|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 农业遥感研究现状与展望显示文摘遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势,对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。从20世纪70年代出现民用资源卫星后,农业成为遥感技术最先投入应用和收益显著的领域。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现,农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破。但是农业生产的分散性、时空变异性等特点,对当前农业遥感技术的应用还存在诸多挑战。本文简要回顾了农业遥感发展历程以及其应用的理论基础;再从农作物估产、农业资源调查、农业灾害监测和精准农业管理4个领域阐述了国内外相关研究和应用情况。最后提出农业遥感应加强与地面农业观测网技术的结合,推动新一代低空无人机遥感平台的发展,强化多源传感器融合以及农业过程模型与遥感数据同化的研究。 | 史舟 梁宗正 杨媛媛 郭燕 | 2015 | 农业机械学报2015，46，2： | 215 |
| 2 | 基于偏最小二乘回归的土壤有机质含量高光谱估算显示文摘为实现基于光谱分析土壤有机质含量的快速测定,该文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱反射率(raw spectral reflectance,R)的基础上,提取了其倒数之对数(inverse-log reflectance,LR)、一阶微分(first order differential reflectance,FDR)和连续统去除(continuum removal, CR) 3种光谱指标,分析4种不同形式的光谱指标与有机质含量的相关性,对相关系数进行P=0.01水平上的显著性检验来确定显著性波段的范围,并基于全波段(400~2 400 nm)和显著性波段运用偏最小二乘回归(partial least squares regression, PLSR)建立了该区域土壤有机质高光谱的预测模型,通过模型精度的比较确定最优模型.结果表明,进行CR变换后,光谱曲线的特征吸收带更加明显,相关系数在可见光波段范围内有所提高;基于全波段的 PLSR 建模效果要优于显著性波段,其中以CR的预测精度最为突出,其模型的决定系数R2和相对分析误差RPD分别为0.84、2.58;显著性波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度来比较,具有模型简单、运算量小、变量更少的特点;最后,综合比较了全波段和显著性波段 4 种光谱指标的反演精度,发现 CR-PLSR 模型的建模和预测的效果比R-PLSR、LR-PLSR、FDR-PLSR 模型都要显著.该研究可为将 CR-PLSR 高光谱反演模型用于该区域土肥信息的遥感监测提供参考. | 于雷 洪永胜 耿雷 周勇 朱强 曹隽隽 聂艳 | 2015 | 农业工程学报2015，31，14： | 149 |
| 3 | 盐渍化土壤光谱特征的区域异质性及盐分反演显示文摘该文通过分析中国新疆、浙江、吉林3个不同地区盐渍化土壤的高光谱特征,研究了盐渍化土壤高光谱特征的区域异质性,并对构建高精度的跨区域土壤盐分高光谱定量反演模型,应用25种数据处理方式来提高全局建模的精度,旨在提高具有光谱异质性土壤的盐分反演精度。结果表明:不同地区的盐渍化土壤,无论是反射率还是光谱曲线形态方面,均存在较明显的差异,但经过一阶微分处理后,光谱差异有所降低;对3个地区土壤盐分含量局部建模与全局建模的精度进行比较,在所选用的直线回归、主成分回归、多元线性回归、偏最小二乘回归4种建模方法中,全局建模精度均低于局部建模精度;不同地区盐渍化土壤的盐分敏感波段不一致,在所采用的25种数据处理方式中,SG3点一阶微分(savitzky golay)、SG5点一阶微分、SG7点一阶微分、线性基线校正+SG3点一阶微分、SG平滑+SG3点一阶微分、SG平滑+线性基线校正+SG3点一阶微分这6种数据处理方式对全局建模的建模精度有明显改善作用,模型的相对分析误差均达到2.0以上,其中以SG平滑+SG3点一阶微分为最佳,其决定系数、均方根误差、相对分析误差分别为0.80、0.43、2.23。研究结果为跨区域土壤盐渍化的航天高光谱遥感监测提供了一定的参考依据。 | 彭杰 刘焕军 史舟 向红英 迟春明 | 2014 | 农业工程学报2014，30，17： | 53 |
