|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算显示文摘叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R^2<0.5);决定系数较高(R^2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R^2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R^2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。 | 尼加提.卡斯木 师庆东 王敬哲 茹克亚.萨吾提 依力亚斯江.努尔麦麦提 古丽努尔.依沙克 | 2017 | 农业工程学报2017，33，22： | 38 |
| 2 | 土壤时空变化研究的进展与未来显示文摘理解和表征土壤的时空变化是土壤学的基本任务,也是评估和合理发挥土壤功能的重要前提。土壤的时空变化与气候环境变迁、岩石圈风化、地表物质迁移、生物地球化学循环等圈层变化过程相耦合。围绕土壤时空变化研究的新近进展,本文综述并展望了土壤形成和演变过程、土壤形态学、土壤调查、土壤分类、数字土壤制图与土壤退化的发展态势。未来土壤时空变化研究的关键科学问题主要包括:地球表层系统中土壤与环境要素之间的多过程耦合机理与模拟、多尺度土壤-环境关系与模拟、多元土壤信息的融合机理与数据同化。未来重点研究领域将涉及到关键带科学引领的土壤形成和演变研究、多尺度数字土壤制图与时空变化预测、基于多传感器的土壤综合观测原理与技术、完整和详尽的国家和全球土壤资源清单及共享平台建设、区域土壤资源退化机理及其功能恢复。 | 张甘霖 史舟 朱阿兴 王秋兵 吴克宁 史志华 赵永存 赵玉国 潘贤章 刘峰 宋效东 | 2020 | 土壤学报2020，57，5： | 32 |
| 3 | 土壤星地传感技术现状与发展趋势显示文摘土壤作为自然地理学的重要研究对象之一,是联系大气、水、生物等其它地理要素的重要枢纽,其信息的快速准确获取研究对现代地理学的发展具有重要意义。本文重点介绍卫星、航空、无人机和地面不同平台搭载的不同类型传感器的探测原理;总结国内外基于星地传感技术的土壤信息快速获取方法及其在土壤属性预测和制图中的应用;阐述现代土壤信息获取在土壤地理学中的应用情况;展望当前土壤星地传感器技术的发展趋势。 | 史舟 徐冬云 滕洪芬 胡月明 潘贤章 张甘霖 | 2018 | 地理科学进展2018，37，1： | 23 |
| 4 | 基于随机森林算法的土壤有机质含量高光谱检测显示文摘为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河-库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1)耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2)小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3)随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。 | 包青岭 丁建丽 王敬哲 蔡亮红 | 2019 | 干旱区地理2019，42，6： | 23 |
| 5 | 小波变换耦合CARS算法提高土壤水分含量高光谱反演精度显示文摘为实现干旱地区土壤水分含量(soil moisture content,SMC)的快速监测,该文以渭干河-库车河绿洲为靶区,采用小波变换(wavelet transform,WT)对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,再通过竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)滤除冗余变量,筛选出与SMC相关性较好的波长变量,并叠加各层特征光谱的优选波长变量作为最优变量集,用偏最小二乘回归(partial least squares regression,PLSR)构建土壤水分含量预测模型并进行分析。结果显示:1)小波分解过程中,土壤反射率与SMC的相关性不断增强,到小波变换第6层分解(L6)处达到最高,因此小波变换最大分解层数为6层分解;2)通过对土样进行WT-CARS耦合算法筛选出变量,得出的最优变量集包括400~500、1 320~1 461、1 851~1 961、2 125~2 268 nm区域之间共131个波长变量;3)相对于全波段预测模型,各层特征光谱的CARS优选变量预测模型的精度均高,并且基于最优变量集的预测模型的精度最高,该模型的建模集均方根误差0.021、建模集决定系数0.721、预测集均方根误差0.028、预测集决定系数0.924、相对分析误差2.607。说明WT-CARS耦合算法使其在建立模型时尽可能少地损失光谱细节、较为彻底的去除噪声,同时还能对无信息变量进行有效去除,为该研究区SMC的预测提供新的思路。 | 蔡亮红 丁建丽 | 2017 | 农业工程学报2017，33，16： | 21 |
