植被重金属污染检测模型研究

利用高光谱遥感技术代替传统方法检测重金属污染,具有效率高、费用低、检测范围广等优点.但是高光谱影像的空间分辨率较低,为了提高精度需要提取影像的端元.鉴于纯净像元指数（Pixel Purity Index,PPI）法耗时长的缺点,提出一种基于高斯分布的波谱曲线概率法用于高光谱影像端元提取,并结合重金属胁迫下植被波谱响应变化建立了高光谱遥感影像的植被重金属污染检测模型.经过试验研究及分析,发现波谱曲线概率法端元提取的效果和精度与PPI相近,但是时间消耗明显减少.因此,建立的植被重金属污染检测模型可以用于高光谱遥感图像,具有一定的价值.     

基于Landsat 8的云南松光谱端元选择与评价研究

以云南松为研究对象,调查昆明市主城区周围61个样点,选择3块代表性样地,基于Landsat 8影像,采用纯净像元指数(PPI)、连续最大角凸锥(SMACC)和几何顶点的端元提取方法,利用样区1提取的云南松端元波谱对样区2和3进行分类。以外业调查数据提取的平均端元为真值,结合波谱角填图(SAM)分类结果,对比分析不同的端元提取方法。结果表明:研究样区2基于PPI、SMACC和几何顶点端元提取的分类结果整体精度分别为85.00%、35.00%和85.00%;研究样区3基于PPI、SMACC和几何顶点端元提取的分类结果整体精度分别为83.33%、16.67%和75.00%。基于PPI提取的云南松端元平均波谱曲线与真实地表的云南松波谱曲线最为相似,可用于今后基于Landsat8数据的云南松波谱端元提取和混合像元分解。     

应用混合像元分解提取胡杨覆盖度信息1）

以内蒙古荒漠地区胡杨林为研究对象,应用混合像元分解方法从TM多光谱数据中提取了胡杨林植被覆盖度,并以高分辨率Quickbird影像分割结果作为真值进行精度评价,与传统的基于植被指数提取植被覆盖度的方法进行了对比。结果表明：基于几何顶点端元选取的混合像元分解方法可以有效提取胡杨植被覆盖度（ R2＝0．893,RMSE＝0．12）,优于植被指数回归方法提取精度（R2＝0．574）。研究结果有助于开展荒漠地区较大范围的胡杨林动态监测和保护。     

多元目标导向下的成都中心城区绿地生态网络构建

基于形态学空间格局分析（MSPA）方法和景观连通性指数,以成都市三环内区域为研究对象,筛选研究区内维持景观连通性最重要的核心斑块作为绿地网络的生态源地;耦合最小累积阻力模型（MCR）,最小成本路径方法和重力模型,提取研究区内重要生态廊道,利用中介中心度识别踏脚石斑块,构建研究区优化的绿地生态网络。结果表明:利用MSPA方法可识别研究区内景观结构的核心区及连接桥区;利用景观连通性指数可筛选出具有重要连通性的12个核心绿地斑块作为生态源地。基于MCR模型与最小路径方法识别出的潜在绿地生态网络表明研究区南部、北部以及西南部存在生态廊道,但密集程度较小,东、西部区域生态廊道较少,生态网络结构完善度较差。利用绿地斑块的中介作用选取包括沙河公园在内的13个踏脚石斑块可构建出较为合理的研究区绿地生态网络。相比于其他城市绿地生态网络构建技术,该方法更科学,对城市绿地生态网络优化也更具参考和借鉴意义。     

基于混合像元分解提取小麦种植面积的技术与方法研究

以菏泽市曹县为例,运用线性混合模型,对MODIS遥感数据的混合像元分解技术与方法进行了初步研究。通过MNF变换、散点图以及引入PPI纯净像元指数确定端元组分,并采用最小包含法求取端元组分反射率,而后将4类端元光谱值代入线性模型,用带有约束的最小二乘法求解,得出每种地物类型的百分比丰度以及RMS误差图像,RMS均值小于0．0096,并与TM图像进行对比分析,利用混合像元分解方法可较高精度的提取小麦面积信息。     

