检索结果-内蒙古大学图书馆

干旱区地理 2019年第6期42卷 1404-1414页

作者：包青岭丁建丽王敬哲蔡亮红新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046 绿洲生态教育部重点实验室新疆乌鲁木齐830046

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河-库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与... 详细信息

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河-库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1)耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2)小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3)随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。

关键词：高光谱土壤有机质含量小波变换随机森林

来源：评论

学校读者我要写书评

暂无评论

基于SVM的绿洲荒漠交错带土壤水分与地下水埋深反演

引用

农业机械学报 2019年第12期50卷 221-230页

作者：张钧泳丁建丽谭娇新疆大学资源与环境科学学院乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆财经大学计算机科学与工程学院乌鲁木齐830032

为深入研究浅层地下水、植被和土壤的相互作用,以新疆渭干河-库车河绿洲为研究区,通过Sentinel-1A数据和Landsat数据以及土壤含水率、地下水埋深数据,结合植被以及土壤条件,通过支持向量机模型(Support vector machine,SVM)定量反演研... 详细信息

为深入研究浅层地下水、植被和土壤的相互作用,以新疆渭干河-库车河绿洲为研究区,通过Sentinel-1A数据和Landsat数据以及土壤含水率、地下水埋深数据,结合植被以及土壤条件,通过支持向量机模型(Support vector machine,SVM)定量反演研究区土壤水分以及地下水埋深信息。结果表明:0～10 cm的土壤含水率与地下水埋深之间的相关性最高。通过地形校正C模型(Topographic correction model),得到温度植被干旱指数(Temperature vegetation drought index,TVDI)精度有所提高。建立不同参数的SVM模型反演地下水埋深可行,对于单因子建模,TVDI_(MSAVI)构建的模型精度最高,建模集R^2=0. 74,均方根误差(Root mean square error,RMSE)为4. 66%,验证集R^2=0. 70,RMSE为4. 65%。相比只考虑单因子(后向散射系数(σ_(soil)~0)或TVDI),σ_(soil)~0和TVDI_(MSAVI)组合共同作用于模型精度最好,建模集R^2=0. 86,RMSE为4. 16%,验证集R^2=0. 92,RMSE为2. 73%。利用最优模型参数结果反演土壤水分区域和地下水埋深区域,其结果精度较好。地下水埋深反演结果平均相对误差为8. 23%,优于研究区以往研究18. 06%的结果。

关键词：地下水埋深土壤含水率 Sentinel-1A 支持向量机 T_s-VI特征空间

来源：评论

学校读者我要写书评

暂无评论

利用随机森林方法优选光谱特征预测土壤水分含量

引用

激光与光电子学进展 2018年第11期55卷 464-470页

作者：包青岭丁建丽王敬哲新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046 绿洲生态教育部重点实验室新疆乌鲁木齐830046

为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性,以新疆渭干河-库车河绿洲为研究区,采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特... 详细信息

为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性,以新疆渭干河-库车河绿洲为研究区,采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特征参数,包括最大吸收深度D、吸收谷右面积Ra、吸收谷左面积La、吸收谷总面积A、面积归一化最大吸收深度DA和对称度S,将反射光谱水分吸收特征与SMC进行相关性分析,通过随机森林方法对光谱水分吸收特征参数进行分类,获取各参数对SMC的重要性。运用多元逐步回归模型建立SMC反演模型。结果表明:D、A与SMC的相关性最高,同时2200nm及1400nm波段范围内的光谱吸收特征参数与SMC的相关性优于1900nm波段范围内的光谱吸收特征参数;对SMC影响较为重要的前5个参数分别为D2200、La2200、A2200、D1900和Ra2200;SMC的最佳预测模型是采用A2200、D2200建立的多元逐步回归模型,其建模集决定系数为0.88,建模集均方根误差为2.08,测试集决定系数为0.89,预测均方根误差为2.21,相对分析误差为2.80。随机森林分类能得到对土壤含水量影响较为重要的光谱水分特征参数,为干旱区精准土壤水分快速估测提供了新方法。

关键词：光谱学土壤水分含量随机森林吸收特征参数

来源：评论

学校读者我要写书评

暂无评论

和田地区植被覆盖变化及气候因子驱动分析

引用

生态学报 2020年第4期40卷 1258-1268页

作者：丁玥阿布都热合曼·哈力克陈香月木卡达斯·阿不都热合曼新疆大学资源与环境科学学院乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046

基于MODIS NDVI(2000-2016年)数据集,结合气温、降水数据,利用最大值合成法、斜率分析法及相关分析等方法,分析和田地区近17年的植被覆盖时空变化特征及其与气候因子的相关性。结果表明:(1)近17年和田地区植被覆盖的月际变化表现为先增... 详细信息