| 6 | 基于高光谱数据的高寒草地土壤有机碳预测模型研究显示文摘土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(R_v^2)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的R_v^2和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(R_v^2=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。 | 崔霞 宋清洁 张瑶瑶 胥刚 孟宝平 高金龙 | 2017 | 草业学报2017，26，10： | 17 |
| 7 | 基于高光谱多尺度分解的土壤含水量反演显示文摘土壤水分含量(SMC)的快速估测能促进干旱、半干旱地区精准农业的发展。以渭干河-库车河绿洲为研究区,采用小波变换对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,并对原始反射率至最大分解层数以内的各层特征光谱进行9种常规数学变换处理,然后将土壤反射率与SMC进行相关性分析,并从每层特征光谱的各种变换中筛选出相关系数最大的波段,将其作为敏感波段,通过灰色关联分析(GRA)从中筛选出最佳波段组合,利用偏最小二乘回归建立SMC预测模型并进行分析。结果显示:在小波变换过程中,随着分解层数增加,土壤反射率与SMC的相关性呈先增后减的趋势,L6处通过0.01水平下的显著性波段最多,L6的特征光谱在去噪的同时还能最大限度地保留光谱细节,为本研究中的最大分解层;将小波变换和微分变换相结合可以深度挖掘光谱的潜在信息,提高土壤反射率与SMC之间的关联度;根据所有SMC模型的统计参数综合对比分析可以确定基于L-GRA建立的模型精度最优,其建模集均方根误差为0.026,建模集决定系数为0.710,预测均方根误差为0.030,验证集决定系数为0.965,相对分析误差为2.800;小波变换和灰色关联分析的结合在建立模型时能尽可能少地损失光谱细节,较为彻底地去除噪声,同时还能对无信息变量进行有效去除。 | 蔡亮红 丁建丽 | 2018 | 激光与光电子学进展2018，55，1： | 17 |
| 8 | 基于省域尺度的农田土壤重金属高光谱预测显示文摘利用浙江省36个县市的643个农田耕层土样的可见-近红外反射率数据以及重金属与有机质含量数据,分析了Ni、Cu、As、Hg、Zn、Cr、Cd、Pb含量与有机质含量的相关性,对比了不同重金属元素与有机质敏感波段的位置,并建立了各重金属元素含量的偏最小二乘回归(PLSR)模型.研究结果表明,Ni、Cr与有机质的相关性最优,As最差,相关系数分别为0.54、0.59、0.20,各重金属元素与有机质的相关系数与它在前三个主成份载荷图中与有机质的距离成反比;不同的重金属元素与有机质高光谱敏感波段的重叠度、回归系数的正负一致性具有明显差异,与有机质相关性越高的元素,其重叠度也越高、正负一致性也越好;在所有8种重金属元素的PLSR预测模型中,Ni、Cr的建模与预测效果较好,RPD值分别为1.94、1.80,模型具有一般的定量预测能力,其余6种重金属元素预测模型的RPD值均在1.00和1.40之间,模型只具备区别高值和低值的预测能力.该研究结果为大尺度区域土壤重金属污染的高光谱遥感监测提供了一定的理论依据与参考. | 夏芳 彭杰 王乾龙 周炼清 史舟 | 2015 | 红外与毫米波学报2015，34，5： | 15 |
| 9 | 基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析显示文摘目的建立红外光谱预处理方法以实现对不同品牌燕麦的快速无损鉴别。方法通过对不同品牌燕麦样品近红外光谱进行采集,结合单一以及组合光谱预处理方法消除光谱干扰,最后利用主成分分析法构建稳健的鉴别模型。结果光谱预处理有效消除了变动背景以及基线漂移干扰,最佳预处理方法为二阶导数,可以实现进口、国产、劣质燕麦之间的完全鉴别。结论通过近红外光谱预处理方法对原始光谱图进行处理,可以提取光谱图中有用信息,消除样品自身不均等因素对光谱的影响,提高不同品牌燕麦鉴别的准确率。 | 李尚科 李跑 杜国荣 丁胜华 蒋立文 刘霞 | 2019 | 食品安全质量检测学报2019，10，24： | 15 |
