土壤光谱预处理的效果最优化分析概要文件使用实验室成像光谱

文摘

实验室成像光谱可以用来探索物理和化学变化土壤submillimetre规模的概要文件。我们用高光谱扫描仪在400到1000纳米光谱范围安装在实验室框架来记录两个土壤核心的图像。这些核心的样本进行了化学分析和光谱采样地区被用来训练最优化请回归模型。与这些模型的详细地图元素浓度土壤中核心可能产生。八个不同光谱预处理被应用于样品光谱及由此产生的图像以探索这些预处理的影响元素浓度的估计。我们发现光谱预处理有轻微影响化学计量结果使用强大的回归算法如PLSR时。

1。介绍

土壤表现出高度的水平和垂直的物理和化学性质的变化。可见光和近红外光谱学是一个工具来建立定性和定量描述这些属性的土壤样本中1- - - - - -3]。成像光谱技术是一种方法,同时为一个完整的形象从而使创建可见光谱分析这些属性的空间分布。在大多数情况下成像光谱应用从上面,也就是说,一个空气或星载传感器在土壤表面。第三空间维度,深度在小得多的尺度上是异构的,但是是无形的远程传感器。土壤光谱分析概要文件可以做,例如,通过测量干扰样本不同深度在实验室或通过测量反射率在不同深度钻孔(4]。然而,这些方法只能做一些测量,这样他们不能用于完成土壤资料的高分辨率特性及其空间变异性。我们的选择是完全土壤核心和测量其反射特性与实验室成像光谱仪(5,6]。这种方式土壤的垂直分布属性可以从sub-millimetre分米规模研究。类似的考试在介绍了地质岩心克鲁斯(7]。

土壤核心光谱图像可以用于各种目的,例如,对于分类的土壤类型和他们的视野8]或表征土壤的空间异质性的概要文件。本文的推导高分辨率的地图元素浓度土壤中概要文件可以作为依据土壤分类,或者研究土壤的形成过程。几种回归方法(例如,逐步多元线性回归(9,10),支持向量回归(10回归[],penalized-spline信号10),人工神经网络(11,12),多元自适应回归样条函数(13),随机森林,提高回归树(14),主成分回归(14,15),窄带植被指数(16),而偏最小二乘回归(PLSR) [3)被用来定量信息来自反射或吸收光谱。Viscarra Rossel和behren17]给出一个综合的比较这些技术。在这些回归方法,PLSR [18,19)已成为最受欢迎的之一近年来化学计量并将用于本研究。

此外,光谱预处理可以产生大影响最优化映射的结果。介绍了几种光谱预处理方法,例如,Ben-Dor et al。20.)使用第一和第二导数吸收光谱提高光谱信息来说明在分解过程中光谱变化。Udelhoven et al。21]应用min-max正常化,凸包计算,首先衍生品和向量归一化,定心每个光谱围绕其平均值。Vasques et al。9]应用三十预处理转换,包括衍生品、归一化和非线性转换光谱从554年土壤样本来自佛罗里达的有机碳含量。史蒂文斯et al。10)使用第一和第二衍生品,第一和第二的差距衍生品,Savitzky-Golay平滑和衍生品,惠塔克平滑、标准正态变量变换和消除趋势(SNV-DT),和这些方法的组合。斯坦伯格和Viscarra Rossel [22]显示日志的影响1 / R变换,一阶导数,SNV-DT土壤漫反射光谱。蜂巢et al。23)评估untransformed光谱和第一和第二衍生品的差距1到64乐队的几个变量的估计机载高光谱数据。Rinnan et al。24)审查最常见的近红外光谱在化学计量的预处理技术。的方法分为两类:scatter-correction方法和光谱衍生品。只有少数研究系统地比较这些方法的效果最优化光谱学(例如,9,10,23,24),没有涵盖了实验室成像光谱预处理。在这项研究中,我们比较八个不同光谱预处理方法的效果PLSR化学计量五个化学元素(铁=铁、铝=,=锰、锰碳= C,和氮= N)在土壤两个概要文件(淋溶土和灰壤)。预处理的方法如下:(我)反射光谱(R,没有预处理)(2)标准正态变量和消除趋势(SNV-DT),(3)反射(1 D)的一阶导数,(iv)二阶导数的反射率(2 D),(v)连续被反射(CR),(vi)归一化连续反射(NCR),(七)乘法散射校正(MSC),(八)扩展乘法散射校正(EMSC)。这些方法的选择,因为他们是常用的光谱和因为每个转换光谱以不同的方式与不同的推理。为每个组转换光谱和每个化学元素请回归模型建立;最好的模型选择和使用的图像数据以创建地图上土壤中元素的分布配置文件。模型精度和地图比较研究光谱预处理的效果。

