共查询到20条相似文献，搜索用时 15 毫秒
1.
K均值算法结合连续投影算法应用于土壤速效钾含量的高光谱分析 总被引：1，自引：0，他引：1
为解决在土壤速效钾含量的高光谱定量预测分析过程中,光谱数据维数高、冗余度较大等问题,提出了一种结合K均值算法(K-means)和连续投影算法(SPA)的高光谱特征波段选择方法。该算法首先将全波段数据分别根据不同的距离度量进行K-means聚类分析,之后对聚类后的每个波段簇分别使用SPA法提取其中的特征波段。对全波段组合、传统SPA法提取的特征波段组合以及结合K-means聚类与SPA法提取的特征波段组合分别建立土壤速效钾含量的BP神经网络预测模型,通过对比模型预测效果来比较特征波段选择方法的性能。以盐城市348份土壤样品进行试验,结果表明,结合K均值算法与连续投影算法的特征波段选择方法可以有效地解决光谱预测分析过程中的数据冗余问题,实现对土壤速效钾含量快速精确预测分析。 相似文献
2.
近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法 总被引：1，自引：0，他引：1
以喷洒不同浓度毒死蜱的鲜冬枣为研究对象,研究近红外光谱技术结合偏最小二乘法(PLS)和连续投影算法(SPA)检测鲜冬枣表面农药残留的方法。运用AntarisⅡ近红外光谱仪对喷洒不同浓度的毒死蜱的鲜冬枣样品进行扫描,首先建立全波段PLS模型,然后应用SPA提取特征波长,作为PLS的输入变量,建立SPA-PLS模型,将全波段PLS模型和SPA-PLS模型进行比较。经SPA提取5个特征波长建立的模型,使用变量数仅占全波段的0.32%,但建立的冬枣表面农药残留模型的准确度和精度优于全波段所建立的模型。近红外光谱技术结合SPA和PLS建立鲜冬枣表面不同浓度毒死蜱农药残留的模型是可行的,同时SPA算法简化模型复杂度,提高模型精度及稳定性。 相似文献
3.
基于多角度高光谱遥感的冬小麦叶片含水率估算模型 总被引：1，自引：0，他引：1
准确的作物水分监测对于旱情评估具有重要意义。在分析研究区冬小麦多角度光谱特征后,利用不同水分处理下冬小麦实测叶片含水率和实测多角度光谱数据,基于植被光谱指数法,建立不同观测角度下冬小麦光谱植被指数、水分敏感波段光谱指数与叶片含水率之间的数学模型。结果显示,相对方位角与相对天顶角越小时,观测到的光谱指数与叶片含水率的相关关系越优;敏感波段组合构建的光谱指数中,1450nm波段分别与其他波段组合的NDSI、RSI指数与叶片含水率相关性在各观测角度条件下均较好,1 450 nm波段是冬小麦叶片含水率研究的最佳敏感波段;选取常见的4种植被指数(NDVI、EVI、WI和NDII)中WI和NDVI在各观测角度下与叶片含水率的相关性优于其他两种指数,决定系数R2均在0.83以上,P0.01呈极显著相关;综上建立的多角度光谱叶片含水率估算模型,平均相对误差MRE均小于0.154、均方根误差RMSE均小于0.098,拟合效果较好,尤其是光谱指数NDSI1160,1450、NDSI980,1450和植被指数NDVI、WI;基于以上4种指数建立的最优观测角度(0°,30°)模型,其中植被指数WI的估算效果最好,相关系数在各角度均达到5%的相关显著水平,MRE0.03,可作为最优观测角度反演研究的最优植被指数。 相似文献
4.
