CN109741239B - 一种基于土壤质量参数多空间尺度信息提取方法 - Google Patents
一种基于土壤质量参数多空间尺度信息提取方法 Download PDFInfo
- Publication number
- CN109741239B CN109741239B CN201811551747.0A CN201811551747A CN109741239B CN 109741239 B CN109741239 B CN 109741239B CN 201811551747 A CN201811551747 A CN 201811551747A CN 109741239 B CN109741239 B CN 109741239B
- Authority
- CN
- China
- Prior art keywords
- data
- inversion
- point
- soil
- meters
- 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.)
- Active
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于遥感信息提取方法,具体涉及一种基于航空高光谱数据的土壤质量参数多空间尺度信息提取方法;本发明要解决的技术问题是提供一种基于航空高光谱数据的土壤质量参数多空间尺度信息提取方法,在保证土壤参数反演质量的基础上进行多空间尺度信息提取包括以下步骤:步骤一、航空及地面数据获取;步骤二、建立土壤参数反演模型;步骤三、获得反演数据;步骤四、制作不同空间尺度的矢量点数据;步骤五、提取不同空间尺度的反演数据;步骤六、通过离散数据插值获得反演结果。
Description
技术领域
本发明属于遥感信息提取方法,具体涉及一种基于航空高光谱数据的土壤质量参数多空间尺度信息提取方法。
背景技术
土壤质量参数包括土壤养分(有机质、氮、磷、钾)、有益元素及重金属元素等指标。传统的土壤质量调查工作主要是依靠多目标地球化学调查方法来开展,在野外采集土壤样品后送至实验室进行分析,工作周期偏长。而航空高光谱技术能够在短时间内获取工作区的全部数据,并凭借光谱分辨率高的优势对各项土壤质量参数进行反演,有效提高了土壤调查的工作效率。
航空高光谱数据的空间分辨率通常达到米级,空间精度非常高,但随之带来的问题是宏观上数据分布的趋势性减弱,将原始高光谱数据进行重采样可增强宏观趋势性,但土壤参数反演的精度会受到影响,因此需要一种在不降低土壤参数反演质量的基础上进行多空间尺度信息提取的方法。
发明内容
本发明要解决的技术问题是提供一种基于航空高光谱数据的土壤质量参数多空间尺度信息提取方法,在保证土壤参数反演质量的基础上进行多空间尺度信息提取。
本发明的技术方案是:
一种基于土壤质量参数多空间尺度信息提取方法,包括以下步骤:
步骤一、航空及地面数据获取;
步骤二、建立土壤参数反演模型;
步骤三、获得反演数据;
步骤四、制作不同空间尺度的矢量点数据;
步骤五、提取不同空间尺度的反演数据;
步骤六、通过离散数据插值获得反演结果;
所述步骤一中,获取研究区的土壤航空高光谱数据,同步在地面进行土壤采样并进行室内化学分析,地面采样密度控制在1点/8Km2。
所述步骤二中,将地面采样点位置和航空高光谱图像进行空间叠加,每个采样点四周5×5个像元范围内的图像光谱值进行算术平均后作为该点的光谱值,将计算得到的所有采样点的光谱值作为模型计算的自变量,采样点化学分析数据作为因变量;
利用偏最小二乘法对自变量和因变量进行计算,得到相应土壤质量参数的反演模型。
所述步骤三中,利用步骤二建立的反演模型对原始航空高光谱数据进行波段运算,获得土壤质量参数的栅格反演数据。
所述步骤四中,制作不同空间尺度的矢量点数据,矢量点呈正方形格网分布,具体包括:(1)小尺度:点距300米×300米;(2)中尺度:点距150米×150米;(3)大尺度:点距50米×50米;(3)超大尺度:点距20米×20米。
所述步骤五中,将步骤四制作的矢量点数据与步骤三获取的栅格反演数据进行空间叠加,提取栅格图像上相应点位的反演数据,提取时将矢量点周边3×3个栅格的数值进行算术平均后作为该点数值,获得不同空间尺度的离散反演数据。
所述步骤六中,对步骤五获得的不同空间尺度的离散反演数据分别进行网格化插值并生成等值图,即可完成土壤质量参数的多空间尺度信息提取。
本发明的有益效果是:
本发明在不破坏航空高光谱数据的高空间分辨率和高光谱分辨率优势的基础上,通过后期处理能够获得不同空间尺度的土壤质量参数反演数据,有效改善了航空高光谱原始反演结果空间趋势较弱的不足,能够适应不同空间尺度的研究需求。
附图说明
图1是一种基于土壤质量参数多空间尺度信息提取方法流程图
具体实施方式
下面结合实施例对本发明进行进一步的介绍:
一种基于土壤质量参数多空间尺度信息提取方法,包括以下步骤:
步骤一、航空及地面数据获取;
步骤二、建立土壤参数反演模型;
步骤三、获得反演数据;
步骤四、制作不同空间尺度的矢量点数据;
步骤五、提取不同空间尺度的反演数据;
步骤六、通过离散数据插值获得反演结果;
所述步骤一中,获取研究区的土壤航空高光谱数据,同步在地面进行土壤采样并进行室内化学分析,地面采样密度控制在1点/8Km2。
所述步骤二中,将地面采样点位置和航空高光谱图像进行空间叠加,每个采样点四周5×5个像元范围内的图像光谱值进行算术平均后作为该点的光谱值,将计算得到的所有采样点的光谱值作为模型计算的自变量,采样点化学分析数据作为因变量;
