0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心
发布

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

煤炭矿区耕地土壤有机质无人机高光谱遥感估测

莱森光学 来源:莱森光学 作者:莱森光学 2023-09-20 11:54 次阅读

引言

本文以山西省长治王庄煤矿周边3种处于不同沉陷阶段的耕地为例,在研究区内进行样品采集,并使用无人机搭载高光谱相机进行影像获取,利用多元线性回归、偏最小二乘回归和BP神经网络3种模型对有机质含量进行预测,并对模型预测结果进行精度评价,将优选模型代入无人机高光谱影像进行有机质填图,得到耕地范围内的有机质分布情况,并对处于不同沉陷阶段的耕地土壤有机质空 间分布差异情况及驱动因子进行分析讨论,为无人机高光谱遥感在矿区复垦、养分快速估测等提供参考。

2、材料与方法

2.1 研究区概况

研究区位于长治市王庄煤矿(112°58′25″E~113°03′21″E,36°14′04″N~36°24′35″N),地处潞安矿区的东北部,跨长治市潞州区、屯留县、襄垣县3个行政区,地处黄土高原暖温带半干旱大陆性季风气候区,温差变化大,年平均气温8.9℃。研究区土壤以碳酸盐褐土和草甸土为主,其中矿区内主要分布碳酸盐褐土,自然肥力较高,有明显的黏化质和钙化质,田块呈连片化分布。王庄煤矿的生产能力为596×104t/a,多年的开采活动导致井田内形成了大范围的采煤塌陷区,对当地的土地资源、生态环境及农业生产造成了明显影响。在研究区内选定3个试验小区,其中试验小区A为煤炭开采扰动区农田,试验小区B为煤炭开采扰动稳沉区农田,试验小区C为煤炭开采未扰动区农田,3个试验小区面积均为1.4hm2,均位于王庄煤矿平原区,属同一农业种植区域。煤炭开采前,3个小区的气候、地貌、土壤特征一致,作物类型为春玉米,于每年4月采用旋耕机作业整地,10月收割,一年一熟;煤炭开采后的地表裂缝经过掩埋推平,种植作物类型和耕作方式与开采前一致,但由于煤炭开采沉陷使3个小区分别处于开采扰动、稳沉和未扰动3个不同阶段,生态驱动因素发生变化,导致土壤理化性质、地表植被、人类管理方式发生改变。

wKgaomUKbPOAdP6pAAQRrYQXSFo429.png

图 1 研究区概况

表 1 样品有机质含量

wKgZomUKbPOAALYRAAB-Tf6X8cE986.png

2.2 数据获取与预处理

2.2.1 土壤样品采集与处理

2020年分别在煤炭开采扰动区(扰动区),煤炭开采扰动稳沉区(稳沉区)及煤炭开采未扰动区(对照区)内按棋盘式布点,利用取土器采集地面表层0~20cm深度的土壤,每个采样点按中心点周围X形的5个样地土壤混合为一个土样。若采样点落在农田设施上则取附近耕地土壤代替,同时使用GPS记录采样点地理坐标。将采集的57个土样送回实验室,待风干、研磨、过筛后将土样分为两部分,一部分过0.15mm筛,用于进行土壤养分理化性质实验,采用重铬酸钾外加热法测定有机质含量,测定结果如表1,另一部分用于室内土壤光谱测量。

2.2.2 无人机影像获取与预处理

在所选3个试验小区内,采用无人机搭载高光谱光谱仪于2020年 10月30日飞行拍摄高光谱影像,拍摄时段选择当地时间10:00—15:00,此时段内有足够的太阳高度角,光照条件稳定;地面能见度不小于15km,无卷云、浓积云等;测量时间内空中风力小于4 级,地面风力小于3级:飞行高度100m,速度4m/s。对高光谱影像进行辐射率转换、反射率转换、几何校正、大气校正、镶嵌和裁剪、道路掩膜等预处理,结果如图2所示。

wKgaomUKbPSAMnM3AAuVCmK-wcA260.png

图2 预处理后高光谱影像

3、结果与分析

3.1 特征波段选择

将原始土壤光谱曲线及4种不同形式变换的土壤光谱曲线与实测样本有机质含量做相关性分析,计算光谱与土壤有机质含量的相关系数,结果如图3所示。

wKgZomUKbPSAXn6vAAB0eYIQ66g118.png

图3 土壤有机质与各种光谱变换形式相关性分析

从图3中可以看出,未经变换和经过倒数变换的反 射率光谱曲线与有机质呈整体正相关,相关系数低于0.4。反射率光谱曲线经过一阶微分变换与有机质含量的相关性有所增强,表现为在386.64~414.25nm内正相关,在414.25~835.76、875.18~1 012.93nm内负相关。反射率光谱曲线经过二阶微分变换与有机质含量的相关性增强最为明显,相关系数曲线波动剧烈,与有机质含量正相关系数的峰值主要位于1021.92、1017.42、805.27、 744.77nm处,最大正相关系数为0.61,负相关系数的峰值主要位于680.62、655.16、650.93nm附近,最大负相关系数为-0.62。反射率光谱曲线经过多元散射校正变换与有机质含量的相关系数曲线整体呈现为“M”型,相关系数曲线存在两个正峰值,主要位于932.58nm和471.94nm处,最大相关系数位于932.58nm附近,相关系数为 0.63。

