基于高光谱遥感的土壤有机质预测建模研究
浙江大学
硕士学位论文
基于高光谱遥感的土壤有机质预测建模研究
姓名：李曦
申请学位级别：硕士
专业：农业遥感与信息技术
指导教师：史舟
2013-03
土壤有机质含量测定
土壤有机质的测定 一重铬酸钾容量法——外热法 1原理： 用定量的重铬酸钾-硫酸溶液，在电加热条件下，使土壤中的有机质氧化，剩余的重铬酸钾用硫酸亚铁标准溶液滴定，并以二氧化硅为添加剂作实际空白标定，根据氧化前后氧化剂质量差值，计算出有机碳量，再乘以系数1.724，即为土壤有机质含量。 2 仪器设备： 1/10000的分析天平；电沙浴（石蜡浴）； 大试管；弯颈漏斗；容量瓶 定时钟；滴定管： 5.00ml； 温度计：200～300℃； 铜丝筛：孔径0.25mm； 3 试剂 除特别注明外，所用试剂皆为分析纯。 3.1 硫酸银：研成粉末； 3.2 二氧化硅：粉末状； 3.3 邻菲啰啉指示剂：称取邻菲哆啉1.490g溶于含有0.700g硫酸亚铁的100ml水溶液中，此指示剂易 变质，应密封保存于棕色瓶中备用； 3.4 0.4mol·L-1（1/6 K2Cr2O7重铬酸钾）重铬酸钾-硫酸溶液：称取重铬酸钾40.0g，溶于600～800ml 蒸馏水中，待完全溶解后，加水稀释至1L，将溶液移入3L大烧杯中；另取1L比重为1.84的浓硫酸，慢慢的倒入重铬酸钾水溶液中，不断搅动，为避免急剧升温，每加约100ml硫酸后稍停片刻，并把大烧杯放在盛有冷水的盆内冷却，待溶液的温度降到不烫手时再加另一份硫酸，直到全部加完为止； 3.5 0.1 mol·L-1重铬酸钾标准溶液：称取经130℃烘2～3h的优级纯重铬酸钾 4.904g。先用少量水溶 解，然后移入1L容量瓶内，加水定容。 3.6 0.1 mol·L-1硫酸亚铁标准溶液：称取FeSO4·7H2O硫酸亚铁28g，溶于600～800ml水中，加浓硫 酸20ml，搅拌均匀，加水定容至1L（必要时过滤），贮于棕色瓶中保存。此溶液易受空气氧化，使用时必须每天标定一次标准浓度。 4 操作步骤： 4.1 选取有代表性风干土壤样品，用镊子挑除植物根叶等有机残体，然后用木棍把土块压细，使之通过 1mm筛。充分混匀后，从中取出试样10～20g，磨细，并全部通过0.25mm筛，装入磨口瓶中备用。 4.2 按照表1有机质含量的规定称取制备好的风干试样0.05～0.5g，精确到0.0001g。置入150ml三角 瓶中，加粉末状的硫酸银0.1g，准确加入0.4mol·L-1重铬酸钾-硫酸溶液10ml混匀。
空谱联合先验的高光谱图像解混与分类方法
空谱联合先验的高光谱图像解混与分类方法高光谱成像是近年来遥感领域发展较快、较前沿的技术。由于包含丰富的空间、辐射和光谱三重信息,高光谱遥感已被广泛应用于精准农业、矿物勘测、军事目标识别、环境监测、灾害评估等领域。 因此,对高光谱数据的处理与解译具有重要的理论意义和实际应用价值。高光谱解混和分类是高光谱遥感信息处理中的关键科学问题,也是定量分析以及后续应用的重要基础。 由于受仪器、大气辐射、光照不均、地物结构等因素的影响,相同地物的光谱曲线存在一定的差异,使得仅利用光谱信息的解混和分类方法的精度无法得到保障。空间信息可以充分刻画地物结构,有效降低“同质异谱”的影响,空谱联合的方法受到众多学者的重视。 本文研究围绕高光谱线性解混、分类等高光谱数据处理中的热点问题,重点提出基于光谱库的l1/2正则化稀疏回归解混方法、以及空谱联合的高光谱分类方法,并在此基础上设计了相应问题的高效算法。本文所做的主要工作和研究成果如下：1、根据高光谱线性解混模型,利用光谱库作为端元字典,将解混问题转化为稀疏回归问题；针对模型解的唯一性要求进行光谱库预优,利用l1/2范数对丰度系数向量进行稀疏正则化约束,在“和为一”、“非负性”条件下,提出了一种约束的l1/2正则化稀疏回归解混模型,并通过迭代重加权的l1算法进行优化求解。 模拟和真实高光谱数据实验表明,基于光谱库的l1/2正则化稀疏回归解混方法能够有效地从光谱库字典中选择出端元并准确反演出其对应的丰度系数。2、针对高光谱监督分类问题,在贝叶斯最大后验框架下,利用l1-l2正则化稀疏表
示方法对似然概率进行建模,并利用MRF分类标签的空间先验进行建模,提出了稀疏表示和马尔可夫场空间先验相结合的空谱联合分类模型,并通过图割算法进行了快速近似求解。 真实高光谱数据实验表明,基于稀疏表示与马尔可夫场空间先验相结合的高光谱分类模型能够有效地提升分类精度,且分类精度优于主流的分类方法。3、在贝叶斯推断框架下,采用稀疏多项式逻辑回归方法对似然概率进行建模,并将最大后验(MAP)分布的边际概率作为实值的隐形场引入到马尔可夫空间先验中,提出了一种加权马尔可夫场空间先验的高光谱分类方法。 利用最大后验边际概率上的加权TV函数定义该马尔可夫场的势函数,并将MAP分类模型转化为加权TV正则化的变分模型,同时添加“非负性”、“和为一”以及“训练样本类别标签固定”三个约束项,建立约束条件下的空谱分类模型,并利用ADMM方法提出了SMLR-SpATV (sparse multinomial logistic regression based spatially adaptive total variation method)算法对模型进行了快速求解。实验结果表明所提出的基于隐形场空间先验的空谱分类模型对高光谱分类的有效性,对比实验表明该方法优于主流的分类方法。 4、为了充分挖掘特征空间与原始空间、全局分类与局部分类的特点,提出了一种子空间逻辑回归分类器与稀疏表示分类器融合的空谱分类方法。其中,仅利用光谱信息的分类概率是由子空间逻辑回归分类器和稀疏表示分类器以一定的方式融合求得,空间先验信息由边缘保持的马尔可夫随机场进行建模。 最后,空谱模型采用图割算法进行快速优化求解。真实高光谱数据实验表明：多分类器融合能够充分发挥多个分类器的优点,分类结果大大高于单个分类器,且优于大部分主流的高光谱分类方法。
