|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 高光谱估算土壤有机质含量的波长变量筛选方法显示文摘土壤高光谱数据量大、波段维数高,存在光谱信息无效、冗余和重叠现象,导致基于全波段构建的土壤有机质含量反演模型不稳定、精度难以提升。因此,探寻筛选关键波长变量的方法,通过滤除干扰、冗余、共线信息,提高模型预测性能,是目前土壤高光谱研究的热点之一。该文对江汉平原公安县的土壤样本进行室内理化分析、光谱测量与处理等工作获取了实证数据,采用无信息变量消除法(uninformative variables elimination,UVE)剔除无效变量,利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)滤除冗余变量,运用连续投影算法(successive projections algorithm,SPA)消除共线变量,并尝试将不同类型的筛选方法进行耦合筛选关键波长变量,应用偏最小二乘回归(partial least squares regression,PLSR)分别建立土壤有机质含量估算模型,对比各种变量筛选方法的优缺点,最终,构建筛选土壤高光谱数据关键变量的方法体系。研究结果表明,除SPA方法的模型精度低于全波段外,其他6种变量筛选方法的建模效果均优于全波段;在3种单个变量筛选方法中,CARS方法优于UVE、SPA变量筛选方法,能有效地筛选出重要波长变量,其预测集相对分析误差RPD值为2.84;综合比较各种变量筛选方法,发现CARS-SPA方法从全波段2 001个波长中筛选出37个特征波长建立的土壤有机质含量的PLSR模型效果最好,其模型预测集的决定系数R2和相对分析误差RPD值分别为0.92、3.60,所选波段仅为全波段的1.85%。CARS-SPA-PLSR模型简单、预测效果好,可作为该区域土壤有机质含量估测的重要方法,对今后土壤近地传感器设备的开发具有一定的指导作用。 | 于雷 洪永胜 周勇 朱强 徐良 李冀云 聂艳 | 2016 | 农业工程学报2016，32，13： | 80 |
| 2 | 基于高光谱数据的土壤有机质含量反演模型比较显示文摘以土壤多样化的陕西省横山县为研究区域,比较了3种基于高光谱数据的土壤有机质含量反演模型,在实验室利用ASD Field Spec FR地物光谱仪对横山县野外采集的土壤样品进行光谱测定,并通过重铬酸钾氧化容量法测定土壤有机质含量。然后对原始光谱反射率的倒数进行微分运算获得其一阶导数光谱,将原始光谱反射率、一阶导数光谱分别与土壤有机质含量进行相关性分析,得到相关性系数r较高的特征波段的一阶导数光谱,直接建立基于一阶导数光谱的多元线性逐步回归分析(MLSR)模型。同时针对这些相关性系数较高的特征波段的一阶导数光谱进行主成分分析(Principal component analysis,PCA),利用主成分分析得到的结果分别建立BP神经网络反演模型(PCA-BP)和多元线性逐步回归分析模型(PCA-MLSR)。用上述3种方法进行土壤有机质含量反演,并对3种反演结果进行精度验证与比较。实验分析结果表明:在3种模型中,基于主成分分析结果构建的PCA-BP模型在土壤有机质含量反演中决定系数(R2)最高,为0.893 0,均方根误差(RMSE)为0.118 5%;其次为运用全部主成分PCA分析结果构建的多元线性逐步回归模型,R2为0.740 7,RMSE为0.161 3%;而采用一阶导数光谱反射率构建的多元线性逐步回归模型中,最佳反演模型R2仅为0.689 9,RMSE为0.171 0%。由此说明,PCA-BP模型有机质含量反演精度明显高于多元线性逐步回归模型,利用全部主成分进行多元逐步回归,其有机质含量反演精度优于仅用累计方差贡献率大于90%的主成分进行多元逐步回归的精度,可以更好地反演土壤有机质的含量。 | 叶勤 姜雪芹 李西灿 林怡 | 2017 | 农业机械学报2017，48，3： | 63 |
