基于分数阶微分的荒漠土壤铬含量高光谱检测

为解决高光谱检测土壤中痕量级重金属含量存在的困难,提高土壤重金属铬含量检测的准确度,利用新疆准东煤田周边168个荒漠土壤样本的重金属铬含量及其对应的高光谱数据,运用分数阶微分算法进行光谱数据预处理,最后利用全部波段进行偏最小二乘建模并进行可视化分析,旨在探讨分数阶微分预处理在高光谱数据估算荒漠土壤重金属铬含量的可能性。结果表明:原始光谱与吸光率变换的分数阶微分模型均在1.8阶微分处达到了最好的精度效果。吸光率变换1.8阶微分模型为最优模型,模型的校正均方根误差为7.68 mg/kg,R_c~2=0.83,预测均方根误差为8.39 mg/kg,R_p~2=0.78,相对分析误差为2.14。最后利用铬含量实测值与光谱预测值通过反距离加权法插值获得研究区土壤重金属铬含量的空间分布,说明利用该方法对土壤重金属铬含量定量检测并进行大尺度的空间分布反演在一定程度上是可行的,为荒漠土壤重金属污染状况的高光谱检测提供了一定的科学依据和技术支持。     

基于高光谱成像的苹果品种快速鉴别

以乔纳金苹果,红富士苹果和秦冠苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。     

基于高光谱联合流化床富集的红葡萄酒白藜芦醇检测

利用高光谱成像技术联合流化床富集技术对红葡萄酒中微量成分白藜芦醇的含量进行快速检测。通过高效液相色谱法检测红葡萄酒中白藜芦醇的含量,设计流化床富集装置,研究HPD826、DA-201、AB-8、H103、HPD600共5种树脂对红葡萄酒中白藜芦醇的富集效果,筛选出H103树脂富集效果最优。将H103大孔吸附树脂用于富集红葡萄酒中的白藜芦醇。获取吸附白藜芦醇后树脂的高光谱反射图像(900~1 700 nm),对比5种光谱预处理方法(MSC、SNV、SG-S、RN、QN)对白藜芦醇含量的建模效果,优选出RN预处理方法;建立PLSR、SVMR(LK-SVMR、PKSVMR、RBF-SVMR和S-SVMR)、PCR的6种回归模型,优选出LK-SVMR校正模型和PLSR校正模型,将其用于预测集样本进一步评价模型的精度和稳定性,最终确定PLSR模型为最佳模型。研究表明,基于RN-PLSR的红葡萄酒中白藜芦醇的定量预测模型相关系数R_P=0.852 8,预测集均方根误差为0.036 0,R_C=0.878 3,校正集均方根误差为0.033 0,预测效果最佳,为高光谱技术在微量、痕量成分检测方面的应用提供了参考。     

基于野外实测高光谱数据的干旱区耕作土壤含水量反演研究

利用2011年3月野外实地采集的不同含水量土壤的高光谱数据,研究了南疆地区耕作土壤草甸土含水量与高光谱反射率之间的定量关系,构建了一元线性回归与多元逐步回归的土壤含水量预测模型.结果表明,土壤含水量在380～ 1080 nm波段与反射率呈负相关关系;反射率经倒数(1/R)、对数(logR)、一阶微分(R’)变换后可提高其与含水量的相关性;以50个建模样本所建立模型的相关系数均达到极显著水平,所有模型通过对37验证样本进行预测,比较决定系数、均方根误差、相对误差后,表明多元逐步回归模型的预测能力要优于一元线性回归模型,从所有模型中优选出以698、702、703、746、747 nm波段反射率倒数(1/R)建立的多元逐步回归模型为最优模型,该模型实测值与预测值之间的R2为0.9199,RMSE为1.6026,RE为0.6517,可用于基于野外高光谱数据的土壤含水量的估测.     

基于MODIS的沙漠化地区植被覆盖度提取模型的研究

目前常用的植被覆盖度遥感反演模型,受限条件较多,所用系数精度不高。针对上述问题,提出了利用研究区域的实测最大和最小植被覆盖度确定反演模型系数的方法和基于MODIS影像数据的地面实测验证方法。经用该方法对毛乌素沙地沙漠化地区的植被覆盖度进行反演,并同步监测该区域的地表覆盖度对反演结果进行验证,结果表明地面同步实测植被覆盖度与反演的误差绝对值平均值为0.04,反演方法精度较高。研究表明本文提出的利用MODIS影像数据反演沙漠化地区地表覆盖度的模型、地面验证方法切实可行,适合对沙漠化地区地表植被覆盖度大范围且快速的遥感监测。     