高光谱图像分类
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
土壤有机质含量
监测表明:甘肃土壤有机质低有害重金属含量低 2010-06-28 03:51:00 来源: 甘肃日报(兰州) 跟贴 0 条手机看新闻 我省耕地质量监测结果表明 土壤有机质低有害重金属含量低 本报兰州讯(记者王朝霞实习生刘婉琼)省农业节水与土壤肥料站连续13年对我省耕地质量监测表明，我省耕地土壤有机质远低于全国平均水平，土壤培肥任务艰巨；耕地土壤有害重金属汞、砷、铅、铬等含量远低于指标范围，对耕地危害程度较低。 我省于1997年开始进行耕地土壤监测，根据区域、气候、土壤特点和农业生产实际，在具有代表性、面积较大的黑垆土、黄绵土、灌漠土、灰钙土等四大类型土壤上布设监测点，并建立了9个国家级监测站。根据监测结果，我省耕地养分含量指标低于华北、东北、华南、华东地区，基本接近西北地区的平均水平。其中，土壤有机质2009年的全国平均水平为22.97克/千克，而我省平均水平仅为1.21-1.33克/千克；全氮、有效磷含量基本接近全国平均水平，速效钾含量高于全国平均水平。13年间，黄绵土、灌漠土的有机质略有积累，黑垆土则有所下降。 同时，我省主要耕地土壤有害重金属含量较低。汞平均值0.02毫克/千克，变化幅度0.008-0.039毫克/千克，远低于指标≤0.5毫克/千克的范围；砷平均值11.85毫克/千克，变化幅度10.19-13.59毫克/千克，远低于指标≤25毫克/千克范围；铅平均值28.48毫克/千克，变化幅度18.27-38.84毫克/千克，远低于指标≤150毫克/千克范围。这表明我省主要耕地土壤有害重金属含量对耕地危害程度还不是很高。 根据监测，我省耕层养分盈亏情况为氮盈余，磷富积，钾亏缺，我省需要合理调整农田肥料结构，需要加强测土配方施肥，提高有机肥量，减少氮肥使用量，增加磷、钾肥。并对渍涝排水型、坡地梯改型、沙化型、盐碱耕地型、障碍层次型、瘠薄培肥型、高寒阴湿型等全省七种类型的中低产田进行改造。
土壤有机质含量的测定
土壤有机质含量的测定 一、目的要求 土壤有机质含量是衡量土壤肥力的重要指标，对了解土壤肥力状况，进行培肥、改土有一定的指导意义。 通过实验了解土壤有机质测定原理，初步掌握测定有机质含量的方法既注意事项。能比较准确地测出土壤有机质含量。 二、方法原理 在加热条件下，用稍过量得标准重铬酸钾—硫酸溶液，氧化土壤有机碳，剩余的重铬酸钾用标准硫酸亚铁（或硫酸亚铁铵）滴定，由所消耗标准硫酸亚铁的量计算出有机碳量，从而推算出有机质的含量，其反应式如下： 2K 2Cr 2 O 7 +3C+8H 2 SO 4 →K 2 SO 4 +2Cr 2 (SO 4 ) 3 +3CO 2 +8H 2 O K 2Cr 2 O 7 +6FeSO 4 +7H 2 SO 4 →K 2 SO 4 + Cr 2 (SO 4 ) 3 +3Fe 2 (SO 4 ) 3 +8H 2 O 用Fe2+滴定剩余的K 2Cr 2 O 7 2-时，以邻啡罗啉（C 2 H 8 N 2 ）为氧化还原指示剂，在 滴定过程中指示剂的变色过程如下：开始时溶液以重铬酸钾的橙色为主，此时指示剂在氧化条件下，呈淡蓝色，被重铬酸钾的橙色掩盖，滴定时溶液逐渐呈绿色（Cr3+），至接近终点时变为灰绿色。当Fe2+溶液过量半滴时，溶液则变成棕红色，表示颜色已到终点。 三、仪器试剂 1. 仪器用具 硬质试管（18mm×180mm）、油浴锅、铁丝笼、电炉、温度计（0~200℃）、分析天平（感量0.0001g）、滴定管（25ml）、移液管（5ml）、漏斗（3~4cm），三角瓶（250ml）、量筒（10ml，100ml）、草纸或卫生纸。 2. 试剂配制 1.0.1333mol/L重铬酸钾标准溶液称取经过130℃烘烧3~4h的分析纯重铬酸钾39.216g,溶解于400ml蒸馏水中，必要时可加热溶解，冷却后架蒸馏水定容到1000ml，摇匀备用。 2.0.2mol/L硫酸亚铁（FeSO 4.7H 2 O）或硫酸亚铁铵溶液称取化学纯硫酸亚铁 55.60g或硫酸亚铁铵78.43g，溶于蒸馏水中，加6mol/L H 2SO 4 1.5ml，再加蒸馏 水定容到1000ml备用。
高光谱遥感图像研究意义及现状