2。材料和方法

2.1。研究地点和土壤取样

我们抽样两种土壤类型比较不同光谱预处理的影响预测能力的PLSR对元素的映射。第一个配置文件是在挪威云杉(采样挪威云杉)单作Freising附近(SE-Germany),慕尼黑东北约35公里。这土是归类为水cutanic淋溶土(ruptic、epidystric siltic;方面2006)。土壤上形成三级碎屑沉积物由第四纪风成沉积物零星覆盖(黄土)。第二个土壤取样Wellheim附近因以西约30公里(SE-Germany)。分类是叶酸漂白灰壤方面2006年),形成于白垩纪金沙在挪威云杉单作。

我们使用定制的不锈钢盒(100毫米×100毫米×300毫米)深30厘米的土壤样本资料。清除枯枝落叶层后,钢框被轻轻锤垂直进入土壤和挖出这样一个不受干扰的采样。土芯烘干的在成像之前30°C到恒重。

2.2。图像的设置

图像是用高光谱扫描仪160乐队在400 - 1000海里可见光和近红外光谱范围(NEO HySpex vnir - 1600)安装在实验室框架下翻译阶段扫描仪。翻译阶段对象沿径方向移动,而拿扫帚扫描仪记录图像行跟踪。翻译阶段适应这样的速度平方像素的结果。设置的视野宽约10厘米,由1600像素导致约62μ米空间采样距离。完整的30厘米的土壤岩心成像在4800行;大约200额外的图像行包含Spectralon白色面板和金属框架的引用。光源照射当前扫描从两个方向,以减少土壤表面的阴影。Spectralon白色参考面板的已知反射率与样本扫描所以能转化为反射辐射值。没有应用于图像几何校正(5]。

记录第一个图像后,均匀的区域利益(roi)²面积约1 - 2厘米,约1厘米深度视觉识别土壤中的核心和取样化学实验室分析。样本而言,大部分的变异在土壤岩心在不同样本,而拥有一个小型within-sample变异。roi是均匀分布在整个剖面脸区域,覆盖所有的视野。在样品结束后,一层约15毫米被撤的侧脸,表面是仔细夷为平地,一个新的形象,一片平行于第一次拍摄,和新ROI样本收集。在淋溶土,7图像记录和66个样本进行了分析。四个图像灰壤的记录,和35个样本。

为了探索图像的信息内容,我们计算主成分分析。图4显示了一个示例假彩色复合灰壤概要文件的主成分,揭示隐藏在real-colour图像的信息。

2.3。化学分析

在化学分析之前,ROI样本干在50°C和渗< 2毫米。总C和总氮浓度在重复测定干燥燃烧在EuroEA元素分析仪(Hekatech GmbH, Wegberg,德国)。所有样品都是免费的碳酸盐,C浓度等于总有机碳(OC)的浓度。数量和质量的铁和锰的物种在大部分土壤分析< 2毫米从所有样品不含有机层和表面有机质丰富的土壤。总铁和锰氧化物提取使用dithionite-citrate-bicarbonate-method (DCB;(25])和测量铁、锰、铝浓度提取的电感耦合等离子体发射光谱(ICP-OES;Vista箴CCD同步,瓦里安,达姆施塔特)。

2.4。光谱预处理

之前我们使用8光谱预处理PLSR分析。35意味着反射和转换后的光谱ROI区域对应于采样点灰壤概要图所示1。这里介绍的一些技术进行了更多的细节在24]。

(一)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

2.4.1。反射光谱(右)

绝对反射来自辐射测量样本和白色参考单独的每个图像行通过计算土壤的比例和参考美和乘以这个参考已知的反射(5,26]。

为了减少图像噪声和计算时间,图像清晰度降低了4倍(一半的行数和行,职责)。然后使用Savitzky-Golay过滤器(光谱是平和27)和一个二阶多项式在移动窗口7光谱波段。第一个和最后一个三个乐队被丢弃,所以154年最初的160年乐队依然存在。这张照片是用于输入不同的预处理方法除了衍生品。PLSR光谱没有进一步处理的结果是参考其他预处理方法。

2.4.2。标准正态变量和消除趋势(SNV-DT)

SNV-DT是由巴恩斯et al。28去除乘性干扰的散射和粒子大小和占基线的变化转变和curvilinearity漫反射光谱。

标准正态变量,也被称为转型或定心和扩展29日),使每个光谱规范化为零均值和单位方差均值减去这个频谱标准偏差和分裂的区别: 这是紧随其后的是一个消除趋势一步:一个二阶多项式适合SNV转换光谱并减去纠正wavelength-dependent散射效应。

2.4.3。一阶导数的反射(1 D)

