何林华
- 作品数：6 被引量：85H指数：4
- 供职机构：青海师范大学生命与地理科学学院更多>>
- 发文基金：国家自然科学基金青海省自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学环境科学与工程更多>>
- 基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究被引量：25
- 2017年
- 利用高光谱遥感技术识别农作物类型已经成为高光谱遥感研究的热点领域。以青海省湟水流域内油菜、小麦和青稞等典型农作物为分类对象,以HJ-1A HSI高光谱数据和GF-1 WFV高分辨率数据为数据源,探讨利用高光谱遥感影像进行农作物类型信息提取的方法。数据经预处理后,首先,利用WFV数据采用面向对象方法提取研究区农作物种植边界,并利用其对HSI高光谱影像进行种植区域提取;其次,将提取后的高光谱影像经数据形式变换获得包括:R、1/R、Log(R)、d(R)、d(Log(R))和CR共6种数据形式;最后,利用上述6种数据形式的全波段数据和经遗传算法GA-SVM进行光谱波段选取后的6种特征数据,采用支持向量机SVM方法进行农作物分类。结果表明:采用基于样本的面向对象分类方法提取耕地信息精度高且实现周期短;利用GA-SVM波段选取后的6种特征数据集进行农作物分类,其精度显著高于全波段数据集分类精度;6种数据变换形式中,d(Log(R))和CR是两种最优的高光谱分类数据形式,其全波段和特征波段数据进行农作物分类均能获得较好的分类精度,总体精度最高分别达88%和86%,而采用1/R、Log(R)和R数据形式需经GA-SVM光谱波段选取后才能获得较优分类精度。
- 史飞飞高小红杨灵玉何林华贾伟
- 关键词：高光谱遥感支持向量机遗传算法
- 三江源区土壤重金属的累积特征及潜在生态风险评价——以青海省玉树县为例被引量：31
- 2016年
- 为了解三江源代表性区域玉树县土壤重金属污染状况,评估土壤重金属潜在生态风险,以玉树县采集的121个土壤样本中的重金属含量数据为基础,采用地累积指数和潜在生态危害指数法对土壤重金属含量进行分析和潜在风险评价。结果表明:玉树县表层土壤重金属含量均超过青海省1990年背景值,其中As、Cd和Hg出现了较强的的富集现象,同时As、Cd超出国家土壤环境质量一级标准,表明三江源区土壤重金属环境自20世纪90年代以来部分元素出现了过度富集;来源分析表明,玉树县土壤重金属As、Pb、Zn和Cd主要与成土因素有关,Hg、Cu和Cr受人类活动影响较大,Mn来源于气候的影响;潜在生态风险评价表明:土壤中Cd和Hg的危害最大,尤其是Hg已出现了很强风险和极强风险,这些风险主要分布在国道214沿线人口聚集的城镇和地段,与人类活动有着密切的关系。在各子流域中,江曲流域土壤重金属属于强风险,其他区域均属于中等风险。总体而言,玉树县土壤重金属环境已发生了改变,今后应加强人口聚集区Hg源的控制,以保护其生态环境。
- 何林华高小红
- 关键词：土壤重金属地累积指数潜在生态危害指数生态风险评价
- 基于地面高光谱数据的典型作物类型识别方法--以青海省湟水流域为例被引量：4
- 2016年
- 高光谱技术运用于农作物识别与分类目前已成为农业遥感应用领域前沿课题之一。使用ASD FieldSpec4地物光谱仪实测青海省湟水流域大豆、青稞、土豆、小麦和油菜5种典型作物冠层光谱,经数据预处理,利用1/R、d(R)、N(R)、log(R)、d(log(R))、d(N(R))6种光谱数据变换形式和在"绿峰"、"红谷"、"红边"、"光谱吸收特征区"提取的16种光谱特征变量的6种选取结果,分别构建基于BP神经网络的典型作物类型识别模型,通过模型精度比较以寻求用于高光谱农作物分类的有效光谱数据形式和光谱特征变量。结果表明:1/R、d(R)、log(R)、d(log(R))及d(N(R))5种数据变换形式能显著提高模型识别精度,以d(N(R))变换数据构建BPNN模型其辨识精度最高,总体分类精度达88%;在提取的16种光谱特征变量中,以变量数分别为16、14、12的3种选取方案构建BPNN模型其辨识精度较优,总体分类精度分别为88%、86%、84%;BPNN模型能较好地识别5种作物光谱,且采用选取光谱特征变量方法构建BPNN模型其网络训练效率和模型稳定性优于光谱数据变换方法构建BPNN模型。
- 史飞飞高小红杨灵玉贾伟何林华
- 可见光-近红外光谱估算三江源区不同土壤全氮含量被引量：2
