基于数字图像颜色提取的土壤有机质预测研究

有机质是土壤质量的重要判定标准,其快速测定可为精准农业的实施提供基本的数据支撑。传统有机质测定法,通过野外取样,实验室化学分析,不仅费时费力,还效率低,完全不能满足现今社会发展对土壤信息的大量需求。通过光谱仪测定土壤反射率建立有机质估测模型,可快速预测有机质含量,但光谱仪价格较高,对操作环境要求严格,限制了其广泛应用。仅有RGB三波段的可见光传感器,相比光谱仪而言不仅价格便宜,还易于操作,借助其诸多优势,通过定量获取土壤表面颜色信息,解决土壤有机质快速测定问题,不管是从实用性还是经济性角度,都值得去探索研究。为验证可见光下提取数字图像颜色信息能快速预测有机质的可行性和适用性,采用数码相机获取土壤表面颜色,分析土壤表面组成特点,确定最佳取样面积,并比较不同土样制样标准(<1 mm和<0.5 mm) 与有机质的相关性,同时选取相关性高的颜色变量,通过回归分析,建立有机质预测模型。研究结果表明,以950 pixel×950 pixel作为取样面积,可以较稳定获取土样表面颜色,并减少边缘效应对取样结果的影响;对比<1 mm和<0.5 mm土样与有机质的相关性发现,<1 mm土样的RGB三波段与有机质的相关性更高,适合作为土壤颜色获取时的制样标准。在RGB三波段中,Red波段表现了与有机质的最高相关性,其相关系数为-0.70;通过对RGB三波段进行数学变换与超红(ExR)计算,可增加各颜色值与有机质的相关性,其中ExR指数表现了与有机质最高的相关性,其相关系数为-0.86。单变量建模过程中,ExR倒数模型获得了最好预测效果;多变量建模时,各颜色标准差参与建模,使颜色信息描述更为全面,明显提高了模型的预测精度,获得了最好的建模效果,其R2=0.80,RMSE=0.51,检验结果R2_val=0.84,RMSE_val=0.54,能较好反应研究区有机质变异特点。通过黑土检验所建模型的预测效果,仅单变量Red波段模型表现出较好预测结果,其检验结果表明红波段是有机质较为敏感波段,在不同土类中具有通用性。虽然研究中所建模型难以扩展到对其他土类的预测,但对同类土壤预测效果表明,数码相机作为颜色定量获取的工具,具有实现快速预测土壤有机质的潜力。     

土壤颜色由CIE向Munsell系统的定量转换

颜色是土壤重要形态特征之一,也为判断土壤理化特征、过程与功能的重要依据和指标。土壤颜色目前采用Munsell颜色系统表示,主要依靠将土壤样品与土壤Munsell比色卡比对而确定。该方法由于受个人视觉感官和判别环境等因素限制,导致土壤颜色判别结果存在主观性强,易出现偏差等问题。为此,寻求客观、定量、方便地表征土壤Munsell颜色的方法,对于今后有关土壤颜色应用的研究工作极为重要。该研究试图利用分光色度仪,结合Python计算机语言编程,采用邻近等明面插值等方法,提出了一套可操作的从CIE到Munsell颜色系统转换的方法,以实现土壤颜色从CIE到Munsell颜色系统的方便、快速、高精度转换,达到土壤颜色的客观、定量、标准化测定。由分光色度仪测得样品CIELAB颜色值,利用CIE和Munsell两大颜色系统的已有的转换模型和方法,由CIELAB值计算获得Munsell明度值V和色品坐标,以Python语言编制程序,实现样品的明度值和色品坐标的自动计算。进而采用邻近等明面数学插值法和色度变换图确定Munsell系统H和C值。以《中国标准土壤色卡》的419张色片和22个土壤与古土壤样品进行验证,结果表明利用本文方法色调（H）测定值与色片标准值相比较,仅有12张色片存在误差,验证准确率为97%。《中国标准土壤色卡》的明度值（V）、彩度值（C）测定值与标准值之间相关系数分别为0.987（p＜0.001）和0.976（p＜0.001）,测定结果与标准值之间存在极显著相关关系。土壤与古土壤样品测定值与目视判别色调差异较小,主要差别是明度和彩度,这可能与目视判读受个人主观、光学环境等因素影响所致。基于过去已有的由CIE到Munsell颜色系统转换方法,该研究利用Python计算机语言编程编写了程序代码,实现CIELAB值到Munsell明度V值和色品坐标的转换过程的自动计算,并提出一种基于邻近等明面新的插值方法,转换步骤简明,易实现,为土壤颜色的快速、定量获取提供途径。     