基于近红外光谱与随机青蛙算法的褐变板栗识别

为了实现板栗Castanea mollissima的快速自动分选,研究了基于近红外光谱技术的褐变板栗无损检测方法。首先采用Antaris Ⅱ傅里叶变换近红外光谱仪获取70个正常板栗和110个褐变板栗的近红外光谱（1 000.00～2 500.00 nm）,比较了不同光谱预处理方法对褐变板栗识别的影响,随后采用一种新的变量选择方法即随机青蛙算法（random frog）提取与板栗褐变相关的特征波长变量,最后基于特征波长建立和比较了褐变板栗识别的偏最小二乘?鄄线性判别分析模型（PLS-LDA）和最小二乘-支持向量机（LS-SVM）模型。结果显示:经标准正态变量变换（SNV）预处理和随机青蛙算法优选的23个特征波长所建LS-SVM模型的性能最优,该模型对测试集的敏感性、特异性和识别正确率分别为0.92,1.00和95.00%。随机青蛙算法可以有效筛选重要的特征变量,不仅能简化模型,而且可以提高识别准确率和识别速度。图4表3参22     

基于机载高光谱端元提取分析棉花生长期光谱变化

【目的】棉花在不同生长期的波谱曲线变化具有规律性,研究其时间序列上的反射光谱变化趋势与规律并监测长势,为基于无人机多光谱、高光谱遥感的作物长势监测提供借鉴和参考。【方法】使用多旋翼无人机搭载Rikola高光谱成像仪,获取棉花从花期到后期之间的高光谱影像。使用纯净像元指数算法和最大单形体体积算法进行端元提取,并以SR-3500光谱仪采集的地面光谱曲线为标准,光谱角度为评价指标,依次从端元提取算法效果、不同航高数据对比、光谱相关性、多期光谱曲线变化趋势等分析。【结果】最大单形体体积算法在60、80、100 m航高下波谱角度结果分别为0.065 8、0.065 9、0.067 7,相较于纯净像元指数算法结果更接近地面光谱仪数据,具有较优的相关性(R²均在0.99以上),且能更好地提取小样本端元。航高对端元提取的影响较小,同种算法在不同航高下提取结果差异均在2%以下。不同生长期棉花波谱曲线变化呈规律性,吸收谷与红边值在7月中旬到达峰值。标准植被指数与比值植被指数在7月上中旬达到最大值(0.841 7、11.630 5),增强型植被指数、差值植被指数、优化土壤调节植被指数在7月中下旬达到最大值(0.818 9、0.501 3、0.501 2)。【结论】最大单形体体积算法可较好的从棉花高光谱影像中提取出棉花波谱曲线,且100 m为较优的无人机数据采集航高。棉花在7月光合作用最大,对红光的强吸收、近红外波段强反射现象最为明显。     

高光谱影像端元提取算法研究与分析

高光谱影像混合像元分解技术将遥感分类问题深入到了亚像元级别,端元提取是混合像元分解中的重要步骤。本文选择了基于体积的N-FINDER算法、基于投影和变换的VCA、OSP算法、基于最优化的MVSA算法,结合SPP算法对数据进行预处理,利用模拟数据与真实数据分别进行实验,对比分析实验结果,总结端元提取算法的优点与缺陷以及各自适应的条件。     

基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。     

基于高光谱成像技术识别苹果轻微损伤的有效波段研究

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段，以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像，然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据，再利用载荷系数法（x LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长，分别提取3、9和20个特征波长，并根据特征波长建立基于遗传算法优化的BP神经网络（GA BP）和支持向量机（SVM）损伤识别模型。结果显示，三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP GA模型（分别为75.63%、90.63%、93.75%）,因此，SVM被确定为最佳苹果轻微损伤识别模型。最后，利用每一特征波长分别作为变量建立SVM模型。结果发现，波段811 nm识别率达到90.63%，优于其他波段，被确定为苹果轻微损伤识别的最优波段。     

