利用高光谱遥感技术监测小麦土壤重金属污染   总被引：2，自引：1，他引：1  

钟亮  钱家炜  储学远  钱志红  王淼  李建龙 《农业工程学报》2023,39(5):265-270

为了探讨基于小麦叶片高光谱间接估测土壤重金属含量的潜力,该研究以江苏省宜兴市徐舍镇为研究区域,于2019－2020年采集农田土壤样品和小麦叶片光谱,经7种不同的光谱变换预处理后,以遗传算法（genetic algorithm,GA）优化的偏最小二乘回归算法（partial least squares regression,PLSR）对预处理后的光谱建立土壤重金属镉（Cd）和砷（As）含量的估测模型,并对模型结果进行精度评价。研究结果表明：1）光谱预处理技术能够突出光谱中的一些隐藏信息,对小麦叶片光谱进行微分变换、多元散射校正、标准正态变换等数学变换后更加有利于提取光谱敏感信息。2）GA-PLSR相较于一般的PLSR方法提高了模型精度,将GA用于光谱波段选择可以优化模型精度和提高稳定性。3）土壤Cd含量的最佳估测模型为标准正态变换预处理光谱与GA-PLSR结合,其外部验证的决定系数为0.87、均方根误差为0.04 mg/kg、相对分析误差为2.72;土壤As含量的最佳估测模型为多元散射校正预处理光谱与GA-PLSR结合,其外部验证的决定系数为0.91、均方根误差为0.32 mg/kg,相对分析误差为3.25。因此,能够利用小麦叶片高光谱间接估测土壤重金属Cd和As含量,该研究为将来实现定量、动态、无损遥感监测大面积农田土壤重金属污染状况提供参考依据。  相似文献   

辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建     

王荐一  杨雯  王玉川  徐鑫鹏  韩春兰  王秋兵 《土壤通报》2022,53(6):1320-1330

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。  相似文献   

基于可见近红外和中红外近地面光谱数据融合的土壤有机碳含量反演   总被引：1，自引：0，他引：1  

孟鑫鑫  于雷  周勇  李硕 《土壤通报》2022,53(2):301-307

  目的  以传统的实验室分析方法进行大规模土壤有机碳（SOC）含量调查耗时、费力、成本高昂,以土壤可见近红外（VNIR）、中红外（MIR）光谱或两光谱数据融合手段能够快速预测SOC含量,但预测精度不一、特别是光谱数据融合技术应用于土柱样本的效果尚待考察。  方法  从全球土壤光谱库筛选出同时具有VNIR光谱、MIR光谱和SOC含量的677个土柱共计3755个土样。光谱数据经Savitzky–Golay平滑和一阶微分预处理后,用Kennard–Stone算法进行建模和验证的集合划分,使用偏最小二乘回归与随机森林方法分别建立以VNIR、MIR以及两者融合的VNMIR光谱为自变量的SOC含量预测模型,并对模型精度进行评估。  结果  MIR光谱模型的SOC预测精度优于VNIR光谱模型,VNMIR光谱模型预测精度低于MIR光谱模型但优于VNIR光谱模型。  结论  使用光谱数据融合技术预测SOC含量并非一定比使用单一光谱数据的精度高,就本例而言使用MIR光谱数据构建预测模型的方法是快速、准确预测大尺度时空范围SOC含量的最 佳手段。  相似文献   

基于高光谱的北京铁矿区土壤重金属镍元素含量反演研究     

郭学飞  曹颖  焦润成  南赟  赵云峰  丁霞 《土壤通报》2021,52(4):960-967

运用高光谱数据对北京典型铁矿区土壤重金属镍含量进行建模反演,探索高光谱遥感技术在土壤重金属污染快速监测上应用的可行性。使用便携式地物光谱仪采集研究区土壤样本光谱反射率数据,光谱反射率数据经多种数学变换后,经逐步回归方法筛选最佳特征波段,利用多元线性回归（SLR）和偏最小二乘回归（PLSR）方法建立模型以光谱反射数据对土壤重金属镍元素含量进行反演。基于光谱二阶微分的多元线性回归模型（SD-MLR）的稳定性和精度最高（R2 = 0.842,RMSE = 4.474）,能够良好地预测研究区土壤镍元素含量。光谱数据数学变换能够有效提高其与土壤镍元素含量间的相关性。不同的光谱变换形式建立模型的预测能力和精度有如下关系,光谱二阶微分 > 光谱倒数对数一阶微分 > 光谱一阶微分 > 光谱倒数对数 > 光谱连续统去除 > 原始光谱。采用光谱二阶微分建立多元线性回归模型为研究区土壤镍元素含量反演的最佳模型,可为土壤重金属污染快速监测提供技术参考。  相似文献   

