基于先验知识的独立分量分析技术在高光谱图像端元提取中的应用

以先验知识为基础,应用约束的独立分量分析技术（CICA）从高光谱遥感图像中提取所需要的端元。结果表明,应用先验知识的独立分量分析技术可以有效地提取高光谱遥感图像的端元,可为进一步的应用提供依据。     

基于高光谱红边参数的棉花冠层覆盖度提取研究

利用ASD FieldSpec FR野外光谱仪,获取了棉花（2个品种4种种植方式）各生育时期的反射光谱数据,同时,用数码相机测试了棉花冠层覆盖度;研究了棉花冠层光谱红边参数随作物生育期的变化规律,并进行了棉花光谱数据和冠层覆盖度的相关回归分析。结果表明：归一化植被指数（NDVI）与冠层覆盖度的线性相关达到1%极显著水平（r=0.6303＊＊,n=62）,可以利用NDVI反演棉花冠层覆盖度;用红边斜率建立的二次函数模型的相关系数最高（r=0.6983＊＊,n=62）,总均方根差RMSE为0.0476g/m^2能较好地提取棉花冠层覆盖度,说明可为生产上利用遥感手段大面积、无破坏、及时评价棉花生长状况提供重要依据。     

干旱区基于高光谱的棉花遥感估产研究

【目的】揭示棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中应用。【方法】结合棉花生长发育规律,对棉花各时期冠层进行高光谱反射率测定,根据光谱曲线特征构建高光谱植被指数,基于棉花盛蕾期至吐絮后期7次地面光谱和产量测定,对光谱反射率与产量进行统计分析。【结果】各生育期可见光波段、近红外波段及短波红外波段光谱反射率与产量间分别达显著负相关、显著正相关与显著负相关水平。根据棉花冠层光谱波形特征,利用植被红边波段560 nm反射峰、670 nm吸收谷、近红外波段890 nm反射峰、980 nm和1 210 nm两个弱水汽吸收谷、短波红外1 650 nm和2 200 nm反射峰,设计归一化差值光谱指数,并与棉花产量进行相关分析,利用上述波段组合定义的归一化差值光谱指数与产量在各生育期均达显著或极显著相关,而VARI_700抗大气植被指数在各生育期均达极显著相关。【结论】以VARI_700抗大气植被指数建立各生育期的产量预报模型,为实现棉花营养生长期长势监测与产量预报提供依据。     

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。     

基于高光谱技术的棉花冠层反射特征研究

研究目的:揭示棉花冠层高光谱特征,为建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中应用提供依据.方法:结合棉花生长发育规律,对棉花各时期冠层进行高光谱反射率测定,基于棉花盛蕾期至吐絮后期7次采样的地面光谱数据,研究不同棉花品种、灌水量及氮素营养对棉花冠层光谱反射特性的影响.结果:在可见光区,适度缺氮(N1)条件下的冠层光谱反射率相对较高,而氮过量(N3)条件下的冠层光谱反射率相对较低;随着灌水量的增加,在近红外波段,其冠层光谱反射率呈上升趋势,在盛蕾期和盛花期不同灌水量处理的光谱反射率差异较明显;不同棉花品种冠层光谱反射率存在一定差异,在近红外波段新陆早13与新陆早10只在吐絮后期光谱反射率差异不明显,在前三个生育期差异较明显.     