【目的】伊犁绢蒿荒漠草地是新疆草地生态系统的重要组成部分,研究其主要植物地面光谱和植被指数特征是实现物种识别的基础,准确而实时获得群落物种组成变化、提高草地监测的质量和效果。【方法】借助SOC710 VP成像光谱仪,采集4月伊犁绢蒿荒漠草地群落高光谱影像,提取伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和群落的原始光谱数据,通过反射率(REF)、吸收率(ABS)及其一阶微分(GREF和GABS)的变换提高光谱辨析度,分析并筛选敏感波段;通过各波段之间的相互组合计算NDVI值和DVI值,并以全波段计算的NDVI值和RVI值作为参考,筛选出优于全波段且差值最大植被指数。【结果】(1)3种主要植物光谱曲线相近,差异主要体现在光谱值的大小,在可见光400~780 nm和近红外波段780~820 nm的反射率均表现出角果藜>伊犁绢蒿>叉毛蓬>群落的特征;(2)通过反射率REF、吸收率ABS、一阶微分反射率GREF和一阶微分吸收率GABS的变换能够进一步扩大其光谱特征,相对稳定的波段有蓝光波段490~530 nm,绿光波段510~560 nm,红光波段620~760 nm,近红外波段780~820 nm。(3)GABS和ABS变换下490~530 nm和780~820 nm波段组合计算的NDVI’和RVI’在3种主要植物间的差异大于全波段和其它波段计算的NDVI’和RVI’。【结论】对敏感波段的反射率和吸收率进行一阶微分处理,并用于改进植被指数,能够提高伊犁绢蒿荒漠3种主要植物的识别效果。 相似文献
5.
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
6.
以博斯腾湖湖滨绿洲为研究区，利用实测棕漠土有机碳含量与高光谱(350～2 500 nm)数据，应用竞争性自适应重加权采样算法(CARS)、连续投影算法(SPA)、竞争性自适应重加权采样-连续投影算法(CARS-SPA)筛选棕漠土有机碳含量响应的高光谱特征波段，分别采用全波段和特征波段结合随机森林(RF)模型构建棕漠土有机碳含量估算模型。结果表明：博斯腾湖湖滨绿洲棕漠土0～50.0 cm土层有机碳含量为1.40～40.92 g/kg,平均值为14.20 g/kg,变异系数为55.54%,呈中等变异水平。CARS、SPA、CARS-SPA等算法筛选出的棕漠土有机碳含量响应特征波段分别为122个、11个和10个。基于CARS-SPA算法筛选出的特征波段数据输入RF模型估算效果最好，验证集检验的决定系数(R2)、相对分析误差(RPD)、均方根误差(RMSE)分别为0.85、2.59和2.72 g/kg,该方法能有效减少光谱数据冗余、提高模型估算精度和运行效率。本研究结果为研究区棕漠土有机碳含量的估算提供参考。 相似文献
7.
[目的]根据实地测定的荒漠植物高光谱和含水率,建立其含水率预测模型,为遥感生态监测和荒漠生境评价提供依据.[方法]实地测定了17种荒漠植物光谱反射率,使用烘干法测定其含水率,对荒漠植物的含水率和反射光谱进行相关分析.[结果]1405-1534 nn波段是荒漠植物含水率的敏感波段.引人吸收深度为参量,分别以978-1030,1405-1534 mn波段水分吸收深度建立荒漠植物含水率线性预测模型,其决定系数分别为R2＝0.696和R2＝0.928.根据模型计算荒漠植物含水率与真值的误差分别在-16.84;-12.01;和-1.86;-2.84;,[结论]以1405-1534 nm波段水分吸收深度建立荒漠植物含水率线性预测模型可以较准确的反映荒漠植物的含水率. 相似文献
8.
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
9.
利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。 相似文献
10.
基于高光谱的小麦冠层叶绿素(SPAD值)估测模型 总被引：2，自引：0，他引：2
选择山东省泰安市山东农业大学试验田为研究区,分别采用ASD FieldSpec 3光谱仪和SPAD-502叶绿素仪测量小麦冠层的近地高光谱反射率和SPAD值,通过分析小麦冠层光谱特征,进行光谱反射率及其一阶导数与SPAD值的相关分析,筛选敏感波段,进而分别构建基于敏感波段和植被指数的小麦冠层SPAD值估测模型,并优选确定最佳模型。结果表明,光谱反射率经一阶导数变换能更好突出光谱特征,用来筛选敏感波段,将6个敏感波段分别建立单波段及多波段组合估测模型,进而优选出最佳估测模型为R′_(871),R_(1 349),R_(725),R′_(1 995)多元线性回归模型,决定系数R~2=0.668;基于4种植被指数构建的小麦叶绿素最佳估测模型为NDVI的二次模型,方程为y=61.978 x~2-34.426 x+54.089,决定系数R~2为0.845。基于植被指数的估测模型可较好实现小麦冠层叶绿素信息的无损和快速获取,为小麦生产的实时监测提供了有效手段。 相似文献
11.
