黄河三角洲土壤含水量状况的高光谱估测与遥感反演

为探讨利用近地高光谱和遥感影像数据结合预测土壤含水量的可行方法,以黄河三角洲垦利县为研究区,采用中心波长反射率和波段平均反射率两种拟合方法,利用室外实测高光谱窄波段反射率数据模拟Land Sat8卫星宽波段反射率,进而通过组合,选取敏感光谱参量,应用多元逐步线性回归方法分别建立土壤含水量高光谱单一形式波段组合与多形式波段组合估测模型,并选取最优估测模型。采用线性混合像元分解处理遥感影像,同时采用比值均值订正方法对遥感影像反射率进行订正,在此基础上,将模型应用到经过订正的Land Sat8卫星影像,实现了对研究区土壤含水量的遥感反演。结果表明,最佳模型是基于波段平均反射率拟合方法建立的多形式波段组合估测模型。从反演结果看较为符合研究区土壤含水量的实际状况。     

玉米苗期冠层多光谱反射率反演与叶绿素含量诊断

为了探索玉米苗期叶片叶绿素含量指标的快速、非破坏性估测方法,该文运用多光谱图像技术对大田玉米苗期叶绿素含量指标进行快速无损的诊断研究。大田试验中,采用2-CCD多光谱图像采集系统获取大田玉米苗期的冠层多光谱图像,并同步采集漫反射灰度板的多光谱图像。为消除光照对图像采集质量的影响,准确将不同光照条件下的玉米冠层图像数据转换为其叶面反射率数据,标定试验中采用一块4个不同灰度级的满足朗伯面条件漫反射灰度板,建立了叶片光谱反射率同图像灰度值之间的线性反演公式,并与大田试验中漫反射灰度板的多光谱图像建立了玉米冠层图像灰度值的校正公式。对玉米苗期冠层多光谱图像进行处理,提取出玉米冠层B、G、R、NIR(中心波长分别为470,550,620,800 nm)4个波段归一化平均灰度值。通过灰度值的校正公式得到校正后的归一化平均灰度值,由线性公式反演出R、G、B、NIR 4个波段的平均反射率值,并计算4种常见光谱植被指数(RNDVI、RNDGI、RRVI和RDVI),采用最小二乘-支持向量回归(LS-SVR)建立植被指数同叶绿素含量指标的拟合模型。结果表明:植被指数RNDVI、RRVI和RDVI和玉米冠层叶绿素含量指标拟合验证集决定系数R2为0.56,达到了较为理想的拟合结果。证明通过漫反射灰度板对玉米冠层多光谱图像建立反射率反演校正模型的方法是可行的,这一方法为快速无损检测玉米苗期叶绿素含量指标提供了支持。     

利用高光谱技术预测采前猕猴桃干物质含量的可行性试验

为实现采前猕猴桃果实干物质含量的实时、连续、大量预测,该研究就利用高光谱技术在室外开放环境下进行采前猕猴桃干物质含量预测试验。该研究以种植于贵州省息烽县、修文县的贵长猕猴桃为试验对象,利用高光谱相机获取采前猕猴桃样本果实的高光谱数据;对原始数据进行白板校正、ROI（Region of Interest）裁剪、多元散射校正等处理,获得样本果实光谱反射率曲线;根据光谱曲线特征,选取特征波段,构建多光谱指数;将样本果实划分为训练集、测试集;利用多光谱指数将训练集样本果实特征波段光谱反射率换算为指数值,分析指数值与干物质含量的相关性,确定最优指数,将其拟合公式作为干物质含量预测模型,利用测试集计算误差情况并验证模型预测效果。结果表明,果实干物质含量高,光谱反射率低,反之则光谱反射率高;根据特征波段构建的拟合效果最佳的多光谱指数,所对应的干物质含量预测模型决定系数为0.88,预测值最大绝对误差为1.31%,最大相对误差为8.23%,相对误差均值为3.13%,均方根误差为0.65%,具有较好的预测效果。试验证明,利用高光谱技术进行采前猕猴桃果实干物质含量预测是可行的。     

