一种间接从高光谱数据中提取黑土硒含量的新方法

我国东北黑土富含养分，随着土壤数字制图、精确农业和土壤资源调查等研究的深入，引入航空高光谱数据并提供科学的预测结果成为研究热点。硒元素相对于黑土土壤的主要成分属于微量元素，但其对作物的正常生长的作用与大量元素是同等重要的，亦是人体健康所必要的营养元素。针对硒含量反演，建立了一个基于主要成分的间接提取模型，该模型能够显著提升硒含量回归系数，降低实测值与预测值的误差。数据源自CASI-1500航空高光谱成像系统，光谱范围380~1 050 nm，空间分辨率1.5 m。在黑龙江建三江地区采集60个土壤样本，化验获得硒、有机质、全铁、pH和氧化钙含量数据，选择BP神经网络，建立光谱与含量的反演模型。分析不同含量的黑土成分在可见-近红波段范围内光谱变换规律，掌握了硒元素随着含量升高，光谱反射率会逐步升高的规律。但当硒含量较低时，在其他成分的干扰下，这一规律会逐渐减弱，直至不显著。有机质的光谱特征与硒元素相反，总体上随着含量的增高，反射率整体下降，这与有机质的光谱特性紧密相关。全铁光谱呈现出与有机质光谱类似的规律，说明二者具有较高的相关性。不同pH值和氧化钙含量的光谱特征与检测值没有呈现出明显的特征规律，反射规律不明显。对60个采样点不同养分含量进行逐波段求反射率对养分的相关系数。结果表明，pH值各个波段相关系数最高，均值达到0.63；其次是全铁的相关系数，为0.54；有机质和氧化钙的相关系数接近，分别为0.42和0.47；而硒元素含量与逐波段的平均相关系数最低，为0.38。选取相关系数较高的前5个波段，作为建模波段。硒特征波段为447，437，456，466和475 nm；有机质特征波段为447，456，466，437和475 nm；全铁特征波段为752，695，800，762和733 nm；pH特征波段为905，752，800，943和695 nm；氧化钙特征波段为752，695，800，523和762 nm。通过计算样本点硒含量与其他成分的相关系数，硒与有机质呈正相关，相关系数为0.79；与全铁、pH、氧化钙呈负相关，相关系数分别为-0.80，-0.94和-0.69。针对有机质、全铁、pH和氧化钙反演精度较高，而硒元素含量较低，直接反演精度不足的问题，设计了一种先提取4种成分含量，再根据其提取结果建立硒元素函数关系，间接反演硒元素含量的方法。首先将五种成分与特征光谱进行神经网络分析，计算每种成分的回归系数R2和RMSE。显示全铁和pH具有较高的反演精度，有机质和氧化钙归系数虽低于0.8，但也显著高于硒元素的反演精度。建立硒元素与其他4种成分含量的回归模型，得出Se=0.522 9+0.041 8Som-0.016 6Fe₂O₃-0.035 6pH-0.005CaO，进行硒元素间接提取，回归系数从0.516增长到0.724，均方根误差从0.182降低到0.136，显著改进了反演硒含量的精度，为硒元素大范围精确制图提供了一种新技术。     

密封舱光学玻璃对航空成像光谱仪光谱辐射影响的研究

航空高光谱遥感通常工作高度在海拔4000m以下,对于高海拔地区则需要采用密封舱飞机作为平台,而密封舱飞机底部玻璃窗口会对航空成像光谱仪光谱辐射产生影响,如何确定并消除该影响则成为航空高光谱遥感能否应用于高海拔地区的关键。我们研究小组提出了一种利用密封舱光学玻璃进行实验室定标的方法来进行研究,这种方法可以确定光学玻璃对航空成像光谱仪光谱偏移和辐射强度的影响。研究表明,光学玻璃对光谱仪的光谱偏移影响较小,在1%以内;而对光谱仪的辐射强度影响较大,在10%至50%之间,尤其是对短波红外波段影响较大。通过实验我们可以生成新的光谱定标文件和辐射定标文件来消除该光学玻璃的影响,从而使机载高光谱遥感能应用于更广泛的地区。     

基于航空高光谱的黑土地硒含量反演研究

硒元素是人体必需的微量元素,研究土壤硒含量对区域土地质量和农作物经济价值均有重要意义。为了快速、准确地评价土壤硒含量分布状态,引入航空高光谱技术开展土壤硒元素含量反演。选择黑龙江省建三江地区作为研究区,采用CASI/SASI航空高光谱数据、ASD地面光谱数据和土壤样品硒含量数据,基于硒含量与光谱反射率的相关性和定量关系,采用偏最小二乘法构建了回归模型并开展研究区土壤硒含量遥感反演,模型决定系数达到0.721。利用地球化学数据进行反演结果的验证,对比结果表明反演数据可靠。     