| 10 | Estimation of Organic Matter Content in Coastal Soil Using Reflectance Spectroscopy显示文摘Rapid determination of soil organic matter(SOM) using regression models based on soil reflectance spectral data serves an important function in precision agriculture. 'Deviation of arch'(DOA)-based regression and partial least squares regression(PLSR)are two modeling approaches to predict SOM.However,few studies have explored the accuracy of the DOA-based regression and PLSR models.Therefore,the DOA-based regression and PLSR were applied to the visible near-infrared(VNIR) spectra to estimate SOM content in the case of various dataset divisions.A two-fold cross-validation scheme was adopted and repeated 10 000 times for rigorous evaluation of the DOA-based models in comparison with the widely used PLSR model.Soil samples were collected for SOM analysis in the coastal area of northern Jiangsu Province,China.The results indicated that both modelling methods provided reasonable estimation of SOM,with PLSR outperforming DOA-based regression in general.However,the performance of PLSR for the validation dataset decreased more noticeably.Among the four DOA-based regression models,a linear model provided the best estimation of SOM and a cutoff of SOM content(19.76 g kg^(-1)),and the performance for calibration and validation datasets was consistent.As the SOM content exceeded 19.76 g kg^(-1),SOM became more effective in masking the spectral features of other soil properties to a certain extent.This work confirmed that reflectance spectroscopy combined with PLSR could serve as a non-destructive and cost-efficient way for rapid determination of SOM when hyperspectral data were available.The DOA-based model,which requires only 3 bands in the visible spectra,also provided SOM estimation with acceptable accuracy. | ZHENG Guanghui Dongryeol RYU JIAO Caixia HONG Changqiao | 2016 | Pedosphere2016，26，1： | 14 |