苏北沿海滩涂地区土壤有机质含量的高光谱预测   总被引：12，自引：6，他引：6  

徐明星  周生路  丁卫  吴绍华  吴巍 《农业工程学报》2011,27(2):219-223

基于反射高光谱快速、无损的检测优势,以苏北沿海滩涂地区不同成陆年代土壤作为光谱信息源,应用偏最小二乘回归（PLSR）方法,研究了原始反射光谱（REF）、微分光谱（FDR）、反射率倒数的对数（lg(1/R)）和波段深度（BD）对不同成陆年代土壤有机质含量的预测精度。结果表明,不同成陆年代土壤有机质含量预测的最佳光谱指标存在差异。REF是构建总体样本有机质含量PLSR预测模型的最佳光谱指标,均方根误差（RMSE）和相关系数（r）分别为2.7231和0.8701;FDR是预测成陆千年土壤样本有机质含量的最佳光谱指标,RMSE和r分别为2.0110和0.9436;BD所构建的成陆百年土壤有机质含量的PLSR预测模型为最优,RMSE和r分别为2.7051和0.8770。相关分析表明,可见光波段、以1 400 nm为中心及1 900～2 450 nm的红外波段是估算土壤有机质含量的最佳波段。  相似文献   

基于RF和连续小波变换的露天煤矿土壤锌含量高光谱遥感反演   总被引：2，自引：1，他引：1  

郭斌  白昊睿  张波  裴琳  赵永华  雷永智  袁荣才 《农业工程学报》2022,38(10):138-147

露天煤矿周边存在潜在重金属污染隐患,快速获取土壤重金属空间分布是土壤污染评价、土地复垦与修复的前提。传统调查方法费时费力且易造成对环境的二次污染,高光谱遥感为土壤重金属反演提供了新的视角。该研究以某露天煤矿土壤锌（Zn）含量为研究对象,采集了111个原位表层（0～20 cm）土壤样品及反射光谱;对样品反射光谱进行Savitsky-Golay（SG）平滑、连续统去除（Continuum Removal,CR）和连续小波变换（Continuous Wavelet Transform,CWT）以降噪和增强;利用Boruta算法确定特征波段;采用偏最小二乘回归（Partial Least Squares Regression,PLSR）和随机森林（Random Forest,RF）构建土壤Zn含量反演模型,使用留一交叉验证评估反演模型精度以确定最优反演模型;基于最优反演模型,利用空间插值方法绘制土壤Zn含量空间分布图。结果表明：1）CWT可有效降低光谱噪声,增强光谱响应。2）Boruta算法能消除光谱信息冗余,并能有效提取特征波段;特征波段的数目随CWT分解尺度和光谱测量条件变化。3）RF估算土壤Zn含量性能优于PLSR,且RF结合CWT具有较好的土壤Zn反演能力;最优野外原位光谱反演模型精度（建模集R2=0.92,验证集R2=0.54）低于实验室光谱反演模型（建模集R2=0.95,验证集R2=0.72）。4） 土壤Zn空间分布表现出显著的异质性,呈现高值集中于研究区西南部和东北部的特征。研究结果可为利用高光谱遥感开展露天矿区土壤重金属反演提供借鉴,为其他类似区域土壤污染评价、土地复垦与整治、土壤修复提供前提与依据。  相似文献   

基于GA-SVM的耕地土壤重金属含量高光谱反演方法的研究     

郭云开  张思爱  谢晓峰  谢琼 《土壤通报》2021,52(4):968-974

为提高耕地土壤重金属含量高光谱反演模型精度,以岳阳县某地区耕地土壤重金属铁（Fe）、砷（As）、铬（Cr）为例,提出了一种遗传算法（GA）优化支持向量机（SVM）的重金属含量反演模型。在对光谱进行SG平滑和10 nm重采样后,利用一阶/二阶微分、倒数对数和连续统去除光谱变换方法增强光谱特征,通过相关性分析筛选最优变换光谱,使用皮尔森相关系数与主成分分析提取各重金属光谱特征变量,分别建立SVM和GA-SVM土壤重金属高光谱反演模型并进行精度验证。结果表明,二阶微分变换光谱与各重金属含量相关性整体最突出;三种重金属在可见光波段490 nm、500 nm、510 nm和530 nm具有共同敏感特征;经GA算法优化SVM参数后,对比SVM回归模型,预测精度有明显提高,其重金属Fe、As和Cr的验证集R2分别为0.968、0.821和0.976;研究结果可为应用遥感技术反演耕地土壤重金属含量提供新的参考。  相似文献   