| 4 | 基于CARS算法的不同类型土壤有机质高光谱预测显示文摘不同土壤类型的理化性质和光谱性质存在差异,以往研究多以高光谱反射率或光谱吸收特征建立模型,输入变量类型结构单一,往往导致土壤有机质(Soil Organic Matter,SOM)预测模型的精度不高。为提高SOM高光谱预测模型精度,该研究以黑龙江省海伦市为研究区,将不同类型土壤分别以竞争自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)筛选的特征波段、数字高程模型(Digital Elevation Model,DEM)数据和光谱指数作为输入变量,结合随机森林(Random Forest,RF)算法建立SOM预测模型。结果表明:1)通过CARS算法筛选后,各土壤类型特征波段压缩至全波段数目的16%以下,在很大程度上降低土壤高光谱变量维度和计算复杂程度,从而提高了模型的预测能力,说明CARS算法在提取特征关键波段变量、优化模型结构方面起到重要作用;2)不同类型土壤的SOM预测精度存在差异,沼泽土的预测精度最高为0.768,性能与四分位间隔距离的比率(Ratio of Performance to InterQuartile distance,RPIQ)为3.568;黑土次之,草甸土的预测精度最低,仅0.674,RPIQ为1.848。3类土壤的RPIQ均达到1.8以上,模型具有较好的预测能力;3)局部回归预测精度最优,验证集的调整后决定系数为0.777,均方根误差(Root Mean Square Error,RMSE)为0.581%,模型验证RPIQ为2.689,模型稳定性高。该试验筛选的预测因子通过RF模型可实现SOM含量的快速预测,简化了传统复杂的程序,可为中尺度区域不同类型土壤的SOM预测提供依据,为输入量的选择提供参考。 | 唐海涛 孟祥添 苏循新 马涛 刘焕军 鲍依临 张美薇 张新乐 霍海志 | 2021 | 农业工程学报2021，37，2： | 41 |
| 5 | 黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测显示文摘【目的】针对黄土高原丘陵地多、地形复杂、有机质含量低、采样困难以及因采煤活动引起大面积土地损毁等问题,在土地复垦与综合整治过程中,为快速定量监测与评估复垦农田土壤质量提供一种新的方法。【方法】以山西省襄垣县复垦农田土壤为研究对象,选取由北向南土地损毁中间条带状区域采集样品152个,进行室内土壤农化分析、光谱测定,运用Par Les 3.1软件对光谱曲线进行多元散射校正(multipication scatter correction,MSC)、基线偏移(baseline offset correction,BOC)和Savitzky-Golay filter平滑去噪预处理。对土壤原始光谱反射率(raw spectral reflectance,R)作一阶微分(first order differential reflectance,D(R))和倒数的对数变换(inverse-lg reflectance,lg(1/R)),分析3种不同变换形式的光谱数据与土壤有机质含量的相关性,相关系数通过P=0.01水平显著性检验来确定显著性波段的范围。基于全波段(400—2400 nm)和显著性波段利用偏最小二乘回归(partial least squares regression,PLSR)分析方法建立该区域土壤有机质含量高光谱预测模型,通过模型精度评价指标:决定系数(coefficient of determination,R^2)、均方根误差(root mean square error,RMSE)和相对预测偏差(residual prediction deviation,PRD)确定最优模型。