像SNV-DT, 1 D的方法,消除了从光谱基线,同时强调吸收特性。一阶导数计算通过Savitzky-Golay平滑滤波器(11)利用高光谱图像处理软件EnMAP-Box(1.1版本,Humboldt-Universitat祖茂堂柏林,德国,http://www.hu-geomatics.de/)。最初的160年乐队使用的数据集,因为平滑处理的一部分。Savitzky-Golay导数的过程,一个一阶多项式拟合光谱windows 7的频带宽度。这个多项式的导数是分配中央乐队的新值。第一个和最后一个三个乐队被丢弃,所以,154年乐队的其他方法。Vasques et al。9)持续发现Savitzky-Golay衍生品在最好的预处理的转换。Ertlen et al。30.状态,可以从近红外光谱中提取更多的有用的信息如果衍生品的光谱。

2.4.4。二阶导数的反射率(2 D)

2 D多次被应用在遥感和光谱学,例如,对于消除背景信号和区分重叠签名(31日,32]。二阶导数计算的1 D光谱。凯斯勒(33]指出,连续一阶导数的结果在嘈杂的比高阶导数光谱直接应用到原始数据,因此,二阶导数计算导数的一阶导数与相同的设置。

2.4.5。连续被反射(CR)

CR (34)通过拟合计算凸壳(连续)的频谱,然后分裂船体在每个波长的光谱。这个预处理了CR值1的所有部分频谱,躺在凸包(即。,wavelength regions that are not in an absorption band) and values between 0 and 1 to regions inside absorption bands. So CR accentuates the absorption bands in the spectra while minimizing brightness differences. Continuum removal was done in Envi (Version 4.7, ITTV is, now Exelis Visual Information Solutions). All CR calculations were applied on the complete wavelength range, not just single absorption bands.

2.4.6。归一化连续移除反射(NCR)

NCR光谱(也称为带深度正常化,(34,35)是由扩展每个CR光谱全0到1通过计算范围在哪里和的最小值和最大值是CR光谱,分别。乐队的影响深度正常化是吸收带的形状而不是深度成为光谱的主要特征。

2.4.7。乘法散射校正(MSC)

乘法散射校正(36),也称为乘法校正信号,是另一个基线校正在光谱的预处理技术。它假设wavelength-dependent散射对频谱的影响可以分开的化学信息。这是通过纠正不同光谱的“理想”光谱基线和放大效应是在相同的平均水平在每个频谱{Martens 1991页156}。当这个理想的频谱是未知的,意味着谱使用。这个频谱代表平均散射和抵消。每个光谱然后适合平均频谱使用最小二乘方法: 理想情况下,包含的化学信息,因为散射系数和偏移量表示和。MSC频谱计算通过确定每个谱然后改变谱的系数如下:

2.4.8。扩展的乘法散射校正(EMSC)

MSC不考虑散射波长依赖性。EMSC MSC延伸通过引入波长术语为了正确wavelength-dependent散射效应(33,37]:

2.5。回归分析与PLSR

回归分析都是计算使用平均反射率或转换光谱的roi和相应的元素浓度。回归系数的结果就是后来被应用于反射或转换图像为了创建地图元素的浓度。计算分析进行了MATLAB(8.0版本,Mathworks)。

单一反射乐队可以相关元素浓度与衡量标准的实验室技术。可以说明这个相关的光谱依赖性相关系数的阴谋与元素浓度(每一个乐队38]。数据2和3显示每个波长的反射率值之间相关光谱和五个元素浓度灰化土和淋溶土。灰壤的情况下,单一波段相关性的−0.77−0.78−0.61−0.74−0.60与铝、铁、锰、C和N的浓度,分别。在淋溶土的情况下,最高的单波段相关性−0.50−0.52−0.67−0.61,−0.45。铁氧化物吸收主要在红色光谱区,但由于广泛吸收特性在整个可见地区相关性高,至少在灰壤。淋溶土有相关性最低约600海里。艾尔相关曲线遵循Fe曲线密切由于其浓度之间的相关性较高。灰壤Mn相关光谱没有显示不同的功能,而在淋溶土最强的相关性是在450到500纳米之间。C和N相关性最高的可见域。只有在淋溶土C相关进一步分化,相关性最大的约600海里。光谱波段的组合被解释的方差比例较高,因此选择所有乐队的工具,利用回归的土壤化学成分(14]。

(一)

(b)

(一)

(b)

我们计算反射率之间的回归和PLSR元素浓度。PLSR项目形成的原始数据到一个低维空间的一组正交潜变量的同时分解(光谱矩阵)和(元素浓度矩阵)最大化之间的协方差和(3]。校准的方法是适合少量的样本与实验噪声在化学和光谱数据14]。

