共查询到20条相似文献，搜索用时 296 毫秒
1.
近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。 相似文献
2.
基于人工神经网络模型的土壤分类方法 总被引：1，自引：0，他引：1
《现代农业科技》2018,(24)
土地是人类赖以生存的自然资源,随着土地管理、精准农业的迅速发展,对土壤制图的精度提出了更高要求,利用高光谱遥感技术可以很好地解决这一问题,土壤反射光谱数据能够很好地反映不同土壤之间的差异。本文利用松嫩平原148个土壤样本的反射光谱数据,对反射光谱数据进行去包络线处理,提取特征参数,将特征参数带入人工神经网络模型,最终得到了良好的土壤分类精度,有助于加快土壤制图进程。 相似文献
3.
小波分析用于土壤速效钾含量高光谱估测研究 总被引：7，自引：0，他引：7
【目的】对土壤高光谱数据去噪提纯,提高土壤速效钾含量高光谱估测模型的精度和实用性。【方法】选取土壤有机质、碱解氮、有效磷含量近似而速效钾含量差异较大的样本76个,对土壤样本反射率对数的一阶导数光谱分别基于4种函数进行多层小波离散分解;提取小波低频系数,构建土壤速效钾含量高光谱估测模型。【结果】小波分解1-3层获得的低频系数可用以代表原始光谱。基于各小波函数相同尺度的低频系数,土壤速效钾含量估测建模精度差异不大。其中基于Bior 1.3函数分解的第2层低频系数建模精度略高,作为最佳估测模型,在数据压缩到25%、反映输入光谱信息95.6%的基础上,建模R2达到0.976,RMSE为10.66 mg•kg-1,经验证模型具有较好的预测准确度。【结论】通过小波分析获得小波系数,既提取了土壤高光谱信息,又对数据进行了压缩,结合偏最小二乘回归预测土壤速效钾含量是可行的。 相似文献
4.
【目的】 剔除土壤高光谱中包含的大量冗余和无效信息,探明土壤有效磷（SAP）的敏感波段,简化SAP的高光谱估算模型并提高模型的预测精度。【方法】 文章以四川省崇州市西河流域110个土壤样本为研究对象,利用ASD Fieldspec3地物光谱仪在室内条件下测定350~2 500 nm波段范围的土壤高光谱数据。对光谱数据进行预处理后,采用连续投影算法（SPA）和竞争性自适应重加权算法（CARS）优选的波长变量作为建模参数,运用偏最小二乘回归（PLSR）方法建立模型并比较其精度。【结果】 结果表明,标准正态变换预处理方法是SAP的最佳土壤光谱数据预处理方法。基于标准正态变换后的光谱数据,CARS、SPA算法可将预测SAP的关键波段变量分别压缩至54和13个,CARS-PLSR模型与SPA-PLSR模型相比,相关系数由0.894提高到0.945,均方根误差由5.73降低到3.56。【结论】 土壤高光谱数据经标准正态变换后,采用CARS-PLSR算法可有效提高有效磷含量预测的鲁棒性。该结果可为高光谱数据快速反演土壤有效磷含量提供理论依据。 相似文献
5.
《西南农业学报》2019,(10)
【目的】为更快速准确地估算土壤全钾含量。【方法】本文以土壤高光谱数据和实验室分析所得的土壤全钾含量数据为数据源,研究土壤光谱与土壤全钾含量的关系。在土壤原始光谱预处理的基础上,对其进行光谱平滑、一阶微分、二阶微分和倒数对数等光谱变换处理,筛选出与对土壤全钾含量相关性最高的光谱指标,最终建立模型预测土壤全钾含量。【结果】基于一阶微分变换的光谱变量是估算土壤全钾含量的最佳光谱指标,其构建的土壤全钾高光谱反演模型(y=2E+06x~2+11328x+16.372)效果最佳,决定系数R~2为0.64,均方根误差RMSE为4.850 g/kg。【结论】利用该模型快速估算广东省土壤全钾含量是可行的。 相似文献
6.