基于激光雷达观测的大气边界层自动识别局部最优点算法

大气边界层高度是影响近地面大气物理运动的主要因素,同时也是影响地面污染物浓度的一个重要因素。地基激光雷达可以对大气气溶胶的垂直分布进行连续稳定的监测,应用激光雷达技术对大气边界层进行连续观测可以为环境监测与预报提供指导性的动态信息。针对存在残留层以及外来污染物输入情况时边界层高度变化检测的可靠性及计算效率问题,结合梯度法的物理意义与激光雷达时序图的图形图像学特征,提出了一种基于时空邻近度的边界层局部最优点识别算法。以江苏省无锡市新区偏振米散射激光雷达太湖观测站点的气溶胶垂直观测数据为例,通过对2012年底两次污染事件进行观测分析,分别使用梯度法和局部最优点法进行大气边界层高度的自动识别。实验结果表明,在静稳状态和污染混入后的情况下,梯度法与局部最优点识别法的结果较为接近,但梯度法在处理污染混入状态以及存在残留层的情况下误判率较高。基于时空邻近度的局部最优点算法通过对垂直特征值以及水平相关性的控制,有效地消除了在弱信号、噪声信号、低云以及存在残留层和外来污染等情况下导致的计算机误判现象,在减小算法时间复杂度的同时在计算机自动识别结果具有更高的稳定性,弥补了梯度法在自动化运行中的识别精度与计算效率的不足。     

航空高光谱预测黑土地SOM含量的神经网络方法

将机载高光谱遥感引入到黑土信息提取领域,不仅能够显著提升土壤信息反演的信息化水平,而且将机载高光谱遥感的优势结合到黑土信息提取的需求中,发挥明显的技术优势。这对黑土成分中重要的养分指标有机质,提出了一种神经网络模型预测含量的方法,这种方法可以在地面点状化验数据支持下,进行大面积黑土有机质含量信息的提取,为黑土地数字制图效率的提升提供了一种新的解决方案。研究表明,高光谱波段与化验数据相关系数较高的前18波段,能够作为可靠的建模数据,全区有机质含量介于3.32~4.12g·kg~(-1),对验证数据集的测量数据和预测数据进行了制图,回归系数达到了0.985 3,证明了这一方法在理论上的可靠性。     

土壤铬的航空高光谱间接反演模型及可迁移性研究

铬（Cr）是我国东北黑土区土壤重金属污染评价中的主要目标元素之一,随着航空高光谱技术的引入,Cr含量的高光谱反演具备了大范围应用的数据基础,其中影响调查质量的关键是高光谱模型的精度及应用范围。常用的建模方法是利用各类统计学手段进行光谱特征提取并建模,局限性表现为建模结果受样本选择的影响较大,模型泛化能力不强。研究以土壤Cr的赋存规律为切入点,设计了一种新的基于Cr影响因素及光谱特征的间接反演模型,改善了模型在不同地区的适用性。选择黑龙江省建三江和海伦两个研究区,高光谱数据来自CASI/SASI航空高光谱成像系统,波段范围380～2 450 nm,建三江和海伦研究区地面采样数量分别为225个和121个,分析获得土壤Cr元素及SOM,N,P,K₂O,SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO,Na₂O和pH等理化参数,建模方法采用偏最小二乘法。Cr的赋存规律分析结果表明,Cr在两个研究区均表现为与Al₂O₃,Fe₂O₃,MgO,K₂O和pH呈极显著的正相关关系,与SiO₂,Na₂O和SOM呈极显著的负相关关系,该特征为间接反演模型的建立提供了基础。两个地区Cr的光谱特征分析结果共同表明,光谱反射率经变量标准化（SNV）变换后与Cr含量的相关性最明显,特征波段为1 520,2 195,2 210和2 225 nm。将光谱SNV变换后的特征波段作为纯光谱模型自变量,将SNV特征波段和上述与Cr密切相关的土壤组分作为间接反演模型的自变量,建模结果显示,相比于纯光谱模型,建三江研究区的间接反演模型将建模R2由0.643提升到了0.751,验证R2由0.571提升到了0.687,海伦研究区的间接反演模型将建模R2由0.537提升到了0.676,验证R2由0.471提升到了0.643,间接模型相应的均方根误差（RMSE）也得到了降低,可见间接反演模型明显提升了Cr的反演精度。两个研究区之间的模型迁移性实验结果表明,纯光谱模型的可迁移性较差,模型迁移后实测与预测值的回归R2接近于0,而间接模型在两个研究区间的迁移能力得到了显著提升,海伦的间接反演模型应用到建三江时,实测与预测值的回归R2达到0.597 5,而建三江的间接模型应用到海伦时,回归R2为0.577 3。研究结果可为土壤Cr在不同地区的大范围反演制图提供一种新的途径。     

