以博斯騰湖西岸湖濱綠洲土壤鹽分及其對(duì)應(yīng)的高光譜數(shù)據(jù)為研究對(duì)象,對(duì)原始光譜反射率（R）進(jìn)行均方根（R）、對(duì)數(shù)（lg R）、倒數(shù)（1/R）、對(duì)數(shù)倒數(shù)（1/lg R）變換,引入分?jǐn)?shù)階微分對(duì)變換的光譜反射率進(jìn)行0～2內(nèi)的微分預(yù)處理,通過(guò)顯著性檢驗(yàn)優(yōu)選特征波段,并利用特征波段進(jìn)行偏最小二乘回歸的建模和驗(yàn)證。結(jié)果表明:1)通過(guò)顯著性檢驗(yàn)較多的特征波段是:1/R為691個(gè)波段,比通過(guò)原始波段多226個(gè)波段;且隨著階數(shù)的增加,在各階數(shù)中通過(guò)顯著性檢驗(yàn)的波段數(shù)量呈先增加后減少的趨勢(shì);通過(guò)數(shù)量較多的特征波段是1/R的0. 4階和0. 6階,分別為145、150;2)原始光譜反射率的相關(guān)性極大值絕對(duì)值是:2階為0. 53,其他4種數(shù)學(xué)變換的相關(guān)性極大值絕對(duì)值比R高0. 11～0. 16,特征波段主要集中在600～1 000 nm和2 020～2 330 nm;3)在原始光譜反射率及其變換值的各分?jǐn)?shù)階微分利用偏最小二乘回歸建模中,1/lgR的0. 2階建立的模型為最佳模型,R_C²=0. 78,RMSE_C=1. 56,R_V<... 

【文章來(lái)源】：中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,59(04)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

采樣點(diǎn)及研究區(qū)示意圖

對(duì)土壤含鹽量光譜反射率進(jìn)行聚類分析，以K-means聚類算法進(jìn)行劃分。由圖2所示，利用聚類分析將土壤含鹽量光譜反射率劃分為4類，分別對(duì)4類光譜反射率求數(shù)學(xué)平均，得到4種土壤含鹽量的光譜曲線，土壤含鹽量的光譜特征整體較為相似。在波段為350～1 340 nm之間，土壤含鹽量為4.20和2.51 g/kg的光譜反射率值高于1.56和3.17g/kg的光譜反射率值；在1 340 nm之后，這4種土壤含鹽量光譜反射率值則顯示相反的變化規(guī)律，土壤含鹽量為3.17 g/kg的反射率值較高�？傮w上看，350～2 100 nm之間，土壤含鹽量光譜反射率值隨著波長(zhǎng)的增加而增加，2 100 nm之后，光譜特征逐漸減弱。2.2 分?jǐn)?shù)階微分對(duì)相關(guān)系數(shù)的影響

分別利用通過(guò)顯著性檢驗(yàn)的R、R、lg R、1/R、1/lg R特征波段與土壤含鹽量進(jìn)行偏最小二乘回歸，建立不同光譜變化下分?jǐn)?shù)階微分的土壤含鹽量估算模型。由表2可知，從總體上看1/lg R的0.2階和1/R的1.8階的建模效果較好，RC2分別為0.78和0.75,RMSEC分別為1.56和1.48。從原始光譜和4種光譜變換下的驗(yàn)證集可知，R的1.8階的估算模型較好RV2為0.47，而RMSEV為1.65;的1.2階的估算模型較好RV2為0.57,RMSEV為1.48;1/R的1階和2階的估算模型精度較好，RV2分別為0.52、0.53,RM-SEV分別為1.35、1.34;lg R的0.8階和1階的估算模型精度較好，RV2分別為0.52、0.52,RMSEV分別為1.43、1.33;1/lg R的0.2階和0.4階的估算模型精度較好，RV2分別為0.63、0.62,RMSEV分別為1.44、1.42。由圖4可知，1/lg R的分?jǐn)?shù)階微分?jǐn)M合曲線較為集中，從RV2來(lái)看，最小值為0.47，其他主要在0.50～0.54,R的分?jǐn)?shù)階微分?jǐn)M合曲線較為雜亂。圖4 基于不同分?jǐn)?shù)階微分光譜變換的土壤含鹽量偏最小二乘回歸模型驗(yàn)證

【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階微分優(yōu)化光譜指數(shù)的土壤電導(dǎo)率高光譜估算[J]. 亞森江·喀哈爾,楊勝天,尼格拉·塔什甫拉提,張飛.  生態(tài)學(xué)報(bào). 2019(19)
[2]分?jǐn)?shù)階微分對(duì)鹽漬土野外光譜預(yù)處理精度提升的機(jī)理分析[J]. 田安紅,熊黑鋼,趙俊三,付承彪.  光譜學(xué)與光譜分析. 2019(08)
[3]博斯騰湖西岸湖濱帶土壤鹽分高光譜反演[J]. 李志,李新國(guó),劉彬,麥麥提吐?tīng)栠d·艾則孜.  揚(yáng)州大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版). 2019(02)
[4]基于分?jǐn)?shù)階微分和連續(xù)投影算法-反向傳播神經(jīng)網(wǎng)絡(luò)的小麥葉片含水量高光譜估算[J]. 吾木提·艾山江,買買提·沙吾提,馬春玥.  激光與光電子學(xué)進(jìn)展. 2019(15)
[5]不同采樣間隔下分?jǐn)?shù)階微分對(duì)土壤重金屬高光譜數(shù)據(jù)的影響[J]. 蔣明,郭云開(kāi),錢佳,丁美青.  測(cè)繪通報(bào). 2018(10)
[6]土壤光譜重建的濕地土壤有機(jī)質(zhì)含量多光譜反演[J]. 陳思明,鄒雙全,毛艷玲,梁文賢,丁卉.  光譜學(xué)與光譜分析. 2018(03)
[7]博斯騰湖西岸湖濱帶不同植被類型土壤剖面鹽分特征分析[J]. 李志,李新國(guó),毛東雷,麥麥提吐?tīng)栠d·艾則孜.  西北農(nóng)業(yè)學(xué)報(bào). 2018(02)
[8]基于光譜變換的高光譜指數(shù)土壤鹽分反演模型優(yōu)選[J]. 張賢龍,張飛,張海威,李哲,海清,陳麗華.  農(nóng)業(yè)工程學(xué)報(bào). 2018(01)
[9]光譜分?jǐn)?shù)階微分與玉米葉片重金屬銅含量的相關(guān)性分析[J]. 張文文,楊可明,夏天,劉聰,孫彤彤.  科學(xué)技術(shù)與工程. 2017(25)
[10]基于EPO-PLS回歸模型的鹽漬化土壤含水率高光譜反演[J]. 彭翔,胡丹,曾文治,伍靖?jìng)?黃介生.  農(nóng)業(yè)工程學(xué)報(bào). 2016(11)



本文編號(hào)：3106151