盐渍化土壤偏振高光谱信息与土壤线的关系初探

正确评价土壤盐渍化对地区农业生产与生态环境具有重要意义。土壤线对土壤盐渍化程度具有一定的指示作用,但在不同角度下观察获得的土壤光谱特征会发生变化,土壤线的参数值也会随之变化。依据以实验室测定的盐渍化土壤多角度偏振高光谱反射率,分析并确定土壤盐渍化程度与土壤线参数之间的关系,初步探求在偏振反射条件下土壤线最佳的获取方式。结果表明：(1)土壤光谱反射率随波段的增加逐步缓慢上升,趋于平缓。随着盐渍化程度的增强,土壤的光谱反射率先逐步降低至某一临界值后又逐步升高;(2)土壤的盐渍化程度与土壤线的斜率和截距均呈线性相关,随着盐渍化程度的增强,土壤线的斜率变小,截距变大;(3)探测天顶角影响偏振状态与土壤线参数的关系,当探测天顶角一定时,偏振状态与土壤线参数之间具有规律性。探测天顶角在0°-50°之间,随角度的变大,土壤线斜率变大,截距变小;(4)偏振状态影响土壤线参数与土壤盐渍化程度的相关性程度,初步确立偏振角度为90°,探测天顶角为25°状态下,建立的土壤盐渍化程度与土壤线参数关系模型较优。为定量反演土壤盐渍化程度提供新的途径。可以用于土壤的盐渍化程度评价。     

基于颜色校准和HSI颜色空间的白细胞图像分割方法

人体内不同白细胞的数值水平是疾病判断的重要依据之一。在白细胞计数中,准确分割白细胞是后续分类计数的重要前提步骤,决定了后续分类计数的准确与否。对于使用各种不同染色方法所得的血液涂片图像,都可以通过颜色校准,分别调整RGB图像的R、G、B分量,改变图像的色彩信息,接着通过图像HSI颜色空间中的H分量,结合Otsu自动阈值法和面积阈值法对图像进行分割、处理,最终准确定位、分割提取出整个白细胞,用于后续的分类计数。实验结果表明,该方法分割准确度高、实用性强、操作简单并且效率高。     

热红外发射率光谱在盐渍化土壤含盐量估算中的应用研究

利用傅里叶变换红外光谱仪对绿洲盐渍化土壤进行野外测量,采用光谱平滑迭代法对温度和发射率进行分离,得到了盐渍化土壤的热红外发射率数据。通过对盐渍化土壤发射率光谱的特征分析,得出8～13 μm土壤发射率随盐分含量的增加而减小,发射率光谱对盐分因子的响应在8～9.5 μm较敏感。分析了原始发射率光谱、一阶导数、二阶导数和标准化比值与含盐量之间的相关性,表明土壤发射率与含盐量呈负相关关系,发射率一阶导数与含盐量的相关性最高,相关系数最大为0.724 2,对应波段为8.370 745～8.390 880 μm。建立了土壤发射率一阶导数与盐分含量的二次函数回归模型,模型拟合的决定系数为0.741 4,验证结果的均方根误差为0.235 5,说明利用热红外发射率光谱反演土壤盐分含量的方法可行。     

