CN107907490A - 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法 - Google Patents

基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法 Download PDF

Info

Publication number
CN107907490A
CN107907490A CN201711063181.2A CN201711063181A CN107907490A CN 107907490 A CN107907490 A CN 107907490A CN 201711063181 A CN201711063181 A CN 201711063181A CN 107907490 A CN107907490 A CN 107907490A
Authority
CN
China
Prior art keywords
soil
spectrum
spectral
hyperion
reflectivity
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.)
Pending
Application number
CN201711063181.2A
Other languages
English (en)
Inventor
王国强
王溥泽
阿膺兰
彭岩波
刘廷玺
薛宝林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN201711063181.2A priority Critical patent/CN107907490A/zh
Publication of CN107907490A publication Critical patent/CN107907490A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G01N2001/2866—Grinding or homogeneising

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，所述方法包括：进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，得到土壤理化参数指标；对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的高光谱特征光谱库；根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性的高光谱反演模型。通过室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，建立单要素土壤参数的高光谱特征光谱库，能够快速准确有效的建立土壤侵蚀高光谱反演模型。

Description

基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法
技术领域
本发明涉及土壤侵蚀技术领域，特别是指一种基于室外降雨和室内土壤的 土壤侵蚀高光谱反演方法。
背景技术
近年来，土壤是一种及其复杂的多孔体系，由不同含量的矿物质、水分、 气体和土壤有机质组成。水分含量是土壤的理化特性的一个重要指标,土壤含 水量的多少，直接影响土壤的固、液、气三相比，从而影响土壤与外界(主要 是与大气)之间的物质与能量交换，也是评价土壤质量优劣的重要指标。土壤 水分不仅在土壤形成过程中起着重要的作用,因为形成土壤剖面的土层内各种 物质的运移，主要是以溶液的形式进行的；而且它在很大程度上参与了土壤内 进行的许多物质转化过程：如矿物质的风化、有机化合物的合成与分解等。
土壤是含多种成分的复杂的自然综合体，土壤光谱受土壤母质、有机质、 水分等多种复杂因素的影响，在母质等其他因素固定的情况下，土壤光谱受土 壤水分的制约比较明显。不同土壤类型随水分变化稍有差别，一般随土壤水分 的增加而反射率降低，这就为用遥感方法探测土壤水分提供了可能。单现有的 遥感技术无法快速准确的建立有效的土壤侵蚀高光谱反演模型。
发明内容
本发明要解决的技术问题是提供一种基于室外降雨和室内土壤的土壤侵 蚀高光谱反演方法，能够快速准确建立土壤侵蚀高光谱反演模型。
为解决上述技术问题，本发明的实施例提供一种基于室外降雨和室内土壤 的土壤侵蚀高光谱反演方法，所述方法包括：
进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，得到土壤理化 参数指标；
对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的高光谱特 征光谱库；
根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相 关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性的高光谱反 演模型。
优选的，所述进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验， 得到土壤理化参数指标，包括：
采集并制备土壤样品，对所述土壤样品进行光谱测量，得到土壤光谱数据；
对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去噪，得到土壤 理化参数指标。
优选的，所述采集并制备土壤样品，对所述土壤样品进行光谱测量，得到 土壤光谱数据，包括：
采集并制备不同有机质含量的土壤、不同含水率的土壤样品、不同粗糙度 的土壤样品、不同全氮含量的土壤样品，分别进行土壤样品进行光谱测量，得 到土壤光谱数据。
优选的，所述对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去 噪，得到土壤理化参数指标，包括：
对土壤光谱数据进行原始数据辐射强度中暗电流去除、各光谱数据通道的 增益校准和波长订正；
根据反射率计算模型，将土壤光谱数据的辐射值数据转换成反射率数据；
分析光谱曲线噪音来源并进行去噪；
分析土壤光谱噪声分布；
对光谱曲线进行低通滤波去噪，所述低通滤波去噪包括：土壤水的光谱曲 线去噪处理、土壤有机质的光谱曲线去噪处理、土壤粗糙度的光谱曲线去噪处 理和土壤总氮的光谱曲线去噪处理。
优选的，所述对所述土壤理化参数指标进行分析筛选，建立单要素土壤参 数的高光谱特征光谱库，包括：
根据所述土壤理化参数指标对土壤水的光谱提取和分析；
根据所述土壤理化参数指标对土壤有机质的光谱提取和分析；
根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析；
根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析；
根据所述土壤理化参数指标对不同土壤属性光谱特征分析。
优选的，
所述根据所述土壤理化参数指标对土壤水的光谱提取和分析，包括：
对土壤水光谱反射率的光谱特征进行分析，对土壤水光谱反射率倒数的光 谱特征进行分析，对土壤水光谱反射率对数的光谱特征进行分析，对土壤水光 谱反射率对数的倒数的光谱特征进行分析，对土壤水光谱反射率一阶微分的光 谱特征进行分析；
所述根据所述土壤理化参数指标对土壤有机质的光谱提取和分析，包括:
对土壤有机质的光谱反射率光谱特征进行分析，对土壤有机质的光谱反射 率倒数的光谱特征进行分析，对土壤有机质的光谱反射率对数的光谱特征进行 分析，对土壤有机质的光谱反射率一阶微分的光谱特征进行分析，利用处理后 的土壤光谱数据进行光谱特征的提取和分析；
所述根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析，包括：
