重金属含量的高光谱建模反演:考古土壤中的应用

基于反射高光谱快速、无损的检测优势,以不同历史时期考古土壤作为光谱信息来源,应用相关分析和多元变量统计方法,构建了历史时期土壤重金属含量的高光谱反演模型.结果表明,Cd、Cr、Cu、Ni和Pb含量与原始光谱在400～550nm和1000～2500nm存在显著相关,微分转换有助于提取土壤中重金属元素信息.一阶微分光谱的多...     

基于热红外特征光谱的土壤重金属含量估算模型研究

利用光谱分析方法探究了北京地区农业土壤中8种重金属(Cr、Ni、Cu、Zn、As,Cd、Pb、Hg)含量与热红外发射率(8μm～13μm)的关系,分析了土壤重金属的特征光谱,并模拟预测了重金属含量的回归模型,为基于遥感光谱的土壤重金属含量监测奠定了基础.相关分析结果表明,发射率标准化比值与重金属含量的相关关系最好,可用来获取土壤中的重金属元素信息.建立了土壤重金属含量的对数值与发射率标准化比值的线性回归模型,并对回归方程的显著性进行了检验.结果表明回归方程显著,这说明发射率变量与土壤重金属含量之间存在相关关系,因此热红外发射率可以用来预测土壤的重金属含量.     

基于省域尺度的农田土壤重金属高光谱预测

利用浙江省36个县市的643个农田耕层土样的可见-近红外反射率数据以及重金属与有机质含量数据,分析了Ni、Cu、As、Hg、Zn、Cr、Cd、Pb含量与有机质含量的相关性,对比了不同重金属元素与有机质敏感波段的位置,并建立了各重金属元素含量的偏最小二乘回归(PLSR)模型.研究结果表明,Ni、Cr与有机质的相关性最优,As最差,相关系数分别为0.54、0.59、0.20,各重金属元素与有机质的相关系数与它在前三个主成份载荷图中与有机质的距离成反比;不同的重金属元素与有机质高光谱敏感波段的重叠度、回归系数的正负一致性具有明显差异,与有机质相关性越高的元素,其重叠度也越高、正负一致性也越好;在所有8种重金属元素的PLSR预测模型中,Ni、Cr的建模与预测效果较好,RPD值分别为1.94、1.80,模型具有一般的定量预测能力,其余6种重金属元素预测模型的RPD值均在1.00和1.40之间,模型只具备区别高值和低值的预测能力.该研究结果为大尺度区域土壤重金属污染的高光谱遥感监测提供了一定的理论依据与参考.     

基于分数阶微分的土壤有机质含量高光谱反演研究

土壤有机质（SOM）对改善干旱区土地盐碱化、沙漠化和草场退化等环境问题发挥着重要作用。为了探索分数阶微分方法在SOM高光谱反演的可行性,以渭干河-库车河绿洲73个土壤样本为研究对象,通过测定其SOM含量与光谱反射率,利用0.2阶微分为步长,进行0～2阶分数阶微分的数学变换,分析分数阶处理光谱与SOM含量间的相关性,运用支持向量机回归、偏最小二乘回归和随机森林（RF）等方法对SOM含量进行定量反演。结果表明：采用RF的1.2阶微分建立的SOM含量反演模型预测精度最高,决定系数为0.93,均方根误差为1.62,相对分析误差为3.65。研究结果为精准反演该地区的SOM提供了依据,也为其他地区的SOM反演提供一定的参考。     

土壤中微量重金属元素Pb的激光诱导击穿谱

从实验上测定了土壤在可见光谱区的激光诱导击穿光谱(LIBS),对测定的光谱结构进行了分析,并对可观测的谱线进行了归属,得出土壤所含的主要元素和部分微量元素;测定了不同Pb掺杂浓度下土壤中微量元素Pb405.78 nm谱线的强度,采用内标法拟合得到了该分析谱线的激光诱导击穿光谱定标曲线,由定标曲线的拟合结果计算得到Pb元素的检测限质量分数为36.7×10-6。     

