您的位置： 专家智库 > >

洪永胜

作品数：16 被引量：342H指数：9
供职机构：华中师范大学城市与环境科学学院更多>>
发文基金：中央高校基本科研业务费专项资金国家自然科学基金江苏高校优势学科建设工程资助项目更多>>
相关领域：农业科学自动化与计算机技术经济管理交通运输工程更多>>

合作作者

文献类型

  • 14篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 10篇农业科学
  • 5篇自动化与计算...
  • 2篇经济管理
  • 1篇天文地球
  • 1篇交通运输工程

主题

  • 13篇土壤
  • 11篇有机质
  • 11篇土壤有机
  • 11篇土壤有机质
  • 7篇偏最小二乘
  • 6篇有机质含量
  • 6篇土壤有机质含...
  • 6篇偏最小二乘回...
  • 6篇江汉平原
  • 3篇支持向量
  • 3篇支持向量机
  • 3篇向量机
  • 3篇潮土
  • 2篇支持向量机回...
  • 2篇水分
  • 2篇土壤含水率
  • 2篇土壤水
  • 2篇土壤水分
  • 2篇向量
  • 2篇光谱

机构

  • 16篇华中师范大学
  • 2篇南京师范大学
  • 1篇南京大学
  • 1篇湖北省国土资...

作者

  • 16篇洪永胜
  • 12篇于雷
  • 10篇周勇
  • 7篇聂艳
  • 7篇朱亚星
  • 5篇朱强
  • 3篇吴红霞
  • 2篇刘目兴
  • 2篇耿雷
  • 2篇张雪茹
  • 2篇夏天
  • 1篇曹隽隽
  • 1篇夏天
  • 1篇胡美娟
  • 1篇姚亦锋
  • 1篇李冀云
  • 1篇张薇
  • 1篇李荆荆
  • 1篇尹志强
  • 1篇徐良

传媒

  • 3篇农业工程学报
  • 3篇华中师范大学...
  • 3篇光谱学与光谱...
  • 2篇中国农业科学
  • 1篇土壤学报
  • 1篇长江流域资源...
  • 1篇湖北大学学报...