对土壤粗糙度光谱反射率的光谱特征进行分析，对土壤粗糙度反射率倒数 的光谱特征进行分析，对土壤粗糙度光谱反射率对数的光谱特征进行分析，对 土壤粗糙度光谱反射率一阶微分的光谱特征进行分析；
所述根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析，包 括：
对土壤总氮含量光谱反射率的光谱特征进行分析，对土壤总氮含量光谱反 射率倒数的光谱特征进行分析，对土壤总氮含量光谱反射率对数的光谱特征进 行分析，对土壤总氮含量光谱反射率一阶微分的光谱特征进行分析。
优选的，对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的 高光谱特征光谱库，包括：
选取土壤侵蚀影响大的土壤理化参数，建立单要素土壤参数的高光谱特征 光谱库。
优选的，所述根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤 可蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性 的高光谱反演模型，包括：
据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关 程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演模型；
通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元反演模型。
优选的，所述据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可 蚀性的相关程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演 模型，包括：
对土壤光谱反射率进行对数和微分变换，将选择的4个波段与土壤水分含 量分别进行单特征光谱的土壤单要素一元反演建模。
优选的，所述通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元 反演模型，包括：
利用偏最小二乘回归分析法建立多特征光谱的土壤单要素多元反演模型， 并将土壤单要素多元反演模型的反演结果与土壤单要素一元反演模型的反演 结果进行比较分析。
本发明的上述技术方案的有益效果如下：
上述方案中，通过室内光谱试验和室外光谱验证以及人工降雨侵蚀试验， 建立单要素土壤参数的高光谱特征光谱库，能够快速准确有效的建立土壤侵蚀 高光谱反演模型。
附图说明
图1为本发明实施例的方法流程图；
图2为本发明实施例的原始光谱噪声分布示意图；
图3a至3d为本发明实施例的土壤水的光谱曲线去噪处理图谱；
图4a至4f为本发明实施例的土壤有机质去噪处理图谱；
图5a至5e为本发明实施例的土壤粗糙度去噪处理图谱；
图6a至6g为本发明实施例的土壤总氮去噪处理图谱；
图7为本发明实施例的土壤水高光谱特征分析；
图8为本发明实施例的土壤水反射率特征光谱的寻峰处理示意图；
图9为本发明实施例的土壤水反射率特征光谱提取结果示意图；
图10为本发明实施例的土壤水光谱反射率倒数的特征光谱提取结果示意 图；
图11为本发明实施例的土壤水光谱反射率对数的特征光谱提取结果示意 图；
图12为本发明实施例的土壤水光谱反射率对数倒数的特征光谱提取结果 示意图；
图13为本发明实施例的土壤水光谱反射率一阶微分的特征光谱提取结果 示意图；
图14为本发明实施例的土壤有机质高光谱特征分析示意图；
图15为本发明实施例的土壤有机质反射率特征光谱的寻峰处理示意图；
图16为本发明实施例的土壤有机质反射率特征光谱提取结果示意图；
图17为本发明实施例的土壤有机质反射率倒数特征光谱的寻峰处理示意 图；
图18为本发明实施例的土壤有机质反射率倒数特征光谱提取结果示意 图；
图19为本发明实施例的土壤有机质反射率对数特征光谱的寻峰处理示意 图；
图20为本发明实施例的土壤有机质反射率对数特征光谱提取结果示意 图；
图21为本发明实施例的土壤有机质反射率一阶微分特征光谱的寻峰处理 示意图；
图22为本发明实施例的土壤有机质反射率一阶微分特征光谱提取结果示 意图；
图23为本发明实施例的土壤粗糙度的高光谱特征分析示意图；
图24为本发明实施例的土壤粗糙度反射率特征光谱的寻峰处理示意图；
图25为本发明实施例的土壤粗糙度特征光谱提取结果示意图；
图26为本发明实施例的土壤粗糙度反射率倒数特征光谱的寻峰处理示意 图；
图27为本发明实施例的土壤粗糙度反射率倒数特征光谱提取结果示意 图；
图28为本发明实施例的土壤粗糙度反射率对数特征光谱的寻峰处理示意 图；
图29为本发明实施例的土壤粗糙度反射率倒数特征光谱提取结果示意 图；
图30为本发明实施例的土壤粗糙度反射率一阶微分特征光谱的寻峰处理 示意图；
图31为本发明实施例的土壤粗糙度反射率一阶微分特征光谱提取结果示 意图；
图32为本发明实施例的土壤总氮的高光谱特征分析示意图；
图33为本发明实施例的土壤总氮反射率特征光谱的寻峰处理示意图；
图34为本发明实施例的土壤总氮反射率特征光谱提取结果示意图；
图35为本发明实施例的土壤总氮反射率倒数特征光谱的寻峰处理示意 图；
图36为本发明实施例的土壤总氮反射率倒数特征光谱提取结果示意图；
图37为本发明实施例的土壤总氮反射率对数特征光谱的寻峰处理示意 图；
图38为本发明实施例的土壤总氮反射率对数特征光谱提取结果示意图；
图39为本发明实施例的土壤总氮反射率一阶微分的特征光谱的寻峰处理 示意图；
图40为本发明实施例的土壤总氮反射率一阶微分的特征光谱提取结果示 意图；
图41为本发明实施例的不同土壤属性光谱特征分析示意图；
图42a至42d为本发明实施例的光谱反射率与敏感光谱段的一元模型示意 图；
图43a至43d为本发明实施例的光谱反射率倒数与敏感光谱段的一元模型 示意图；
图44a至44d为本发明实施例的反射率log对数与敏感光谱段一元建模示意 图；
图45a至45d为本发明实施例的基于偏最小二乘法构建的土壤水高光谱反 演模型效果图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附 图及具体实施例进行详细描述。
如图1所示，本发明的实施例一种基于室外降雨和室内土壤的土壤侵蚀高 光谱反演方法，所述方法包括：
步骤101：进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，得 到土壤理化参数指标；
步骤102：对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数 的高光谱特征光谱库；
步骤103：根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可 蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性的 高光谱反演模型。
本发明那个实施例的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方 法，通过室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，利用主成分分 析法提取了几个对土壤侵蚀影响较大的土壤理化参数，建立了单要素土壤参数 的高光谱特征光谱库。通过单相关分析，建立了单特征光谱的土壤单要素一元 反演模型；通过偏最小二乘回归法(PLSR)，建立了多特征光谱的土壤单要素 多元反演模型，结果发现，利用PLSR分析建立的反演模型效果较好。间接性的 用高光谱信息解释了土壤可蚀性，半定量的建立了土壤可蚀性的高光谱反演模 型。
优选的，所述进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验， 得到土壤理化参数指标，包括：
采集并制备土壤样品，对所述土壤样品进行光谱测量，得到土壤光谱数据；