不同尺度冬小麦氮素遥感监测方法及其应用研究

该文以航空影像、地面冠层光谱数据及同步观测的植被生化数据为基础，探讨了冬小麦冠层氮素监测的遥感方法。该方法应用于Lukina变量施肥模型，研究了基于遥感影像变量施肥量的计算方法。为实现以上目标，首先采用矩匹配和反射率转换方法，对获取的机载实用模块化成像光谱仪(OMIS)影像进行辐射校正；然后结合航拍相片及地面高精度差分GPS定位点坐标对高光谱影像进行几何校正。以预处理后的反射率影像和冠层光谱数据为数据源，采用倒高斯模型拟合冬小麦红边光谱曲线，并构建红谷位置、红边位置和红边宽度等光谱特征参量。通过对红边光谱特征量和实测氮素进行统计分析，寻找相关性显著、拟合误差小的最佳光谱特征量，并用于预测冬小麦冠层的氮素含量。统计相关分析结果表明：拟合曲线和图像反射率曲线面积差和实测的氮素含量有最高的相关性，且相关性达到极显著。最后，把该氮素预测方法集成到Lukina变量施肥模型中，结合反射率影像数据生成变量施肥处方图。文中探讨的最佳氮素预测方法改善了氮素预测的精度；基于影像的面状信息获取技术克服了点状信息的不足，使变量施肥技术更利于实用和推广。     

高光谱反射率与大豆叶面积及地上鲜生物量的相关分析

以ASD FieldSpec光谱仪实测了不同生长季大豆的冠层高光谱,同期采集了对应大豆LAI、地上鲜生物量。逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量的相关关系;采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量确定性系数随波长的变化趋势;并建立了以近红外与可见光波段的冠层光谱反射率的比值植被指数RVI与大豆LAI、地上鲜生物量的高光谱遥感估算模型。结果表明,冠层光谱反射率在350～680 nm、760～1050 nm波谱区与大豆LAI、地上鲜生物量相关性     

基于6S模型的遥感数据大气校正应用研究

基于辐射传输理论的大气校正模型,具有明确的物理意义,易于操作,应用广泛。该文首先对Landsat-5 TM图像大气校正参数的确定进行了详尽分析并采用6S模型对图像进行了大气校正,然后从光谱响应曲线、归一化植被指数(NDVI)等方面,探讨了大气校正对TM图像地物光谱响应特征的影响。研究表明,TM图像经大气校正后,地物在可见光,近红外和短波红外波段反射率明显减小;大气校正后的NDVI增幅明显;采用的参数确定方法可为类似研究提供参考与借鉴。     

干旱区典型绿洲土壤有机质的反演及影响因素研究

为了大面积、高精度地反演土壤有机质含量,为农业可持续发展提供数据支撑。以新疆渭干河-库车河三角洲绿洲为研究区,采用波段平均法将实测高光谱窄波段拟合为Landsat 8 OLI遥感影像的宽波段,建立土壤有机质含量的估算模型,并将最优估算模型应用到经过波段校正的Landsat 8OLI遥感影像中。结果表明:(1)反射率进行倒数、对数、平方、一阶微分等数学变换后与有机质含量的相关性显著提高;(2)土壤有机质的高光谱估算模型拟合度较高,最优估算模型的决定系数R2为0.852,采用比值法对多光谱波段反射率进行校正,校正后的遥感影像反演结果得到了较大提高,检验样本的决定系数R2从0.711提升至0.849。从反演结果来看,将高光谱估算模型应用到经过订正的多光谱影像,土壤有机质反演模型的精度得到了大幅度提高,运用此方法可以实现高精度的土壤有机质区域化反演。(3)有机质的分布受土地利用类型、土壤颗粒组成、土壤质地的影响,其中土壤质地对有机质的空间分布影响最为显著。     

