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%。     

伊犁绢蒿荒漠草地主要植物的高光谱识别

以伊犁绢蒿荒漠草地为研究对象,利用SOC710 VP成像光谱仪获取不同季节的伊犁绢蒿荒漠草地地面高光谱影像,通过主成分分析和方差分析提取不同季节主要物种伊犁绢蒿、角果藜、叉毛蓬和裸地光谱特征波段、特征参数与植被指数;采用Fisher判别分析法将样本按7∶3的比例划分训练集和测试集,对3种主要植物和裸地进行识别。研究表明：6月植被指数建立的识别模型对测试集样本伊犁绢蒿、角果藜、叉毛蓬和裸地的判别精度最优,分别达到100%、95.56%、100%和100%,总体精度达98.89%;基于高光谱影像数据,以6月植被指数作为识别参数可以实现伊犁绢蒿荒漠草地主要植物的识别,为进一步对群落影像进行物种定量分类提供了依据。     

退化伊犁绢蒿荒漠草地特征植物光谱特征

分别对退化伊犁绢蒿(Seriphidium transiliense)荒漠草地上8种特征植物长势较好时期的原始光谱、包络线去除后光谱及一阶微分光谱曲线特征波段进行对比分析,发现在特定波段不同植物光谱反射率特征值与其他植物有明显不同;760-930 nm植物光谱强反射带波段间8种特征植物的反射率值最大相差近40%,反射率从大到小依次为伊犁绢蒿＞萹蓄(Polygonum aviculare)＞骆驼蓬(Peganum harmala)＞画眉草(Eragrostis pilosa)＞地肤(Kochia scoparia)＞弯果胡卢巴(Trigonella arcuata)＞角果藜(Ceratocarpus arenarius)＞叉毛蓬(Petrosimonia sibirica);1 400 nm附近水分吸收带光谱反射率值最大,相差近27%,从大到小依次为伊犁绢蒿＞地肤＞角果藜＞画眉草＞叉毛蓬＞萹蓄＞弯果胡卢巴＞骆驼蓬;从红边位置(P)、幅值(K)识别8种特征植物高光谱特征信息为:除萹蓄P为708 nm外,其他7种特征植物P值均集中在718 nm处;伊犁绢蒿K为0.925 4;叉毛蓬K为0.188 5;萹蓄K为0.685 4;骆驼蓬K为0.799 8;地肤K为0.183 9;弯果胡卢巴K为0.538 7;画眉草K为0.441 6;角果藜K为0.132 7。包络线去除后的光谱红边及峰谷特征与原始光谱曲线相比显得更为清晰、明显。一阶微分对于精确提取该类草地植物光谱特征的红边参数特征值有重要作用。     

伊犁绢蒿荒漠草地物种光谱特征分析及识别初探

利用便携式地物光谱仪,对天山北坡中段伊犁绢蒿(Seriphidium transiliense)荒漠草地9种植物进行实地光谱测量,对光谱进行一阶微分、平滑、归一化、R_r-R_n光谱特征空间处理,对植物光谱特征分析及识别,并建立判别模型。结果表明,不同植物的原始光谱反射率在特定波段具有一定差异性,一阶微分对于精确提取该类草地植物红边特征参数值有重要作用,平滑处理可以有效去除噪声影响,归一化更有利于发现植物光谱特征,Rr-Rn在区分该类草地植物方面存在困难。选用近红外波段反射率(R_n),红边位置(REP),绿波段反射率(R_g),修改型土壤调节植被指数MSAVI和叶绿素吸收比值指数(CRAI)5项光谱指标建立判别函数,9种植物的判别精度达到90.5%。     

