共查询到19条相似文献，搜索用时 191 毫秒
1.
烤烟成熟鲜烟叶生化组分高光谱估算方法筛选 总被引：5，自引：3，他引：5
为实现实时无损快速预测鲜烟叶的品质生化组分、筛选估算生化组分最佳的方法，使用ASD Fieldspec FR2500对烤烟成熟鲜烟叶进行了反射率、透射率光谱测定和常规生化组分分析。对可见近红外波段(350～1650 nm)单波段光谱和选用已有100种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选。结果表明，对于叶绿素a、叶绿素b、类胡萝卜素、钾估算方法分别是Gitelson and Merzlyak2(GM2) (R2=0.81)、光化学指数2(PRI2) (R2=0.80)、Gitelson and Merzlyak2(GM2) (R2=0.83)、1420 nm吸收峰开始位置(λs1420) (R2=0.67)的线性拟合最优。对于总糖、比叶重、氮、烟碱最优方法分别是在532 nm反射率一阶微分线性拟合(R2=0.54)、在1423 nm透射率线性拟合(R2=0.45)、在666 nm反射率倒数对数一阶微分的幂函数拟合(R2=0.44)，在1135 nm反射率倒数对数二阶微分的线性拟合(R2=0.20)。通过筛选的光谱方法可以评估烟叶的品质状况。 相似文献
2.
玉米全氮含量高光谱遥感估算模型研究 总被引：13，自引：5，他引：13
该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量，采用相关性分析以及单变量线性与非线性拟合分析技术，对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析，结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847)，呈极显著负相关，并且基于此波长所构建的对数关系估算模型明显优于线性模型；与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944)，呈极显著正相关，并且基于此波长所构建的线性和非线性模型的拟合效果接近；对于所选取的3类高光谱特征变量，全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外，与其余变量均呈极显著相关关系，说明由这些变量对玉米全氮含量进行估算具有可行性；对所建立的各类方程进行精度检验，最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。 相似文献
3.
用于微小型光谱仪的冬小麦抽穗期叶绿素含量诊断模型 总被引：3，自引：3，他引：0
采用基于微小型光谱学传感器构建的作物冠层反射光谱探测系统,在田间轻量便携式地测量冬小麦抽穗期冠层可见光-近红外反射光谱。首先对冠层反射光谱进行去噪预处理,对原始光谱先一阶微分运算后,采用Bior Nr.Nd双正交小波进行小波包分解和重构以达到数据平滑的目的。对样本点数据利用蒙特卡罗抽样方法进行分析,去除异常样本点值,然后基于Random frog特征变量选取算法进行叶绿素含量敏感波长筛选。分别对原始光谱和经预处理后的光谱数据所选取的敏感波长进行偏最小二乘回归(partial least squares regression,PLSR)建模,建模结果如下:基于原始光谱的敏感波长639、436、459、642、556、653、596、455 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.70,均方根误差为1.398 0,验证精度Rv2为0.10,均方根误差为2.381 0;经过预处理后,基于选取的特征波长719、572、562、605、795、527、705、514 nm建立叶绿素含量诊断PLSR模型,建模精度Rc2为0.69,均方根误差为1.364 8,验证精度Rv2为0.52,均方根误差为1.839 7,估测能力得到了提高。结果表明:基于微小型光谱学传感器构建的作物冠层反射光谱探测系统能够合理地预测冬小麦叶片中的叶绿素含量,可用于田间冬小麦抽穗期的作物营养诊断。 相似文献
4.
粗面岩质火山碎屑物发育土壤有机质含量的高光谱特征与建模 总被引：1，自引：0，他引：1
《土壤通报》2017,(1):39-44
利用ASD Field Spec 4便携式快速扫描分光辐射光谱仪,对采自吉林省长白山地区粗面岩质火山碎屑物发育的土壤进行光谱反射率测定,分析其光谱特征;对土壤原始光谱反射率进行一阶微分、二阶微分、倒数的微分、倒数的对数的一阶微分和倒数的对数的二阶微分等五种数学处理,并应用多元逐步回归分析建立土壤有机质含量的高光谱预测模型。研究表明:土壤有机质含量与原始光谱反射率在565~675 nm波段内呈显著负相关;一阶微分光谱在415 nm、445~605 nm波段内与土壤有机质含量呈极显著负相关,在705~985 nm、1015~1265 nm波段内呈极显著正相关,在865 nm波段处相关系数达到极大值0.87;建立的土壤有机质多元逐步线性回归预测模型中,以一阶微分模型为最优,R2为0.954,可用于粗面岩质火山碎屑物发育土壤有机质含量的快速测定。 相似文献
5.
6.
基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算 总被引：15，自引：4，他引：11
为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。 相似文献
7.
黑土土壤水分高光谱特征及反演模型 总被引：17，自引：6，他引：11
应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。 相似文献
8.
