伊犁绢蒿光谱反射率及反演精度对覆盖度变化的响应

为探究覆盖度变化对植物光谱反射率的影响,实现覆盖度和生物量的高精度反演,以伊犁绢蒿(Seriphidium transiliense)为对象,通过室内控制试验获取不同覆盖度下植物光谱反射率,采用最大归一法、一阶微分和二阶微分变换分析其反射率变化,利用归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)和土壤调节型植被指数(SAVI)共4种植被指数对覆盖度与生物量进行反演,探讨反演精度对覆盖度变化的响应。结果表明：伊犁绢蒿植物种群的冠层光谱反射率在可见光波段随覆盖度增加逐渐减小,在近红外波段逐渐增加,在680 nm处形成植物特有的红边效应,最大归一化和微分变换突出了植物的光谱特征;光谱反射率差值在可见光波段随覆盖度增加基本稳定;利用植被指数逐级反演覆盖度与生物量时,精度随覆盖度增加整体呈上升趋势;利用土地利用/覆盖变化(LUCC)分覆盖度反演时,提高了覆盖度大于20%的伊犁绢蒿种群的数量特征反演精度,且最佳指数为SAVI。     

基于高光谱遥感的退化伊犁绢蒿荒漠草地群落盖度估算

实地测定不同利用状态的退化伊犁绢蒿荒漠草地群落覆盖度,获取草地的地面光谱和相对应的HJ-HSI高光谱影像两种数据,并通过植被指数和筛选波段变量估测相应的植被覆盖度。结果表明:利用两种高光谱数据构建的回归模型所选用的光谱变量和波段变量不一致,地面实测光谱的回归方程决定系数大于HJ-HSI光谱数据,利用地面光谱对较低决定系数的群落盖度估测模型进行纠正,精度有一定的提高;不同光谱数据估测盖度的最佳模型精度均在85%以上,围栏封育区模型均由敏感波段反射率的归一化值构建,围栏外重度退化区模型均由DVI构建,围栏外中度退化区模型可由光谱变量R_r、R_n构建。     

祁连山东缘高寒草地植物群落叶绿素高光谱反演模型的建立

祁连山高寒草地是我国北方草地的重要组成部分,近年来退化较严重,导致其产量、质量下降.利用ASD地物光谱仪采集了祁连山东缘高寒草地植物群落光谱数据,并利用Person相关系数法、PCA主成分分析法和VIP变量投影重要性法等方法,筛选了与高寒草地植物群落叶绿素相关性较高的原始光谱波段与植被指数,通过多元逐步回归与多元线性回归建立了叶绿素反演模型,为祁连山东缘高寒草地的遥感监测提供技术支撑.结果 如下:1)原始光谱384、528、721 nm波段的反射率与高寒草地植物群落的叶绿素相关系数较高,共筛选出522个原始光谱波段作为多元逐步回归变量;2)植被指数RVI、SAVI、NDVI670、VARI、PSRI、ARVI、RGI、GI、OSAVI、GNDVI与群落叶绿素显著相关,且优于单波段原始光谱;3)利用筛选出敏感波段的原始光谱反射率与植被指数指标建立反演模型,其中原始光谱多元逐步回归模型精度(R2 =0.889)最高,且模型检验结果较好(R2 =0.9161,RMSE=0.05),可作为高寒草地植物群落叶绿素的反演模型.     