为了找到最优数量的潜在变量,我们计算PLSR模型1到15个潜在变量的ROI光谱为每个元素进行分析,分别对图像。我们应用分析交叉验证(LOOCV)在每个模型,以避免过度拟合(35]。因为这是一个可行性研究,没有进一步校准/验证计划。的情况下样本autocorrelated, LOOCV还可以增加过度拟合(39),但我们决定继续验证策略简单因为似是而非的地图这一策略造成的。每个模型的精度确定系数(),调整,相对均方根误差(RMSE百分比)。为每个元素的数量和每个光谱预处理方法通常潜伏变量产生的RMSEcv最低的选择。选择的潜在变量的最优数量请估计是一个至关重要的一步。在情况下不同措施的准确性提出了不同数量的变量,最简洁的模型被选中。

的调整是一个确定系数,奖励吝啬的模型中加入解释变量的数量和观察的数量。这是计算从使用以下: RMSE计算预测值的差异和观测值如下: % RMSE推导RMSE除以观察变量的均值。

3所示。结果

3.1。化学分析

土壤化学分析的基本统计数据的两个核心收集表1来3。一些元素有一个很高的偏态。我们重复计算这些元素的对数转换数据,但是没有得到更好的结果,所以我们从untransformed数据只显示结果。表2和3显示灰壤的元素浓度之间的相关性和淋溶土,分别。


			灰壤					淋溶土
	艾尔	菲	锰	C	N	艾尔	菲	锰	C	N

	(毫克g⁻¹]
的意思是	4.31	13.47	0.0139	3.05	0.076	1.736	10.844	0.873	10.33	0.599
最小值	0.39	2.71	0.0043	0.46	0.010	0.997	5.796	0.241	1.797	0.180
马克斯	10.72	35.79	0.0252	12.53	0.260	2.451	16.397	1.885	184.7	8.505
斜	0.457	0.628	0.238	1.67	1.41	−0.028	−0.142	0.332	2.16	6.24
Stddev	3.42	10.29	0.0059	2.46	0.066	0.382	2.664	0.470	24.23	1.088
	35	35	33	35	16	32	32	32	66年	66年


	艾尔	菲	锰	C	N

艾尔	1
菲	0.89 * * *	1
锰	0.50 * *	0.62 * *	1
C	0.62 * * *	0.64 * * *	0.38 *	1
N	0.57 *	0.50 *	0.28	0.93 * * *	1


	艾尔	菲	锰	C	N

艾尔	1
菲	0.96 * * *	1
锰	0.65 * * *	0.57 * * *	1
C	−0.39 *	−0.40 *	−0.51 * *	1
N	−0.05	−0.04	−0.35 *	0.97 * * *	1

元素浓度和两种不同土壤类型之间的相关性是不同的。灰壤有更高浓度的铝和铁;淋溶土有更高浓度的C和N的内容和艾尔菲和C和N是高度相关(表2和3),而锰相关更松散的土壤类型的其他元素。所有无机代理之间的相关性(铝、铁和锰)和有机代理(C和N)是正的淋溶土灰壤但消极。因此,模型和艾尔菲和模型C和N预计将有相似系数和模型精度,分别。这些相关性也解释了为什么Al和N可以检测到VNIR光谱学,尽管他们没有光学活性的观察到的光谱范围在400到1000纳米之间。

3.2。土壤化学成分的映射

潜在的变量和值的数量调整后,% RMSE准确性措施实现这些潜在变量的请估计元素浓度的灰壤土壤核心表示在表4。土壤淋溶土芯的相应结果如表所示5。


		艾尔	菲	锰	C	N

		7	7	7	5	4
		0.81	0.82	0.55	0.49	0.36
	adj。	0.76	0.77	0.44	0.40	0.27
	% RMSE	34.3	32.1	28.8	58.9	75.3

		5	5	5	4	4
SNV-DT		0.79	0.83	0.55	0.51	0.36
SNV-DT	adj。	0.76	0.81	0.47	0.45	0.28
	% RMSE	36.0	30.9	28.6	56.6	71.2

		5	5	4	1	1
Diff		0.78	0.79	0.51	0.41	0.31
Diff	adj。	0.74	0.75	0.45	0.40	0.28
	% RMSE	36.9	34.8	29.6	61.3	71.0

		4	3	4	3	1
2日Diff		0.76	0.78	0.56	0.53	0.23
2日Diff	adj。	0.73	0.76	0.51	0.49	0.20
	% RMSE	38.8	35.3	28.0	55.3	75.2

		3	6	5	1	1
CR		0.84	0.78	0.49	0.56	0.28
CR	adj。	0.82	0.73	0.40	0.54	0.26
	% RMSE	31.4	36.1	31.0	53.2	72.3

		6	6	7	7	3
NCR		0.78	0.77	0.61	0.71	0.28
NCR	adj。	0.73	0.72	0.51	0.64	0.21
	% RMSE	37.6	36.9	26.9	42.9	74.7

