控，光源采用距土樣表面70cm的1000W的鹵光燈提供到土壤樣本幾乎平行的光纖，用于減小土壤粗糙度造成陰影的影像，光源的天頂角設定為15°。采用8°視場角的長安器探頭置于離土樣表面35vm的垂直上方。測試之前線去除輻射強度中暗電流的影像，然后以30CmX30Cm的灰色參考版進行定標。每個土壤采集多條光譜曲線，算數(shù)平均后得到該土樣的實際反射光譜數(shù)據(jù)，試驗參數(shù)的涉及參照Chappell等(2005)的光譜試驗方法，并根據(jù)具體情況作適當調(diào)整。在針對土壤有機質(zhì)的光譜測試前，為保證在不同時期土壤水分的相對一致性，需對土壤進行40°C條件下烘干及再冷卻的預處理。土壤含水率的光譜測試是通過對水分調(diào)配建立多組土壤樣品，分別測定光譜的反射率的變化完成。
[0040]在試驗過程中，采用Avantes公司的地物光譜儀，波長范圍300_1800nm。在功率為50W標準直流鎢絲石英鹵素燈作為光源、探頭視場角為8。的條件下，選擇光源入射角度150，光源距離30cm，探頭垂直土樣表面且距離土樣15cm作為室內(nèi)土壤高光譜測試的幾何條件。光譜儀進行優(yōu)化后，測試25cmX25cm優(yōu)良朗伯性漫射材料聚四氟乙烯標定白板獲得絕對反射率，每次測量前后都進行標準版的測量以校準光譜儀。為減少誤差，每個土樣測5組反射率，最后取平均值并記錄。
[0041]本實施例中，步驟S4中，所述土壤K值按下述公式(I)計算:
[0042]K = ΣΑ/Σ (RXLS) (I)
[0043]其中，所述A表示潛在的多年平均年侵蝕量，所述R表示降雨侵蝕力因子，所述K表示可蝕性因子，所述LS表示坡長因子。
[0044]更具體為:土壤通用流失方程USLE方程，見公式⑵中:
[0045]a = rxkxlsxcxp (2)
[0046]其中，所述A表示潛在的多年平均年侵蝕量，所述R表示降雨侵蝕力因子，所述K表示土壤可蝕性因子，所述LS表示坡長因子，所述C表示植被覆蓋和經(jīng)營管理因子，所述P表不水土保持措施因子(Wischmeier and Kohnson, 1971)。
[0047]在本發(fā)明中，假設管理因子(C和P)等于1，土壤通用流失方程USLE方程簡化為公式⑶:
[0048]A = RXKXLS (3)
[0049]因此土壤K值的計算公式⑷為:
[0050]K = ΣΑ/Σ (RXLS) (4)
[0051]在本實施例中，步驟S5中，采用偏最小二乘方法建立所述土壤K值與所述地表反射率反演模型的關系，并通過全波段系數(shù)大小的排列，建立土壤可蝕性反演模型。
[0052]在本實施例中，所述偏最小二乘方法，具體為:首先，從自變量X(xl，x2，...，xp。)中提取相互獨立的成分氣(h = 1，2，..)，從因變量Y(yl，...，yp)中提取相互獨立的成分uk(k = 1，2，..)，然后，建立成分uk與自變量的回歸方程；其中，所述自變量X表示土壤K值，因變量Y表示所述地表反射率反演模型中的地表反射率。與主成分回歸不同，偏最小二乘回歸所提取的成分既能較好地概括自變量系統(tǒng)中的信息，又能很好地解釋因變量并排除系統(tǒng)中的噪聲干擾，因而能有效地解決自變量間多重相關性情況下的回歸建模問題，其計算結果更為可靠。
[0053]在本實施例中，所述監(jiān)督分類采用下述方法:人工神經(jīng)網(wǎng)法、波譜角制圖法或支持向量機法。
[0054]在本實施例中，所述地表反射率反演模型中包括的算法包括:PLSR偏最小二乘回歸法。
[0055]通過采用本發(fā)明公開的上述技術方案，得到了如下有益的效果:
[0056]本發(fā)明依據(jù)高光譜反演理論，研宄土壤理化參數(shù)對土壤反射光譜特征的影響機理，建立土壤參數(shù)高光譜土壤反演模型。利用試驗手段揭示侵蝕過程中土壤表層形態(tài)的動態(tài)演變過程，并通過比較侵蝕前后土壤反射光譜特征的變化闡明土壤可蝕性的動態(tài)演變與土壤反射率光譜特征的變化之間的相關關系，建立影響可蝕性K的土壤屬性的高光譜模型。
[0057]以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視本發(fā)明的保護范圍。