7.
[目的]以陕西杨凌示范区耕层土壤为对象,通过采集、测定耕层土壤的有机质含量,并结合野外相应高光谱数据和光谱响应函数,利用模拟宽波段数据估测土壤有机质含量。[方法]通过分析土壤有机质含量与光谱间的内在关系,筛选敏感波段,构建估测土壤有机质含量模型;以宽波段波段响应函数、土壤高光谱数据为基础,通过模拟宽波段数据,构建估测土壤有机质含量模型;通过高光谱与模拟宽波段数据的对比分析,研究基于宽波段遥感数据定量估测土壤有机质含量的可行性。[结果]基于宽波段数据估测土壤有机质的精度相对较高。[结论]利用宽波段数据估测土壤土壤有机质含量具有可行性,2%并非利用光谱数据估测土壤有机质含量的下限。 相似文献
8.
针对光谱估测中的灰色不确定性，基于灰信息理论和山东省泰安市岱岳区的92个土壤样本数据，建立土壤含水量高光谱灰色关联估测模型。首先根据极大相关性原则选择光谱估测因子，并基于灰信息理论将各样本的光谱估测因子由小到大进行排序；然后利用灰色距离关联度构建土壤含水量高光谱灰色关联估测模型，并根据利用最少信息原理建立估测模型群；最后根据检验样本的平均相对误差和决定系数，对估测模型进行优化。结果表明，9个检验样本的平均相对误差为5.727%，决定系数R2=0.930,估测精度高于常用方法。研究表明本文提出的土壤含水量高光谱灰色关联度估测模型是可行有效的。 相似文献
9.
传统的土壤理化性质检测多为实验室化学分析方法,这种方法费时费力,而且获得的数据结果存在滞后性,不适应于土壤理化性质的快速评价和及时决策。近年来研究表明,近红外光谱技术可用于估算土壤理化性质,然而许多研究中的估算模型构建方法较为复杂,难以在实际农业生产中推广应用。本文提出了一种新型的基于土壤光谱曲线线性趋势变化的土壤理化性质估算方法。试验采集了140个土壤样本,测定其理化性质和相应光谱曲线,其中70个样本用于建模,70个样本用于模型验证。结果表明,400~1 000 nm土壤光谱曲线线性趋势参数(Slope)与土壤有机质含量(OMC)、全氮含量均呈极显著相关关系,相关系数分别为-0.808和0.637;Slope与土壤阳离子交换量(CEC)的相关性达到显著水平,与有效磷(AP)、有效钾(AK)、pH的相关性没有达到显著水平。土壤OMC光谱估算模型为OMC=-329.9 Slope+41.755,决定系数R2为0.814 9,模型较优。选取独立数据对OMC估算模型验证,发现估算OMC值与实际测量OMC接近,这表明本研究提出的基于光谱反射率Slope的方法可以估算土壤有机质含量OMC,该方法建模方法简单,容易开发成便携式产品或传感器,具有较大的应用价值。 相似文献
10.
为了实现烟草不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立烟草品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对4个品种的80个烟草样本建立训练模型,并用每个品种5个样本,共20个烟草样本进行预测.结果表明,用该方法对本研究4个品种的烟草鉴别正确率达100%.说明该方法具有很好的分类和鉴别作用,为烟草品种的快速鉴别提供了一种新方法. 相似文献
11.
12.
本文根据南岭山地的地理背景，采用等级系数法数量化逐步回归筛选，拟合了评价立地质量的杉木和马尾松地位指数数量化多元预测模型，为深入评价立地质量，研究了立地因子与土壤肥力状态的关系，并用同样方法拟合了土壤肥力状态因子与杉木地位指数相关模式，为科学经营林地提供依据。 相似文献
13.
14.
15.