高光谱遥感图像研究意义及现状 1研究高光谱遥感图像的意义 (1) 2高光谱遥感图像分类以及其基本现状 (2) 2.1图像预处理 (3) 2.2定义感兴趣地物类别并标记训练样本 (3) 2.3特征提取与特征选择 (4) 2.4分类判决 (4) 1研究高光谱遥感图像的意义 遥感图像是按一定比例尺,客观真实地记录和反映地表物体的电磁辐射的强弱信息,是遥感探测所获得的遥感信息资料的一种表现形式，因此遥感技术应用的核心问题是根据地物辐射电磁辐射强弱在遥感图像上表现的特征,判读识别地面物体的类属及其分布特征。遥感图像特征取决于遥感探测通道、地物光谱特征、大气传播特征及传感器的响应特征等因素。只要了解这些因素对遥感图像特征的影响，则可按图像特征判读地面物体的属性及其分布范围，实现遥感图像的分类识别。 高光谱遥感图像是一种高维图像，可反映地物的空间信息和光谱信息，其数据量庞大。随着传感器的不断更新，人们已经可以在不同的航空、航天遥感平台上获取不同时空间分辨率和光谱分辨率的遥感影像。高光谱遥感与以往遥感技术相比，具有图谱合一的特征和从可见光到红外甚至热红外的一系列波段，是一种综合性的遥感技术手段。特别是在地面的信息比较微弱的情况下，高光谱遥感具有识别微弱信息和定量探测的优势。 发展高光谱遥感技术，满足军事和民用对该技术的需求，开展该领域的研究是非常必要而有实际意义的。发展以地物精确分类、地物识别、地物特征信息提取为目标的超光谱遥感信息处理模型，提高超光谱数据处理的自动化和智能化水平。 高光谱遥感技术将确定物质或地物性质的光谱与揭示其空间和几何关系的图像结合在一起，而许多物质的特征往往表现在一些狭窄的光谱范围内，高光谱遥感实现了获取地物的光谱特征同时又不失其整体形态及其与周围地物的关系。 高光谱技术产生的一组图像所提供的丰富信息可以显著地提高数据分析的质量、细节性、可靠性以及可信度，可有效地用于地物类型的像素级甚至亚像素级识别，己广泛应用于地质勘探与地球资源调查、城市遥感与规划管理、环境与
土壤有机质含量的测定-重铬酸钾发
测定所需试剂 1 土壤有机质的测定一重铬酸钾容量法——外热法 1 原理： 用定量的重铬酸钾-硫酸溶液，在电加热条件下，使土壤中的有机 质氧化，剩余的重铬酸钾用硫酸亚铁标准溶液滴定，并以二氧化硅为添加剂作实际空白标定，根据氧化前后氧化剂质量差值，计算出有机碳量，再乘以系数1.724，即为土壤有机质含量。 2 仪器设备： 1/10000的分析天平；电沙浴（石蜡浴）； 大试管；弯颈漏斗；容量瓶 定时钟；滴定管： 5.00ml； 温度计：200～300℃； 铜丝筛：孔径0.25mm； 3 试剂 除特别注明外，所用试剂皆为分析纯。 3.1 硫酸银：研成粉末； 3.2 二氧化硅：粉末状； 3.3 邻菲啰啉指示剂：称取邻菲哆啉1.490g溶于含有0.700g硫酸亚铁的100ml水溶液中，此指示剂易变质，应密封保存于棕色瓶中备用； 3.4 0.4mol·L-1（1/6 K2Cr2O7重铬酸钾）重铬酸钾-硫酸溶液：称取重铬酸钾40.0g ，溶于600～800ml蒸馏水中，待完全溶解后，加水稀释至1L，将溶液移入3L大烧杯中；另取1L比重为1.84的浓硫酸，慢慢的倒入重铬酸钾水溶液中，不断搅动，为避免 急剧升温，每加约100ml硫酸后稍停片刻， 并把大烧杯放在盛有冷水的盆内冷却，待溶液的温度降到不烫手时再加另一份硫酸，直到全部加完为止； 3.50.1m o l·L-1重铬酸钾标准溶液：称取经130℃烘2～3h的优级纯重铬酸钾 4.904g。先用少量水溶解，然后移入1L容量瓶内，加水定容。 3.6 0.1 mol·L-1硫酸亚铁标准溶液：称取FeSO4·7H2O硫酸亚铁28g，溶于600～ 800ml水中，加浓硫酸20ml，搅拌均匀，加水定容至1L（必要时过滤），贮于棕色瓶中保存。此溶液易受空气氧化，使用时必须每天标定一次标准浓度。 4 操作步骤： 4.1 选取有代表性风干土壤样品，用镊子挑除植物根叶等有机残体，然后用木棍压细，使之通过1mm筛。充分混匀后，从中取出试样10～20g，磨细，并全部通过0.25mm 筛，装入磨口瓶中备用。 4.2 按照表1有机质含量的规定称取制备好的风干试样0.05～0.5g，精确到 0.0001g。置入150ml三角瓶中，加粉末状的硫酸银0.1g，准确加入0.4mol·L-1重铬 酸钾-硫酸溶液10ml混匀。 表1 不同土壤有机质含量的称样量 有机质含量，% 试样质量，g
FTIR光谱拟合方法在反演气体浓度中的应用
第25卷,第10期 光谱学与光谱分析Vol 125,No 110,pp157321576 2005年10月 Spectroscopy and Spectral Analysis October ,2005 FTIR 光谱拟合方法在反演气体浓度中的应用 朱 军1,2,刘文清1,刘建国1,高闽光1,赵雪松1,张天舒1,徐 亮1 11中国科学院安徽光学精密机械研究所,安徽合肥 23003121安徽大学电子科学与技术学院,安徽合肥 230039 摘 要 研究用FTIR 光谱测量系统反演气体浓度的方法,在WINDOWS 操作系统下应用非线性最小二乘 拟合算法实现了CO 气体的定量分析。在FTIR 光谱拟合中,使用HITRAN 数据库中的光谱作为校准训练集,使测量的CO 红外透过率谱与计算的参考光谱达到最佳拟合得到了该气体的浓度,反演结果的绝对准确度达到1%～5%。 