通过分析不同光谱变换与土壤有机质含量的相关性,筛选出的特征波段如表2所示

表2 不同光谱变换下的有机质特征波段

wKgaomUKbPSAGrsUAADyzPxfpNY241.png

3.2 建模结果

3.2.1 经过光谱变换筛选出的特征波段建模结果

在软件中分别构建多元线性回归模型和偏最小二乘回归模型,对有机质实测值与经过不同光谱变换方式筛选出的特征波段光谱反射率进行回归分析,并验证模型精度。3 种模型精度评价指标均选用决定系数R2和均方根误差RMSE,模型精度评价结果和模型预测结果如表3所示。

wKgZomUKbPWAIGNYAAHBZWUwyks120.png

表3 3种模型预测有机质含量精度评价

从表3可以看出,利用多元线性回归模型建立的有机质反演结果中,4种光谱变换方式用于有机质反演建模整体精度不高,其中倒数、一阶微分、二阶微分变换方式建模和验证集 R2不足0.5,比未变换的光谱 建模精度更低,多元散射校正变换方式建模和预测R2分别为0.699和0.654,为同组最高,可用于粗略估计有机质含量。利用偏最小二乘回归模型建立的有机质反演结果中,对特征波段光谱反射率做倒数、二阶微分、多元散射校正变换的模型的建模R2都达到0.6以上,相比未经变换的特征波段建模精度大幅提高,模型的拟合效果较好,其中,多元散射校正变换的建模和验证R2均达到0.8以上,具有较高的预测精度。

4、讨论

本文探索了高光谱数据用于土壤有机质含量预测和无人机高光谱影像用于分析煤炭开采对耕地土壤有机质含量影响的适用性,通过将变换处理后的土壤光谱与实测土壤有机质含量进行相关性分析,提取相关系数较高的光谱波段,研究发现有机质含量与多元散射校正后的 光谱反射率相关系数最高,敏感波段为463.75~492.45nm,870.79~932.58nm处。对不同光谱变换方式下筛选出的特征波段分别使用多元线性回归、偏最小二乘回归、BP 神经网络进行模型构建,结果表明相较于多元线性回归模型而言,偏最小二乘回归和BP 神经网络模型具有更高的精度。对比几种光谱变换形式,经过多元散射校正变换的建模结果更好。将无人机航拍的高光谱影像基于模型进行有机质含量估测,得到土壤有机质含量的空间分布规律为煤炭开采未扰动区耕地>煤炭开采扰动区耕地>煤炭开采扰动稳沉区耕地,这是因为煤炭开采导致多方面驱动因子变化。

推荐

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。

wKgaomUKbPWAAUzqAABJinx5T6w10.jpeg



审核编辑 黄宇

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4716

    浏览量

    99757
  • 遥感
    +关注

    关注

    0

    文章

    237

    浏览量

    16720
  • 无人机
    +关注

    关注

    225

    文章

    10140

    浏览量

    176906
  • 高光谱
    +关注

    关注

    0

    文章

    313

    浏览量

    9832
收藏 人收藏

    评论

    相关推荐

    基于无人机光谱遥感的棉花生长参数和产量估算

    无人机平台能够快速获取 时空分辨率的 遥感数据,以山东省滨州市棉花为研究对象,利用安装在 无人机上的多 光谱相机获取
    的头像 发表于08-21 14:29 81次阅读
    基于<b class='flag-5'>无人机</b>多<b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的棉花生长参数和产量估算

    无人机机载光谱成像系统的应用及优势

      随着 无人机技术的快速发展,基于 无人机平台的 光谱成像系统在多个领域中得到了广泛应用。本文将介绍一款小型多旋翼 无人机机载
    的头像 发表于08-15 15:03 73次阅读
    <b class='flag-5'>无人机</b>机载<b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像系统的应用及优势

    基于无人机遥感的作物长势监测研究进展

    产量和品质,降低了农业生产成本和减少了资源浪费 一、引言 无人机农业 遥感技术是将 无人机遥感技术相结合,用于对农田进行高精度、高分辨率的 遥感
    的头像 发表于07-12 14:14 185次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>遥感</b>的作物长势监测研究进展