【结果】通过P=0.01水平显著性检验的波段范围为:R的400—1 800、1880—2 400 nm;D(R)的420—790、1 020—1 040、2 150—2 200 nm;lg(1/R)的400—1 830、1 860—2 400 nm。光谱与有机质含量的相关系数绝对值最大的波段是R的800 nm;D(R)的600 nm;lg(1/R)的760 nm。进行D(R)变换,光谱曲线的吸收特征更加明显,相关系数在可见光(400—800 nm)波段范围内有所增加,其最大值由0.72提高到了0.82;基于显著性波段的PLSR建模效果优于全波段,其中lg(1/R)变换的预测精度为最佳,具有很好的预测能力,其校正模型的R^2和RMSE分别为0.95、7.64,预测模型的R^2、RMSE和RPD分别为0.85、3.00、2.56;基于全波段的R-PLSR和lg(1/R)-PLSR模型具有较好的预测能力,其预测模型的R^2、RMSE和RPD分别为0.79、3.64、2.10和0.79、3.53、2.17,而D(R)-PLSR模型只能进行粗略估测,其预测模型的R^2、RMSE和RPD分别为0.61、5.43、1.41。综合分析全波段和显著性波段3种光谱数据的预测精度,发现基于显著性波段的R-PLSR、D(R)-PLSR、lg(1/R)-PLSR模型均取得了显著的预测效果。【结论】研究区土壤光谱反射率与土壤有机质含量具有高度的相关性,应用偏最小二乘回归分析方法可以很好地建立土壤有机质含量反演模型。 | 南锋 朱洪芬 毕如田 | 2016 | 中国农业科学2016，49，11： | 29 |
| 6 | 基于高光谱特征指数的土壤有机质含量建模显示文摘以江苏中部的水稻土和潮土为研究对象,采集178个表层土壤(0~20 cm)样品,并测定了土壤有机质含量(Soil Organic Matter,SOM)。运用ASD FieldSpec 3光谱仪测量了土壤的高光谱曲线,首先对原始光谱进行倒数对数和去包络线变换,分析了不同SOM含量梯度和土壤类型的高光谱特征。其次,基于原始光谱、倒数对数变换和去包络线变换等三种光谱数据,分别计算弓曲差、差值指数、比值指数和归一化指数等光谱特征指数,并分析其与SOM含量的相关性。最后,筛选光谱特征指数建立SOM的回归预测模型,并比较模型精度。结果表明:(1)SOM含量与原始光谱呈极显著负相关,与倒数对数光谱呈极显著正相关,且在400~900 nm波段相关性最强,相关系数绝对值在0.6以上。去除包络线处理后,土壤光谱曲线特征差异明显,在420 nm、480 nm、660 nm和900 nm附近出现了明显吸收谷。(2)原始光谱、倒数对数变换和去包络线变换光谱在600 nm处的弓曲差与SOM含量极显著相关(P<0.01),相关系数分别为–0.66,0.61和–0.33。(3)利用3种光谱数据的差值指数、比值指数和归一化指数分别结合弓曲差,建立的SOM预测模型效果较好,建模的R2和RMSE分别介于0.56~0.64和4.98~5.50 g·kg^(–1),验证的R2和RMSE介于0.67~0.73和3.21~3.51 g·kg^(-1)。为快速有效测定苏中平原SOM含量提供技术支持。 | 赵明松 谢毅 陆龙妹 李德成 王世航 | 2021 | 土壤学报2021，58，1： | 29 |
| 7 | 基于局部加权回归的土壤全氮含量可见-近红外光谱反演显示文摘全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义。采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性。结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RP2)为0.83,均方根误差(RMSEP)为0.25 g kg-1,测定值标准偏差与标准预测误差的比值(RPD)达到2.41。LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力。因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用。 | 陈颂超 冯来磊 李硕 纪文君 史舟 | 2015 | 土壤学报2015，52，2： | 27 |