科尔沁沙地典型沙丘植被光谱特性

采用Field Spec4(美国ASD)的便携式光谱仪对科尔沁5种典型沙丘植被的光谱曲线进行测量,并对其特征进行提取分析。结果表明,1)5种典型沙丘植被黄柳(Salix gordejevii)、冷蒿(Artemisia frigida)、麻黄(Herbal ephedrae)、差巴嘎蒿(Artemisia halodendron)和小叶锦鸡儿(Caragana microphylla)的光谱形态大致相同。根据原始光谱差异和多个光谱特征参数可以区分植被类型。"红边斜率"由高到低依次为冷蒿(0.99%)小叶锦鸡儿(0.68%)黄柳(0.59%)麻黄(0.58%)差巴嘎蒿(0.56%)。2)对差巴嘎蒿不同季节光谱反射率特性进行比较分析得知,随植被生长期推移,差巴嘎蒿呈现出"双峰"和"红移"现象,但该现象并不明显。由于研究区在7月份出现持续干旱,植被缺水严重,导致差巴嘎蒿的"红边位置"在7月6日出现微小浮动,显现两个"红边平台"。3)分析不同覆盖度下差巴嘎蒿的光谱特性,差巴嘎蒿的导数光谱呈现"双峰"特性,且当覆盖度大于40%时,"红边位置"与覆盖度并无直接联系,但"红边斜率"与覆盖度呈正比关系。对不同覆盖度下差巴嘎蒿光谱可见光波段的连续统去除,得到吸收深度随覆盖度的增加而增大,吸收峰面积随覆盖度的增加而减小,对覆盖度敏感性参数比较可知,研究该地区差巴嘎蒿覆盖度变化优先考虑吸收峰面积。因此,基于植被高光谱特性的分析,对于今后利用遥感监测沙丘植被长势、植被分类识别及反演植被覆盖度等的应用提供重要的参考价值。     

天山北坡草地盖度高光谱遥感估算

以天山北坡乌鲁木齐县甘沟乡为研究区,利用美国SVC HR-768便携式光谱仪采集25块样方的高光谱数据,并测定对应样方中草地盖度,分析草地盖度与原始光谱、一阶微分光谱和高光谱特征变量之间的相关关系;采用回归统计的方法,基于高光谱位置变量、高光谱面积变量和高光谱植被指数变量构建草地盖度的估测模型,并进行模型精度评价。结果表明,研究区草地盖度与植被冠层光谱反射率相关性较强的波段范围为354-704、1 420-1 481和1 904-2 512nm;基于一阶微分光谱和高光谱植被指数构建的估测模型能更好地反演草地盖度。通过模型检验,确定基于560nm的光谱一阶微分模型y=-384.153x+72.096可作为草地盖度的最优估测模型,模型均方根误差为7.344%,估算精度为90.343%。     

退化伊犁绢蒿荒漠草地群落特征与地面光谱反射率相关性分析

利用便携式光谱仪,采集围栏内外伊犁绢蒿(Seriphidium transiliense)荒漠草地群落的光谱反射率,并测定其群落数量特征,研究两者之间的相关性,围栏内外对比,并筛选出敏感波段进行回归分析,建立预测模型。结果表明:围封的退化伊犁绢蒿荒漠草地得到了一定恢复;一阶微分后的光谱数据与草地群落的相关性明显提高,归一化不但可以提高相关水平,更加突出了围栏内外的差异;根据筛选出的敏感波段做回归分析,比较显著性和相关性,确定预测模型,围栏外盖度以677.4~729.6nm波段建立,y=-232746x3+65081x2-5386.9x+165,相关系数达到0.82(P0.01),围栏内盖度以622~754.3nm波段建立,y=-1040.5x2+526.78x-8.3912,相关系数为0.73(P0.01);围栏外地上生物量以1 904nm和624.8~734.9nm波段建立,y=0.0773x2-6.5177x+159.41,y=10.46e8.7018x,相关系数分别为-0.86(P0.01)和0.86(P0.01);围栏内地上生物量以622~729.6nm波段建立,y=2875x2-328.02x+46.013,相关系数为0.82(P0.05),而地面光谱反射率及两种处理方法与群落的平均高度、密度相关性较低。     

