[发明专利]一种采用航空高光谱数据预测黑土氮磷钾含量的方法

说明书

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。

技术领域

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。

背景技术

我国东北黑土富含养分，随着土壤数字制图、精确农业和土壤资源调查等研究的深入，引入航空高光谱数据并提供科学的预测结果成为研究热点。近年来，高光谱遥感技术以其光谱分辨率高、波段连续性强和空间分辨率高等特点，在土壤成分定量遥感监测中，发挥越来越大的作用。氮、磷、钾是土壤中能直接或经转化后被植物根系吸收的矿质营养成分，是土壤肥力评价的重要指标。

常规方法是，将土壤采集回实验室，在室内测量光谱和化验含量数据，在多种数学模型的支持下，通过建立土样光谱与含量的相关关系，定量计算养分含量。土壤光谱数据采集是点状分布，建模的训练数据是“光谱或其变换形式— 氮磷钾含量”。模型计算的结果通过插值来反映全区的氮、磷、钾含量结果。这种方法的弊端是，一方面，氮磷钾含量常常很微弱，在光谱上特征很容易被其它信息湮没，因此“光谱或其变换形式”作为建模数据可靠性不高；另一方面，插值方法的选择对于最终提取结果干扰过大，容易对氮磷钾含量提取结果带来二次误差。

因此，迫切需要一种新型的、能够获得面状高光谱数据的传感器，及能够从光谱全波段建模，而不是选取个别特征峰的建模方法，来解决现有的方法的弊端。

发明内容

本发明用于解决现有技术中建模数据可靠性不高、特征峰单一的建模方法，提供一种采用航空高光谱数据预测黑土氮磷钾含量的方法。

本发明所采用的技术方案是：

一种采用航空高光谱数据预测黑土氮磷钾含量的方法，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；

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：

X_mean＝SUM(x₁,x₂,...,x_n)/n

式中，x₁,x₂,...,x_n是波段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：

x_Median＝Median(x1,x2,...,x_n)