基于小波变换的土壤有机质含量高光谱估测

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.     

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.     

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.     

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.     

基于多光谱遥感影像的表层土壤有机质空间格局反演

利用多光谱LandSat TM遥感影像反演辽宁省阜新镇表层土壤有机质的空间格局,筛选出与土壤有机质分布相关的TM波段,分析并确定表层土壤有机质含量与TM1、TM2、TM3、TM4、TM5、TM6、TM7波段亮度值(digital number,DN)的相关关系,建立了土壤有机质含量的光谱预测模型.结果表明:研究区表层土壤有机质含量与TM4、TM5波段DN值呈极显著的负相关关系(r分别为-0.617和-0.623,P0.001),与TM3、TM5波段DN值之间满足负二次多项式回归关系(R2=0.9134,P0.001);基于TM3、TM5波段DN值的回归模型对研究区表层土壤有机质含量的预测结果可靠(R2=0.9151,P0.001).研究区表层土壤有机质含量10g·kg-1的农田主要分布在山地边缘地带,而平坦地区农田表层土壤有机质含量一般10g·kg-1,部分达到15～20g·kg-1.     

一种青海湖流域消除植被光谱对土壤光谱影响的土壤有机质含量遥感估算方法

基于遥感技术手段快速测定区域尺度土壤有机质含量(SOM), 对气候、陆地生态系统和农业等领域具有重要的作用和意义。但现有的多光谱遥感影像因其波段宽度较窄, 包含的土壤有机质信息有限, 导致其估算结果的可靠性与精度较低。为此, 以青海湖流域为实证试验区, 将2016 年9 月底(此时, 青海湖流域牧草等植被停止生长, 土壤有机质积累达到全年最高)地面采集并测定的土壤有机质含量数据与同时期MODIS 黑空BRDF/Albedo 产品的宽、窄波段进行了对比与检验。发现: BRDF/Albedo 宽波段的相关性(近红外、短波波段相关系数分别为0.704 和 0.670)高于窄波段相关性(第2, 5, 6 波段的相关系数分别是0.583、0.631 和0.625), 证实了宽波段含有更加丰富、完整的土壤有机质含量信息。为了进一步提高SOM 估算的精度, 基于梯形方法构建了宽波段近红外反照率/植被覆盖度梯形特征空间,从宽波段近红外反照率(包含植被、土壤混合光谱)中成功分离出裸土反照率, 并分别构建了SOM 遥感估算模型。经验证,消除了植被对土壤光谱影响的裸土反照率模型精度(均方根误差为16.87、平均绝对百分比误差为30.0%, 希尔不等系数为0.22)高于宽波段近红外反照率模型精度(均方根误差为20.12、平均绝对百分比误差为31.0%, 希尔不等系数为0.27)。该方法简单易操作, 不仅有助于提高表层土壤有机质含量遥感估算的精度, 也可为土壤其他属性如N, P等元素含量的遥感估算提供了新思路。     

黄土丘陵沟壑区土壤养分含量的高光谱预测模型

基于高光谱数据快速准确估算土壤养分含量,可为土壤养分监测及土壤理化参数反演提供优化方法.本研究在陕北黄土丘陵沟壑区选取典型样地,分析土壤养分含量与光谱反射率的定量关系,采用连续投影算法提取其光谱特征波长,利用偏最小二乘法、多元线性回归法、支持向量机法分别对土壤有机质、全氮、全磷、全钾含量进行预测并对比分析,构建该区域土壤养分含量的最优高光谱预测模型.结果表明: 黄土丘陵沟壑区土壤养分含量与光谱反射率在可见光区(400～760 nm)和近红外区(760～1100 nm)相关性较高,相关系数最大值均位于这两个光谱区间.4种土壤养分含量的SPA-SVM模型的普适性好且反演精度高,建模过程简单高效,适用于小数据量试验.本研究结果可为采用机器学习算法构建黄土丘陵沟壑区土壤养分含量高光谱预测模型提供参考.     

