一種基于FOD與最優波段組合的監測土壤有機碳的方法技術

本申請屬于環境監測技術領域，公開了一種基于FOD與最優波段組合的監測土壤有機碳的方法。對衛星高光譜影像進行影像校正得到衛星高光譜數據，進行分數階微分處理得到高光譜分數階微分數據，再對高光譜分數階微分數據利用最優波段組合方法進行光譜特征的提取，得到光譜指數與高光譜分數階微分數據結合形成高光譜數據集；再利用上述獲得的數據對隨機森林模型進行訓練，得到最優隨機森林模型；利用最優隨機森林模型預測有機碳含量，生成土壤有機碳空間分布圖。將分數階微分和最優波段組合方法結合，有效提高了衛星高光譜反演土壤有機碳的精度，提高了大范圍監測土壤有機碳含量的能力，并且可以在空間上進行可視化分析。并且可以在空間上進行可視化分析。并且可以在空間上進行可視化分析。

【技術實現步驟摘要】
一種基于FOD與最優波段組合的監測土壤有機碳的方法


[0001]本申請涉及環境監測
，尤其涉及一種基于FOD與最優波段組合的監測土壤有機碳的方法。

技術介紹

[0002]在全球碳循環中，土壤是地球陸地表層最為活躍的碳庫之一，是人類活動可以對其施加影響的最大生物圈碳庫，任何微小的擾動變化都將影響到土壤與大氣碳庫之間的碳平衡。同時，作為土壤肥力評價的重要指標之一，土壤有機碳(SOC值)的不斷降低會直接導致耕作土壤貧瘠的問題。因此，土壤有機碳含量的監測不僅是保障國家農業可持續發展和生態文明建設的關鍵。近年來，遙感光譜測定分析由于其便捷準確、成本低、精度高的特點，逐漸成為土壤組分估算和監測的新方法。但目前分析方法中采用整數階微分只考慮信號的局部特征，忽略了信號的全局性質，容易出現信息丟失和失真的情況；同時采用的光譜指數受限于有限的幾個多光譜波段，并沒有充分運用到高光譜數據中豐富且連續的光譜波段，沒有探索更多波段之間的相互作用關系，導致反演的精度不高。