内蒙古退化草甸草原近地面光谱特征的研究

采用ISI921VF-256型地物光谱仪对低山丘陵草甸草原植物群落和裸地的反射率光谱特征进行了测定和分析。结果表明:(1)草甸草原植物群落的光谱反射曲线在可见光波段具有明显的峰谷特性,在近红外波段呈强反射。(2)草甸草原植物群落的光谱反射率随退化程度的加深而增强。(3)在同一退化梯度下,草甸草原裸地的反射率在可见光波段大于植物群落,而在近红外波段小于植物群落;大针茅群落对可见光的反射率小于冷蒿群落,而对近红外光的反射率大于冷蒿群落。     

化学防控对草原毒草白喉乌头高光谱特性及其识别的影响

掌握毒害草在化学防控后的光谱差异及识别效果变化是实现大面积遥感监测防控效果的基础。本研究以白喉乌头(Aconitum leucostomum)为识别对象,试验在5月下旬(化学防控前)、6月下旬(防控后15 d)以及7月中旬(防控后30 d)进行,分析其光谱变化,筛选特征波长并建立Fisher判别模型进行识别。结果表明：防控处理后,白喉乌头在600~710 nm波段内反射率升高,在770~1 075 nm波段内反射率降低;其他牧草在720~1 075 nm波段内的反射率表现为6月升高,7月无明显差异;各月份的敏感识别波段不相同,主要分布在399~404 nm波段、512~578 nm波段、684~718 nm波段、775~778 nm波段以及979~1 075 nm波段内;5月未防控乌头识别效果最好,识别精度为96.00%,防控处理后6月、7月的药害乌头识别精度分别为73.33%,78.00%。总体而言,化学防控降低了白喉乌头的识别精度,但防控30 d后药害乌头的光谱会产生明显变化,增加其识别精度。     

基于HJ-1A卫星数据的高寒草地氮素评估-以青海省贵南县及玛沁县高寒草地为例

基于HJ-1A HSI卫星遥感资料,结合2014年青海省玛沁县、贵南县研究区高寒草地野外实测数据,建立了高寒草地氮素含量的估测模型,并对模型进行了精度评价,筛选出最优反演模型,分析了研究区高寒草地氮素的空间分布。结果表明,1)高寒草地HSI的原始光谱反射率、一阶导数光谱反射率及去包络线光谱反射率与地面实测氮素含量有一定的相关性,特别是吸收特征波段1(750.95~791.95 nm)和吸收特征波段3(889.03~921.30 nm)与氮素含量具有显著的相关性;2)基于吸收特征波段1构建的波段深度指数BD_767.99可以较好的估测研究区高寒草地氮素含量,利用此变量拟合的线性回归模型可以解释研究区高寒草地氮素含量变化的44%,模型估测精度可达81.6%;3)贵南研究区氮素含量的空间变异较大,整体而言,西北部和西南部地区氮素含量较高,东北部地区氮素含量较低;玛沁研究区氮素含量的空间变异较小,草地氮素含量水平整体较低。     

复合植被指数在稀疏高寒草原植被盖度遥感反演中的应用

基于Landsat 8遥感影像数据,以西藏日喀则经南木林到申扎县的一条样带高寒草原作为研究对象,选择较为常用的归一化植被指数(normalized difference vegetation index,NDVI)、土壤调整植被指数(soil adjusted vegetation index,SAVI)、修改型土壤调整植被指数(modified soil adjusted vegetation index,MSAVI)以及对半干旱区低覆盖植被信息较为敏感的转换型土壤调整植被指数(transformational soil adjusted vegetation index,TSAVI),结合地表反射率改进运算的FCD模型(forest canopy density mapping model)裸土(bare soil index,BI)和阴影指数(shadow index,SI)构建适合低植被覆盖区域的复合植被指数(vegetation bare shadow index,VBSI);基于各植被指数构建像元二分模型,定量反演高寒草原植被盖度;并利用网格法实测的植被盖度分析反演精度。研究结果表明,8种植被指数所构建的像元二分模型对高寒草原植被盖度的反演精度以VBSI(TSAVI)最高,反演精度为85.66%;并证明了基于野外采集的土壤光谱曲线获取的TSAVI所构建的像元二分模型对高寒草原植被盖度信息的提取具有一定的实用性;改进运算的FCD模型裸土和阴影指数能较好地削弱土壤和阴影对植被信息的影响,所构建的复合植被指数对提取稀疏高寒草原植被盖度信息具有重要的实际意义。     