退化伊犁绢蒿荒漠草地高光谱特征分析

利用SVC HR-768 便携式光谱仪测定围栏内、外不同退化梯度伊犁绢蒿（Seriphidium transiliense）荒漠草地植物群落的光谱反射率,以及该类草地退化过程中的优势种伊犁绢蒿（减少种）、叉毛蓬（Petrosimonia sibirica）（增加种）、萹蓄（Polygonum aviculare）（侵入种）和裸地的光谱反射率,为实现伊犁绢蒿荒漠草地的高光谱遥感监测奠定基础。结果表明：在近红外波段,特征种与裸地的光谱反射率为裸地>萹蓄>伊犁绢蒿>叉毛蓬。萹蓄光谱反射率对退化草地植物群落的反射特征影响很小。退化草地植物群落冠层光谱反射率主要受伊犁绢蒿和叉毛蓬反射特征的影响,与优势种重要值成正相关关系,中度退化草地植物群落光谱反射率为围栏内>围栏外;重度和极度退化草地植物群落光谱反射率为围栏内<围栏外。     

围栏封育下伊犁绢蒿荒漠草地特征植物高光谱特征变化分析

为研究围栏封育对伊犁绢蒿(Seriphidium transiliense)荒漠草地的改善情况,利用便携式光谱仪对不同封育年限的围栏内外实测的半灌木伊犁绢蒿、一年生草本叉毛蓬(Petrosimonia sibirica)和短命植物涩芥(Malcolmia maritima)的高光谱数据进行分析。结果表明,伊犁绢蒿、叉毛蓬和涩芥三者在可见光波段具有明显的差异性,与植物生态生理特征有关,可利用350~680 nm内三者光谱反射率的差异进行区分;伊犁绢蒿的红边斜率在不同封育年限下均表现为围栏内大于围栏外,而叉毛蓬的红边斜率表现为围栏内小于围栏外,涩芥在平台处光谱和红边特征上与其生理生态特征无明显相关性。     

基于光谱指数的伊犁绢蒿荒漠草地恢复状况的判定

为了从光谱角度探讨退化伊犁绢蒿封育的适宜年限,对未封育、封育2年、7年和10年的草地从群落数量指标、群落光谱特征及特征植物光谱进行研究。通过对植被数据与光谱数据进行回归分析,对比群落和特征植物光谱指数随封育年限的变化趋势,探讨植被高光谱对伊犁绢蒿荒漠草地恢复状况的响应及最佳封育年限判定的可行性。结果表明：随着封育年限的增加,草地的盖度、密度及生物量呈先增加后降低的趋势;对群落的数量指标、群落光谱指数及建群种光谱指数回归均指示在5年左右达到最大值,表明可以通过植物光谱来对草地恢复状况及封育最佳年限加以判定。     

基于高光谱成像技术的伊犁绢蒿荒漠草地主要植物识别参数的筛选

为获得伊犁绢蒿荒漠草地主要植物最佳识别参数,本研究利用SOC710 VP成像光谱仪于4月采集群落影像,以伊犁绢蒿（Seriphidium transiliense）、角果藜（Ceratocarpus arenarius）、叉毛蓬（Petrosimonia sibirica）和裸地为识别对象,基于光谱学响应与峰谷特性选取8个位置参数、2个面积参数、4个植被指数,按照显著性差异从小到大逐一筛选敏感参数,并使用Fisher判别分析进行精度验证。结果表明：4种识别对象的反射率大小在可见光和近红外波段表现出不同的特征;用筛选出的红谷位置、红边位置、红谷幅值、蓝边面积、NDVI₁、RVI₁和RVI₂进行判别,精度分别为伊犁绢蒿91.11%、角果藜80.56%、叉毛蓬91.11%、裸地100%,总精度为92.13%。本试验筛选出的识别参数建立判别模型可为进一步对群落影像进行物种定量分类提供依据。     