【主權項】
1.一種土壤屬性高光譜識別技術方法，其特征在于，該方法包括以下步驟: SI，基于遙感衛(wèi)星數(shù)據(jù)，獲取不同時間的土壤高光譜圖像； S2，對所述土壤的高光譜圖像進行預處理，經(jīng)過監(jiān)督分類得到裸露土壤，然后提取所述裸露土壤的地表反射率，依據(jù)所述裸露土壤的地表反射率建立裸露土壤地表反射率反演模型； S3，設計室內(nèi)土壤侵蝕性試驗，獲得與所述土壤高光譜圖像獲取時間相對應的土壤可蝕性數(shù)據(jù)； 所述土壤可蝕性數(shù)據(jù)包括:降雨前實測土壤的反射率和降雨后實測土壤的反射率； S4，通過獲得的土壤可蝕性數(shù)據(jù)，進行土壤分類并計算土壤K值； S5，根據(jù)所述土壤K值和所述裸露土壤地表反射率反演模型中的光譜數(shù)據(jù)，建立影響可蝕性K的土壤屬性的高光譜模型。
2.根據(jù)權利要求1所述土壤屬性高光譜識別技術方法，其特征在于，步驟S3中，所述設計室內(nèi)土壤侵蝕性試驗，獲取與所述土壤高光譜圖像獲得時間相對應的土壤可蝕性數(shù)據(jù)，具體按照下述方法實現(xiàn): 分別選取研宄區(qū)的兩種土壤:第一土壤和第二土壤，根據(jù)實驗地點的氣象特點和地勢特點，設計人工侵蝕土壤試驗的雨強、雨型、雨滴大小與坡度；在此基礎上制備試驗土槽，并調(diào)試人工降雨設備與便攜式高光譜儀器，設計總降雨歷時為40分鐘，每隔8分鐘選取樣品，采用測量儀器測量并記錄所述樣品的土壤可蝕性數(shù)據(jù)。
3.根據(jù)權利要求1所述土壤屬性高光譜識別技術方法，其特征在于，步驟S4中，所述土壤K值按下述公式(I)計算: K = ΣΑ/Σ (RXLS) (I) 其中，所述A表示潛在的多年平均年侵蝕量，所述R表示降雨侵蝕力因子，所述K表示土壤可蝕性因子，所述LS表示坡長因子。
4.根據(jù)權利要求1所述土壤屬性高光譜識別技術方法，其特征在于，步驟S5中，采用偏最小二乘方法建立所述土壤K值與所述地表反射率反演模型中光譜數(shù)據(jù)的關系，并通過全波段系數(shù)大小的排列，建立影響可蝕性K的土壤屬性的高光譜模型。
5.根據(jù)權利要求4所述土壤屬性高光譜識別技術方法，其特征在于，所述偏最小二乘方法，具體為:首先，從自變量XU1, X2, , Xp)中提取相互獨立的成分氣h = 1，2，..n，從因變量Y(yp y2，...，yp)中提取相互獨立的成分uk(k = 1,2,..)，然后，建立成分uk與自變量X的回歸方程； 其中，所述自變量X表示所述土壤K值，所述因變量Y表示所述地表反射率反演模型中的地表反射率。
6.根據(jù)權利要求1所述土壤屬性高光譜識別技術方法，其特征在于，所述監(jiān)督分類采用下述方法:人工神經(jīng)網(wǎng)法、波譜角制圖法或支持向量機法。
7.根據(jù)權利要求1所述土壤屬性高光譜識別技術方法，其特征在于，所述裸露土壤地表反射率反演模型中包括的算法包括:PLSR偏最小二乘回歸法。
【專利摘要】本發(fā)明是一種土壤屬性高光譜識別技術方法，涉及土壤勘探技術領域。該方法包括：S1，基于遙感衛(wèi)星數(shù)據(jù)，獲取不同時間的土壤高光譜圖像；S2，進行圖像預處理后，經(jīng)過監(jiān)督分類得到裸露土壤，提取所述裸露土壤的地表反射率，依據(jù)所述裸露土壤的地表反射率建立裸露土壤地表反射率反演模型；S3，設計室內(nèi)土壤侵蝕性試驗，獲取與所述土壤高光譜圖像獲得時間相對應的土壤可蝕性數(shù)據(jù)；S4，通過步驟S3獲得的土壤可蝕性數(shù)據(jù)，獲取土壤分類并計算土壤K值；S5，根據(jù)所述土壤K值和所述地表反射率反演模型中的光譜數(shù)據(jù)，建立影響可蝕性K的土壤屬性的高光譜模型。本發(fā)明解決了高光譜遙感技術不能用于測定土壤可蝕性的問題。
【IPC分類】G01N21-25
【公開號】CN104697937
【申請?zhí)枴緾N201510119440
【發(fā)明人】王國強, 方青青, 李嘉薇, 楊會彩, 張磊
【申請人】北京師范大學
【公開日】2015年6月10日
【申請日】2015年3月18日