芦苇粉大尾蚜虫害下芦苇叶绿素高光谱反演估算

叶绿素含量是表征芦苇虫害胁迫状态的一个重要指示因子。选取遭受芦苇粉大尾蚜(Hyalopterus pruni)虫害的芦苇(Phragmites australis)作为研究对象,用便携式地物光谱仪ASD FieldSpec 4测定其叶片反射率光谱,同时用SPAD-502 Plus叶绿素测量仪测定其叶绿素相对含量(SPAD),分析健康和虫害芦苇叶片高光谱反射率与叶绿素含量间的相关关系,采用一元线性回归和偏最小二乘法回归方法,建立芦苇叶绿素含量红边位置和全波段高光谱反演估算模型。结果表明:健康芦苇叶片反射率高于虫害叶片,两种叶片叶绿素含量与高光谱的相关性存在显著差异,尤其在绿光波段和近红外波段部分区域(1400~2500nm)表现明显;全波段高光谱估算模型具有较高的准确性,健康叶片回归模型的决定系数(R2)为0.965,均方根误差(RMSE)为0.813,预测偏差比率(RPD)为3.940;虫害叶片回归模型的R2为0.966,RMSE为0.989,RPD为3.855;异地验证结果进一步表明,通过高光谱数据全波段反演能较好地估算芦苇粉大尾蚜虫害下芦苇叶绿素相对含量,这也预示着利用高光谱全波段数据估算虫害植被叶绿素相对含量是可行的。     

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。     

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.     

水文气候影响下黄河三角洲土壤盐分时空动态

近年来,黄河三角洲在水文气候和人类活动影响下的土壤盐渍化问题日益突出。本研究以东营市河口区、垦利区、东营区和利津县为研究区,选取1985—2018年间20期Landsat系列影像,利用数值回归校正法进行影像光谱一致性转换,在此基础上运用偏最小二乘回归法构建土壤盐分定量反演模型;根据最佳盐分预测模型反演的研究区土壤盐分含量数据,分析土壤盐分(SC)时空变化特征,并探讨水文气候因素的影响。结果表明: 选用10个敏感光谱指数构建的土壤盐分反演模型的预测精度较高,其建模决定系数(R²)、均方根误差(RMSE)为0.769、1.125,验证R²、RMSE和相对分析误差(RPD)分别为0.752、1.203、2.08。利用2016年土壤盐分数据进行反演精度检验,实测值与反演值的R²为0.7279。该模型对1985—2018年20期影像进行土壤盐分反演的结果异常值在10%以内。研究期间,区域平均盐分含量总体呈先上升后下降的趋势,最低的年份为1985年(3.14 g·kg^-1),最高的年份为1995年(5.86 g·kg^-1)。空间变化上,研究区重度盐渍土和盐土面积减少,轻、中度盐渍土面积显著增加(66.6%),盐渍土总面积呈扩大趋势。水文气候条件对土壤盐分的影响具有一定滞后性。气温对土壤盐分积累有促进作用,前半年和前1年的平均气温与含盐量均显著相关,R分别为0.507和0.538;土壤含盐量与区域降水量的相关性不显著,受前季黄河径流量的影响最大,R达-0.543。     

