基于FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI差异性分析

为了实现FY-3A/MERSI数据产品与Terra/MODIS数据产品的衔接,利用统计方法,对FY-3A/MERSI与Terra/MODIS的红光、近红外波段反射率和NDVI的相关性进行了分析。结果表明:FY-3A/MERSI和Terra/MODIS数据中红光、近红外波段反射率和NDVI值具有极显著的相关性,相关系数均超过0.93;在不同的土地覆盖类型中,FY-3A/MERSI与Terra/MODIS的单波段反射率和NDVI值不同,但FY-3A/MERSI计算的NDVI值均小于Terra/MODIS计算的NDVI值,并且NDVI平均值的日变化大于红光和近红外波段反射率平均值的日变化。     

浅析L波段高空气象探测资料常见问题及措施

作为我国目前高空气象探测的主要设备,L波段电子雷达探空仪及其在工作效率、数据质量以及探测精度等方面的优势,然而在L波段高空实际气象探测过程中,往往会出现一些常见问题,导致L波段高空气象探测的数据质量等受到一定的影响。本文通过对L波段高空气象探测中常见的问题进行深入分析,进而提出相应的解决措施。     

毛竹林光谱特征及其与典型植被光谱差异分析

以毛竹光谱特征为研究对象,通过对光谱曲线和一阶导数曲线进行分析,探明了不同季节毛竹林的光谱特征及其与典型树种的光谱差异,为毛竹林的遥感监测提供了理论依据。研究结果表明:1)毛竹光谱曲线在可见光波段出现1个反射峰和1个吸收谷,这2个峰的对应波长分别为556和680 nm, 近红外波段的反射率明显增大。2)大年毛竹林春季和夏季的一阶导数曲线的红边波段呈“双峰”,秋季和冬季呈“单峰”,夏季的红边位于700 nm,其他季节红边位于718 nm;小年毛竹林秋季的一阶导数曲线的红边波段呈“双峰”,冬季呈“单峰”,红边均位于718 nm;不同季节毛竹林红边振幅大小依次为:春季夏季冬季秋季。3)毛竹林与其他典型植被在500～600、660～680、700～900 nm 等波段的反射率差异明显,可作为遥感监测的最佳波段,并且“绿峰”、“红谷”、红边位置、红边振幅以及红边波段的“峰型”等特征可作为毛竹林遥感识别的主要参数,监测最佳季节是春季,其次为秋季。      

红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

核桃叶片氮元素含量的光谱预测模型

【目的】分析325～1 075 nm范围内核桃叶片光谱与叶片氮元素含量的相关性,研究核桃叶片光谱数据预处理和特征波段筛选方法,建立核桃叶片氮元素含量的预测模型,为实现核桃生产中的快速施肥提供参考。【方法】建立多元散射校正、Savitzky-Golay卷积平滑滤波和小波去噪的组合预处理方法;采用连续投影算法筛选出了特征波段;采用特征波段建立核桃叶片氮元素含量的偏最小二乘回归预测模型。【结果】建立的组合预处理方法对核桃叶片光谱去噪效果较好;采用特征波段建立的核桃叶片氮元素含量的预测模型,模型的验证集决定系数R²达到了0.875,均方根误差RMSE达到了0.697 3 mg/g。【结论】与全光谱数据相比,筛选出的特征波段降低了冗余数据和噪声的影响,提取出了有效成分相关的光谱信息,提高了建模质量。     

2019-12ml 目录

林业遥感经历了航片判读、卫片目视解译、蓄积量定量估测阶段后,已经进入参数定量反演阶段。在林业对遥感业务化监测和精度提升的强烈需求下,定量遥感逐步与林业遥感交叉融合,林业遥感定量化研究的人才队伍、理论模型、数据源和应用方法逐渐成熟。本文提出了林业定量遥感的概念和框架,指出了其中关键的科学问题:（1）如何使遥感解译、建模和反演适应复杂的森林状况;（2）如何提高参数反演的准确度;（3）如何丰富林业遥感数据源;（3）如何发展更为智能化的遥感数据自动化算法。在介绍适合林业的定量遥感模型和通用反演方法的基础上,阐述了高光谱、热红外、激光雷达和微波遥感数据源的林业应用方法。未来林业定量遥感将在全波段数据统一建模和信息融合机制、机理模型反演、大数据融合等方面进行突破。      