主题词 红外傅里叶变换;非线性最小二乘算法;透过率谱;浓度反演中图分类号:O65713 文献标识码:A 文章编号:100020593(2005)1021573204 收稿日期:2004203228,修订日期:2004206226 基金项目:国家自然科学基金项目(10274080)和安徽省高校优秀中青年骨干教师项目资助 作者简介:朱 军,女,1968年生,中国科学院安徽光学精密机械研究所博士研究生 引 言 光谱拟合方法用于气体浓度反演,具有快速、可再生以及灵活方便等特点,它是基于样品池的气体分析的实用基础。另外,它在开放光路测量等不容易测量到真实的校准谱或参考谱的情况下,该方法具有很大的优越性[1]。对于采用该方法进行分析的物质种类必须有可以用的线参数,HI 2 TRAN 和其他已经开发的分子数据库 [224] 是公开可用的,在 一些校准训练集中可以采用其中的光谱。 本文采用的非线性峰值拟合方法适用于长光程开放测量或者密封池测量时的气体浓度反演。在不服从Beer 定律的情况下该方法具有独特的优势,因为光谱拟合不需要假定浓度和测量的吸收之间满足线性。首先,通过FTIR 光谱仪测量分析得到气体的透过率光谱;然后,将实测光谱与HITRAN 数据库中的计算光谱拟合,每次拟合迭代必须重新计算光谱;最终,由最佳拟合光谱可以得到气体的浓度信息。 1 基本工作原理 FTIR 测量系统如图1所示,主要由傅里叶变换红外光谱仪、计算机、红外光源和辅助光路等组成。其中,FTIR 光谱仪测量入射红外辐射的光谱辐射曲线 ;红外光源提供标准辐射源;辅助光路系统将被测气体或红外光源的辐射引入 FTIR 光谱仪。计算机采集探测器信号,并利用傅里叶变换 完成时域干涉图到频域光谱图的转换,得到被测气体的红外辐射透过率光谱,再通过光谱拟合分析计算得到实测气体的 浓度信息。 Fig 11 Schem atic diagram of FTIR measurement system 在通过实测的透过率光谱反演气体浓度的过程中,获得 拟合校准谱的方法非常关键,本文通过吸收线参数的数据库HITRAN [5,6]计算拟合校准谱。在软件中采用了标准的吸收线参数,修正并按比例转换成浓度,为计算的谱设定光程、温度和压强,将它们与压强及多普勒线型分量作卷积以提供真正的单色大气透过率光谱。然后单色光谱与仪器线形函数作卷积,仪器线形函数包括有限分辨率效应、视场的发散、切趾和谱移位。计算的光谱可以仿真光谱仪上测量的光谱,以它们作为气体浓度信息分析的训练集。根据我们给定的初始浓度通过迭代计算以达到计算的光谱与实测光谱的最佳拟合,这样就可以获得未知气体的浓度。将实测的透过率光谱减去拟合光谱可以得到剩余光谱,剩余光谱中明显存在的光谱结构可能表示其他没有预测到的分子的存在。 2 光谱拟合与误差评价 对于实测光谱的拟合采用非线性峰值拟合算法,它可以 准确地确定峰值的位置、宽度、高度和一些重叠的峰值区
土壤有机质含量的测定(精)
实训六土壤有机质含量的测定 一、目的要求 土壤有机质含量是衡量土壤肥力的重要指标，对了解土壤肥力状况，进行培肥、改土有一定的指导意义。 通过实验了解土壤有机质测定原理，初步掌握测定有机质含量的方法既注意事项。能比较准确地测出土壤有机质含量。 二、方法原理 在加热条件下，用稍过量得标准重铬酸钾—硫酸溶液，氧化土壤有机碳，剩余的重铬酸钾用标准硫酸亚铁（或硫酸亚铁铵）滴定，由所消耗标准硫酸亚铁的量计算出有机碳量，从而推算出有机质的含量，其反应式如下：2K2Cr2O7+3C+8H2SO4→K2SO4+2Cr2(SO4)3+3CO2+8H2O K2Cr2O7+6FeSO4+7H2SO4→K2SO4+ Cr2(SO4)3+3Fe2(SO4)3+8H2O 用Fe2+滴定剩余的K2Cr2O72-时，以邻啡罗啉（C2H8N2）为氧化还原指示剂，在滴定过程中指示剂的变色过程如下：开始时溶液以重铬酸钾的橙色为主，此时指示剂在氧化条件下，呈淡蓝色，被重铬酸钾的橙色掩盖，滴定时溶液逐渐呈绿色（Cr3+），至接近终点时变为灰绿色。当Fe2+溶液过量半滴时，溶液则变成棕红色，表示颜色已到终点。 三、仪器试剂 1. 仪器用具 硬质试管（18mm×180mm）、油浴锅、铁丝笼、电炉、温度计（0~200℃）、分析天平（感量0.0001g）、滴定管（25ml）、移液管（5ml）、漏斗（3~4cm），三角瓶（250ml）、量筒（10ml，100ml）、草纸或卫生纸。 2. 试剂配制 1.0.1333mol/L重铬酸钾标准溶液称取经过130℃烘烧3~4h的分析纯重铬酸钾39.216g,溶解于400ml蒸馏水中，必要时可加热溶解，冷却后架蒸馏水定容到1000ml，摇匀备用。 2.0.2mol/L硫酸亚铁（FeSO4.7H2O）或硫酸亚铁铵溶液称取化学纯硫酸亚铁55.60g或硫酸亚铁铵78.43g，溶于蒸馏水中，加6mol/L H2SO41.5ml，再加蒸馏水定容到1000ml备用。 3.硫酸亚铁溶液的标定准确吸取3份0.1333mol/L K2Cr2O7标准溶液各5.0ml 于250ml三角瓶中，各加5ml6mol/L H2SO4和15ml蒸馏水，再加入邻啡罗啉指示剂3~5滴，摇匀，然后用0.2mol/LFeSO4溶液滴定至棕红色为止，其浓度计算为： c= V 0.5 1333 .0 6? ? 式中：c——表示硫酸亚铁溶液摩尔浓度（mol/L）； V——滴定用去硫酸亚铁的体积（mol）；