技術實現思路

[0003]為此，本申請的實施例提供了一種基于FOD與最優波段組合的監測土壤有機碳，有效提高了衛星高光譜反演土壤有機碳的精度，提高在大范圍監測土壤有機碳含量的能力。
[0004]第一方面，本申請提供一種基于FOD與最優波段組合的監測土壤有機碳的方法。
[0005]本申請是通過以下技術方案得以實現的：
[0006]一種基于FOD與最優波段組合的監測土壤有機碳的方法，所述方法包括：
[0007]獲取研究區域的土壤采集點數據和衛星高光譜影像，并對所述衛星高光譜影像進行影像校正得到衛星高光譜數據；
[0008]對所述衛星高光譜數據進行分數階微分處理，得到n組高光譜分數階微分數據，n為大于1的自然數；
[0009]利用最優波段組合方法對所述n組高光譜分數階微分數據進行特征提取，得到若干個二維光譜指數和若干個三維光譜指數，將所述n組高光譜分數階微分數據分別與所述二維光譜指數和三維光譜指數進行組合，得到2n組高光譜數據集；
[0010]將所述n組高光譜分數階微分數據、所述2n組高光譜數據集以及土壤采集點數據均輸入到隨機森林模型中采用自助法進行有放回抽樣訓練，構建3n個隨機森林模型，按照預設評價指標對所述隨機森林模型進行精度分析，得到最優隨機森林模型；
[0011]將待監測區域的衛星高光譜數據輸入到所述最優隨機森林模型中，得到所述待監測區域的預測有機碳含量，基于所述預測有機碳含量生成土壤有機碳空間分布圖。
[0012]在本申請一較佳的示例中可以進一步設置為，所述對所述衛星高光譜影像進行影像校正得到衛星高光譜數據的步驟之后還包括：
[0013]利用離散小波分解方法對所述衛星高光譜數據進行去噪處理。
[0014]在本申請一較佳的示例中可以進一步設置為，所述對所述衛星高光譜影像進行影像校正的步驟包括：輻射定標處理、大氣校正處理以及幾何校正處理；
[0015]輻射定標處理，采用ENVI輻射定標工具將衛星高光譜影像的亮度灰度值轉化為絕對輻射亮度；
[0016]大氣校正處理，采用Flaash大氣校正工具將輻射定標處理得到的絕對輻射亮度轉換為反射率；
[0017]幾何校正處理，通過在研究區域均勻布設若干個控制點、或通過將已有的精確衛星影像作為參考影像或利用高光譜影像自帶的RPC文件對大氣校正處理得到的反射率進行幾何校正。
[0018]在本申請一較佳的示例中可以進一步設置為，所述對所述衛星高光譜數據進行分數階微分處理的步驟包括：
[0019]所述對所述衛星高光譜數據進行分數階微分處理的步驟包括：
[0020]利用分數階微分方法中的Gr
ü
nwald
?
Letnikov分數階導數，以階數間隔為0.2對所述衛星高光譜數據進行0～2.0階的分數階微分處理，獲得0階、0.2階、0.4階、0.6階、0.8階、1.0階、1.2階、1.4階、1.6階、1.8階、2.0階共11組高光譜分數階微分數據；
[0021]其中Gr
ü
nwald
?
Letnikov分數階導數的公式為：
[0022][0023]其中，n表示微分方程的階數，x表示光譜波段值，h表示步長，b表示微分的上限，a表示微分的下限，Г(﹒)表示Gamma函數。
[0024]在本申請一較佳的示例中可以進一步設置為，所述預設評價指標包括：決定系數、均方根誤差以及平均絕對誤差；
[0025]其中，所述決定系數的公式為：
[0026][0027]所述均方根誤差的公式為：
[0028][0029]所述平均絕對誤差的公式為：
[0030][0031]其中，n和N均表示樣本的數量，表示第i個樣本的預測有機碳含量，y
i
表示第i個
樣本的實際有機碳含量，表示樣本實際有機碳含量的平均值。
[0032]在本申請一較佳的示例中可以進一步設置為，所述利用最優波段組合方法對所述n組高光譜分數階微分數據進行特征提取，得到若干個二維光譜指數和若干個三維光譜指數的步驟包括：
[0033]得到3個二維光譜指數和5個三維光譜指數；
[0034]所述二維光譜指數為差異指數、比率指數以及歸一化差異指數；
[0035]所述三維光譜指數為第一三維波段指數、第二三維波段指數、第三三維波段指數、第四三維波段指數、第五三維波段指數。
[0036]在本申請一較佳的示例中可以進一步設置為，所述獲取研究區域的土壤采集點數據的步驟包括：
[0037]在研究區域選取預設數量的采樣點，利用GPS記錄采樣點的空間坐標信息；
[0038]獲取采樣點的土壤樣本，將土壤樣本進行風干處理，清理結石、雜草雜質，將清理雜質后的土壤樣本研磨干燥篩分至預設粒徑大小的土壤顆粒，采用氧化燃燒法測定各采樣點的土壤顆粒的有機碳含量，所述有機碳含量與空間坐標信息一一對應。
[0039]第二方面，本申請提供一種基于FOD與最優波段組合的監測土壤有機碳的裝置。
[0040]本申請是通過以下技術方案得以實現的：
[0041]一種基于FOD與最優波段組合的監測土壤有機碳的裝置，所述裝置包括：
[0042]數據采集模塊，用于獲取研究區域的土壤采集點數據和衛星高光譜影像，并對所述衛星高光譜影像進行影像校正得到衛星高光譜數據；
[0043]微分處理模塊，用于對所述衛星高光譜數據進行分數階微分處理，得到n組高光譜分數階微分數據；
[0044]波段組合模塊，用于利用最優波段組合方法對所述n組高光譜分數階微分數據進行特征提取，得到若干個二維光譜指數和若干個三維光譜指數，將所述n組高光譜分數階微分數據分別與所述二維光譜指數和三維光譜指數進行組合，得到2n組高光譜數據集；
[0045]模型訓練模塊，用于將所述n組高光譜分數階微分數據和所述2n組高光譜數據集輸入到隨機森林模型中采本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于FOD與最優波段組合的監測土壤有機碳的方法，其特征在于，所述方法包括：獲取研究區域的土壤采集點數據和衛星高光譜影像，并對所述衛星高光譜影像進行影像校正得到衛星高光譜數據；對所述衛星高光譜數據進行分數階微分處理，得到n組高光譜分數階微分數據，n為大于1的自然數；利用最優波段組合方法對所述n組高光譜分數階微分數據進行特征提取，得到若干個二維光譜指數和若干個三維光譜指數，將所述n組高光譜分數階微分數據分別與所述二維光譜指數和三維光譜指數進行組合，得到2n組高光譜數據集；將所述n組高光譜分數階微分數據、所述2n組高光譜數據集以及土壤采集點數據均輸入到隨機森林模型中采用自助法進行有放回抽樣訓練，構建3n個隨機森林模型，按照預設評價指標對所述隨機森林模型進行精度分析，得到最優隨機森林模型；將待監測區域的衛星高光譜數據輸入到所述最優隨機森林模型中，得到所述待監測區域的預測有機碳含量，基于所述預測有機碳含量生成土壤有機碳空間分布圖。2.根據權利要求1所述的基于FOD與最優波段組合的監測土壤有機碳的方法，其特征在于，所述對所述衛星高光譜影像進行影像校正得到衛星高光譜數據的步驟之后還包括：利用離散小波分解方法對所述衛星高光譜數據進行去噪處理。3.根據權利要求1所述的基于FOD與最優波段組合的監測土壤有機碳的方法，其特征在于，所述對所述衛星高光譜影像進行影像校正的步驟包括：輻射定標處理、大氣校正處理以及幾何校正處理；輻射定標處理，采用ENVI輻射定標工具將衛星高光譜影像的亮度灰度值轉化為絕對輻射亮度；大氣校正處理，采用Flaash大氣校正工具將輻射定標處理得到的絕對輻射亮度轉換為反射率；幾何校正處理，通過在研究區域均勻布設若干個控制點、或通過將已有的精確衛星影像作為參考影像或利用高光譜影像自帶的RPC文件對大氣校正處理得到的反射率進行幾何校正。4.根據權利要求1所述的基于FOD與最優波段組合的監測土壤有機碳的方法，其特征在于，所述對所述衛星高光譜數據進行分數階微分處理的步驟包括：利用分數階微分方法中的Gr
ü
nwald
?
Letnikov分數階導數，以階數間隔為0.2對所述衛星高光譜數據進行0～2.0階的分數階微分處理，獲得0階、0.2階、0.4階、0.6階、0.8階、1.0階、1.2階、1.4階、1.6階、1.8階、2.0階共11組高光譜分數階微分數據；其中Gr
ü
nwald
?
Letnikov分數階導數的公式為：其中，n表示微分方程的階數，x表示光譜波段值，h表示步長，b表示微分的上限，a表示微分的下限，Г(﹒)表示Gamma函數。
5.根據權利要求1所述的基于FOD與最優波段組合的監測土壤有機碳的方法，其特征...

【專利技術屬性】
技術研發人員：耿靜，呂俊偉，方華軍，
申請(專利權)人：中科吉安生態環境研究院，
類型：發明
國別省市：