| 8 | 不同母质发育土壤的中红外吸收光谱特征显示文摘选取湘东丘陵区四种典型母质发育土壤(酸性紫色土、花岗岩红壤、板岩红壤和第四纪红土红壤),采集剖面(深至母岩/母质层)样品,应用傅里叶变换红外光谱仪研究灼烧去除有机质处理、土层深度和母质类型对土壤中红外吸收光谱特征的影响,分析吸收光谱与土壤理化性质的关系。结果表明,去除有机质后,特征区的中红外吸收值升高,反映矿物质对红外吸收谱线的强烈影响。在剖面上,底土(60~80 cm或100~120 cm)的中红外吸收值高于表土(0~20 cm),与土壤有机质含量的剖面分布相反。四种土壤的中红外光谱均属典型的高岭石图谱。砂粒、粘粒含量与红外吸收值的相关性最好,砂粒含量的最大相关系数(0.51)出现在3700、913和720~540 cm^(-1)附近,粘粒含量的最大相关系数(0.54)出现在1100~694 cm^(-1);本研究表明,原土的中红外吸收光谱特征主要受矿物质的支配,可以很好地反映土壤质地的状况,指示土壤质量变化。 | 宋迪思 盛浩 周清 周萍 王翠红 张杨珠 | 2016 | 土壤通报2016，47，1： | 23 |
| 9 | 土壤有机质高光谱特征与波长变量优选方法显示文摘【目的】探究土壤有机质的高光谱特征及响应规律,优选土壤有机质的敏感波长,降低土壤有机质高光谱估测模型复杂度,提高模型稳健性,为利用高光谱技术对农田土壤肥力的定量监测提供理论支撑。【方法】采集江汉平原潮土土样130个,将其中40个样本作为训练集,测量其去有机质前、后的土壤有机质含量及光谱数据,计算差值及变化率,分析土壤有机质含量变化对光谱特征的影响,结合无信息变量消除(uninformative variables elimination,UVE)、竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)变量优选方法确定土壤有机质敏感波长;采用45个建模集样本,基于偏最小二乘回归(partial Least Squares Regression,PLSR)和反向传播神经网络(back propagation neural network,BPNN)建立土壤有机质含量的估算模型;利用45个验证集样本检验敏感波长对同类土壤的适用性。【结果】通过有机质去除试验,供试土壤的平均光谱反射率在全波段均有所增加,在可见光波段变化率高于近红外波段;比较UVE、CARS、UVE-CARS、CARS-UVE这4种变量优选方法,得到最佳变量优选方法为UVE-CARS,该方法从2001个波长变量中优选得到84个变量作为土壤有机质的敏感波长,分布于561—721、1 920—2 280 nm波段覆盖范围;基于敏感波长的PLSR、BPNN模型性能均优于全波段模型,其中,基于敏感波长的BPNN模型的估测能力高于PLSR,模型验证集R^2、RMSE、RPD、MAE、MRE值分别为0.74、1.33 g·kg^(-1)、2.02、1.04 g·kg^(-1)、6.2%,可实现土壤有机质含量的有效估测。【结论】通过训练集获得的土壤有机质敏感波长,能够实现对该试验区同种土壤类型样本土壤有机质含量的有效估测;利用去有机质试验结合变量优选方法确定的敏感波长建模,不仅将输入波长压缩至全波段波长数目的 4.2%,而且提升了模型估测精度,降低了变量维度和模型复杂度,为快速准确评估农田土壤有机质含量提供了新途径。 | 朱亚星 于雷 洪永胜 章涛 朱强 李思缔 郭力 刘家胜 | 2017 | 中国农业科学2017，50，22： | 23 |
| 10 | 土壤星地传感技术现状与发展趋势显示文摘土壤作为自然地理学的重要研究对象之一,是联系大气、水、生物等其它地理要素的重要枢纽,其信息的快速准确获取研究对现代地理学的发展具有重要意义。本文重点介绍卫星、航空、无人机和地面不同平台搭载的不同类型传感器的探测原理;总结国内外基于星地传感技术的土壤信息快速获取方法及其在土壤属性预测和制图中的应用;阐述现代土壤信息获取在土壤地理学中的应用情况;展望当前土壤星地传感器技术的发展趋势。 | 史舟 徐冬云 滕洪芬 胡月明 潘贤章 张甘霖 | 2018 | 地理科学进展2018，37，1： | 23 |