项目名称Stokes光谱反演太阳矢量磁场的技术研究及-云南师范大学
项目名称：Stokes光谱反演太阳矢量磁场的技术研究及应用 主要完成人：梁红飞（云南师范大学）、高朋鑫（云南天文台）、冯雯（昆明理工大学）、陈娥（云南师范大学）、张皓晶（云南师范大学）、顾啸 马（云南天文台）、钟树华（云南天文台） 推荐单位：云南省教育厅 项目重要科学发现点、主要学术代表作、主要完成人的学术思想贡献（800字以内）： 科学发现点： 1.基于偏振辐射转移方程建立了一套快速反演太阳Stokes轮廓的技术并编写了相应程序。利用该反演技术和程序探讨Stokes轮廓与各个物理参数之间的变化关系,探索黑子内各物理参数（矢量磁场、密度、温度等）在不同光学深度上是怎样影响Stokes光谱轮廓的。我们应用该技术对云南天文台太阳Stokes 光谱望远镜的观测数据进行分析，精确测定了太阳黑子内的矢量磁场，验证了太阳黑子存在漩涡状的磁场结构。 2．在应用测量到的矢量磁场分布计算太阳黑子内的电流密度、无力因子、电流螺度及磁螺度等物理量时，我们发现测量出的磁场矢量即使存在微小的误差，应用传统的微分算法计算出活动区电流密度分布也会出现非常大的偏差，甚至导致计算出错误结果。为了解决这个问题，我们提出了应用环路计分算法取代微分算法，结果显示环路计分算法能够很好的消除误差对电流密度计算准确度的不良影响，能够获得精确的计算结果。 3．应用非偏振光谱数据研究了耀斑后环等活动体内的物质分布状况，提出了耀斑后环内物质是沿磁力线作自由滑落的运动特征。 4．精确地测定了黑子本影和半影内的大气运行波的周期和传播速度，这对理解太阳高能活动的能量传输和积累有非常重要的意义。 5．基于国内外地面观测设备和空间观测设备发布的数据，对太阳活动，特别是日冕物质抛射（CME）的整体行为演化进行研究。对CME速度、纬度及加速度的太阳活动周行为、分布进行了统计研究，得到了一些有意义的结果，对理解CME的起源和演化，以及预报有帮助。另外基于与CME紧密相关的太阳活动暗条的数据研究了高纬度太阳活动的纬度漂移，为太阳活动发电机理论提供了一定的基础。 主要学术代表作： 1. Author: Liang HF.; Ma L.; Zhao HJ.; Xiang FY; Title: Electric current density calculation and error analysis of solar active regions Pub: 2009NewA...14..294L 2. Author: Liang, H. F.; Qu, Z. Q.; Zhao, H. J.; Xiang, F. Y， Title: Correlation analysis between vector magnetograms measured by S3T and MSFC，
高光谱遥感实习报告
高光谱遥感实习报告 目录 一．数据预处理 (2) 1. 数据说明 (2) 2.数据转换 (3) 2.FLAASH大气校正 (4) 3.图像裁剪 (7)
二．光谱识别与地物分析 (8) 1.波段相关性分析 (8) 2.MNF变换 (8) 3.端元提取 (10) 3.1 2-D散点图法 (10) 3.2基于PPI的端元提取（N维散点图法） (13) 三．实习心得 (19) 一．数据预处理 1.数据说明 环境与灾害监测预报小卫星星座A、B星（简称环境小卫星，简写HJ-1A /1B）于2009
年3月30日开始正式交付使用，HJ-1-A星搭载了CCD相机和超光谱成像仪（HSI），HJ-1-B 星搭载了CCD相机和红外相机（IRS）。HJ-1A /1B卫星是继我国继气象、海洋、国土资源卫星之后一个全新的民用卫星。卫星投入使用后，对自然灾害、生态破坏、环境污染进行大范围、全天候、全天时的动态监测，对灾害和环境质量进行快速和科学评估，提高灾害和环境信息的观测、采集、传送和处理能力，为紧急救援、灾后救助及恢复重建和环境保护工作提高科学依据。 HSI 对地成像幅宽为50 km, 星下点像元地面分辨率为100 m，115个波段，工作谱段：459~ 956nm。具有30度侧视能力和星上定标功能。HJ-1数据应用于自然灾害、生态环境之前，需要进行几何及光谱方面的预处理。ENVI在数据读取、图像配准、精确大气校正等方面提供了非常好的工具。 2.数据转换 目前，网上免费获取的HJ-1A /1B卫星CCD和HSI影像的分发的格式主要有两种：CCD 为Geotiff，每一个波段为一个Geotiff文件，并提供一个元数据说明（.XML）; HSI为HDF5格式，也提供一个元数据说明（.XML）。 使用HJ-1数据读取补丁，启动ENVI->File->Open External File->HJ-1->HJ-1A /1B Tools工具。直接读取CCD、HIS、IRS数据，之后选择Basic Tools->Convert Data(BSQ,BIL,BIP)，将刚才生成的文件转成BIL储存顺序的文件。至此，已经将HSI数据转成BIL储存顺序、带有中心波长信息、波段宽度信息的ENVI格式文件。 图1.1 HJ-1A /1B Tools面板
