当前位置: 首页> 交通专利数据库 >详情
原文传递 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法
专利名称: 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法
摘要: 本发明属于土壤环境监测与评价领域,具体涉及一种基于高斯过程回归的航空高光谱遥感技术针对于土壤重金属浓度评估方法。该方法包括:1)采集研究区土壤样本,测定重金属浓度;2)获取研究区成像光谱数据;3)将成像光谱数据转换为成像反射率数据;4)将成像反射率数据通过混合像元分解方法提取得到研究区土壤分布图,获得仅具有土壤属性的成像反射率数据;5)利用高斯过程回归方法针对测定的重金属浓度和仅具有土壤属性的成像反射率数据进行建模;6)将获得的成像反射率数据输入建立好的模型,得到研究区内土壤重金属浓度的预测值。本方法具有非接触性、大范围连续地理空间、快速高效进行土壤重金属浓度评估的特点。
专利类型: 发明专利
国家地区组织代码: 江苏;32
申请人: 生态环境部南京环境科学研究所
发明人: 李海东;马伟波;谭琨;高媛赟;李辉;燕守广
专利状态: 有效
申请日期: 2019-05-27T00:00:00+0800
发布日期: 2019-08-27T00:00:00+0800
申请号: CN201910446350.3
公开号: CN110174359A
代理机构: 江苏瑞途律师事务所
代理人: 陈彬;蒋海军
分类号: G01N21/27(2006.01);G;G01;G01N;G01N21
申请人地址: 210042 江苏省南京市玄武区蒋王庙街8号
主权项: 1.一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:包括以下步骤: 1)采集研究区土壤样本,测定重金属浓度; 2)利用航空机载平台及成像光谱仪获取研究区成像光谱数据; 3)将步骤2)获得的成像光谱数据进行预处理,将光谱数据转换为具备地理空间属性与光谱空间属性的成像反射率数据; 4)将步骤3)得到的成像反射率数据通过混合像元分解方法提取得到研究区土壤分布图,获得仅具有土壤属性的成像反射率数据; 5)利用高斯过程回归方法在测定的重金属浓度和仅具有土壤属性的成像反射率数据之间建立模型; 6)将步骤4)中获得的成像反射率数据输入建立好的模型,得到研究区内土壤重金属浓度的评估值。 2.根据权利要求1所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述步骤5)具体包括以下步骤: 5-1)将步骤1)中测定的重金属浓度与步骤4)采样点处对应的成像反射率数据组合,形成研究数据集; 5-2)通过皮尔逊相关分析计算采样点重金属浓度与成像反射率数据的相关性,将相关性较高的成像反射率数据作为建立模型准备数据; 5-3)将研究数据集划分训练数据集和验证数据集; 5-4)通过高斯过程回归方法在训练数据集上针对重金属浓度和仅具有土壤属性的成像反射率数据进行模型建立,通过所述验证数据集进行模型精度检验。 3.根据权利要求2所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述步骤5-3)中,重金属浓度的最高值与最低值所在样本包含于所述训练数据集。 4.根据权利要求1或2所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:步骤1)中依据面积大于3*3范围影像空间分辨率单位的区域内确定采样点位置。 5.根据权利要求4所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述采样点处坐标记录通过实时动态差分定位方法精密确定。 6.根据权利要求5所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述步骤3)中预处理包括几何校正、辐射定标、大气校正和条带拼接。 7.根据权利要求6所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述步骤2)中的光谱数据为HyMap-C系统获取的影像块,是具有超过136个光谱波段覆盖光谱范围为0.4~2.5μm的影像数据。 8.根据权利要求2或3所述的基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法,其特征在于:所述步骤5-4)中模型建立的具体步骤如下: a)将选择好的训练数据集输入高斯过程回归模型; b)通过10折交叉验证方法对于高斯过程回归模型的参数不断进行调整; c)设置50次循环,不断重复a)和b),在循环的所有结果中选择模型出现最高和RMSEC最小时模型的参数设置为最佳模型;所述的为模型在训练数据集中的决定系数评价指标,RMSEC为模型在训练数据集中的均方根误差评价指标。 d)将验证数据集输入c)中得到的最佳模型中进行验证数据集精度验证,记录验证数据集的和RMSEP评价结果;所述为模型在验证数据集中的决定系数评价指标,RMSEP为模型在验证数据集中的决定系数评价指标; e)对验证数据集结果进行分析总结。
所属类别: 发明专利
检索历史
应用推荐