修复过程中盐渍化土壤的光谱特征分析

该研究跟踪山东东营盐渍化土壤(盐分主要以氯化钠为主)的微生物修复盆栽实验,分析研究修复过程中土壤理化性质的改良以及相应的光谱特征变化。基于对修复过程中不同阶段土壤盐分含量(SSC)和Na+,Cl-等理化指标的化学分析及其同步的光谱测试,采用平均值降维方法,相关系数与决定系数相结合的方式,通过逐步缩小采样间隔,分析了土壤在微生物修复过程中盐分和盐分离子含量变化及其光谱响应的最佳波段和特征。结果表明,土壤在不同处理的微生物修复过程中,全波段平均光谱反射率与SSC的变化趋势和幅度几近一致,与Cl-含量变化趋势和幅度完全一致。在光谱测试的全波段范围内,SSC及盐分离子含量与光谱反射率呈显著正相关,在近红外波段的反射率变化尤为显著。在此基础上,基于调整光谱采样间隔方法分析获得的盐分及其离子含量最佳光谱响应波段反射率,建立了土壤光谱反射率与盐分含量及其离子含量的关系模型。其中SSC的最佳响应波段1 370～1 445和1 447~1 608 nm,Cl-,Na+的最佳响应波段分别为1 336~1 461和1 471~1 561 nm,建立的模型其R2最高值达到了0.95,RMSEC,RMSEP最大值分别为1.076和0.591。不同处理的土壤微生物修复结果的显著性统计分析及其相应的光谱特征变化,充分显示了土壤盐分含量的光谱响应特征及其敏感性,对发展基于高光谱的土壤盐渍化快速分析诊断方法具有重要意义。     

基于均匀颜色知觉空间的多光谱图像彩色合成

本文在分析现有多光谱图像彩色合成方法的基础上，提出了基于均匀颜色知觉空间的ＨＬＣ合成法，讨论了单谱段图像映射、分量图像合成、色域变换以及合成图像的色差预测和评估、彩色变换和逆变换，分析了影响合成图像视觉效果的因素。应用于伪装目标的识别获得了比ＲＧＢ、ＹＭＣ、ＩＨＳ等合成法更好的效果     

改进的CIELAB均匀颜色空间

颜色学的发展依赖于感知现象和实验数据。随着视觉色差实验数据的增加,人们试图探索研发与CIELAB颜色空间一样简单,但更加均匀的颜色空间。分析了CIELAB颜色空间的特性,并基于这些特性提出了包含4个参数的颜色空间,称之为MLAB颜色空间。新颜色空间参数的确定是非线性约束优化问题,可保证优化后的空间能很好地预测由国际照明委员会专家组收集的视觉色差数据集COM-corrected。基于COM-corrected数据集的比较表明,MLAB颜色空间显著优于CIELAB颜色空间。基于色调线性数据集和椭圆数据集的测试表明,MLAB颜色空间较CIELAB颜色空间也有一定程度的进步。     

基于HSI颜色空间的彩色边缘检测方法研究

针对在RGB空间中很难有效区分颜色相似性的问题,通过选择更加符合颜色视觉特性的HSI颜色空间进行图像处理与分析,提出了一种新的色差度量方法,在此基础上设计了一种彩色边缘检测方法。首先计算色度、饱和度、亮度等三个分量的边缘信息,然后对三个分量进行加权得到彩色边缘信息,通过非极大值抑制和阈值选取后,得到彩色图像的边缘。实验结果表明,该方法可以充分利用彩色图像的色度、饱和度和亮度信息来有效地检测彩色边缘。     

