服务热线:
86-0755-23229824
您当前所在位置:首页>>光学知识
基于高光谱特征的土壤含水量遥感反演方法

0引言

随着遥感技术的广泛应用,微波、热红外和光学遥感估算土壤含水量的潜力也被大家所认可。在微波遥感(51000mm)估算土壤含水量与波长后向散射系数有关,其在大范围的应用中效果明显,但是不足之处是它的空间分辨率较低,不适用于小尺度以及野外测量;

对于热红外遥感(3.514μm)监测反演土壤含水量,一般来说,当与能够提供植被指数的光学传感器协同使用时, 其估算精度较高,但反演计算过程中涉及多种复杂的导数,反演解算过程较为繁琐,研究小范围的土壤含水量情况下不推荐使用该方法,更推荐在大面积情况下使用; 高光谱分辨率的光学遥感(4002500nm),通常称为高光谱遥感 ( hyperspectral remote sensingHRS),由于土壤含水量 θ 与土壤的高光谱反射率 R之间的相关性较大,将其与地面、机载和高空传感系统结合使用,可以在不同时空尺度上估算出土壤含水量。 因此,HSR被认为是解决上述估计土壤含水量 θ 存在空间分辨率低、适用范围小等问题上最有前途的遥感技术之一。

1、土壤含水量与光谱反射率关系

image.png 

1 θ-R的变化关系

1反映的是土壤反射率随波长的变化关系。从图1可看出不同波长所对应土壤的反射率不尽相同,在1450nm1900nm波长附近土壤反射率较低,出现了明显的波谷,在1300nm1700nm波长附近土壤反射率达到了一个较高值,出现了较为明显的波峰。

image.png 

2 θ-R关系的不同分类方法

将建立θ-R关系的方法分为以下4类:光谱反射率法(Ⅰ类)、函数法(Ⅱ类)、模型法(Ⅲ类)和机器学习法(Ⅳ类)。 图2描述了现有θ-R关系的不同分类方法。

2、波谱反射率法

相对反射率法:

刘伟东等证明了简单线性和非线性函数估算土壤含水量的效用,并描述了土壤在每个波段的反射率 R 与相对反射率 R*(在非干燥条件下)之间的关系,公式为:

image.png 

式中 a0 ,b0 ,c0 ,d0 和 e0 为辅助参数。 在低于临界水平的低湿度条件下,即在干燥条件下(θ =0),R*=1时,上述方程可修改为:

image.png 

3、函数法

Whiting等将反高斯函数 g(λ)与土壤光谱反射面相结合来估算土壤含水量,其反射面积A和振幅Z的参数与θ相关联。当使用短波红外波长进行计算时,辅助参数与反射面积A高度相关,2800nm左右的波长范围对其影响较大。 g(λ),AZ的计算公式分别为:

image.png 

式中:λ λi分别为光谱反射面中心和拐点处的波长;σ为从光谱反射面区域中心到拐点的距离;erf*)为误差函数。

4、模型法

光学模型:

Nolet等针对小面积湿润土壤反映出来的土壤反射率的变化很小,因而忽略了该部分造成的影响,并提出了一个基于兰伯特定律的针对沿海海滩砂砾进行分析的简单指数模型,公式为:

image.png 

式中 β为湿润的海滩砂砾发生散射造成光谱反射率降低的影响因子。

5、机器学习法

深度学习法包括几种统计和机器学习方法,即多元线性回归法( multiple linear regression,MLR)、逐步多元线性回归法(stepwise multiple linear regres-sion,SMLR)、主成分回归法(principal component re-gression, PCR)、 偏最小二乘回归法 ( partial leastsquares regression,PLSR),支持向量机回归法( sup-port vector machine regression ,SVMR)、多元自适应回归样条法 ( multiple adaptive regression spline ,MARS)和人工神经网络法(artificial neural network,ANN)

6、结论及展望

根据不同土壤光谱反射率与土壤含水量之间的关系,本文将 θ -R 研究方法分成4 类,并从精度、复杂性、辅助数据要求、不同遥感模式下的可操作性以及对土壤类型的依赖性等方面分析了它们的潜力和局限性。 大多数方法在试验区范围内能有效证明 θ -R 之间的关系,但方法的迁移性和扩展性还需要更多的实验验证。 其中反射率指数法(除了差分法和导数法)、函数法和模型法在计算上有优势,但它们需要获得先验的土壤信息。 在没有土壤信息的情况下,需要通过使用全部光谱反射率来估算土壤含水量,此时机器学习法更具优势,但是也取决于机器学习法在数据建模中使用的光谱数量的多少,数量过多则会影响计算效率。

image.png 

 