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。     

基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型

利用环境减灾卫星HJ 1A高光谱图像数据,分析了研究区不同土地覆盖类型的波谱曲线特征,比较了监督分类和光谱角分类方法对高光谱影像的分类精度,研究了高寒牧区草地生物量超光谱遥感监测模型。结果表明,1）不同地物波谱曲线的吸收位置和吸收深度等波谱特征在可见光波段具有较大差异,在近红外波段吸收特征相似。在可见光波段,云和植被的吸收位置最少,都只有1处,但云的吸收深度小于植被;裸地吸收位置有5处;水域吸收位置最多,有6处。2）光谱角与监督分类均适于高光谱影像分类,但光谱角分类方法的总精度可达85.9%,远高于监督分类法。3）依据草地生物量与9种植被指数间的回归分析结果,选出了适合研究区草地植被生物量动态监测的两种植被指数,即归一化植被指数和比值植被指数。     

天然草地牧草营养品质的高光谱遥感研究进展

天然草地牧草营养品质的优劣不仅影响家畜的生长发育,同时也影响畜产品的品质,对草牧业的发展具有至关重要的意义。高光谱遥感技术的飞速发展使深入研究天然草地牧草品质的动态变化成为可能。本研究综述了目前可利用的高光谱遥感数据以及天然草地牧草营养品质遥感反演的主要成果、常用方法和最新研究动态,分析了我国在天然草地牧草营养品质监测与评价方面尚存在数据获取困难、相关研究缺乏、软硬件性能不足等问题;在多种观测平台及相关技术不断革新背景下,探索星载、机载和地面高光谱数据的有机结合,强化高光谱遥感仪器性能,提高关键营养成分的反演精度是未来研究的重点。     

甘南草地地上生物量的高光谱遥感估算研究

为了促进高光谱分辨率遥感技术在草地畜牧业动态监测和遥感估产中的应用,选择甘南草原为研究区,通过野外观测,测量了天然牧草的冠层高光谱和地上生物量数据,分析了4种主要草地类型的冠层光谱曲线特征,并分析了地上鲜生物量与冠层反射光谱和一阶微分光谱之间的相关关系,构建了光谱特征参数作为变量,建立了甘南草原牧草地上鲜生物量的高光谱估算模型,并对模型进行检验,结果表明：特征参数D723的对数回归模型,不仅相关系数较高,而且均方根和相对误差都较小,因此,估算精度较高,可作为甘南草地地上鲜生物量的最佳高光谱估算模型。     

新疆三种主要草地植被类型的高光谱反射特征研究

本研究利用便携式地物光谱仪,对新疆部分天然草地类型及植物进行了实地光谱测量,分析和比较了3种草地类型的光谱反射特征。结果表明,在可见光波段,干荒漠类草甸植被,除角果黎外,其冠层反射率要低于低地山地草甸和蒿属荒漠草地。而在近红外波段,角果黎、骆驼蓬、梭梭冠层光谱反射率明显高于低地山地草甸植被和部分蒿属荒漠草甸植被。同一类型草地中,由于植被类别间的差异以及叶片内部结构的不同,冠层光谱反射率差异较大。3类草地类型不同植被的红边特征参数表现为干荒漠类草甸的梭梭红边位置最高,低地山地草甸的博洛塔绢蒿红边位置最低;蒿属荒漠类草甸的骆驼蓬的红边斜率和红边面积最大,低地山地草甸的苔草红边斜率和红边面积最小。对6种代表性的植被指数分析得出,PRI、OSAVI、MCARI指数均表现为蒿属荒漠类草甸<低地山地草甸<干荒漠类草甸。NDVI植被指数则表现为低地山地草甸最大,而干荒漠类草甸最小。GNDVI指数表现为低地山地草甸最大,蒿属荒漠类草甸最小。总之,高光谱遥感对于草地植被的分类监测和遥感反演等具有重要的意义。     