		6	5	6	6	5
MSC		0.81	0.82	0.53	0.52	0.43
MSC	adj。	0.77	0.79	0.44	0.42	0.33
	% RMSE	34.7	31.7	29.3	57.1	68.4

		5	4	8	5	4
EMSC		0.80	0.77	0.57	0.49	0.41
EMSC	adj。	0.76	0.73	0.44	0.41	0.33
	% RMSE	35.4	36.8	28.1	58.1	66.2


		艾尔	菲	锰	C	N

		4	4	4	5	5
		0.45	0.53	0.45	0.79	0.72
	adj。	0.42	0.50	0.41	0.77	0.69
	% RMSE	16.2	16.8	39.8	41.9	32.2

		5	5	4	5	5
SNV-DT		0.57	0.49	0.54	0.84	0.71
SNV-DT	adj。	0.54	0.45	0.51	0.83	0.68
	% RMSE	14.4	17.9	36.2	36.1	32.7

		7	7	6	5	5
Diff		0.65	0.67	0.56	0.81	0.71
Diff	adj。	0.61	0.63	0.51	0.79	0.69
	% RMSE	13.1	14.2	36.4	40.0	32.6

		5	6	5	3	2
2日Diff		0.69	0.69	0.59	0.80	0.67
2日Diff	adj。	0.67	0.66	0.55	0.79	0.66
	% RMSE	12.2	13.6	34.8	40.4	34.9

		3	3	4	2	2
CR		0.49	0.54	0.47	0.83	0.74
CR	adj。	0.47	0.52	0.44	0.82	0.73
	% RMSE	15.6	16.6	38.9	38.1	31.0

		2	2	3	2	2
NCR		0.25	0.26	0.47	0.77	0.67
NCR	adj。	0.23	0.24	0.45	0.76	0.66
	% RMSE	18.9	21.1	38.9	43.7	35.0

		3	3	3	3	4
MSC		0.45	0.43	0.45	0.83	0.72
MSC	adj。	0.43	0.40	0.42	0.82	0.70
	% RMSE	16.2	18.5	39.7	37.6	32.2

		3	3	3	3	3
EMSC		0.36	0.34	0.50	0.80	0.68
EMSC	adj。	0.33	0.31	0.47	0.79	0.66
	% RMSE	17.6	20.0	37.8	41.0	34.3

请回归的潜变量的数量是1到7之间的所有元素,4是最常见的数字。并非所有的选择模型解释的方差比单一的简单回归反射带作为解释变量。

图4显示的real-colour图像灰壤概要文件在左边。第二个面板显示图像的主成分,揭示了高光谱图像中大量的信息不能被人类的眼睛。第一主成分是没有显示的,因为它主要包含图像的亮度,信息已经出现在左侧面板。右边面板的最优化配置文件中的元素分布的地图,获得帮助的不同光谱预处理和应用PLSR关系建立在roi图像。

4所示。讨论

结果submillimetre分辨率的地图10厘米×30厘米的土壤化学成分的部分土壤概要文件(图4)提供了一个非常详细的视图在垂直土壤结构。虽然通常光谱方法用于小,均质样品,或者是成像光谱从上面,这里介绍的方法促进新见解在土壤元素浓度的空间分布。地图可用于土壤分类、分化特征的视野(8),或土壤形成过程的定量评价。

我们假设不同的有机和无机参数之间的相关性在两种土壤类型(表2和3)不同的土壤形成过程的产物。淋溶土,在表层土壤C和N积累包括纯有机表层和混合有机/无机啊地平线,而铝、铁、和Mn显示高浓度无机底土。这个空间分离的不同材料所表达的负相关。灰壤,C和N积累在一起,铁,锰在灰化层在地下。这可以看出之间的正相关关系在灰壤有机和无机元素。

图5显示了调整所有元素的值和土壤类型的聚合表4和5。而大量的铝和铁可以估计最佳灰壤,C和N淋溶土剖面中最高的估计精度。C和N淋溶土的内容远远高于灰壤。这可能的原因在淋溶土更高的估计精度。估计Mn准确性相当低的土壤类型和所有光谱预处理。我们假设这是低浓度的结果在两种土壤和相关的低精度、锰和有机物都低的情况下反射在全光谱范围进行了分析。

(一)

(b)

