基于高光谱数据的戈壁地表砾石粒径反演研究
[Abstract]:The characteristics of gravel-size composition of Gobi surface reflect the information of Gobi formation process, and to a large extent determine the difficulty and ease of Gobi reconstruction and utilization, which is the foundation and premise of Gobi research. Based on the differential transformation of hyperspectral data, the sensitive band and inversion equation of gravel particle size are selected, and the inversion of gravel particle size on Gobi surface is carried out. The results show that there is a good correlation between the spectral reflectance and the particle size of the gravel after differential transformation. The best correlation bands are 908 nm ~ 983 nm and 985 nm ~ (-1). Among them, the reflectivity after logarithmic reciprocal differential transformation is positively correlated with particle size (R _ (2) O _ (0.61), but the reflectivity of the first order differential, square root differential and logarithmic differential is negatively correlated with the particle size, and the correlation coefficients are -0.633n- 0.646ng-0.649, respectively. By regression analysis of spectral data and particle size after first order differential transformation, it is found that the cubic regression model has good fitting accuracy. The logarithmic differential is the best in regression analysis (R2C0.851), and the accuracy of logarithmic differential prediction (75.27%) is higher than that of the other four differential forms. It is shown that the 908 nm band after logarithmic differential transformation of the gravel spectrum can be used for the inversion of the gravelly particle size on the Gobi surface.
【作者单位】: 枣庄学院旅游与资源环境学院;中国林业科学研究院荒漠化研究所;
【基金】:公益性行业科研专项(201404304) 国家自然科学基金项目(31370708)资助
【分类号】:P941.73;P237
【相似文献】
相关期刊论文 前10条
1 姜小光,唐伶俐,王长耀,王成;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[J];遥感技术与应用;2002年02期
2 范学炜,张汉德,孙幸文;成像高光谱数据在赤潮检测和识别中的应用研究[J];国土资源遥感;2003年01期
3 张雄飞,张兵,张霞,郑兰芬,童庆禧;高光谱数据在数据库中的高效存储技术研究[J];遥感学报;2004年05期
4 张远飞;吴德文;张艮中;朱谷昌;李红;;高光谱数据的波段序结构分析与应用研究[J];国土资源遥感;2010年01期
5 肖海燕;曾辉;昝启杰;白钰;程好好;;基于高光谱数据和专家决策法提取红树林群落类型信息[J];遥感学报;2007年04期
6 李娜;李咏洁;赵慧洁;曹扬;;基于光谱与空间特征结合的改进高光谱数据分类算法[J];光谱学与光谱分析;2014年02期
7 卜志国,周凯,黄娟;基于图像特征的航空高光谱数据油污染光谱曲线提取分析[J];中国海洋大学学报(自然科学版);2005年04期
8 闻建光;肖青;杨一鹏;柳钦火;李小文;;基于高光谱数据提取水体叶绿素a浓度的混合光谱模型[J];水科学进展;2007年02期
9 颜春燕;刘强;;机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证[J];遥感信息;2009年05期
10 施润和,牛铮,庄大方;利用高光谱数据估测植物叶片碳氮比的可行性研究[J];遥感技术与应用;2003年02期
相关会议论文 前10条
1 郭宇龙;李云梅;;环境1号卫星高光谱数据重建及其精度分析[A];第十七届中国环境遥感应用技术论坛论文集[C];2013年
2 李云梅;蒋建军;韦玉春;;利用地面实测高光谱数据评价太湖富营养化状态[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
3 姜小光;王长耀;王成;;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
4 杨仁忠;马利春;石璐;王欣;;基于GPU的高光谱数据实时处理平台结构设计与分析[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年
5 张霞;张兵;胡方超;童庆禧;;CHRIS高光谱数据大气自校正与仪器定标精度评价[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 李英杰;薛勇;光洁;何兴伟;梅林露;王颖;徐慧;艾建文;;环境小卫星高光谱数据在气溶胶定量反演及沙尘监测中的应用初探[A];第十七届中国遥感大会摘要集[C];2010年
7 董广军;;PHI高光谱数据光谱重建及城市分类应用研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
8 曹扬;胡荣;金彬;张佩;;一种准确快速的高光谱数据光谱混合分析方法[A];第二届高分辨率对地观测学术年会论文集[C];2013年
9 陈军;杨存建;许辉熙;程曦冉;;MODIS高光谱数据的初步分析和应用探讨[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 张萌;赵慧洁;李娜;;高光谱数据光谱分辨率对矿物识别的影响分析[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
相关博士学位论文 前5条
1 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院(遥感应用研究所);2006年
2 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院(遥感应用研究所);2002年
3 邢东兴;基于高光谱数据的果树理化性状信息提取研究[D];西北农林科技大学;2009年
4 满其霞;激光雷达和高光谱数据融合的城市土地利用分类方法研究[D];华东师范大学;2015年
5 高晓惠;高光谱数据处理技术研究[D];中国科学院研究生院(西安光学精密机械研究所);2013年
相关硕士学位论文 前10条
1 李志花;基于C#的冬小麦长势高光谱数据处理系统开发[D];山西农业大学;2015年
2 楚万林;基于高光谱数据的棉花生长信息模型模拟研究[D];西北农林科技大学;2015年
3 赵兴;基于深度置信网集成的高光谱数据分类方法研究[D];哈尔滨工业大学;2015年
4 郑思远;面向异常检测的高光谱数据线性子空间估计[D];国防科学技术大学;2013年
5 陈芳;基于HJ1A高光谱数据和CCD数据的植被信息提取方法研究[D];福建农林大学;2015年
6 姜含露;基于卷积神经网的高光谱数据特征提取及分类技术研究[D];哈尔滨工业大学;2016年
7 李素婧;面向大规模高光谱数据的半监督地物分类方法[D];西安电子科技大学;2015年
8 王玲段;基于HJ-1A星HSI高光谱数据的南疆盆地主栽经济林树种识别研究[D];新疆农业大学;2016年
9 樊雪;机载PHI高光谱数据的森林类型精细识别方法研究[D];中国林业科学研究院;2016年
10 苏乐乐;改进型人工免疫系统及其在高光谱数据处理中的应用[D];中国地质大学(北京);2009年
,本文编号:2123163
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2123163.html