基于高光谱的夏玉米冠层SPAD值监测研究

开展夏玉米冠层SPAD值监测技术研究,建立叶绿素含量与敏感波段、光谱指数间的定量关系模型,以促进高光谱技术在玉米快速、无损长势监测及水肥精准管理的应用。以小型蒸渗仪夏玉米光谱反射率与植株冠层SPAD值的监测为基础,研究了夏玉米植株冠层光谱信息与SPAD值的响应关系,并优选出监测夏玉米冠层SPAD值的敏感波段与最优光谱指数。结果表明:夏玉米冠层光谱反射率在可见光波段随玉米冠层SPAD值增加而下降,在近红外波段却与之相反;采用原始光谱反射率、一阶微分光谱监测夏玉米冠层SPAD值的最敏感波段分别为700,690nm,与SPAD值的相关性分别为-0.498(p<0.05)和-0.538(p<0.01);而根据多元逐步回归分析获得的最优波段组合由405,408,700nm波段构成;从已报道的73个光谱指数中筛选出与夏玉米冠层SPAD值相关性较高的(SDr-SDb)/(SDr+SDb)、MCARI∥OSAVI、TCARI/OSAVI、SDr/SDb和MTCI等5个光谱指数,光谱指数(SDr-SDb)/(SDr+SDb)与SPAD值的相关性在各生育期均达极显著正相关,且在全生育期相关系数高达0.697(p<0.01),进一步优选出监测夏玉米冠层SPAD值最适宜的光谱指数为(SDr-SDb)/(SDr+SDb);在基于敏感波段、光谱指数和最优波段组合建立的夏玉米SPAD值的回归模型中,按照模拟效果由高到低排序依次为最优波段组合、光谱指数、原始光谱反射率、一阶微分光谱,其决定系数分别为0.777,0.539,0.351,0.282;推荐以(SDr-SDb)/(SDr+SDb)指数构建的二次多项式模型与基于405,408,700nm波段组合建立的线性回归监测模型作为夏玉米植株冠层SPAD值光谱监测适宜模型,且R2大于0.539,RMSE及MAE分别小于6.194和4.702。     

低空无人机高光谱影像失真评价指标构建

为定量分析无人机高光谱成像系统数据获取时因航线变换及太阳辐照度变化而产生的白噪声、运动模糊、条带噪声等导致的影像失真,该研究利用地物光谱仪和机载成像光谱仪获取研究区内棉花冠层光谱数据,基于典型植被光谱特征分析验证数据质量,配合使用数字图像处理方法完成白噪声、散焦模糊、运动模糊、光谱平滑以及条带噪声的模拟样本集构建,并结合设备采集噪声（条带噪声混合白噪声）构建真实样本集,建立影像波段信息、光谱信息以及空间-光谱总体信息质量的评价指标,通过相关性分析评价指标有效性。结果表明：对模拟样本集,除百分比最大绝对差,本文建立的指标均与影像质量显著相关（P<0.01）,在实际噪声样本内各指标相关性均产生不同程度下降,仅平均绝对误差（0.609,P<0.01）、均方误差（0.459,P<0.01）、相对均方根误差（0.502,P<0.01）以及总体信息保真度（-0.471,P<0.01）满足相关性要求。研究结果可为低空机载高光谱影像质量分析及失真指标的选取提供借鉴和参考。     