对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去噪，得到土壤 理化参数指标。
优选的，所述采集并制备土壤样品，对所述土壤样品进行光谱测量，得到 土壤光谱数据，包括：
采集并制备不同有机质含量的土壤、不同含水率的土壤样品、不同粗糙度 的土壤样品、不同全氮含量的土壤样品，分别进行土壤样品进行光谱测量，得 到土壤光谱数据。
优选的，所述对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去 噪，得到土壤理化参数指标，包括：
对土壤光谱数据进行原始数据辐射强度中暗电流去除、各光谱数据通道的 增益校准和波长订正；
根据反射率计算模型，将土壤光谱数据的辐射值数据转换成反射率数据；
分析光谱曲线噪音来源并进行去噪；
分析土壤光谱噪声分布；
对光谱曲线进行低通滤波去噪，所述低通滤波去噪包括：土壤水的光谱曲 线去噪处理、土壤有机质的光谱曲线去噪处理、土壤粗糙度的光谱曲线去噪处 理和土壤总氮的光谱曲线去噪处理。
具体的，用的土壤样品全部来自山东省青岛市。将采集的样品置于干燥通 风处自然风干，风干过程中用木锤将干结的土块敲碎，踢出土壤以外的侵入体 (如植物残茬、石粒、砖块等杂物)和新生体(如铁锰结核和石灰结核等)， 风干后适当磨细，过2mm孔径尼龙筛，充分混匀，以备光谱测定。将处理好的 样品装入直径为8-50cm，深为1.5cm的深色容器中，并登记编号。
合成不同有机质含量的土壤样品
取出一定量的备用土壤，按照有机质含量的高低，添加复合有机肥，合成 四种不同有机质含量的土壤样品，将合成的土壤样品放置在通风处，自然烘干， 使其土壤含水率保持一致，然后分别将其置于直径为8-50cm，深为1.5cm的深 色容器中，登记编号，以备光谱测定。
不同含水率的土壤样品制备、称量与光谱测量
取出一定量的备用土壤，放置在径为8-50cm，深为1.5cm的深色容器中， 缓缓从容器边上注入蒸馏水直至土壤达到过饱和状态，在土壤表面的自由水消 失后(大概在注水后24小时)，在土壤变干的过程中频繁地测量土壤光谱反射 率，在测量反射率的同时用土壤含水率仪器同步测量土壤样品的含水率，并用 数码相机拍下此时土壤表面状况的照片，本研究所测含水率可分为10％，20％， 40％。
不同粗糙程度土壤样品的制备
将采集回的土壤样品做适当的处理，在磨细过程中过1mm,1-2mm,2mm 孔径的筛子，并挑选大小相对均一的颗粒制备成表面粗糙度不同的土壤样品， 在室内对它的光谱反射率进行测量。(粒径可分为：<1mm,1-2mm,>2mm)。
不同全氮含量的土壤样品的制备
取出一定量的备用土壤，按照土壤总氮含量的高低，添加单要素氮肥，合 成四种不同总氮含量的土壤样品，将合成的土壤样品放置在通风处，自然烘干， 使其土壤含水率保持一致，然后分别将其置于直径为8-50cm，深为1.5cm的深 色容器中，登记编号，以备光谱测定。
土壤光谱的测量
采用功率为50W标准直流钨丝石英卤素灯作为光源、探头视场角为8°的条 件下，选择光源入射角度150，光源距离30cm，探头垂直土样表面且距离土样 15cm作为室内土壤高光谱测试的几何条件。光谱仪进行优化后，测试25cm× 25cm优良朗伯性漫射材料聚四氟乙烯标定白板获得绝对反射率，每次测量前 后都进行标准版的测量以校准光谱仪。为减少误差，每个土样测5组反射率， 最后取平均值。
土壤光谱数据处理
原始数据的处理
AVA-field 2.0便携式光谱仪包含250-1700nm波段的信息，每次测得的是 各波段的辐射强度，受测量时光照和仪器的稳定性条件影响较大，为获得测量 目标的光谱特性，必须根据反射率计算模型，将辐射值数据转换成反射率数据， 测量过程中，光谱仪自带软件会自动完成原始数据校正，主要包括:原始数据 辐射强度中暗电流去除、各光谱数据通道的增益校准、波长订正等。室内地物 光谱数据测量时，参考板的反射辐射和土壤样品的反射辐射，为了抑制环境噪 声，每次测试重复5次测量，对土壤样品和参考板5次测量数据进行均值，计算 两者的反射比，获取目标地物反射率，获取的原理是认为在极短的时间内测定 的土壤和参考板的辐射强度之比即为两者的反射率之比。
光谱曲线的滤波去噪
光谱曲线噪音来源及去噪方法
以地物光谱仪为代表光电探测系统主要由光电转换系统、传输及处理系 统等组成。对于光谱信号，采集到的光谱数字信号由2个部分组成，一是检测 器对所分析的样品产生的响应信号；二是整个系统所带来的噪声信号。系统噪 声主要是各个组成部分工作时产生的，其主要噪声类型包括光学噪声、探测器 噪声、电学噪声和荧光屏颗粒噪声等(陈天江等，2005)。由于光谱仪波段之 间对能量响应上的差别，光谱曲线上存在许多。毛刺。噪声不够光滑，由于光 谱仪自身的原因，反射率变化剧烈，信噪比很低。此外，光谱仪所采集的光谱 除样品的自身信息外，还包含了其它无关信息和噪音，如样品背景和杂散光等。 系统噪声污染与样品有关的真实信号，使得信噪比很低，给光谱峰的检测判别 及进一步的数据处理带来不利因素(陈天江等，2005)。
为了得到平稳的变化，需平滑波形，以去除包含在信号内的少量噪声。 特别是在用定量方法建立模型时，旨在消除光谱数据无关信息和噪声的预处理 方法变得十分关键和必要，滤波去噪是光谱数据分析处理中最基本的数据预处 理环节之一。常用的谱图预处理方法有数据增强变换、平滑、导数、标准正态 变量变换、多元散射校正、傅立叶变换等。噪声消除最早采用的是空间域平均 法，比如基于多点的移动平均或中值法，实验表明：如果噪声的频率较高，其 量值也不大，用平滑方法可在一定程度上降低噪声(佐藤幸男，2001)。由于 噪声在频率域中都是高频成分，随着傅里叶变换以及离散傅里叶快速变换的发 展，可以在频率域设置一定的阀值进行各种滤波，像低通、带通和阻通滤波器 等。然而，由于特征信号在频域都是高频成分，仅通过简单阀值进行低通滤波， 一些特征信号常会丢失。近几年，小波变换、正交信号校正和净分析信号等一 些新方法正在得到发展和应用(褚小立等，2004)。已有众多基于小波变换及 其改进型滤波器得到广泛应用(秦侠与沈王瑛与莫金垣，2005；赵环环与严衍 禄，2006；李庆波等，2007)。
对室内测量得到的土壤样品的光谱反射率曲线进行去噪以后,除了直接 对光谱反射率(R)进行分析,并对其做不同形式的变化,以从中寻找对有机质含 量敏感的波段.变化形式包括以下4种:反射率的倒数1/R、反射率的对数(logR)、反射率对数的倒数(1/logR)、反射率的一阶微分(R’)。
有关研究发现，微分变换有助于限制低频噪声对目标光谱的影响，实际计 算中，一般用光谱的差分作为微分的有限近似，就是公式如下：
Rt(λt)＝[R(λt)-R(λt-1)]/2Δλ
式中，λi为每个波段的波长；Rt(λt)为波长λt的一阶微分光谱；△ λ是波长λt和λt-1的间隔，视波段波长而定。在使用中，△λ的选择是十分 重要的，如果△λ太小，噪声会很大，影响光谱信息的准确性，如果△λ太大， 会失去大量的细节信息。
土壤光谱噪声分布
由于所有土壤样本测试条件和环境都相同,因此所有土壤光谱曲线中所 带的噪声信号分布一致,故而任意取一样本的土壤光谱曲线分析噪声的分布。 图2为任意选取的一土壤光谱曲线以及其包络线去除曲线。可见除了起始波段 350nm处，曲线在NIR范围内较为平滑,基本不存在噪声,在VIS范围(380-780nm) 曲线不平滑,带有明显小锯齿,存在一定的噪声。噪声最大的区域分布在分光计 连接处的1000-1200nm段,而在近红外末端光谱的1650-1800nm左右也是高噪声 区域。
光谱曲线的低通滤波去噪
高光谱信号提取的很大障碍在于信号的噪音，信噪比是衡量信号性能的重 要指标之一。高光谱数据的噪声主要由电噪声和光学噪声组成，电噪声泛指如 辐射噪声、热噪声等，光噪声特指因结构引起的空间随机不均匀性噪声。本研 究首先通过傅里叶滤波器的低通滤波，将高频波段成分，保留低频成分。一般 而言，信号的精细结构、突变部分以及噪声由高频成分起作用，故经低通滤波 后，将信号的噪音和突变部分去除。
