基于偏最小二乘的土壤重金属铜含量高光谱估算

为探究高光谱数据估算土壤重金属铜含量的可行性,以石家庄市水源保护区褐土为研究对象,对不同光谱变换数据与重金属铜含量做了相关分析,建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明:光谱反射率(R)经倒数一阶微分(RTFD)变换后与铜含量的相关性有所提高;光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm,基本位于土壤氧化铁、粘土矿物的特征吸收区域;对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型,其模型决定系数(R2)为0.649,均方根误差(RMSE)为1.477;多光谱变换指标偏最小二乘模型R2和RMSE分别为0.751和1.162,建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。     

基于反射光谱预测哈图-包古图金矿区地球化学元素异常的可行性研究

为了探讨采用遥感手段定量估算金矿区地球化学元素异常的可行性,本文基于岩石样本的Au、S、As、Fe四种元素的含量数据,分析了它们的相关关系,发现As与Au含量的关系最为密切,因此As元素含量异常从一定程度上反应了Au的异常;基于岩石样本的反射率光谱数据,采用偏最小二乘法对上述元素进行了回归分析与预测。结果发现,Fe、As元素的回归模型的相关系数在训练建模过程中分别为0.8241、0.8063以上,而在验证建模过程中分布为0.6485、0.5472,它们均远高于S和Au元素回归模型的相应的相关系数。因此,利用岩石样本反射率光谱定量估算As元素的含量是可行的。     

基于偏最小二乘的土壤重金属铜含量高光谱估算

为探究高光谱数据估算土壤重金属铜含量的可行性,以石家庄市水源保护区褐土为研究对象,对不同光谱变换数据与重金属铜含量做了相关分析,建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明：光谱反射率（R）经倒数一阶微分（RTFD）变换后与铜含量的相关性有所提高;光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm,基本位于土壤氧化铁、粘土矿物的特征吸收区域;对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型,其模型决定系数（R²）为0.649,均方根误差（RMSE）为1.477;多光谱变换指标偏最小二乘模型R²和RMSE分别为0.751和1.162,建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。     

基于偏最小二乘的土壤重金属铜含量高光谱估算

为探究高光谱数据估算土壤重金属铜含量的可行性，以石家庄市水源保护区褐土为研究对象，对不同光谱变换数据与重金属铜含量做了相关分析，建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明：光谱反射率（R）经倒数一阶微分（RTFD）变换后与铜含量的相关性有所提高；光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm，基本位于土壤氧化铁、粘土矿物的特征吸收区域；对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型，其模型决定系数（R²）为0.649，均方根误差（RMSE）为1.477；多光谱变换指标偏最小二乘模型R²和RMSE分别为0.751和1.162，建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。     

一种基于分段偏最小二乘模型的土壤重金属遥感反演方法

土壤中重金属由于其毒性而成为最有害的环境污染物之一,利用遥感进行土壤重金属检测和分布制图是目前最为高效的手段。采用哨兵二号（Sentinel-2）多光谱影像与实测样品光谱数据,对山西省铜矿峪铜矿尾矿库及其周边农田土壤的铜（Cu）含量进行估算,利用68个土壤样品的反射光谱,优选出适合土壤铜含量预测的波段,结合分段偏最小二乘法（Piecewise Partial Least Squares Regression,P-PLSR）,对土壤铜含量进行估算,将模型用于Sentinel-2影像获得了Cu含量的空间分布。通过P-PLSR对实测样品光谱建模反演Cu含量的决定系数（R²）为0.89,预测偏差比（RPD）为2.82;利用Sentinel-2多光谱影像获得了该区域Cu元素含量空间分布,其Cu含量的估算精度R²为0.74,RPD为1.73,Cu含量高值区空间分布与尾矿库关系密切。Sentinel-2多光谱数据具有高空间分辨率（10、20和60 m）、高时间分辨率和幅宽大（290 km）等优势,通过敏感波段选择并建立反演模型,可实现大范围土壤环境制图。     

滏阳河两岸农田土壤Fe、Zn、Se元素光谱响应研究

为了探索遥感技术快速定量化监测土壤元素含量的可行性，本通过对滏阳河两岸农田51个土壤表层样品的室内光谱反射率及其Fe、Zn、Se含量关系的研究，探索了反射光谱快速预测土壤元素含量的技术途径。结果发现预测Fe的最佳光谱间隔为16nm。Zn和Se的为8nm，这说明在使用经验方法预测没有光谱特征的成分时，光谱分辨率不是一个必要条件；土壤中的Fe、Zn、Se元素与土壤的反射光谱存在较好的相关性，各元素含量与土壤平均反射率负复相关系数(R^2)均可达到0．49以上，而与相应TM各波段的平均光谱反射率也都具有较好的负相关关系，与TM7波段的复相关系数最大，Fe、Zn为0．58，Se元素为0．550本研究结果为今后利用高光谱遥感技术定量监测土壤Fe、Zn、Se元素含量提供了一种新的方法和技术途径，对土地质量变化的快速定量监测具有重要的科学意义和应用前景。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R~2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R~2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R~2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R~2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

