基于DWT-GA-PLS的土壤碱解氮含量高光谱估测方法

以山东齐河县为研究区,实地采集土壤样本,在土样高光谱测试并进行一阶导数变换的基础上,先运用离散小波变换(DWT)对土壤光谱去噪降维,然后采用遗传算法(GA)筛选土壤碱解氮定量估测模型的参与变量,最后应用偏最小二乘(PLS)回归构建土壤碱解氮含量的估测模型.结果表明: 离散小波变换结合遗传算法和偏最小二乘法(DWT-GA-PLS)用于土壤碱解氮含量定量估测,不仅可压缩光谱变量、减少模型参与变量,而且可改善模型估测准确度;较之于采用土壤全谱,小波离散分解1～2层低频系数构建的模型在参与变量大幅减少的情况下,取得更准确或与之相当的预测结果,其中,基于第2层小波低频系数采用GA筛选变量构建的PLS模型的预测效果表现最好,预测R²达到0.85,RMSE为8.11 mg·kg^-1,RPD为2.53.说明DWT-GA-PLS用于土壤碱解氮含量高光谱定量估测的有效性.     

湿地土壤全氮和全磷含量高光谱模型研究

氮磷是湿地生态系统土壤中的重要营养元素,其对湿地植被生长、湿地生态系统生产力、区域富营养化变化、湿地环境生态净化功能等具有重要的影响作用。研究氮磷营养物质在湿地土壤中的分布变化特征,对湿地生态系统评估、恢复和管理具有重要的意义。以中国高纬度地区面积最大的滨海芦苇湿地——盘锦湿地为研究区,采用不同建模方法(再抽样多元逐步回归模型bootstrap SMLR和再抽样偏最小二乘回归模型bootstrap PLSR)和光谱变换技术(包络线去除CR、光谱一阶微分FD和光谱倒数的对数LR),分别建立了湿地土壤全氮和全磷含量的估算模型。基于湿地土壤实测光谱,模拟高光谱Hyperion数据和多光谱TM数据,在此基础上进行湿地土壤营养元素含量估算。对比所建反演模型的估算精度,探讨高光谱遥感技术对湿地土壤营养元素组分的估算能力和适用性。研究结果表明:bootstrap PLSR相比于bootstrap SMLR建模方法,其对研究区湿地土壤全氮和全磷含量的估算获得了较高精度;对盘锦湿地土壤全氮含量的估算,最高估算精度产生于CR光谱变换技术结合bootstrap PLSR建模;对湿地土壤全磷含量的估算,最高估算精度产生于原光谱数据结合bootstrap PLSR建模;模拟高光谱数据Hyperion对湿地土壤全氮和全磷含量的估算精度均高于模拟多光谱数据TM,模拟Hyperion的估算精度更接近于实测光谱的估算精度。     

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。     

光温因子对大田冬小麦累积生物量的影响

为了探索光、温因子对冬小麦各生育阶段生物量的影响及冬小麦各组织器官生物量的变化规律,利用甘肃省西峰农业气象试验站1981-2008年冬小麦生产年度物候期、产量分析要素等观测资料、1995-2008年冬小麦生产年度三叶期、越冬期、拔节期、抽穗期、乳熟期及成熟期生物量测定资料及相应时段的温度、日照资料,分析了冬小麦生物量变化过程及光温因子综合作用辐热积对各生育阶段生物量的影响.结果表明：冬小麦全生育期生物量的累积过程呈“S”型曲线,抽穗期、乳熟期生物量达到最大.自1981年以来,抽穗期、乳熟期的辐热积以3.314 MJ·m^-2·a^-1的速度上升,其他各生育阶段辐热积随年份呈抛物线变化;返青期、拔节期及乳熟期、成熟期辐热积在20世纪90年代较大,20世纪80年代及21世纪初较小;拔节期、抽穗期辐热积在20世纪90年代较小,20世纪80年代及21世纪初较大.各生育阶段辐热积与产量相关显著.各生育阶段的叶面积指数与该阶段的辐热积利用率呈显著相关,拔节期及抽穗期叶面积指数增加1,其辐热积利用率分别增加0.049和0.259 g·MJ^-1.     

基于SVR算法的林地土壤氮含量高光谱测定

提出了一种利用高光谱技术进行杉木林土壤全氮测定的新方法。以FieldSpec®3地物光谱仪采集杉木林土壤148份, 随机分成校正集(100份)和检验集(48份)。以不同方法实现了土壤光谱的预处理, 并采用偏最小二乘回归算法(PLS)建立土壤氮含量估测模型对其进行比较分析, 发现小波除噪结合多元散射校正能最有效地消除原始光谱的噪声与背景信息, 此时PLS模型校正集与预测集R²分别为0.891与0.885。为进一步优化模型, 对经小波除噪结合多元散射校正处理后的光谱采用主成分分析法(PCA)降维, 以前4个主成份为输入变量, 采用小二乘支持向量机回归算法(LS-SVR)建立了土壤氮含量估测模型, 其校正集与预测集R²分别提高至0.921与0.917, 具有比PLS算法更高的精度。结果表明:以高光谱技术进行林地土壤氮含量快速监测是可行的, 其中小波去噪结合多元散射校正系光谱预处理的优选方法, 而LS-SVR则是建模的优选方法。     