(a)土壤水的光谱曲线去噪处理
本研究滤过过程中，采用了0.1、0.05、0.01以及0.005四个水平的频率限 制。图3是用四种不同水平的频率限制后的滤波结果。从图可以看出，经0.1 和0.05水平的频率限制后，去噪效果虽明显但仍存在较大的波动现象，经0.01 水平的频率限制滤波后，波形及光谱信息特征都比较理想。在具体实例中，如 何选择滤波过程中的限制频率需要依据光谱的信噪比以及信号和噪声在频域 中的分布而定。
b)土壤有机质的光谱曲线去噪处理
在土壤有机质光谱去噪处理中，首先去除了紫外线和近红外大于1650nm部 分的光谱，因为此部分的光谱是严重噪音干扰的波段，会较大程度的影响到有 效光谱的分析，去除上述波段的反射光谱采用了0.1、0.15及0.2三个水平的频 率限制，进行低通滤波光谱去噪处理。图是用三不同水平的频率限制后的滤波 结果。从图33可以看出，经0.2水平的频率限制去噪后，去噪效果虽明显但仍 存在较大的波动现象，经0.1水平的频率限制滤波后，虽然光谱曲线很光滑但 是也大大的过滤了光谱的有效信息，经过0.15水平频率限制后，波形及光谱信 息特征都比较理想。经过低通滤波去噪后，波形依然存在微小的锯齿，这会影响到后期土壤属性的特征光谱筛选。因此，对去噪后的光谱曲线进行了光滑处 理，处理后的效果如图所示。图4包含为去噪处理前，去除紫外线和近红外大 于1650nm部分的光谱的光谱曲线，经过0.15水平频率限制去噪处理后光滑处理 的效果，由图可知，处理后的曲线光滑且与原始光谱曲线很好地保持了一致性。
c)土壤粗糙度的光谱曲线去噪处理
在土壤粗糙度光谱去噪处理中，首先去除了紫外线和近红外大于1650nm 部分的光谱，因为此部分的光谱是严重噪音干扰的波段，会较大程度的影响到 有效光谱的分析，去除上述波段的反射光谱采用了0.2、0.1、0.05、0.01四个 水平的频率限制，进行低通滤波光谱去噪处理。图是用四种不同水平的频率限 制后的滤波结果。从图5可以看出，经0.2和0.1水平的频率限制去噪后，去噪 效果虽明显但仍存在较大的波动现象，经0.01水平的频率限制滤波后，虽然光 谱曲线很光滑但是也扭曲了光谱原始的特征曲线，经过0.05水平频率限制后， 波形及光谱信息特征都比较理想。经过低通滤波去噪后，波形依然存在微小的锯齿，这会影响到后期土壤属性的特征光谱筛选。因此，对去噪后的光谱曲线 进行了光滑处理，处理后的效果如图所示。图34包含去噪处理前，去除紫外线 和近红外大于1650nm部分的光谱的光谱曲线，图为经过0.05水平频率限制去噪 处理后光滑处理的效果，处理后的曲线光滑且与原始光谱曲线很好地保持了一 致性。
d)土壤总氮的光谱曲线去噪处理
在土壤总氮光谱去噪处理中，首先去除了紫外线和近红外大于1650nm部分 的光谱，因为此部分的光谱是严重噪音干扰的波段，会较大程度的影响到有效 光
谱的分析，去除上述波段的反射光谱采用了0.2、0.15、0.1和0.01四个水 平的频率限制，进行低通滤波光谱去噪处理。图是用四种不同水平的频率限制 后的滤波结果。从图35可以看出，经0.2和0.1水平的频率限制去噪后，去噪效 果虽明显但仍存在较大的波动现象，经0.01水平的频率限制滤波后，虽然光谱 曲线很光滑但是也扭曲了光谱原始的特征曲线，经过0.15水平频率限制后，波 形及光谱信息特征都比较理想。经过低通滤波去噪后，波形依然存在微小的锯 齿，这会影响到后期土壤属性的特征光谱筛选。因此，对去噪后的光谱曲线进 行了光滑处理，处理后的效果如图所示。图6包含去噪处理前，去除紫外线和近红外大于1650nm部分的光谱的光谱曲线，经过0.15水平频率限制去噪处理后 光滑处理的效果，由图可知，处理后的曲线光滑且与原始光谱曲线很好地保持 了一致性。
优选的，所述对所述土壤理化参数指标进行分析筛选，建立单要素土壤参 数的高光谱特征光谱库，包括：
根据所述土壤理化参数指标对土壤水的光谱提取和分析；
根据所述土壤理化参数指标对土壤有机质的光谱提取和分析；
根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析；
根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析；
根据所述土壤理化参数指标对不同土壤属性光谱特征分析。
优选的，
所述根据所述土壤理化参数指标对土壤水的光谱提取和分析，包括：
对土壤水光谱反射率的光谱特征进行分析，对土壤水光谱反射率倒数的光 谱特征进行分析，对土壤水光谱反射率对数的光谱特征进行分析，对土壤水光 谱反射率对数的倒数的光谱特征进行分析，对土壤水光谱反射率一阶微分的光 谱特征进行分析；
所述根据所述土壤理化参数指标对土壤有机质的光谱提取和分析，包括:
对土壤有机质的光谱反射率光谱特征进行分析，对土壤有机质的光谱反射 率倒数的光谱特征进行分析，对土壤有机质的光谱反射率对数的光谱特征进行 分析，对土壤有机质的光谱反射率一阶微分的光谱特征进行分析，利用处理后 的土壤光谱数据进行光谱特征的提取和分析；
所述根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析，包括：
对土壤粗糙度光谱反射率的光谱特征进行分析，对土壤粗糙度反射率倒数 的光谱特征进行分析，对土壤粗糙度光谱反射率对数的光谱特征进行分析，对 土壤粗糙度光谱反射率一阶微分的光谱特征进行分析；
所述根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析，包 括：
对土壤总氮含量光谱反射率的光谱特征进行分析，对土壤总氮含量光谱反 射率倒数的光谱特征进行分析，对土壤总氮含量光谱反射率对数的光谱特征进 行分析，对土壤总氮含量光谱反射率一阶微分的光谱特征进行分析。
优选的，对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的 高光谱特征光谱库，包括：
选取土壤侵蚀影响大的土壤理化参数，建立单要素土壤参数的高光谱特征 光谱库。
具体的，光谱特征的提取和分析
土壤水的光谱提取和分析
土壤水分是土壤的重要组成部分，也是评价土壤资源优劣的主要指标之 一。图7为三个土壤含水量水平经过去噪处理后的光谱特征曲线图。由图可知， 当土壤的含水率增加时，土壤的反射率下降，通过光谱去噪处理后，将10％和 20％两个水平的土壤含水率的高光谱反演特征进行比较分析，结果发现在水的 吸收带1.4～1.5μm处，反射率的下降尤为明显，造成这种现象的主要原因是入 射辐射在水的特定吸收带处被水强烈吸收所致。在可见光部分，随着含水率变 大，反射率也明显下降，因此下雨的时候，湿的地方光线总是很暗。
3.2.1.1土壤水光谱反射率的光谱特征分析：
土壤含水率的寻峰在origin 8中进行，首先在寻峰设置中选择合适的矩形 框，既能保证原始光谱特征的基峰特征，又能最有效的选择出整个光谱波段的 特征光谱段。本研究中对土壤含水率的反射光谱选择8个矩形框,即”Number of Rect”参数选择8，然后根据原始的光谱特征调整矩形框位置，以寻找最有 效的光谱峰值，如图8所示。
图9是土壤水光谱反射率的光谱寻峰结果，结果中的曲线是光谱反射率曲 线减去寻峰过程中的基线后的曲线，寻峰结果显示，土壤水的光谱反射率的特 征光谱段有489、589、698、792、1032、1289和1456nm。
土壤水光谱反射率倒数的光谱特征分析：
图10是土壤水光谱反射率倒数的光谱寻峰结果，结果中的曲线是光谱反射 率倒数曲线减去寻峰过程中的基线后的曲线，寻峰结果显示，土壤水的光谱反 射率的特征光谱段有582、737、1305和1452nm。
土壤水光谱反射率对数的光谱特征分析：
图11是土壤水光谱反射率对数的光谱寻峰结果，结果中的曲线是光谱反射 率对数曲线减去寻峰过程中的基线后的曲线，寻峰结果显示，土壤水的光谱反 射率的特征光谱段有586、1283和1451nm。