- 2015年
- 近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法。基于实验室测定的三江源区146个表层土壤（0---30cm）样品的反射光谱数据（350--2 500nm）与全氮含量数据;利用偏最小二乘回归（PLSR）和反向传播神经网络（BPNN）两种模型方法与光谱反射率（REF）及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力。结果表明：BPNN模型的R2cal、R2val及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型。BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数（Log（1/R））及波段深度（BD）的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分（FDR）和二阶微分（SDR）估算精度均较低,尤其是SDR（R2〈0.5,RPD=1.10--1.27）均不具备估算能力。总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型。
- 高小红杨扬张威贾伟李金山田成明张艳娇杨灵玉何林华
- 关键词：土壤全氮
- 基于Hyperion影像植被光谱的土壤重金属含量空间分布反演——以青海省玉树县为例被引量：17
- 2016年
- 本研究主要探讨了利用Hyperion影像植被光谱估算土壤重金属含量的可行性.以野外采集的三江源区玉树县48个表层土壤样品As、Pb、Zn、Cd实验室测定含量值,以及从两景Hyperion影像提取的48个土壤样本点相应的176个植被光谱反射率波段及构建的5种植被指数为数据源,利用偏最小二乘回归方法(PLSR)建立土壤各重金属含量与上述两套Hyperion影像上提取的变量之间的估算模型.模型分别为176个植被光谱反射率波段与土壤各重金属含量间的估算模型(植被光谱反射率模型),和以5种植被指数作为自变量,与土壤各重金属含量建立的估算模型(综合植被指数模型).运用验证样本的4种重金属元素实测含量值的标准差与均方根误差的比值(RPD)作为检验标准,As、Pb两种模型RPD均小于1.4,不具备粗略估算能力;Zn、Cd两种模型RPD分别为1.53、1.46与1.46、1.42,均具备粗略估算能力.根据上述结果将Zn的光谱反射率估算模型与Hyperion影像相结合反演得到土壤重金属Zn含量的空间分布,Zn含量在214国道、308省道和乡镇附近偏高,主要受到较强的人类活动影响.表明运用Hyperion高光谱影像植被光谱反射率可以间接估算土壤Zn、Cd元素含量.
- 杨灵玉高小红张威史飞飞何林华贾伟
- 关键词：高光谱影像土壤重金属含量偏最小二乘回归
- 不同粒径土壤有机质含量可见光-近红外光谱估算研究-以湟水流域为例被引量：6
- 2017年
- 不同土壤粒径大小差异致使土壤光谱反射率不近相同,从而影响土壤有机质含量的预测精度。因此探索不同粒径下土壤有机质含量估算精度,可为有机质的精确估算以及减少样品的前期处理提供参考依据。本文将分别过10、20、60、100目筛的土样于暗室内进行350~2500 nm波段光谱反射率测量,经多元散射校正(MSC)与小波变换(WT)平滑去噪后,首先将原始光谱(R)及其数学形式包括反射率倒数(1/R)、反射率对数(lgR)、反射率根号(R^(1/2))进行一阶微分变换,然后采用遗传算法结合偏最小二乘法(GA-PLS)筛选土壤有机质含量特征波段区间,再将R、R'及特征波段(CHR)作为偏最小二乘回归(PLSR)和支持向量机(SVM)的输入波段进行有机质含量建模。结果表明:1)土壤粒径越小,光谱反射率越高,特别是当波长大于600 nm时,反射率明显增加;2)土壤有机质含量的特征波段主要位于426~447 nm,1427~1459 nm,1948~1958nm,1970~1991 nm,2012~2039 nm,2165~2186 nm谱区;3)采用GA-PLS算法挑选特征波段建立SOM估算模型,模型精度和预测能力明显高于R和R';4)利用SVM方法建模模型精度明显高于PLSR方法;5)样本容量较大时,采用1mm(20目)粒径光谱数据建模最佳。
- 李冠稳高小红杨灵玉史飞飞何林华刘雪梅谷晓天肖云飞马慧娟
- 关键词：不同粒径有机质湟水流域