基于MODIS NDVI(2000-2016年)数据集,结合气温、降水数据,利用最大值合成法、斜率分析法及相关分析等方法,分析和田地区近17年的植被覆盖时空变化特征及其与气候因子的相关性。结果表明:(1)近17年和田地区植被覆盖的月际变化表现为先增加再减少,年际变化表现为显著上升趋势,增速为0.452/10a;(2)近17年和田地区植被覆盖增加和减少的区域分别占总面积的4.48%和0.21%,绿洲及昆仑山北部部分区域变化剧烈,高海拔区域基本不变;(3)近17年温度和降水小幅增加,增速分别为0.144/10a和0.156/10a;月尺度上,植被覆盖与温度为正相关,植被生长滞后于温度两个月;与降水以负相关为主,滞后效应不明显。(4)NDVI对气候因子响应的空间分布中,NDVI与平均温度以负相关为主,与降水以正相关为主,与降水的相关性较温度的相关性高;昆仑山北部植被对降水变化更敏感,和墨洛绿洲、策勒-于田绿洲和和田地区西南部山区对温度变化更敏感。

关键词：植被覆盖 MODIS NDVI 气候变化和田地区

来源：评论

学校读者我要写书评

暂无评论

耦合机器学习和机载高光谱数据的土壤含水量估算

引用

激光与光电子学进展 2020年第9期57卷 223-232页

作者：田美玲葛翔宇丁建丽王敬哲张振华新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(... 详细信息

准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(FDA)、吸光度二阶导数对原始高光谱数据进行预处理;采用随机森林(RF)、梯度提升回归树(GBRT)和极端梯度提升(XGBoost)三种算法进行特征变量重要性遴选,基于地理加权回归(GWR)建立模型。结果表明:FDA的预处理效果最佳,以FDA-GBRT为基础的模型效果最优,建模集与验证集的决定系数(R2)分别为0.890、0.891,四分位数间隔为3.490;GBRT算法相较于RF和XGBoost算法优势较为突出,多数模型建模集与验证集的R^2均大于0.600;GWR模型对SMC的预测建模有效,可为干旱区农业生态系统的管理与保护提供理论支撑。

关键词：土壤含水量无人机高光谱数据机器学习地理加权回归模型

来源：评论

学校读者我要写书评

暂无评论

基于不同卫星光谱模拟的土壤电导率估算研究

引用

干旱区地理 2020年第1期43卷 172-181页

作者：曹肖奕丁建丽葛翔宇梁静陈文倩陈香月唐普恩新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

土壤电导率(Electrical conductivity,EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光-近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模... 详细信息

土壤电导率(Electrical conductivity,EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光-近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数(Three-dimensional spectral index,TDSI),采用梯度提升回归树算法(Gradient boosting regression tree, GBRT)建立3种卫星土壤EC估算模型,并比对加入TDSI后模型精度的变化。结果表明:在不同土壤EC条件下,3种卫星具有相似的光谱趋势,均在红、近红外波段附近反射率较高;TDSI与土壤EC相关性基本均在0.4以上,最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息;GBRT对于土壤EC估算能力表现突出,3种卫星对土壤EC的最佳预测精度R2分别为0.831、0.847、0.903,在加入TDSI后,R2分别提高至0.835、0.857、0.935,综合分析发现,Sentinel 3对土壤EC估算效果最佳(R2=0.935,均方根误差RMSE=2.986 mS·cm-1,赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息,采用GBRT验证了不同卫星对土壤EC的估算效果,二者相结合可以有效提升模型预测精度,为干旱区土壤盐渍化定量监测与防控提供有利指导。

关键词：波谱响应土壤电导率光谱预处理三维光谱指数梯度提升回归树

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的土壤有机质质量比估算

引用

排灌机械工程学报 2020年第8期38卷 829-834页

作者：白婷丁建丽王敬哲新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处... 详细信息

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱R及其一阶导数R′、吸光度log(1/R)及其一阶导数[log(1/R)]′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明:基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和[log(1/R)]′的SOM估测模型精度较高,以[log(1/R)]′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R 2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.

关键词：土壤有机质高光谱光谱变量竞争适应重加权法随机森林

来源：评论

学校读者我要写书评

暂无评论

基于光谱指数与机器学习算法的土壤电导率估算研究

引用

土壤学报 2020年第4期57卷 867-877页

作者：曹肖奕丁建丽葛翔宇王敬哲新疆大学资源与环境科学学院乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046

土壤盐分是干旱区土壤盐渍化评价的重要指标。以新疆维吾尔自治区渭干河-库车河三角洲绿洲为例,基于土壤电导率(Electrical conductivity,EC)及可见光-近红外(Visible and near infrared,VIS-NIR)光谱数据,通过蒙特卡洛交叉验证(Monte C... 详细信息