土壤水光谱反射率对数的倒数的光谱特征分析：
图12是土壤水光谱反射率对数的倒数的光谱寻峰结果，结果中的曲线是光 谱反射率对数的倒数曲线减去寻峰过程中的基线后的曲线，寻峰结果显示，土 壤水的光谱反射率的特征光谱段有585、739、1291和1452nm。
土壤水光谱反射率一阶微分的光谱特征分析：
图13是土壤水光谱反射率微分的光谱寻峰结果，结果中的曲线是光谱反射 率微分的曲线减去寻峰过程中的基线后的曲线，寻峰结果显示，土壤水的光谱 反射率的特征光谱段有568、713、983、1039、1252、1375和1534nm。
土壤有机质的光谱提取和分析
土壤有机质是指土壤中那些来源于生物的物质，其中腐殖质是土壤有机质 的主体，腐殖质可分为胡敏酸和富里酸。胡敏酸反射能力极低，富里酸在黄红 光部分有强反射，所以一般有机质呈现棕色。图14为四个水平有机质含量的土 壤光谱特征曲线。由图14可知，有机质的特征光谱段在0.6-0.8μm之间，受含 水量的影响在1.4μm处有较大的吸收带，随着有机质的增加，土壤的光谱反射 率减小，在近红外光谱范围内尤为明显。
土壤有机质的光谱反射率光谱特征分析
土壤有机质的寻峰在origin 8中进行，首先在寻峰设置中选择合适的矩形 框，既能保证原始光谱特征的基峰特征，又能最有效的选择出整个光谱波段的 特征光谱段。本研究中根据土壤有机质光谱曲线特征对土壤有机质的反射光谱 选择4个矩形框，即”Numberof Rect”参数选择4，然后根据原始的光谱特 征调整矩形框位置，以寻找最有效的光谱峰值，如图15所示。
图16是土壤有机质反射率的光谱寻峰结果，结果中的曲线是光谱曲线和寻 峰过程中的基线对比图，寻峰结果显示，土壤有机质的光谱反射率的特征光谱 段有662、853、1042、1415和1639nm。
土壤有机质的光谱反射率倒数的光谱特征分析
本研究中根据土壤有机质光谱反射率倒数的曲线特征对土壤有机质的反 射光谱选择4个矩形框，即”Number of Rect”参数选择4，然后根据原始的 光谱特征调整矩形框位置，以寻找最有效的光谱峰值，如图17所示。
图18是土壤有机质反射率倒数的光谱寻峰结果，结果中的曲线是光谱曲线 和寻峰过程中的基线对比图，寻峰结果显示，土壤有机质的光谱反射率的特征 光谱段有569、729和1414nm。
土壤有机质的光谱反射率对数的光谱特征分析
本研究中对土壤有机质的光谱反射率对数的曲线特征选择3个矩形框, 即”Number of Rect”参数选择3，然后根据原始的光谱特征调整矩形框位置， 以寻找最有效的光谱峰值，如图19所示。
图20是土壤有机质反射率对数的光谱寻峰结果，结果中的曲线是光谱曲线 和寻峰过程中的基线对比图，寻峰结果显示，土壤有机质的光谱反射率的特征 光谱段有602、824、1325、1415和1639nm。
土壤有机质的光谱反射率一阶微分的光谱特征分析
本研究中对土壤有机质的光谱反射率一阶微分的曲线特征选择3个矩形框, 即”Number of Rect”参数选择3，然后根据原始的光谱特征调整矩形框位置， 以寻找最有效的光谱峰值，如图21所示。
图22是土壤有机质反射率对数的光谱寻峰结果，结果中的曲线是光谱曲线 和寻峰过程中的基线对比图，寻峰结果显示，土壤有机质的光谱反射率的特征 光谱段有1039和1399nm。
3.2.3土壤粗糙度的光谱提取和分析
土壤粗糙度是表征土壤水文特性和影响土壤性质的一个重要参数，可以由 土壤中各种颗粒组成比例表征。其对光谱反射特征的影响主要表现在两个方 面：一是影响土壤持水能力，进而影响土壤光谱反射；二是土壤颗粒大小本身 也对土壤的反射率有很大影响。
由图23可以看出，土壤光谱反射率随土壤粗糙度的减小而减小，土壤粗糙 度较小的土壤，在1.4μm处的水吸收带异常明显。
土壤粗糙度光谱反射率的光谱特征分析
本研究中对土壤粗糙度的光谱反射率曲线特征选择5个矩形框,即” Number ofRect”参数选择5，然后根据原始的光谱特征调整矩形框位置，以 寻找最有效的光谱峰值，如图24所示。
图25是土壤粗糙度反射率的光谱寻峰结果，结果中的曲线是光谱反射率曲 线减去寻峰过程中的基线后的曲线，寻峰结果显示，土壤粗糙度的光谱反射率 的特征光谱段有590、1031、1058、1354和1412nm。
土壤粗糙度反射率倒数的光谱特征分析
本研究中对土壤粗糙度的光谱反射率倒数的曲线特征选择4个矩形框, 即”Number of Rect”参数选择4，然后根据原始的光谱特征调整矩形框位置， 以寻找最有效的光谱峰值，如图26所示。
图27是土壤粗糙度反射率倒数的光谱寻峰结果，结果中的曲线是光谱曲线 和寻峰过程中的基线对比图，寻峰结果显示，土壤粗糙度反射率倒数的光谱反 射率的特征光谱段有1039和1399nm。
土壤粗糙度光谱反射率对数的光谱特征分析
本研究中对土壤粗糙度的光谱反射率对数的曲线特征选择5个矩形框, 即”Number of Rect”参数选择5，然后根据原始的光谱特征调整矩形框位置， 以寻找最有效的光谱峰值，如图28所示。
图29是土壤粗糙度反射率对数的光谱寻峰结果，结果中的曲线是光谱曲线 和寻峰过程中的基线对比图，寻峰结果显示，土壤粗糙度反射率对数的光谱反 射率的特征光谱段有587、859、991、1298和1415nm。
土壤粗糙度光谱反射率一阶微分的光谱特征分析
本研究中对土壤粗糙度的光谱反射率一阶微分的曲线特征选择4个矩形框, 即”Number of Rect”参数选择5，然后根据土壤粗糙度的光谱反射率一阶微 分的光谱特征调整矩形框位置，以寻找最有效的光谱特征值，如图30所示。
图31是土壤粗糙度反射率一阶微分的光谱寻峰结果，结果中的曲线是光谱 曲线和寻峰过程中的基线对比图，寻峰结果显示，土壤粗糙度反射率一阶微分 的光谱反射率的特征光谱段有567、698、1039和1390nm。
土壤总氮含量的光谱提取和分析
通过高光谱极高的光谱分辨率能够反映地物光谱的细微特征，可以揭示土 壤盐分在土壤反射光谱中的特征光谱，从而对土壤营养状况和土壤侵蚀状况做 进一步检测与评价。有图32可知，总氮在0.55-0.60μm之间和0.80-0.85μm 之间有较明显的反射峰，在1.4μm周围有较显著的吸收谷。
土壤总氮含量光谱反射率的光谱特征分析
本研究中对土壤总氮的光谱反射率的曲线特征选择6个矩形框,即” Number ofRect”参数选择6，然后根据土壤总氮的光谱反射率的光谱特征调 整矩形框位置，以寻找最有效的光谱特征值，如图33所示。
图34是土壤总氮光谱反射率的光谱寻峰结果，结果中的曲线是光谱曲线和 寻峰过程中的基线对比图，寻峰结果显示，土壤总氮光谱反射率的特征光谱段 有561、793、996、1271和1415nm。
土壤总氮含量光谱反射率倒数的光谱特征分析
本研究中对土壤总氮的光谱反射率倒数的曲线特征选择5个矩形框,即” Numberof Rect”参数选择5，然后根据土壤总氮的光谱反射率倒数的光谱特 征调整矩形框位置，以寻找最有效的光谱特征值，如图35所示。
图36是土壤总氮光谱反射率倒数的光谱寻峰结果，结果中的曲线是光谱曲 线和寻峰过程中的基线对比图，寻峰结果显示，土壤总氮光谱反射率倒数的特 征光谱段有490、582、806和1415nm。
土壤总氮含量光谱反射率对数的光谱特征分析
本研究中对土壤总氮的光谱反射率对数的曲线特征选择5个矩形框,即” Numberof Rect”参数选择5，然后根据土壤总氮的光谱反射率对数的光谱特 征调整矩形框位置，以寻找最有效的光谱特征值，如图37所示。
图38是土壤总氮光谱反射率对数的光谱寻峰结果，结果中的曲线是光谱曲 线和寻峰过程中的基线对比图，寻峰结果显示，土壤总氮光谱反射率对数的特 征光谱段有490、792和1415nm。
土壤总氮含量光谱反射率一阶微分的光谱特征分析
本研究中对土壤总氮的光谱反射率一阶微分的曲线特征选择4个矩形框, 即”Number of Rect”参数选择4，然后根据土壤总氮的光谱反射率倒数的光 谱特征调整矩形框位置，以寻找最有效的光谱特征值，如图39所示。