东北地区不同纬度农田土壤碱解氮的剖面分布

为研究农田土壤碱解氮的含量及其分布,以东北玉米带不同纬度农田土壤为对象,研究了100cm深度范围内碱解氮含量垂直分布及纬向分异特征。结果表明:土壤碱解氮主要分布在0～60cm土层中,各样点碱解氮含量随土壤深度的增加而减少;除公主岭点外,其它各点0～60cm的3个土层间碱解氮含量差异显著(P<0.05);碱解氮含量与有机碳、全氮含量极显著正相关(P<0.01),说明土壤碱解氮含量及其分布主要受土壤有机质和氮素水平的影响。0～20cm土层碱解氮含量具有随纬度增加而增加的趋势,气候条件和土壤类型的差异是导致其纬向分布差异的主要原因。     

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。     

浦江县土壤碱解氮的空间变异与农户N投入的关联分析

尝试以作物种植前、后土壤N的空间变化为基础与农户调查数据相结合,以GIS技术为手段,辅以地统计分析,探讨县域作物土壤环境空间变化特征及其与农户土地管理行为,特别是N投入行为间关系。其结果对更深入揭示农田碱解氮的演化规律,指导农民合理N投入,减少投入成本,提升生态环境,具有十分重要的作用。通过对Moran’s I指数分析,结果表明:农业N投入普遍偏高,过剩量大;不同区域作物N投入存在较大差异,且农户各自惯性投入依然较强。平原区变异系数大的主要原因在于种植规模化品种少,粮食作物和经济作物N投入差距大;山区和半山区的变异系数小的原因是由于规模化经营尚未形成,种植作物的多样性和N投入的不稳定性综合形成的。此外,研究还表明,GIS空间分析技术与经典试验相结合能有效分析不同农户间的作物种植前后土壤N的变化差异,对建立针对性的、差异化农地利用对策具有十分重要的作用。下一步研究可结合土地利用与覆盖变化、土壤物质循环作更深入探讨。     

红壤区土壤有机质和全氮含量的空间预测方法

如何利用有限的土壤采样点准确预测土壤属性一直是研究的热点。近些年来,结合辅助信息的克里格空间插值应用广泛,但将土地利用类型信息作为辅助变量提高预测精度的研究鲜有报道。以中国南方红壤丘陵区的余江县为案例区,用网格法采集254个土壤样品,通过普通克里格(OK)和以土地利用方式为辅助变量的克里格(KLU)方法对土壤有机质(SOM)和土壤全氮(STN)进行空间预测,并通过102个验证点比较了两种方法的预测精度。分析表明KLU对SOM和STN的预测值与实测值的相关系数(rSOM=0.786,rSTN=0.803)明显高于OK(rSOM′=0.224,rSTN′=0.307);OK对SOM和STN的预测RMSE分别为12.48g.kg-1和0.64g.kg-1,而KLU的预测RMSE分别为6.86g.kg-1和0.37g.kg-1,仅为前者的55%和58%。可见,KLU对研究区SOM和STN的预测精度均大幅提高。同时分析也表明,KLU对不同土地利用方式SOM和STN预测精度的提高幅度存在差异,其中对旱地预测精度的提高幅度最大,对林地预测精度的提高幅度最小,水田则介于两者之间。研究表明,KLU是南方红壤丘陵区进行SOM和STN空间预测的现实和高效方法。     

基于最佳波段判别的湿地植物叶片全氮反演研究

利用高光谱遥感技术定量估测湿地植被叶片全氮含量,对于监测和诊断湿地植被的生理状况及生长趋势具有重要意义。但叶片氮素遥感诊断研究多存在反演模型过拟合、入选波段与生化参量间因果关系不明确和入选变量间"多重共线性"等局限。以芦苇(Phragmites australis)和香蒲(Typha angustifolia)叶片全氮含量作为研究对象,通过谱带分区,分区最佳波段选取和偏最小二乘回归相结合的方法构建芦苇和香蒲叶片全氮含量反演模型,并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)对模型精度进行检验,尝试克服传统反演方法中的不足。结果表明,不同湿地植物类型相比,利用芦苇反射光谱建立的预测模型精度都高于香蒲。不同回归模型相比,一阶导数光谱-偏最小二乘回归模型(FDS-PLSR)精度远高于原始光谱-偏最小二乘回归模型(OS-PLSR)。芦苇最佳模型交叉验证决定系数(R2cv)达到了0.84,方根误差(RMSEcv)为0.10,香蒲最佳模型交叉验证的决定系数(R2cv)达到了0.66,方根误差(RMSEcv)为0.13,是构建湿地植物芦苇和香蒲光谱与叶片全氮含量关系的最佳模型。在不降低湿地植物叶片氮含量反演精度的基础上,有效地避免了传统地物高光谱模型反演中的局限性,是无损害遥感探测方面的有益尝试。     