土壤全氮的无人机高光谱响应特征及估测模型构建 总被引：1，自引：1，他引：0
为更好地体现出光谱与土壤全氮（soil totalnitrogen,STN）含量之间的响应关系,实现以高光谱快速估测土壤全氮含量,该研究以无人机搭载高光谱传感器获取农田土壤高光谱影像,提取光谱反射率并进行数学变换,基于灰色关联度和皮尔逊相关系数提取各光谱中土壤全氮含量的敏感波段,基于敏感波段采用偏最小二乘回归（partialleastsquares regression,PLSR）、岭回归（ridge regression,RR）和随机森林（random forest,RF）构建土壤全氮的高光谱反演模型,筛选出最优模型并对研究区土壤全氮含量进行反演制图。结果表明：1）反射率的倒数光谱中的敏感波段（996～1 003 nm）集中在近红外长波范围内,反射率的一阶微分（first derivative of reflectance,FDR）光谱中的敏感波段（398～459、469和472～1 003 nm）和反射率对数的一阶微分光谱中的敏感波段（398～459、463～973和978～1 003 nm）在可见光和近红外范围内都有分布,反射率的一阶微分光谱中的敏感波段（615～625、632和... 相似文献
9.
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
10.
基于MSC与SVM的夯土齐长城土壤含水率高光谱估测 总被引：1，自引：0，他引：1
采用近地面高光谱技术,建立基于支持向量机(support vector machines, SVM)的土壤含水率的高光谱估测模型,为快速、无损估测土壤含水率提供科学依据。以青岛市黄岛区夯土齐长城为研究区,沿垂直于齐长城采集样品,并进行光谱反射率和含水率测定;对土壤原始光谱反射率进行对数的一阶微分(Lg(R)′)处理以及多元散射校正(Multiple scatter correction, MSC)和对数的一阶微分(Lg(R)′)处理,分别与土壤含水率进行相关分析,筛选敏感波长;利用Lg(R)′和MSC+Lg(R)′处理后的光谱数据分别建立基于SVM的土壤含水率高光谱估测模型。结果表明,多元散射校正可以增强光谱与土壤含水率之间的相关吸收信息,提高土壤光谱反射率与土壤含水率的相关性,筛选的敏感波长为1 861 nm、1 866 nm、1 549 nm、1 885 nm、1 871 nm、1 895 nm和2 095 nm;基于MSC+Lg(R)′预处理建立的SVM回归模型精度较高,其Rc2为0.811,Rv2为0.764,RPD为2.671。利用MSC方法对光谱数据进行预处理,可以更加准确地筛选出敏感波长,建立的SVM估测模型更加精准。 相似文献
11.
光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型 总被引：2，自引：2，他引：0
为了进一步提高种子含水率的高光谱估算精度，该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值，分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系，构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型，并对模型进行了验证；再结合一元线性回归（SLR，Single Linear Regression）、逐步多元线性回归（SMLR，Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR，Partial Least Squares Regression）模型与BP神经网络（BPNN，BP Neural Network）模型进行比较。结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1 410、1 900、1990 nm，一阶微分光谱特征波长位于1 150、1 950、2 080 nm；2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优，在能够满足水分估算精度的情况下，是最优的选择方法。3）将优选的特征参数作为输入，实测含水率值作为输出，构建BP神经网络模型，其建模与验模R2分别为0.978和0.973，RMSE分别为0.22%和0.242%，而RPD值分别为6.478和5.889，与其他模型相比，BP神经网络模型的建模及预测精度均最高，是估算油用牡丹种子含水率的最优模型，其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力，是估算油用牡丹种子含水率的有效方法。 相似文献
12.
基于连续统去除法的土壤盐分含量反演研究 总被引：8，自引：1，他引：7
通过对新疆维吾尔自治区温宿县、和田县、拜城县191个土样的原始反射率进行连续统去除及连续统去除的一阶微分处理,分析了盐分的高光谱吸收特征及敏感波段,并建立了盐分含量的多种高光谱定量反演模型。结果表明,在400~2 400 nm波段,土壤反射率与盐分含量之间无明显规律。640~700 nm波段的连续统去除数据与含盐量呈极显著负相关,而710~780 nm波段呈极显著正相关。原始反射率经连续统去除处理后,可明显提高反演模型的预测性能。基于盐分光谱指数和吸收特征参数构建的反演模型的稳定性及预测能力不如连续统去除、连续统去除一阶微分的400~2 400 nm或敏感波段的偏最小二乘回归(PLSR)模型。所有模型中,仅有以400~2 400 nm和640~700 nm连续统去除数据所建模型的相对分析误差(RPD)达2.5以上,分别为2.62和2.52,且二者其余各项评价指标差异不大。以640~700 nm波段连续统去除数据构建的PLSR模型对南疆水稻土盐分含量具有很好的反演效果。 相似文献
13.
