以新疆渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象,以电磁感应仪(EM38)测得的盐渍土电导率数据和ASD Field Specpro FR光谱仪测得的盐渍土高光谱数据为基础数据源。对利用Savitzky-Golay滤波进行平滑去噪后所得的光谱曲线...以新疆渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象,以电磁感应仪(EM38)测得的盐渍土电导率数据和ASD Field Specpro FR光谱仪测得的盐渍土高光谱数据为基础数据源。对利用Savitzky-Golay滤波进行平滑去噪后所得的光谱曲线进行均方根、对数、倒数、倒数的对数、连续统去除、一阶微分等11种光谱变换,并从中选取土壤光谱波长与基于EM38建立的土壤盐分解译模型,所解译出的土壤盐分数据相关性最好的变换形式及响应波段进行SI,BI和NDSI等5种盐分指数的计算,通过精度检验选取最优高光谱指数,以此建立区域土壤盐渍化监测模型。结果表明:以一阶微分变换后的土壤光谱反射率456,686和1 373nm的波段组合作为最佳敏感波段所构建的SI2高光谱指数与EM38数据相结合建立的土壤盐渍化监测模型为最优模型;与传统的遥感方法中单纯利用盐分指数所建立的监测模型相比,基于高光谱指数和EM38数据所建立的土壤盐渍化监测模型的预测精度更高,该模型的建立为进一步提高土壤盐渍化的监测和预测精度的研究提供参考借鉴。展开更多
提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利...提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利用其525、570与730 nm处的一阶导数值,采用差值、比值以及归一化的方法构建了12种光谱指数以实现小麦冠层氮含量的估测,并与mNDVI705、mSR以及NDVI705等22种常用指数进行了比较分析。发现指数FD-NDNI对小麦冠层氮含量的估测结果最佳,其估测模型(指数形式)校正集决定系数(C-R2)与预测集决定系数(P-R2)分别达0.818与0.811,优于mNDVI705等常用指数。进一步分析表明,在各指数中,FD-NDNI对叶面积系数最不敏感,可最有效地避免冠层郁闭度等因素对氮含量估测的影响。为优化结果,采用最小二乘支持向量回归算法(LS-SVR)对模型进行了改进,当模型惩罚系数C与RBF核函数参数g取得最优解6.4与1.6时,其C-R2与P-R2分别提高至0.846与0.838,具有比指数模型更高的精度。结果表明:FD-NDNI是小麦冠层氮含量估测的优选指数,LS-SVR为建模的优选算法。展开更多
农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重...农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index,NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index(MCARI)to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index,TVI)及通用植被指数(vegetation index based on universal pattern decomposition method,VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其"不受传感器影响"的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。展开更多
文摘以新疆渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象,以电磁感应仪(EM38)测得的盐渍土电导率数据和ASD Field Specpro FR光谱仪测得的盐渍土高光谱数据为基础数据源。对利用Savitzky-Golay滤波进行平滑去噪后所得的光谱曲线进行均方根、对数、倒数、倒数的对数、连续统去除、一阶微分等11种光谱变换,并从中选取土壤光谱波长与基于EM38建立的土壤盐分解译模型,所解译出的土壤盐分数据相关性最好的变换形式及响应波段进行SI,BI和NDSI等5种盐分指数的计算,通过精度检验选取最优高光谱指数,以此建立区域土壤盐渍化监测模型。结果表明:以一阶微分变换后的土壤光谱反射率456,686和1 373nm的波段组合作为最佳敏感波段所构建的SI2高光谱指数与EM38数据相结合建立的土壤盐渍化监测模型为最优模型;与传统的遥感方法中单纯利用盐分指数所建立的监测模型相比,基于高光谱指数和EM38数据所建立的土壤盐渍化监测模型的预测精度更高,该模型的建立为进一步提高土壤盐渍化的监测和预测精度的研究提供参考借鉴。
文摘提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利用其525、570与730 nm处的一阶导数值,采用差值、比值以及归一化的方法构建了12种光谱指数以实现小麦冠层氮含量的估测,并与mNDVI705、mSR以及NDVI705等22种常用指数进行了比较分析。发现指数FD-NDNI对小麦冠层氮含量的估测结果最佳,其估测模型(指数形式)校正集决定系数(C-R2)与预测集决定系数(P-R2)分别达0.818与0.811,优于mNDVI705等常用指数。进一步分析表明,在各指数中,FD-NDNI对叶面积系数最不敏感,可最有效地避免冠层郁闭度等因素对氮含量估测的影响。为优化结果,采用最小二乘支持向量回归算法(LS-SVR)对模型进行了改进,当模型惩罚系数C与RBF核函数参数g取得最优解6.4与1.6时,其C-R2与P-R2分别提高至0.846与0.838,具有比指数模型更高的精度。结果表明:FD-NDNI是小麦冠层氮含量估测的优选指数,LS-SVR为建模的优选算法。
文摘农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index,NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index(MCARI)to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index,TVI)及通用植被指数(vegetation index based on universal pattern decomposition method,VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其"不受传感器影响"的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。