近红外光谱变量筛选提高西瓜糖度预测模型精度   总被引：5，自引：2，他引：3  

介邓飞  谢丽娟  饶秀勤  应义斌 《农业工程学报》2013,29(12):264-270

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。  相似文献   

黑土养分含量的航空高光谱遥感预测   总被引：3，自引：3，他引：0  

杨越超  赵英俊  秦凯  赵宁博  杨晨  张东辉  崔鑫 《农业工程学报》2019,35(20):94-101

为监测黑龙江省黑土典型区土壤的养分元素含量,综合利用统计理论与光谱分析方法,研究建三江农场黑土土壤的3类养分含量与土壤光谱之间的关系,建立土壤全氮、有效磷、速效钾含量高光谱反演模型,实现土壤养分元素含量定量预测。对黑土土壤航空高光谱数据进行处理,应用偏最小二乘回归（PLSR）和BP神经网络方法分别建立土壤养分元素含量的高光谱定量反演模型,结果表明：全氮PLSR和BP神经网络预测模型的RPIQ值（样本观测值第三和第一四分位数之差与均方根误差的比值）分别为2.42和2.80;有效磷PLSR和BP神经网络模预测型的RPIQ值分别为0.83和1.67;速效钾PLSR和BP神经网络模型的RPIQ值分别为2.00和2.33。试验证明土壤全氮和速效钾的光谱定量预测模型具备较好的精度和预测能力。但有效磷的预测效果不是特别理想,仅可达到近似定量预测的要求;全氮、有效磷和速效钾的预测精度,BP神经网络建模相比偏最小二乘建模有更好的精度和预测能力,预测精度分别提高6.5%、10.1%和6.6%。  相似文献   

高光谱图像结合特征变量筛选定量检测羊肉中狐狸肉掺假   总被引：3，自引：3，他引：0  

白宗秀  朱荣光  王世昌  郑敏冲  顾剑峰  崔晓敏  张垚鑫 《农业工程学报》2021,37(17):276-284

为了探讨快速无损检测羊肉糜中狐狸肉掺假含量的可行性,该研究利用高光谱技术结合特征变量筛选方法开展了其定量检测研究。利用遗传算法、竞争性自适应重加权算法和二维相关光谱分析（Two-Dimensional Correlation Spectroscopy,2D-COS）3种方法分别对代表性样品全部846个波长进行特征波长筛选,得到207、34和14个特征波长;基于全部波长和特征波长建立羊肉糜中狐狸肉掺假含量的偏最小二乘回归（Partial Least Squares Regression,PLSR）和支持向量回归（Support Vector Regression,SVR）模型并进行比较。研究结果表明,基于全部波长和特征波长建立的SVR模型性能均优于PLSR模型。其中,利用2D-COS方法提取的14个特征波长建立的SVR模型（即2D-COS-SVR模型）性能最优,其预测集决定系数和均方根误差分别为0.928和3.00%,相对分析误差为4.85,表明高光谱结合2D-COS-SVR模型可以有效实现羊肉糜中狐狸肉掺假的定量检测。该研究结果为开发低成本肉类掺假检测系统提供技术支持和参考依据。  相似文献   

基于高光谱数据的土壤全氮含量估测模型对比研究   总被引：1，自引：0，他引：1       下载免费PDF全文

殷彩云  白子金  罗德芳  彭杰 《中国土壤与肥料》2022,(1):9-15

构建基于高光谱数据的土壤全氮含量估测模型,为快速、准确监测农田土壤全氮含量,判断作物生长发育情况和评价土地质量提供新的技术和方法.以新疆南疆地区主要类型土壤为研究对象,于室内测定土壤全氮含量和光谱反射率数据,利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换...  相似文献   

Evaluating a low‐cost portable NIR spectrometer for the prediction of soil organic and total carbon using different calibration models     

Amin Sharififar  Kanika Singh  Edward Jones  Frisa Irawan Ginting  Budiman Minasny 《Soil Use and Management》2019,35(4):607-616