土壤盐分是干旱区土壤盐渍化评价的重要指标。以新疆维吾尔自治区渭干河-库车河三角洲绿洲为例,基于土壤电导率(Electrical conductivity,EC)及可见光-近红外(Visible and near infrared,VIS-NIR)光谱数据,通过蒙特卡洛交叉验证(Monte Carlo cross validation,MCCV)确定364个有效样本。采用原始光谱(Raw reflectance,R)及其经过微分、吸光度(Absorbance,Abs)、连续统去除(Continuum removal,CR)等6种预处理后的数据构建光谱指数。基于遴选出的21个最优指数,采用BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、极限学习机(Extreme learning machine,ELM)三种算法对EC进行估算,并引入偏最小二乘回归(Partial least squares regression,PLSR)进行比较。结果表明:在基于R与6种光谱预处理数据构建的21个最优光谱指数之中,R_FD_RSI(R_(1913),R_(2142))表现最佳(r=0.649);与PLSR相比,机器学习算法能够显著提高模型的估算精度,R^2提高了34.55%。三种机器学习算法模型中,ELM表现最优(R^2=0.884,RMSE=3.071 mS·cm^(–1),RPIQ=2.535)。本研究中所构建的光谱指数在兼顾遥感机理的同时能深度挖掘更多的隐含信息,并且基于机器学习算法的土壤EC估算模型精度显著提高,为干旱区土壤盐分定量估算提供了科学参考。

关键词：光谱土壤电导率光谱预处理光谱指数机器学习

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-2A影像干旱区棉花叶片SPAD数字制图

引用

生态学报 2020年第22期40卷 8326-8335页

作者：唐普恩丁建丽葛翔宇张振华新疆大学资源与环境科学学院乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2... 详细信息

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案(方案1:光谱信息和最适光谱指数联合,方案2:光谱信息和物理模型生物协变量联合,方案3:光谱信息、最适光谱指数和物理模型生物协变量联合)。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明:(1)红边波段参与的最适光谱指数比值植被指数(RVI)与棉花叶片SPAD值相关性最高r=0.767,P**=0.195;(2)将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数(RVI)与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;(3)建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3>模型方案1>模型方案2,其中方案3的决定系数R2最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。

关键词： Sentinel-2A 植被指数叶绿素 PROSAIL模型随机森林

来源：评论

学校读者我要写书评

暂无评论

分数阶微分技术在机载高光谱数据估算土壤含水量中的应用

引用

光谱学与光谱分析 2022年第11期42卷 3559-3567页

作者：王瑾杰丁建丽葛翔宇张喆韩礼敬新疆大学地理与遥感科学学院新疆乌鲁木齐830017 北京师范大学防沙治沙教育部工程研究中心北京100875 中国科学院数字地球重点实验室北京100094 新疆大学新疆绿洲生态自治区重点实验室新疆乌鲁木齐830017 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830017

无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率,可获取高质量的高光谱数据。然而,高光谱数据通常伴随噪声和数据冗余,高光谱信息利用效率低,常规预处理难以满足精准估... 详细信息

无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率,可获取高质量的高光谱数据。然而,高光谱数据通常伴随噪声和数据冗余,高光谱信息利用效率低,常规预处理难以满足精准估算的需求。因此,为解决上述现实问题,针对机载高光谱影像的数据挖掘必不可少。利用分数阶微分(FOD)技术逐像元处理机载高光谱数据(步长为0.1)。通过对比FOD技术与整数阶技术对高光谱数据的改善能力,从光谱层面探寻最佳FOD阶数。在梯度提升回归树(GBRT)算法下构建土壤含水量(SMC)估算模型,最终在最佳模型下评估SMC的空间分布。结果表明:FOD技术提高光谱与SMC的相关系数(r_(max)=0.768),与原始光谱、一阶微分和二阶微分处理后的光谱同SMC相关系数相比,分别提升0.168,0.157和0.158。FOD技术提升模型估算精度的主因是突出有效光谱信息的作用,特别是与水分胁迫密切敏感的叶绿素、植物结构和水分响应波段(430,460,640,660和970 nm)。即使FOD技术取得理想的结果,不同阶数的效果仍有差异。高阶FOD对影像增加了一定噪声,相较于高阶FOD(1<阶数<2),低阶FOD(0<阶数<1)对相关性的改善更为明显。FOD技术对SMC估算模型的性能有很大提高,在0.4阶模型下取得最优结果(R^(2)_(p)=0.874,RMSEP=1.458,RPIQ=3.029)。此外,0.1—0.9阶和1.6—1.9阶的SMC估算模型比整数阶模型更优(R^(2)_(p)提升0.8%~13.8%),但根据模的RPIQ发现,低阶FOD模型在模型的预测能力方面更强。在0.4阶模型下反演农田土壤水分的空间分布表明干旱区农田SMC具有显著的空间异质性。研究结果表明低阶FOD技术有效地实现对高光谱数据挖掘,从而实现农业SMC的精准估算。该研究提出了针对机载高光谱影像处理的新方法,为干旱区精准农业实施和管理提供新的策略。

关键词：高光谱无人机分数阶微分精准农业土壤含水量

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：