详情

原文传递一种采用航空高光谱数据预测黑土氮磷钾含量的方法

专利名称：	一种采用航空高光谱数据预测黑土氮磷钾含量的方法
摘要：	本发明属于信息提取方法技术领域，具体涉及一种采用航空高光谱数据预测黑土氮磷钾含量的方法：步骤一：数据预处理，使用基于MODTRAN4+辐射传输模型的FLAASH算法对高光谱数据进行预处理，对经过辐射校正和几何校正的光谱数据进行异常波段去除和归一化处理；步骤二：光谱参量计算，计算3大类18子类的光谱参量值，计算得到的光谱参量值作为训练数据，与化验含量进行建模；步骤三：建立模型，采用主成分分析，提取土壤养分含量与光谱参量相关性最大的因子，利用最小二乘法建立回归方程，最后对模型预测结果的均方根误差进行评价，分析回归效果。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	核工业北京地质研究院
发明人：	张东辉;赵英俊;秦凯;赵宁博;裴承凯;张玉燕
专利状态：	有效
申请日期：	2017-12-05T00:00:00+0800
发布日期：	2019-06-11T00:00:00+0800
申请号：	CN201711263392.0
公开号：	CN109870419A
代理机构：	核工业专利中心
代理人：	闫兆梅
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	100029 北京市朝阳区小关东里十号院
主权项：	1.一种采用航空高光谱数据预测黑土氮磷钾含量的方法，其特征在于：该方法包括以下步骤：步骤一：数据预处理，使用基于MODTRAN4+辐射传输模型的FLAASH算法对高光谱数据进行预处理，对经过辐射校正和几何校正的光谱数据进行异常波段去除和归一化处理；步骤二：光谱参量计算，计算3大类18子类的光谱参量值，计算得到的光谱参量值作为训练数据，与化验含量进行建模；步骤三：建立模型，采用主成分分析，提取土壤养分含量与光谱参量相关性最大的因子，利用最小二乘法建立回归方程，最后对模型预测结果的均方根误差进行评价，分析回归效果。 2.根据权利要求1所述的一种采用航空高光谱数据预测黑土氮磷钾含量的方法，其特征在于：所述步骤一：数据预处理，还包括：步骤1.1辐射校正计算在高光谱传感器处接收的像元光谱辐射亮度：式中，L为传感器接收的总辐射亮度；ρ为像元表面反射率；ρe为像元周围平均表面反射率；S为大气球面反照率；Lα为大气后向散射辐射率；A、B为大气和几何条件的系数；所述辐射校正使用基于MODTRAN4+辐射传输模型的FLAASH算法对高光谱数据进行预处理；FLAASH是基于太阳波谱范围内和平面郎伯体，计算时需要元数据包括观测视场角、太阳角度、平均海拔高度、大气模型、气溶胶类型和能见度范围；步骤1.2几何校正原始图像中记录了每一帧图像的GPS时间，经过辐射校正后生成了一个时间标志记录文件*.att文件，该文件中记录了每一帧图像的GPS时间，该GPS时间都包含在POS系统结果文件的时间段内，通过时间比对和坐标投影变换就可以获得每一帧图像的姿态数据和位置数据，对图像进行几何校正，几何位置精度达到米级；步骤1.3剔除异常波段对于光谱曲线上的毛刺和陡坎等噪声波段，采用加权移动平均法或包络线消除法，剔除这些异常波段； X＝DELETE(R) 式中，R是土壤光谱反射率；X是处理后的土壤光谱反射率；步骤1.4归一化在可见光-近红外光谱建模前，为使光谱数据具有可对比性，进行光谱归一化处理，该处理有利于对比分析特征波段， X＝(Ri-Rmin)/(Rmax-Rmin) 式中，Ri是土壤光谱反射率；X是处理后的土壤光谱反射率；Rmin是土壤光谱最小反射率；Rmax是土壤光谱最大反射率。 3.