基于EnMAP卫星和深度神经网络的LAI遥感反演方法

区域叶面积指数(Leaf Area Index,LAI)定量反演是开展大尺度农作物长势监测和产量估算的重要基础。针对当前区域LAI遥感定量反演存在的反演精度不理想和模型稳定性弱等问题,提出了一种基于少量训练样本进行LAI高精度反演的深度神经网络(Small Simple Learning LAI-Net,SSLLAI-Net)。该网络由2个卷积层、1个池化层和3个全连接层构成,将光谱反射率数据作为网络输入端、输出端得到LAI反演值,且该网络模型可支持小样本数据量的训练。以德国阿尔卑斯山麓高光谱遥感卫星影像Environmental Mapping and Analysis Program(EnMAP)为数据源,以该区域的谷物、玉米、油菜、其他作物为研究对象,数值实验结果表明当各作物类别的训练样本量均为50时,基于SSLLAI-Net的LAI反演精度分别为0. 95、0. 99、0. 98、0. 90;且在添加噪声的情况下,各作物类别的LAI反演精度分别为0. 95、0. 98、0. 96、0. 89。综上,提出的基于深度神经网络的区域LAI遥感定量反演方法 SSLLAI-Net是鲁棒可靠的,且该模型能够支持稳定的小样本建模。     

基于光谱梯度角的高光谱影像流形学习降维法

为了挖掘高光谱数据的光谱局部特征,从高光谱遥感数据内在的非线性结构出发,提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影（LPP）对高光谱遥感数据进行非线性降维,对距离度量进行改进,将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法,并用真实高光谱图像进行降维实验,取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明,在光谱规范化特征值方面,所提方法优于LPP方法和采用光谱角的LPP方法;在信息量的保持方面,具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。     

基于高光谱成像技术的土壤盐分含量检测

利用NIR高光谱仪(光谱范围900~1700nm)对土壤含 盐量进行了无损检测,对比分析不同含盐量土壤的水分变化情况、不同时间下土壤光谱曲线 的差异。结果表明,随着土壤中含盐量的增加,土壤中水分蒸发情况受到的影响程度不同, 从而使得不同含盐量土壤的反射率存在明显的规律;在此基础上,对比分析了不同预处理方 法,优选出原始光谱;利用多元线性回归(multiple linear regression,MLR)、主成分回归 (principal component regression,PCR)与偏最小二乘回归(partial least squares regre ssion,PLSR)方法对900700 nm范围的特征波长建立模型,对比分析不同建模效果,优选β系数提取的特征波长的P LSR模型,特征波长为936、1016136、 1151186273395425458535642 nm,最优模型的预测相关系数为0.949,预测均方根误差为2.914 g/kg。因此,今后可采用 不同波段对土壤含盐量进行定量分析,为今后表层土壤含盐量遥感预测奠定基础。     

基于深度学习的高光谱影像分类方法研究

针对高光谱影像分类方法精度不足的问题,提出一种基于空间-频谱变换（Spectral-Spatial Transformer,SST）网络的高光谱影像分类方法。首先,将高光谱影像预处理为一维特征向量。然后,设计了具有光谱-空间注意力模块和池化残差模块的SST高光谱影像分类网络。本文所提出的分类方法在Indian Pines数据集和Pavia University数据集上的总体分类精度分别为98.67%和99.87%,表明此方法具有较高的分类精度,为高光谱影像分类及应用提供了一种新方案。     

人体头发中重金属元素铬含量的高光谱检测

头发中的重金属含量可以反映出人体健康的变化。提出了运用高光谱数据检测头发中重金属元素铬含量的方法。对头发的透射率波长曲线进行了包络线消除、吸收特征参量化等处理。以化学检测的铬含量作为标准数据,化学检测精度可达90%以上。然后训练人工神经网络,通过调节网络的隐含层层数、结点数和激活函数来优化模型。实验计算表明,隐含层层数为1,结点数为7或9的人工神经网络的预测效果较好。利用统计实验结果对人工神经网络的内部精度和外部精度进行评价。人体头发中铬的敏感波段为1380 nm～1550 nm、1880 nm～2100 nm、2120 nm～2210 nm;训练后的神经网络预测的均方根误差为13%,精度达87%。实验结果表明,应用高光谱技术可以快速无损地检测人体头发中的重金属元素铬的含量。     