为选择农用地分类中OLI影像合成最佳波段,选取鹤岗市Landsat 8_OLI遥感影像为研究对象,首先对各波段的光谱特征信息进行统计分析;其次采用最佳指数法(OIF)初步筛选出光谱信息较丰富的波段组合;最后结合农用地分类中主要地物类型在各波段中呈现光谱特征曲线,对适用于该领域的最佳波段组合进行研究。研究表明,通过最佳指数筛选出的波段组合,结合主要地物的光谱特征信息,能够客观有效地确定OLI影像中最佳波段组合是Band 456,其研究结果可用于农用地利用信息的目译及计算机分类识别。 相似文献
12.
《新疆农业科学》2017,(11)
【目的】羊肉新鲜度理化指标传统测定中存在操作繁琐、需使用化学试剂、样品被破坏与接触等问题。研究真空包装冷却羊肉pH值和颜色的近红外快速无损检测。【方法】以新疆小尾寒羊作为研究对象,利用近红外光谱技术(NIRS),研究储藏过程中真空包装冷却羊肉理化指标的快速无损检测,针对化学指标pH和物理指标颜色亮度(L*),采用光谱预处理和特征波段筛选方法优化和简化各指标含量预测模型。【结果】pH和L*均以组合使用遗传算法(GA)与连续投影算法(SPA)筛选特征波段建立的多元线性回归模型(MLR)最佳,优于单一波段筛选方法,其预测集相关系数均为0.91,预测集均方根误差分别为0.13和1.91。【结论】近红外光谱技术具有绿色、无损、同时分析多指标的检测优势,可替代传统检测手段实现对肉品理化指标的快速无损准确检测。 相似文献
13.
为实现陕西关中地区夏玉米叶片含水率遥感估算,本研究通过夏玉米叶片高光谱反射率和含水率的测定,利用原始光谱及转换光谱,构建任意两波段的光谱指数,分析光谱指数与叶片含水率之间的关系,构建玉米叶片含水率估算的单因素回归模型和基于支持向量回归算法(SVR)、反向传播神经网络回归算法(BPNN)和麻雀搜索随机森林回归算法(SSA-RFR)的多因素模型,并根据模型精度筛选玉米叶片含水率估算的优化模型。结果表明,随叶片含水率的增加,短波红外波段的光谱反射率降低,最优光谱指数的构成波段主要位于短波红外波段,其中基于一阶导数光谱的比值光谱指数(R1 563/R1 406)和归一化光谱指数[(R1 563-R1 406)/(R1 563+R1 406)]与叶片含水率相关性最佳,其相关系数绝对值均达0.83;多因素回归模型的模拟效果优于单因素回归模型,基于麻雀搜索随机森林回归模型的精度最高,验证集决定系数(R2)为0.78,均方根误差(RMSE)和相对误差... 相似文献
14.
基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测 总被引：1，自引：0，他引：1
为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。 相似文献
15.
基于冬小麦冠层高光谱的干生物量监测 总被引：1，自引：0，他引：1
冬小麦地上干生物量(AGB)能够表征麦田生态系统生产力的大小,提取AGB光谱特征信息和实现其准确估算,对于掌握冬小麦长势情况具有重要的作用。基于连续2 a的氮运筹试验,利用连续投影算法(SPA)提取原始光谱和一阶微分光谱的重要波段,并基于所提取的光谱特征利用多元线性回归(MLR)方法构建AGB的光谱监测模型。结果表明,利用SPA算法可有效降低光谱维度,基于原始光谱所筛选的重要波段分别为528,671,734,910,1 235 nm,而基于一阶微分光谱所筛选的波段为530,669,740,817,1 209 nm;基于一阶微分处理所建立的模型校正集与验证集模型均达到了较高的精度,Y=-5.01+2 043.86R530-7 772.11R669+348.54R740+14 462.04R817+14 196.13R1209,其R2,RMSE和RPD分别为0.72,1.92 t/hm2和2.53;验证集R2和RMSE分别为0.67,2.25 t/hm2。研究表明,结合SPA和MLR可以实现冬小麦AGB的实时估算,研究结果对冬小麦生长状况监测具有一定的参考价值。 相似文献
16.
