共查询到20条相似文献，搜索用时 62 毫秒
1.
《中国农村水利水电》2017,(10)
以清河水库为研究区,选用landsat8卫星OLI数据与同步实测高锰酸盐指数(COD_(Mn)),通过SPSS软件分析OLI数据的单波段及波段组合与实测COD_(Mn)之间的相关关系,建立比值线性回归模型和比值非线性最小二乘支持向量机(LS-SVM)模型,对清河水库COD_(Mn)进行定量遥感反演研究。结果表明,相比于比值线性回归模型,LS-SVM模型更适合于清河水库COD_(Mn)的定量反演研究。LS-SVM模型将预测值与实测值的相关系数R~2从0.693 1提升到0.942 7、误差的算数平方根RMSE从4.76减低到2.71、平均相对误差从7.89%减小到6.26%,利用LS-SVM模型明显提高了清河水库COD_(Mn)的反演精度。 相似文献
2.
以清河水库为研究区域,利用Landsat8卫星OLI数据及实地观测数据,建立了适于清河水库水体总磷质量浓度的最小二乘支持向量机(LS-SVM)遥感反演模型,并对清河水库总磷量进行了反演分析。结果表明,LS-SVM模型的平均相对误差为6.06%,相比于单波段线性回归反演模型及波段组合线性回归模型,平均误差分别降低了20.77%、12.53%,显著提高了清河水库水体总磷质量浓度反演的模型精度,达到遥感反演预测精度要求;利用LSSVM反演模型对清河水库总磷量反演显示,水体中总磷质量浓度主要集中在0.04~0.08 mg/L,水库水体总磷质量浓度总体偏高。 相似文献
3.
4.
基于HJ-1A卫星CCD1数据的滇池水质参数反演模型研究 总被引：1，自引：0，他引：1
将遥感技术应用于水质监测能够较好地反映区域水质在空间和时间上的分布情况和变化,尤其适用于大范围水域的快速监测。使用HJ-1A卫星CCD1数据,以滇池为研究区,对滇池悬浮物、叶绿素a两个水质参数的遥感定量反演进行了研究。研究结果表明CCD1数据的2、3、4波段与滇池悬浮物浓度的相关性最好,构建悬浮物浓度反演模型的最佳波段组合为:(b2+b3)/(b2/b3);3、4波段与滇池叶绿素a浓度的相关性最好,构建叶绿素a浓度反演模型的最佳波段组合为:(b4-b3)/(b4+b3)。通过对遴选出来的波段组合进行趋势拟合分析,得到最适合滇池水质参数的反演模型。 相似文献
5.
小开河引黄灌区土壤盐渍化定量遥感反演 总被引：1，自引：0，他引：1
《中国农村水利水电》2019,(12)
近年来黄河下游土地次生盐渍化呈现反复和逐渐加剧的态势,对农业生产和生态安全造成危害。以黄河三角洲小开河引黄灌区为研究区,基于野外实地调查的土壤盐分含量以及Landsat8 OLI多光谱影像,分析土壤样品的光谱曲线特征,利用诊断指数法选取诊断指数较大的波段反射率数据作为自变量,土样盐分数据为因变量,分别采用多元线性回归模型和BP神经网络模型构建土壤含盐量反演模型。结果表明:土壤盐渍化程度越高,影像光谱反射率越低,且在近红外波段反射率最高;BP神经网络模型的反演精度优于传统的多元线性回归模型,其R~2为0.980 8,RMSE为1.059 5,平均相对误差为15.4%,拟合精度较高,能够为灌区盐渍化治理提供基础依据。 相似文献
6.
以高氟地区沧州大浪淀水库作为研究对象,将实测的高锰酸钾指数和TM遥感数据反射率进行回归分析处理,构建了高锰酸钾指数与TM各波段多光谱定量遥感模型,并对TM3/TM5波段指数模型进行了定量反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体高锰酸钾指数的监测需要,同时探讨定量反演水库氟离子浓度的可行性. 相似文献
7.
