基于冠层高光谱数据与马氏距离的马铃薯品种识别

为丰富高光谱数据在精细农业中的应用,本研究基于冠层光谱数据进行不同马铃薯品种区分研究。利用田间实测的6-8月的马铃薯原始光谱数据以及经过一阶微分、对数一阶微分、包络线去除处理后的光谱,采用马氏距离法选择3种马铃薯光谱差异显著波段,再利用逐步判别法检验波段识别精度。结果表明,7月份经过对数一阶微分变换选取的特征波段识别精度最高,达87. 7%。不同生育期内,多种预处理方法下的光谱识别能力有差异。6月份包络线去除法的识别精度最高,7月份对数一阶微分处理下的识别精度最高,而8月份原始光谱的识别精度最高。提取的特征波段多位于红光及近红外波段。研究结果表明基于高光谱数据,借助马氏距离与逐步判别法可以区分马铃薯品种。     

滇西北高寒山区云冷杉高光谱差异性研究

高光谱遥感技术的出现为森林树种精细识别,特别是针叶林类型识别提供了新的解决思路。通过ASD FieldSpec 3光谱辐射仪对滇西北高寒山区的典型树种云冷杉叶片光谱数据进行测量,并利用光谱微分法对云冷杉原始光谱数据进行处理,分析不同原始光谱、光谱一阶微分、光谱二阶微分曲线图,从中选择能有效区分云冷杉的特征波段,利用欧氏距离对不同方法所选择的波段进行区分度检验。结果表明,能够对云冷杉进行精细识别的特征波段大部分位于近红外波段,原始光谱差异最大波段的位于1 340~1 349nm,一阶微分和二阶微分差异最大波段都位于990~999nm。研究结果将为森林树种精细识别,特别是为针叶林类型精细识别领域提供可靠经验与技术支撑。     

曹妃甸湿地典型植被光谱特征差异性分析

运用高光谱遥感技术分析地物特有的光谱特征可以有效地对地物进行识别。以河北省唐山市曹妃甸湿地为研究对象,使用SR2500便携式地物光谱仪测定了2种典型湿地植被——翅碱蓬[Suaeda salsa (L.) Pall.]和芦苇[Phragmites australis(Cav.)Trin.ex Steud.]的光谱特征,并对2种湿地植被的原始反射率光谱曲线和经过包络线去除法变换后的反射率光谱曲线进行研究。结果显示:由于包络线去除法的限制,在340~380 nm和716~1 020 nm波段范围内,分析芦苇原始光谱曲线更容易区分植被所处的生长期,在340~595 nm和710~920 nm波段范围内,分析翅碱蓬的原始光谱曲线更有利于区分所处的生长期,且2种植被生长旺盛期的反射率均高于生长末期。在508、550、678 nm处利用包络线去除法能够更好地区分芦苇不同生长阶段,在638、678 nm处利用包络线去除法能更好地区分翅碱蓬不同生长阶段。芦苇在绿光波段550 nm处出现明显的反射峰,而翅碱蓬在红光波段638 nm处出现明显的反射峰,这使得2种植被经过包络线去除处理后更好区分。在753~1 020 nm波段范围内,分析原始光谱曲线更适于区分芦苇和翅碱蓬,且芦苇的反射率高于翅碱蓬。     

速生五金木柄原料林树种评价体系构建与应用

根据五金木柄加工的特殊要求,选取对原料树种有重要影响的产量特性、适应性、造林特性和木材材性的四大类9个指标,利用层次分析法确定指标权重,建立综合评价体系,对所选16个树种（无性系）进行优选评价。结果表明,胸径生长量、树高生长量、立地要求、萌芽更新能力和木材材性等5个指标相对于其他指标占有较大权重,是影响目标选择的主要因子。鹅掌楸Liriodendron chinense和黄山栾树Koelreuteria bipinnata var. integrifoliola综合评价最好,无患子Sapindus mukorossi和青冈Cyclobalanopsis glauca综合评价最差。根据综合评价结果,结合树种特性和目前的推广应用情况,建议选择鹅掌楸,喜树Camptotheca acuminata,小果冬青Ilex micrococca,二道柳Salix spp. ,枫香Liquidambar formosana和木荷Schima superba等作为当前浙中地区速生木柄原料林主要造林树种,因地制宜进行首批推广。图1表4参28     