改进的XGBoost杂散电流预测及可解释模型

为了解决影响地铁轨道的杂散电流特征众多,常规特征选择方法影响模型预测精度及模型结果可解释性差的问题,提出基于最优特征改进极端梯度提升（XGBoost）的杂散电流预测模型。利用遗传算法的灵活性和较强的搜索能力,在包含原始V个特征的集合中逐代寻找使目标函数均方误差（MSE）最小的前M个特征,建立最优特征选取方法下的杂散电流预测模型（OFS-XGBoost）。同时为了解决OFS-XGBoost模型预测结果较好,但是黑箱模型对预测结果解释性不足的问题,提出基于SHAP理论的归因分析框架,根据杂散电流特征样本的边际贡献,以易于理解的的方式显示特征集合对模型预测结果的影响,提高模型可解释性。结果表明：所提模型的预测误差仅为1.684%,低于相同优化策略下的随机森林、反向传播（BP）神经网络等预测模型;基于SHAP值的归因分析方法可以从全局与个体角度解释输入特征对杂散电流预测结果的影响,在提高模型可解释性的基础上辅助地铁智能化健康管理。     

基于压缩感知的高光谱遥感影像重构方法研究

高光谱遥感影像包含丰富的空间、辐射以及光谱信息,同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题,根据高光谱遥感影像谱间相关性强的特性,提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先,根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组,每组确定一个参考波段,使用平滑l_0范数算法重构每组的参考波段。其次,根据重构恢复的相邻组内的参考波段,建立了一个非参考波段预测模型,用来计算非参考波段的预测测量值;然后,计算实际测量值与预测测量值的差值,使用SL0算法重构该差值得到差值向量;最后,利用得到的差值向量迭代更新预测测量值,直到恢复该波段原始图像。仿真实验结果表明,该方法提高了高光谱遥感影像的重构效果。     

基于集群和GPU的高光谱遥感影像并行处理

以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标,分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法,以及基于GPU设计并实现了SCM并行算法,并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明,高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果,是高光谱遥感工程化应用快速处理重要的技术手段。     

基于半分析模型的新庙泡叶绿素a浓度反演研究

叶绿素a(Chl-a)含量是反映水体水质的重要参数之一,利用遥感技术监测其浓度具有众多优势.本研究利用2004年5-9月的吉林省新庙泡实测高光谱数据和实验室分析数据,建立了基于三波段的Chl-a浓度反演模型.该模型基于水体叶绿素a、悬浮物、溶解有机物、纯水的生物光学特性分析,优化组合了3个特征波长.结果表明用该方法建立的模型具有一定的物理基础,反演精度较高,其决定系数和均方根误差分别为0.8758、4.98μg·L-1,适合于内陆水体Chi-a含量的定量提取.     

基于反射光谱特征的土壤盐碱化评价

以吉林省西部盐碱土及其光谱反射率为研究对象,采用一阶微分、去包络线方法建立各种土壤光谱指数,分析并确定反映盐碱化程度的最佳波段与土壤光谱指数,建立盐碱化土壤参数的高光谱定量模型用于评价土壤盐碱化程度.结果表明:盐碱土在400～2500nm的范围内主要有五个明显的吸收谷,碱斑土壤由于富含盐分在五个吸收谷范围的吸收特征均显著强于其他土壤;不同地域土壤属性间相关关系存在共性,pH值与电导率正相关,二者都与有机质负相关;微分、去包络线方法得到的光谱指数与土壤参数的相关系数显著优于反射率,去包络线方法得到的土壤光谱指数普适性更强;基于土壤光谱指数的高光谱模型可以准确预测盐碱土pH值,可以用于土壤的盐碱化程度评价.