CN106568737A - 一种地面成像高光谱反演钾盐含量的方法 - Google Patents
一种地面成像高光谱反演钾盐含量的方法 Download PDFInfo
- Publication number
- CN106568737A CN106568737A CN201610958575.3A CN201610958575A CN106568737A CN 106568737 A CN106568737 A CN 106568737A CN 201610958575 A CN201610958575 A CN 201610958575A CN 106568737 A CN106568737 A CN 106568737A
- Authority
- CN
- China
- Prior art keywords
- potassium salts
- sample
- salts content
- imaging
- testing sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 title abstract description 5
- 150000003839 salts Chemical class 0.000 title abstract 5
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 239000000126 substance Substances 0.000 claims abstract description 4
- 159000000001 potassium salts Chemical class 0.000 claims description 47
- 238000012360 testing method Methods 0.000 claims description 43
- 238000002310 reflectometry Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 4
- XAEFZNCEHLXOMS-UHFFFAOYSA-M potassium benzoate Chemical compound [K+].[O-]C(=O)C1=CC=CC=C1 XAEFZNCEHLXOMS-UHFFFAOYSA-M 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- 239000001103 potassium chloride Substances 0.000 description 1
- 235000011164 potassium chloride Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于高光谱遥感应用领域，具体公开一种地面成像高光谱反演钾盐含量的方法，该方法包括如下步骤：步骤1，放置参考白板；步骤2，放置标准物质；步骤3，放置待测样品；步骤4，获取参考白板、标准物质和待测样品的成像高光谱遥感数据；步骤5，更换待测样品；步骤6，重复步骤4和步骤5直至获取所有待测样品的成像高光谱数据；步骤7，建立光谱与钾盐含量的关系模型；步骤8，利用步骤7中建立的关系模型反演待测样品的钾盐含量。该方法能够提高待测样品钾盐含量的估算效率。
Description
技术领域
本发明属于高光谱遥感应用领域，具体公开一种地面成像高光谱反演钾盐含量的方法。
背景技术
钾是农作物生长必须的营养元素，可以提高作物的保水性和抗病能力。钾盐是生产钾肥的重要原材料。对钾盐矿床开采的矿石样品进行钾盐含量反演有助于进行矿石分级和储量估算。传统的化学分析方法具有价格昂贵、分析周期长、采样间隔大等缺点。
发明内容
本发明的目的在于提供一种地面成像高光谱反演钾盐含量的方法，该方法能够提高待测样品钾盐含量的估算效率。
实现本发明目的的技术方案：一种地面成像高光谱反演钾盐含量的方法，该方法包括如下步骤：
步骤1，放置参考白板；
步骤2，放置标准样品；
步骤3，放置待测样品；
步骤4，获取参考白板、标准样品和待测样品的成像高光谱遥感数据；
步骤5，更换待测样品；
步骤6，重复步骤4和步骤5直至获取所有待测样品的成像高光谱数据；
步骤7，建立上述步骤中得到的成像高光谱数据与钾盐含量的关系模型；
步骤8，利用步骤7中建立的关系模型反演待测样品的钾盐含量。
所述的步骤1中将白板放置在成像高光谱仪的扫描仪的运行轨道下方。
所述的步骤2中，放置的标准样品为多个钾盐含量不同、但含量已知的样品，将标准样品放置在成像高光谱仪的扫描仪的运行轨道下方。
所述的步骤3中，放置的待测样品为钾盐含量未知样品，将待测样品放置在成像高光谱仪的扫描仪的运行轨道下方。
所述的步骤4的具体步骤如下：
启动成像高光谱仪，让成像高光谱仪沿轨道运行，依次扫过参考白板、标准样品和待测样品，获得上述目标物的成像高光谱数据。
所述的步骤5的具体步骤如下：
用另一件钾盐含量未知的标准样品替换所述步骤中的待测样品，替换时保持所述参考白板和标准样品的位置不变。
所述的步骤7中，先运用图像处理软件获取标准物质和待测样品的光谱曲线，再运用统计学软件建立光谱与钾盐含量的关系模型。
所述的步骤7的具体步骤如下：
步骤(7.1)打开ENVI软件，载入所述步骤5中得到的参考白板、标准样品和待测样品的成像高光谱数据的扫描图像，即DN值图像；