基于近地面多光谱的黄河三角洲典型地区土壤含盐量估算研究

选择山东省无棣县“渤海粮仓”项目核心示范区为研究区,利用ADC便携式多光谱相机和EC110便携式盐分计,采集该区近地多光谱相片和土壤表层含盐量数据,通过NDVI, SAVI, GNDVI三种植被指数分别与实测土壤含盐量构建线性、指数、对数、乘幂、二次和三次函数共18种模型,进而优选土壤盐分含量最佳估测模型,反演和分析研究区土壤盐分状况。结果显示,各模型均可有效估测土壤盐分含量,以SAVI为因变量构建的各模型估测效果较好,其中以SAVI的线性模型(Y=-0.524x+0.663,n=70)为最佳,显著检验水平下的F检验值最高,为141.347,估测R2为0.797,精度达到93.36%;研究区的土壤盐分含量集中在2.5‰～3.5‰之间,呈现从西南向东北逐渐升高的明显分布规律。探索了基于近地面多光谱数据的土壤含盐量估测方法,为研究区乃至整个黄河三角洲滨海盐碱土的盐分含量估测提供了一种快速有效的技术方法。     

土壤湿润条件下基于光谱对称度的盐渍土盐分含量预测

近年来光谱技术以其经济、高效的优势在土壤盐渍化监测研究中得到重视,但是由于土壤水分对反射光谱影响很大,土壤湿润条件下监测精度难以满足农业生产需求。通过对盐土土柱室内模拟蒸发过程中的反射光谱和水分、盐分变化的连续监测,利用多元逐步回归方法,建立了1 370～1 610 nm光谱对称度与土壤表层含盐量、含水量之间的线性关系模型,r为0.863;用该模型反演表层土壤含盐量,实测值与预测值之间线性关系的r为0.656(n=54),RMSE为2.059 g·kg-1。利用光谱对称度可以实现土壤湿润条件下土壤盐分含量预测。     

可见-近红外光谱的滨海土壤“除水”盐分估测

滨海盐碱区土壤盐分的快速、准确监测对土地合理利用和保护具有重要意义。可见光近红外（Vis-NIR）光谱技术已广泛用于土壤属性的高效估测。然而,水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。旨在探究分段直接标准化（PDS）和正交信号校正（OSC）在含水条件下土壤盐分估测中的应用,从而建立面向滨海盐碱区的“除水”Vis-NIR定量模型。为此,将获取的144份黄河三角洲滨海盐碱区表层（0~20 cm）土壤盐分数据划分为建模集（17个样本）和验证集（127个样本）。通过严格加水控制实验,测量10个含水率梯度（0%,1%,5%,10%,15%,20%,25%,30%,40%和50%）的建模集土壤光谱数据,验证集的土壤光谱则是根据生成的1~50随机整数,通过随机加水实验测量获取。采用PDS和OSC与偏最小二乘回归（PLSR）结合的建模策略,构建土壤盐分估测模型,并进行性能验证和比较。结果表明,OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。具体来说,光谱校正前后生成的所有PLSR模型均取得一定的成功（R2_P=0.79~0.91,RMSE_P=2.6~3.98 g·kg-1,RPD=1.98~2.37）。OSC-PLSR模型的土壤盐分估测精度提高,R2_P,RMSE_P和RPD分别为0.91和2.6 g·kg-1和2.37。而PDS-PLSR模型效果不理想,R2_P,RMSE_P和RPD分别为0.79,3.98 g·kg-1和1.98。模型整体表现出了OSC-PLSR>PLSR>PDS-PLSR的土壤盐分估测性能。此外,提出了变量投影重要性（VIP）和Spearman相关系数（r）结合的分析策略,进一步探究了模型的估测机理。模型的重要波长（VIP>1）与土壤盐分敏感波长（|r|>0.4）吻合,对估测模型有重要意义。比较而言,OSC-PLSR精确提炼了位于830,1 940和2 050 nm附近的模型估测的关键波长,而常规的PLSR和PDS-PLSR包含了大量的冗余信息。综合来看,OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果,为土壤含水状态下的土壤盐分研究提供可靠方法。     