应用压力-容积技术测定3个防火树种的水分特征

此研究旨在研究防火树种的水分特性,为南方地区防火树种选择提供理论依据。应用压力-容积（P-V）分析技术测定了木荷Schima superba,秃瓣杜英Elaeocarpus galbripetalus和青冈Cyclobalanopsis glauca等3个防火树种春季、夏季和秋季的水分特征参数,即初始质壁分离点渗透势πp,饱和含水量时的最大渗透势π₀,细胞弹性模数ξ,细胞质壁分离时的共质体水体积量与饱和时共质体水体积量之比V_p /V₀。结果表明：①在不同季节中,木荷与青冈的4项水分特征参数变化趋势与范围相似,而与秃瓣杜英的相差较大;②通过比较3个树种的4项水分参数在3个生长季节的平均数,得出抗旱性排列顺序是青冈＞木荷＞秃瓣杜英。图2表1参11     

青山湖针阔混交林优势树种竞争的数量研究

针阔混交林是浙江杭州青山湖地区主要森林类型之一,研究树种的种内种间竞争特性对改善森林结构,提高森林景观品质具有重要作用。采用典型选样法设置研究样地,并对样地内树种的各个测树因子进行调查统计,应用Hegyi竞争指数对数据进行分析并讨论,其中对竞争木的确定方法进行改进,通过竞争木与对象木冠幅和距离之间的关系确定竞争木。结果显示：青山湖针阔混交林优势树种的种内竞争大于种间竞争,优势树种呈现出一定的聚集分布状态,特别是杉木Cunnunghamia lanceolata,甜槠Castanopsis eyrei,青皮木Schoepfia jasminodora,木荷Schima superba聚集程度非常高;白栎Quercus fabri和枫香Liquidambar formosana,白栎Quercus fabri和甜槠Castanopsis eyrei,化香Platycarya strobilacea和杉木种间竞争剧烈,说明它们具有相似的生态位需求,对环境及资源的争夺较为激烈。竞争指数与对象木胸径大小符合幂函数关系,并达到显著水平,优势种群种内、种间的竞争强度随着对象木胸径的增大而下降,并维持在较低的水平。图2表4参9     

3个阔叶树种容器育苗轻型基质配方探讨

以轻型基质泥炭土、珍珠岩、废菌棒和稻谷壳为基料,采用4因素3阶单形重心混料试验设计,运用两阶段多目标决策方法进行综合评价,开展轻型基质配方对木荷Schima superba,紫楠Phoebe sheareri和黄檀Dalbergia hupeana 等3个阔叶树种容器苗苗木出圃品质影响的研究。结果表明：不同基质配方对3个阔叶树种容器苗的苗高、地径、高径比及生物量、苗木品质指数等影响均达到显著水平。基质类型可按泥炭土的体积百分比进行划分：泥炭土体积分数占70%为促生型,60%为中等型,40%为缓生型。研究认为,在生产中不同树种应采用不同的基质类型：紫楠等苗期生长缓慢树种选择促生型,木荷等苗期生长中等树种选择中等型,而黄檀等苗期速生树种可选择缓生型。表6参9     

4种亚热带树木凋落叶的分解研究

选择中国亚热带分布较广的树种马尾松Pinus massoniana,青冈Cyclobalanopsis glauca,香榧Torreya grandis ‘Merrillii’和山核桃Carya cathayensis,采用分解袋法对其凋落叶分解进行研究。结果表明：马尾松凋落叶分解最慢,年分解系数为0.49,香榧分解最快,年分解系数为1.70,分解速率从大到小依次为香榧、山核桃、青冈和马尾松。4种凋落叶的分解速率与初始全氮质量分数呈极显著正相关（P＜0.01）,与初始全磷质量分数呈显著正相关（P＜0.05）,凋落叶的初始氮、磷质量分数可以作为预测这4个树种在亚热带分解快慢的良好指标。分解过程中马尾松、青冈和山核桃凋落叶的氮和磷均有不同程度的富集现象。青冈和香榧的钾质量分数在前2个月就分别从6.22 和11.16 g·kg^-1下降到1.96 和2.05 g·kg^-1,之后趋于稳定,马尾松则表现为先下降后升高。图1表6参23     