基于高光谱的鲁西北平原土壤有效磷含量快速检测研究

土壤有效磷含量是农田土地评价的指标, 也是农作物施肥的基本指标, 快速准确测量土壤有效磷含量是土壤信息化管理和资源评价的前提条件。高光谱技术的发展为快速有效监测土壤有效磷含量提供了新的途径。本文对466个样点的土壤有机质、碱解氮、有效磷和速效钾含量进行了测定, 通过聚类分析和方差分析选取48个有机质、碱解氮、速效钾含量相近而有效磷差别较大的样点作为研究样点, 采用美国ASD Fieldspec3光谱仪, 对不同有效磷含量的土壤样本高光谱反射率进行测量, 并对反射率进行倒数、对数、平方根、对数的倒数、倒数的对数的变换及其各自相应的一阶导数变换, 将每个土样测定的有效磷含量值与350~ 2 500 nm光谱范围的反射率数据及反射率的9种变换形式逐一逐波段地进行单相关分析, 筛选出对有效磷敏感的光谱波段。将所选取的显著相关波段反射率或变换形式作为自变量, 与土壤中有效磷含量进行一元线性回归方程拟合, 对所建立的回归方程进行优选和检验。研究得出: 采用相关分析方法得出土壤有效磷含量的敏感波段为711 nm, 利用一元线性回归方法, 基于该波段的估算模型为最佳估算有效磷含量模型, 该模型的拟合优度R²达0.822 1, 验证决定系数R²达0.959 1。由此说明, 利用单个敏感波段建立土壤有效磷的反演模型, 可作为快速测量土壤有效磷含量的一种简单而可靠的方法。     

PHI-3高光谱数据预处理

主要介绍PHI-3高光谱遥感数据从原始数据到产品这一阶段的预处理情况。针对该数据的特点，对原始数据进行了完整性处理、格式转换、辐射校正、暗电流处理、几何校正等预处理，获得了较好的图像，为数据的进一步处理和应用奠定了基础。     

基于HJ-1A/1B CCD数据的雹灾监测与评价

由于雹灾的突发性、灾后影响的显著空间异质性,雹灾监测与灾后评价的研究相对较少。以黑龙江甘南县典型雹灾为研究对象,利用HJ-1A/1B CCD等遥感影像与地面实测高光谱数据,进行雹灾遥感监测与评价研究。基于实测光谱数据分析了不同灾害程度农作物的反射光谱特征及植被指数变化;利用2个时相的遥感影像数据,结合地面调查,通过对植被指数分级进行雹灾监测与评价,并结合另一个时相的数据做了验证。结果表明：不同灾害程度作物的反射光谱特征差异显著;运用植被指数分级进行雹灾监测是可行的,基于归一化差分植被指数差值图分级得到的不同雹灾程度范围与实际情况相符,而基于比值植被指数差值图的分级结果则与实际结果差距较大;根据雹灾遥感分级结果分析了雹灾空间分布特征。研究结果可对雹灾监测与评价提供理论与技术支持。     

深度学习自编码结合混合蛙跳算法提取农田高光谱影像端元

针对农田高光谱遥感影像端元提取和混合像元分解精度不高的问题,该文提出了利用深度学习自编码结合混合蛙跳算法的农田高光谱影像端元提取方法。首先,利用深度学习的栈式自编码模型对高光谱影像进行光谱特征提取,优选出备选端元集合;然后将影像端元提取问题转化为组合优化问题,设计了待优化的目标函数,通过混合蛙跳算法对目标函数进行优化从而实现对最佳端元组合的搜索;最后利用人工合成的不同信噪比农田高光谱数据和真实的农田高光谱影像,将该算法与3种现有的主要端元提取方法进行对比。试验结果表明,本文提出的端元提取算法对20、30和40 dB信噪比影像提取结果的平均光谱角分别达到0.106 88、0.030 32、0.009 94。对20、30和40 dB信噪比影像和真实影像提取结果的均方根误差分别达到0.050 8、0.015 9、0.005 1、0.006 7。与现有的主要端元提取方法相比,该方法具有端元提取精度高、对不同等级噪声鲁棒性好等优势,在农田高光谱遥感监测中具有广阔的应用前景。     

应用可见/近红外高光谱成像测定鲑鱼片脂肪含量分布(英文)