年份

  • 9篇2017
  • 5篇2016
  • 2篇2015
共 16 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
应用DS算法消除室内几何测试条件对土壤高光谱数据波动性的影响被引量：20
2016年
土壤高光谱遥感是土壤近地传感器(Proximal Soil Sensing)研究的重要方向,具有方便快捷、无破坏、成本低等优点,可以高效地分析和估算土壤属性参数.土壤高光谱数据的采集在室内较野外容易控制环境因素(如土壤水分、土壤表面属性等),获取数据更加稳定且具有可重复性,因而,基于室内高光谱数据反演土壤属性参数在国内外已形成较为成熟的理论.但是,室内土壤光谱数据的采集方法缺乏统一的标准体系,限制了光谱数据的共享,关键的几何测试条件不同而引起的光谱差异也未能消除,导致不同几何测试条件观测的光谱数据所建模型的传递效果较差.该研究以江汉平原公安县的36个土壤样本为研究载体,通过在室内环境下设置光源入射角度(A)、光源到土壤表面距离(L)、探头到土壤表面距离(H)3个几何测试参数的不同梯度组合,采用ASD FS3地物光谱仪获取27个组合的光谱数据,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)建立27个参数组合的土壤有机质含量(soil organic matter content,SOMC)的反演模型,分析不同参数组合对土壤高光谱数据离散性的影响,确定1组理想的几何测试参数组合用于其他26组参数的模型传递研究,探讨直接标准化(Direct Standardization,DS)算法在消除其他26组参数组合光谱差异方面的可行性.研究表明,A30L50H15是室内较为理想的土壤高光谱的几何测试参数组合;L对土壤光谱反射率的影响没有明显的规律,而土壤光谱反射率随A增大而增大、随H增大而降低;经过DS算法校正后的其他26个参数模型的验证RPD值均增加到5.54,基本无光谱信息的丢失,模型稳定,有效的解决了不同几何测试参数之间光谱数据的差异性问题.
洪永胜于雷耿雷张薇聂艳周勇
关键词：土壤有机质
基于外部参数消减的土壤有机质Vis--NIR光谱估算研究
常规的土地资源调查中的土壤数据普查需要大量的采样信息和室内理化分析实验，该方法相对复杂、耗时长、成本高，而且无法大面积的描述土壤属性的空间和时间动态信息。近年来，遥感影像技术和近地传感器技术(Proximalsoilse...
洪永胜
关键词：土壤有机质
文献传递
连续小波变换高光谱数据的土壤有机质含量反演模型构建被引量：38
2016年
土壤有机质含量是反映土壤肥力的重要指标,对其进行动态监测是实施精准农业的重要措施。近年来,众多学者尝试采用土壤近地传感(proximal soil sensing),尤其是近地高光谱技术,在田间和实验室获取不同形态土壤的高光谱数据,不断引入新方法建立适用于不同地域和不同土壤类型的有机质含量的反演模型。该研究在实验室内利用ASD FS3采集了土壤高光谱数据,采用"重铬酸钾-外加热法"测得了土壤有机质含量;分析了土壤原始光谱反射率(R)与有机质含量的相关性,选取R^2>0.15的敏感波段的反射率;利用CWT对土壤原始光谱反射率(R)、光谱反射率的连续统去除(CR)进行不同尺度的分解,分析小波系数与土壤有机质含量的相关性,选取R^2>0.3的敏感波段的小波系数;利用R选取的波段信息和R-CWT,CRCWT的选取的小波系数,分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、支持向量机回归(SVMR)三种不同的土壤有机质含量反演模型。结果表明:相比R与土壤有机质含量的决定系数R^2,RCWT,CR-CWT变换后得到的小波系数与土壤有机质含量的决定系数R^2分别提高了0.15和0.2左右;CR-CWT-SVMR的模型效果最为显著,预测集的R^2和RMSE分别为0.83,4.02,RPD值为2.48,具有较高的估测精度,能够全面稳定地估算土壤有机质含量;CR-CWT-PLSR的模型精度与CR-CWT-BPNN,CRCWT-SVMR相比虽有一定差距,但是其计算量要明显小于非线性的BPNN和SVMR方法,具有模型简单、运算速度快等特点,对开发与设计田间传感器具有较大的应用价值。
于雷洪永胜周勇朱强
关键词：土壤有机质连续小波变换偏最小二乘回归支持向量机回归
基于偏最小二乘回归的土壤有机质含量高光谱估算被引量：151
2015年
为实现基于光谱分析土壤有机质含量的快速测定,该文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与处理等一系列工作,在土壤原始光谱反射率（raw spectral reflectance,R）的基础上,提取了其倒数之对数（inverse-log reflectance,LR）、一阶微分（first order differential reflectance,FDR）和连续统去除（continuum removal, CR） 3种光谱指标,分析4种不同形式的光谱指标与有机质含量的相关性,对相关系数进行P=0.01水平上的显著性检验来确定显著性波段的范围,并基于全波段（400~2 400 nm）和显著性波段运用偏最小二乘回归（partial least squares regression, PLSR）建立了该区域土壤有机质高光谱的预测模型,通过模型精度的比较确定最优模型.结果表明,进行CR变换后,光谱曲线的特征吸收带更加明显,相关系数在可见光波段范围内有所提高;基于全波段的 PLSR 建模效果要优于显著性波段,其中以CR的预测精度最为突出,其模型的决定系数R2和相对分析误差RPD分别为0.84、2.58;显著性波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度来比较,具有模型简单、运算量小、变量更少的特点;最后,综合比较了全波段和显著性波段 4 种光谱指标的反演精度,发现 CR-PLSR 模型的建模和预测的效果比R-PLSR、LR-PLSR、FDR-PLSR 模型都要显著.该研究可为将 CR-PLSR 高光谱反演模型用于该区域土肥信息的遥感监测提供参考.