图40是土壤总氮光谱反射率一阶微分的光谱寻峰结果，结果中的曲线是光 谱曲线和寻峰过程中的基线对比图，寻峰结果显示，土壤总氮光谱反射率一阶 微分的特征光谱段有564、835、1039和1390nm。
不同土壤属性光谱特征分析
自然界中的地物以有其固有的特征反射光谱曲线，传统遥感器只是在几个 离散的波段上，以不同的波段宽度来获取图像，易丢失信息，高光谱遥感利用 很多很窄的波段成像，将观测到的各种地物以完整的光谱曲线记录下来，使得 识别的地物更多，信息量大。土壤本身是一种复杂的混合物，它是由物理和化 学性质个不同的物质所组成，这些物质可能会影响土壤的反射和吸收光谱特 征。土壤的光谱特征主要受成土矿物、含水量、有机质和质地等因素的影响。
图41为利用avafiled 2便携式地物高光谱仪测土壤理化性质的特征光谱， 所测的土壤属性参数有：有机质、粗糙度、含水率和总氮的光谱特征曲线。
优选的，所述根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤 可蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性 的高光谱反演模型，包括：
据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关 程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演模型；
通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元反演模型。
优选的，所述据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可 蚀性的相关程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演 模型，包括：
对土壤光谱反射率进行对数和微分变换，将选择的4个波段与土壤水分含 量分别进行单特征光谱的土壤单要素一元反演建模。
优选的，所述通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元 反演模型，包括：
利用偏最小二乘回归分析法建立多特征光谱的土壤单要素多元反演模型， 并将土壤单要素多元反演模型的反演结果与土壤单要素一元反演模型的反演 结果进行比较分析。
具体的，
土壤水分含量光谱特征及其预测
土壤水的光谱特征
土壤是含多种成分的复杂的综合体。前文已经讲到过，土壤光谱受土壤 母质、有机质、水分等多种复杂因素的影响。在母质等其余因素固定的情况下， 土壤含水量对土壤光谱反射率有着重要影响，特别是在水汽吸收峰处尤为明显 (何挺等，2006)。土壤中水的光谱特征主要体现在可见光到短波红外 (350-25O0tun)范围内，它是由水的轻基团(-OH)的振动引起。土壤中的水 通常可被分为三种：(1)结合水：这类水主要存在于土壤中的矿物晶格中。结 合水对土壤光谱的贡献主要是由矿物晶格中轻基集团-OH振动引起，集中表现1.4纳米和1.9纳米处的吸收峰的深浅变化；(2)吸附水:主要吸附在土壤的表 层，在土壤颗粒表层形成具有一定厚度水膜。吸附水主要吸附在土壤中的粘土 矿物和有机质表面。大量研究表明，土壤反射光谱曲线形状强烈地受水在1.4 纳米1.9纳米吸收峰的影响。Ishida等人(1991)的研究指出：Ca-蒙脱石在四 种不同大气湿度情况下，随着湿度的不断增加吸收峰的面积加大，而吸收峰不 对称性却在下降，反射率值减小，说明吸附水也主要影响于1.4纳米及1.9纳米； (3)自由水(孔隙水):存在于土壤颗粒之间的孔隙中。每种水对土壤光谱的 影响是不同的，有其各自的特点。土壤中自由水含量的多少是决定土壤湿度的 重要原因，它也是直接参与土壤中植物新陈代谢的主要水源。自由水被植物根 系吸收的速率受水的张力以及根系与土壤之间水的势能差异所影响。 Baumgardner等(1985)研究发现：水含量不断增加时，土壤中水的张力不断 下降，通常认为土壤的反照率将会降低，在1.4纳米、1.9纳米的吸收峰面积也 相应的增加了。这说明土壤中的自由水主要体现在1.4纳米、1.9纳米两处波谱 范围内。土壤中水对光谱的影响主要是由这三类水中轻基集团的不同振动形式 决定，是三种类型轻基集团振动的综合体现。主要集中于0.95纳米(振动极弱)、 1.2纳米(振动弱)、1.4纳米(振动强)和1.9纳米(振动极强)。
土壤水分对土壤的光谱特性有多方面的影响。在一定的含水量范围内，土 壤在可见光和近红外的光谱反射系数随土壤水分含量的增加而减少；达到一定 的土壤含水量之后，随着土壤水分含量的增加，土壤光谱反射率也随之增加； 土壤含水量还会遮盖其他土壤特性(如有机质、氧化铁)的光谱特征。由于土 壤反射光谱影响因素的复杂性，土壤反射光谱与土壤水分的定量关系有待进一 步研究确定。
土壤水的高光谱反演技术研究
数据的获取
从采集的土壤样品中获取一部分作为研究对象，用于建立土壤水分预测模 型。土壤样品在不同水分含量时的光谱反射率测定方法如前文所述：即在向土 壤样品中注入至过饱和状态，在土壤变干的过程中频繁测量土壤的反射率，相 对应的土壤水分用土壤含水量仪器同步测量。
基于相关分析法的一元模型反演
为了筛选与土壤样品土壤水的光谱反射率密切相关的光谱波段，建立了光 谱变量与多个特征光谱的相关关系，具体计算结果见表1，其中B1-B8分别表示 寻峰结果得出的八个峰值：489、589、693、791、1003、1039、1289和1456nm， 从表中可以发现，与土壤水分相关系数高的波段集中在近红外位置，也就是 1003、1039、1289、1456nm波段，且相关系数都较高，其中1289和1456nm波段 的相关系数R2在0.9以上，经过倒数、对数、对数的倒数的变换后的反射率基 本都不同程度地提高了土壤含水量的相关性。值得注意的是，进过前四种变化 后，增强了较高光谱波段与光谱变量的相关性，对较低光谱波段没有太大的贡 献，而对于微分变换，增强了较低光谱波段的相关性，但是降低了较高波段的 相关性，且相关性趋势与前四种有较大的区别。这与前人的研究结果有所不同。 这可能是因为本次研究土壤的水分含量较高，微分变换前的土壤光谱反射率已 经于土壤含水率较为相关，因而造成微分变换后的光谱形式反而放大了较为微 弱的信号，从而造成其与土壤水分含量性关性与其他光谱变量的不一致。也有 可能是因为在本研究中，筛选的波段步长较大，即较大，在微分计算过程可能 使数据失真，导致光谱与光谱变量的相关性分析与其他几种趋势不一致。
表1
经分析，选择了B5、B6、B7、B8作为建立高光谱反演土壤水模型的波段。 采用前文所述的方法，对土壤光谱反射率进行对数和微分变换，然后将选择的 4个波段与土壤水分含量分别进行一元建模，具体建模结果见图42至44。从 图中可以发现，与土壤水的建模效果好的波段都集中在B7与B8(1289和 1456nm)，其中B8为景点的水吸收波段1400附近，模型决定系数在0.9以上。 经过倒数变换的反射率较为显著地提高了B8波段的土壤水模型表现，有原来 的0.90提高到原来的0.96，其他变换形式对一元模型并没有显著地提高。虽 然由一元模型建立的土壤水反演模型在B7与B8波段的效果不错，但是由于包 含的光谱信息过于单一，造成模型的不稳定与反演精度不够，应继续探索包含 更多光谱信息的土壤水反演模型。
基于偏最小二乘法的多元模型反演
表2列出了4种光谱变量利用偏最小二乘回归分析法建立的土壤水预测模 型的表达式及精度比较。从表中可以看出，这4种光谱变量建立的模型对于建 模样本都有比较好的效果，其预测能力顺序如下：logR>1/(logR)>1/R>R。 可见这四种光谱变量建立的PLSR模型效果并不统一，其中土壤水的光谱反射率 变量的PLSR模型普遍比土壤水光谱反射率的原始数据的PLSR模型效果好。四个 光谱变量的PLSR模型用到的成分数都是四个，R2都在0.7以上。图45为模型表 现效果。利用PLSR建立的反演模型整体比基于相关分析法的一元反演模型效果 好，并且模型包含的波段成分多，光谱信息更为全面。