| 11 | 基于光谱分类的土壤盐分含量预测显示文摘基于相似土壤组分和光谱特征,利用土壤光谱反射率数据和曲线特征来进行土壤光谱分类,同时充分挖掘有效信息是光谱分析的重要应用方向之一。借助模糊k-均值聚类方法将土壤光谱数据分成四个类别(分类前先将原始光谱进行范围归一化处理),比较分析了不同类型土壤在光谱分类前后的高光谱特征,然后利用Kennard-Stone法将各类别样本划分为建模集和预测集,将预处理后的建模集光谱数据作为输入量,采用偏最小二乘回归法(PLSR)方法建立全局和各自类别的盐分预测模型。结果表明:光谱分类建模较按土壤系统分类建模和全局建模的精度有明显提高,其预测模型总体的预测决定系数RP2、预测均方根误差RMSEP、相对分析误差RPD和RPIQ(样本观测值三四分位数Q3与一四分位数Q1之差与RMSEP的比值)四个指标分别从0.664、1.219、1.733和1.461提高至0.818、1.132、2.356和2.422,其中RPD提高幅度达23.13%,四个类别所建模型RPD均大于2.0,可以对土壤含盐量进行较为精确的定量研究。研究结果为利用大样本光谱数据建立大尺度区域的盐分等土壤属性预测模型提供一种新的思路和方法。 | 代希君 彭杰 张艳丽 罗华平 向红英 | 2016 | 土壤学报2016，53，4： | 19 |
| 12 | 湿地土壤全氮和全磷含量高光谱模型研究显示文摘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。 | 王莉雯 卫亚星 | 2016 | 生态学报2016，36，16： | 18 |
| 13 | 基于高光谱数据的高寒草地土壤有机碳预测模型研究显示文摘土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(R_v^2)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的R_v^2和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(R_v^2=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。 | 崔霞 宋清洁 张瑶瑶 胥刚 孟宝平 高金龙 | 2017 | 草业学报2017，26，10： | 17 |
| 14 | 江西省红壤地区主要土壤类型的高光谱特性研究显示文摘土壤光谱是土壤理化性质的综合反映,研究江西省红壤地区主要土壤类型的高光谱特性,对土壤的精准管理和土壤数字制图有重要意义。选择有代表性的吉安县、余江县、兴国县和湾里区,采集443个土壤表层土样,采用ASD光谱仪测量了其可见-近红外反射高光谱(350~2 500 nm)。对光谱进行连续统去除和二阶导数处理后,对四种主要红壤亚类及其土属的高光谱特性进行研究。然后选取反映成土母质、氧化铁(针铁矿和赤铁矿)、土壤有机质含量、黏土矿物等的光谱特征表现变量及高光谱反射率等共19个特征变量,对光谱进行Fastclus聚类分析。结果表明:红壤地区土壤不同亚类光谱反射率差异明显,620 nm^740 nm的特征吸收面积黄红壤>红壤>棕红壤>红壤性土,420 nm和447 nm的二阶导数差值黄红壤>棕红壤>红壤>红壤性土。棕红壤光谱在可见光-短波近红外光谱区域土壤反射率较高,位于1 900 nm范围的吸收强度较其他亚类宽浅。红壤性土光谱曲线最为陡峭,在近红外光谱区域土壤反射率最高,在1 400 nm、1 900 nm有较强的尖锐吸收峰,在2 200有超强吸收峰。红壤亚类光谱曲线整体走势与红壤性土亚类相似,但在900 nm、1 400 nm、1 900 nm和2 200 nm的吸收强度较红壤性土弱,反射曲线位置较高。不同亚类水稻土由于水淹时间的不同,其光谱特征差异较为明显,光谱反射率表现为淹育型水稻土>潴育型水稻土>潜育型水稻土,620 nm^740 nm的特征吸收面积潜育型水稻土>潴育型水稻土>淹育性水稻土,420 nm和447 nm的反射率二阶导数差值为淹育型水稻土>潴育性水稻土>潜育型水稻土,但均高于红壤。选取的特征变量对土壤进行亚类分类的准确率为86.23%,分类的准确度较高,而土属的准确率仅为66.37%。可见-近红外土壤光谱特征可以作为江西红壤地区主要土壤亚类划分的定量参考指标。 | 赵小敏 杨梅花 | 2018 | 土壤学报2018，55，1： | 16 |