步骤(7.2)对白板的DN值和反射率进行线性拟合，将DN值图像转化为反射率图像；
步骤(7.3)运用SPSS软件，从标准样品的第一个波段开始，依次对待测样品的反射率参数和钾盐含量进行相关性分析，选择相关系数最大的波段和对应的反射率参数建立光谱反射率参数与钾盐含量的线性关系模型。
所述的步骤8的具体步骤如下：
将待测样品的反射率参数带入到所述步骤7中构建的光谱反射率参数与钾盐含量的线性关系模型，得到对应的钾盐含量。
本发明的有益技术效果在于：本发明的成像高光谱遥感具有数据获取速度快、价格低廉、可高密度采样等优势。本发明利用地面成像高光谱，通过建立光谱反射率与钾盐含量之间的关系，实现了待测样品钾盐含量的反演。(1)运用成像高光谱数据可以快速的分析样品中的钾盐含量，达到提升效率之功效；(2)在每一次扫描过程中都包含了标准样品，可以有效减少光线强度变化对计算结果的影响；(3)充分发挥了成像高光谱数据空间采样密度大的优势，实现了待测样品的高密度采样分析，可以更好的反映出同一件样品不同部位的钾盐含量；(4)可以同时放置多个待测样品，实现批量分析。
附图说明
图1为本发明所提供的一种地面成像高光谱反演钾盐含量的系统示意图。
图中：1为成像高光谱仪，2为轨道，3为参考白板，4为标准样品，5为待测样品。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示，本发明所提供的一种地面成像高光谱反演钾盐含量的方法，该方法包括如下步骤：
步骤1，放置参考白板3，具体步骤如下：
将白板3放置在Hyspex成像高光谱仪1的扫描仪的运行轨道2下方。
步骤2，放置标准样品4，具体步骤如下：
将5件钾盐含量不同但数值已知的矿石标准样品4放置在Hyspex成像高光谱仪1的扫描仪的运行轨道2下方。
步骤3，放置待测样品5，具体步骤如下：
将待测样品5放置在Hyspex成像高光谱仪1的扫描仪的运行轨道下方。
步骤4，获取参考白板3、标准样品4和待测样品5的成像高光谱遥感数据，具体步骤如下：
启动Hyspex成像高光谱仪1，让Hyspex成像高光谱仪1沿轨道2运行，依次扫过参考白板3、标准样品4和待测样品5，获得上述目标物参考白板3、标准样品4和待测样品5的成像高光谱数据。
步骤5，更换待测样品5，具体步骤如下：
用另一件钾盐含量未知的矿石待测样品5替换所述步骤3中的待测样品5，替换时保持参考白板1和标准样品4的位置不变。
步骤6，重复步骤4和步骤5直至获取所有待测样品5的成像高光谱数据；
步骤7，建立上述步骤(6)中得到的成像高光谱数据与待测样品5的钾盐含量的关系模型，具体步骤如下：
步骤(7.1)打开ENVI软件，载入所述步骤5中得到的参考白板1、标准样品4和待测样品5的成像高光谱数据的扫描图像，即DN值图像；
步骤(7.2)使用经验线性法，对白板1的DN值和反射率进行线性拟合，将DN值图像转化为反射率图像；
步骤(7.3)运用SPSS软件，从标准样品4的第一个波段开始，依次对待测样品5的反射率参数和钾盐含量进行相关性分析，选择相关系数最大的波段和对应的反射率参数建立光谱反射率参数与钾盐含量的线性关系模型。
反射率参数包括反射率、反射率对数、反射率倒数、反射率对数的倒数。
步骤8，利用步骤7中建立的关系模型反演待测样品5的钾盐含量，具体步骤如下：
将待测样品5的反射率参数带入到所述步骤7中构建的光谱反射率参数与钾盐含量的线性关系模型，得到对应的钾盐含量。
上面结合实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。
Claims (9)
1.一种地面成像高光谱反演钾盐含量的方法，其特征在于：包括如下步骤：
步骤1，放置参考白板(3)；
步骤2，放置标准样品(4)；
步骤3，放置待测样品(5)；
步骤4，获取参考白板(3)、标准样品(4)和待测样品(5)的成像高光谱遥感数据；
步骤5，更换待测样品(5)；
步骤6，重复步骤4和步骤5直至获取所有待测样品(5)的成像高光谱数据；
步骤7，建立上述步骤(6)中得到的成像高光谱数据与钾盐含量的关系模型；
步骤8，利用步骤7中建立的关系模型反演待测样品(5)的钾盐含量。
2.如权利要求1所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤1中将白板(3)放置在成像高光谱仪(1)的扫描仪的运行轨道(2)下方。
3.如权利要求2所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤2中，放置的标准样品(4)为多个钾盐含量不同、但含量已知的样品，将标准样品(4)放置在成像高光谱仪(1)的扫描仪的运行轨道(2)下方。
4.如权利要求3所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤3中，放置的待测样品(5)为钾盐含量未知样品，将待测样品(5)放置在成像高光谱仪(1)的扫描仪的运行轨道(2)下方。
5.如权利要求4所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤4的具体步骤如下：
启动成像高光谱仪(1)，让成像高光谱仪(1)沿轨道(2)运行，依次扫过参考白板(3)、标准样品(4)和待测样品(5)，获得上述目标物的成像高光谱数据。
6.如权利要求5所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤5的具体步骤如下：