黄河源区高寒草甸群落高度遥感模拟与评价

草层高度是反映草地生长状况的重要指标之一,与草地地上生物量的监测及载畜力的评估具有紧密联系。目前,对我国天然草地群落高度的监测尚缺乏精确的遥感方法。本研究以黄河源区高寒草甸为研究区,分别基于MODIS植被指数、冠层高度模型以及草地冠层高光谱反射率,构建了高寒草甸草地群落高度的估算模型,并对模型精度进行了评价。结果表明,1)12种MODIS植被指数中,NDVI对草层高度的变化最为敏感,其4种回归模型的R~2均较低,介于0.203~0.241,NDVI指数模型(y=0.789e~(3.186x),R~2=0.241)的拟合效果最好,但反演误差较大(RMSE=4.2cm,CVRMSE=45.7%);2)冠层高度模型在黄河源地区高寒草甸试验区的反演精度较低(RMSE=5.8cm,CVRMSE=62.1%),实际应用误差较大;3)高寒草甸群落高度与519.4-583.17nm波段之间的冠层光谱反射率存在显著负相关关系(P0.05),基于光谱位置变量R′510.59的线性模型(y=~(-1)56.375x+20.384)相对最优(R~2=0.489,RMSE=3.5cm),较适合反演高寒草甸群落的草层高度。     

基于无人机遥感的多特征组矿区草本植物地上生物量反演

植被地上生物量可作为评价矿山生态修复地生态功能的重要指标,为实现对修复地地上植被生物量快速、准确的预测,以安徽省铜陵市铜官山矿区草本植物地上生物量为研究对象,将无人机高分辨率多光谱影像作为数据源,提取了单波段光谱反射率、植被指数两种光谱特征以及各波段纹理特征变量,并利用高精度DEM (digital elevation model)生成地形特征,再先后使用灰色关联法和熵权法对光谱特征和纹理特征分别进行筛选,进而将筛选出的特征变量和地形特征变量分为光谱特征组和多特征组。采用反向传播神经网络(back propagation neural network,BPNN)、卷积神经网络(convolutional neural network, CNN)以及Elman神经网络3种机器学习算法分别构建基于光谱特征组和多特征组的生物量预测模型,比选精度较高的矿区草本植物地上生物量反演模型。结果表明,在光谱特征基础上引入纹理特征和地形特征后3种反演模型精度都有相应程度提高,其中,基于多特征组构建的BPNN模型表现出最优性能,其决定系数(R2)为0.841,均方根误差为11.813 g·m-2,并同时对...     

基于HJ-HSI数据的伊犁绢蒿荒漠草地生物量估测

以地面实测数据为依据,通过获取其同步HJ-HSI影像光谱反射率,筛选出光谱变量、波段变量,对不同利用状态的退化伊犁绢蒿(Seriphidium transiliense)荒漠草地(围栏封育区N,围栏外重度退化区W_1,围栏外中度退化区W_2)的地上生物量进行估测。结果表明,1)各季节不同利用状态伊犁绢蒿荒漠草地群落HJ-HSI光谱反射率不同,春季为W_2NW_1,夏季为W_2W_1N,秋季为W_1W_2N;2)HJ-HSI可以实现对伊犁绢蒿荒漠草地地上生物量的估测,估测模型因群落类型和季节不同而存在差异。春、夏、秋3个季节的估测模型,N分别由DVI、NDVI、620.225-627.895nm反射率平均值所构建,W_1分别由近红外波段(Rn)、656.305nm和776.8199nm反射率归一化值、MSAVI构建,W_2分别由652.09和732.01nm反射率归一化值、红外波段(Rr)、584.52-598.295nm反射率平均值构建。     

