公共文化服务平台

基于省域尺度的农田土壤重金属高光谱预测被引量：15: 2015年; 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; 关键词：农田土壤重金属污染

基于野外Vis-NIR光谱的土壤有机质预测与制图被引量：20: 2013年; 利用野外实时快速获取的土壤光谱进行土壤有机质(SOM)预测与制图是精确农业与土壤遥感制图的必然需要,利用ASD FieldSpec Pro FR野外型光谱仪实时快速获取的光谱数据,去除噪声较大的边缘波段后,进行倒数的对数转换(Log(1/R))为吸收光谱。在分析吸收光谱和光谱指数与SOM关系的基础上,采用偏最小二乘回归法进行SOM的建模预测并借助地统计学方法进行SOM空间变异制图研究。结果表明,建模效果好的指标分别为特征波段(R2=0.91,RPD=3.28),归一化光谱指数(R2=0.90,RPD=3.08),特征波段与3个光谱指数组合(R2=0.87,RPD=2.67),全波段(R2=0.95,RPD=4.36)。光谱指标的克里格制图与实测SOM制图表现出相同的空间变异趋势,不同的指标均达到了较好的预测效果。; 郭燕纪文君吴宏海史舟; 关键词：土壤有机质地统计

基于大样本土壤光谱数据库的氮含量反演被引量：7: 2014年; 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; 关键词：光谱学土壤全氮大样本

水稻土可见-近红外-中红外光谱特性与有机质预测研究被引量：13: 2016年; 土壤有机质是农田肥力评估的重要指标,要实现快速获取大面积土壤有机质的含量需要建立高效、稳健的预测模型。光谱技术能够快速诊断土壤有机质,以水稻土为例,从校正样本选择方法的对比,研究了可见-近红外、中红外和可见-近红外-中红外三种不同波段光谱对土壤有机质的预测能力。可见-近红外和中红外区域的光谱反射率转换成吸收率后通过Savitzky-Golay平滑法去噪,通过三种校正样本选择方法建立相应的偏最小二乘回归预测模型。通过Rank-KS法建立的三种波段的有机质预测模型均优于Rank法和KS法,中红外波段光谱的模型预测能力强于可见-近红外和可见-近红外-中红外波段的预测模型,基于RankKS法建立的中红外波段有机质预测模型取得了最好的预测效果,RMSEP仅为3.25g·kg^(-1),RPD达到4.24,依据VIP得分筛选出可见-近红外和中红外波段的水稻土有机质重要建模波段。因此,中红外光谱建模技术能够对水稻土有机质进行快速定量分析,Rank-KS法可提高模型的预测能力,为今后农田肥力评价和科学施肥提供技术支持。; 陈颂超彭杰纪文君周银何积秀史舟; 关键词：水稻土中红外光谱

氧化铁对有机质光谱特性的影响分析被引量：8: 2013年; 通过分析湖南、浙江和福建三省不同氧化铁和有机质含量共253个土样的光谱数据,研究了氧化铁对有机质光谱特征及定量反演的影响。结果表明:氧化铁的光谱特征波段为600—1400 nm;氧化铁含量小于20 g/kg时对有机质的光谱信息没有影响,含量在20—30 g/kg时,对有机质可见光波段光谱信息的表现有影响,近红外波段的影响不大,含量大于30 g/kg时,氧化铁会掩盖有机质的光谱信息;氧化铁与有机质的比值小于0.726时对有机质的光谱信息没有影响,比值为1.05—2时,对有机质400—1300 nm波段光谱信息的表现有影响,1300—2400 nm波段的影响不大,比值大于2.21时,氧化铁会完全掩盖有机质的光谱信息;氧化铁对有机质的光谱定量反演有影响,随氧化铁含量的增加或氧化铁含量与有机质含量比值的增大,模型的稳定性与预测能力有所降低,但氧化铁含量小于20g/kg、氧化铁含量与有机质含量比值小于2.0时,氧化铁的影响不明显。; 彭杰李曦周清史舟纪文君王家强; 关键词：氧化铁有机质光谱特征反演

农业遥感研究现状与展望被引量：226: 2015年; 遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势,对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。从20世纪70年代出现民用资源卫星后,农业成为遥感技术最先投入应用和收益显著的领域。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现,农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破。但是农业生产的分散性、时空变异性等特点,对当前农业遥感技术的应用还存在诸多挑战。本文简要回顾了农业遥感发展历程以及其应用的理论基础;再从农作物估产、农业资源调查、农业灾害监测和精准农业管理4个领域阐述了国内外相关研究和应用情况。最后提出农业遥感应加强与地面农业观测网技术的结合,推动新一代低空无人机遥感平台的发展,强化多源传感器融合以及农业过程模型与遥感数据同化的研究。; 史舟梁宗正杨媛媛郭燕; 关键词：遥感农作物估产无人机农业灾害土壤调查