    基于无人机光谱遥感的荒漠化草原地物分类研究2.0

    草原退化调查监测须获取实测数据, 无人机搭载 光谱成像仪进行低空 遥感,是荒漠化草原地物分类的重要手段,可提供地物精细分类所需的 遥感数据,充分发
    的头像 发表于06-17 15:33 155次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的荒漠化草原地物分类研究2.0

    基于无人机光谱遥感的典型草原打草对植被表型差异分析

    利用 无人机 光谱 遥感数据结合实测数据,分析植被 光谱反射率和窄波段植被指数等表型参数对打草行为的敏感性,通过获取特征波段和植被指数,揭示打草前
    的头像 发表于06-14 10:38 223次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的典型草原打草对植被表型差异分析

    基于无人机光谱遥感的荒漠化草原地物分类研究1.0

    本研究利用 无人机 光谱 遥感技术采集荒漠化草原 遥感数据,运用人工智能图像分类技术,解决荒漠化草原地物分类与识别问题,具有自动化程度
    的头像 发表于06-12 11:48 225次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的荒漠化草原地物分类研究1.0

    基于光谱遥感的山区耕地土壤有机质反演研究2.0

    贵州省地形复杂且气候多变, 土壤干旱和侵蚀较为严重, 耕地分布零碎同时 土壤类型多样,使得部分地区农田耕作化程度低,造成 土壤资源浪费。合理的方法定量监测出山区
    的头像 发表于06-11 11:45 273次阅读
    基于<b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的山区<b class='flag-5'>耕地</b><b class='flag-5'>土壤有机质</b>反演研究2.0

    基于光谱遥感的山区耕地土壤有机质反演研究V1.0

    贵州省地形复杂且气候多变, 土壤干旱和侵蚀较为严重, 耕地分布零碎同时 土壤类型多样,使得部分地区农田耕作化程度低,造成 土壤资源浪费。合理的方法定量监测出山区
    的头像 发表于05-31 15:50 192次阅读
    基于<b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的山区<b class='flag-5'>耕地</b><b class='flag-5'>土壤有机质</b>反演研究V1.0

    比较基于无人机光谱影像和传统方法的土壤类型分类精度

    遥感技术的应用为 土壤分类提供了新的可能性。 光谱影像技术是 无人机 遥感中的重要组成部分,其能够提供
    的头像 发表于02-19 16:55 300次阅读
    比较基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b>影像和传统方法的<b class='flag-5'>土壤</b>类型分类精度

    无人机光谱影像是否真的可以提升农业生产效率?

    农业是全球经济中的重要组成部分,而提高农业生产效率一直是农业领域的重要挑战之一。随着科技的不断发展, 无人机 光谱影像技术逐渐引起了广泛关注。这项技术利用 无人机搭载的
    的头像 发表于01-30 11:53 299次阅读
    <b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b>影像是否真的可以提升农业生产效率?

    基于无人机光谱影像的黑土区玉米农田土壤有机质估算

    基于 无人机 光谱影像的黑土区玉米农田 土壤有机质估算 引言 东北黑土区作为我国重要的粮食生产优势区及商品粮供给地,玉米作为其主要作物之一,每年的产量占全国总产量的30%以上。长期以来对黑
    的头像 发表于01-23 17:47 550次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b>影像的黑土区玉米农田<b class='flag-5'>土壤有机质</b>估算

    土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理2.0

    引言 土壤矿物包括 土壤固相物质中除 土壤有机质(SOM)和生物体以外的所有无机 部分,构成了 土壤的骨骼,分为原生矿物(如石英、长石、云母、角闪
    的头像 发表于11-21 19:06 223次阅读
    <b class='flag-5'>土壤</b>矿物对松嫩平原主要<b class='flag-5'>土壤</b>类型反射<b class='flag-5'>光谱</b>特征的影响机理2.0

    无人机低空光谱遥感影像柑橘黄龙病植株监测模型探究

    引言 为实现大范围的柑橘黄龙病监测预警,提供一种减少人工成本的柑橘黄龙病病害统计方法,本研究通过地面实测黄龙病植株,协同 无人机采集低空 光谱 遥感影像,经过异常数据剔除、平滑去噪、一阶微
    的头像 发表于09-14 16:11 877次阅读
    <b class='flag-5'>无人机</b>低空<b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>影像柑橘黄龙病植株监测模型探究

    基于无人机光谱遥感的烤烟叶片叶绿素含量估测

    要收获对 象,因此叶绿素含量监测非常重要。传统的烟草农业监测受田间管理模式及生产设备的限制,费时、费力,效率低下。相较于采用卫星 遥感和近地面 光谱人工采集方式, 无人机
    的头像 发表于08-28 16:20 614次阅读
    基于<b class='flag-5'>无人机</b><b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>的烤烟叶片叶绿素含量<b class='flag-5'>估测</b>