结合纹理信息Hyperion高光谱影像分类

高光谱遥感光谱特征明显,单纯利用其光谱优势难以达到影像分类精度要求,特别是区分植被精细类别。为了进一步提高Hyperion高光谱影像分类精度,研究加入包含区域亮度变化及结构特征的纹理信息,试图提高分类精度。以杭州市余杭区百丈镇为试验区,首先提取研究区道路、建筑物、农田、毛竹Phyllostachysedulis林、马尾松Pinusmassoniana林和栎类Quercus等7种类型的端元光谱,然后对端元进行线性光谱分离,利用二阶概率矩阵对线性光谱分离出的8个波段提取纹理特征,最终结合线性分离后的端元光谱实现分类。结果表明：纹理信息融入后分类结果较单源信息光谱角制图和单源信息支持向量机方法有明显的改善,建筑物精度分别提高了34．13％和17．16％,农田提高了19．71％和9．24％,马尾松则改善了27．09％和5．42％,栎类精度提高了近3．00％和10．00％,且一定程度上避免了椒盐效应。采用光谱与纹理信息结合的方法对Hyperion高光谱影像分类是可行的。分类过程中端元的提取、纹理分析时特征向量的组合及纹理移动窗口大小的选择对分类结果起重要的作用。图6表1参19     

新疆军塘湖流域融雪期不同积雪及雪被地物光谱反射率特征分析

用野外光谱仪测量了融雪期天山北坡军塘湖流域典型实验场的不同积雪及雪被地物的光谱,并对测得的光谱数据进行分析,结果表明,对于纯积雪光谱,在可见光波段有较高反射率,近红外波段范围内在1 100、1 300及2 260 nm附近出现反射波峰。与新雪相比,融化的积雪的反射率峰值在可见光波段和近红外波段内(2 100~2 400 nm)有明显的衰退,而雪被地物(包括覆有积雪的植被和有积雪背景的植被、土壤等)反射曲线均相对较低。对积雪/植被的混合像元光谱特征分析表明,雪被地物的光谱反射率曲线在可见光波段呈上升趋势,这是由于积雪背景的影响。最后,根据积雪、植被、土壤和积雪/植被混合像元的光谱特征建立混合光谱拟合方程,结果表明,模拟的光谱曲线与实测值有很好的相关性,其相关系数为0.927 6。     

华钩藤中非生物碱类成分的研究

本文对华钩藤95%乙醇提取物的氯仿部分的非生物碱类成分进行分离纯化,通过理化性质和波谱技术（MS、1H-NMR、13C-NMR）鉴定所得化合物的结构。分离得到8个非生物碱类成分,分别为乌苏酸（I）、β-谷甾醇（II）、奎洛维酸（III）、胡萝卜苷（IV）、奎洛维酸-3-O-β-D-海藻糖苷（V）、3β,5α,6β-三羟基豆甾烷（Ⅵ）、齐墩果酸（VII）,奎洛维酸-3-O-β-D-吡喃葡萄糖苷（28→1）-β-D-吡喃葡萄糖苷（VIII）,其中化合物III、V、Ⅵ、VIII为首次从钩藤属植物中分离得到。     

土壤和马铃薯中元素铬的激光诱导击穿光谱研究

利用激光诱导击穿光谱(LIBS)技术对马铃薯及其生长土壤中的元素铬的光谱特性进行了研究。在425~430nm波长范围内分析比较了土壤样本和马铃薯样本中Cr元素的等离子体特征谱线,选取铬元素425.435nm的特征谱线作为分析线,测定了不同Cr掺杂浓度下的等离子体特征谱线强度,并建立了定标曲线。结果表明:在相同的Cr掺杂浓度下,由于土壤样本基体效应的存在,其特征谱线强度要整体高于马铃薯样本;根据元素谱线强度与浓度的关系,在低浓度条件下,铬元素谱线强度随浓度的增加而增加;通过定标曲线计算得到铬元素在土壤样本和马铃薯样本中的检测限分别为22.6μg·g-1和17.5μg·g-1。     