| 3 | 基于综合指标的冬小麦长势无人机遥感监测显示文摘作物长势监测可以及时获取作物的长势信息,该文尝试建立新型长势指标,监测小麦总体长势情况。将反映小麦长势的叶面积指数(leaf area index,LAI)、叶片叶绿素含量、植株氮含量、植株水分含量和生物量5个指标按照均等权重综合成一个指标,综合长势指标(comprehensive growth index,CGI)。利用450~882 nm范围内单波段和任意两个波段构建归一化光谱指数(normalized difference spectral index,NDSI),比值光谱指数(ratio spectral index,RSI)和简单光谱指数(simple spectral index,SSI),计算CGI与光谱指数的相关性,筛选出相关性好的光谱指数,结合偏最小二乘回归(partial least squares regression,PLSR)建立反演模型。以CGI为指标,运用无人机高光谱影像对2015年小麦多生育期的长势监测。结果表明:1)冬小麦各生育期,总体上CGI与光谱指数的决定系数R^2均好于各项单独指标与相应光谱指数的R^2。仅孕穗期CGI和RSI(754,694)的R^2比叶绿素和RSI(486,518)的R^2低,开花期的CGI和R570的R^2比生物量和R834的R^2低以及灌浆期CGI和SSI(582,498)的R^2比植株含水量和SSI(790,862)的R^2低。2)拔节期,孕穗期,开花期,灌浆期和全生育期PLSR模型的建模R^2分别为0.70,0.72,0.78,0.78和0.61。拔节期,孕穗期和开花期的无人机CGI影像验证模型的均方根误差RMSE(root mean square error)分别为0.050,0.032和0.047。CGI与相应光谱指数的R^2高于单独各项指标与相应光谱指数的R^2,光谱指数能够很好反映CGI包含的信息。无人机高光谱影像反演CGI精度较高,能够判断出小麦总体的长势差异,可为监测小麦长势提供参考。 | 裴浩杰 冯海宽 李长春 金秀良 李振海 杨贵军 | 2017 | 农业工程学报2017，33，20： | 48 |
| 4 | 粮食主产区耕地土壤重金属高光谱综合反演模型显示文摘粮食主产区的耕地土壤重金属污染已成为影响粮食安全和人居环境安全的突出问题。高光谱遥感技术为快速高效获取土壤重金属含量提供了新的途径,也为土壤总金属污染的监测和防治提供了技术保障。以河南省粮食主产区新郑市为研究对象,共采集191个耕地土壤样品,利用Rank-KS法划分为144个建模集样本和47个验证集样本;在室内利用ASD Field Spec 3型地物光谱仪获取土壤高光谱数据,对耕地土壤样品在400~2 400 nm的光谱反射率与Cr、Cd、Zn、Cu、Pb 5种重金属元素进行相关性分析,筛选出5种重金属均通过P=0.01显著性检验的共用高光谱特征波段作为反演模型的自变量;采用基于OLS的固定影响变系数面板数据模型,对新郑市144个建模集样本的5种土壤重金属面板数据构建高光谱综合反演模型。结果表明:面板数据模型整体显著,拟合优度较高(R^2=0.993 7,F统计量为1 365.94)。模型精度检验Cu的相对分析误差为2.046,Pb的相对分析误差为3.432,都具有较好的预测精度;Cr、Cd、Zn的相对分析误差在1.4~1.8之间,具有一般的定量预测能力。面板数据模型通过一次建模综合反演多种土壤重金属,计算简便、速度快,可以用于新郑市耕地土壤重金属的高光谱快速监测。 | 张秋霞 张合兵 张会娟 王新生 刘文锴 | 2017 | 农业机械学报2017，48，3： | 39 |
| 5 | 基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算显示文摘为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R^2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p^2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。 | 王海峰 张智韬 Arnon Karnieli 陈俊英 韩文霆 | 2018 | 农业工程学报2018，34，14： | 37 |