城市居民区土壤重金属含量高光谱反演研究

为探讨运用土壤光谱估算城市居民区土壤重金属含量的可能性,以上海闵行居民区土壤重金属Cu、Pb、Zn元素为研究对象,通过采集土壤样本,分析土壤光谱信息,构建基于高光谱的土壤重金属多元线性逐步回归(MLSR)和偏最小二乘回归(PLSR)模型。结果表明:通过倒数一阶和对数一阶微分变换能有效增强土壤重金属的光谱特征;土壤Cu、Pb和Zn元素最优波段分别出现在1 042.7 nm、706.84 nm和1404.8 nm处;从模型稳定性和精确性来看,PLSR模型较优于MLSR模型。土壤Cu、Zn元素验证RMSE值仅为研究区该重金属含量均值的10%左右,拟合精度高。与Cu、Zn元素相比,Pb元素决定系数R~2在0.64～0.88,模型稳定性较好。通过对光谱数据的预处理,采用偏最小二乘回归模型可有效提高估算城市居民区土壤重金属含量的精度。     

云南个旧矿区土壤锌污染遥感反演研究

土壤重金属锌污染作为现代工矿业发展的产物,已逐渐入侵到人类日常的生产和生活中,危害人们的身心健康。传统的重金属监测方法在面对大规模土壤环境监测时费时费力。遥感技术由于具有宏观、快速、高效的特点已成为新时代环境监测的重要工具。以云南个旧矿区为典型区,通过野外土壤样品采集、光谱与Zn元素测量,提出了乘积变换的波段变换方法以增强Zn元素与光谱敏感波段之间的相关性,应用其建立了Zn含量最优预测模型并基于ASTER影像开展了污染制图。研究表明:(1)Zn元素的最大相关波段是B515波段,该波段处于闪锌矿、红锌矿、菱锌矿等含锌矿物的吸收峰附近,是反演土壤锌元素的重要波段;(2)光谱乘积变换在突出Zn元素敏感波段的同时,最大程度地保留了土壤原有的敏感波段信息;(3)研究区土壤锌含量的高光谱反演模型中,偏最小二乘法建立的模型精度最高(建模精度R=0.90,验证精度R=0.70);(4)基于ASTER影像的反演结果表明了土壤Zn元素污染与矿业活动的显著相关性(制图验证精度R=0.694)。研究结果可以为遥感定量反演重金属含量,以及大规模的环境污染监测提供研究基础与技术支持。     

吐鲁番盆地葡萄园土壤重金属铅含量高光谱估算

土壤重金属铅污染作为现代工矿业发展的产物,已逐渐入侵到农业生产和农产品中。高光谱技术由于具有宏观、快速、高效的特点已成为土壤重金属监测的重要手段。以新疆吐鲁番盆地葡萄园土壤Pb元素为研究对象,分析土壤原始光谱在内的15种光谱变换下的土壤光谱反射率数据与土壤Pb含量的关系,构建土壤Pb含量偏最小二乘回归（PLSR）模型和地理加权重回归（GWR）模型,对比分析并探讨运用土壤高光谱估算葡萄园土壤Pb含量的可行性。结果表明：土壤原始光谱反射率通过光谱变换能有效增强葡萄园土壤Pb元素的光谱特征及模型估算精度,其中,平方根二阶微分（SRSD）变换的PLSR模型和GWR模型估算能力最优。采用GWR模型比PLSR模型更好的解释葡萄园土壤重金属Pb含量高光谱估算。从模型稳定性和精确性来看,在平方根二阶微分变换中GWR模型R²从PLSR模型的0.262提高至0.866, 平方根误差减少了1.009。采用GWR模型可有效提高估算葡萄园土壤Pb含量的精度,为中国葡萄园基地土壤重金属污染以及土壤环境安全研究提供有益借鉴。     