小麦籽粒蛋白质光谱特征变量筛选方法研究 总被引：4，自引：0，他引：4
【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012-2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD FieldSpec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法（UVE）结合交叉验证偏最小二乘回归、连续投影算法（SPA）结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归（MLR）及UVE与SPA组合后结合逐步多元线性回归（SMLR）等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除（UVE）方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归（SMLR）、连续投影算法（SPA）、连续投影算法（SPA）+逐步多元线性回归（SMLR）及连续投影算法（SPA）+偏最小二乘回归（PLS）+交叉验证（CV）等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除（UVE）法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差（RMSEP）和R2分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。 相似文献
16.
冬小麦拔节期冠层晴天光谱特征分析 总被引：2，自引：0，他引：2
利用美国ＳＥ５９０辐射分光光谱仪对晴天中午冬小麦冠层各种辐射光谱成分进行了测定研究,给出了冠层上方总辐射、反射辐射及基部透射辐射的各种光谱变化规律,研究表明冠层上方总辐射、反射辐射、基部透射辐射及吸收辐射中光合有效辐射所占百分比分别为４７９％、１６２％、２１６％和７３９％。在此基础上,进一步给出了小麦冠层反射率光谱变化规律,并利用三次样条函数对冬小麦冠层反射率光谱曲线进行模拟,结果表明２５６组实测数据组成的反射率—波长曲线可以由１２组实测数据通过三次样条函数进行较为准确的模拟,平均模拟误差为４７％,从而为冬小麦反射率光谱曲线数据压缩,建立作物遥感数据库提供了一种理论方法。 相似文献
17.
土壤适宜性评价是针对具体作物在特定地域种植的土壤适宜度所做出的定性、定量和定位的结论性评价,具有实践性、经验性、客观性及应用性的特点。本论文在采集、分析施秉县种植区70个土壤样品理化性质的基础上,基于GIS技术,采用检验指数和方法对复杂地理环境条件下的土壤适宜性评价进行研究,得出土壤适宜性评价结果以及适宜性评价图。 相似文献
18.
基于正交信号校正的Vis-NIR光谱土壤质地预测 总被引：1，自引：0，他引：1
为提高基于VIS-NIR光谱的土壤质地预测精度,引入了正交信号校正(OSC)光谱预处理算法。分别用原始光谱、微分处理、OSC处理光谱,建立偏最小二乘回归(PLSR)模型。结果表明,OSC-PLSR模型验证精度高于其他两种方法所建模型,砂粒含量OSC-PLSR模型的RMSEp为5.94,粘粒含量OSC-PLSR模型RMSEp为1.25,相比PLSR模型,分别降低22.22%和9.42%。OSC算法在土壤质地的VIS-NIR反演中能有效消除不相关因素的影响,提高模型预测精度。 相似文献
19.
20.
基于高光谱的土壤含水率预测模型 总被引：1，自引：0，他引：1
为定量分析土壤含水率与反射光谱特征之间关系,以便为土壤含水率速测提供理论依据。以安徽省阜阳市临泉县为研究区,以区域典型土壤类型—砂姜黑土为研究对象,将土壤样本分别过10和20目的尼龙筛,并设置土壤含水率梯度实验。采用9点移动平滑法结合一阶微分、反射率对数及其一阶微分三种数学变换方法对光谱曲线进行预处理,分析不同目数、不同含水率下的光谱特性差异;拟合分析变换后的样本光谱数据与含水率相关性,提取特征波段,建立土壤含水率多元线性回归预测模型。结果表明：对4种不同土地利用类型的砂姜黑土样本的反射率数据进行对数一阶微分变换后,土壤含水率和光谱数据的相关性明显提升,根据数学变换后提取的特征波段建立的多元线性回归预测模型的预测精度最好;光谱反射率与水分含量呈负相关关系;土壤光谱法反演水分含量时,基于过10目筛的土壤样本建立的预测模型拟合精度要优于过20目筛的土壤样本,R2最高为0.928。研究结果可以为精准农业管理提供极为关键的参数支撑。 相似文献