四甲基吡嗪多元醇及其乙酸酯的合成

四甲基吡嗪经溴代和酯化反应得到2,3,5-三乙酰氧甲基-6-甲基吡嗪(4)和2,3,5,6-四乙酰氧甲基吡嗪(5);4和5分别经水解得2,3,5-三羟甲基-6-甲基吡嗪和2,3,5,6-四羟甲基吡嗪。其结构经UV,1H NMR,13C NMR,IR和MS表征。     

一种新的光谱参量预测黑土养分含量模型

我国东北黑土富含养分，随着土壤数字制图、精确农业和土壤资源调查等研究的深入，引入航空高光谱数据并提供科学的预测结果成为研究热点。数据源为CASI-1500航空高光谱成像系统，光谱范围380~1 050 nm，空间分辨率1.5 m。在黑龙江建三江地区采集59个土壤样本，化验获得有机质、全氮、全磷和全钾含量数据，选择eps-regression支持向量机模型，BP神经网络和PLS1最小二乘回归模型，建立光谱与含量的机器学习模型。通过评价3种模型的预测精度，选用支持向量机方法，对航空高光谱数据进行全氮、全磷和全钾的信息提取，采用神经网络方法，反演了有机质信息。研究表明：以光谱统计量、光谱特征值和光谱信息量为大类指标，所选取的18个子指标，能够反映土壤光谱的综合情况，是一种新的土壤光谱数据处理方法。有机质和全钾信息提取精度最高的算法是神经网络法，误差分别为1.21%和0.81%，而支持向量机算法在提取全氮和全磷信息时，验证样本的实测均值和预测均值完全吻合，精度最高。评价航空高光谱提取土壤养分的综合精度，有机质、全氮、全磷和全钾提取误差分别为5.25%，6.05%，2.74%和8.90%，在全磷反演中精度最高。     

地面与航空高光谱反射率联合反演技术研究

成像高光谱仪可搭载在航空或地面平台上获取地物的纹理和光谱数据,为了准确确定地物属性,需要将数据反演成地物的反射率数据。传统的方法分别计算地面与航空成像高光谱的反射率~([1]),但由于有效像元面积较小、光谱混合等原因,计算得到的航空高光谱反射率误差较大。本研究获取了青海省都兰和甘肃祁连山地区的地面与航空高光谱测量同步及准同步测量数据,数据类型包括黑白布、水体、植被、水泥地面、花岗岩、砂石路等多个地点的地面成像光谱数据。在此基础上联合地面与航空成像高光谱数据,建立了基于地面成像光谱数据的航空高光谱反射率反演方法,通过计算平均光谱、经验线性方法等处理步骤,实现了对航空高光谱数据的反射率反演,通过对不同地物的光谱分析,表明反演结果较为理想。     

改进的堆栈稀疏自编码矿物高光谱端元识别研究

自然界中岩石一般是由多种矿物集合而成的紧致混合物,由于高光谱传感器低空间分辨率的特征,获得的高光谱数据多为矿物组分的综合反映。受噪声干扰以及矿物复杂的混合机理等因素影响,高光谱端元识别和定量分析成为目前研究的热点与难点。基于深度学习理论,对原始自编码结构进行改进,提出了一种改进的堆栈稀疏自编码的矿物高光谱端元识别方法（stacked sparse autoencoders,SSAE）,为高光谱解混提供新的思路。首先,根据矿物混合光谱的特点,对原始自编码结构进行三点改进：第一,去掉自编码神经网络的偏置项（bias）;第二,在隐藏层激活函数之前添加批归一化（batch normalization,BN）层,最后一层输出层使用Relu激活函数;第三,用光谱角函数（Ｌ_SAD）代替均方误差（Ｌ_MSE）作为目标函数。SSAE法通过梯度下降方式对目标函数进行优化求解获取神经网络参数。然后,利用Hapke模型建立不同矿物组合和不同质量分数的两个模拟数据集,数据集共包括高岭石、叶腊石、蒙脱石、绿泥石、白云母、方解石、赤铁矿、白云石、钾长石和褐铁矿10种常见矿物光谱。最后,利用SSAE方法对模拟数据集进行端元提取测试,测试结果与网络结构改进过程中产生的6种情况以及顶点成分分析法（VCA）和基于最小体积的变元切分增量拉格朗日单形体识别算法（SISAL）提取结果进行比较。实验证明,本研究提供的是一种盲端元识别方法,改进后的SSAE神经网络端元提取精度比未完成改进前有明显提升。SSAE法可以成功识别两个模拟数据集所有的端元,光谱角距离（spectral angle distance, SAD）的平均误差分别为0.0597和0.0344,与VCA法提取精度差异较小,均优于SISAL法的识别结果。SSAE法为矿物高光谱解混提供了新的方向,对高光谱遥感的地质应用和高光谱遥感定量分析研究具有较好的促进作用。