This study aims to assess the performance of a low‐cost, micro‐electromechanical system‐based, near infrared spectrometer for soil organic carbon (OC) and total carbon (TC) estimation. TC was measured on 151 soil profiles up to the depth of 1 m in NSW, Australia, and from which a subset of 24 soil profiles were measured for OC. Two commercial spectrometers including the AgriSpec^TM (ASD) and NeoSpectra^TM (Neospectra) with spectral wavelength ranges of 350–2,500 and 1,300–2,500 nm, respectively, were used to scan the soil samples, according to the standard contact probe protocol. Savitzky–Golay smoothing filter and standard normal variate (SNV) transformation were performed on the spectral data for noise reduction and baseline correction. Three calibration models, including Cubist tree model, partial least squares regression (PLSR) and support vector machine (SVM), were assessed for the prediction of soil OC and TC using spectral data. A 10‐fold cross‐validation analysis was performed for evaluation of the models and devices accuracies. Results showed that Cubist model predicts OC and TC more accurately than PLSR and SVM. For OC prediction, Cubist showed R² = 0.89 (RMSE = 0.12%) and R² = 0.78 (RMSE = 0.16%) using ASD and NeoSpectra, respectively. For TC prediction, Cubist produced R² = 0.75 (RMSE = 0.45%) and R² = 0.70 (RMSE = 0.50%) using ASD and NeoSpectra, respectively. ASD performed better than NeoSpectra. However, the low‐cost NeoSpectra predictions were comparable to the ASD. These finding can be helpful for more efficient future spectroscopic prediction of soil OC and TC with less costly devices.  相似文献   

应用反射光谱法估测矿区附近农田土壤As, Cu污染   总被引：4，自引：0，他引：4  

REN Hong-Yan  ZHUANG Da-Fang  A. N. SINGH  PAN Jian-Jun  QIU Dong-Sheng  SHI Run-He 《土壤圈》2009,19(6):719-726

Concentrations of Iron (Fe), As, and Cu in soil samples from the fields near the Baoshan Mine in Hunan Province, China, were analyzed and soil spectral reflectance was measured with an ASD FieldSpec FR spectroradiometer (Analytical Spectral Devices, Inc., USA) under laboratory condition. Partial least square regression (PLSR) models were constructed for predicting soil metal concentrations. The data pre-processing methods, first and second derivatives (FD and SD), baseline correction (BC), standard normal variate (SNV), multiplicative scatter correction (MSC), and continuum removal (CR), were used for the spectral reflectance data pretreatments. Then, the prediction results were evaluated by relative root mean square error (RRMSE) and coefficients of determination (R²). According to the criteria of minimal RRMSE and maximal R², the PLSR models with the FD pretreatment (RRMSE = 0.24, R² = 0.61), SNV pretreatment (RRMSE = 0.08, R² = 0.78), and BC-pretreatment (RRMSE = 0.20, R² = 0.41) were considered as the final models for predicting As, Fe, and Cu, respectively. Wavebands at around 460, 1 400, 1 900, and 2 200 nm were selected as important spectral variables to construct final models. In conclusion, concentrations of heavy metals in contaminated soils could be indirectly assessed by soil spectra according to the correlation between the spectrally featureless components and Fe; therefore, spectral reflectance would be an alternative tool for monitoring soil heavy metals contamination.  相似文献   

结合高光谱信息的土壤有机碳密度地统计模型   总被引：4，自引：2，他引：2  

刘艳芳  宋玉玲  郭龙  陈奕云  卢延年  刘以 《农业工程学报》2017,33(2):183-191

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。  相似文献   

河北铅锌尾矿库区土壤重金属含量高光谱反演方法对比          下载免费PDF全文

毛继华  赵恒谦  金倩  王雪飞  苗群峰  王盼  李美钰 《农业工程学报》2023,39(22):144-156

为更好地研究利用光谱反映的土壤重金属信息，实现具有多重金属复合污染问题的铅锌矿区土壤重金属含量高光谱快速估测，该研究以河北省某铅锌矿区为例，首先对研究区土壤的Cu、Cr、Ni、Zn、Cd、Pb污染状况进行了评价分析，其次基于实验室高光谱数据，组合变换光谱、特征变量和反演算法形成不同反演策略，通过各反演策略下的重金属反演精度比较，定量分析不同光谱预处理、特征选择和建模算法的优劣与适应性，构建最优反演模型。研究结果表明：1）研究区土壤Cr、Ni清洁程度较好，其余Cu、Zn、Cd、Pb均有不同程度污染；参比当地土壤背景值，区域内梅罗综合污染指数均值29.7，为重度污染，潜在生态风险因子均值1330.3，处于高生态风险状态；2）光谱预处理可以增强土壤重金属信息表达。其中，光谱微分效果较好，但易受噪声影响，而多元散射校正、标准正态变量、倒数对数变换可以进行光谱去噪，提升处理效果；3）特征选择方法中，相关系数法选择特征波段数目多，不同重金属反演R² 差异较大；Boruta法选择特征波段数目少，不同重金属反演R² 差异较小；4）BPNN、XGBoost可以较好描述重金属含量与光谱的非线性关系，相较于其他算法具有更好表现，分别实现了Cr、Ni、Zn和Pb、Cd的最优反演，SVMR实现了Cu的最优反演。研究表明，不同的光谱预处理、特征选择与建模算法对于土壤重金属含量的反演均具有较大影响，选择合适的处理、建模算法可以有效提升反演精度。该研究为进一步实现高效、准确、大范围遥感监测铅锌矿区土壤重金属污染状况提供参考依据。  相似文献   