| 6 | 高光谱技术结合CARS算法预测土壤水分含量显示文摘高光谱技术已成为预测土壤含水量(soil moisture content,SMC)的重要方法,但因土壤高光谱中包含了大量冗余信息和无效信息,不仅导致SMC的高光谱估算模型复杂度高,而且影响了模型的预测精度。因此,该研究在室内设计SMC梯度试验,测定土壤高光谱反射率,经Savitzky-Golay平滑(Savitzky-Golay smoothing,SG)和连续统去除(continuum removal,CR)预处理后,基于竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)方法分别优选出土壤在全部SMC的水分敏感波长变量,确定适用于土壤在全部SMC的共性波长变量,以其为优选变量集,采用偏最小二乘(partial least squares regression,PLSR)回归方法建立模型并进行验证。结果表明,SG和CR预处理后的光谱曲线在450、1 400、1 900、2 200 nm附近吸收峰的形状特征凸显;基于CARS方法对土壤在不同SMC的光谱曲线进行变量优选后,得出优选变量集为443~449、1 408~1 456、1 916~1 943、2 209~2 225 nm;CARS-PLSR模型性能优于全波段PLSR模型,模型预测R2、均方根误差、相对分析误差分别为0.983、0.0144、8.36,不仅提升了预测精度和预测能力,而且降低了变量维度和模型复杂度。该文通过优选土壤水分的敏感波段,有效提高了SMC预测模型的鲁棒性,为快速准确评估农田墒情提供了新途径,为开发田间SMC测定传感器提供了理论依据。 | 于雷 朱亚星 洪永胜 夏天 刘目兴 周勇 | 2016 | 农业工程学报2016，32，22： | 32 |
| 7 | 基于无人机多光谱遥感的土壤含水率反演研究显示文摘为研究无人机多光谱遥感技术对裸土土壤含水率的大范围快速测定和最佳监测深度的确定,以杨凌地区粘壤土为试验材料,分别配制成2种不同深度(5 cm和10 cm)、含水率为3%~30%的土壤样本。用无人机搭载多光谱相机对土样连续监测3 d,监测时刻均为15:00。采集6个波段(490、550、680、720、800、900 nm)处的土壤光谱反射率,同时对2种不同深度的土壤样本表层(约1 cm)含水率和整体含水率进行测定。分别采用偏最小二乘回归法、逐步回归法和岭回归法,建立不同波段光谱反射率因素反演土壤含水率的回归模型,并分析其定量关系。试验结果表明,逐步回归预测精度最佳,决定系数(R2)分别为0.775、0.764、0.798、0.694,而预测均方根误差(RMSE)分别为0.028、0.042、0.037、0.038;其次为岭回归法;偏最小二乘法的预测精度最低。综合比较得最佳回归方法为逐步回归法,最佳监测深度为土壤表层(约1 cm),其次为5 cm深度,最后为10 cm深度。 | 张智韬 王海峰 韩文霆 边江 陈硕博 崔婷 | 2018 | 农业机械学报2018，49，2： | 34 |
| 8 | 基于岭回归的土壤含水率高光谱反演研究显示文摘以以色列南部Seder Boker地区采集的粘壤土样品为研究对象。在室内利用ASD Field Spec 3型高光谱仪获取土壤的原始光谱,在进行数据预处理和不同数学变换后,共获取了4种光谱指标:光谱反射率(REF)、倒数之对数(LR)、一阶微分(FDR)和去包络线(CR)。采用偏最小二乘回归法(PLSR)、逐步回归法(SR)和岭回归法(RR)构建了基于不同指标的土壤含水率高光谱反演模型,并对反演结果进行精度验证与比较。结果表明:REF-PLSR模型在所有回归模型中的反演与预测效果均为最优(R2c=0.990,R2p=0.987),在逐步回归模型和岭回归模型中,LR-SR(R2c=0.981,R2p=0.971)、LR-RR(R2c=0.975,R2p=0.979)均为最佳模型。