于雷洪永胜耿雷周勇朱强曹隽隽聂艳
关键词：土壤遥感土壤有机质偏最小二乘回归江汉平原
高光谱估算土壤有机质含量的波长变量筛选方法被引量：82
2016年
土壤高光谱数据量大、波段维数高,存在光谱信息无效、冗余和重叠现象,导致基于全波段构建的土壤有机质含量反演模型不稳定、精度难以提升。因此,探寻筛选关键波长变量的方法,通过滤除干扰、冗余、共线信息,提高模型预测性能,是目前土壤高光谱研究的热点之一。该文对江汉平原公安县的土壤样本进行室内理化分析、光谱测量与处理等工作获取了实证数据,采用无信息变量消除法(uninformative variables elimination,UVE)剔除无效变量,利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)滤除冗余变量,运用连续投影算法(successive projections algorithm,SPA)消除共线变量,并尝试将不同类型的筛选方法进行耦合筛选关键波长变量,应用偏最小二乘回归(partial least squares regression,PLSR)分别建立土壤有机质含量估算模型,对比各种变量筛选方法的优缺点,最终,构建筛选土壤高光谱数据关键变量的方法体系。研究结果表明,除SPA方法的模型精度低于全波段外,其他6种变量筛选方法的建模效果均优于全波段;在3种单个变量筛选方法中,CARS方法优于UVE、SPA变量筛选方法,能有效地筛选出重要波长变量,其预测集相对分析误差RPD值为2.84;综合比较各种变量筛选方法,发现CARS-SPA方法从全波段2 001个波长中筛选出37个特征波长建立的土壤有机质含量的PLSR模型效果最好,其模型预测集的决定系数R2和相对分析误差RPD值分别为0.92、3.60,所选波段仅为全波段的1.85%。CARS-SPA-PLSR模型简单、预测效果好,可作为该区域土壤有机质含量估测的重要方法,对今后土壤近地传感器设备的开发具有一定的指导作用。
于雷洪永胜周勇朱强徐良李冀云聂艳
关键词：土壤有机质波长江汉平原
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被引量：6
2017年
【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�
洪永胜于雷朱亚星李思缔郭力刘家胜聂艳周勇
关键词：土壤有机质正交信号校正偏最小二乘回归江汉平原
基于高光谱数据建立江汉平原土壤有机质含量反演模型
传统测定土壤有机质的方法,虽然精度高,但是实时性差,近年来利用高光谱技术快速、无破坏地估测土壤有机质逐渐成为研究的热点.本文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与数据处理等一系列工作,分析最佳预处...
洪永胜于雷周勇朱强
关键词：土壤有机质光谱预处理最小二乘支持向量机江汉平原
高光谱技术结合CARS算法预测土壤水分含量被引量：32
2016年
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。
于雷朱亚星洪永胜夏天刘目兴周勇
关键词：土壤水分潮土
高光谱技术联合归一化光谱指数估算土壤有机质含量被引量：20
2017年
随着近地高光谱遥感技术的发展,为快速、有效、非破坏性地获取土壤有机质(SOM)信息提供了可能。土壤高光谱波段数据众多,光谱数据变量之间存在较为严重的多重共线性,影响模型复杂结构,而构建归一化光谱指数(NDSI)可以有效去除冗余信息变量,放大光谱特征信息。以江汉平原公安县为研究区,采集56份耕层土样,在室内获取土壤光谱数据,采用"重铬酸钾-外加热法"测定SOM含量,对实测土壤光谱数据(Raw)进行倒数之对数(LR)、一阶微分(FDR)和连续统去除(CR)三种变换,计算四种变换的NDSI数值,分析SOM与NDSI的二维相关性,并对一维、二维相关系数进行全波段范围内的p=0.001水平上显著性检验,提取敏感波段和敏感光谱指数,结合偏最小二乘回归(PLSR)建立SOM的估算模型,探讨二维光谱指数用于建模的可行性。研究表明,二维相关系数相比一维相关系数有不同程度的提升,以LR最为显著,相关系数数值提升约0.26;基于二维相关性分析提取的敏感光谱指数的PLSR建模效果整体优于一维相关性分析提取的敏感波段,其中,NDSILR-PLSR模型的稳健性最优,验证集R2为0.82,模型验证RPD值为2.46,模型稳定可靠,可以满足SOM的精确监测需要,适合推广到区域范围内低分辨率的航空航天遥感(如ASTER,Landsat TM等),应用潜力较大。
洪永胜朱亚星苏学平朱强周勇于雷
关键词：土壤有机质偏最小二乘回归
耦合高光谱数据估算土壤含水率的方法被引量：5
2017年
在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉平原潮土土样的原状光谱反射率(Rund)和烘干光谱反射率(Rdry);基于Rdry确定研究区同一土壤类型在烘干状态下(SMC为0)的标准光谱(Std-R);采用差值、比值、归一化的方法耦合Rund和Std-R,得到耦合光谱(Cpl-RS、CplRD、Cpl-RN);提取耦合光谱中水分敏感波段的光谱(Moe-RS、Moe-RD、Moe-RN),基于偏最小二乘回归方法(PLSR)建立SMC的估算模型.结果表明,标准光谱具有良好的代表性,能够为光谱耦合提供统一且稳定的背景值;耦合土样的原状光谱和标准光谱可以有效地削减土壤水分以外其它因素对土壤高光谱观测的影响;利用耦合光谱的水分敏感波段建立的SMC估算模型相较基于Rund建立的模型,有效降低了模型的复杂度,精度有较大程度地提升,建模集R2c从0.46最高上升至0.61,验证集R2p从0.49最高上升至0.71,RPD值从1.39最高上升至1.72,模型的稳定性、拟合度和预测能力都得到提升.该方法简单、易推广,为快速准确评估农田墒情提供了新途径.
朱亚星周桢津洪永胜周勇刘目兴于雷
关键词：土壤含水率偏最小二乘回归潮土
全选 清除 导出
共2页<12>
聚类工具0