 

 

 

 

 

推荐  

便携式地物光谱仪iSpecField-NIR/WNIR

专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品,由于其操作灵活、便携方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式地物光谱仪
image.png

无人机机载高光谱成像系统iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统,该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制,有效地解决了在微型无人机搭载推扫式高光谱照相机时,由于振动引起的图像质量较差的问题,并具备较高的光谱分辨率和良好的成像性能。

image.png 

便携式高光谱成像系统iSpecHyper-VS1000

专门用于公安刑侦、物证鉴定、医学医疗、精准农业、矿物地质勘探等领域的最新产品,主要优势具有体积小、帧率高、高光谱分辨率高、高像质等性价比特点采用了透射光栅内推扫原理高光谱成像,系统集成高性能数据采集与分析处理系统,高速USB3.0接口传输,全靶面高成像质量光学设计,物镜接口为标准C-Mount,可根据用户需求更换物镜。

image.png 



关键词相关链接: 紫外泄漏光谱辐射仪 紫外光谱辐射仪 薄膜测量光纤光谱仪 紫外增强宽带光源 水下辐射剖面光谱仪 水质光谱吸收模块 光辐射安全光谱仪 BTDF双向透射分布函数光谱测量仪 工业集成微型光纤光谱仪 可见红外双向反射光谱测量仪(BRDF) 电致发光量子效率光谱系统 光致发光量子效率光谱系统 水质测量光谱吸收光纤探头 IR孔透射积分球 显微透反射光谱系统 太阳模拟器均匀性和稳定性测试仪 荧光比色皿支架 中红外光谱辐射仪 辐射积分球 BRDF双向反射分布函数光谱测量仪 水质光谱紫外吸收模块 便携式矿物红外光谱仪 水体光谱仪 VCSEL激光LIV光谱功率测试仪 全光谱紫外吸收光谱水质模块 COD水质光谱吸收集成模块 全吸收积分球 厌氧停留吸收光谱 全自动水体表现光谱观测系统 VCSEL激光远场测试 VCSEL激光近场测试 单色积分球均匀光源 紫外吸收微型光谱仪 紫外增强卤灯光源 VCSEL激光测试仪 余弦辐射探头 水面高光谱辐射仪 VCSEL光学测试系统 水色遥感光谱仪 LIV激光功率测试 激光LIV人眼安全测试仪 光谱功率积分球 VCSEL激光安全功率测试仪 定制积分球 量子效率光谱系统 手持式地物光谱仪 VCSEL TOF测试 雾度积分球 紫外老化光谱辐射仪 中红外光源 光谱辐射仪 IR孔透过率光谱测试仪 便携式地物光谱仪 VCSEL激光LIV测试系统 地物光谱仪厂家 显微高光谱成像系统 积分球均匀光源 水质测量光谱仪 高光谱相机 机载成像高光谱 海面高光谱 透反射光谱测试仪 积分球光源系统 地物光谱仪 透射积分球 VCSEL激光测试 光通量测试积分球 多光谱相机 无人机高光谱 超连续白光光源 机载高光谱成像仪 紫外可见近红外光谱辐射仪 手持式LIBS激光诱导击穿光谱仪 COD双光路水质光谱吸收模块 水下光谱仪 无人机高光谱成像仪 水体高光谱辐射计 地物光谱仪价格 LIBS激光诱导击穿光谱系统 辐射测量光纤光谱仪 无人机高光谱成像系统 高低温温度控制器 高光谱成像仪 光谱反射率测量仪 光纤光谱仪 光纤镜头 反射积分球 成像光谱仪 激光波长测量光纤光谱仪 水质光谱传感器 激光功率积分球 便携式高光谱相机 积分球 FieldSpec 4 HR NG 蓝菲光学积分球 积分球生产厂家 LED积分球 光谱辐照度仪 便携式光谱辐射计 拉曼测量光纤光谱仪 HR-1024i 颜色测量光纤光谱仪 便携式光谱辐射仪 handheld 2 COD、叶绿素、总氮、总磷等多参数水质分析仪 光纤光源 氘卤组合光源 抗紫外光纤 漫反射标准板 LIBS headwall高光谱成像 国产地物光谱仪 便携式太阳光谱反射仪 野外地物光谱仪 角分辨率光谱系统 太阳光谱反射比 高光谱成像仪价格 地物波谱仪
Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号-1