不同预处理的影响元素浓度的PLSR估计实验室土壤光谱图像资料相当小,特别是灰壤。虽然几位作者(例如,20.,21,40])注意的利益转换光谱进一步分析之前,在我们的示例中这些转换并不是很有帮助。Kooistra et al。41]还发现预处理不必要的估计的一些化学物质使用VNIR光谱学和PLSR。一个原因可能是PLSR是一个强大的回归技术,使用完整的光谱范围,从而发现必要的信息在各种各样的光谱。光谱预处理可能强调光谱中包含的信息,但PLSR似乎并不依赖于此。此外,转换,提高光谱特性(如,衍生产品)通常有小影响可见光和近红外区域(即开始。传感器测得的光谱区),因为吸收功能在这个地区非常广泛41]。

预处理的测试,第一,特别是第二光谱衍生品似乎是最危险的,尽管他们是使用最广泛的方法。衍生品强调的噪音数据比其他方法更明显,所以他们应该只用于当一个非常低的噪音水平是保证,通过低噪声数据或过滤之前或期间的数据计算的衍生品。但是,它们会导致在淋溶土元素浓度的最佳估计。我们的应用程序的NCR是最值得推荐的方法定量推导元素浓度。通常浓度与乐队的深度,所以正常化乐队深处消除部分所需的信息。这反映在从NCR光谱精度值普遍偏低。CR估计的精度估计从未经处理的光谱。CR是常用的基线修正,也就是说,特别是观看不同的照明和几何学。在我们的例子中,光滑的表面和人工光从两个方向加上列辐射校正的图像导致非常均匀照明。这也许可以解释小CR的好处。SNV-DT可能也是真的,MSC, EMSC。 These pre-treatment methods are designed for baseline corrections, so their benefit is small if the baseline does not vary much.

本研究的局限性,只有两个不同的土壤资料进行了分析,只有数量有限的样本,只有400到1000纳米波长区域的考虑。土壤化学成分相对较高的变异性的土壤的有限的空间核心考虑火车成为可能回归模型与可接受的精度,可以用于创建地图的土壤垂直分布的化学成分非常高的空间分辨率。未来的工作应该包括来自同一地区的几种土壤资料能够使健壮的有关土壤的垂直分布特性。

5。结论

实验室成像光谱技术被用于映射的小规模分布土壤中元素浓度配置文件。PLSR是一个强大的回归工具,利用所有输入的乐队,在寻找最优的组合谱带代表特定的元素浓度。八个不同光谱预处理PLSR分析测试,但不被视为必要的,只有在某些情况下增加PLSR的预测精度。估计精度的不同元素浓度变化根据他们的旋光性和浓度。此外,没有全球元素浓度在不同的土壤类型,预测和分析必须调整到给定的条件。在未来的研究中,我们计划扩大土壤剖面成像光谱的光谱范围1000到2500纳米的短波红外区。因为许多吸收乐队躺在这个光谱区,预计更好的最优化的映射。

确认

汉斯和弗洛里安·斯蒂芬斯是感激地承认的技术援助和Joachim山的环境遥感和Geoinformatics特里尔大学提供成像光谱仪。作者感谢三位匿名评论者和编辑提供宝贵的意见和建议。这项研究支持框架内的EnMAP项目(合同编号。50 ee0946-50)德国航空航天中心(DLR)和联邦经济和技术部。

