期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
分数阶微分数据变换在滨海盐渍土盐分反演中的适用性 被引量:3
1
作者 潘昊 陈诗扬 +3 位作者 李祎森 李映祥 曹怀堂 刘佳 《农业工程学报》 北大核心 2025年第3期73-82,共10页
滨海地区是中国重要的农业生态功能区,土壤盐渍化已成为该区域土地生产力退化的主要因素。为探索分数阶微分(fractional-order differentiation,FOD)数据变换在滨海盐碱地盐渍化监测中的应用潜力,该研究以中国北方典型滨海盐渍化区域—... 滨海地区是中国重要的农业生态功能区,土壤盐渍化已成为该区域土地生产力退化的主要因素。为探索分数阶微分(fractional-order differentiation,FOD)数据变换在滨海盐碱地盐渍化监测中的应用潜力,该研究以中国北方典型滨海盐渍化区域—河北省黄骅市为研究区,利用环境减灾二号卫星(HJ-2B)高光谱影像,进行了阶数范围为0~2.0、步长为0.1的FOD数据变换。通过分析不同阶数下3类土壤(非盐渍化、轻度盐渍化、重度盐渍化)的光谱特征及其反射率与土壤含盐量的相关性,筛选出对土壤盐分敏感的波段作为模型输入,进而基于梯度提升机(gradient boosting machine,GBM)实现土壤盐分反演。结果表明:1)在0.9阶微分光谱下,3类土壤的光谱差异最为显著且与土壤含盐量的相关性最高,相关系数达到0.58;2)在FOD数据变换的基础上,结合皮尔逊相关性分析,计算了各波段在0~2.0阶范围内的反射率与土壤含盐量的相关性均值。结果显示,960、1 630、1 975、975和2 140 nm波段与土壤含盐量具有较高相关性,适合作为模型输入变量,以提升滨海盐碱地盐渍化监测的精度;3)根据光谱特征分离度和相关性排序,筛选出0、0.5、0.9、1.0、1.1和1.5共6个FOD变换阶数用于土壤盐分反演。其中,0.9阶影像反演精度最高,优于原始光谱和整数阶光谱,决定系数达0.78,均方根误差为1.0 g/kg。总体而言,FOD数据变换能更有效地揭示土壤含盐量与光谱信息的非线性关系,研究结果可为滨海盐碱地及其他区域的高光谱遥感土壤盐渍化监测提供参考。 展开更多
关键词 遥感 土壤含盐量 高光谱影像 分数分数变换 敏感波段 梯度提升机
在线阅读 下载PDF
基于分数阶微分的猕猴桃叶片叶绿素含量估算
2
作者 唐国强 刘梦云 +2 位作者 蒋丹垚 宋正华 常庆瑞 《江苏农业学报》 北大核心 2025年第2期335-344,共10页
叶片叶绿素含量是表征植被生长状态的重要生理生化参数,传统的叶绿素含量测定方法操作复杂且会破坏叶片组织结构,对植物造成不可逆的损伤。通过构建高精度叶绿素反演模型,可以实现对猕猴桃叶片叶绿素含量的实时无损监测。本研究采集了... 叶片叶绿素含量是表征植被生长状态的重要生理生化参数,传统的叶绿素含量测定方法操作复杂且会破坏叶片组织结构,对植物造成不可逆的损伤。通过构建高精度叶绿素反演模型,可以实现对猕猴桃叶片叶绿素含量的实时无损监测。本研究采集了猕猴桃冠层的高光谱数据,并同步测定了叶片叶绿素相对含量(SPAD值)。通过对原始光谱进行分数阶微分变换(阶数为0~2,步长为0.2),结合竞争自适应重加权采样算法(CARS)筛选得到敏感波段。分别基于原始波段和敏感波段训练随机森林模型(RF)、支持向量机模型(SVR)和极限学习机模型(ELM)。结果表明,分数阶微分变换显著提高了光谱反射率与猕猴桃叶片叶绿素含量的相关性,CARS算法提升了模型精度。光谱反射率经过1.8阶微分处理后,采用CARS算法筛选出敏感波段,利用这些敏感波段训练随机森林模型,取得了最佳效果。训练后的随机森林模型在验证集上决定系数(R^(2))达到0.93,均方根误差(RMSE)为2.56,相对分析误差(RPD)为3.89。该研究结果可为猕猴桃叶片叶绿素含量的高精度估算提供理论依据和技术参考,对猕猴桃生长监测和精准农业管理具有重要意义。 展开更多
关键词 猕猴桃 叶绿素含量 高光谱 分数阶微分变换 竞争自适应重加权采样
在线阅读 下载PDF
联合FOD-sCARS的土壤有机质高光谱机器学习估测模型
3
作者 吴梦红 窦森 +5 位作者 林楠 姜然哲 陈思 李佳璇 付佳伟 梅显军 《光谱学与光谱分析》 SCIE EI CAS 北大核心 2025年第1期204-212,共9页
土壤有机质(SOM)含量是表征土壤质量的关键指标,在全球碳循环系统中发挥重大作用。快速准确的SOM估算和空间制图对土壤碳库估算、作物生长监测和耕地规划管理具有重要意义。利用传统方法监测区域性SOM含量耗时费力,基于高光谱遥感影像建... 土壤有机质(SOM)含量是表征土壤质量的关键指标,在全球碳循环系统中发挥重大作用。快速准确的SOM估算和空间制图对土壤碳库估算、作物生长监测和耕地规划管理具有重要意义。利用传统方法监测区域性SOM含量耗时费力,基于高光谱遥感影像建立SOM估测模型是现在较为合理有效的方法。为探索解决目前高光谱遥感影像建立SOM含量估测模型存在光谱数据冗余、光谱数据特征提取精度低、小样本模型泛化能力不强的问题,选择位于青海省湟中县的研究区,共采集67个土壤样本。获取资源1号02D(ZY1-02D)高光谱遥感影像并进行预处理得到样点像元光谱数据,采用分数阶微分变换(FOD)方法挖掘与SOM含量具有响应关系的敏感波段,以0.2为一个步长,利用相关性阈值法对比分析不同阶次微分处理数据挖掘能力;运用稳定性竞争性自适应重加权采样算法(sCARS)去除高光谱冗余数据获取建模特征波段,选择随机森林(RF)、极端梯度提升树、极限学习机和岭回归机器学习作为建模算法,以全波段和特征波段光谱数据分别作为模型输入变量构建SOM估测模型进行高光谱反演研究工作;最后根据最优特征变量和建模算法,基于ZY1-02D遥感影像进行了SOM空间分布制图。结果表明:采用FOD变换相比整数阶可以大大提高波段与SOM含量间的相关性,挖掘出更多细微的与SOM含量产生响应关系的光谱波段,其中0.8阶微分变换效果最优,较原始波段相比相关系数最大值提高了0.546;相较于全波段光谱数据,采用sCARS特征提取方法获取特征波段构建模型的估测精度得到较大提升,说明sCARS可以有效提升建模数据的质量,提升模型预测精度。建模算法中RF表现最优,R_(p)^(2)(模型决定系数)达到0.766,RPD达到1.86,较全波段建模结果R_(p)^(2)提升约7.58%;基于FOD-sCARS和RF实现了区域SOM含量估测制图。研究进一步验证利用星载高光谱遥感影像是实现区域SOM估测制图的可靠途径,研究结果可为估测区域SOM含量提供新思路,为利用星载高光谱遥感影像绘制SOM含量空间分布图提供了数据支持。 展开更多
关键词 高光谱遥感影像 分数阶微分变换 稳定性竞争性自适应重加权采样算法 土壤有机质 随机森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部