排序方式： 共有4条查询结果，搜索用时 10 毫秒
1
1.
以博斯腾湖湖滨绿洲为研究区,对土壤高光谱反射率R进行数学光谱变换,并计算其差值型、比值型、归一化型3种盐分指数,通过显著性检验优选特征波段,结合土壤表层盐分实验数据,构建基于地理加权回归模型的土壤表层盐分含量估算模型。研究结果表明:1)土壤表层盐分含量平均值为7.535 g·kg-1,其光谱变换建模选取的特征波段集中在466~482、1669~1728、1979~2371 nm,其中对数倒数的一阶微分(1/lg R)′相关性较好,相关系数绝对值为0.672;2)构建3种盐分指数优选的特征波段集中在1700~1728、1992~2014、2375~2405 nm,建立的模型决定系数均大于0.870,光谱反射率R的决定系数仅为0.621;3)差值型盐分指数优选特征波段建立的地理加权回归模型为最优模型,建模集与检验集的决定系数R2分别为0.934和0.915,RMSE分别为1.186和0.917。 相似文献
2.
以博斯腾湖西岸湖滨绿洲为研究区,将野外原位高光谱实测数据和土壤有机碳（SOC）含量作为基础数据,通过对原始光谱进行4种数学变换,探索不同光谱变换形式下的弓曲差（C）、差值光谱指数（DSI）、简单比值土壤指数（RSI）、亮度光谱指数（BSI）、归一化土壤指数（NDSI）与SOC含量的关系,并建立基于随机森林法（RF）的SOC含量估算模型。结果表明：（1）研究区SOC含量主要集中在5.25～78.76 g/kg,平均值为21.82 g/kg,变异系数为69.11%,呈中等变异性;（2）在光谱数据lgR下,SOC含量与DIS指数相关系数最高,相关系数为0.80,最佳组合波段为（1 758 nm, 1 752 nm）;（3）基于不同光谱指数与弓曲差（C）建立的模型验证集精度R2和RMSE分别介于0.67～0.84和5.85～8.45 g/kg,模型的RPD均在1.66以上;在基于光谱数据lg（1/R）变换下,模型的验证集R2=0.82、RMSE=3.52 g/kg、RPD=3.99,可以较好地估算研究区SOC含量,为干旱半干旱地区湖滨绿洲SOC含量反... 相似文献
3.
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
4.
土壤有机碳含量的高光谱估算，可快速、准确监测土壤肥力，为农业生产进行合理施肥提供科学依据。以博斯腾湖西岸湖滨绿洲为研究区，应用ASD FieldSpec3光谱仪测定表层土壤的高光谱反射率，采用重铬酸钾-外加热法测定表层土壤有机碳(SOC)含量；运用连续小波变换(CWT)分别对土壤高光谱反射率(R)及其一阶微分变换(R′)进行尺度分解，分析不同尺度分解后的数据与表层SOC含量的相关性，筛选敏感波段，分别建立偏最小二乘回归(PLSR)、随机森林(RF)和支持向量机(SVM)3种模型估算表层SOC含量。研究结果表明，土壤高光谱反射率与SOC含量呈负相关，经过一阶微分变换后，通过极显著性检验(P<0.01)的波段数由1 689个降低为227个，最大相关系数绝对值(|r|)由0.39提高至0.54;土壤高光谱数据CWT处理后，与表层SOC含量的相关性随分解尺度的增加呈现先增后降的趋势。R′-CWT-SVM模型估算效果最优，建模集和验证集R2分别为0.83和0.80,RMSE分别为5.24和3.56,RPD值为2.12,能够有效估算研究区表层SOC含量。 相似文献
1