为探究研究区叶绿素a质量浓度分布,更好的应对水体富营养化对东张水库水源安全的威胁。采用数学回归模型,利用OLI遥感影像,根据长期定点监测的叶绿素质量浓度数据与遥感影像光谱信息特征值的内在联系,构建叶绿素a质量浓度反演数学模型,应用GIS得出东张水库连续空间、离散时间上叶绿素a质量浓度的分布。结果表明,东张水库叶绿素质量浓度7月份明显高于11月份与3月份;东张水库沿库岸及进口位置叶绿素a质量浓度明显高于库心位置质量浓度;环东张水库截污工程前后相同月份叶绿素质量浓度有着明显的改善。遥感数据在空间、时间维度分布有差异的情况下,反演结果误差较小,精度满足管理决策需要,有着较好的适用性。 相似文献
8.
【目的】探究研究区总溶解性固体(TDS)质量浓度分布,为水环境质量评价提供依据。【方法】利用2013年和2015年乌梁素海实测TDS质量浓度和遥感反射率数据,建立并检验了TDS质量浓度多元线性回归模型,将模型应用于大气校正后的Landsat-8 OLI数据,分析了乌梁素海TDS质量浓度时空分布特征。【结果】建立的多元线性回归模型均方根误差为0.455 g/L,平均相对误差为13%,决定系数R2为0.594。经误差敏感性检验及区域适用性检验表明,该算法适用于乌梁素海开阔水体TDS质量浓度遥感反演。乌梁素海TDS质量浓度无明显的时间循环变化特征;中部开阔水体TDS质量浓度低;北部、东部沿岸及南部部分水域TDS质量浓度反演结果有较大误差。主要原因是北部、东部和南部受底质、藻华及沉水植被的影响较大。【结论】建立的模型可用于乌梁素海TDS质量浓度的遥感反演。 相似文献
9.
无人机多光谱遥感反演花蕾期棉花光合参数研究 总被引：3，自引：0，他引：3
光合作用对作物的生长发育、干物质的积累以及产量的形成起着至关重要的作用。为探讨遥感技术反演作物冠层光合参数的可行性,以无人机作为遥感平台,搭载6波段多光谱相机,通过采集棉花花蕾期不同时刻(09:00、11:00、13:00、15:00、17:00)冠层多光谱遥感图像,提取其冠层光谱反射率信息,并同步测定棉花冠层叶片的净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)等光合参数。通过对4种光合参数和6波段光谱反射率进行相关性分析,并分别使用一元线性回归和主成分回归、岭回归、偏最小二乘回归等多元回归方法,建立不同光合参数在不同时刻的反演模型。结果表明:净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)和胞间二氧化碳浓度(Ci)的最优反演模型分别为13:00的基于蓝光波段反射率的一元线性模型,15:00的基于红光波段反射率的一元线性模型,15:00的岭回归模型和15:00的基于红光波段反射率的一元线性模型,模型的决定系数R2均在0.5以上,验证相对误差RE均小于9%。该研究可为大范围监测作物的光合作用提供一定的参考。 相似文献
10.
基于多源数据融合的盐分遥感反演与季节差异性研究 总被引：7，自引：0，他引：7
为提高多光谱盐分遥感反演的精度,利用实测高光谱与多光谱进行数据融合,并分析了不同季节盐分遥感的差异性。以河套灌区永济灌域为研究区域,以实测光谱仪测定的土壤高光谱数据和Landsat-8 OLI多光谱数据为基础,通过光谱变换和多元逐步回归方法筛选特征波段和特征光谱指数,构建了春、秋两季土壤盐分多光谱、高光谱反演模型,并利用特征光谱指数的线性回归构建了高-多光谱数据融合反演模型。结果表明:高光谱的反射率总体比多光谱高36. 83%,春季反射率比秋季平均高23. 78%。利用模型中最优变量-特征光谱指数对多光谱模型与高光谱模型进行融合,高-多光谱融合反演模型训练集和验证集R2平均值分别为0. 651和0. 635,RMSE平均值分别为2. 44 g/kg和2. 49 g/kg,精度明显高于对应的多光谱反演模型,其中训练集、验证集的R2平均值分别提高了36. 19%和35. 64%,RMSE平均值分别降低了34. 28%和41. 72%。春季多光谱、高光谱和融合反演模型的精度均高于秋季,其中训练集R2平均值比秋季模型分别提高了6. 03%、6. 05%和4. 40%,验证集R2平均值分别提高了19. 07%、12. 21%和1. 75%。构建的高-多光谱融合模型反演灌域春秋两季平均盐分含量分别为6. 05、5. 97 g/kg,平均相对误差分别为9. 65%和10. 68%,总体上该区域春季土壤主要为重盐化土,秋季土壤主要为中盐化土。 相似文献
11.
12.
基于无人机-卫星遥感升尺度的土壤盐渍化监测方法 总被引：3，自引：0，他引：3
为提高卫星遥感对裸土期土壤盐渍化的监测精度,以河套灌区沙壕渠灌域为研究区域,利用无人机多光谱遥感和GF-1卫星遥感分别获取图像数据,并同步采集土壤表层含盐量;将实测含盐量与无人机和GF-1卫星两种数据的光谱因子进行相关性分析,引入多元线性回归模型（Multivariable linear regression,MLR）、逐步回归模型（Stepwise regression,SR）和岭回归模型（Ridge regression,RR）,分别构建盐渍化监测模型;采用改进的TsHARP尺度转换方法,将无人机数据建立的趋势面应用到GF-1卫星尺度上,经过转换残差校正,对升尺度结果进行定性和定量分析。结果表明：在两种遥感数据的光谱波段和盐分指数中,蓝波段B1、近红外波段B5、盐分指数SI、盐分指数S5和改进的光谱指数NDVI-S1与表层土壤盐分的相关性较好,相关系数均在0.3以上;在3种回归模型中,利用无人机多光谱影像数据和GF-1多光谱影像数据反演表层土壤含盐量的最优模型分别是SRU模型和MLRS模型;升尺度后土壤含盐量的反演精度高于直接采用卫星遥感数据反演的精度。本研究可为裸土期土壤盐渍化的大范围快速精准监测提供参考。 相似文献
13.
利用无人机-卫星遥感升尺度转换方法可以有效提高土壤含盐量监测精度。以内蒙古河套灌区沙壕渠灌域为研究区,4月裸土期表层土壤为研究对象,分别采用主导变异权重法、局部平均法和最邻近法将试验区无人机4波段影像(0.1m)升尺度至与GF-1卫星(16m)同一尺度,引入3种变量组合作为模型输入变量并利用多元线性回归模型（Multivariable linear regression,MLR）和BP神经网络模型（Back propagation neural networks,BPNN）构建不同数据源关于土壤含盐量的定量监测模型。在此基础上,采用波段比值均值法对GF-1卫星数据进行修正,实现基于卫星因子的研究区土壤盐分升尺度反演。结果表明,经统计指标评价后得出主导变异权重法在4块试验区针对4波段影像的尺度转换效果总体上优于其他2种转换方法;3种无人机-卫星遥感升尺度转换方法中,主导变异权重法监测效果最佳,局部平均法次之,最邻近法效果最差;对筛选得到的2个模型进行升尺度修正,得到验证效果最佳的监测模型为基于混合变量组的多元线性回归模型,其R2v为0.420,RMSEv为0.219%,比直接采用GF-1卫星数据得到的混合变量组多元线性回归模型R2v高0.217,RMSEv低0.013个百分点。本文研究结果可为卫星、无人机多光谱遥感一体化监测裸土期农田土壤含盐量提供参考。 相似文献
14.
《中国农村水利水电》2017,(3)
针对温瑞塘河水质监测中成本较高、监测点有限等特点,基于遥感技术和数理分析的基本理论,以温瑞塘河为研究对象,利用高分辨率遥感数据和实测水质数据建立了总氮和总磷两个水质参数的遥感反演模型,并对温瑞塘河的主要超标指标总磷和总氮进行了遥感反演。结果表明,对于总氮,多元线性回归模型和人工神经网络模型预测结果与实测值平均相对误差分别为15.45%和6.70%;对于总磷,平均相对误差分别为13.91%和13.62%。两种反演模型均能有效地监测温瑞塘河水质状况和空间分布情况,水质遥感反演模型具有深入研究和推广的价值。 相似文献
15.