对于其他3种指标,虽然逐步回归法和岭回归法的建模效果较偏最小二乘回归法略有下降,但R2c均大于0.9,R2p均大于0.8,RPD均大于2.5,RMSE均小于0.03,模型仍具有较好的反演效果;逐步回归法和岭回归法均实现了模型的简化,但岭回归法采用有偏估计从而提高了模型的稳健性,且实现了波段的优选(用于建模的波段数仅为全光谱的0.3%)。粘壤土土壤含水率LR-RR高光谱反演模型的建立为高光谱模型的优化、土壤含水率的快速测定提供了途径。 | 张智韬 王海峰 KARNIELI Arnon 陈俊英 韩文霆 | 2018 | 农业机械学报2018，49，5： | 29 |
| 9 | 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 |
| 10 | 基于高光谱的冬油菜叶片磷含量诊断模型显示文摘为快捷、无损和精准表征冬油菜磷素营养与冠层光谱间的定量关系,该文以连续3a田间试验为基础,探究叶片磷含量的敏感波段范围及光谱变换方式,明确基于高光谱快速诊断的叶片磷含量有效波段,降低光谱分析维度,提高磷素诊断时效性。以2013-2016年田间试验为基础,测定不同生育期油菜叶片磷含量和冠层光谱反射率。此后,对原初光谱(raw hyperspectral reflectance,R)分别进行倒数之对数(inverse-log reflectance,log(1/R))、连续统去除(continuum removal,CR)和一阶微分(first derivative reflectance,FDR)光谱变换,采用Pearson相关分析确定叶片磷含量的敏感波段区域。在此基础上,利用偏最小二乘回归(partial least square,PLS)构建最优预测模型并筛选有效波段。结果表明,油菜叶片磷含量的敏感波段范围为730-1300 nm的近红外区域;基于敏感波段的FDR-PLS模型预测效果显著优于其他光谱变换方式,建模集和验证集决定系数(coefficient of determination,R2)分别为0.822和0.769,均方根误差(root mean square error,RMSE)分别为0.039%和0.048%,相对分析误差(relative percent deviation,RPD)为2.091。根据各波段变量重要性投影(variable importance in projection,VIP)值大小,确定油菜叶片磷含量有效波段分别为753、826、878、995、1 187和1 272 nm。此后,再次构建基于有效波段的油菜叶片磷含量估算模型,R2和RMSE分别为0.678和0.064%,预测精度较为理想。研究结果为无损和精确评估冬油菜磷素营养提供了新的研究思路。 | 李岚涛 汪善勤 任涛 马驿 魏全全 高雯晗 鲁剑巍 | 2016 | 农业工程学报2016，32，14： | 26 |
| 11 | 基于近红外光谱技术的茶油原产地快速鉴别显示文摘为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用Savitzky-Golay平滑(savitzky-golay,SG)、多元散射校正(multiplicative scatter correction,MSC)、一阶导数(first derivation,FD)和矢量归一化(vector normalization,VN)等4种方法对其进行预处理。采用偏最小二乘法(partial least squares,PLS)提取最佳主成分,构建PLS回归模型;同时,采用主成分分析(principal component analysis,PCA)和PLS算法提取最佳主成分,作为BP人工神经网络(BP artificial neural network,BPANN)输入变量,构建PCA-BPANN和PLS-BPANN模型。以验证集相关系数RP和验证集均方根误差RMSEP为模型的评价指标,分别优选最佳PLS和BPANN模型。试验结果表明,SG-PLS-DA和SG-PLS-BPANN-DA模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA的鉴别效果优于前者,其建模集相关系数RC、均方根误差RMSEC分别为0.974、0.170,验证集相关系数RP、均方根误差RMSEP分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。 | 文韬 郑立章 龚中良 李立君 谢洁飞 马强 | 2016 | 农业工程学报2016，32，16： | 22 |