用另一件钾盐含量未知的标准样品(4)替换所述步骤(3)中的待测样品(5)，替换时保持所述参考白板(1)和标准样品(4)的位置不变。
7.如权利要求6所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤7中，先运用图像处理软件获取标准物质和待测样品的光谱曲线，再运用统计学软件建立光谱与钾盐含量的关系模型。
8.如权利要求7所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤7的具体步骤如下：
步骤(7.1)打开ENVI软件，载入所述步骤5中得到的参考白板(1)、标准样品(4)和待测样品(5)的成像高光谱数据的扫描图像，即DN值图像；
步骤(7.2)对白板(1)的DN值和反射率进行线性拟合，将DN值图像转化为反射率图像；
步骤(7.3)运用SPSS软件，从标准样品(4)的第一个波段开始，依次对待测样品(5)的反射率参数和钾盐含量进行相关性分析，选择相关系数最大的波段和对应的反射率参数建立光谱反射率参数与钾盐含量的线性关系模型。
9.如权利要求8所述的一种地面成像高光谱反演钾盐含量的方法，其特征在于：所述的步骤8的具体步骤如下：
将待测样品(5)的反射率参数带入到所述步骤7中构建的光谱反射率参数与钾盐含量的线性关系模型，得到对应的钾盐含量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610958575.3A CN106568737B (zh) | 2016-10-28 | 2016-10-28 | 一种地面成像高光谱反演钾盐含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610958575.3A CN106568737B (zh) | 2016-10-28 | 2016-10-28 | 一种地面成像高光谱反演钾盐含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106568737A true CN106568737A (zh) | 2017-04-19 |
| CN106568737B CN106568737B (zh) | 2019-10-22 |
Family
ID=58535547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610958575.3A Active CN106568737B (zh) | 2016-10-28 | 2016-10-28 | 一种地面成像高光谱反演钾盐含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106568737B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108387680A (zh) * | 2018-03-09 | 2018-08-10 | 江苏华安科研仪器有限公司 | 一种钾盐含量检测仪 |
| CN109253976A (zh) * | 2018-10-22 | 2019-01-22 | 北京麦飞科技有限公司 | 基于光感模块的高光谱实时辐射定标方法 |
| CN111024228A (zh) * | 2019-12-31 | 2020-04-17 | 杭州高谱成像技术有限公司 | 一种高光谱相机辐射标定装置、方法及系统 |
| CN111521575A (zh) * | 2020-05-22 | 2020-08-11 | 国家地质实验测试中心 | 质控物质选择方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
| CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
| CN103185695A (zh) * | 2013-03-19 | 2013-07-03 | 华南农业大学 | 一种基于光谱的烤烟成熟度田间快速判断方法 |
| CN104596943A (zh) * | 2014-12-30 | 2015-05-06 | 中国矿业大学 | 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 |
-
2016
- 2016-10-28 CN CN201610958575.3A patent/CN106568737B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
| CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
| CN103185695A (zh) * | 2013-03-19 | 2013-07-03 | 华南农业大学 | 一种基于光谱的烤烟成熟度田间快速判断方法 |
| CN104596943A (zh) * | 2014-12-30 | 2015-05-06 | 中国矿业大学 | 一种矿区复垦场地有毒有害元素室内光谱分层测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 龚绍琦等: "滨海盐土重金属含量高光谱遥感研究", 《遥感技术与应用》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108387680A (zh) * | 2018-03-09 | 2018-08-10 | 江苏华安科研仪器有限公司 | 一种钾盐含量检测仪 |