脂肪作为一种重要的品质参数,在大西洋鲑鱼片中的分布很不均匀。为寻找一种能替代脂肪化学检测的快速无损的方法,该研究应用可见/近红外高光谱成像测定大西洋鲑鱼片的脂肪含量分布。分别采用可见/短波近红外(400-1100 nm)和近红外(900-1700 nm)系统获取大西洋鲑鱼片样本的高光谱图像。提取样本图像的平均光谱并与其相应的脂肪含量化学值采用偏最小二乘回归(partial least squares regression,PLSR)和最小二乘支持向量机(least-squares support vector machines,LS-SVM)建立相关性模型。为降低高光谱图像的共线性和冗余度,基于竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)分别在可见/短波近红外和近红外光谱区间提取16个(468,479,728,734,785,822,863,890,895,899,920,978,1005,1033,1040,1051 nm)和15个(975,995,1023,1047,1095,1124,1167,1210,1273,1316,1354,1368,1575,1632,1661 nm)特征波长,并分别建立PLSR和LS-SVM模型。特征波长模型的性能优于全波段模型,且近红外区间的特征波长PLSR模型为最优,预测决定系数(R2p)为0.92,预测均方根误差(root mean square error of prediction,RMSEP)为0.92%,剩余预测偏差(residual predictive deviation,RPD)为3.50。最后,将最优模型用于预测高光谱图像上所有像素点的脂肪含量以展示样本上脂肪的分布。此外,还基于该技术对大西洋鲑整鱼片实现了脂肪分布可视化。结果表明高光谱成像技术结合化学计量学方法在大西洋鲑鱼片脂肪的定量和分布可视化上有一定的研究和应用前景。     

艾比湖流域盐渍土含水量光谱特征分析与建模

盐渍土表层盐分累积与土壤含水量有着直接的关系.为了建立干旱区盐渍土含水量高光谱遥感监测模型,本文以艾比湖流域不同含水量的盐渍土为研究对象,采用光谱反射率变换和多元统计分析(MSAM)方法,对土壤含水量的光谱特征进行分析和建模.结果表明:随着土壤含水量的增加,土壤反射率呈下降趋势;在一定范围内,波长越长,土壤光谱反射率与含水量的相关性越高,其中1 937 nm处的土壤光谱反射率与含水量具有最高的相关性(r=-0.636).对土壤光谱反射率进行8种光谱反射率变换后,在此基础上利用多元统计方法分析盐渍土的不同含水量与光谱之间的相关性,筛选敏感波段,建立关系模型.得出对数一阶微分(Logarithm First Order Differential)在波长2024和2 357nm建立的模型以及均方根一阶微分(Root Mean Square First Order Differential)在波长1 972和2 357nm建立的模型最优,相关系数r分别为0.894和0.865.基于上述模型作者构建了一种耦合模型,其相关性r=0.926比对数一阶微分模型提高了0.032,比均方根一阶模型提高了0.061;因此,所构建的盐渍土含水量估算模型是可行的,可以为遥感反演提供理论参考,对高光谱遥感反演具有一定意义.     

基于空间信息的高光谱遥感植被分类技术

高光谱数据常带有噪声,传统的仅考虑光谱信息的遥感植被分类方法效果不佳,融入空间信息进行植被分类显得尤为重要。以NDVI阈值法提取植被信息后,采用最小噪声变换对Hyperion高光谱影像进行压缩处理,取前60个分量数据,并采用一种空间与光谱信息相结合的高光谱影像植被分类法,完成研究区植被分类。结果表明,对各植被类型的平均分类精度达90.3%,而最大似然法的平均分类精度仅为70.0%。融入空间信息的高光谱遥感植被分类方法能有效地削弱噪声,在一定程度上提高了分类精度,在实际应用中有一定的参考价值。     