引用

e·r·斯托纳和m . f .包姆加德纳,“表面土壤反射率的变化特点,美国土壤科学学会杂志》上,45卷,不。6,1161 - 1165年,1981页。视图:谷歌学术搜索
e . Ben-Dor s Chabrillat j . a . m . Dematte et al .,“利用成像光谱研究土壤特性,”环境遥感卷。113年,S38-S55, 2009页。视图:出版商的网站|谷歌学术搜索
m·艾默灵Vohland和C”总量的测定土壤有机C和热可以水萃取从土壤可见- C与偏最小二乘回归和光谱反射率特征选择技术,”欧洲的土壤科学》杂志上,卷62,不。4、598 - 606年,2011页。视图:出版商的网站|谷歌学术搜索
e . Ben-Dor d·海勒,为了纪念,“小说分类方法在田间土壤资料用光学手段,“美国土壤科学学会杂志》上,卷72,不。4、1113 - 1123年,2008页。视图:出版商的网站|谷歌学术搜索
h . Buddenbaum m·斯蒂芬斯,“实验室土壤成像光谱资料,”光谱成像杂志,卷2,页1 - 5,2011。视图:出版商的网站|谷歌学术搜索
h . Buddenbaum m·斯蒂芬斯,“映射在土壤化学性质的分布配置文件使用实验室成像光谱,SVM和PLS回归,”EARSeL EProceedings,11卷,不。1,25-32,2012页。视图:谷歌学术搜索
f·a·克鲁斯“识别和映射的矿物质在岩心中使用高光谱图像分析的红外反射光谱,”国际遥感杂志》上,17卷,不。9日,第1632 - 1623页,1996年。视图:谷歌学术搜索
r . a . Viscarra Rossel和r·韦伯斯特”歧视的澳大利亚土壤从他们的视野和类可见近红外光谱,”欧洲的土壤科学》杂志上,卷62,不。4、637 - 647年,2011页。视图:出版商的网站|谷歌学术搜索
通用Vasques、美国格和j . o . Sickman”比较多变量推理建模方法的土壤碳使用可见/近红外光谱,”Geoderma,卷146,不。1 - 2,14-25,2008页。视图:出版商的网站|谷歌学术搜索
a·史蒂文斯t . Udelhoven a丹尼斯et al .,“测量在农田土壤有机碳在区域范围内使用机载成像光谱,”Geoderma,卷158,不。1 - 2,32-45,2010页。视图:出版商的网站|谷歌学术搜索
a . m . Mouazen旷,j . De Baerdemaeker h·拉蒙,“主成分之间比较,偏最小二乘和反向传播神经网络分析的测量精度选择土壤特性与可见光和近红外光谱,”Geoderma,卷158,不。1 - 2,23-31,2010页。视图:出版商的网站|谷歌学术搜索
j . Farifteh f·范德梅尔,c . Atzberger和e·j·m·卡”被盐化土壤反射光谱定量分析:比较两种自适应方法(PLSR和安),“环境遥感,卷110,不。1,59 - 78年,2007页。视图:出版商的网站|谷歌学术搜索
k·d·谢泼德和m·g·沃尔什”发展表征土壤的反射光谱库属性,“美国土壤科学学会杂志》上,卷66,不。3、988 - 998年,2002页。视图:谷歌学术搜索
c . Atzberger m . Guerif f . Baret和w·维尔纳,“比较分析三种最优化技术的spectroradiometric评估树冠在冬小麦叶绿素含量,”计算机和电子产品在农业,卷73,不。2、165 - 173年,2010页。视图:出版商的网站|谷歌学术搜索
c . w . Chang d . a . Laird m . j . Mausbach和c r . Hurburgh“近红外反射率spectroscopy-principal组件回归分析的土壤属性,“美国土壤科学学会杂志》上,卷65,不。2、480 - 490年,2001页。视图:谷歌学术搜索
m . Schlerf c . Atzberger和j·希尔,“遥感森林生物物理变量使用HyMap成像光谱仪数据,”环境遥感,卷95,不。2、177 - 194年,2005页。视图:出版商的网站|谷歌学术搜索
r . a . Viscarra Rossel和t . behren”使用数据挖掘模型和解释土壤漫反射光谱,”Geoderma,卷158,不。1 - 2,页46 - 54岁,2010年。视图:出版商的网站|谷歌学术搜索
美国荒原,m . Sjostrom和l·埃里克森“pls回归:化学计量学的一个基本工具,”化学计量学和智能实验室系统,卷。58岁的没有。2、109 - 130年,2001页。视图:出版商的网站|谷歌学术搜索
美国荒原,j . Trygg a·巴瑞和h . Antti,“请建模,近来的一些发展”化学计量学和智能实验室系统,卷。58岁的没有。2、131 - 150年,2001页。视图:出版商的网站|谷歌学术搜索
e . Ben-Dor y Inbar y陈,“有机物的反射光谱中的可见光近红外、短波红外区(400 - 2500 nm)在控制分解过程中,“环境遥感,卷61,不。1、1 - 15,1997页。视图:出版商的网站|谷歌学术搜索
t . Udelhoven、c·艾默灵和t . jarm”定量分析土壤化学性质与漫反射光谱法和偏最小二乘回归分析:可行性研究,“植物和土壤,卷251,不。2、319 - 329年,2003页。视图:出版商的网站|谷歌学术搜索
b·斯坦伯格和r·a·Viscarra Rossel,”土壤高分辨率遥感、漫反射光谱”近端土壤遥感r . a Viscarra Rossel, b . a . McBratney和b . Minasny, Eds。,pp. 29–47, Springer Science+Business, Dordrecht, The Netherlands, 2010.视图:谷歌学术搜索
