采用非负矩阵分解技术（Non-negative Matrix Factorization, NMF）以及外部参数正交化法（External Parameter Orthogonalization, EPO）提取土壤纯净光谱，用于预测土壤盐分含量，可以有效提高预测精度
- 发布时间：2018-1-19 11:43:02
- 作者：本站原创
我国盐渍化土壤分布面积仍然较大，及时准确地掌握盐渍化土壤的面积和分布，有利于决策部门制定合理的预防和治理措施。遥感方法以其覆盖面积大、更新速度快、获取方便等优势，成为监测土壤盐渍化的重要手段，但是植被覆盖和土壤水分效应一直阻碍土壤信息的准确获取。土壤分中心研究人员分别针对土壤盐渍化遥感监测中植被覆盖和水分效应两大难题，采用光谱信息分解和正交化方法，有效提取了土壤净光谱，并进行了土壤盐分的预测，提高了土壤盐分预测的精度，为消除土壤盐渍化遥感监测中的主要障碍，提高预测精度提供了技术支持和实验依据。两篇文章分别发表在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing（2区）和PLOS one上。
研究人员首次将盲源分离法（Blind Source Separation, BSS）中的非负矩阵分解技术（Non-negative Matrix Factorization, NMF）引入混合光谱分解中，并取得了很好的分离效果。该方法无需任何关于混合光谱的先验知识（传统研究需要植被和土壤光谱所占比例等先验知识），同时无需源信号之间相互独立，克服了传统BSS算法的某些限制，进一步扩大了BSS的应用范围，并简化了执行过程，提高了计算效率。而采用外部参数正交化法（External Parameter Orthogonalization, EPO），可有效去除土壤水分对光谱的影响，并可改善不同土壤含水量状态下土壤含盐量的光谱反演精度。
Fig.1. (a) Original spectra with different vegetation coverage. (b–d) Separated spectra of the three original spectra using NMF.
Fig. 2 Scatter plots of the measured vs. predicted soil salt contents (SSCs) that were derived from the PLSRresults on different subsets.