表2
本发明实施例的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，研 究土壤可蚀性动态变化的反射光谱表征，对土壤理化参数指标进行筛选，确定 能显著解释土壤可蚀性的最小土壤参数组合，并根据组合内各土壤理化参数与 土壤可蚀性的相关程度及其高光谱反演方法，建立基于这些土壤理化参数的土 壤可蚀性的高光谱反演模型。本部分研究较好的按照原研究计划进行，在确定 显著解释土壤可蚀性的土壤参数组合的基础上，用多种方法建立了土壤参数的 高光谱反演模型，间接性的用高光谱信息解释了土壤可蚀性，半定量的建立了 土壤可蚀性的高光谱反演模型。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述方法包括：
进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，得到土壤理化参数指标；
对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的高光谱特征光谱库；
根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性的高光谱反演模型。
2.根据权利要求1所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述进行室内光谱试验和室外光谱验证以及人工降雨侵蚀试验，得到土壤理化参数指标，包括：
采集并制备土壤样品，对所述土壤样品进行光谱测量，得到土壤光谱数据；
对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去噪，得到土壤理化参数指标。
3.根据权利要求2所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述采集并制备土壤样品，对所述土壤样品进行光谱测量，得到土壤光谱数据，包括：
采集并制备不同有机质含量的土壤、不同含水率的土壤样品、不同粗糙度的土壤样品、不同全氮含量的土壤样品，分别进行土壤样品进行光谱测量，得到土壤光谱数据。
4.根据权利要求2或3任意一项所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述对所述土壤光谱数据进行原始数据处理和光谱曲线的滤波去噪，得到土壤理化参数指标，包括：
对土壤光谱数据进行原始数据辐射强度中暗电流去除、各光谱数据通道的增益校准和波长订正；
根据反射率计算模型，将土壤光谱数据的辐射值数据转换成反射率数据；
分析光谱曲线噪音来源并进行去噪；
分析土壤光谱噪声分布；
对光谱曲线进行低通滤波去噪，所述低通滤波去噪包括：土壤水的光谱曲线去噪处理、土壤有机质的光谱曲线去噪处理、土壤粗糙度的光谱曲线去噪处理和土壤总氮的光谱曲线去噪处理。
5.根据权利要求1或2任意一项所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的高光谱特征光谱库，包括：
根据所述土壤理化参数指标对土壤水的光谱提取和分析；
根据所述土壤理化参数指标对土壤有机质的光谱提取和分析；
根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析；
根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析；
根据所述土壤理化参数指标对不同土壤属性光谱特征分析。
6.根据权利要求5所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，
所述根据所述土壤理化参数指标对土壤水的光谱提取和分析，包括：
对土壤水光谱反射率的光谱特征进行分析，对土壤水光谱反射率倒数的光谱特征进行分析，对土壤水光谱反射率对数的光谱特征进行分析，对土壤水光谱反射率对数的倒数的光谱特征进行分析，对土壤水光谱反射率一阶微分的光谱特征进行分析；
所述根据所述土壤理化参数指标对土壤有机质的光谱提取和分析，包括:
对土壤有机质的光谱反射率光谱特征进行分析，对土壤有机质的光谱反射率倒数的光谱特征进行分析，对土壤有机质的光谱反射率对数的光谱特征进行分析，对土壤有机质的光谱反射率一阶微分的光谱特征进行分析，利用处理后的土壤光谱数据进行光谱特征的提取和分析；
所述根据所述土壤理化参数指标对土壤粗糙度的光谱提取和分析，包括：
对土壤粗糙度光谱反射率的光谱特征进行分析，对土壤粗糙度反射率倒数的光谱特征进行分析，对土壤粗糙度光谱反射率对数的光谱特征进行分析，对土壤粗糙度光谱反射率一阶微分的光谱特征进行分析；
所述根据所述土壤理化参数指标对土壤总氮含量的光谱提取和分析，包括：
对土壤总氮含量光谱反射率的光谱特征进行分析，对土壤总氮含量光谱反射率倒数的光谱特征进行分析，对土壤总氮含量光谱反射率对数的光谱特征进行分析，对土壤总氮含量光谱反射率一阶微分的光谱特征进行分析。
7.根据权利要求5所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，对所述土壤理化参数指标进行分析筛选，建立单要素土壤参数的高光谱特征光谱库，包括：
选取土壤侵蚀影响大的土壤理化参数，建立单要素土壤参数的高光谱特征光谱库。
8.根据权利要求1或2任意一项所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述根据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关程度及其高光谱反演方法，建立基于土壤理化参数的土壤可蚀性的高光谱反演模型，包括：
据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演模型；
通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元反演模型。
9.根据权利要求8所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述据高光谱特征光谱库并结合组合内各土壤理化参数与土壤可蚀性的相关程度及其高光谱反演方法，建立单特征光谱的土壤单要素一元反演模型，包括：
对土壤光谱反射率进行对数和微分变换，将选择的4个波段与土壤水分含量分别进行单特征光谱的土壤单要素一元反演建模。
10.根据权利要求9所述的基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法，其特征在于，所述通过偏最小二乘回归法，建立多特征光谱的土壤单要素多元反演模型，包括：
利用偏最小二乘回归分析法建立多特征光谱的土壤单要素多元反演模型，并将土壤单要素多元反演模型的反演结果与土壤单要素一元反演模型的反演结果进行比较分析。
CN201711063181.2A 2017-11-02 2017-11-02 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法 Pending CN107907490A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711063181.2A CN107907490A (zh) 2017-11-02 2017-11-02 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711063181.2A CN107907490A (zh) 2017-11-02 2017-11-02 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法