基于BP神经网络的高光谱果树树种识别研究

高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量,用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别,结果表明:对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上;红边区的光谱波段包含了大量树种识别的信息;采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类,而且分类精度相对较高。     

ICP-OES法测定坛紫菜中重金属元素

为探索一种坛紫菜Porphyra haitanensis重金属元素的快速检测的新方法,建立了电感耦合等离子体发射光谱（ICP-OES）方法测定坛紫菜中砷、镉、铬、汞、铅和锌等6种重金属元素质量分数。测试样品分别取自坛紫菜主要产地江苏启东,浙江象山和福建福鼎,采用两步消解法处理样本,先加入消解剂常温静置消化,后三梯度变温（100 ℃,180 ℃,100 ℃）微波消解。样品定量采用标准曲线法,消解剂作空白排除测定干扰。本法测定元素相对标准偏差为0.35% ～ 5.14%,砷元素加标回收率为95.8% ～ 105.3%,镉为89.0% ～ 98.0%,铬为93.0% ~ 103.2%,汞为90.5% ～ 96.0%,铅为86.5% ～ 107.5%,锌为94.7% ～ 98.4%。研究中发现,江苏启东样品中镉质量分数为0.57 mg·kg^－1,铅为2.15 mg·kg^－1;浙江象山样品中汞为1.54 mg·kg^－1;福建福鼎样品锌为161.12 mg·kg^－1,均出现不同程度的重金属超标现象。表3参10     

滇中典型乔木植被高光谱特征

针对滇中乔木植被光谱研究较少问题,运用高光谱遥感技术提取分析植被的特征波段,补充滇中乔木光谱,以期能为遥感识别分类植被、监测乔木长势,以及植被反演等提供科学依据。利用SOC710VP地物光谱仪,对滇中的侧柏(Platycladus orientalis)、樟木(Cinnamomum longepaniculatum)、柳杉(Cryptomeria fortunei)3种植被进行反射光谱测定,分析3种植被的叶片光谱特征差异,使用光谱一阶导数和连续统去除处理其原始光谱。原始反射率曲线表明,400~420 nm柳杉的曲线呈下降趋势,区别于樟木和侧柏;侧柏、樟木、柳杉的反射率在700~760 nm存在显著差异。红边波段光谱一阶导数凸显了3种乔木植被特有的波峰波谷特征,侧柏的峰谷特征尤其突出,识别度更大。连续统去除变换能够突出3种乔木植被在可见光波段的吸收和反射特征差异,樟木和柳杉的连续统去除值在440~760、950~1 000 nm存在较大差异。通过比较3种植被的原始光谱特性和反射率,可以从一定程度上把3种植被区分开。光谱一阶导数和连续统去除变换可以突出3种植被原始光谱特征之外的特征,增加识别分类3种植被的特征波段,区分识别3种植被的效果更显著。     

基于随机森林法的农作物高光谱遥感识别

  目的  不同农作物种类光谱差异小,通过探测众多窄波段范围的细微差别,提取区分不同农作物的特征波段,是目前实现农作物高光谱遥感识别的重要途径。如何提取区分不同农作物的特征波段,进而实现农作物的精确识别是一个挑战。近来出现的随机森林方法在多变量目标的分类识别方法展现了优势,为解决这一难题提供了一个新手段。  方法  利用随机森林法与传统方法分析杭州地区8种典型农作物的反射光谱,提取特征波段并进行分类,对比不同方法的识别效果。  结果  不同作物的反射光谱及其一阶微分、二阶微分、倒数的对数、去包络线法所提取的特征波段只能区分部分作物;随机森林法无需对反射光谱预处理,直接对全波段反射光谱数据处理,不仅筛选出了区分不同作物的特征波段,且运用所选择的波段对作物进行随机森林分类的效果也是最优的。  结论  随机森林法选择的波段（550、2 490、370、770、560、380、540、530、570、350 nm）不仅能区分不同作物,还能反映农作物生化属性的不同,使得用于分类的波段及分类方法体现了不同作物间物化性质的不同,在展现高光谱遥感识别农作物优势的同时,也为大面积农作物遥感精细分类提供借鉴。     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