w·d .蜂巢g·w·麦卡蒂j·b·李维斯et al .,“使用机载高光谱图像地图在耕种农田土壤特性,”应用和环境土壤学文章ID 358193卷,2011年,13页,2011。视图:出版商的网站|谷歌学术搜索
一个。f . v . d . Berg Rinnan, s . b . Engelsen”审查最常见的近红外光谱的预处理技术,”趋势分析化学,28卷,不。10日,1201 - 1222年,2009页。视图:出版商的网站|谷歌学术搜索
共和党用m·l·杰克逊,“铁氧化物清除土壤和粘土的dithionite-citrate系统与碳酸氢钠缓冲,”第七届国家会议上粘土和粘土矿物,第327 - 317页,1960年。视图:谷歌学术搜索
d . r .兜售,惠普白色,r . j .——j·r·米勒和e . f . LeDrew“反射光谱仪遥感数据的处理,电脑和地球科学,27卷,不。2、203 - 213年,2001页。视图:出版商的网站|谷歌学术搜索
a . Savitzky和m . j . e .戈利平滑和分化的数据简化的最小二乘法程序,”分析化学,36卷,不。8,1627 - 1639年,1964页。视图:谷歌学术搜索
r·j·巴恩斯m . s . Dhanoa, s . j .李斯特”标准正态变量变换和de-trending近红外漫反射光谱,”应用光谱学,43卷,不。5,772 - 777年,1989页。视图:谷歌学术搜索
o .奥托统计和计算机在分析化学中的应用Wiley-VCH,德国魏因海姆,1998年。
d . Ertlen d·施瓦茨m .那位r·韦伯斯特和d .深色“歧视来自草地和森林土壤中有机质之间通过近红外光谱,”欧洲的土壤科学》杂志上,卷61,不。2、207 - 216年,2010页。视图:出版商的网站|谷歌学术搜索
b·l·贝克·d·p·Lusch, j .气”确定最优光谱波段从原位测量大湖沿海湿地利用二阶导数分析,“环境遥感,卷97,不。2、238 - 248年,2005页。视图:出版商的网站|谷歌学术搜索
y, t·h·Demetriades-Shah e . t . Kanemasu j . k . Shultis和m . b . Kirkham”使用二阶导数的树冠反射率监测草原植被在不同土壤背景,“环境遥感,44卷,不。1,第87 - 81页,1993。视图:谷歌学术搜索
w·凯斯勒,多元Datenanalyse毛皮死制药,生物。和ProzessanalytikWiley-VCH,德国魏因海姆,2007年。
r·f·Kokaly r·n·克拉克,“叶生物化学光谱测定使用band-depth吸收特性和逐步多元线性回归分析,“环境遥感,卷67,不。3、267 - 287年,1999页。视图:出版商的网站|谷歌学术搜索
m . Schlerf c . Atzberger j·希尔,h . Buddenbaum w·维尔纳·g·舒勒,”检索叶绿素和氮在挪威云杉(挪威云杉l .岩溶。)使用成像光谱,”国际期刊《应用地球观测和地质信息,12卷,不。1,17-26,2010页。视图:出版商的网站|谷歌学术搜索
b . Datt”,可见/近红外反射率和叶绿素含量在桉树叶,”国际遥感杂志》上,20卷,不。14日,第2759 - 2741页,1999年。视图:谷歌学术搜索
h·马顿斯和e·斯塔克”扩展乘法信号校正和谱干扰减法:新的近红外光谱预处理方法,”制药和生物医学分析杂志》上,9卷,不。8,625 - 635年,1991页。视图:出版商的网站|谷歌学术搜索
m . Vohland c . Bossung h . c .沮丧,“光谱的方法来评估trace-heavy金属含量污染泛滥平原土壤土壤组件通过幽灵似地活跃,”植物营养和土壤科学杂志》上,卷172,不。2、201 - 209年,2009页。视图:出版商的网站|谷歌学术搜索
d·j·布鲁斯、b . Kempen和g . b . m . Heuvelink“抽样验证数字土壤地图,”欧洲的土壤科学》杂志上,卷62,不。3、394 - 407年,2011页。视图:出版商的网站|谷歌学术搜索
r . a . v . Rossel c·陈,“数字映射的信息内容可见近红外光谱的澳大利亚地表的土壤,“环境遥感,卷115,不。6,1443 - 1455年,2011页。视图:出版商的网站|谷歌学术搜索
l . Kooistra r . Wehrens r s e . w .鲁汶和l . m . c . Buydens”可见近红外光谱学的可能性评估土壤污染的河流冲积平原,”分析Chimica学报,卷446,不。1 - 2、97 - 105年,2001页。视图:出版商的网站|谷歌学术搜索

应用和环境土壤学

量化土壤光谱

文摘

1。介绍

2。材料和方法

2.1。研究地点和土壤取样

2.2。图像的设置

2.3。化学分析

2.4。光谱预处理

2.4.1。反射光谱(右)

2.4.2。标准正态变量和消除趋势(SNV-DT)

2.4.3。一阶导数的反射(1 D)

2.4.4。二阶导数的反射率(2 D)

2.4.5。连续被反射(CR)

2.4.6。归一化连续移除反射(NCR)

2.4.7。乘法散射校正(MSC)

2.4.8。扩展的乘法散射校正(EMSC)

2.5。回归分析与PLSR

3所示。结果

3.1。化学分析

3.2。土壤化学成分的映射

4所示。讨论

5。结论

确认

引用

版权

更多相关文章

相关文章