Publications (1)

Publication Number Publication Date
CN107907490A true CN107907490A (zh) 2018-04-13

Family

ID=61842386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711063181.2A Pending CN107907490A (zh) 2017-11-02 2017-11-02 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法

Country Status (1)

Country Link
CN (1) CN107907490A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069895A (zh) * 2019-05-20 2019-07-30 中国水利水电科学研究院 冬小麦含氮量全生育时段光谱监测模型建立方法
CN110376138A (zh) * 2019-08-05 2019-10-25 北京绿土科技有限公司 基于航空高光谱的土地质量监测方法
CN111721738A (zh) * 2020-06-23 2020-09-29 陕西理工大学 基于高光谱的植物生长状态与土壤含氮量关系的分析方法
CN115096324A (zh) * 2022-05-25 2022-09-23 科大讯飞股份有限公司 路线推荐方法及相关装置、车机、车辆和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680413A (zh) * 2012-05-25 2012-09-19 浙江大学 全景环带高光谱快速检测野外土壤有机质含量的装置和方法
CN104697937A (zh) * 2015-03-18 2015-06-10 北京师范大学 一种土壤属性高光谱识别的技术方法
CN106846295A (zh) * 2016-12-19 2017-06-13 河北民族师范学院 土壤有机质的测定方法和装置
CN106918566A (zh) * 2017-03-09 2017-07-04 长江勘测规划设计研究有限责任公司 基于高光谱数据的土壤水分、盐分信息联合提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680413A (zh) * 2012-05-25 2012-09-19 浙江大学 全景环带高光谱快速检测野外土壤有机质含量的装置和方法
CN104697937A (zh) * 2015-03-18 2015-06-10 北京师范大学 一种土壤属性高光谱识别的技术方法
CN106846295A (zh) * 2016-12-19 2017-06-13 河北民族师范学院 土壤有机质的测定方法和装置
CN106918566A (zh) * 2017-03-09 2017-07-04 长江勘测规划设计研究有限责任公司 基于高光谱数据的土壤水分、盐分信息联合提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陈红艳: "土壤主要养分含量的高光谱估测研究", 《中国博士学位论文全文数据库 农业科技辑》 *
高龙梅: "麦田土壤氮素和水分的高光谱监测", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069895A (zh) * 2019-05-20 2019-07-30 中国水利水电科学研究院 冬小麦含氮量全生育时段光谱监测模型建立方法
CN110069895B (zh) * 2019-05-20 2021-06-01 中国水利水电科学研究院 冬小麦含氮量全生育时段光谱监测模型建立方法
CN110376138A (zh) * 2019-08-05 2019-10-25 北京绿土科技有限公司 基于航空高光谱的土地质量监测方法
CN110376138B (zh) * 2019-08-05 2022-09-06 北京绿土科技有限公司 基于航空高光谱的土地质量监测方法
CN111721738A (zh) * 2020-06-23 2020-09-29 陕西理工大学 基于高光谱的植物生长状态与土壤含氮量关系的分析方法
CN115096324A (zh) * 2022-05-25 2022-09-23 科大讯飞股份有限公司 路线推荐方法及相关装置、车机、车辆和存储介质

Similar Documents

Publication Publication Date Title
Askari et al. Evaluation of soil structural quality using VIS–NIR spectra
CN107907490A (zh) 基于室外降雨和室内土壤的土壤侵蚀高光谱反演方法
CN114018833B (zh) 基于高光谱遥感技术估算土壤重金属含量的方法
Jin et al. Remote estimation of soil organic matter content in the Sanjiang Plain, Northest China: The optimal band algorithm versus the GRA-ANN model
Hong et al. Cadmium concentration estimation in peri-urban agricultural soils: Using reflectance spectroscopy, soil auxiliary information, or a combination of both?
Johnson et al. Multivariate analysis of AVIRIS data for canopy biochemical estimation along the Oregon transect
Kooistra et al. The potential of field spectroscopy for the assessment of sediment properties in river floodplains
CN108801934A (zh) 一种土壤有机碳含量高光谱预测模型的建模方法
dos Santos et al. Predicting carbon and nitrogen by visible near-infrared (Vis-NIR) and mid-infrared (MIR) spectroscopy in soils of Northeast Brazil
Wei et al. Common spectral bands and optimum vegetation indices for monitoring leaf nitrogen accumulation in rice and wheat
CN107421911A (zh) 一种基于便携式近红外光谱仪的土壤氮素检测的预处理方法
Piekarczyk et al. Effects of soil surface roughness on soil reflectance measured in laboratory and outdoor conditions
CN110596028B (zh) 一种沉积型稀土La元素含量的高光谱反演方法
CN104374711B (zh) 一种树木叶面尘土量的确定方法及系统
CN106990056A (zh) 一种土壤全氮光谱估算模型校正样本集构建方法
Yang et al. Predictions of soil organic carbon using laboratory-based hyperspectral data in the northern Tianshan mountains, China
Gao et al. Mapping crop residue cover using Adjust Normalized Difference Residue Index based on Sentinel-2 MSI data
JP2020170006A (ja) 近赤外光を用いた樹木の種子選別方法
Erktan et al. Comparison of infrared spectroscopy and laser granulometry as alternative methods to estimate soil aggregate stability in Mediterranean badlands
CN111595806A (zh) 一种利用中红外漫反射光谱监测土壤碳组分的方法
Mondal et al. VIS-NIR reflectance spectroscopy for assessment of soil organic carbon in a rice-wheat field of Ludhiana district of Punjab
Kusumo et al. Predicting soil carbon and nitrogen concentrations and pasture root densities from proximally sensed soil spectral reflectance
Li et al. Chlorophyll assessment and sensitive wavelength exploration for tea (Camellia sinensis) based on reflectance spectral characteristics
LU et al. Hyper-spectral characteristics and classification of farmland soil in northeast of China
Yan et al. Performance of pretreatments and multivariate method on the hyperspectral estimation of soil moisture content.

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