光谱反射率波段及构建的5种植被指数为数据源,利用偏最小二乘回归方法(PLSR)建立土壤各重金属含量与上述两套Hyperion影像上提取的变量之间的估算模型.模型分别为176个植被光谱反射率波段与土壤各重金属含量间的估算模型(植被光谱反射率模型),和以5种植被指数作为自变量,与土壤各重金属含量建立的估算模型(综合植被指数模型).运用验证样本的4种重金属元素实测含量值的标准差与均方根误差的比值(RPD)作为检验标准,As、Pb两种模型RPD均小于1.4,不具备粗略估算能力;Zn、Cd两种模型RPD分别为1.53、1.46与1.46、1.42,均具备粗略估算能力.根据上述结果将Zn的光谱反射率估算模型与Hyperion影像相结合反演得到土壤重金属Zn含量的空间分布,Zn含量在214国道、308省道和乡镇附近偏高,主要受到较强的人类活动影响.表明运用Hyperion高光谱影像植被光谱反射率可以间接估算土壤Zn、Cd元素含量.     

基于光谱参数对小白菜叶片镉含量的高光谱估算

为实现利用高光谱技术快速、准确、无损地检测叶类蔬菜叶片重金属镉污染情况,通过采用室内盆栽试验,检测了小白菜在6个不同的镉浓度梯度0 mg/kg(CK)、0.5 mg/kg(T1)、1 mg/kg(T2)、5 mg/kg(T3)、10 mg/kg(T4)和20 mg/kg(T5)下的叶片高光谱反射率及其镉含量。利用相关分析和逐步回归的统计方法对叶片原光谱、一阶导数光谱和光谱参数与镉含量进行统计分析,确定了反演叶片镉含量的敏感光谱参数,并建立了估算叶片镉含量的参数模型。结果表明:(1)在540 nm附近和红外区域,叶片光谱反射率随着处理浓度的增加呈下降趋势。T1组叶片光谱与对照组的光谱没有明显的变化差异;(2)原光谱与镉含量的敏感波段主要在690—1300 nm,相关系数最高的波段是782 nm。一阶微分光谱与镉含量的敏感波段在黄边、红外、近红外和远红外范围均有分布;(3)反映植物色素、水含量和细胞结构的参数MCARI(叶绿素吸收反射修正指数Modified Chlorophyll Absorption Reflectance Index),SDy(黄边面积Yellow Edge Area),WI(水质指数Water Index),DCWI(病态水分胁迫指数Disease Water Stress Index),SDr(红边面积Red Edge Area)和Dr(红边幅值The Amplitude of the Red Edge)可分别作为反演镉含量的敏感光谱参数,其倒数回归模型能够较好地反演镉污染下小白菜叶片的镉含量;(4)镉胁迫处理15 d时,建立的SDr的倒数模型估算处理30 d时小白菜叶片镉含量的效果最优。研究表明红边面积参数可以用于估算小白菜叶片的镉含量,可为评价小白菜的食用安全提供科学方法。     

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。