基于高光谱数据和MODIS影像的鄱阳湖悬浮泥沙浓度估算

本文旨在寻找悬浮泥沙浓度的MODIS遥感影像估算模型,并利用实测的高光谱数据对其敏感波段和反演模型进行测试和验证。以鄱阳湖为研究区域,利用光谱数据进行分析,为利用遥感影像建模提供依据。进一步利用同步进行的鄱阳湖水质采样分析与MODIS影像中等分辨率各个波段反射率及其组合进行相关分析,寻找反演悬浮泥沙浓度的敏感波段。实验表明,MODIS的第一波段反射率对于悬浮泥沙浓度有很好的匹配(R² = 0.91; n = 25),进而建立了鄱阳湖地区的悬浮泥沙浓度遥感定量估算模型。利用估算模型和鄱阳湖地区历史MODIS影像,得到了鄱阳湖悬浮泥沙浓度分布图。基于对汛期鄱阳湖悬浮泥沙浓度的连续监测,可对长江倒灌入鄱阳湖现象的形态进行观测。     

可见光—近红外光谱估算三江源区不同土壤全氮含量

近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法。基于实验室测定的三江源区146个表层土壤(0~30cm)样品的反射光谱数据(350~2 500nm)与全氮含量数据;利用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)两种模型方法与光谱反射率(REF)及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力。结果表明:BPNN模型的R2cal、R2val及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型。BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数(Log(1/R))及波段深度(BD)的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分(FDR)和二阶微分(SDR)估算精度均较低,尤其是SDR(R20.5,RPD=1.10~1.27)均不具备估算能力。总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型。     

茶叶光谱与叶绿素、茶氨酸、茶多酚含量关系分析

利用茶叶反射光谱数据分析茶叶中有机物组分的含量,能够快速、无损地进行茶叶品质鉴定。选择浙江省丽水市松阳县和绍兴市越城区的4个茶叶品种的新叶、成熟叶和老叶的样本,进行了光谱测量和3种有机物组分(叶绿素、茶氨酸和茶多酚)的含量检测。然后利用最佳指数法选出了估算这3种有机物的最佳波段,建立了估算3种有机物含量的多元回归线性模型。最后,比较了多元散射校正变换、标准归一化变换、结合Savitzky-Golay滤波的一阶导数变换这3种不同的光谱数据预处理方法的估算结果的差异,并分析了敏感波段的产生原因。研究结果表明:利用茶叶光谱估算叶绿素含量的效果最好,模拟值与实测值之间R~2大于0.9;估算茶氨酸的效果次之,模拟值与实测值之间R~2约为0.7;估算茶多酚的效果最差,模拟值与实测值之间R~2仅为0.65左右。     

土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究

高光谱数据以其高光谱分辨率和多而连续的光谱波段为预测土壤重金属污染提供了有力工具,但波段选择方法与光谱分辨率的影响不容忽视。利用实验室测定的181个土壤光谱样本数据,利用逐步回归法进行土壤Cu含量反演的波段选择,进而利用偏最小二乘方回归PLSR方法建模,分析了波段数对Cu含量反演的影响;此外,采用高斯响应函数重采样方法,探讨了光谱分辨率降低对反演精度的影响。实验表明,预测重金属元素Cu含量的最佳波段数为10个,模型可决系数R2=0.7523,拟合均方根误差RMSE=0.4699;预测Cu含量的最佳光谱采样间隔为32 nm,R2=0.7028,RMSE=0.5147。该结果可能为将来设计低廉实用的高光谱卫星传感器提供指标论证,为模拟卫星传感器波段预测土壤重金属含量提供理论依据。     

水稻冠层与土壤高光谱反演土壤重金属对比研究

针对土壤高光谱与水稻冠层高光谱反演多种土壤重金属含量精度差异较大的问题,探讨2种光谱反演土壤重金属适应性。通过对水稻冠层光谱与其土壤光谱的光谱指标变换,进行对比分析,在此基础上研究多元逐步回归、偏最小二乘回归在不同光谱指标下反演土壤重金属(Fe、Zn、Cu、Pb、Cd)的含量。结果表明,红光、近红外波段为土壤重金属含量敏感波段;水稻冠层波谱反演Fe、Zn、Pb、Cd含量的精度高于土壤波谱的反演精度;土壤波谱反演Cu含量的精度高于水稻冠层波谱反演精度。     