| 11 | 基于谐波分析算法的干旱区绿洲土壤光谱特性研究显示文摘土壤有机质(SOM)含量是评价土壤肥力的重要指标。以新疆渭-库绿洲为研究区,对室内获取的SOM含量及反射光谱数据进行Savitzky-Golay (S-G)平滑和一阶微分(FD)预处理。在此基础上,为减小敏感波段遴选对建模精度的影响,引入谐波分析(HA)算法对全波段光谱数据进行谐波分解。基于主成分分析(PCA)降维后的7个主分量对SOM含量进行基于反向传播(BP)神经网络、遗传算法(GA)-BP神经网络和多元线性回归(MLR)方法的定量估算,并对估算精度进行比较。结果表明:HA预处理后的光谱数据与SOM含量的相关性相较于FD数据有了明显提高;非线性模型BP神经网络的估算精度明显高于线性模型MLR;在非线性模型中,GA-BP模型的估算精度最高,其决定系数为0.92,预测集的均方根误差为3.92×10^(-3),相对分析误差为1.93。验证了HA算法深度挖掘光谱数据的有效性,经过GA优化的BP神经网络模型可以提高SOM含量的估算精度,为土壤属性的光谱定量估算提供借鉴。 | 张子鹏 丁建丽 王敬哲 | 2019 | 光学学报2019，39，2： | 14 |
| 12 | 基于随机森林算法的潍北平原土壤全氮高光谱估算显示文摘土壤全氮(Total Nitrogen,TN)是植物生长的重要营养来源,是衡量土壤质量的重要指标之一,快速准确地获取农田土壤氮素信息尤为重要。选取潍北平原为研究区域,系统测试111个土壤样本并采集原状土壤高光谱,测定土壤全氮值并建立基于随机森林算法(Random Forest,RF)及皮尔逊相关系数(Pearson’s Correlation Coefficient,PCC)特征提取的偏最小二乘法(Partial Least-Squares Regression,PLSR)与深度神经网络学习法(Deep Neural Networks,DNN)模型,实现了局地尺度上的土壤全氮值估算反演。结果表明,不同氮素含量的土壤在光谱探测区间表现出一定的变化趋势,不同全氮含量土壤光谱反射率差异显著,土壤全氮含量升高光谱反射率随之降低。土壤全氮存在334~660 nm、730~880 nm和900~1 000 nm三个敏感信号谱间,全氮光谱估算与土壤中铁的氧化物、植物体残渣和有机质间接信号密切相关。基于随机森林算法建立的DNN模型估算效果最佳(R2=0.77,RPD=1.2),其次为PCC-DNN模型(R2=0.60,RPD=1.0),PCC-PLSR和RF-PLSR模型尚不具备估算能力。PLSR模型中输入PCC光谱特征精度和稳定性要优于RF算法,而RF算法耦合DNN估算模型运行时相对PCC算法输入变量R2和RPD分别提升0.17和0.2,达到最佳估算效果。 | 彭远新 蒙永辉 徐夕博 李佳 周旭 于得芹 | 2020 | 安全与环境学报2020，20，5： | 12 |
| 13 | 面向土壤分类的高光谱反射特征参数模型显示文摘提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。 | 刘焕军 张小康 张新乐 武洪峰 金慧凝 于胜男 邱政超 | 2017 | 遥感学报2017，21，1： | 11 |
| 14 | 基于支持向量机的土壤有机质高光谱反演显示文摘为寻找一种土壤有机质快速检测技术,探究了土壤有机质含量对光谱反射率曲线的影响,分析了土壤有机质与光谱曲线间的相关性关系,采用多元逐步回归和支持向量机建立土壤有机质含量高光谱预测模型。研究结果表明:研究区土壤有机质含量对光谱曲线影响较小;光谱平滑和变换技术可以有效提高光谱特征波段与土壤有机质的相关性关系,二阶微分变换的效果最好,相关系数为-0.83;通过决定系数和均方根误差对不同模型的预测效果进行评价,其中基于二阶微分的支持向量机模型的反演效果最优R 2=0.89,RMSE为1.73。研究结果揭示了研究区土壤有机质与光谱反射率间的相关性关系,可以为实现土壤有机质快速检测和实时动态监测提供技术支持和参考。 | 沈强 张世文 夏沙沙 尹炳 陈飞 邹宏光 | 2019 | 安徽理工大学学报(自然科学版)2019，39，4： | 10 |