《浙江大学学报(农业与生命科学版)》2021,(5)
以博斯腾湖西岸湖滨绿洲为研究区,利用实测的土壤有机碳含量与高光谱数据,应用连续投影算法(successive projection algorithm, SPA)从全波段光谱数据中筛选特征变量,并分别采用全波段和特征波段构建偏最小二乘回归(partial least square regression, PLSR)与支持向量机(support vector machine, SVM)模型来估算土壤有机碳含量。结果表明:1)土壤有机碳质量分数变化范围为0.75～48.13 g/kg,平均值为13.31 g/kg,呈中等变异性,变异系数为63.19%。2)土壤有机碳含量与原始光谱反射率表现为负相关性[-0.62相关系数(r)-0.07];经SG平滑结合标准化正态变换后进行一阶微分(Savitzky-Golay-standard normal variate-first derivative, SG-SNV-1st Der)预处理后,通过极显著性检验(P0.01)的波段数达到414个,主要集中在487～575、725～998和1 464～1 514 nm处,其中在788、800与1 768 nm波长处的相关性最高,r均大于0.80。3)光谱经SG-SNV-1st Der预处理后,用SPA构建的PLSR模型验证集的决定系数(R~2)=0.79,均方根误差(root mean square error, RMSE)=3.58 g/kg,残余预测误差(residual prediction deviation, RPD)=1.99,四分位数间距性能比(ratio of performance to interquartile distance, RPIQ)=2.23;而运用SPA结合SVM构建的模型验证集R~2=0.81,RMSE=3.16 g/kg,RPD=2.25,RPIQ=2.53。说明运用SPA结合SVM构建的模型能较好地估算研究区土壤有机碳含量。 相似文献
17.
为实现博斯腾湖湖滨绿洲土壤有机碳含量的快速估算,结合实测的土壤高光谱数据与土壤有机碳数据,通过连续小波变换(CWT)进行土壤光谱数据预处理,利用相关系数法(CC)、连续投影算法(SPA)、竞争自适应重加权采样(CARS)、遗传算法(GA)筛选的特征波段作为建模输入量,构建随机森林(RF)模型。结果表明：研究区土壤有机碳含量平均值随土层深度增加由12.36 g/kg降低至10.49 g/kg,变异系数平均值为69.62%,空间异质性较强;CWT变换可以有效提高不同土层深度土壤有机碳含量与光谱反射率间的相关性,不同土层深度相关系数均值平均提升约22.41%;光谱数据经过CWT变换构建的模型精度明显提升,RF模型验证集R2与RPD分别平均提高7.09%、10.06%。CC、CARS、SPA、GA方法能消除光谱信息冗余,有效降低CWT-RF模型的输入量与RMSE值,土层深度0～20、20～40、40～60和60～80 cm筛选的特征波段平均压缩至全波段数目分别为8.51%、5.38%、2.21%和3.67%;RMSE值分别平均降低111.67%、135.61%、12.25... 相似文献
18.
以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光
谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原
始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因
子为5时,其对于可溶性固形物预测相关系数为最大(R=0.8367)、预测均方根误差(RMSEP)为最小(RMSEP=
0.4903);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.9058)、预测均方根
误差为最小(RMSEP=0.5236).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选,
获得果面光谱建模特征波段组合为1000~1107,1750~1857,2071~2177和2178~2284nm,建立的校正集和
预测集模型相关系数分别为0.9462和0.9020,RMSECV为0.3596,RMSEP为0.4309;获得用于果汁光谱建模
的特征波段组合为1000~1125,1251~1375,1376~1500和1626~1750nm,校正和预测模型相关系数分别为
0.9894和0.9596,RMSECV为0.1631,RMSEP为0.3128.结果表明:试验所筛选出的果面和果汁近红外光谱
特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测
精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的. 相似文献
19.
20.
棉花冠层反射光谱与叶片氮含量定量关系研究 总被引：1，自引：1，他引：0
对可见光波段至短波红外波段(350～2 500 nm)棉花田间冠层光谱反射率与叶片含氮量间的关系进行了相关分析.结果表明,350～732、733～940和1 970～2 477 nm波段的光谱反射率与叶片含氮量极显著相关;940～1 176 nm波段的光谱反射率与叶片含氮量显著相关,以上波段为叶片全氮敏感波段.通过分析叶片含氮量与高光谱特征参数关系,得出吸收谷特征参数Depth1154和PRI(570,530 nm)可以用来预测盛花期叶片含氮量,其中Depth1154的复相关系数最高达到0.747 3,为运用遥感技术大面积、迅速、无破坏地来预测棉花生长状况以提供可能. 相似文献