| 12 | 土壤有机质含量可见-近红外光谱反演模型校正集优选方法显示文摘土壤有机质含量可见-近红外光谱反演过程中校正集的构建策略对模型的预测精度有重要影响。以江汉平原洪湖地区水稻土为研究对象,采用Kennard-Stone(KS)法,Rank-KS(RKS)和Sample set Partitioning based on joint X-Y distance(SPXY)法,构建样本数占总校正集不同比例的子校正集,通过偏最小二乘回归,建立土壤有机质含量的可见—近红外光谱反演模型。结果表明:KS法无法提高模型预测精度,但可以在保证标准差与预测均方根误差比(ratio of performance to standard deviation,RPD)>2.0的前提下减少30%的校正样本;基于SPXY法的模型,当子校正集样本比例为总校正集的50%时达到最佳的模型预测精度,RPD为2.557;RKS法能够在保证预测精度的情况下(RPD>2.0),最多减少总校正集70%的样本,对应模型RPD为2.212。当校正集与验证集的有机质含量分布相近时,能够以较少的建模样本达到与总校正集相近甚至更高的模型预测精度,提升土壤有机质光谱反演模型的实用性。 | 陈奕云 齐天赐 黄颖菁 万远 赵瑞瑛 亓林 张超 费腾 | 2017 | 农业工程学报2017，33，6： | 21 |
| 13 | 小波变换耦合CARS算法提高土壤水分含量高光谱反演精度显示文摘为实现干旱地区土壤水分含量(soil moisture content,SMC)的快速监测,该文以渭干河-库车河绿洲为靶区,采用小波变换(wavelet transform,WT)对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,再通过竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)滤除冗余变量,筛选出与SMC相关性较好的波长变量,并叠加各层特征光谱的优选波长变量作为最优变量集,用偏最小二乘回归(partial least squares regression,PLSR)构建土壤水分含量预测模型并进行分析。结果显示:1)小波分解过程中,土壤反射率与SMC的相关性不断增强,到小波变换第6层分解(L6)处达到最高,因此小波变换最大分解层数为6层分解;2)通过对土样进行WT-CARS耦合算法筛选出变量,得出的最优变量集包括400~500、1 320~1 461、1 851~1 961、2 125~2 268 nm区域之间共131个波长变量;3)相对于全波段预测模型,各层特征光谱的CARS优选变量预测模型的精度均高,并且基于最优变量集的预测模型的精度最高,该模型的建模集均方根误差0.021、建模集决定系数0.721、预测集均方根误差0.028、预测集决定系数0.924、相对分析误差2.607。说明WT-CARS耦合算法使其在建立模型时尽可能少地损失光谱细节、较为彻底的去除噪声,同时还能对无信息变量进行有效去除,为该研究区SMC的预测提供新的思路。 | 蔡亮红 丁建丽 | 2017 | 农业工程学报2017，33，16： | 21 |