云阴影区机载高光谱影像森林树种分类

[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。     

基于改进离散粒子群算法的青贮玉米原料含水率高光谱检测

快速、无损和准确检测青贮玉米原料含水率,对确保青贮玉米发酵品质、推动青贮产业健康快速发展有重要现实意义。为探究高光谱技术在青贮玉米原料含水率检测方面的可行性,研究通过高光谱成像系统获取青贮玉米原料高光谱图像并利用烘箱加热法测定实际含水率。在粒子更新方式和惯性权重2个方面对传统离散粒子群算法(discretebinary particle swarm optimization,DBPSO)进行优化,提出基于改进型离散粒子群算法(modified discrete binary particle swarm optimization,MDBPSO)的特征波段优选方法,并利用相关系数分析法(correlation coefficient,CC)、DBPSO和MDBPSO法提取原料含水率高光谱特征变量,基于全波段反射光谱(total spectral reflectance,TSR)和特征波段反射光谱建立青贮玉米原料含水率预测模型。结果表明,MDBPSO优选特征波段适应度函数的收敛精度和收敛效率较DBPSO法均有明显改善,最优适应度值由0.761 6提高至0.812 3,函数收敛迭代次数由280次降低至79次。MDBPSO-PLSR预测模型的建模精度和预测精度均高于CC-PLSR、DBPSO-PLSR和TSR-PLSR预测模型,其校正集决定系数Rc2和均方根误差RMSEC(root mean square error of calibration)分别为0.81和0.032,预测集决定系数Rp2和均方根误差RMSEP(root mean square error of prediction)分别为0.80和0.045。该研究表明,利用高光谱图像技术检测青贮玉米原料含水率具有较高的精度,研究可为后续开发青贮玉米原料水分快速检测仪器提供借鉴方法。     

施氮磷肥对黄土丘陵区典型草地优势种光谱特征的影响

探讨施肥后草地群落优势种光谱特征响应和差异,对准确评价草地施肥效应有重要意义。以黄土丘陵区6个典型优势种[白羊草(Bothriochloa ischaemum)、长芒草(Stipa bungeana)、达乌里胡枝子(Lespedeza davurica)、菊叶委陵菜(Potentilla tanacetifolia)、蒙古蒿(Artemisia mongolica)和铁杆蒿(Artemisia sacrorum)]为对象,测定并提取了不同施氮磷处理下的7个光谱特征参数。结果表明：相比未施肥,单施氮或磷均降低6个优势种在“蓝谷”、“绿峰”和“红谷”处的光谱反射率;氮磷配施后,各优势种的红边幅值(AMP)和红边面积(S_red)呈增加趋势,白羊草、达乌里胡枝子、菊叶委陵菜和铁杆蒿的差值植被指数(DVI)均增大。结果表明,光谱特征参数可有效反映黄土丘陵区草地优势种的氮磷施肥效应,植被指数DVI,NDVI和GNDVI相比RVI更适合于评价草地群落优势种对施氮磷肥的响应和差异。     

面向对象的无人机影像水体变化监测方法

[目的]针对大多无人机影像仅有红、绿、蓝3个波段的特点,提出一种利用纹理特征提取水体并进行变化监测的方法,为水利部门了解水体面积变化情况提供技术支持。[方法]首先利用易康软件对无人机影像进行多尺度分割,形成影像像斑,再计算影像像斑的角二阶矩、均值、熵等纹理特征,将这些纹理特征作为影像波段进行组合,从而突出水体,最后通过ISO分类的方法提取出水体,将不同时期提取的水体进行叠置分析,得到水体的变化区域。[结果]通过选择不同的区域进行试验,水体的提取精度和变化检测精度均达90%以上。[结论]面向对象的无人机影像水体变化监测方法可有效提高水体变化监测的效率,节约人工作业量。