高光谱分辨率遥感在新疆棉花上的应用前景

综述了高光谱遥感技术的发展及其在国内外农业中的应用，展望了高光谱遥感技术在新疆棉花生产中的施肥技术、灌溉、灾害预报、种植面积清查及农学基础研究方面的应用前景。     

基于光谱指数的棉花黄萎病叶片氮素含量提取

[目的]研究棉花黄萎病叶片氮素含量与高光谱的关系,以期用简便、无损的遥感技术提取病害棉叶氮素含量,为大面积遥感监测棉花病害提供理论依据.[方法]通过小区和大田同步调查棉花黄萎病,在不同生育期测定病叶光谱及其氮素含量.将病叶光谱特征参数与氮素含量进行相关分析,建立病叶氮素含量估测模型并检验.[结果]随着病害严重度的增加,棉叶氮素含量逐渐减小.病叶氮素含量与光谱指数FD731、NDVI[670,890]、DVI[FD554,FD731]、PVI[FD554,FD731]、RDVI[702,758]、RDVI[FD554,FD731]、SAVI、OSAVI、PRI[570,531]、PRI[702,758]、REP、Lo、Depth672和Area672呈极显著正相关,与R550、R680、R702、SD737、DVI[450,560]、NDVI[702,758]、DVI[702,758]、RVI[702,758]、SIPI、TCARI、CCII、PPR[550,450]、Lwidth和ND672均呈极显著负相关,与Dr未达显著相关.选取相关系数较大的光谱参数建立的病叶氮素含量估测模型均达到显著水平,整体上利用DVI[702,758]、PVI[FD554,FD731]和NDVI[702,758]进行氮素含量的估测精度最高,模型的预测的相对误差均小于2;.[结论]考虑到DVI[702,758]建立的模型更为实用,可作为病害棉叶氮素含量的最佳估测模型.     

基于高光谱成像技术的不同类型小麦穗发芽籽粒识别

【目的】为探索利用高光谱成像技术识别不同类型小麦籽粒穗发芽的方法。【方法】利用涵盖不同倍性、籽粒颜色的3个品种的小麦种子为材料,通过设置穗发芽对比实验,利用PCA、ICA、HSV 3种变换方法分析不同类型小麦正常和穗发芽籽粒光谱、图像的差异,提取图像和光谱特征参数,并运用最小距离法、最大似然法和支持向量机3种不同识别算法进行小麦籽粒发芽识别。【结果】穗发芽与否会在其光谱特性上有所反映,发芽籽粒的光谱反射率在品种间差异较小,发芽与未发芽籽粒的光谱反射率存在较大差异,大于未发生穗发芽品种之间的差异,特别是在光谱波段470～620 nm之间。通过光谱差异分析并结合支持向量机算法进行识别得到的结果精度更高,识别精度达到96%。【结论】研究结果可为种子质量监控、自动筛选识别等提供技术支持。     

基于改进的亚像元分解方法的高光谱海岸瞬时水边线提取

海岸线是多年平均大潮高潮所形成的海水和陆地分界线的痕迹线,遥感技术可以提供大范围的海岸线动态监测。传统的硬分类方法提取海岸瞬时水边线是基于像元级的基础上进行的,其提取的精度较低;然而利用亚像元分解方法在复杂海岸地带上提取海岸瞬时水边线,是一项既新颖又具有挑战性的任务。因此,提出一种改进的亚像元海岸瞬时水边线提取方法(Improved Sub-pixel Coastal Waterline,ISPCW)可以获得较高的海岸瞬时水边线提取精度。首先,使用了一种水体-植被-不透水层-土壤模型(Water-VegetationImpervious-Soil,W-V-I-S)用于检测和确定海岸地带的W-V-I-S混合像元和纯净端元光谱;随后使用全约束最小二乘法(Fully Constrained Least Squares,FCLS)估计W-V-I-S混合像元中水体丰度值;最后使用空间吸引力模型获得海岸瞬时水边线。在上海实验区中,采用EO-1高光谱数据,将ISPCW方法和传统的多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)、混合调谐匹配滤波法(Mixture Tuned Matched Filtering,MTMF)、连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)、能量约束最小化(Constrained Energy Minimization,CEM)混合像元分解方法和归一化水体指数(Normalized Difference Water Index,NDWI)进行对比。实验结果表明,ISPCW方法用于提取海岸瞬时水边线获得较好的效果,其精度达到0.38个像元,与MESMA、MTMF、SMACC、CEM和NDWI方法相比,精度分别提高了22.4%、33.3%、42.4%、43.2%和51.3%,可以更有效的应用于高光谱海岸瞬时水边线提取。     

北疆棉花叶绿素密度的高光谱估算研究

利用非成像高光谱仪,对4水平种植密度下的2个北疆棉花品种在5个关键生育时期进行冠层光谱测定,分析棉花反射光谱及微分光谱生育期的变化规律,并对棉花冠层叶绿素密度(CH.D)与光谱数据进行回归分析,结果表明,近红外729 nm波段处一阶微分光谱数值与CH.D高度相关(r=0.937 2**,n=20),用此波段建立的CH.D估算模型,精度达84.3;,标准差为0.234g/m2,RMSE=0.156 9.研究表明,可以用高光谱数据对新疆棉花冠层CH.D进行遥感估算.     