| 15 | 基于不同卷积神经网络模型的红壤有机质高光谱估算显示文摘以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习方法因具有强大的特征学习能力已被广泛应用于计算机视觉、自然语言处理等领域,但在土壤高光谱遥感领域研究较少。为探究其在小样本数据集下,通过高光谱数据估算土壤有机质(Soil Organic Matter,SOM)的可行性,以江西省奉新县北部为研究区,248个红壤样本为研究对象。对比分析深度学习方法CNN、多层感知器(Multilayer Perceptron,MLP)、常用的机器学习方法随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)在不同光谱预处理下的建模效果,在此基础上分别建立5种各具特点的CNN结构模型,以探讨不同网络结构的建模效果,包括最早提出的LeNet-5、具有大卷积核的AlexNet-8、采用小卷积核的VGGNet-7、含有Inception结构的GoogLeNet-7以及使用残差学习的ResNet-13。此外,还探讨了VGGNet模型在5种不同网络深度下的模型效果。结果表明:在使用原始光谱的情况下,CNN模型依然能够取得较好的建模效果(相对分析误差>2.5);浅层CNN结构优于深层建模效果,超参数较小的卷积核、步长和池化范围有助于提取更多的特征数量,提高建模精度;VGGNet-7网络结构在所有模型中表现最为突出,在训练集上决定系数为0.895,均方根误差为4.145 g/kg,相对分析误差为3.447,在验证集上决定系数为0.901,均方根误差为4.647 g/kg,相对分析误差为3.291,具有极好的模型估测能力;680、1360、1390、1920、2310 nm及其附近是VGGNet-7建模过程中所提取的SOM重要特征波长。因此,CNN能够简化光谱预处理过程,在土壤高光谱遥感小样本建模中具备可行性,具有非常广阔的应用前景,VGGNet-7可以应用于红壤地区通过高光谱数据快速、准确的估算SOM含量。 | 钟亮 郭熙 国佳欣 徐喆 朱青 丁萌 | 2021 | 农业工程学报2021，37，1： | 16 |
| 16 | 基于高光谱的复垦农田土壤有机质含量估测显示文摘为了快速准确估算矿区复垦土地土壤有机质含量,以永城矿区复垦农田为例,在土样有机质含量测定和高光谱数据测量的基础上,对土壤高光谱数据进行多种预处理并与有机质实测含量进行相关性分析,利用相关系数进行P=0.01水平显著检验,确定敏感波段,建立一元线性回归、多元逐步回归和偏最小二乘回归等多种有机质含量与高光谱估测模型。结果表明:经过数学变换的土壤光谱反射率与土壤有机质含量相关性显著提高,复垦区土壤光谱经过多元散射校正和一元微分处理并利用偏最小二乘回归模型建模预测效果最好。当前较少有研究对矿区复垦农田土壤有机质进行高光谱估测,本研究成果可为有效利用高光谱遥感技术,快速、有效地测定复垦农田土壤有机质含量提供技术支撑。 | 石朴杰 王世东 张合兵 王新闯 | 2018 | 土壤2018，50，3： | 15 |
| 17 | 基于偏最小二乘的土壤重金属镉间接反演模型显示文摘为探讨土壤重金属含量的高光谱快速监测方法,以石家庄市水源保护区褐土为研究对象,基于土壤有机质敏感波段对应的多种光谱变换指标,采用偏最小二乘回归方法,建立了土壤重金属镉(Cd)的高光谱间接反演模型。结果表明,研究区土壤样本Cd含量平均值为0.220 mg/kg,处于严重污染水平;有机质含量与Cd含量之间显著相关,两者存在一定的吸附赋存关系;有机质原始光谱反射率对应的敏感波段为797 nm,各种光谱变换中倒数对数的一阶微分(absorbance transformation and first derivative,ATFD)与有机质含量的相关性最大,一阶微分(first derivative,FD)与有机质含量存在最大的正相关关系;基于建模和验证样本分析,多光谱变换指标偏最小二乘回归模型优于单光谱变换指标偏最小二乘模型和多光谱变换指标逐步回归模型,模型解释变量为1409 nm波段处的倒数对数的二阶微分(absorbance transformation and second derivative,ATSD)和1396 nm波段处的FD,建模和验证样本R 2分别达0.83和0.80。采用基于有机质光谱诊断特征建立多光谱变换指标集成估算模型来间接反演重金属Cd含量是可行的,所建最优模型可以为该地区重金属Cd的快速遥感监测提供参考。 | 贺军亮 韩超山 韦锐 周智勇 东启亮 | 2019 | 国土资源遥感2019，31，4： | 15 |