基于粒子群算法优化光谱指数的甜菜叶片氮含量估测研究

为对甜菜叶片氮含量进行快速估测,利用高光谱成像仪获取甜菜冠层叶片高光谱图像数据,通过凯氏定氮法测定叶片氮含量。基于精细采样法在全波段范围内构建归一化光谱指数(Normalized difference spectral index,NDSI)和土壤调节光谱指数(Soil-adjusted spectral index,SASI),并提出了基于粒子群算法的植被冠层调节参数L优化方法,探寻任意波段组合下SASI的最佳L值及其变化规律。在筛选出特征光谱指数基础上,开展甜菜叶片氮含量的定量估测和可视化研究。结果表明,各生育期SASI对甜菜冠层叶片氮含量(Canopy leaf nitrogen content,CLNC)的敏感度高于NDSI,尤其在NDSI易发生饱和现象的近红外区域。相比常规光谱指数,叶丛快速生长期基于SASI1(R430. 20,R896. 76)和SASI2(R433. 03,R896. 01)建立的CLNC估测模型预测效果最优,2015年验证集R~2为0. 78,RMSE为2. 48 g/kg,RE为4. 18%;糖分增长期以SASI3(R952. 09,R946. 11)和SASI4(R760. 37,R803. 48)的建模效果最佳,2015年验证集R~2为0. 67,RMSE为2. 71 g/kg,RE为4. 72%;糖分积累期的最优建模参数为SASI5(R883. 30,R887. 79),2015年模型R~2为0. 72,RMSE为2. 54 g/kg,RE为4. 49%。为直观显示甜菜CLNC在时间和空间尺度上的变化规律,基于上述估测模型计算并生成甜菜CLNC的预测分布图,实现了甜菜CLNC的可视化。研究结果表明,提出的甜菜CLNC估测方法具有可行性,可为及时了解作物长势及营养估测提供技术支持。     

基于无人机遥感与卷积神经网络的草原物种分类方法

基于无人机高光谱成像遥感系统,在400～1 000 nm波段内采集低矮、混杂生长的荒漠草原退化指示物种的高光谱图像信息。分别在退化指示物种的开花期、结实期和黄枯期进行飞行实验,飞行高度30 m,高光谱图像地面分辨率2. 3 cm。采用特征波段提取与深度学习卷积神经网络相结合的方式,提出一种荒漠草原物种水平分类的方法,结合植物物候给出了中国内蒙古中部荒漠草原物种分类的推荐时相,总体分类精度和Kappa系数平均值分别达到94%和0. 91。研究结果表明,无人机高光谱成像遥感技术及深度卷积神经网络可以较好地实现荒漠草原退化指示物种的分类,与基于径向基核函数的支持向量机、基于主成分分析的深度卷积神经网络分类法相比,基于特征波段选择的深度卷积神经网络分类法效果最好,分类精度最高。无人机搭载高光谱成像仪低空遥感和卷积神经网络法提供了一种草原物种水平分类的途径。     

砂田抑制蒸发功能随覆砂年限的演变规律

【目的】研究压砂覆盖(砂田)保温及抑制蒸发功能随砂田退化程度的演变规律。【方法】基于多年Landsat卫星数据,使用辐射传输方程法反演香山地区砂田地表温度(LST),结合田间地表温度监测,对比砂田与裸地的地表温度变化,分析了砂田抑制土壤蒸发的机理,并探讨了砂田的功效与砂田使用年限的关系。【结果】砂田在LST-NDVI梯形空间中贴近于暖边,其土壤水分比耕地少,接近于干土层。因此,砂田可以隔离辐射与土壤表层,从而减小潜热通量,抑制土壤蒸发。砂田昼夜温差明显比裸地大,且对于西瓜等作物,砂田的有效地表积温也比裸地提高了10%。【结论】砂田退化过程可分为纯砾石阶段、砂土混合阶段和砂土连通阶段,从砂田的保温及抑制蒸发功能来看,砂田的有效使用年限为25～30 a。     

Detection and classification of Lepeophterius salmonis (Krøyer, 1837) using underwater hyperspectral imaging

Salmon louse, or sea lice, (Lepoptherius salmonis) represents practical, economical and fish welfare challenges for salmon farming (Hamre et al., 2013) and for the free-living stocks of salmon. There is an urgent need in the industry for a system that provides reliable numbers of louse on farmed salmon. Underwater hyperspectral imaging represents a potential new technique for louse counting in sea cages. In laboratory studies, the UHI technology could detect and classify pre-adults (pre-adult I and II), adult males and adult females (ovigerous) of sea lice based on the difference in their spectral characteristics. A model was built for detection of lice on the salmon and the UHI had a detection success ranging from 67 to 100 % with an average of 82%. A classification of the detected lice was performed for pre-adults, adult males and ovigerous lice and had a prediction accuracy of 85% when lice were divided into three groups (pre-adults, adult male and ovigerous lice) and 93% when lice were divided in two groups, ovigerous lice and all the other mobile lice (pre-adults and adult male). An automatic procedure for in situ measurements of louse infected salmon could deliver a data basis several times higher than the traditional counting system. The next generation of UHI louse detector should be developed with a higher spatial resolution to be able to detect also the sessile stages of lice. For succeeding with in situ classification of L. salmonis, correction algorithms to compensate for the impact of water between the UHI and lice need also to be developed.     

银杏落叶期叶片NDVI值2种拟合方法比较

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。