高光谱技术结合CARS算法预测土壤水分含量

发布时间：2017-07-08 06:10

  本文关键词：高光谱技术结合CARS算法预测土壤水分含量

  更多相关文章： 土壤水分 算法 模型 高光谱 竞争适应重加权采样算法 变量优选 潮土

【摘要】：高光谱技术已成为预测土壤含水量(soil moisture content,SMC)的重要方法,但因土壤高光谱中包含了大量冗余信息和无效信息,不仅导致SMC的高光谱估算模型复杂度高,而且影响了模型的预测精度。因此,该研究在室内设计SMC梯度试验,测定土壤高光谱反射率,经Savitzky-Golay平滑(Savitzky-Golay smoothing,SG)和连续统去除(continuum removal,CR)预处理后,基于竞争适应重加权采样(competitive adaptive reweighted sampling,CARS)方法分别优选出土壤在全部SMC的水分敏感波长变量,确定适用于土壤在全部SMC的共性波长变量,以其为优选变量集,采用偏最小二乘(partial least squares regression,PLSR)回归方法建立模型并进行验证。结果表明,SG和CR预处理后的光谱曲线在450、1 400、1 900、2 200 nm附近吸收峰的形状特征凸显;基于CARS方法对土壤在不同SMC的光谱曲线进行变量优选后,得出优选变量集为443~449、1 408~1 456、1 916~1 943、2 209~2 225 nm;CARS-PLSR模型性能优于全波段PLSR模型,模型预测R2、均方根误差、相对分析误差分别为0.983、0.0144、8.36,不仅提升了预测精度和预测能力,而且降低了变量维度和模型复杂度。该文通过优选土壤水分的敏感波段,有效提高了SMC预测模型的鲁棒性,为快速准确评估农田墒情提供了新途径,为开发田间SMC测定传感器提供了理论依据。
【作者单位】： 华中师范大学地理过程分析与模拟湖北省重点实验室;华中师范大学城市与环境科学学院;
【关键词】： 土壤水分 算法 模型 高光谱 竞争适应重加权采样算法 变量优选 潮土
【基金】：国家自然科学基金项目(41401232;41271534) 中央高校基本科研业务费专项资金项目(CCNU15A05006;CCNU15A05004)
【分类号】：S127
【正文快照】： 于雷,朱亚星,洪永胜,夏天,刘目兴,周勇.高光谱技术结合CARS算法预测土壤水分含量[J].农业工程学报,2016,32(22):138-145.doi:10.11975/j.issn.1002-6819.2016.22.019 http://www.tcsae.orgYu Lei,Zhu Yaxing,Hong Yongsheng,Xia Tian,Liu Muxing,Zhou Yong.Determination of s

【相似文献】

中国期刊全文数据库 前9条

1 刘燕德;孙祥;杨信廷;张光伟;;高光谱技术在作物叶绿素含量检测中的应用研究进展[J];广东农业科学;2013年22期

2 陆伟;毛罕平;;高光谱技术在作物信息诊断监测中的应用[J];安徽农业科学;2007年06期

3 姚云军;秦其明;张自力;李百寿;;高光谱技术在农业遥感中的应用研究进展[J];农业工程学报;2008年07期

4 乔欣;马旭;梁留锁;;高光谱技术在农作物营养信息诊断中的应用[J];农机化研究;2005年06期

5 王思恒;;高光谱遥感技术在农业中的应用现状及展望[J];中国农业信息;2013年13期

6 陈拉;;高光谱遥感数据在植被信息提取中的应用研究[J];安徽农业科学;2009年08期

7 赵娟;彭彦昆;赵松玮;宋育霖;;基于高光谱技术检测苹果外观缺陷[J];食品安全质量检测学报;2012年06期

8 彭彦昆;李永玉;赵娟;单佳佳;;基于高光谱技术苹果硬度快速无损检测方法的建立[J];食品安全质量检测学报;2012年06期

9 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 蒋桂英;李少昆;官春云;陈金湘;;高光谱技术在农业上的应用(综述)[A];21世纪作物科技与生产发展学术讨论会论文集[C];2002年

中国硕士学位论文全文数据库 前1条

1 金灵;基于高光谱技术的宁夏滩羊肉内部品质检测方法研究[D];宁夏大学;2014年

，

本文编号：533273