| 18 | 不同土地利用类型下土壤有机碳含量的高光谱反演显示文摘不同土地利用类型下土壤光谱信息存在差异,了解不同土地利用类型下合适的建模方法可以高效准确地进行土壤有机碳含量反演。本研究以江西省奉新县中北部林地、耕地和园地3种土地利用类型共248个土壤样本为对象,首先对土壤原始光谱反射率曲线使用Savitzky-Golay(SG)滤波去噪并进行10 nm重采样减少数据冗余,之后采用偏最小二乘回归(PLSR)、基于网格搜索法的支持向量机回归(GRID-SVR)和基于粒子群算法的支持向量机回归(PSO-SVR)3种方法分别构建土壤有机碳含量的反演模型。结果表明:构建单一土地利用类型反演模型时,PLSR方法在林地、耕地和园地的相对分析误差(RPD)分别为1.536、1.315和1.493,采用GRID-SVR方法时,其RPD分别提升0.150、0.183和0.502。采用PSO-SVR方法时精度最高,相较GRID-SVR方法,其林地、耕地和园地的RPD分别提高20.8%、10.0%和2.7%,林地和园地的RPD分别为2.036和2.049,可以极好地预测土壤有机碳含量,耕地的RPD为1.647,可以对土壤有机碳含量进行粗略估测。PSO-SVR方法对不同土地利用类型土壤有机碳反演效果最优,林地和园地土壤有机碳含量的反演精度相近且高于耕地。研究区不同土地利用类型对土壤有机碳含量的反演结果存在一定的影响,今后可以考虑在反演土壤有机碳时分不同土地利用类型进行建模。 | 国佳欣 朱青 赵小敏 郭熙 韩逸 徐喆 | 2020 | 应用生态学报2020，31，3： | 14 |
| 19 | 基于PLSR-BP复合模型的红壤有机质含量反演研究显示文摘对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型。结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R^2=0.89,RMSE=4.68g·kg^-1,验证集R^2=0.87,RMSE=5.55g·kg^-1,RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径。 | 国佳欣 赵小敏 郭熙 徐喆 朱青 江叶枫 | 2020 | 土壤学报2020，57，3： | 14 |
| 20 | 基于可见光近红外光谱的南疆荒漠土壤有机质反演研究显示文摘有机质含量是土壤肥力评价的重要依据,快速监测南疆大面积分布的荒漠土壤有机质含量,可为后备耕地资源的合理开发与利用提供重要数字依据。通过野外采样与室内光谱及有机质含量测定,获取了240个荒漠土样的有机质含量与可见光近红外光谱数据。在此基础上,分析了不同有机质含量土样的光谱特征、有机质与光谱数据的相关性,并采用多种数据处理方式构建了反演模型。研究结果表明,不同有机质含量的土样在反射率和曲线形态上均存在一定的差异,土壤有机质在400~842 nm波段与反射率具有较高的相关性,相关系数最大值-0.32位于588 nm波段,反射率经连续统去除处理后相关性得到了明显提升,达极显著相关水平波段数量明显增加,尤其在797~1330 nm、1852~1872 nm、2155~2338 nm波段的改善效果显著,连续统去除的最大相关系数0.55位于86 4 nm波段。不同建模方法的精度对比结果表明偏最小二乘法(PLSR)具有最高的建模精度,在7种不同数据处理方式的PLSR模型中,以SG平滑+峰值归一化+正交信号校正(SGS+MAN+OSC)处理模式下的建模集的决定系数(R^2)最高、均方根误差(RMSE)最低,分别为0.81和0.98;该模型预测集的R^2、RMSE、残余预测偏差(RPD)分别为0.76、0.99和2.01,表明该模型具有较好的预测能力,可推荐为南疆荒漠土壤有机质的光谱定量反演模型。 | 李阳 刘新路 彭杰 李祥 吴家林 | 2018 | 土壤通报2018，49，4： | 14 |
您所在的机构暂未开通此部分的功能，请联系管理员