闽江河口湿地土壤全磷高光谱遥感估算

磷是湿地生态系统必需和限制性元素,利用高光谱遥感数据对其进行估算对实现湿地土壤磷素快速和准确定量具有重要意义。选取闽江河口湿地作为研究区,于2013年5月,采集16个土壤剖面80个样本作为估算与验证模型样本;基于光谱指数建立土壤全磷(TP)含量估算模型,其中光谱指数包括原始光谱反射率(R)、比值土壤指数(RSI)、归一化土壤指数(NDSI)和有机质诊断指数(OII)。此外进一步分析反射光谱与不同形态磷,TP与有机质之间关系,以期初步揭示河口湿地土壤TP估算的机理。研究结果表明,闽江河口湿地土壤TP含量与R相关系数较高的区域分布在360-560 nm,并在406 nm处达到最大值-0.816;光谱指数RSI(R_(430),R_(830))、RSI(R_(460),R_(810))、RSI(R_(560),R_(580))、NDSI(R_(430),R_(830))、NDSI(R_(460),R_(830))、NDSI(R_(560),R_(580))和OII(R_(446))与土壤TP含量均有较高的相关系数,能较好的用于TP含量的估算;各估算模型决定系数(r~2)和均方根误差(RMSE)分别在0.657-0.805和0.052-0.067之间;验证模型r~2和RMSE分别在0.606-0.893和0.037-0.044之间。分潮滩建立TP含量估算模型是可行的,并且能提高部分光谱指数的估算精度。土壤TP含量的估算精度与磷素的组成有关,其中与铁吸附态磷关系较为密切,钙吸附态和铝吸附态磷关系较弱。土壤TP与有机质和氧化还原环境的存在密切关系可能是湿地土壤TP含量估算的重要机理。     

珠江三角洲城市森林建设问题探讨

过去10年间珠三角地区城市森林建设成效显著,但仍存在着森林网络体系不健全、森林覆盖率低、“绿积量”低以及林种树种结构不合理等问题。从建设生态化城市和建立珠江三角洲城市林业生态圈的高度来确立珠江三角洲城市森林建设的发展思路,体现创新性变革,立足区域整体,构建全区域的城市森林网络系统进行了探讨。建议规划和构建连接区域内各主要城市的贯通性森林生态廊道,重视区域植被特点和发挥地带性建群树种的作用,引进水网化、林网化的核心理念,同时要重视城市建成区的森林生态建设与改造。     

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.     

1980-2015年珠三角城市群城市扩张的时空特征分析

以珠三角城市群9座城市为研究对象,基于1980-2015年3期遥感影像提取的土地利用数据,通过扩张强度、扩张速率以及景观格局指数定量分析珠三角城市群尺度上城市扩张的时空变化特征。结果表明：（1）城市群扩张数量特征：1980-2015年珠三角城市群建设用地面积扩张约3倍,1980-2000和2000-2015期间分别扩张1513.1、3043.8 km²;扩张强度不断增强,扩张速率明显加快。（2）城市群扩张空间特征：珠三角城市群中扩张迅速的城市主要分布在研究区中部的城镇密集带及沿海地区;扩张较慢的城市主要分布在靠内陆的周边地带。（3）基于时间尺度发现珠三角城市群结构的演变呈现出由单核模式（广州,1980年）-双核模式（广州、深圳,2000年）-多中心、网络化模式演化的特征（东莞、中山等相邻城市,2015年）。（4）基于景观格局特征,珠三角区域扩张快速的城市形状复杂,结构趋于分散;扩张较慢的城市形状更规则,分布更聚集。（5）天然的人文联系与优越的地理位置、社会经济、政府政策以及基础设施的建设等因素共同驱动珠三角城市群的发展。该研究对提高城市群规划管理水平具有参考价值。     

珠江三角洲生态旅游可持续发展探讨

从珠江三角洲的区位条件、客源市场、自然环境、社会经济、生态旅游资源等五方面对其生态旅游可持续发展的条件进行评价,根据评价结果进一步探讨其生态旅游发展的区域特征与差异。研究发现珠三角的生态旅游发展呈现区域极不平衡的特征,其中“金三角”区生态旅游发展的资本雄厚,但存在资源相对集中,竞争过于激烈与发展模式单一等的困难,而非“金三角”区生态旅游发展起步晚,基础设施有待完善。根据两区域的发展不足,继而提出进行资源整合,重点发展生态度假游和深层次挖掘岭南文化内涵,创建有特色的岭南文化生态旅游等可持续发展建议。     