采集不同浓度梯度铜离子（Cu2+）胁迫下玉米叶片的可见光-近红外光谱及实测玉米叶片Cu2+浓度，采用短时傅里叶变换（Short-time Fourier transform，STFT）时频分析技术，研究不同浓度Cu2+胁迫下玉米叶片光谱的能量振幅响应，进而提取特征波段的振幅参数，利用偏最小二乘回归（Partial least squares regression，PLSR）方法反演叶片Cu2+浓度。研究发现，玉米叶片光谱的STFT变换所得能量振幅峰值随Cu2+胁迫浓度梯度的增加呈先降低、后升高趋势，且随Cu2+浓度的升高不断向短波方向迁移。选取不同浓度梯度的能量振幅峰值波段为特征波段，利用特征波段上随频域变化的能量幅值，建立玉米叶片Cu2+浓度反演的偏最小二乘回归模型，模型R2为0.9863。选取相同培育期的另外2组植株数据为验证数据，进行相同STFT变换，利用建立的偏最小二乘回归模型对两组验证数据进行玉米叶片Cu2+浓度反演，并与验证组实测Cu2+浓度进行相关性分析，Cu2+反演R2分别为0.8806和0.7331（P<0.01），RMSE分别为1.563、2.619μg/g。研究表明，光谱的时频分析方法可用于Cu2+胁迫下玉米叶片的快速检测，为农作物的重金属胁迫监测提供了新的思路。 相似文献
16.
《灌溉排水学报》2020,(8)
【目的】评价乌梁素海多个季度浮游植物生物量反演模型的适用性,为乌梁素海水质治理与改善提供一定的理论依据。【方法】利用乌梁素海Landsat8 OLI遥感数据,结合实测水体的叶绿素a质量浓度数据,采用回归分析,构建乌梁素海浮游植物生物量反演模型,对反演模型精度和普适性进行验证。【结果】春季以b_5(近红外)/b_4(红光)为自变量的二次多项式回归方程拟合度较差,决定系数为0.463,实测数据与预测数据的均方根误差为6.88 mg/m~3;夏季以b_5(近红外)/b_4 (红光)为自变量的二次多项式回归方程拟合度最优,决定系数为0.816,实测数据与预测数据的均方根误差为3.67 mg/m~3;秋季以(b_5-b_4)/b_3为自变量的二次多项式回归方程拟合度适中,决定系数为0.602,实测数据与预测数据的均方根误差为4.63 mg/m~3。【结论】同步采集水样与高光谱数据,利用细胞体积转化法计算浮游植物生物量,是提高浮游植物生物量反演模型精度的重要前提条件。 相似文献
17.
基于无人机多光谱遥感的土壤含盐量反演模型研究 总被引：7，自引：0，他引：7
为探究无人机多光谱遥感技术快速监测植被覆盖下的土壤含盐量问题,以内蒙古河套灌区沙壕渠灌域内4块不同盐分梯度的耕地为研究区域,利用无人机搭载多光谱传感器获取2018年8月遥感影像数据,并对0~40cm〖JP〗的土壤进行盐分测定。分别引入敏感波段组、光谱指数组、全变量组作为模型输入变量,采用支持向量机（Support vector machine,SVM）、BP神经网络（Back propagation neural network,BPNN）、随机森林（Random forest,RF）、多元线性回归（Multiple linear regression, MLR）4种回归方法,建立基于3组输入变量下的土壤盐分反演模型,并进行精度评价,比较不同输入变量、不同回归方法对模型精度的影响,评价并优选出最佳盐分反演模型。结果表明,通过分析3个变量组的R2和RMSE,光谱指数组在4种回归方法中均取得了最佳的反演效果,敏感波段组和全变量组在不同的回归方法中反演效果不同。4种回归方法中,3种机器学习算法反演精度明显高于MLR模型,且MLR模型中的敏感波段组和全变量组均出现了“过拟合”现象,RF算法在3种机器学习算法中表现最优,SVM算法和BPNN算法在基于不同变量组的模型中表现也不相同。基于光谱指数组的RF的盐分反演模型在12个模型中取得了最佳的反演效果,R2c和R2v分别达到了0.72和0.67,RMSEv仅为0.112%。 相似文献
18.