| 15 | 基于EPO算法去除水分影响的土壤有机质高光谱估算显示文摘野外进行土壤有机质的光谱快速预测时需考虑土壤含水量的影响。在室内设计人工加湿实验分别获取9个土壤含水量梯度(0~32%,间隔4%)的土壤光谱数据,分析土壤含水量变化对光谱的影响,再利用外部参数正交化法(external parameter orthogonalization,EPO)进行湿土光谱校正,并结合偏最小二乘回归和支持向量机回归分别建立土壤有机质预测模型。结果表明,土壤光谱反射率随着土壤含水量的增加呈非线性降低趋势,偏最小二乘回归模型的预测偏差比为1.16,模型不可用;经EPO算法校正后,各土壤含水量梯度之间的光谱差异性降低,能实现土壤有机质在不同土壤含水量梯度的有效估算,偏最小二乘回归和支持向量机回归模型的预测偏差比分别提高至1.76和2.15。研究结果可为田间快速预测土壤有机质提供必要参考。 | 洪永胜 于雷 朱亚星 吴红霞 聂艳 周勇 QI Feng 夏天 | 2017 | 土壤学报2017，54，5： | 9 |
| 16 | 基于分数阶微分的盐渍土电导率高光谱估算研究显示文摘传统电导率的反演模型采用整数阶微分(1阶或2阶)的预处理方法,忽略位于分数阶微分处的高光谱反射率信息。因此,本研究提出一种基于分数阶微分的盐渍土电导率高光谱估算方法,以新疆昌吉回族自治州境内的盐渍化土壤为研究靶区,于2017年5月采集0~20 cm的表层土壤样品,利用FieldSpec?3 Hi-Res光谱仪测量盐渍土的野外高光谱,并在实验室化验土壤的电导率理化参数。在Matlab 2019a软件中编程实现0阶-2.0阶的Grünwald-Letnikov分数阶微分计算(阶数间隔为0.1)。分析土壤高光谱与电导率的相关系数曲线在21种微分处的变化规律,选择每阶微分的最大相关系数大于0.5时对应的波长为敏感波长,采用逐步多元线性回归模型对电导率进行预测。结果表明:分数阶微分预处理方法能够把相关系数曲线位于不同分数阶时的变化细节呈现出来,在全波段范围内出现更多的波峰和波谷信息。电导率的8个敏感波长为400 nm、418 nm、567 nm、1667 nm、2132 nm、2193 nm、2257 nm和2258 nm。估算电导率的最佳模型位于分数阶1.5阶,其验证集的RPD值为1.99,R2为0.81,RMSE为1.08,该模型因RPD值大于1.8对电导率的估算能力好。本研究探索了电导率在不同分数阶微分处的差异信息,为电导率的估算提供一种新的研究思路,对新疆干旱区盐渍土的改良提供了科学可靠的依据。 | 田安红 赵俊三 张顺吉 付承彪 熊黑钢 | 2020 | 中国生态农业学报(中英文)2020，28，4： | 8 |
| 17 | 基于组合模型的庐山森林土壤有效铁光谱间接反演研究显示文摘铁是植物生长的重要微量营养元素之一,土壤有效铁含量对林地环境起着重要的影响,利用土壤光谱预测技术获取土壤有效铁含量信息具有重要意义。而要通过土壤光谱直接预测土壤有效铁含量是难以实现的,因此提出利用土壤有机质含量与有效铁含量之间的相关性,探讨间接估算土壤有效铁含量的可行性。以庐山森林土壤样本为研究对象,研究基于偏最小二乘回归(PLSR)和径向基函数(RBF)神经网络的组合模型预测土壤有机质含量的适用性,并且通过构建有机质含量与有效铁含量的二项式线性模型,对土壤有效铁含量进行间接反演,探讨不同权重下的最优组合模型。结果表明,组合模型的预测效果优于偏最小二乘回归和RBF神经网络单个模型,并且熵值组合为最优组合模型,其中,土壤有机质的反演模型验证的决定系数(R^2)为0.81,均方根误差(RMSE_p)为11.54 g kg^(-1),测定值标准差与标准预测误差的比值(RPD)为2.18;有效铁的间接反演模型R^2为0.70,RMSE_p为21.60 mg kg^(-1),RPD为1.77。通过土壤有机质构建土壤有效铁含量的光谱反演间接模型,在光谱反演模型中,组合模型能较大限度地利用各种预测样本信息,能有效减少单个预测模型中随机因素的影响,增强预测稳定性,提高模型的预测能力。因此,组合模型可对土壤有机质含量的光谱预测及土壤有效铁的间接预测发挥更好的作用。 | 谢文 赵小敏 郭熙 叶英聪 李伟峰 汪晓燕 张佳佳 | 2017 | 土壤学报2017，54，3： | 8 |
| 18 | 基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演显示文摘【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数(normalized shaded vegetation index,NSVI)和归一化冠层阴影指数(normalized difference canopy shadow index,NDCSI)去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘(partial least square,PLS)及支持向量机(support vector machine,SVM)方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R^(2)和RPD分别为0.774、1.828;验证集R^(2)和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。 | 李美炫 朱西存 白雪源 彭玉凤 田中宇 姜远茂 | 2021 | 中国农业科学2021，54，10： | 8 |