黄河三角洲自然保护区湿地植被生物量空间分布及其影响因素

以黄河三角洲自然保护区为研究区域,以野外实测湿地植被地上生物量数据、Landsat-8影像数据和土壤各因子检测数据为数据源,通过分析各遥感因子与实测植被生物量的相关关系,建立生物量模型,进行生物量的定量反演。通过研究生物量与土壤、水环境因子的关系,筛选影响生物量的关键因子,进而分析生物量的空间分布规律。结果表明:湿地植被地上生物量的干重与各遥感因子的相关性较高;以NDVI、EVI、MSAVI、DVI、RVI、Band1、Band2、Band3、Band4、Band6共10个因子作为自变量建立的反演模型最优;反演计算的生物量干重分为5个等级区,最低的1级区和最高的5级区面积较小,为82.23、72.16 km2,分别占研究区湿地植被总面积的13.35%、11.71%。生物量干重适中的2、3、4级区所占面积较大,为211.99、136.39、113.29 km2,分别占研究区湿地植被总面积的34.41%、22.14%、18.39%;在各环境因子中水深对芦苇生物量干重影响最大,土壤含水率对碱蓬生物量干重影响最大,水、盐条件是导致优势种植被生物量干重出现空间分异的主导因素;植被生物量干重呈现由陆向海减小,由黄河河道两岸向外递减的趋势。     

Estimation of leaf nitrogen content from spectral characteristics of rice canopy

Ground-based remotely sensed reflectance spectra of hyperspectral resolution were monitored during the growing period of rice under various nitrogen application rates. It was found that reflectance spectrum of rice canopy changed in both wavelength and reflectance as the plants developed. Fifteen characteristic wavebands were identified from the apparent peaks and valleys of spectral reflectance curves, in accordance with the results of the first-order differentiation, measured over the growing season of rice. The bandwidths and center wavelengths of these characteristic wavebands were different among nitrogen treatments. The simplified features by connecting these 15 characteristic wavelengths may be considered as spectral signatures of rice canopy, but spectral signatures varied with developmental age and nitrogen application rates. Among these characteristic wavebands, the changes of the wavelength in band 11 showed a positive linear relationship with application rates of nitrogen fertilizer, while it was a negative linear relationship in band 5. Mean reflectance of wavelengths in bands 1, 2, 3, 5, 11, and 15 was significantly correlated with application rates. Reflectance of these six wavelengths changed nonlinearly after transplanting and could be used in combination to distinguish rice plants subjected to different nitrogen application rates. From the correlation analyses, there are a variety of correlation coefficients for spectral reflectance to leaf nitrogen content in the range of 350-2400 nm. Reflectance of most wavelengths exhibited an inverse correlation with leaf nitrogen content, with the largest negative value (r = -0.581) located at about 1376 nm. Changes in reflectance at 1376 nm to leaf nitrogen content during the growing period were closely related and were best fitted to a nonlinear function. This relationship may be used to estimate and to monitor nitrogen content of rice leaves during rice growth. Reflectance of red light minimum and near-infrared peak and leaf nitrogen content were correlated nonlinearly.     

基于多角度植被指数的马尾松林LAI反演方法

CHRIS/PROBA是目前具有最高空间分辨率（17 m×17 m）的星载多角度高光谱数据,该款数据在反演植被垂直结构参数,如树高、叶面积指数（leaf area index,LAI）等方面具有重要的应用前景。基于四尺度几何光学模型得到马尾松（Pinus massoniana Lamb.）冠层的归一化差分植被指数（normalized difference vegetation index,NDVI）各向异性分布规律,利用CHRIS红光特征波段和近红外特征波段构建一种新型多角度植被指数（normalized hotspot-dark-spot difference vegetation index,NHDVI）,并将其应用于CHRIS数据对马尾松林的LAI遥感估算上。结果显示：（1）相比归一化差分植被指数（NDVI）与土壤调节植被指数（soil adjusted vegetation index,SAVI）而言,NHDVI能很好地融合光谱信息与角度信息,与地面实测LAI的决定系数达到0.7278;（2）利用NHDVI-LAI统计回归模型方法来反演LAI值,将得到的LAI值与地面实测值进行相关性分析,结果拟合优度达到0.8272,均方根误差RMSE为0.1232。与传统植被指数相比,包含角度信息的多角度植被指数对LAI的反演在精度上有较大提升,同时比基于辐射传输模型的反演方法更简易、实用。