尚璇
- 作品数：4 被引量：20H指数：2
- 供职机构：山东农业大学信息科学与工程学院更多>>
- 发文基金：山东省自然科学基金国家自然科学基金更多>>
- 相关领域：农业科学天文地球更多>>
- 可变模糊集的土壤含水量高光谱估测模型被引量：1
- 2018年
- 针对土壤含水量高光谱定量反演中影响因素的多样性及实测数据划分上的模糊性问题,该文利用可变模糊集理论进行土壤含水量预测。以山东省泰安市的94个棕壤样本为研究对象,对室外光谱数据进行平方根的一阶微分变换;在此基础上,采用单相关分析法提取反演因子,即R669、R762、R1022、R1235、R2060;根据可变模糊集理论建立土壤含水量高光谱可变模糊集估测模型,用平均相对误差以及决定系数进行模型精度评价。实验结果表明,基于平方根的一阶微分变换的可变模糊集模型估测,18个检验样本的平均相对误差为2.761%,模型的决定系数R2=0.972。研究表明,利用可变模糊集进行土壤含水量高光谱估测是有效的,可以为土壤含水量的定量估测提供一种新的建模方法。
- 徐邮邮李西灿尚璇路杰晖苗传红
- 关键词：高光谱遥感可变模糊集土壤含水量
- 土壤水与有机质对高光谱的作用及交互作用规律被引量：10
- 2017年
- 【目的】定量揭示土壤水分与有机质对高光谱的作用规律,为提高土壤水分、有机质的光谱估测精度提供基础。【方法】以山东省泰安市岱岳区90个棕壤土样为研究对象,进行室外光谱采集、室内土壤水分和有机质测定,运用Savitzky-Golay filter对光谱曲线进行平滑去噪预处理。根据含水量、有机质含量的高低将土壤样本分为9组,运用比较法对9组原始光谱数据进行分析,初步探究土壤水、有机质对光谱的作用规律。然后采用相关分析法,分析水、有机质与土壤原始光谱反射率(raw spectral reflectance,R)、光谱一阶微分变换(first order differential reflectance,D(R))以及分组光谱的相关性。在假定其他影响因素基本相同的条件下,利用有交互作用的双因素方差分析法,定量分析水、有机质对土壤光谱反射率、光谱一阶微分的作用程度及其交互作用。根据土壤水与有机质的交互作用规律,按相关系数较大而交互作用小的原则选取特征因子,采取偏最小二乘回归模型建立土壤有机质含量的高光谱估测模型,分析依据两者交互作用规律选取的因子对提高光谱估测模型精度的有效性。【结果】在田间持水量范围内,水对土壤光谱反射率影响起主要作用;水与有机质对土壤光谱客观存在交互作用,当土壤含水量小于10%时,600—1 800 nm的原始光谱能较好反映有机质的作用,而当土壤含水量大于15%时,有机质的作用几乎被水的作用所掩盖。水、有机质对土壤原始光谱的作用及其交互作用分别在360—1 800,410—1 800,509—1 800 nm达到显著水平,且三者均在1 951—2 450 nm达到显著水平(α=0.05);对土壤光谱的作用程度由大到小依次为:水、有机质、交互作用;在425—1 800 nm水对土壤光谱的作用大约是有机质的5—8倍,在1 950—2 300 nm为8—12倍;在350—2 500 nm有机质对土壤光谱的作用大约是水与有机质交互作用的2�
- 尚璇李西灿徐邮邮刘莎莎
- 关键词：有机质含水量方差分析
- 基于半监督模糊识别的土壤含水量高光谱估测模型研究被引量：2
- 2019年
- 快速估测土壤含水量对发展精准农业具有重要意义。为提高土壤含水量光谱估测精度,该文基于山东省泰安市周边的94个棕壤样本光谱与含水量实测数据,首先对原始光谱进行对数倒数一阶微分变换,利用最大相关性原则选择特征因子,然后利用半监督模糊识别模型建立土壤含水量光谱估测模型。实验结果表明:以波段655 nm、1 235 nm、1 497 nm、1 677 nm、2 059 nm的对数倒数的一阶微分变换数据作为特征因子,所建土壤含水量光谱估测模型的精度较高,其中18个检验样本的平均相对误差为4.406%,模型的决定系数R^2=0.977;半监督模糊识别模型充分利用了训练样本的确定性及不确定性信息,可有效用于土壤含水量估测。
- 徐邮邮李西灿尚璇路杰晖苗传红丁春林
- 关键词：高光谱遥感土壤含水量
- 粒子群优化神经网络的土壤有机质高光谱估测被引量：7
- 2019年
- 针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。
- 邹慧敏李西灿尚璇苗传红黄超路杰晖
- 关键词：高光谱遥感土壤有机质