利用偏最小二乘法对自变量和因变量进行计算,得到相应土壤质量参数的反演模型。
所述步骤三中,利用步骤二建立的反演模型对原始航空高光谱数据进行波段运算,获得土壤质量参数的栅格反演数据。
所述步骤四中,制作不同空间尺度的矢量点数据,矢量点呈正方形格网分布,具体包括:(1)小尺度:点距300米×300米;(2)中尺度:点距150米×150米;(3)大尺度:点距50米×50米;(3)超大尺度:点距20米×20米。
所述步骤五中,将步骤四制作的矢量点数据与步骤三获取的栅格反演数据进行空间叠加,提取栅格图像上相应点位的反演数据,提取时将矢量点周边3×3个栅格的数值进行算术平均后作为该点数值,获得不同空间尺度的离散反演数据。
所述步骤六中,对步骤五获得的不同空间尺度的离散反演数据分别进行网格化插值并生成等值图,即可完成土壤质量参数的多空间尺度信息提取。
实施例
一种基于航空高光谱数据的土壤质量参数多空间尺度信息提取方法,包括如下步骤:
步骤一、航空及地面数据获取
获取研究区1500Km2的土壤航空高光谱数据,传感器为CASI和SASI,空间分辨率4米,同步在地面进行土壤采样并进行室内化学分析,地面采样密度控制在1点/8Km2,采样点数量共200个。分析指标包括土壤有机质、全氮、全磷、全钾、硒、铅、汞等指标。
步骤二、建立土壤参数反演模型
将地面采样点位置和航空高光谱图像进行空间叠加,每个采样点四周5×5个像元范围内的图像光谱值进行算术平均后作为该点的光谱值,将计算得到的所有采样点的光谱值作为模型计算的自变量,采样点化学分析数据作为因变量。
利用偏最小二乘法对自变量和因变量进行计算,得到相应土壤质量参数的反演模型。
步骤三、获得反演数据
利用建立的反演模型对原始航空高光谱数据进行波段运算,获得土壤质量参数的栅格反演数据。
步骤四、制作不同空间尺度的矢量点数据
制作不同空间尺度的矢量点数据,矢量点呈正方形格网分布,具体包括:(1)小尺度:点距300米×300米;(2)中尺度:点距150米×150米;(3)大尺度:点距50米×50米;(3)超大尺度:点距20米×20米。
步骤五、提取不同空间尺度的反演数据
将步骤四制作的矢量点数据与步骤三获取的栅格反演数据进行空间叠加,提取栅格图像上相应点位的反演数据,提取时将矢量点周边3×3个栅格的数值进行算术平均后作为该点数值,获得不同空间尺度的离散反演数据。
步骤六、通过离散数据插值获得反演结果
对步骤五获得的不同空间尺度的离散反演数据分别进行网格化插值,网格化方法采用克里金法,并生成等值图,即可完成土壤质量参数的多空间尺度信息提取。
Claims (2)
1.一种基于土壤质量参数多空间尺度信息提取方法,其特征在于:包括以下步骤:
步骤一、航空及地面数据获取;
步骤二、建立土壤参数反演模型;所述步骤二中,将地面采样点位置和航空高光谱图像进行空间叠加,每个采样点四周5×5个像元范围内的图像光谱值进行算术平均后作为该点的光谱值,将计算得到的所有采样点的光谱值作为模型计算的自变量,采样点化学分析数据作为因变量;
利用偏最小二乘法对自变量和因变量进行计算,得到相应土壤质量参数的反演模型;
步骤三、获得反演数据;所述步骤三中,利用步骤二建立的反演模型对原始航空高光谱数据进行波段运算,获得土壤质量参数的栅格反演数据;
步骤四、制作不同空间尺度的矢量点数据;所述步骤四中,制作不同空间尺度的矢量点数据,矢量点呈正方形格网分布,具体包括:(1)小尺度:点距300米×300米;(2)中尺度:点距150米×150米;(3)大尺度:点距50米×50米;(3)超大尺度:点距20米×20米;
步骤五、提取不同空间尺度的反演数据;所述步骤五中,将步骤四制作的矢量点数据与步骤三获取的栅格反演数据进行空间叠加,提取栅格图像上相应点位的反演数据,提取时将矢量点周边3×3个栅格的数值进行算术平均后作为该点数值,获得不同空间尺度的离散反演数据;
步骤六、通过离散数据插值获得反演结果;所述步骤六中,对步骤五获得的不同空间尺度的离散反演数据分别进行网格化插值并生成等值图,即可完成土壤质量参数的多空间尺度信息提取。
2.根据权利要求1所述的一种基于土壤质量参数多空间尺度信息提取方法,其特征在于:所述步骤一中,获取研究区的土壤航空高光谱数据,同步在地面进行土壤采样并进行室内化学分析,地面采样密度控制在1点/8Km2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551747.0A CN109741239B (zh) | 2018-12-19 | 2018-12-19 | 一种基于土壤质量参数多空间尺度信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551747.0A CN109741239B (zh) | 2018-12-19 | 2018-12-19 | 一种基于土壤质量参数多空间尺度信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741239A CN109741239A (zh) | 2019-05-10 |
CN109741239B true CN109741239B (zh) | 2022-10-21 |
Family