土壤有机质含量的测定
土壤有机质含量的测定 、目的要求 土壤有机质含量是衡量土壤肥力的重要指标，对了解土壤肥力状况，进行培肥、改土有一定的指导意义。 通过实验了解土壤有机质测定原理，初步掌握测定有机质含量的方法既注意事项。能比较准确地测出土壤有机质含量。 二、方法原理 在加热条件下，用稍过量得标准重铬酸钾—硫酸溶液，氧化土壤有机碳，剩余的重铬酸钾用标准硫酸亚铁（或硫酸亚铁铵）滴定，由所消耗标准硫酸亚铁的量计算出有机碳量，从而推算出有机质的含量，其反应式如下： 2K2Cr26+3C+8HSC4—K2SC4+2Cr2（SC h）3+3CO+8H2O K2Cr26+6FeSO+7H2SC4—?SC4+ Cr 2（SC h）3+3Fe2（SO）3+8H2O 用Fe2+滴定剩余的K2Cr2O72-时，以邻啡罗啉（C2H8N2）为氧化还原指示剂，在滴定过程中指示剂的变色过程如下：开始时溶液以重铬酸钾的橙色为主，此时指示剂在氧化条件下，呈淡蓝色，被重铬酸钾的橙色掩盖，滴定时溶液逐渐呈绿色（CF+）,至接近终点时变为灰绿色。当Fe2+溶液过量半滴时，溶液则变成棕红色，表示颜色已到终点。 三、仪器试剂 1.仪器用具 硬质试管（18mm x 180mm）＞油浴锅、铁丝笼、电炉、温度计（0~200C）、分析天平（感量O.OOOIg）、滴定管（25ml）、移液管（5ml）、漏斗（3~4cm）,三角瓶（250ml）、量筒（10ml, 100ml）、草纸或卫生纸。 2.试剂配制 1.0.1333mol/L重铬酸钾标准溶液称取经过130 C烘烧3~4h的分析纯重铬酸钾39.216g,溶解于400ml蒸馏水中，必要时可加热溶解，冷却后架蒸馏水定容到 1000ml，摇匀备用。 2.0.2mol/L 硫酸亚铁（FeSQ7H2O）或硫酸亚铁铵溶液称取化学纯硫酸亚铁55.60g或硫酸亚铁铵78.43g,溶于蒸馏水中，力卩6mol/L H2SQ1.5ml,再加蒸馏水定容到1000ml 备用。 3.硫酸亚铁溶液的标定准确吸取3份0.1333mol/L ?Cr26标准溶液各5.0ml于
简析差分吸收光谱反演方法在环境监测系统中的应用
简析差分吸收光谱反演方法在环境监测 系统中的应用 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 鉴于人们生活水平和经济实力的不断上涨带来的出行车辆的增多，国内各种烟气排放量也居高不下，空气环境质量已经成为人们口常关注重点，相关行业对环境污染源的监测也引起业内专家极大重视，不同环境测量和监测手段也如同雨后春笋纷纷涌现，而其中应用较为普遍、发展极其快速的就是差分吸收光谱法，简称DOAS。该技术最早是20世纪70年代中期德国相关环境物理研究机构提出的，随着光学分析计算和信息技术的不断发展进步，再加上全球对环境保护的口益重视，差分吸收光谱反演法运用到环境监测领域也口益广泛，如空气中二氧化硫、甲醛、氯化物、二氧化氮等等诸多有害、有毒气体中的浓度测量。通过差分吸收光谱方法能够更好监测不同波段气体分子差分吸收的不同来对气体大气浓度进行反演，从而更好地测量获取多类气体的浓度信息，可以说其在反演污染物浓度应用上面优势显著，因此差分吸收光谱反演方法在环境监测系统中有着十分重要的研究价值。
1差分吸收光谱法的原理 DOAS技术借用了Lambert Bee:的吸收定律原理，通过利用大气中污染气体对紫外线和可见光波段特征吸收光谱来监测鉴定气体分子，并根据一定原理和公式得出污染气体分子以及其浓度，因此其较为适合应用到波段有吸收特征的气体分子上，如甲苯、一氧化氮、芳香族有机苯、甲醛、二氧化硫、臭氧、二氧化氮等。通过DOAS测量监测，利用滤波去除其中波长变化缓慢的光波后就只乘」下分子窄带吸收导致的光衰减，然后根据测量信号光谱与同样处理的实验室得到的标准吸收截面参考光谱之间的拟合进行最小二乘法，通过这种反演算法就能够得出测量目标对象的浓度。这种通过不同气体分子波段之间差分吸收的不同来反演得出其浓度的技术方法就是DOAS测量反演方法在环境监测系统应用的理论基础。 2差分吸收光谱法的特点 虽然差分吸收光谱应用到环境监测系统中，其测量涉及到的仪器设备繁多，其测量步骤也略显繁琐，然而其应用特点优势也极为明显，主要有三:第一，差分吸收光谱技术能够在相同波段对多种气体分子浓度进行测量，也就是说其能够利用简单一台仪器野外进行多种大气污染物测量和浓度监测，其应用范围相当
高光谱遥感数据的大气校正