| 14 | 无人机多光谱遥感反演花蕾期棉花光合参数研究显示文摘光合作用对作物的生长发育、干物质的积累以及产量的形成起着至关重要的作用。为探讨遥感技术反演作物冠层光合参数的可行性,以无人机作为遥感平台,搭载6波段多光谱相机,通过采集棉花花蕾期不同时刻(09:00、11:00、13:00、15:00、17:00)冠层多光谱遥感图像,提取其冠层光谱反射率信息,并同步测定棉花冠层叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)等光合参数。通过对4种光合参数和6波段光谱反射率进行相关性分析,并分别使用一元线性回归和主成分回归、岭回归、偏最小二乘回归等多元回归方法,建立不同光合参数在不同时刻的反演模型。结果表明:净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)的最优反演模型分别为13:00的基于蓝光波段反射率的一元线性模型,15:00的基于红光波段反射率的一元线性模型,15:00的岭回归模型和15:00的基于红光波段反射率的一元线性模型,模型的决定系数R2均在0.5以上,验证相对误差RE均小于9%。该研究可为大范围监测作物的光合作用提供一定的参考。 | 陈俊英 陈硕博 张智韬 付秋萍 边江 崔婷 | 2018 | 农业机械学报2018，49，10： | 21 |
| 15 | 利用多源光谱信息反演宁夏银北地区干湿季土壤含盐量显示文摘土壤盐渍化是导致全球荒漠化和土壤退化的主要诱因之一。为确定高光谱和多光谱遥感反演干湿季土壤含盐量的最优模型,该研究以宁夏银北平罗县为例,以干季(4月)和湿季(10月)实测高光谱和Landsat 8 OLI多光谱以及干湿两季实测土壤含盐量为基础数据源,利用相关系数法、灰度关联法和逐步回归法筛选敏感光谱数据,分别采用偏最小二乘、支持向量机、岭回归、BP神经网络和地理加权回归建立干湿两季土壤含盐量反演模型。结果表明:1)银北地区土壤盐渍化较为严重,干湿季含盐量均表现为强度变异,且干季变异程度大于湿季;2)在不同土壤含盐量条件下,重采样后的高光谱波段反射率和影像波段反射率具有显著相关性;3)对比相关性分析、灰度关联和逐步回归三组变量筛选方法下各模型R2和RMSE,逐步回归组模型整体效果较好;4)5种土壤含盐量反演模型中地理加权回归模型精度较高,支持向量机算法和BP神经网络算法在基于不同变量组的模型中表现较为接近,岭回归表现最差,偏最小二乘回归模型出现了较严重的“过拟合”现象。局部模型在土壤含盐量反演方面更具优越性。干季以实测灰度关联组-地理加权回归模型效果最佳,其验证决定系数Rp 2和相对分析误差RPD分别为0.94和4.49;湿季以影像相关系数组-地理加权回归模型反演效果最好,其验证决定系数Rp 2和相对分析误差RPD分别为0.96和4.83。研究结果可为当地及同类地区土壤盐渍化的识别、防治提供理论依据。 | 贾萍萍 尚天浩 张俊华 孙媛 | 2020 | 农业工程学报2020，36，17： | 21 |
| 16 | 高光谱技术联合归一化光谱指数估算土壤有机质含量显示文摘随着近地高光谱遥感技术的发展,为快速、有效、非破坏性地获取土壤有机质(SOM)信息提供了可能。土壤高光谱波段数据众多,光谱数据变量之间存在较为严重的多重共线性,影响模型复杂结构,而构建归一化光谱指数(NDSI)可以有效去除冗余信息变量,放大光谱特征信息。以江汉平原公安县为研究区,采集56份耕层土样,在室内获取土壤光谱数据,采用'重铬酸钾-外加热法'测定SOM含量,对实测土壤光谱数据(Raw)进行倒数之对数(LR)、一阶微分(FDR)和连续统去除(CR)三种变换,计算四种变换的NDSI数值,分析SOM与NDSI的二维相关性,并对一维、二维相关系数进行全波段范围内的p=0.001水平上显著性检验,提取敏感波段和敏感光谱指数,结合偏最小二乘回归(PLSR)建立SOM的估算模型,探讨二维光谱指数用于建模的可行性。研究表明,二维相关系数相比一维相关系数有不同程度的提升,以LR最为显著,相关系数数值提升约0.26;基于二维相关性分析提取的敏感光谱指数的PLSR建模效果整体优于一维相关性分析提取的敏感波段,其中,NDSILR-PLSR模型的稳健性最优,验证集R2为0.82,模型验证RPD值为2.46,模型稳定可靠,可以满足SOM的精确监测需要,适合推广到区域范围内低分辨率的航空航天遥感(如ASTER,Landsat TM等),应用潜力较大。 | 洪永胜 朱亚星 苏学平 朱强 周勇 于雷 | 2017 | 光谱学与光谱分析2017，37，11： | 20 |