根据权利要求1所述的一种采用航空高光谱数据预测黑土氮磷钾含量的方法，其特征在于：所述步骤二，光谱参量计算，还包括：光谱统计量计算：均值、中值、反差、方差、标准差和离散系数；光谱特征值计算：蓝边、绿边、黄边、红边、近红外、红外的反射率值；光谱信息量计算：斜率、吸收指数、吸收深度、吸收宽度、积分和信息熵；步骤2.1所述光谱统计量计算方法 (1)均值：返回反射率的平均值，计算公式为： Xmean＝SUM(x1,x2,...,xn)/n 式中，x1,x2,...,xn是要波段1到n的反射率； (2)中值：返回给定数值的中值，中值是在一组数值中居于中间的数值；计算公式为： xMedian＝Median(x1,x2,...,xn) x1,x2,...,xn是要从波段1到n次时居于中间的反射率值； (3)反差：返回反射率最大值和最小值的倍数，显示了光谱曲线的拉伸状况，计算公式为： XContrast＝Xmax/Xmin Xmax,Xmin分别为最大和最小反射率； (4)方差：返回n个反射率和均值之差的平方和，再求平均，显示了光谱的振动程度；计算公式为： Xi为每个波段的反射率，Xmean为反射率的均值，n为波段数； (5)标准差：返回n个反射率偏离真实值的距离平方和的平均数，即误差平方和的平均数，显示了光谱的平均分散程度；计算公式为： Xi为每个波段的反射率，Xmean为反射率的均值，n为波段数； (6)离散系数：返回剔除均值大小的影响后，n个反射率数值差异程度的大小，显示了光谱的客观分散程度；计算公式为： XVariation＝XSTDEV/Xmean Xmean为反射率的均值，XVariation为反射率的标准差；步骤2.2所述光谱特征值计算方法： (1)蓝边：为光谱在蓝光波段的拐点，蓝边是波谱曲线的一阶导数光谱曲线上在450～550nm内的极大值点，即： λB＝max(R'(λ∈(450,550nm)))) λB为蓝边波段反射率，max(R'(λ∈(450,550nm))为波段450～550nm范围内的反射率一阶导数的最大值； (2)绿边：为光谱在绿光波段的反射率极大值，即： RG＝max(R(λ∈(500,600nm))) RG为绿边波段反射率，max(R(λ∈(500,600nm)))为波段500～600nm范围内的反射率的最大值； (3)黄边：为光谱在黄光波段的拐点，是波谱曲线的一阶导数光谱曲线上在550～650nm内的极小值点，即： λY＝min(R'(λ∈(550,650nm))) λY为黄边波段反射率，min(R'(λ∈(550,650nm)))为波段550～650nm范围内的反射率一阶导数的最小值； (4)红边：为光谱在红光波段的反射率极小值，即： RR＝min(R(λ∈(600,720nm))) RR为红边波段反射率，min(R(λ∈(600,720nm)))为波段600～720nm范围内的反射率的最小值； (5)近红外平台位置：为光谱在红外光波段和红外的过渡点，定义为光谱包络线在此处的第一个包络线点，即： λI1＝λi(Rcr(λ∈(670,800nm))) λI1为近红外波段反射率，λi(Rcr(λ∈(670,800nm)))为波段670～800nm范围内的红外光波段和红外的过渡波段的反射率； (6)红外反射率极大值：为光谱在红外光波段的反射率极大值，即： RI＝max(R(λ∈(780,950nm))) RI为红外波段反射率，max(R(λ∈(780,950nm)))为波段780～950nm范围内的反射率的最大值。步骤2.3所述光谱信息量计算方法： (1)斜率：斜率k能够表示不同目标辐射在某一波段宽度内不同的辐射特性，在光谱范围[λ1,λ2]内，模拟出的直线段公式为： fi'＝kfi+b,fi∈[λ1,λ2] 式中，fi'为模拟直线段的反射率值；fi为波段λi的反射率值；k为波长λ1到λ2的斜率；b为该斜率下的直线截距； (2)吸收指数：吸收肩部反射率差Δρ＝ρ2-ρ1，则光谱吸收指数SAI的计算公式为： (3)吸收深度：吸收谷与两肩部组成的非吸收基线的距离，称为光谱吸收深度AD； AD＝1-ρmin (4)吸收宽度：光谱吸收宽度AW是最大吸收深度处相邻波段λ1和λ2一半处的光谱带宽FWHM；计算公式为： (5)积分：光谱积分是求光谱曲线在某一波长范围内的下覆面积，计算公式为：式中，f(λ)是波段λ的反射率值，λ1和λ2是积分的起始波段； (6)信息熵：信息熵选择美国Chavez提出的最佳指数OIF，即其中，σi为第i波段的标准差，Ri,j为i，j波段的相关系数；OIF值越大，波段组合的信息量越大。 4.根据权利要求1所述的一种采用航空高光谱数据预测黑土氮磷钾含量的方法，其特征在于：所述步骤三：建立模型，还包括：步骤3.1主成分分析：主成分回归法PCR，利用主成分分析将自变量数据组成为多个相互无关的新变量，选取尽可能少的组合变量代表原有自变量信息，再与因变量建立回归方程，计算方法为：将k维光谱曲线x综合成尽可能少的p维变量x’(p
所属类别：	发明专利