实验二高光谱遥感数据的大气校正 --GIS0901 赵建平 2009303200901 一. 基本概念: a)大气散射 辐射在传播过程中遇到小微粒而使传播方向改变，并向各个方向散开，称为散射。大气散射是电磁波同大气分子或气溶 胶等发生相互作用，使入射能量以一定规律在各方向重新分布 的现象。其实质是大气分子或气溶胶等粒子在入射电磁波的作 用下产生电偶极子或多极子振荡，并以此为中心向四周辐射出 与入射波频率相同的子波，即散射波。散射波能量的分布同入 射波的波长、强度以及粒子的大小、形状和折射率有关。 b)大气吸收和地面遥感可以利用的主要大气窗口 对遥感传感器而言，只有选择透过率高的波段才对观测有意义。电磁波通过大气层较少被反射、吸收和散射的那些透射 率高的波段成为大气窗口。通常把太阳光透过大气层时透过率 较高的光谱段称为大气窗口。大气窗口的光谱段主要有: 微波波段（即0.8~2.5cm），由于微波穿云透雾能力强，这一区间可以用于全天候观测，而且是主动遥感方式。 远红外波段（即8~14μm），主要通透来自地物热辐射的能量，适用于夜间成像。 中红外波段（即3.5~5.5μm），该波段除了反射外，地面物体也可以自身发射热辐射能量。 近、中红外波段（即1.5~1.8μm和2.0~3.5μm），是白天
日照条件好时扫描成像的常用波段。 紫外、可见光和近红外波段（即0.3~1.3μm）这一波段是摄影成像的最佳波段，也是许多卫星传感器扫描成像的常用波段。 c)天空为什么是蓝色的？太阳升起和落下时天空为什么是红色 或橘红色？ 我们所看到的蓝天是因为空气分子和其他微粒对入射的太阳光进行选择性散射的结果。当微粒的直径小于可见光波长时，散射强度和波长的4次方成反比，不同波长的光被散射的比例不同。当太阳光进入大气后，空气分子和微粒(尘埃、水滴、冰晶等)会将太阳光向四周散射。组成太阳光的红、橙、黄、绿、蓝、靛、紫7种光中，红光波长最长，紫光波长最短。 波长比较长的红光透射性最大，大部分能够直接透过大气中的微粒射向地面。而波长较短的蓝、靛、紫等色光，很容易被大气中的微粒散射。因此晴天天空是蔚蓝的。 当太阳将要落山时，太阳光穿透大气层到达观察者所经过的路程要比中午时长得多，更多的光被散射和反射，所以光线也没有中午时明亮。因为在到达所观察的地方，波长较短的光——蓝色和紫色的光几乎已经散射殆尽，只剩下橙色和红色的光，所以随着太阳慢慢落下，天空看起来也从橙色变成红色。 同样道理，当太阳升起的时候，也是橙色或者红色的。 d)为什么要进行大气校正？
高光谱遥感影像的光谱匹配算法研究概要
https://www.360docs.net/doc/53646591.html, 中国科技论文在线高光谱遥感影像的光谱匹配算法研究 蔡燕1，梅玲2作者简介：蔡燕，（1984-），女，硕士研究生，主要研究方向：高光谱遥感 通信联系人：梅玲，（1984-），女，助理工程师，主要研究方向：水文地质. E-mail: meilingcumt@https://www.360docs.net/doc/53646591.html, （1. 中国矿业大学环境与测绘学院，江苏徐州 221008； 2. 江苏煤炭地质勘探四队，南京 210046） 摘要：在高光谱遥感影像处理中，光谱匹配技术是高光谱地物识别的关键技术之一。本文主要围绕光谱匹配算法的研究展开，分析讨论了常用的几种光谱匹配技术的特点，根据先验知识建立了多种地物标准光谱库，并将其读入程序存储，基于Visual C++平台实现了最小距离匹配，光谱角度匹配，四值编码匹配法，最后基于混淆矩阵对分类图像进行精度比较分析并对三种编码匹配法进行比较。 关键词：高光谱；光谱匹配；最小距离匹配；光谱角度匹配；四值编码 中图分类号：TP751 The Study on the Spectral Matching Technique of hyperspectral romote sensing Cai Yan1, Mei Ling2 (1. School Of Environment Science and Spatial Informatics China University of Mining and Technology, JiangSu XuZhou 221008;
2. JiangSu Geological Prospecting Team Four, NanJing 210046 Abstract: In the hyperspectral image processing, the spectral match technique is one of key techniques to identify and classify materials in the image. This paper addresses some issues of spectral matching methods. Several algorithms are analyzed and compared, such as minimum distance matching, spectral angle mapping and quad-encoding. According to the prior knowledge, standard spectral library including typical land-cover types is built, which is stored and used for spectral matching. All of work is done in the programming environment of