基于红光和近红外反射光谱特征参数反演草地地上生物量

2013年6~10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量;分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系;构建并检验基于红光单波段和植被指数(NDVI、RVI、DVI)反演草地地上生物量回归模型。结果表明:红光波段反射率与草地地上生物量之间存在显著相关性;地上生物量的增加能够显著降低"红谷"反射率,显著升高近红外850.0nm处反射率;选用红光单波段反射率、红光波段构建的植被指数RVI或红光与近红外波段构建的植被指数NDVI,均能够精确反演草地鲜草产量和干物质产量;适宜估产的植被指数因季节和草地生物量的差异而不同,在6月11日,植被指数RVI反演模型估测的草地生物量与实测值的模拟效果最好,10月12日,植被指数NDVI反演模型估测的草地生物量与实测值的模拟效果最好。     

冷杉叶片氮含量高光谱反演技术研究

氮是植物生长的基本营养元素,对氮含量的监测有助于及时了解植物的代谢过程和健康状况.高光谱技术能够对叶片氮含量进行无损快速的检测,已成为叶片氮含量检测的重要手段之一.采用高光谱技术对冷杉叶片氮含量进行估算,首先分别采用相关系数法、连续投影法、LASSO算法对4种形式的光谱变量R,R′,log(1/R),log(1/R)′进行敏感波段筛选,对筛选后的敏感波段分别采用偏最小二乘、随机森林、支持向量机进行建模反演.结果显示:两种导数形式变量的反演误差最小;且相关系数&Log(1/R)′,LASSO&Log(1/R)′能够有效筛选出叶片氮含量的敏感波段组合,无论采取何种建模方法,其估算效果在几种筛选方法组合中最好,R2>0.84,RMSE在0.19～0.24,估算效果明显优于全波段建模;随机森林算法对相关系数法和LASS0算法筛选出的Log(1/R)′形式变量的反演误差最小,但对其他形式变量的反演误差变化范围较大,表现并不稳定.3种变量筛选方法筛选出的R形式的变量与前人研究相符,连续投影算法能筛选出更多与叶片其他化学含量相关的波段,证明了3种变量筛选方法的有效性.     

基于高光谱参数的柑橘园土壤水分动态监测

摘要：土壤水分是提高柑橘产量和品质的关键因素，为了高效、无损、精准的获取柑橘园土壤水分动态变化，利用ASD光谱仪选取了适宜的响应波段（350~1075nm）的数据作为试验光谱反射率，采用多元线性逐步回归分析（SMLR）对提取的特征波段反射率及9种光谱的转换形式的数据进行计算和分析，并利用实测柑橘根系0~60cm的土壤含水率进行验证，建立了预测柑橘园土壤含水率的高光谱模型。结果表明：土壤含水率在0~20cm的深度条件下变化最为明显，有助于提高模型的预测精度；光谱的微分处理较非微分处理，与波长的关系曲线波动更大且反演精度显著上升；柑橘园的试验样本水分的特征波段在700~760nm以及950nm左右是进行建模优先考虑的特征波段；光谱对数（1gR）的一阶导数和倒数的对数（lgR-1）的一阶导数对土壤水分的拟合精度较高，两种拟合方式的决定系数（R2）均达到0.876以上，均方根误差（RMSE）均达2.19%，相对分析误差（RPD）均达7.107；其中光谱对数（1gR）的一阶导数为预测柑橘园土壤含水率的最优模型，在进一步验证中实测值和模型计算值拟合的相关系数高达0.992。因此，基于光谱对数（1gR）的一阶导数构建的模型可实现对柑橘园土壤水分的精确监测。     