基于湿地植物光谱的水体总氮估测

利用再生水补充城市湿地是目前湿地恢复与重建的主要方向,然而再水中高浓度的氮、磷含量极易导致水体富营养化。遥感技术已成为富营养化监测的重要手段,但对于植被覆盖水域的富营养化直接探测存在一定的局限性。以北京市典型再生水补水湿地奥林匹克公园南园湿地为研究区,利用湿地植物光谱进行水体富营养化主控因子总氮的遥感探测。测定芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及水体总氮含量,在对数据进行预处理的基础上建立二者的关系模型,包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型),与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型),并利用交叉验证决定系数(R2cv)和均方根误差(RMSEcv)进行模型精度检验。结果表明,不同回归模型相比,多变量回归模型精度较高;多变量回归模型中,PLSR模型精度较高,R2cv可达0.72,RMSEcv仅为0.24,是建立湿地植物光谱与水体总氮含量关系的最优模型。不同湿地植物类型相比,利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲。其他环境因子(总磷)也是影响TN含量与湿地植物反射光谱关系的重要因素。研究成果可以弥补现有水体富营养化遥感探测的不足,并为再生水利用的城市湿地水质监测与管理提供有力的科学依据。     

基于挺水植物高光谱信息的再生水总氮含量估测——以北京市门城湖湿地公园为例

高光谱信息是探测植物体内氮素含量状况的重要手段,而植物体中的氮素与水体含氮量息息相关.本研究区为以再生水为主要补给水水源的北京门城湖湿地公园,通过获取区内典型的再生水氮净化挺水植物芦苇和香蒲叶片的高光谱数据,并在室内测定对应样点的水体总氮含量指标, 探讨基于典型湿地挺水植物高光谱数据对水体总氮进行遥感探测的可行性.采用4种高光谱参数(光谱指数、归一化差值指数、“三边”参数及吸收特征参数)分别建立一元线性模型、逐步多元回归模型和偏最小二乘模型,根据决定系数(R²)和均方根误差(RMSE)进行模型精度检验.结果表明: 逐步多元回归和偏最小二乘模型的预测精度高于一元线性模型. 3种模型对芦苇的拟合效果均优于香蒲.偏最小二乘模型对芦苇的拟合效果最优(R²=0.854,RMSE=0.647).500～700 nm是反映水氮含量的最佳波段范围,绿峰与红谷反射率的比值与水体总氮含量具有较强的相关性,尤其是吸收特征参数能够较好地预测水体总氮含量.     

三江源国家公园表层土壤有机碳和全氮密度的特征评估和等级区划

三江源国家公园是青藏高原生态屏障的核心单元,准确评估其土壤碳氮特征是区域生态功能认知和分区管理的重要基础。基于54个样点调查数据,结合高程、坡度、坡向及2000—2018年的年均气温、降水、归一化植被指数等生态因子,采用增强回归树模型研究了三江源国家公园表层(0—30 cm)土壤有机碳(SOC)、全氮(TN)密度的空间格局和等级区划及储量特征。结果表明三江源国家公园SOC密度和TN密度分别为(5.41±3.12)kg/m~2(平均值±标准差,下同)和(0.57±0.27)kg/m~2,其空间变异均主要受降水和归一化植被指数影响。澜沧江源园区和黄河源园区SOC和TN密度分别为(9.39±0.89) kg/m~2和(0.92±0.09)kg/m~2、(8.26±2.33) kg/m~2和(0.80±0.20)kg/m~2,约为长江源园区的2倍。SOC和TN密度等级在澜沧江源园区呈现出中心高周围低的特征,在黄河源园区和长江源园区分别表现出从北到南和从东南到西北逐渐降低的格局。三江源国家公园SOC储量和TN储量分别为0.60 Pg和0.06 Pg,其中澜沧江源园区、黄河源园区、长江源园区的储量...     

基于ST-PCA-BP神经网络的檀香叶片全氮含量无损检测

氮素是植物生长需要的大量元素之一,生产经营者在植物生长过程中往往施加大量的氮肥,但过量的肥料会造成地下水污染.本文针对珍贵树种檀香,提出了一种基于ST-PCABP神经网络的檀香叶片全氮含量无损检测方法,为檀香的经营培育提供参考.结果表明:将野外获取到的檀香图像由RGB转换到L~*a~*b~*系统,可以较好地完成自然图像中的檀香分割.这是由于L~*a~*b~*系统色域宽,受光照变化的影响较小.ST-PCA-BP神经网络的特点是通过显著性检验(ST)筛选变量,使用方差膨胀因子和条件指数分析筛选结果的共线性,主成分分析法(PCA)消除共线性.该处理方法有效地减小了BP神经网络陷入局部最小值的概率,与原始数据、ST处理和PCA处理相比,决定系数最高,平均残差和均方根误差最小,是檀香叶片全氮含量无损、实时检测的最佳方法.