Transferability and scalability of soil total carbon prediction models in Florida, USA     

Sabine GRUNWALD  Congrong YU  Xiong XIONG 《土壤圈》2018,28(6):856-872

The applicability, transferability, and scalability of visible/near-infrared (VNIR)-derived soil total carbon (TC) models are still poorly understood. The objectives of this study were to: i) compare models of three multivariate statistical methods, partial least squares regression (PLSR), support vector machine (SVM), and random forest methods, to predict soil logarithm-transformed TC (logTC) using five fields (local scale) and a pooled (regional-scale) VNIR spectral dataset (a total of 560 TC spectral datasets), ii) assess the model transferability among fields, and iii) evaluate their up- and downscaling behaviors in Florida, USA. The transferability and up- and downscaling of the models were limited by the following factors: i) the spectral data domain, ii) soil attribute domain, iii) methods that describe the internal model structure of VNIR-TC relationships, and iv) environmental domain space of attributes that control soil carbon dynamics. All soil logTC models showed excellent performance based on all three methods with R² > 0.86, bias < 0.01%, root mean squared error (RMSE) = 0.09%, residual predication deviation (RPD) > 2.70%, and ratio of prediction error to interquartile range (RPIQ) > 4.54. The PLSR method performed substantially better than the SVM method to scale and transfer the TC models. This could be attributed to the tendency of SVM to overfit models, while the asset of the PLSR method was its robustness when the models were validated with independent datasets, transferred, and/or scaled. The upscaled soil TC models performed somewhat better in terms of model fit (R²), RPD, and RPIQ, whereas the downscaled models showed less bias and smaller RMSE based on PLSR. We found no universal trend indicating which of the four limiting factors mentioned above had the most impact that constrained the transferability and scalability of the models. Given that several factors can impinge on the empirically derived soil spectral prediction models, as demonstrated by this study, more focus on their applicability and scalability is needed.  相似文献   

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算   总被引：13，自引：7，他引：6  

王海峰  张智韬  Arnon Karnieli  陈俊英  韩文霆 《农业工程学报》2018,34(14):124-131

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。  相似文献   

基于光谱分析的土壤重金属含量估算研究——以三江源区玉树县和玛多县为例   总被引：1，自引：0，他引：1  

张威  高小红  杨扬  李金山  张艳娇  田成明  贾伟  冯玲  马永录  袁蕙霞  修光利 《土壤》2014,46(6):1052-1060

以三江源区玉树县和玛多县为研究区,利用实验室测定的As、Cu、Pb、Zn、Cr、Cd、Hg元素含量和室内采集的土壤原始光谱及其4种转换形式,建立了光谱指标与重金属含量的多元回归模型,利用决定系数(R2)、相对分析误差(RPD)及均方根误差(RMSE)评价模型的精度。研究结果表明,土壤As、Cu、Pb、Zn、Cr、Cd含量与SOM、Fe、Mn、Al、Mg等元素具有显著相关关系,Hg元素则未达到显著性水平。As、Cu、Pb、Zn、Cr和Cd元素估算模型回归方程R2达到了0.5以上,均通过了显著性检验,其中Pb、Zn和Cr元素验证样本RPD均达到了1.4以上,模型具备粗略估算能力;As、Cu和Cd元素验证样本RPD均低于1.4,模型不具备粗略估算能力。Hg元素估算模型回归方程的R2为0.28,未能通过显著性检验,无法用于对Hg含量的估算。  相似文献   

盐渍化土壤光谱特征的区域异质性及盐分反演   总被引：18，自引：5，他引：13  

彭杰  刘焕军  史舟  向红英  迟春明 《农业工程学报》2014,30(17):167-174

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。  相似文献