多光谱图像技术在土壤酸碱度检测中的应用被引量：7: 2014年; 提出了一种利用多光谱图像的颜色特征对土壤酸碱度(pH值)进行快速无损检测的方法。首先,利用2CCD多光谱成像仪获取每个土壤样本的R、G、B、NIR图像各一幅,并对多光谱图像进行颜色空间转换,即从RGB色彩空间分别转换到HSV颜色空间和Lab颜色空间;然后提取不同颜色空间中多光谱图像的颜色特征;最后,分别将提取的颜色特征作为模型的输入变量,建立PLS和LS-SVM算法的土壤酸碱度预测模型。实验结果表明,利用多光谱图像技术对土壤酸碱度进行检测是可行的。预测模型的最佳结果如下:决定系数(R^2)为0.91,预测均方根误差(RMSEP)为0.34.; 李云杨海清; 关键词：土壤酸碱度

中国主要土壤高光谱反射特性分类与有机质光谱预测模型被引量：106: 2014年; 土壤可见-近红外漫反射光谱是当前对地遥感观察和土壤近地传感器研究的重要方向，同时也被认为是土壤数字制图、精确农业和土壤资源调查等方面最重要的数据获取技术. 从中国西藏、新疆、黑龙江、海南等地采集16种土类的1581个土壤样本，经干燥过筛后统一采用 ASD光谱仪测量了其室内可见-近红外反射光谱（350-2500 nm）. 对所有的土壤光谱数据采用Savitzky-Golay平滑加一阶微分进行转换，来减少大样本数据受到实验室光学测试环境条件差异的影响，然后对数据进行主成分变换降维处理. 引入模糊k-means方法进行大样本光谱数据的最佳分类数目计算，并将中国土壤光谱数据分成五类，各自代表了不同的土壤矿物和有机组分，主要类型与国际同行类似成果有可比性. 最后提出了采用土壤光谱分类方法结合偏最小二乘回归法（PLSR）方法建立土壤有机质的光谱分类-局部预测模型，结果比未分类直接采用PLSR方法的一阶微分-全局预测模型的精度有了显著提高，其预测模型的R2和RPD两个指数分别从0.697和1.817提高到0.899和3.158.; 史舟王乾龙彭杰纪文君刘焕军李曦Raphael A VISCARRA ROSSEL; 关键词：土壤有机质

基于可见-近红外光谱特征波长选择的土壤有机质快速检测研究被引量：8: 2015年; 选择光谱特征波长进行建模可以减少冗余波长的干扰,提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理,并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明,小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数,而且还能提高模型的预测精度,特别是离散粒子群优化算法利用26个波长进行建模,预测决定系数达到了0.81,预测的相对标准误差为2.31。实验结果证明,通过对光谱波长进行选择不但可以降低模型的复杂度,还能有效预测土壤有机质达的含量。; 杨海清祝旻; 关键词：土壤有机质小波消噪波长选择群智能算法

星地多源数据的区域土壤有机质数字制图被引量：9: 2015年; 土壤有机质(SOM)是全球碳循环、土壤养分的重要组成部分,精确估算土壤有机质含量具有重要意义。本文以中国东北—华北平原为研究区,收集了1078个土壤样本,以遥感数据(MODIS,TRMM和STRM数据)与土壤地面光谱数据为预测因子,运用基于树形结构的数据挖掘技术构建土壤有机质-环境预测因子模型进行数字土壤制图。通过不同建模样本数建模精度比较,选择300个样本数时的模型为最优模型。建模结果表明土壤光谱和气候因子是研究区SOM变异的主控因子,生物因子次之,而地形因子影响最小。预测结果经检验,RMSE为7.25,R2为0.69,RPD为1.53制图结果与基于第二次全国土壤普查数据的土壤有机质地图具有相似的分布规律,呈现SOM自东北向西南递减的趋势。通过比较分析发现,经过20年左右的土地开发与利用,研究区低SOM和高SOM含量土壤面积减少,而中等SOM含量土壤面积增加。; 周银刘丽雅卢艳丽马自强夏芳史舟; 关键词：数字制图土壤有机质土壤光谱

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(41271234)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(41271234)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