| CN109253976A (zh) * | 2018-10-22 | 2019-01-22 | 北京麦飞科技有限公司 | 基于光感模块的高光谱实时辐射定标方法 |
| CN111024228A (zh) * | 2019-12-31 | 2020-04-17 | 杭州高谱成像技术有限公司 | 一种高光谱相机辐射标定装置、方法及系统 |
| CN111521575A (zh) * | 2020-05-22 | 2020-08-11 | 国家地质实验测试中心 | 质控物质选择方法及装置 |
| CN111521575B (zh) * | 2020-05-22 | 2023-03-14 | 国家地质实验测试中心 | 质控物质选择方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106568737B (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106568737A (zh) | 一种地面成像高光谱反演钾盐含量的方法 | |
| Peng et al. | Potential prediction of the microbial spoilage of beef using spatially resolved hyperspectral scattering profiles | |
| CN104931470B (zh) | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 | |
| Tewari et al. | Estimation of plant nitrogen content using digital image processing | |
| CN108376419A (zh) | 一种盆栽生菜的综合长势监测方法及装置 | |
| CN107976428B (zh) | 水产品化学污染物的无损实时检测方法与装置 | |
| CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
| CN107748886B (zh) | 一种基于深度相机的轨道式现代标准化果园信息感知系统 | |
| CN103257118A (zh) | 一种基于特征波段的鱼肉嫩度高光谱检测方法 | |
| CN101915738A (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
| CN107185850B (zh) | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 | |
| CN108444924B (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
| CN101339117B (zh) | 稻米参数自动测量装置及方法 | |
| CN108519339A (zh) | 一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法 | |
| CN110646407A (zh) | 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法 | |
| CN111199192A (zh) | 一种采用平行线取样的田间红提葡萄整体成熟度检测方法 | |
| CN111713440A (zh) | 基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法 | |
| CN102445421A (zh) | 一种用于快速诊断烤烟氮素叶色卡的制备方法 | |
| CN109520965A (zh) | 一种基于近红外光谱特征数据提取技术检测赖氨酸含量的方法 | |
| CN116542920A (zh) | 基于施肥溶液和土壤ec值来评估植物施肥量的评估方法 | |
| Zhang et al. | A novel non-integer order Savitzky–Golay derivative function of visible and near-infrared spectra for improving prediction accuracy of phosphorus in pig manure | |
| CN112697718A (zh) | 一种基于高光谱成像技术结合波长选择算法串联策略的调理牛排新鲜度快速检测的方法 | |
| CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
| Portalés et al. | An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery | |
| Yang et al. | A model for yellow tea polyphenols content estimation based on multi-feature fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |