博斯腾湖西岸湖滨绿洲土壤含盐量高光谱估算
发布时间：2021-03-28 19:55
以博斯腾湖西岸湖滨绿洲土壤盐分及其对应的高光谱数据为研究对象,对原始光谱反射率（R）进行均方根（R）、对数（lg R）、倒数（1/R）、对数倒数（1/lg R）变换,引入分数阶微分对变换的光谱反射率进行0～2内的微分预处理,通过显著性检验优选特征波段,并利用特征波段进行偏最小二乘回归的建模和验证。结果表明:1)通过显著性检验较多的特征波段是:1/R为691个波段,比通过原始波段多226个波段;且随着阶数的增加,在各阶数中通过显著性检验的波段数量呈先增加后减少的趋势;通过数量较多的特征波段是1/R的0. 4阶和0. 6阶,分别为145、150;2)原始光谱反射率的相关性极大值绝对值是:2阶为0. 53,其他4种数学变换的相关性极大值绝对值比R高0. 11～0. 16,特征波段主要集中在600～1 000 nm和2 020～2 330 nm;3)在原始光谱反射率及其变换值的各分数阶微分利用偏最小二乘回归建模中,1/lgR的0. 2阶建立的模型为最佳模型,RC2=0. 78,RMSEC=1. 56,RV<...
【文章来源】：中山大学学报(自然科学版). 2020,59(04)北大核心CSCD
【文章页数】：8 页
【部分图文】：
采样点及研究区示意图
对土壤含盐量光谱反射率进行聚类分析，以K-means聚类算法进行划分。由图2所示，利用聚类分析将土壤含盐量光谱反射率划分为4类，分别对4类光谱反射率求数学平均，得到4种土壤含盐量的光谱曲线，土壤含盐量的光谱特征整体较为相似。在波段为350～1 340 nm之间，土壤含盐量为4.20和2.51 g/kg的光谱反射率值高于1.56和3.17g/kg的光谱反射率值；在1 340 nm之后，这4种土壤含盐量光谱反射率值则显示相反的变化规律，土壤含盐量为3.17 g/kg的反射率值较高。总体上看，350～2 100 nm之间，土壤含盐量光谱反射率值随着波长的增加而增加，2 100 nm之后，光谱特征逐渐减弱。2.2 分数阶微分对相关系数的影响
分别利用通过显著性检验的R、R、lg R、1/R、1/lg R特征波段与土壤含盐量进行偏最小二乘回归，建立不同光谱变化下分数阶微分的土壤含盐量估算模型。由表2可知，从总体上看1/lg R的0.2阶和1/R的1.8阶的建模效果较好，RC2分别为0.78和0.75,RMSEC分别为1.56和1.48。从原始光谱和4种光谱变换下的验证集可知，R的1.8阶的估算模型较好RV2为0.47，而RMSEV为1.65;的1.2阶的估算模型较好RV2为0.57,RMSEV为1.48;1/R的1阶和2阶的估算模型精度较好，RV2分别为0.52、0.53,RM-SEV分别为1.35、1.34;lg R的0.8阶和1阶的估算模型精度较好，RV2分别为0.52、0.52,RMSEV分别为1.43、1.33;1/lg R的0.2阶和0.4阶的估算模型精度较好，RV2分别为0.63、0.62,RMSEV分别为1.44、1.42。由图4可知，1/lg R的分数阶微分拟合曲线较为集中，从RV2来看，最小值为0.47，其他主要在0.50～0.54,R的分数阶微分拟合曲线较为杂乱。图4 基于不同分数阶微分光谱变换的土壤含盐量偏最小二乘回归模型验证
【参考文献】：
期刊论文
[1]基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J]. 亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞. 生态学报. 2019(19)
[2]分数阶微分对盐渍土野外光谱预处理精度提升的机理分析[J]. 田安红,熊黑钢,赵俊三,付承彪. 光谱学与光谱分析. 2019(08)
[3]博斯腾湖西岸湖滨带土壤盐分高光谱反演[J]. 李志,李新国,刘彬,麦麦提吐尔逊·艾则孜. 扬州大学学报(农业与生命科学版). 2019(02)
[4]基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算[J]. 吾木提·艾山江,买买提·沙吾提,马春玥. 激光与光电子学进展. 2019(15)
[5]不同采样间隔下分数阶微分对土壤重金属高光谱数据的影响[J]. 蒋明,郭云开,钱佳,丁美青. 测绘通报. 2018(10)
[6]土壤光谱重建的湿地土壤有机质含量多光谱反演[J]. 陈思明,邹双全,毛艳玲,梁文贤,丁卉. 光谱学与光谱分析. 2018(03)
[7]博斯腾湖西岸湖滨带不同植被类型土壤剖面盐分特征分析[J]. 李志,李新国,毛东雷,麦麦提吐尔逊·艾则孜. 西北农业学报. 2018(02)
