共查询到10条相似文献，搜索用时 93 毫秒
1.
【目的】 土壤养分含量的整体状况对供给作物的生长有着重要意义,对农田土壤速效养分含量的估算是作物生长发育状况评价过程中的关键环节,高光谱遥感技术的发展为区域有机质和土壤养分的动态监测提供了有效的手段。相比传统方法耗时、耗力及测量复杂等缺点,该文提出了基于遥感影像的大面积土壤速效养分含量的精准估算方法,对促进玉米作物的精准施肥和黑土地肥力保护具有重大理论意义。【方法】 文章以东北黑土区的吉林省农安县玉米农田为研究区,基于Sentinel-2遥感影像和土壤有效磷含量实测数据,利用偏最小二乘回归方法构建土壤有效磷含量的反演模型,最终获取土壤有效磷含量的空间分布图,实现了黑土区土壤有效磷含量的大面积、快速、精准估算。【结果】 Coastal aerosol波段（海岸/气溶胶波段）、可见光波段及红边波段与土壤有效磷含量的相关性较强,模型的决定系数R2为0.649、均方根误差为2.44 mg/kg。【结论】 利用偏最小二乘回归模型估算所得土壤有效磷含量空间分布情况与其空间插值结果相一致,从空间分布情况上看,农安县西北部的土壤有效磷含量最高,东北部的土壤有效磷含量高于中部与南部地区;模型估算的土壤有效磷含量均值为18.08 mg/kg,空间插值的土壤有效磷含量均值为17.63 mg/kg。由此可见,该研究所建立的土壤有效磷估算模型具有一定的准确性与可靠性。 相似文献
2.
【目的 】结合分数阶微分和异常值识别,提高土壤有机质模型反演精度,实现土壤有机质含量的快速、准确估计。【方法 】文章以吉林省伊通县黑土区为研究区,基于实地采集的213个土壤样本和HyMap-C机载高光谱传感器获取高光谱影像,选择S-G函数和分数阶微分进行光谱预处理,竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）提取特征波段建立土壤有机质含量偏最小二乘回归（Partial Least Squares Regression,PLSR）反演模型,并使用蒙特卡洛交叉验证（Monte Carlo Cross-Validation,MCCV）进行异常值识别。【结果 】（1）将分数阶微分用于机载高光谱可以放大光谱特征,阶数越高、特征越明显,低阶分数微分对噪音不敏感;（2） CARS方法能有效压缩光谱信息;全样本建模中0.4阶分数阶微分CARS-PLSR建模表现较优,但总体精度仍然不高;（3）使用MCCV剔除异常值后,0.6阶分数阶微分CARS-PLSR建立的土壤有机质含量反演模型精度最高,训练集和测试集的均方误差分别为0.219%... 相似文献
3.
为提高砂姜黑土土壤水分的估测精度，本研究以河南省西平县砂姜黑土为研究对象，通过配制不同含水率土壤样本并在室内进行高光谱测量，对土壤样本高光谱数据平滑（SR）、倒对数[LOG（1/R）]、一阶微分（FD）、多元散射校正（MSC）、去包络线（CR）光谱变换后，结合连续投影算法（SPA）识别最佳特征波段，采用偏最小二乘回归（PLSR）、支持向量机回归（SVR）的机器学习方法和堆叠（Stacking）集成学习方法分别构建土壤含水率反演模型。结果表明：经MSC变换后光谱中土壤含水率相关信息增强最多；SPA算法能对砂姜黑土含水率光谱数据进行降维和特征信息提取；经反射光谱MSC变换后由PLSR和SVR集成的Stacking集成模型决定系数最高（R2=0.963）、均方根误差最小（RMSE=1.7）。研究表明，Stacking集成学习模型有效提升了模型的精度和泛化能力，是砂姜黑土含水率最佳反演模型。 相似文献
4.
【目的】 随着土壤调查数据体量增大,已有分析制图效率无法满足成果产出需求,需要一套数据分析制图软件集合,降低土壤调查数据的分析制图门槛,提高制图效率,助力土壤调查成果的有效沉淀。【方法】 文章基于B/S架构的软件设计模式,采用了WebGIS技术用于处理用户与制图要素的交互,采用了虚拟化技术用于算法环境的隔离,采用流式文件读写技术处理大体量数据的输入输出,采用了WebGL渲染着色技术用于制图成果的可视化,从算法和应用两个维度设计了土壤制图工具各组件的逻辑关系与交互模式。【结果】 设计实现了土壤调查成果制图软件,集成了IDW反比例加权插值算法,克里格插值算法和随机森林算法等算法函数,开发了土壤质量评价,土壤肥力评价和土壤适宜性评价等功能模块,实现了操作步骤原子化,计算过程固定化,计算参数可配置。【结论】 在保证精度的前提下,有效降低了土壤制图难度,提高土壤制图的效率。 相似文献
5.