基于高光谱成像技术的油菜种子油酸含量反演模型

高油酸油菜籽品种是当前油菜育种方向之一,为开发高效、无损测定油酸含量的方法,提高油菜高油酸种质资源筛选效率,选用3个油菜品种为材料,分别采集其种子光谱成像信息及油酸含量数据,首先对光谱信息进行11种预处理,确定多元散射校正（MSC）最佳预处理方法,然后基于主成分分析（PCA）、连续投影（SPA）、竞争性自适应重加权采样（CARS）方法对数据进行降维,最后分别建立支持向量机（SVM）、最小二乘支持向量机（LS-SVM）和极限学习机（ELM）3种定量分析模型,对油菜油酸含量进行无损检测。通过改变训练样本的数量来测试模型,为验证模型的稳定性,用相关系数（R）、均方根误差（RMSE）进行效果评价。结果表明,在所有模型中,多元散射校正+竞争性自适应重加权采样+极限学习机（MSC+CARS+ELM）模型预测效果最好,校正集相关系数（Rc）、均方根误差（RMSEc）分别为0.894、1.993 4%,预测集相关系数（Rp）为0.868,均方根误差（RMSEp）为1.069 8%,可更加准确地预测油酸含量,创建一种快速、无损检测油菜种子油酸含量的方法,为利用高光谱技术进行油菜营养品质无损检测提供理论依...     

天水市不透水表面提取及时空变化分析

不透水表面的发展是城市化进程的重要体现。采用天水市1996、2001、2007年3个时期的LandsatTM遥感影像，使用面向对象的方法，通过构建具有较强适应性的比值不透水表面指数RISI，结合植被指数NDVI、水体指数MNDWl等，从遥感影像中提取了不透水面信息，并对其时空发展变化和驱动力进行了分析。结果表明，天水市不透水表面增加明显，与该地区的自然地理格局和经济社会发展密切相关。     

天水市不透水表面提取及时空变化分析

不透水表面的发展是城市化进程的重要体现。采用天水市1996、2001、2007年3个时期的LandsatTM遥感影像,使用面向对象的方法,通过构建具有较强适应性的比值不透水表面指数RISI,结合植被指数NDVI、水体指数MNDWl等,从遥感影像中提取了不透水面信息,并对其时空发展变化和驱动力进行了分析。结果表明,天水市不透水表面增加明显,与该地区的自然地理格局和经济社会发展密切相关。     

利用高光谱技术估测小麦叶片氮量和土壤供氮水平

有效的监测作物氮素营养水平及土壤供氮能力可以为合理施用氮肥提供重要依据。本文以2 年3 点不同氮素水平下不同小麦品种的田间试验数据为基础,运用植被指数和偏最小二乘回归法,比较和分析小麦冠层光谱与叶片氮含量及土壤氮含量的关系。结果表明：小麦冠层光谱与叶片氮含量的相关性分析在可见光波段存在显著负相关,在近红外波段呈显著正相关,而与土壤氮含量的相关性呈相反趋势。基于光谱参数ND705 和GNDVI所建叶片氮含量估算模型的决定系数分别达到0.827 和0.826。基于光谱参数VOG2 所建土壤氮含量估算模型的决定系数达到0.646;与植被指数所建模型相比,综合350~1350 nm光谱波段反射率分别与小麦叶片氮含量、土壤氮含量建立偏最小二乘回归模型的预测精 度均有所提高,决定系数分别达到0.842 和0.654。本研究结果可为小麦氮素营养及土壤供氮水平的诊断监测与合理施肥管理提供了理论依据和技术支持。     

基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量

森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。