基于土壤植被光谱协同分析的土壤盐度推理模型构建研究

土壤组成较为复杂,单纯利用土壤光谱信息探测土壤盐度,反演精度不足以满足实际需求。通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性,弥补上述不足。为此,基于干旱区土壤盐度与植被之间的协同变化,尝试结合土壤和植被光谱信息,借助二维特征空间理论,构建土壤盐度推理模型,提高土壤盐度推理精度。对于干旱区单个像元下土壤光谱的影响,利用归一化植被指数(normalized difference vegetation index,NDVI) 难以准确反演干旱区稀疏植被参数。因此,首先利用线性混合像元分解模型(linear spectral unmixing model, LSUM)提取研究区地物组分,构建植被组分指示因子(combined vegetation indicative factor, CVIF)方程,并与土壤盐度指数(salinity index,SI)构建二维特征空间。分析二维特征空间内散点走势与土壤盐分之间的关系,建立土壤盐度推理模型(salinity inference model, SID)。验证结果显示,CVIF提取的植被信息精度(R2>0.84, RMSE=3.92)高于应用较为广泛的NDVI(R2>0.66, RMSE=13.77)。构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index, CORSI)相比,前者(R2>0.86, RMSE=6.86)推理精度优于后者(R2>0.71, RMSE=16.21)。由此得出结论,基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

彩色分割的航空影像房屋自动检测

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法,此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响,而且过于依赖种子像素的选取,处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测,综合利用彩色信息与屋顶材料的光谱特征,采用影像分割原理,研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换,利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割,分离出红色瓦片屋顶与灰色水泥屋顶区域,并利用标记分水岭算法实现房屋区域的初始分割;然后计算各标记区域内的色调均值选取种子像斑样本,进而以像斑为单元在色调分量中进行区域生长,最后经过消除小斑和矩形拟合优化处理,得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比,该方法整个过程无需人工干预且均在一维彩色空间进行处理,计算量明显降低,同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息,使算法精度得到显著提高,采用上述方法对高分辨率航空影像进行了实验,结果证明该方法有着较高的处理效率和准确性,具有实用价值。     

基于光谱指数的区域土壤盐分三维空间变异研究

为揭示中原黄泛区土壤盐分三维空间分布特点,以河南省封丘县为研究区域,综合应用土壤采样数据与遥感影像数据,利用光谱指数法与三维反距离权重法(IDW)对三维土壤盐分空间变异特征进行了解析与评价,显著提升了区域土壤盐分的三维预测精度。研究区域土壤电导率变异系数在0.218～0.324之间,属中等变异强度;各层土壤电导率的平均值在0.121～0.154 ds·m-1之间,土壤盐分高值区主要分布在天然渠与黄河沿线区域,研究区盐渍土剖面类型属“底聚型”,即随着深度增加土壤盐分含量逐渐增大,呈现底土积盐的趋势;该研究表明应用以光谱指数数据为基础的三维IDW方法对区域土壤盐分三维特征进行解析可以达到较高精度。该研究为中原黄泛区盐渍障碍耕地的治理利用提供了可靠技术方法。     