牛心朴子的光谱差异特征参量分析

牛心朴子(Cynanchum komarovii)是分布在西北干旱半干旱荒漠草原的主要毒害草之一。近年来,牛心朴子快速蔓延对当地畜牧业发展和草原生产力的影响日益严重。采用内蒙古阿拉善左旗典型样区内牛心朴子和其它沙地植物的野外实测光谱,通过叶片光谱、冠层光谱及群落样方光谱的对比分析,探讨牛心朴子与其它沙地植物的光谱差异性。结果表明,在350-2 500nm波段,牛心朴子叶片的光谱反射率均高于花的反射率,花的反射光谱未出现明显的蓝谷和绿峰。沙地背景对牛心朴子冠层光谱的影响强烈,冠层光谱是沙地与牛心朴子叶片光谱的综合表征。最大的红边斜率以及800-1 300nm明显的高反射率是牛心朴子与其它沙地植物冠层光谱的主要差异特征。根据不同盖度牛心朴子群落样方光谱的变化规律,选取4个特征参量与群落盖度进行线性回归分析表明:利用红边斜率进行群落盖度反演的效果最好,R~2为0.781 5。本研究可为牛心朴子分布遥感监测及其盖度定量反演提供科学依据。     

基于综合分段优势的植被覆盖度模型比较

基于Landsat 8 OLI遥感影像选取9种植被指数,与野外实测植被覆盖度进行相关性分析,采用分段方式选择敏感植被指数,构建回归模型及FCD模型(forest canopy density mapping model,FCD)对渭干河–库车河三角洲绿洲植被覆盖度进行反演。结果表明:1)根据实测数据计算不同植被指数在不同植被覆盖度范围内的变化比例,从而确定0.3和0.7作为研究区植被覆盖度的分段点;2)分段回归模型与综合分段优势的FCD模型建模精度均约为79%,但综合分段优势的FCD模型建模集R2较高,RMSE较小,其验证结果优于分段回归模型,验证集R2为0.832,RMSE为0.154,精度为82.018%。综合分段优势的FCD模型更适合用于研究区总体植被覆盖度反演,可为干旱区植被覆盖度定量监测与生态环境评价提供依据。     

内蒙古不同植被光谱特征分析

根据野外测定的不同植被光谱数据,分析了内蒙古典型草原、干旱草原、人工草场等植被的光谱特性及其变化的基本规律,其结果为:在可见光的550nm(绿处)附近有个反射率为百分之十五的小反射峰。在700～800nm之间反射率急剧增高,出现峰值;在500nm(蓝)和680nm(红)波段附近有两个明显的吸收带(谷)。同时不同植被光谱特征存在差异性:在可见光400～700nm波段,干旱植被反射率明显高于典型草原植被和人工草坪植被,可能受到叶绿素含量的影响;而在680～760nm波段则人工草地的植被红边斜率值最大,干旱草原的该值最低,典型草原的参数在二者之间,反映了不同植被覆盖度或叶面积指数的差异性。     

基于CNN和SVM的无人机多光谱遥感草地植物识别

为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度，本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象，选择4月、6月、9月3个飞行时期，15m，30m，60m 3个飞行高度，通过无人机搭载多光谱相机采集草地群落多光谱数据，在分析光谱反射率差异的基础上，利用最佳指数因子(Optimum index factor，OIF)筛选特征波段，通过卷积神经网络(Convolutional neural network,CNN)和支持向量机(Support vector machines,SVM)建立识别模型。结果表明：地物反射率4月＞6月＞9月，15m＞30m＞60m；不同飞行高度下OIF值一致，但在月份间具有差异，4月敏感波段为Green，Red和NIR，6月和9月敏感波段为Red，Red edge，NIR；在识别精度上SVM＞CNN，4月＞9月＞6月，15m＞30m＞60m，裸地＞伊犁绢蒿＞角果藜。综合来看，采用SVM在4月、15m飞行高度下进行识别的总体精度最高，达到86.23%。