基于多源数据的松嫩平原黑土区亚像元雪盖率算法研究 总被引：1，自引：0，他引：1
为了解决积雪反演研究中常用的二值积雪分类法存在误差较大的问题,根据松嫩平原黑土区的独特地理环境,并在充分考虑地表类型的情况下,将中分辨率成像光谱仪(Moderate-resolution imaging spectroradiometer,MODIS)影像作为数据源、陆地成像仪(Operational land imager,OLI)影像视为"真值"数据,建立松嫩平原黑土区MODIS像元积雪覆盖率与归一化雪盖指数(Normalized difference snow index,NDSI)值之间的线性回归关系模型。结果表明,与MOD10A1积雪面积比例数据(Fractional snow cover,FSC)相比,反演模型雪盖率的误差分析结果得到改善,能够更好地满足当前积雪反演研究的现实要求。亚像元雪盖率估算模型在一定程度上提高了松嫩平原黑土区雪盖面积监测的精度,为该地区春季墒情预报、农业耕种提供了科学依据。 相似文献
19.
为探明沈乌灌域节水改造后因渠道衬砌、引排水量减少引起的土壤含盐量时空分布特征及变化规律,采用区域土壤信息定点监测,结合经典统计学、空间插值以及机器学习建模反演等技术手段,利用Landsat 8卫星获取光谱数据,通过对实测土壤含盐量、光谱指数及波段反射率进行处理,运用Adaboost回归、BP神经网络回归、梯度提升树回归、KNN回归、决策树回归、随机森林回归方法构建了沈乌灌域土壤含盐量空间反演模型。采用最优反演模型对沈乌灌域土壤含盐量空间分布特征进行了遥感反演。结果表明： 通过全变量单一回归法筛选出相关系数大于0.55的9个光谱因子,使用SPSS PRO软件构建6种机器学习反演模型,对比6种反演模型精度,验证集决定系数R2由大到小依次为随机森林回归、梯度提升树回归、Adaboost回归、KNN回归、决策树回归、BP神经网络回归。其中随机森林回归模型的拟合精度最佳,训练集与验证集的决定系数R2分别为0.834和0.86,说明随机森林回归模型的反演效果较好。反演结果表明：节水改造后非盐渍土面积增加391.7km2,占灌域总面积的21%,中度盐渍土面积、重度盐渍土面积、盐土面积分别减少95.61、63.37、45.7km2,分别占灌域总面积的5%、3%、2%。综上所述,节水改造工程完成后,沈乌灌域土壤盐渍化程度减轻,作物生长安全区面积增加,但由于渠道衬砌以及引排水量减少,土壤盐分淋洗效果减弱,土壤盐分在灌域内部运移,整体土壤环境得到改善,局部地区出现盐分聚集。 相似文献
20.
为研究水稻叶片叶绿素相对含量（SPAD）在3种水分处理和5种施氮处理下的变化规律，探讨无人机多光谱遥感技术反演水稻SPAD的可行性，本研究利用大疆精灵4多光谱无人机，采集了水稻拔节孕穗期、抽穗开花期和乳熟期的冠层多光谱遥感影像，并同步测定水稻SPAD值，基于25个光谱变量（5个波段反射率和20个植被指数），采用多元线性逐步回归、岭回归和套索回归3种方法构建了水稻SPAD的反演模型。结果表明：水稻3个生育期的SPAD最佳反演模型均是采用套索回归方法构建的，其中乳熟期建立的SPAD最佳反演模型在3个生育期中的反演精度最高，决定系数为0.782，均方根误差为1.217 7，相对误差为6.611 3%。因此，该研究可对水稻叶片SPAD进行遥感监测，并为水稻精准灌溉和施肥提供科学依据和数据支撑。 相似文献