高光谱遥感技术在土壤重金属含量测定领域的应用与发展

相较传统的土壤重金属含量测定方法,利用高光谱遥感技术对土壤重金属含量进行反演推算更为方便快捷,且能进行大范围的原位监测,表现出了极大的优势。本文旨在针对已有的土壤重金属含量测定领域高光谱遥感技术应用的相关研究进行综述,阐述高光谱遥感的技术原理及高光谱遥感技术在土壤重金属测定领域的应用与发展,宏观层面把握该领域的研究动向与热点。本文总结了土壤中部分重金属元素的光谱响应特征波段及与重金属元素高度相关的土壤组分,从近地传感高光谱、高空高光谱遥感、低空高光谱遥感3种技术角度切入,论述了高光谱遥感技术应用于土壤重金属测定的技术特征及发展历程,并展望了高光谱遥感技术的未来发展方向及其在土壤重金属测定领域的发展趋势。     

基于机载激光雷达和高光谱数据的树种识别方法

训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱（AISA）和激光雷达（LiDAR）主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的训练样本分层自动提取后再进行分类,激光雷达和不敏感色素指数变量能有效提高树种分类精度。其中高光谱+激光雷达+结构不敏感色素指数变量组合的分类精度最高,其总体精度和Kappa系数分别为89.12%和0.86,阔叶林、马尾松、毛竹、杉木、油茶的用户精度分别为75.00%,100.00%,86.36%,90.91%和96.55%。该方法对本研究区森林树种的识别是有效的。     

C5.0决策树Hyperion影像森林类型精细分类方法

以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机（SVM）分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。     

砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究

有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。     

基于Sentinel-2多时相影像的果树种植区遥感提取

为提取果树的空间分布信息,以果树生长期内不同月份的Sentinel-2多光谱遥感影像为数据源,以大沙河流域果树为研究对象,通过分析不同月份的光谱信息得出最佳监测时期,并在此基础上,选择不同时期的5种植被指数[归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构密集型色素指数(SIPI)和归一化水指数(NDWI)],结合机器学习技术构建决策树提取模型。结果发现,3、4、7、8月份的影像适于果树面积提取。通过Feature_importances_属性筛选出贡献度高的不同时期的植被指数作为输入特征,结合超参数学习曲线和网格搜索技术确定决策树模型的Max_depth和Min_samples_leaf参数分别为5和10时模型的效果最佳。参数调整后绘制决策树模型,模型在训练集和测试集上的精度分别达到了0.919 4和0.875 1。提取结果表明,研究区内的果树主要种植在大沙河两岸,东部与西北部的果树种植地块较为零碎,总的果树种植面积为6 838 hm²。在验证样本的基础上,通过混淆矩阵计算提取结果的精度,结果显示,Kappa系数为0.87,果树种植区提取的用户精度和制图精度分别为92.91%和90.77%。结果说明,本文所提出的方法适用于大区域果树的遥感提取,可为基于中高分辨率遥感影像的果树种植区监测提供有效的技术手段。     

芥菜型油菜不同叶色叶绿素含量与冠层反射光谱的定量关系

以绿色和紫色叶的盆栽芥菜型油菜为试验对象,分别于幼苗期和抽薹期测定其冠层高光谱和SPAD值,研究两者之间的关系。研究结果为:以绿叶型油菜原始光谱两特征波段和一阶导数光谱两特征波段构建光谱参数,其中基于DVI'(717,955)的线性和多项式模型拟合决定系数较高,分别达到0.429 8,0.453 5;以紫叶型油菜原始光谱两特征波段构建光谱参数,其中基于RVI(698,107 2)的指数模型拟合决定系数较高,达到0.425 3。研究结果表明,高光谱模型具有一定的预测精度,可为区域尺度油菜生长的快速、无损遥感监测提供参考。