Visual C++. Finally, the experimental results are tested and compared when classification accuracies are computed based on confusion matrixes. Keywords:hyperspectral; spectral match; minimum distance matching; spectral angle mapping; quad-encoding 0 引言 高光谱遥感技术的发展和广泛应用是20世纪最具有标志性的科学技术成就之一，与传统的多光谱遥感技术相比，高光谱分辨率遥感的核心特点是图谱合一，即能获取目标的连续窄波段的图像数据[1]。高光谱遥感信息的分析处理集中于光谱 维上进行图像信息的展开和定量分析。 高光谱影像分类与地物识别是建立在传统的遥感图像分类算法基础之上，结合高光谱数据特点，对高光谱图像数据进行目标识别，是对遥感图像基本分类方法的扩展与延伸。高光谱遥感影像有着很高的光谱分辨率，且光谱通道连续，因此对于影像中的任一像元均能获取一条平滑而完整的光谱曲线，将其与地物波谱库中的光谱曲线进行匹配运算，实现地物识别与定量反演[2-4]。光谱匹配技术是成像光谱地物识别的关键技术之一，主要通过对地物光谱与参考光谱的匹配或地物光谱与数据库的比较，求算他们之间的相似性或差异性，突出特征谱段，有小提取光谱维信息，以便对地物特征进行详细分析[5]。本文紧紧围绕光谱匹配的算法分析了最小 距离法，光谱角度匹配法，以及四值编码法，进行精度分析与方法比较。
土壤有机质含量
土壤有机质含量 单位体积土壤中含有的各种动植物残体与微生物及其分解合成的有机物质的数量。一般以有机质占干土重的百分数表示。 气候直接影响土壤的水热状况和物理、化学过程的性质和强度。如中等水热条件下，土壤有机质积累最多(温带半湿润环境下的黑土是世界上最肥沃的土壤);通过影响岩石的风化过程、地貌形态及生物的活动，间接影响土壤的形成和发育。如:湿热条件下风化壳最厚，土壤层厚度大。干旱或者寒冷条件下，风化壳薄，土壤层也薄。 生物是土壤有机物质的来源，土壤形成过程中最活跃的因素，土壤肥力的高低主要取决于有机质含量的多少。没有生物的参与(生物循环)，就不会有土壤的形成。 一般而言，森林土壤有机质含量要低于草地土壤。 1简介 organic substances content in soil 2提高途径 土壤有机质泛指土壤中以各种形式存在的含碳有机化合物。对低产田来说，通过下列途径可以增加有机质含量，以培肥地力。对高产田来说，由于有机质不断分解，也需要不断补充有机质。 折叠一 增施有机粪肥。堆肥、沤肥、饼肥、人畜粪肥、河湖泥等都是良好的有机肥。 折叠二 提倡秸秆还田。研究表明，秸秆直接还田比施用等量的沤肥效果更好。目前，大力提倡以小麦高茬为主要措施的秸秆还田技术，小麦收割时，留20-30厘米高麦秆，经一个雨季的风吹日晒雨淋，到小麦再播种时，已变成半分解状态，成为上好的有机肥料。秸秆还田简单易行，省力省工，但在还田时，就应加施化学氮肥，避免微生物与作物争氮。 折叠三 粮肥轮作、间作，用地养地相结合。随着农业生产的发展，复种指数越来越高，致使许多土壤有机质含量降低，肥力下降。实行粮肥轮作、间作制度，不仅可以保持和提高有机质含量，还可以改善土壤有机质的品质，活化已经老化了的腐殖质。 折叠四
土壤有机质
土壤有机质是土壤中除碳酸盐以外的所有含碳化合物的总称，包括植物的残体，施入的有机肥料，以及经过微生物作用所形成的腐殖质。 土壤有机质有五种类型：①新鲜有机质，尚未被分解的动植物残体，如作物的秸秆和根茬等；②半分解的有机质，有机残体在缺氧条件下，经微生物作用后形成的物质，如泥炭、半腐烂的有机肥料等；③简单的有机化合物，为有机残体经微生物分解所产生的，在土壤中含量不多，如糖类、氨基酸、脂肪酸等；④微生物，包括细菌、真菌、放线菌、原生动物和一些昆虫等；⑤腐殖质，是有机质经微生物转化后形成的黑色或黑褐色，成分和结构都比较复杂的高分子有机胶体，一般分为可溶于稀碱但不溶于酸的胡敏酸和溶于碱又溶于酸的富里酸，以及既不溶于碱又不溶于酸的胡敏素三个组分。前四种土壤有机质为非腐殖质物质，占土壤有机质总量的30％—50％，腐殖质占土壤有机质总量的%50—70％。 土壤有机质的成分主要是碳、氢、氧，还含有氯、硫、磷、钾、钙、镁、铁以及微量元素，是作物营养元素的来源，也是微生物的食物，一般只占表层干土重的0.5％—3％，个别土壤如黑土有机质含量达10％左右。土壤有机质数量虽然不多，但它对土壤的物理、化学性质有很大影响，对培肥、改良土壤有重要作用。 根据土壤普查耕层有机质含量数据标准划分成6 个等级：
大于40 g kg-1、30 g kg-1~40 g kg-1、20 g kg-1~30 gkg-1、10 g kg-1~20 g kg-1、6 g kg-1~10 g kg-1、小于（等于）6 g kg-1。 在自然状态下，影响土壤有机质含量的因素包括气候、植被、母质、地形和时间，而在人类耕作活动影响下，施肥状况和耕作措施则成为短期影响农田土壤有机质含量的主要原因。