珠海一号高光谱遥感的表层土壤有机质含量反演方法

表层土壤有机质含量影响土壤光谱特性且在空间分布上呈异质性。采用光谱分辨率高、波段连续性强的高光谱遥感影像反演区域表层土壤有机质空间分布状况,可为精准农业提供科学管理依据。针对以往方法很少基于高光谱影像大尺度反演土壤表层有机质含量,以安徽省淮南市舜耕山以南的三和镇、曹庵镇为研究区,探索珠海一号高光谱遥感反演表层土壤有机质含量的方法。研究结果表明,研究区表层土壤有机质含量与珠海一号高光谱影像原始光谱反射率最大相关波段为656nm(r=-0.680);采用小波包分解原始光谱后,低频分量和高频分量与表层土壤有机质的最大相关性均有所提高,低频分量最大相关波段为656nm(r=-0.797),高频分量最大相关波段为700nm(r=-0.804)。采用多元线性回归对原始光谱、小波包分解低频分量、小波包分解高频分量建立土壤有机质预测模型取得了良好的效果,R2分别为0.747、0.770、0.789。依据小波包分解的低频分量、小波包分解的高频分量建立的基于高斯核变换的支持向量回归模型预测效果优于多元线性回归模型,预测值与实测值更接近。研究结果为开展大尺度遥感反演表层土壤有机质工作提供了新方法、新思路。     

丹江口库区土壤镍含量高光谱反演方法

为探讨土壤高光谱法反演土壤重金属含量的可行性,以丹江口库区具有代表性的55个土壤样品为研究对象,应用高光谱技术对研究区土壤镍含量进行反演方法研究。对土壤的原始光谱数据,进行6种形式的微分变换。按最大正相关性和最小负相关性共筛选了12维光谱特征,利用随机森林回归(random forest regression,RFR)和极限梯度提升树回归(extreme gradient boosting regression,XGBR)建立了土壤镍含量的高光谱反演模型。分析结果表明:土壤镍含量反演的最优波段主要出现在1 686nm、2 238nm和2 254nm处;基于波段特征的XGBR模型稳定性和拟合精度总体优于RFR模型,稳定性系数R~2高达0.93,均方根误差为样本镍含量均值的10.1%,拟合精度较高。文章最后利用土壤高光谱数据,采用XGBR模型对丹江口库区土壤镍含量进行了有效估测。     

基于高光谱反射特性的土壤全氮含量预测分析

随着高光谱遥感技术的快速发展,光谱技术已经在土壤理化性质、土壤养分等预测研究中得到了广泛应用。通过土壤高光谱反射率及其变形全氮含量的相关性,提取土壤光谱特征波段;采用多元回归和偏最小二乘回归法对全氮含量进行预测分析。结果表明:土壤光谱一阶微分显著提高了全氮与高光谱之间的敏感度;在多元逐步线性回归模型和偏最小二乘回归分析法建立的模型中,二者均能较好地进行预测,但在偏最小二乘模型中,反射率二阶微分的预测模型最高达到0.956,总均方根误差最低为0.045。其模型的稳定性和预测精度优于多元逐步线性回归所建立模型,可以更好地快速预测土壤全氮,为土壤质量的评价提供数据基础,也为研究土壤退化地区的预测与防治提供信息,对未来农业的发展具有重要意义。     

大豆叶面积的高光谱模型

以ASD FieldSpec-Vnir光谱仪实测不同生长季大豆的冠层反射率,同期采集对应大豆LAI,然后逐波段分析冠层光谱反射率、导数光谱与大豆LAI的相关关系;并采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI确定性系数随波长的变化趋势,建立了以近红外与可见光波段冠层光谱反射率的比值植被指数RVI与大豆LAI的高光谱遥感估算模型。结果表明,冠层光谱反射率在350￣680nm、760￣1050nm波谱区与大豆LAI相关性较大,而在红边区680￣760nm的相关性变化较大;导数光谱在红边区与大豆LAI相关程度高。通RVI方式建立的遥感估算模型能较为准确估算大豆LAI,通过对红外与蓝波段建立的RVI指数与大豆LAI的回归模型,表明其预测大豆LAI的能力较好,有进一步研究的必要;通过对比发现,神经网络模型可以大大提升高光谱反演大豆LAI的水平,模型的确定系数R2为0.9661,而总均方根误差RMSE仅为0.446m2.m-2。     

基于高光谱的土壤重金属铜的反演研究

为探讨高光谱遥感反演红壤重金属铜含量的可行性,研究采集了34个红壤性土壤样品,通过对350~2 500 nm波段范围光谱曲线进行测试和分析,建立了不同的土壤光谱变量与重金属铜含量多元回归关系模型,分析了土壤重金属铜与土壤化学组分以及土壤特征光谱的关系。结果表明,土壤重金属铜含量与土壤全铁和镁含量显著相关,而与土壤有机质的相关性不显著,表明红壤性土壤粘土矿物对土壤铜含量影响较大;与重金属铜含量相关性较好的波段在830 nm、1 000 nm和2 250 nm附近,且一阶微分模型精度(79%)高于反射率模型(66.26%)和倒数对数模型(67%)的精度。因此,一阶微分高光谱反演模型具有较好的快速估算土壤中重金属铜含量的潜力。