ID=66360543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811551747.0A Active CN109741239B (zh) | 2018-12-19 | 2018-12-19 | 一种基于土壤质量参数多空间尺度信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741239B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112834446B (zh) * | 2020-12-31 | 2024-06-11 | 中国地质调查局沈阳地质调查中心 | 一种基于航空高光谱的黑土地质量综合评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137041A (zh) * | 2015-09-10 | 2015-12-09 | 中国农业科学院棉花研究所 | 土壤参数空间分布的监测方法和系统 |
CN107421894A (zh) * | 2017-09-28 | 2017-12-01 | 威海五洲卫星导航科技有限公司 | 基于无人机高光谱反演土壤中重金属污染监测方法 |
US9922398B1 (en) * | 2016-06-30 | 2018-03-20 | Gopro, Inc. | Systems and methods for generating stabilized visual content using spherical visual content |
-
2018
- 2018-12-19 CN CN201811551747.0A patent/CN109741239B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137041A (zh) * | 2015-09-10 | 2015-12-09 | 中国农业科学院棉花研究所 | 土壤参数空间分布的监测方法和系统 |
US9922398B1 (en) * | 2016-06-30 | 2018-03-20 | Gopro, Inc. | Systems and methods for generating stabilized visual content using spherical visual content |
CN107421894A (zh) * | 2017-09-28 | 2017-12-01 | 威海五洲卫星导航科技有限公司 | 基于无人机高光谱反演土壤中重金属污染监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109741239A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111508569B (zh) | 一种基于土壤传递函数的目标土壤性质含量预测方法 | |
CN104537222B (zh) | 基于遥感的区域植被覆盖对地表气温影响的估算方法 | |
CN104458895A (zh) | 管道三维漏磁成像检测方法及系统 | |
CN107480818A (zh) | 一种快速评估人类活动对植被覆盖变化影响的方法 | |
CN105718751B (zh) | 一种基于面积格点覆盖的深松作业面积计算方法 | |
CN104899448B (zh) | 一种集合卡尔曼滤波静态局地化方案的自适应补偿方法 | |
CN104766341B (zh) | 一种基于dsm和核密度估计的遥感影像建筑物变化检测方法 | |
CN110909447B (zh) | 一种高精度电离层区域短期预报方法 | |
CN102346808B (zh) | 一种从hj-1卫星数据反演lai的方法 | |
CN102073039B (zh) | 热红外高光谱发射率模拟方法和系统 | |
CN103279636B (zh) | 一种确定树木年龄的方法 | |
CN113313296A (zh) | 一种基于rusle的区域土壤侵蚀定量评价方法 | |
CN117933095B (zh) | 一种基于机器学习的地表发射率实时反演及同化方法 | |
CN110633841A (zh) | 基于集合采样的省级范围地块尺度快速数据同化产量预测方法 | |
CN109741239B (zh) | 一种基于土壤质量参数多空间尺度信息提取方法 | |
CN105893736A (zh) | 基于多源数据类型的被动微波土壤水分真实性检验方法 | |
CN103344740B (zh) | 基于多输入维纳模型的谷氨酸产物浓度在线软测量方法 | |
CN109033181B (zh) | 一种复杂地形地区风场地理数值模拟方法 | |
CN114417728A (zh) | 基于温度和发射率及深度学习的近地表空气温度反演方法 | |
CN108197381B (zh) | 基于寻优空间形态分析的参数辨识方法 | |
CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
CN113392365A (zh) | 一种高分辨率气象网格数据的生成方法及系统 | |
CN116222500B (zh) | 一种基于遥感数据的全河段河道断面面积动态监测方法 | |
CN113282883B (zh) | 一种逐日降水数据综合插值方法 | |
CN113610436B (zh) | 一种承灾体动态脆弱性评估方法及系统 |
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 |