多光谱技术检验添改字迹初探

光谱成像（SpectralImaging）是通过成像光谱仪记录被检验物体在一定光谱范围内密集均匀分布的多个窄波段单色光的反射光亮度分布或荧光亮度分布，形成由许多单色光影像构成的光谱影像集（如图1所示）。光谱成像记录的光谱影像集包含了检材物体在多幅等间隔波长位置的窄波段单色光亮度分布影像，因此这种成像技术也被称为多光谱成像或超光谱成像（HyperspectralImaging）。     

高光谱遥感森林应用研究探讨*

详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。     

基于无人机多光谱影像的松材线虫病疫区枯死树识别

为探寻最优波段组合，提高多光谱无人机（Unnamed Aerial Vehicle,UAV）对松材线虫（Bursaphelenchus xylophilus）病疫区枯死树的自动识别准确率，进而提高松材线虫病疫情监测水平，以柳州市三江侗族自治县、河池市宜州区和大化瑶族自治县、南宁市横州市及桂林市平乐县的42个疫点小班及其周边2 km内的所有松树林图斑为研究区，采用无人机采集多光谱影像，获取可见光、红光波段、绿光波段、近红外波段和红边波段影像；完成辐射校正后进行正射拼接和植被指数计算，得到3组可见光和多光谱正射影像波段组合；将各组影像分别输入卷积神经网络（Convolutional Neural Network,CNN），进行相同参数的学习和预测。将模型预测结果与人工标注结果进行对比，以识别准确率为指标，进行精度评价。结果表明，利用多光谱影像自动识别疑似松材线虫病枯死树的最高识别准确率为86.33%，比单一可见光自动识别准确率（81.25%）提高了5.08个百分点。在相同参数条件下，多光谱影像比单一可见光影像具有更准确的自动识别能力。该方法的多光谱最优波段组合为可见光影像+红光波段影像+绿...     

SPOT5全色与多光谱遥感影像融合方法研究

以吉林省白河林业局的SPOT5全色与多光谱遥感影像融合为研究对象，利用Erdas Imagine9.1遥感影像处理软件，对8种融合方法的结果进行定量分析。结果表明：在提高空间分辨率能力和保持光谱特征的完整性上，Ehlers融合法、基于HIS变换的小波变换法、HIS变换法融合效果较好。     

磺基水杨酸铁配合物的薄层光谱电化学研究

本文采用自制的长光程薄层光谱电化学他，研究了磺基水杨酸铁配合物的吸收光谱的电化学特性，获得了不同电位下的薄层吸收光谱，测定了磺基水杨酸铁配合物的克式量电位Ｅ°及反应得失电子数ｎ，同时，用循环伏安法（ＣＶ）测定了在不同的ｐＨ值下，体系的峰值电位，与光谱电化学法相比较，得到较满意的结果．     

钯／碳催化松香脱氢反应及产物结构的鉴定

采用热分析及气相色谱方法研究了Ｐｄ／Ｃ催化松香脱氢反应的最佳温度和反应时间，同时，利用质谱，核磁共振光谱，红外光谱及紫外光谱确定了脱氢反应主产物的化学结构。     

太阳光谱与茶叶生产的关系

太阳光谱与茶叶生产的关系王利溥（西南林学院）【编者按】王利溥同志在编写《茶树气象》一书时，对太阳辐射与茶叶生产的关系进行了系统的论述，特约发表，以飨读者。本文是第一单元，本刊将连续发表第二、第三单元。光谱成份即光质，随着科学研究的深入，从气象生理、生...     

荒漠化土地土壤有机质含量的实测光谱估测

在对2个荒漠化典型区土壤采样、化验分析和光谱测量的基础上,分析荒漠化土地土壤的反射光谱特征及土壤有机质的光谱敏感范围,构建多种土壤有机质含量高光谱估测模型。结果表明:荒漠化土地土壤具独特的波浪型光谱曲线,其主要特点是在可见光和近红外的500～900nm光谱范围存在一个明显的弓形突起区,其对提取土壤有机质信息有实际意义;相关分析发现,在中心波长分别为600和830nm的可见光和近红外光光谱范围分别存在1个有机质光谱敏感区;土壤有机质含量高光谱估测模型验证结果表明,利用波长588nm处的反射光谱对数lgR588和反射光谱倒数1/R588以及波长835nm处的反射光谱倒数的导数(1/R835)'和反射光谱对数的导数(lgR835)'分别建立的模型,可以较好地估测荒漠化土地土壤有机质含量。     

一种快速测定棕榈藤材材质特性的近红外光谱分析法

分析了棕榈藤生物质材料特点与近红外光谱关系；阐述了近红外光谱分析技术可以快速准确地预测棕榈藤材的材质特性，并详细介绍了其中包括藤材的选择及加工、藤材近红外光谱采集、藤材材性真值测量、多变量数据分析与模型建立的实验方法与操作步骤。     