褐潮土的光谱特性及用土壤反射率估算有机质含量的研究 总被引：19，自引：0，他引：19
本文通过ASDFR便携式光谱仪对132个风干土壤样品的光谱反射率进行了实验室测定。根据土样光谱反射率变化,获得了褐潮土土壤剖面的不同诊断层反射光谱特征。结果表明,在400～1200nm范围之间,土壤有机质含量与土壤光谱反射率有较好的相关性。利用导数光谱方法建立了预测土壤有机质含量的方程,提出了预测北京地区褐潮土有机质光谱的最佳波段。在波长447nm处采用反射率和A值(反射率倒数的对数)所建立的预测方程的预测精度较高。采用反射率的一阶微分建立的预测方程的最佳波段在516nm处。而A值一阶微分光谱在615nm处相关性最好。作为一项参考指标用光谱分析法评价土壤中有机质含量,以期对精准农业中土壤养分或肥力的预测具有一定的指导作用。 相似文献
14.
基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测 总被引：18，自引：14，他引：4
实时监测水稻氮素状况对于评估水稻长势及精准田间管理意义重大。为确定宁夏引黄灌区水稻叶片全氮含量的最优高光谱估测方法,该文依托不同氮素水平水稻试验,基于成像高光谱数据和无人机高光谱影像,综合运用统计分析及遥感参数成图技术,对比分析光谱指数与偏最小二乘回归方法预测水稻叶片全氮含量的精确度和稳健性。结果表明,以组合波段738和522 nm光谱反射率的一阶导数构成的比值光谱指数(ratio spectral index,RSI)构建的线性模型为水稻叶片全氮含量的最优估测模型(检验R2为0.673,均方根误差为0.329,相对分析误差为2.02);无人机高光谱影像反演的水稻叶片全氮含量分布范围(1.28%~2.56%)与地面实际情况较相符(1.34%~2.49%)。研究结果可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。 相似文献
15.
Z. E. MASHIMBYE M. A. CHO J. P. NELL W. P. DE CLERCQ A. VAN NIEKERK D. P. TURNER 《土壤圈》2012,22(5):640-649
Soil salinization is a land degradation process that leads to reduced agricultural yields. This study investigated the method that can best predict electrical conductivity (EC) in dry soils using individual bands, a normalized difference salinity index (NDSI), partial least squares regression (PLSR), and bagging PLSR. Soil spectral reflectance of dried, ground, and sieved soil samples containing varying amounts of EC was measured using an ASD FieldSpec spectrometer in a darkroom. Predictive models were computed using a training dataset. An independent validation dataset was used to validate the models. The results showed that good predictions could be made based on bagging PLSR using first derivative reflectance (validation R2 = 0.85), PLSR using untransformed reflectance (validation R2 = 0.70), NDSI (validation R2 = 0.65), and the untransformed individual band at 2257 nm (validation R2 = 0.60) predictive models. These suggested the potential of mapping soil salinity using airborne and/or satellite hyperspectral data during dry seasons. 相似文献
16.
探明反射光谱估算土壤黏粒含量的成因是实现黏粒含量测定、提高估算精度的基础。该文以江苏省滨海平原的150个土壤样品为研究对象,将测得的原始光谱数据进行平滑、一阶导数、连续统去除和倒数等数据变换,采用逐步多元线性回归(stepwise multiple linear regression,SMLR)和偏最小二乘回归(partial least squares regression,PLSR)方法估算黏粒含量,并在此基础上分析建模的影响波段,探讨反射光谱估算土壤黏粒含量的成因。结果表明,连续统去除光谱数据的SMLR分析估算精度最高,建模集和验证集决定系数分别为0.941和0.750。360~900、1 800~2 490 nm是黏粒含量的重要建模影响波段,该建模影响波段主要包括铁离子(410 nm附近)、土壤有机质(500~800 nm)、层状硅酸盐中的结晶水(1 900 nm附近)、绿泥石和蛭石等黏土矿物(2 325 nm)的吸收特征波段;PLSR分析表明,1 400 nm附近回归系数出现的双峰特征源于高岭石的双峰吸收。黏粒中的黏土矿物、黏粒对铁离子的吸附特性以及黏粒与有机质的高度相关性是实现反射光谱估算滨海土壤黏粒含量的原因。 相似文献
17.
18.
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
19.
砂姜黑土有机质含量高光谱估测模型构建 总被引：1，自引：1，他引：0
为快速估测砂姜黑土有机质含量,该研究以河南省商水县砂姜黑土为对象,采用光谱指数和遗传算法结合支持向量机构建砂姜黑土有机质估测模型。结果表明,以Savitzky-Golay(SG)平滑后的一阶导数光谱792和1 389 nm两波段组合构建的比值指数表现最好,建模集决定系数为0.81。利用独立的样本验证,预测决定系数和均方根误差分别为0.91和1.56 g/kg。而相同样本经遗传算法筛选敏感波段结合支持向量机回归构建的模型以SG平滑的一阶导数光谱表现最好,建模集和验证集决定系数分别为0.95和0.91,均方根误差分别为1.01和1.69 g/kg。基于遗传算法结合支持向量机回归和光谱指数2种方法构建的有机质含量估测模型均表现出较高的精度,前者稍优于后者,可用于对砂姜黑土有机质含量的有效估测。该研究成果可为砂姜黑土有机质含量的快速定量估算提供依据和参考。 相似文献