Spider Mite Detection and Canopy Component Mapping in Cotton Using Hyperspectral Imagery and Spectral Mixture Analysis

Spectral mixture analysis and hyperspectral remote sensing are analytical and hardware tools new to precision agriculture. They can allow detection and identification of various crop stresses and other plant and canopy characteristics through analysis of their spectral signatures. One stressor in cotton, the strawberry spider mite (Tetranychus turkestani U.N.), feeds on plants causing leaf puckering and reddish discoloration in early stages of infestation and leaf drop later. To determine the feasibility of detecting the damage caused by this pest at the field level, AVIRIS imagery was collected from USDA-ARS cotton research fields at Shafter, CA on 4 dates in 1999. Additionally, cotton plants and soil were imaged in situ in 10 nm increments from 450 to 1050 nm with a liquid-crystal tunable-filter camera system. Mite-damaged areas on leaves, healthy leaves, tilled shaded soil, and tilled sunlit soil were chosen as reference endmembers and used in a constrained linear spectral mixture analysis to unmix the AVIRIS data producing fractional abundance maps. The procedure successfully distinguished between adjacent mite-free and mite-infested cotton fields although shading due to sun angle differences between dates was a complicating factor. The resulting healthy plant, soil, mite-damaged, and shade fraction maps showed the distribution and relative abundance of these endmembers in the fields. These hardware and software technologies can identify the location, spatial extent, and severity of crop stresses for use in precision agriculture.     

Canopy Equivalent Water Thickness Estimation of Cotton Based on Hyperspectral Index

【Objective】 The objective of the experiments is to develop a key method for fast and nondestructive monitoring canopy equivalent water thickness (CEWT) in cotton (Lumian 54) and to further improve the estimation accuracy of CEWT in cotton monitored by remote sensing technology. 【Method】 Through setting irrigation gradient treatment in different growth period, canopy spectral reflectance and canopy equivalent water thickness and other information were measured simultaneously. Firstly, we comprehensively analyzed the correlation between CEWT and various spectral parameters, including original spectral reflectance, first derivative spectral reflectance, all-band combined spectral index and existing spectral index. Then, we determined the optimal spectral indices of bud stage, flowering and bolls stage, and full growth period. Finally, we constructed a hyperspectral monitoring model of cotton CEWT by linear regression. 【Result】 The canopy equivalent water thickness and the original spectral reflectance show continuous sensitive bands in the near infrared band (NIR) of 780-1130 nm and the short wave infrared band (SWIR) of 1 450-1 830 nm and 1 950-2 450 nm, the sensitivity of the first derivative spectrum to CEWT was enhanced in NIR band than that of the original spectrum, but was weaker in SWIR band than that of the original spectrum. The correlation between the spectral index constructed by the original spectral reflectance and CEWT is stronger than that of the first derivative spectrum, and the ratio spectral index (RSI) is more suitable for the monitoring of CEWT than the normalized difference spectral index (NDSI). During the whole growth period, the inversion accuracy of CEWT by (R₁₁₃₅-5R₁₄₉₄)/R₂₀₀₃ was the best (R ²=0.7878, RRMSE=0.1803). In the bud stage, RSI_b(1130,1996) has the best estimation effect on CEWT (R ²=0.7258, RRMSE=0.1444). RSI_a (904,1952) was the optimal spectral index (R ²=0.7853, RRMSE=0.2454) for estimating CEWT at the flowering and bolls stage.【Conclusion】The new hyperspectral indexes proposed in this study in different growth stages can be used for quantitative monitoring of canopy equivalent water thickness in cotton. The results of this study can provide reference for the application of hyperspectral technology in monitoring water content of cotton canopy, and provide technical basis for precision irrigation of cotton.     

多旋翼无人机载高光谱成像系统几何和辐射校正方法研究

针对农林环保等行业应用,结合成像光谱仪与无人机(unmanned aerial vehicle, UAV)技术,有效地解决了高光谱遥感数据不足和空间分辨率低等问题.但UAV高光谱成像系统面临的设备昂贵、数据质量差和效率低等一系列问题,致使低成本高效便捷的UAV高光谱成像系统成为了研究的关键.介绍了将室内成像光谱仪搭载在多旋翼UAV上采集数据的高光谱成像系统,在试验区布设控制点和标准灰布,用GPS-RTK测量控制点的三维坐标和ASD地物光谱仪测量标准灰布的反射率以验证系统的成像精度.从辐射和几何两个方面进行分析评价.在辐射方面,经过辐射定标和MODTRAN模型大气校正的高光谱数据中校准灰布的反射率与ASD地物光谱仪测量的结果十分吻合;在几何方面,用GPS-IMU数据进行初始几何校正的图像与地面控制点坐标以分析图像处理后的几何误差,并提出通过改正姿态偏转角的方法提高图像的地理位置精度.     