苜蓿和无芒雀麦混播草地高光谱遥感估产研究

采用5个新的植被指数(GDVI、GRVDI、GSAVI、GOSAVI、GMSAVI),并与以往遥感估产所用的9个植被指数一起遴选,选出最佳植被指数构建最优模型,用以实现苜蓿和无芒雀麦混播草地快速无破坏性精准测产。结果表明:以近红外光(760nm)和绿光(600nm)光谱变量组合计算的绿色优化土壤调节植被指数(GOSAVI)为自变量构建的二次方程式是混播草地群落最优估产模型,以近红外光(760nm)和绿光(600nm)光谱变量组合计算的绿色土壤调节植被指数(GSAVI)为自变量构建的三次方程式是苜蓿种群最优估产模型,而无芒雀麦种群最优估产模型却是以波长971nm处一阶微分为自变量构建的三次方程式。     

基于随机森林的高寒草地地上生物量高光谱估算

草地地上生物量(Aboveground biomass,AGB)是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义.高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定.本研究提取和计算了海北试验站高寒草地冠层的原始光谱(Original spectrum,OR)反射率、一阶微分光谱(Firs...     

基于高光谱数据的高寒草地土壤有机碳预测模型研究

土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(R_v²)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的R_v²和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(R_v²=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。     

基于XGBoost算法的草甸地上生物量的高光谱遥感反演

准确、高效获取草甸地上生物量信息,对牧区农牧业生产、草地资源管理、牧草可持续利用具有重要意义。本研究基于实地采集的牧草冠层光谱反射率及同期获取的地上生物量数据,运用互信息法分别分析了微分光谱、优化植被指数与草甸地上生物量的相关性,进一步构建了极限梯度提升（XGBoost）算法与不同阶光谱植被指数数据集的草甸地上生物量模拟估算模型,并与多元线性回归（MLR）和随机森林（RF）算法建立的模型进行对比。结果表明：对光谱反射率进行一阶、二阶微分与光谱植被指数变换协同应用,有助于提高冠层光谱与地上生物量的相关性;基于原始光谱植被指数与XGBoost算法构建的草甸地上生物量模拟估算模型效果最佳,均方根误差（RMSE）为140.26 g·m^-2,平均绝对误差（MAE）为97.20 g·m^-2,Nash效率系数（NSE）为0.81,一致性指数（d）为0.94,其次为基于RF算法构建的模型,MLR算法构建的模型精度较差。研究认为XGBoost算法可适用于草甸地上生物量模拟估算模型的建立,为快速准确的牧草高光谱遥感监测提供了技术和方法,为区域性草地高精度大面积生产力估算奠定了基础。     

基于超像素稀疏表示的高光谱遥感图像分类原理分析

稀疏表示理论已被广泛用于图像分类任务,在遥感图像领域内高光谱图像的分类也适用于稀疏表示分类;另一方面,超像素的分割结果对于类特征的提取具有重要的意义,因此将超像素计算与稀疏表示分类相结合可以有效地提高遥感图像分类的精度。     

基于高光谱成像技术的桑叶含水率可视化检测

在桑叶多元化开发及传统养蚕过程中,含水率是衡量桑叶物化状态和指导生产加工的关键参数。为解决传统的烘干称重法含水率检测效率低且操作繁琐的问题。使用高光谱图像采集系统获取桑叶高光谱图像(937～1 718 nm),根据阈值分割法对高光谱图像进行背景剔除,计算各桑叶在高光谱图像中的平均光谱。采用Savitzky-Golay平滑、多元散射校正和正交信号校正方法对光谱进行预处理以消除或降低可能存在的干扰信号,采用连续投影算法和竞争自适应重加权采样算法(competitive adaptive reweighted sampling, CARS)提取光谱特征波段以降低检测模型复杂度,采用偏最小二乘法和反向传播人工神经网络(back propagation artificial neural network, BPNN)构建光谱与桑叶含水率的回归模型。将桑叶高光谱图像中各像素点的光谱数据导入构建的回归模型可实现桑叶含水率可视化检测。结果表明,基于CARS提取的特征波段所构建的BPNN回归模型性能最佳,预测集对应的决定系数达到0.994。文中方法为桑叶含水率快速无损检测提供了新的途径。