| 17 | 应用DS算法消除室内几何测试条件对土壤高光谱数据波动性的影响显示文摘土壤高光谱遥感是土壤近地传感器(Proximal Soil Sensing)研究的重要方向,具有方便快捷、无破坏、成本低等优点,可以高效地分析和估算土壤属性参数.土壤高光谱数据的采集在室内较野外容易控制环境因素(如土壤水分、土壤表面属性等),获取数据更加稳定且具有可重复性,因而,基于室内高光谱数据反演土壤属性参数在国内外已形成较为成熟的理论.但是,室内土壤光谱数据的采集方法缺乏统一的标准体系,限制了光谱数据的共享,关键的几何测试条件不同而引起的光谱差异也未能消除,导致不同几何测试条件观测的光谱数据所建模型的传递效果较差.该研究以江汉平原公安县的36个土壤样本为研究载体,通过在室内环境下设置光源入射角度(A)、光源到土壤表面距离(L)、探头到土壤表面距离(H)3个几何测试参数的不同梯度组合,采用ASD FS3地物光谱仪获取27个组合的光谱数据,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)建立27个参数组合的土壤有机质含量(soil organic matter content,SOMC)的反演模型,分析不同参数组合对土壤高光谱数据离散性的影响,确定1组理想的几何测试参数组合用于其他26组参数的模型传递研究,探讨直接标准化(Direct Standardization,DS)算法在消除其他26组参数组合光谱差异方面的可行性.研究表明,A30L50H15是室内较为理想的土壤高光谱的几何测试参数组合;L对土壤光谱反射率的影响没有明显的规律,而土壤光谱反射率随A增大而增大、随H增大而降低;经过DS算法校正后的其他26个参数模型的验证RPD值均增加到5.54,基本无光谱信息的丢失,模型稳定,有效的解决了不同几何测试参数之间光谱数据的差异性问题. | 洪永胜 于雷 耿雷 张薇 聂艳 周勇 | 2016 | 华中师范大学学报(自然科学版)2016，50，2： | 20 |
| 18 | GF-5高光谱遥感影像的土壤有机质含量反演估算研究显示文摘本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号(GF-5)高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度. | 赵瑞 崔希民 刘超 | 2020 | 中国环境科学2020，40，8： | 20 |
| 19 | 结合高光谱信息的土壤有机碳密度地统计模型显示文摘传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。 | 刘艳芳 宋玉玲 郭龙 陈奕云 卢延年 刘以 | 2017 | 农业工程学报2017，33，2： | 19 |
| 20 | 基于不同光谱变换的土壤盐含量光谱特征分析显示文摘跟踪初生盐渍土壤的微生物修复实验,采用同步实测得土壤盐含量和光谱数据,详细分析了基于34种光谱变换,修复过程中盐渍土的光谱特征。对于选取的6种光谱变换,采用全波段(400~1650 nm)和分析获得的最佳敏感波段分别建立了土壤盐含量的光谱反演PLSR(partial least squares regression)模型。研究表明,光谱变换处理使土壤盐含量与平滑后的光谱反射数据的相关性明显增强,且最佳敏感波段范围进一步聚焦。本研究得到最佳光谱变换为导数变换,基于全波段的土壤盐含量预测模型以SGSD变换效果最好,与原始光谱相比,模型的r、RMSEP分别从0.537和1.928改善到0.823和1.256。而SGSD(Log R)是基于最佳波段所建立的盐含量预测模型的有效光谱变换方法,该研究为进一步实现盐渍土中盐含量快速定量分析提供了方法和数据参考。 | 朱赟 申广荣 项巧巧 吴裕 | 2017 | 土壤通报2017，48，3： | 18 |
您所在的机构暂未开通此部分的功能，请联系管理员