基于无人机影像的棉花株高预测

【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R²达到0.846 9,验证模型R²也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。     

多旋翼植保无人机与常规喷施缩节胺对棉花生长调控效应比较

【目的】分析JT-30多旋翼植保无人机喷施缩节胺(DPC)对调节棉花生长的影响,研究植保无人机在棉花化控作业中的应用效果,为植保无人机在棉花化控作业的应用提供指导。【方法】与喷杆式喷雾机作业相比,采用JT-30六旋翼植保无人机喷施DPC作业,分析其对棉花株高、果枝长度、节间距等的影响。【结果】JT-30植保无人机喷施DPC 5、10、14 d后能够有效抑制棉花的株高,抑制率分别为7.26%、15.81%和21.17%;喷杆喷雾机作喷施作业后对应的抑制率为8.55%、16.81%和 22.80%;JT-30植保无人机喷施DPC对棉花株高的抑制效果与喷杆式喷雾机作业效果相当。在果枝长度、节间长度和果枝始节高度等指标上表现出了相似的结果,且高浓度DPC没有对棉花表现出药害作用。【结论】植保无人机喷施缩节胺可以有效促进棉花营养生长向生殖生长的转移、塑造良好株型、提高成铃率,且高浓度DPC对棉花无药害,具有与常规喷施相当的效果。     

基于高光谱吸收特征参数以及光谱吸收指数的藻类叶绿素a反演分离模型研究

利用ASD地物光谱仪对不同浓度下小球藻、聚球藻及其混合藻的反射光谱进行测量,得到3组藻类在不同叶绿素a(Chl-a)浓度下的反射光谱,同时进行了Chl-a浓度测量。利用Matlab软件神经网络模型中的径向基函数对得到的高光谱数据进行高光谱曲线拟合,在拟合结果基础上,提取小球藻在652nm处、聚球藻在609nm处以及混合藻在652nm和609nm处的光谱吸收指数(SpectralAbsorptionFeatureParameter,SAFP)建立了两种单一藻类的定量模型,单一小球藻Chl-a最优定量模型为吸收峰深度模型Chl-a=10.059e713.97H,聚球藻的Chl-a最优定量模型为吸收峰斜率模型Chl-a=3×1012K2+1×107K+56.555。并在对两种单一藻类的定量模型研究基础上用光谱吸收指数对该两种藻的混合藻进行了Chl-a浓度分离。通过对比模型计算结果的均方根误差(RootMeanSquareError,RMSE),除吸收峰对称度模型分离结果不太理想外,吸收峰深度分离模型、吸收峰斜率分离模型、吸收峰光谱吸收指数(SAI)分离模型的分离结果都很好,分离效果最好的为SAI分离模型。     

基于高光谱和数码照相技术的苹果花期光谱特征研究

 【目的】旨在探索苹果花期的光谱特征和敏感波段。【方法】以栖霞市为研究区,利用苹果花期数码照片监督分类,提取苹果花树比和花叶比指标信息,通过与同步高光谱探测数据的相关分析,研究苹果树花期光谱特性,确定其敏感的光谱波段。【结果】苹果树花期光谱特征主要表现为对蓝光和红光的吸收、对绿光的反射,和对750～1 300 nm近红外的强烈反射。其光谱特征变化与花叶比和花树比指标呈现较好的相关性,敏感波段范围为400～530 nm的蓝青光和570～700 nm的橙红光,以及中等花树比果树760～1 350 nm的近红外。【结论】该研究提出了高光谱遥感与数码照相技术相结合的有效方法,初步探明了苹果树花期的光谱特征,为苹果园地信息提取、营养诊断和苹果生产管理的实时性与信息化提供了理论依据和技术支撑。     

基于遥感影像的粮棉作物自动提取技术研究

以TM遥感影像为数据源,根据研究区域粮棉作物的物候特征,研究并实践了运用监督分类和模型分类进行粮棉作物提取的方法,为农业布局规划和政府决策提供了依据。