艾比湖湿地自然保护区土壤盐分多光谱遥感反演模型

土壤盐分是衡量土壤质量的要素,也是作物生长发育的基本条件。因此,迫切地需要一种可以快速了解土壤盐分含量（SSC）的方法。针对艾比湖湿地自然保护区,基于Landsat8 OLI多光谱遥感影像,以该研究区36个土壤表层样品的盐分含量为数据源,选择相关性较好的多光谱遥感指数分析研究区土壤盐分分布状况,并将其分别与实测SSC构建线性、对数、二次函数模型,进而优选精度最高的模型来反演该研究区SSC。结果表明：（1）在多光谱遥感指数中,与SSC相关性最高的是增强型植被指数（EVI）,其相关性范围为（-0.70~-0.67）;其次是传统型植被指数（TVI）,其范围为（-0.58~-0.46）;土壤盐分指数（SI）与SSC的相关性最低,其范围为（-0.45~0.16）,其中SI3和SI4与SSC均没有相关性。（2）将实测土壤盐分值所反演的分布图与EVI对比分析,发现在西北、正南方向的艾比湖湖边周围和东北方向盐池桥的SSC均较高,其EVI的值较低,说明通过该研究区实测土壤盐分值所反演的盐分分布图与EVI的空间分布结果较为一致,表明EVI对该地区土壤盐分具有一定的敏感性,能较好地反演SSC的空间分布;（3）分别将三种EVI与实测SSC建模分析比较,发现SSC与增强型比值植被指数（ERVI）所构建的二次函数模型最好;其验证集的决定系数（R2）为0.92,均方根误差（RMSE）为2.48,相对分析误差（RPD）为2.09,模型精度较高、稳定性较为可靠,相比之下,说明ERVI对该湿地自然保护区土壤盐分有更高的敏感性,可以用来预测该区域SSC,从而进行空间反演。在TVI中加入Landsat8多光谱遥感影像的b6和b7波段,得到EVI,以此来反演SSC是可行的,且比传统可见光和近红外波段所构建的植被指数反演效果更好。因此该研究不仅可以为遥感反演提供理论参考,而且对该地区SSC的定量估算和动态监测具有重要的意义,也可作为其他区域SSC预测反演的备选方案。     

基于空间相机时间延迟积分传感器拼接区图像的像移测量

为了对由飞船姿态不稳或隔振装置的振动抑制残余量等因素产生的宽频带像移进行测量,提出了基于时间延迟积分(TDI)传感器拼接区所成图像的像移测量方法。定义了偏移系数,用以衡量成像期间像移速度与TDI传感器积分时间之间的失配度,以调制传递函数(MTF)为相机成像质量评价指标,分析了失配度与成像质量之间的关系,确定了满足成像质量的像移测量方法的精度范围;利用两片TDI传感器拼接区所拍图像存在相同内容、拍摄时刻不同的特点,阐述了基于TDI传感器拼接区图像的像移测量原理。实验结果表明测量精度达到0.2377pixel,测量频带达到228Hz,证明该方法能够对宽频带、高精度的像移进行有效测量。     

基于光谱和改进极限学习机的土壤含盐量分析

研究盐碱地的性质、组成,对于生态环境具有重要意义。传统的含盐量测定方法大多基于化学分析,因其成本高、效率低的缺点使得应用于大面积土地的可行性很低。极限学习机（ELM）作为一种基于前馈神经网络构建的机器学习系统,在许多研究中作为一种光谱处理方法被成功运用。为了改进传统的盐碱地含盐量检测方法,采用光谱学结合改进的极限学习机（ELM）模型的方法对盐碱地进行研究。根据镇赉县采集得到的62个土壤表层样本得到对应的光谱反射率和含盐量数据,提出了基于随机值改进粒子群优化算法（RVIPSO-MELM）优化的多层极限学习机模型。首先使用主成分分析提取光谱数据特征,并使用ELM算法对光谱数据建立分类模型,引入改进的粒子群优化算法以提高精度和速度。该模型结合了具有随机值的多层ELM（RV-MELM）和改进PSO算法的多层ELM（IPSO-MELM）二者的优点,在运用启发式算法搜索最优值的同时还具有随机性,提高了模型优化速度,同时以提高模型性能为目的对隐含层之间参数进行优化和选择。并且该模型可以推广到多层,对隐含层之间的参数的两种选择方法,根据经验公式计算和使用改进的启发式算法搜索,进行了提高模型性能和优化时间的讨论,实践结果表明,选择第一层参数使用改进粒子群优化算法,确定随后的隐含层之间参数选择,使用经验公式进行计算得到一种更具现实意义的方法模型。模型在进行启发式搜索最优值之前,利用蒙特卡罗方法确定一个较好的初值,使得模型能保持较高准确率的条件下,优化速度进一步提高。相比于传统方法,这种光谱分析结合ELM的模型节省时间和经济成本,有一定推广意义。