一种遥感混合分类算法及其在森林分类中的应用

基于监督分类和非监督分类方法相结合的混合分类方法在森林非森林的识别方面有很好的识别效果，探讨了一种遥感混合分类算法(Iterative Guided Spectral Class Rejection)。首先对IGSCR的算法理论进行了阐述，然后利用IGSCR分类算法对同一地区多时相遥感影像进行复合的影像进行森林分类实验。通过与最大似然法的对比实验表明，IGSCR分类方法将非监督分类方法所具有的自动对具有相同光谱特征类别进行集群的能力，辅助于训练样本的获取，可以有效降低因人工判断类别光谱纯度不准确而引起的类别样本光谱混杂问题，因此能在一定程度上提高分类精度，改善分类效果。     

多光谱技术检验添改字迹初探

一、原理光谱成像(Spectral Imaging)是通过成像光谱仪记录被检验物体在一定光谱范围内密集均匀分布的多个窄波段单色光的反射光亮度分布或荧光亮度分布,形成由许多单色光影像构成的光谱影像集(如图1所示)。光谱成像记录的光谱     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

高光谱遥感在林业应用中的主要技术和应用现状

高光谱遥感具有纳米级光谱分辨率、图谱合一的优势,在森林特征提取、森林监测、森林健康评价等方面有着不可替代的作用,推动了现代林业技术的发展。但高光谱遥感的自身成像条件、影像处理技术尚不成熟等原因制约了其在林业应用中发展。探讨了高光谱遥感的特点,重点分析了高光谱遥感在林业应用中的数据处理技术,尤其是数据降维技术。总结了高光谱遥感在林业领域的应用现状及发展方向。     

近红外光谱检测技术及其在木材工业中的应用

对近红外光谱技术在国内外的发展现状进行了总结,并就近红外光谱技术在木材工业中的几项重点应用做了说明,预测了近红外光谱技术的发展前景。     

高光谱遥感技术在现代林业中的应用与发展

高光谱分辨率遥感简称高光谱遥感,是20世纪末诞生的一种全新遥感技术,其在现代林业中的应用为现代林业的保护和研究贡献了重要力量。文章主要分析了高光谱遥感技术在现代林业中的实际应用,同时探析了高光谱遥感技术在现代林业中的未来发展方向。     

专家系统在TM遥感图像分类中的应用研究

本文介绍一种以ＴＭ遥感图像光谱分类为基础，专家知识为依据，应用地理信息系统提取各种辅助信息，以图斑作为基本分类单元，按照一定的专家系统推理机制，对光谱分类中精度低的地类作进一步判别，达到提高分类精度的方法。通过对山西省隰县的应用，取得了较为理想的效果。     

松毛虫光照周期反应中光照强度和光谱的感受性*

研究表明松毛虫对一般日光灯照明非常敏感，光照强度达到０．１Ｌｘ以上时，即有感受，但对光源中的不同光谱成分反应不一，≥５７０ｎｍ以上的光线，就感受不到，因而，在统计自然界松毛虫感受的日照时数时，民用晨昏蠓影完全可以排除不计。文中结合太阳高度角不同时大气中光谱成分的变化，不同郁闭度松林对太阳辐射的吸收，从松毛虫光照周期反应的角度，解释了一般认为生长健壮，林相较好的松林，松毛虫不易猖獗成灾，且其种群变动     

遥感技术在辽河三角洲湿地监测中应用的可行性研究

以辽河三角洲地区为试验区，以１９９７ 年６ 月ＴＭ 图像为试验数据，利用灰度分析的方法，在充分分析了水体、沼泽植被、人工建筑等不同地物的光谱特征的同时，对比分析沼泽湿地各主要地物的光谱物征的差异，得出对于辽河三角洲地区，利用ＴＭ 图像进行湿地资源监测的波段组合为ＴＭ４、ＴＭ３、ＴＭ２ 三个波段，这样的波段组合可以使不同地物的灰度值差异达到尽量大的效果，既有利于目视解译，又有助于计算机自动分类     

联合LiDAR、高光谱数据及3D-CNN方法的树种分类

【目的】探究三维卷积神经网络（3D-CNN）在高光谱数据支持的树种分类中的有效网络构建方式，以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区，LiDAR数据获取的森林冠层高（CHM）进行单木分割并以此为补充建立样本，改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3D-CNN网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机（SVM），随机森林（RF）】、传统二维卷积神经网络模型（2D-CNN）及最新多光谱分辨率三维卷积神经网络（MSR 3D-CNN）模型，本研究提出的3D-CNN模型对树种总体分类精度为99.79%，平均交并比（MIoU）为99.53%。与SVM和RF分类结果相比，本研究构建的3D-CNN模型总体分类精度提高5%左右，且具有对树种边界提取更加准确、椒盐现象更少发生的特点；与2D-CNN相比，总体分类精度提高10%左右，MIoU提高7%左右；与MSR 3D-CNN相比，总体精度相差不大，但在训练和测试过程中，本模型耗时远远小于MSR 3D-CNN模型。【结论】本研究改进的3D-CNN模型结构能够高效对原始高光谱影像...     

城市林业中高光谱遥感技术应用现状与展望

高光谱遥感技术现已成为林业遥感研究的前沿技术之一,在林业定量监测及分析方面具有很大的潜力,同时也为森林经营与管理提供了一种更为科学和实用的新技术手段。文章主要从森林树种高光谱的分类与识别、森林树种主要生化参数模型估算、森林监测与高光谱遥感技术3个方面,总结归纳了高光谱遥感在林业上的主要研究现状,并对高光谱遥感技术在林业研究中的应用前景作了展望。