线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺

为了实现颗粒状样本的大面积无损快速检测,该研究结合拉曼光谱和高光谱技术搭建了一套线扫描式拉曼高光谱检测系统,对奶粉和三聚氰胺颗粒混合样本进行了检测研究。研究通过高斯窗平滑法和air PLS基线校正方法分别消除了拉曼光谱中的噪声信号和荧光背景,选取三聚氰胺主要特征峰(671.71 cm-1)处的单波段图像作为是否含有三聚氰胺颗粒的判断依据。研究首先对三聚氰胺产生的拉曼信号在奶粉颗粒中的穿透深度进行了检测,随后完成了10种不同浓度的三聚氰胺奶粉混合样本的拉曼高光谱采集,对特征单波段图像中各像素点的拉曼强度平均值进行一元线性分析,并对单波段图像进行二值化处理。结果显示,在三聚氰胺特征单波段图像中,感兴趣区域内所有像素点的拉曼强度平均值与三聚氰胺浓度之间线性度较高,其决定系数R2达到了0.995 4。在二值图像中,三聚氰胺颗粒的位置信息能够直观的展现。研究结果表明,拉曼高光谱成像技术具有快速、无损和大面积检测的特点,在实际应用中具有巨大潜力。     

利用近红外高光谱图像技术快速鉴别西瓜种子品种

为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay (SG)平滑算法,经验模态分解算法（empirical mode decomposition,EMD）和小波分析（wavelet transform,WT）对提取出的光谱数据进行去除噪声处理,采用连续投影算法（successive projections algorithm,SPA）和遗传-偏最小二乘法（genetic algorithm-partial least squares, GA-PLS）进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）,基于特征波长建立了反向传播神经网络（back-propagation neural network,BP NN)判别模型和极限学习机（extreme learning machine,ELM）判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。     

高寒地区粳稻穗颈瘟的无人机高光谱遥感识别

水稻穗颈瘟作为稻瘟病的一种发病形式常以褐色斑点性状出现在水稻穗颈节部位，对稻穗颈瘟病害快速、无损的识别与分级评估一直是备受关注的研究课题。该研究以高寒地区粳稻大田试验为基础，利用无人机高光谱平台获取不同病害等级的水稻穗颈瘟冠层数据；分别以不同处理的光谱数据作为输入量，使用随机森林（Random Forest，RF）的方法进行建模，并结合水稻生理对各输入量的特征关联加以解释。结果表明：随着稻瘟病病害等级的提升，水稻冠层反射率整体呈现下降的趋势；植被指数组合（Combination of Vegetation Indices，CVIs）作为输入量建立起来的预测模型具有最高的精度，预测集精度达到90%，Kappa系数为0.86，能够解释穗颈瘟发生时所引起的植株整体生理参数综合变化的过程。该研究结果可填补无人机高光谱遥感监测大田穗颈瘟病和实验室穗颈瘟病光谱理论研究之间的空缺，为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。     

基于分数阶微分预处理高光谱数据的荒漠土壤有机碳含量估算

对光谱数据进行预处理是提升高光谱建模精度十分必要和有效的途径。为了研究分数阶微分预处理方法在高光谱数据估算荒漠土壤有机碳含量中的应用,该研究以艾比湖流域为研究靶区,利用2015年5月采集的103个表层土壤样本的实测有机碳数据和室内测定的高光谱数据,以0.2阶为步长对原始光谱反射率及对应的倒数变换、对数变换、对数倒数变换、均方根变换的0-2阶微分进行分数阶运算预处理并研究其与土壤有机碳含量相关性,基于通过0.01显著性检验的特征波段对土壤有机碳含量进行偏最小二乘回归建模并进行精度分析。结果表明：1）分数阶微分预处理可以细化土壤有机碳及其光谱反射率相关性的变化趋势;2）各阶微分预处理后的相关系数通过显著性检验波段的数量均呈现先增后减的趋势,但波段数量最多的对应阶数并不统一;3）对数变换的1.6阶微分所建立的模型为最优模型,该模型的RMSEC=2.433 g/kg,R2c=0.786,RMSEP=2.263 g/kg,R2p=0.825,RPD=2.392。说明了分数阶预处理过后的模型精度和稳健性较整数阶微分有了大幅提升,并且运用在高光谱反演土壤有机碳含量上是可行的。