| 19 | 基于大样本土壤光谱数据库的氮含量反演显示文摘充分挖掘大样本土壤光谱库中有效信息,建立普适性强的土壤全氮(TN)含量反演模型,是高光谱分析的重要应用方向之一。研究采用偏最小二乘回归(PLSR)全局建模、局部加权回归(LWR)和模糊K均值聚类结合PLSR(FKMC-PLSR)局部建模三种方法,分别建立了来自中国西藏、新疆、黑龙江、海南等13个省采集的17种土类1661个土壤样本TN值的高光谱反演模型,并对浙江省104个水稻土样本进行模型验证。结果表明,在大样本下PLSR全局模型对高TN值待预测样本存在低估现象,导致整体预测精度偏低;LWR和FKMC-PLSR局部模型比PLSR全局模型能够更为准确地反演TN含量。研究结果可为利用大样本光谱数据库建立稳定性和普适性较高的土壤TN含量预测模型提供参考。 | 王乾龙 李硕 卢艳丽 彭杰 史舟 周炼清 | 2014 | 光学学报2014，34，9： | 7 |
| 20 | 利用OSC算法消除土壤含水量变化对Vis-NIR光谱估算有机质的影响显示文摘【目的】快速、准确地监测土壤有机质对于精准农业的发展具有重要意义。可见光-近红外(visible and near-infrared,Vis-NIR)光谱技术在土壤属性估算、数字化土壤制图等方面应用较为广泛,然而,在田间进行光谱测量,易受土壤含水量(soil moisture,SM)、温度、土壤表面状况等因素的影响,导致光谱信息中包含大量干扰信息,其中,SM变化是影响光谱观测结果最为显著的因素之一。此研究的目的是探讨OSC算法消除其影响,提升Vis-NIR光谱定量估算土壤有机质(soil organic matter,SOM)的精度。【方法】以江汉平原公安县和潜江市为研究区域,采集217份耕层(0—20 cm)土壤样本,进行风干、研磨、过筛等处理,采用重铬酸钾-外加热法测定SOM;将总体样本划分为3个互不重叠的样本集:建模集S^0(122个样本)、训练集S^1(60个样本)、验证集S^2(35个样本);设计SM梯度试验(梯度间隔为4%),在实验室内获取S^1和S^2样本集的9个梯度SM(0%—32%)的土壤光谱数据;分析SM对土壤Vis-NIR光谱反射率的影响,采用外部参数正交化算法(external parameter orthogonalization,EPO)、正交信号校正算法(orthogonal signal correction,OSC)消除SM对土壤光谱的干扰;利用主成分分析(principal component analysis,PCA)的前两个主成分得分和光谱相关系数两种方法检验消除SM干扰前、后的效果;基于偏最小二乘回归(partial least squares regression,PLSR)方法建立EPO和OSC处理前、后的SOM估算模型,利用决定系数(coefficient of determination,R^2)、均方根误差(root mean square error,RMSE)和RPD(the ratio of prediction to deviation)3个指标比较PLSR、EPO-PLSR、OSC-PLSR模型的性能。【结果】土壤Vis-NIR光谱受SM的影响十分明显,随着SM的增加,土壤光谱反射率呈非线性降低趋势。OSC处理前的湿土光谱数据主成分得分散点相对分散,与干土光谱数据主成分得分空间的位置不重叠,不同SM梯度之间的光谱相关系数变化较大;OSC处理后的湿土光谱数据主成分得分空间的位置基本与干土光谱数据相重合,各样本光谱数据之间相似性很高,不同SM梯度之间的光谱相关系数变化较小。9个SM梯度的EPO-PLSR模型的验证平均R^2_(pre)、RPD分别为0.69、1.7。9个SM梯度的OSC-PLSR模型的验证平均R^2_(pre)、RPD分别为0.72、1.89,校正后的OSC-PLSR模型受SM的较小,有效提升SOM估算模型的精度和鲁棒性。【结论】OSC能够消除SM变化对土壤Vis-NIR光谱的影响,可为将来田间原位实时监测SOM信息提供一定的理论支撑。 | 洪永胜 于雷 朱亚星 李思缔 郭力 刘家胜 聂艳 周勇 | 2017 | 中国农业科学2017，50，19： | 6 |
您所在的机构暂未开通此部分的功能，请联系管理员