结合分数阶微分和异常值识别的土壤有机质高光谱反演研究

文献类型： 中文期刊

第一作者： 曾佳辉

作者： 曾佳辉;段四波;姚艳敏;阎波杰;韩文静

作者机构：

关键词： 土壤有机质;蒙特卡洛交叉验证;分数阶微分;偏最小二乘回归

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2023 年 35 卷 004 期

页码： 11-25

摘要： [目的]结合分数阶微分和异常值识别,提高土壤有机质模型反演精度,实现土壤有机质含量的快速、准确估计.[方法]文章以吉林省伊通县黑土区为研究区,基于实地采集的213个土壤样本和HyMap-C机载高光谱传感器获取高光谱影像,选择S-G函数和分数阶微分进行光谱预处理,竞争性自适应重加权采样(Competitive Adaptive Reweighted Sampling,CARS)提取特征波段建立土壤有机质含量偏最小二乘回归(Partial Least Squares Regression,PLSR)反演模型,并使用蒙特卡洛交叉验证(Monte Carlo Cross-Validation,MCCV)进行异常值识别.[结果](1)将分数阶微分用于机载高光谱可以放大光谱特征,阶数越高、特征越明显,低阶分数微分对噪音不敏感;(2)CARS方法能有效压缩光谱信息;全样本建模中0.4阶分数阶微分CARS-PLSR建模表现较优,但总体精度仍然不高;(3)使用MCCV剔除异常值后,0.6阶分数阶微分CARS-PLSR建立的土壤有机质含量反演模型精度最高,训练集和测试集的均方误差分别为0.219%和0.207%,决定系数分别为0.745和0.823,相对分析误差为2.246;(4)将模型应用于高光谱影像中,可获得研究区高精度、高分辨率土壤有机质空间分布图.[结论]分数阶微分可以实现光谱增强,具有数据挖掘潜力,同时识别并剔除异常值可以有效优化高光谱反演模型,为使用高光谱影像进行土壤有机质含量反演工作提供新思路.

分类号：

  • 相关文献

[1]不同利用方式下土壤有机质和全磷的可见近红外高光谱反演. 薛利红,周鼎浩,李颖,杨林章. 2014

[2]基于SVR和PLSR的土壤有机质高光谱估测模型研究. 沈兰芝,高懋芳,闫敬文,姚艳敏. 2019

[3]星载高分五号高光谱耕地主要土壤类型土壤有机质含量估测-以黑龙江省建三江农垦区为例. 颜祥照,姚艳敏,张霄羽,刘峻明. 2021

[4]不同颗粒大小对高光谱估算土壤有机质含量的影响. 司海青,姚艳敏,王德营,刘影. 2015

[5]基于无人机高光谱分数阶微分的马铃薯地上生物量估算. 刘杨,冯海宽,孙乾,杨福芹,杨贵军. 2020

[6]基于分数阶微分的葡萄叶片SPAD值高光谱遥感反演研究. 郭松,舒田,刘春艳,冯恩英,王文静,蒋丹垚. 2024

[7]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[8]基于高光谱的水稻土有机质含量估算研究. 卢岩,郭斗斗,孙成明,刘涛,陈瑛瑛,武威. 2014

[9]应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算. 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽. 2013

[10]能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬（英文）. 王世芳,罗娜,韩平. 2018

[11]能量色散X射线荧光光谱检测土壤重金属砷、锌、铅和铬（英文）. 王世芳,罗娜,韩平. 2018

[12]基于高光谱数据的高寒草地土壤有机碳预测模型研究. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙. 2017

[13]干贝水分含量可视化检测方法的研究. 黄慧,沈晔,郭乙陆,王杭州,詹舒越,杨萍,宋宏,何勇. 2017

[14]基于可见–近红外光谱的水稻土全磷反演研究. 周鼎浩,薛利红,李颖,杨林章. 2014

[15]胡杨叶片水分含量的近红外光谱检测. 白铁成,王亚明,张楠楠,姚娜,喻彩丽,王兴鹏. 2017

[16]基于高光谱特征参数优选的土壤盐分含量建模及其验证. 李志,苏武峥,李新国,王银方,毛东雷,麦麦提吐尔逊·艾则孜. 2021

[17]玉米子粒粗蛋白近红外模型的建立. 于翠红,樊翠芹,张丽,徐俊杰,刘朝芳,蒋春志,唐晓东. 2019

[18]‘富士’苹果品质与果实矿质元素含量的关联性分析（英文）. 张强,李兴亮,李民吉,周贝贝,张军科,魏钦平. 2017

[19]基于玉米叶片光谱特征的土壤无机氮含量估算模型的建立与验证. 张银杰,王磊,白由路,杨俐苹,卢艳丽,孙艳敏,张静静,李格. 2020

[20]基于高光谱的柑橘叶片钾含量快速诊断模型. 李勋兰,王武,杨蕾,韩国辉,杨海健,洪林. 2019

作者其他论文 更多>>

微信小程序