为提高全蛋粉掺假检测的准确度和检测效果,应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法,对原始光谱数据进行预处理,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA结合算法对光谱数据进行特征波长筛选,建立集成学习（ensemble learning,EL）模型对掺假蛋粉进行定性判别,建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面,一阶导数为最佳预处理方法,CARS算法特征筛选效果最佳,EL模型对掺假蛋粉样本总体判别准确率达到98.18%,对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面,多元散射校正为最佳预处理方法,CARS算法特征筛选效果更佳,对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数（Rp）分别为0.958 5、0.931 2、0.945 6和0.955 8,均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明,近红外光谱技术可用于蛋粉掺假检测,为监管机构检测蛋粉掺假提供参考。 相似文献
6.
【目的】为实现区域尺度上烟田土壤pH的快速估测。【方法】以四川省296份烟田土壤为研究对象,利用高光谱成像获取土壤390～2500 nm波段的光谱反射率,系统研究12种光谱预处理方法、2种特征波段选择方法和4种建模方法对烟田土壤pH高光谱估测模型精度的影响。【结果】在600～2500 nm范围内,不同pH的光谱反射率曲线差异明显;原始光谱经单一预处理或组合预处理方法处理后,建立的估测模型精度均有所提高;其中一阶导数(First derivative, D1)组合标准正态分布(Standard normal variate, SNV)为最佳光谱预处理方法。竞争自适应重加权采样算法(Competitive adaptive reweighted sampling, CARS)筛选出93个土壤pH特征波段,主要集中在近红外波段800～2500 nm。无论使用光谱全波段还是主成分分析降维得到的光谱特征,核岭回归(Kernel ridge regression, KRR)和支持向量机(Support vector machine, SVM)两种建模方法都取得了比偏最小二乘回归(Partial l... 相似文献
7.
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
8.
【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R 2=0.82）,较全波段建模验证集R 2提升0.07。水稻土采用CARS-RF模型预测效果最佳（R 2=0.83）,较全波段建模验证集R 2提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R 2=0.82）,较全局校准验证集R 2提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。 相似文献
9.
【目的】 高效准确监测大田作物病害对作物生产和粮食安全至关重要。文章旨在系统梳理大田作物病害遥感监测技术及模型的研究成果,推动作物病害监测技术发展与应用。【方法】 采用文献检索、归纳总结等方法,系统梳理了国内外大田作物病害遥感监测研究,阐述了大田作物病害遥感监测技术的未来发展趋势。【结果】 （1）阐述大田作物病害遥感监测基本原理,并构建了基本框架;（2）大田作物病害监测遥感数据源主要包括多光谱、高光谱、荧光和热红外遥感;（3）大田作物病害监测遥感模型主要包括统计模型、传统机器学习模型和深度学习模型。【结论】 未来应以病害早期监测、实时监测系统和数据共享为重点突破和研究的方向,为大田作物病害实时或准实时监测预测提供技术支撑。 相似文献
10.
基于高光谱的喀斯特地区典型农田土壤有机质含量反演 总被引：1，自引：0，他引：1
【目的】利用高光谱数据定量反演喀斯特地区土壤有机质含量,为喀斯特地区快速、大范围、实时地监测土壤有机质含量提供更多的技术手段。【方法】利用机载高光谱成像系统和便携式地物光谱仪分别获取土壤光谱数据,基于原始光谱反射率和不同光谱变换数据,分析其与土壤有机质含量的相关性,以偏最小二乘法建立模型预测土壤有机质含量。【结果】2种数据源都可以用于土壤有机质含量预测,其中,基于ASD光谱一阶微分变换建立的模型预测精度较高,验证集决定系数(Rv~2)为0.910,相对分析误差(RPD)为2.68;基于GS光谱二阶微分变换建立的模型预测效果较好,验证集Rv~2为0.772,RPD为1.49。【结论】ASD光谱与GS光谱建模预测精度相差较大,ASD光谱客观条件影响较小、光谱波段更宽、光谱分辨率更高,具有更好的预测能力;低空无人机获取的GS光谱也具有一定的预测能力。 相似文献