[8]基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 张贤龙,张飞,张海威,李哲,海清,陈丽华. 农业工程学报. 2018(01)
[9]光谱分数阶微分与玉米叶片重金属铜含量的相关性分析[J]. 张文文,杨可明,夏天,刘聪,孙彤彤. 科学技术与工程. 2017(25)
[10]基于EPO-PLS回归模型的盐渍化土壤含水率高光谱反演[J]. 彭翔,胡丹,曾文治,伍靖伟,黄介生. 农业工程学报. 2016(11)
本文编号：3106151
【文章来源】：中山大学学报(自然科学版). 2020,59(04)北大核心CSCD
【文章页数】：8 页
【部分图文】：
采样点及研究区示意图
对土壤含盐量光谱反射率进行聚类分析，以K-means聚类算法进行划分。由图2所示，利用聚类分析将土壤含盐量光谱反射率划分为4类，分别对4类光谱反射率求数学平均，得到4种土壤含盐量的光谱曲线，土壤含盐量的光谱特征整体较为相似。在波段为350～1 340 nm之间，土壤含盐量为4.20和2.51 g/kg的光谱反射率值高于1.56和3.17g/kg的光谱反射率值；在1 340 nm之后，这4种土壤含盐量光谱反射率值则显示相反的变化规律，土壤含盐量为3.17 g/kg的反射率值较高。总体上看，350～2 100 nm之间，土壤含盐量光谱反射率值随着波长的增加而增加，2 100 nm之后，光谱特征逐渐减弱。2.2 分数阶微分对相关系数的影响
分别利用通过显著性检验的R、R、lg R、1/R、1/lg R特征波段与土壤含盐量进行偏最小二乘回归，建立不同光谱变化下分数阶微分的土壤含盐量估算模型。由表2可知，从总体上看1/lg R的0.2阶和1/R的1.8阶的建模效果较好，RC2分别为0.78和0.75,RMSEC分别为1.56和1.48。从原始光谱和4种光谱变换下的验证集可知，R的1.8阶的估算模型较好RV2为0.47，而RMSEV为1.65;的1.2阶的估算模型较好RV2为0.57,RMSEV为1.48;1/R的1阶和2阶的估算模型精度较好，RV2分别为0.52、0.53,RM-SEV分别为1.35、1.34;lg R的0.8阶和1阶的估算模型精度较好，RV2分别为0.52、0.52,RMSEV分别为1.43、1.33;1/lg R的0.2阶和0.4阶的估算模型精度较好，RV2分别为0.63、0.62,RMSEV分别为1.44、1.42。由图4可知，1/lg R的分数阶微分拟合曲线较为集中，从RV2来看，最小值为0.47，其他主要在0.50～0.54,R的分数阶微分拟合曲线较为杂乱。图4 基于不同分数阶微分光谱变换的土壤含盐量偏最小二乘回归模型验证
【参考文献】：
期刊论文
[1]基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J]. 亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞. 生态学报. 2019(19)
[2]分数阶微分对盐渍土野外光谱预处理精度提升的机理分析[J]. 田安红,熊黑钢,赵俊三,付承彪. 光谱学与光谱分析. 2019(08)
[3]博斯腾湖西岸湖滨带土壤盐分高光谱反演[J]. 李志,李新国,刘彬,麦麦提吐尔逊·艾则孜. 扬州大学学报(农业与生命科学版). 2019(02)
[4]基于分数阶微分和连续投影算法-反向传播神经网络的小麦叶片含水量高光谱估算[J]. 吾木提·艾山江,买买提·沙吾提,马春玥. 激光与光电子学进展. 2019(15)
[5]不同采样间隔下分数阶微分对土壤重金属高光谱数据的影响[J]. 蒋明,郭云开,钱佳,丁美青. 测绘通报. 2018(10)
[6]土壤光谱重建的湿地土壤有机质含量多光谱反演[J]. 陈思明,邹双全,毛艳玲,梁文贤,丁卉. 光谱学与光谱分析. 2018(03)
[7]博斯腾湖西岸湖滨带不同植被类型土壤剖面盐分特征分析[J]. 李志,李新国,毛东雷,麦麦提吐尔逊·艾则孜. 西北农业学报. 2018(02)
[8]基于光谱变换的高光谱指数土壤盐分反演模型优选[J]. 张贤龙,张飞,张海威,李哲,海清,陈丽华. 农业工程学报. 2018(01)
[9]光谱分数阶微分与玉米叶片重金属铜含量的相关性分析[J]. 张文文,杨可明,夏天,刘聪,孙彤彤. 科学技术与工程. 2017(25)
[10]基于EPO-PLS回归模型的盐渍化土壤含水率高光谱反演[J]. 彭翔,胡丹,曾文治,伍靖伟,黄介生. 农业工程学报. 2016(11)
本文编号：3106151
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3106151.html
