土壤的石油污染信息高光谱遥感监测方法研究

传统的点采样等石油开采区土壤石油污染监测方法时效性差、成本高。高光谱遥感因具有丰富的空-谱信息和较强的地物认知能力,可实现快速、大范围精确探测而成为现今土壤的石油污染监测研究热点。本文基于高光谱影像的光谱维特性,提出了一种多维加速鲁棒特征(Multi-Dimensional Speeded-Up Robust Features, MD-SURF)的高光谱影像端元提取模型,并以胜利油田孤东采油区为研究对象,提取了研究区Hyperion高光谱卫星影像的土壤端元。通过对所提取土壤端元的光谱信息分析,认为波长963 nm和1 427 nm为土壤石油污染的特征波段,由此建立了研究区土壤端元反射高度H_γ和吸收深度D_λ的石油污染光谱指数,并设置了四种方式的石油污染光谱指数值计算方法及其污染信息提取的指数取值范围;最后根据满足光谱指数计算结果在其取值范围内的这四种方式其个数多少,确定土壤端元的石油污染程度,认为满足的个数越多则土壤端元污染越严重,从而可较好监测研究区土壤的石油污染异常区域。     

基于混合像元分解的火星南极矿物制图研究

对火星高光谱遥感数据进行混合像元分解,有助于获取像元内部火星表面矿物含量。端元光谱提取和光谱解混是混合像元分解的关键技术。以ORB0942_2轨道覆盖的火星南极地区作为研究区,应用纯净像元指数法(PPI)从影像中提取出端元光谱,并利用线性分解模型对影像中混合像元进行了分解,计算出其各端元组分的百分含量,获得了研究区水冰、石膏、钙镁橄榄石及紫苏辉石的相对含量分布图。     

基于SURF和顾及维数的高光谱影像端元提取新算法

端元提取,丰度反演是高光谱遥感技术的重要内容,其中端元提取是关键的步骤。首次将特征提取算法speed-up robust features(SURF)引入到高光谱影像端元提取中。兼顾高光谱影像丰富的光谱信息改进了SURF算法,提出了在多维尺度空间内寻找极值点作为端元的高光谱影像端元提取新算法,即多维SURF(multi-dimensional speed-up robust features,MDSURF)算法;将其应用于美国EO—1卫星获取的云南中甸普朗地区的Hyperion高光谱影像,并成功提取了影像端元。为了进一步验证结果的可靠性,设计两组对比实验,分别利用N-FINDR和连续最大角凸锥(sequential maximum angle convex cone,SMACC)算法在同等条件下提取实验影像的端元,然后对三种方法的结果进行综合评价和分析,得出MD-SURF算法提取端元的观感效果较好、精度最高、质量最好。提出了一种新的高光谱影像端元提取算法,实验结果表明新方法具有精度高、鲁棒性好等特点,证明了基于新物理机理的MD-SURF算法是一种可行的高光谱端元提取算法。     

兰州市中心城区不透水面覆盖度的遥感估算

利用Landsat 7的ETM+影像,在线性光谱分解的技术上,提取了兰州市中心城区的不透水面分布状况,运用均方根、航片和随机采样对提取精度进行了检验,并对不透水面的空间特征进行了分析.结果显示,利用中等分辨率影像对兰州市中心城区不透水面分布提取的精度较高;植被、高反照度、低反照度和裸露的土壤4种最终光谱端元的线性组合,可以较好地模拟ETM+波谱特征;高反照度、低反照度两种最终光谱端元可以很好地表达城市不透水表面信息.     

高光谱影像端元数目估计的HAHT模型

端元提取是高光谱遥感研究的重点内容之一,在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计（尤其是未知区域）高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少都会影响端元提取和混合像元分解的精度。本文基于谐波分析（Harmonic Analysis,HA）理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验（HA-Hypothesis Testing,HAHT）模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC（Harsanyi Farrand Chang）、特征值极大似然函数（Eigenvalue Likelihood Maximization, ELM）和最小误差高光谱信号辨识法（Hyperspectral Signal Identification by Minimum Error, Hysime）等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥（Sequential Maximum Angle Convex Cone,SMACC）方法提取了端元波谱曲线,通过比较设置2（HFC估计数）、8（HAHT估计数）和14（Hysime估计数）不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。     

高光谱影像端元数目估计的谐波分析假设检验模型

端元提取是高光谱遥感研究的重点内容之一。在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计(尤其是未知区域)高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少,都会影响端元提取和混合像元分解的精度。基于谐波分析(harmonic analysis,HA)理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验(HA-hypothesis testing,HAHT)模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC(Harsanyi Farrand Chang)、特征值极大似然函数(eigenvalue likelihood maximization,ELM)和最小误差高光谱信号辨识法(hyperspectral signal identification by minimum error,HYSIME)等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥(sequential maximum angle convex cone,SMACC)方法提取了端元波谱曲线,通过比较设置2(HFC估计数)、8(HAHT估计数)和14(HYSIME估计数)不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。     

基于实测高光谱和Sentinel-2B影像的银川平原土壤盐分反演

土壤盐渍化是干旱半干旱区土壤资源损害、生境破坏和农业生产损失的重要影响因素,定量反演和监测盐渍化土壤,对防护土地生态安全具有重要意义.文章基于光谱变换筛选盐分特征波段和特征光谱指数,构建实测高光谱和Sentinel-2B影像的岭回归模型和偏最小二乘回归盐分反演模型,并以特征光谱指数为敏感参量进行星-地光谱匹配,构建匹配后盐分反演模型,实现银川平原土壤盐分定量反演.结果表明,盐分指数3(Salinity index 3,S3)、强度指数1(Intensity index 1,Int_1)和强度指数2(Intensity index 2,Int_2)能够实现实测高光谱端元到多光谱像元尺度的匹配,有效地提升模型精度;经光谱匹配后构建的偏最小二乘模型精度最高(R~2=0.721,RMSE=4.856 g·kg~(-1)).相比单独利用影像建模,其R~2提升了0.309,均方根误差(Root Mean Square Error,RMSE)减小了2.085 g·kg~(-1).盐分反演结果与实地采样具有较好一致性,表明特征光谱指数可为不同尺度遥感数据间光谱匹配与联合,实现地表点到空间面尺度盐渍化定量监测,为土壤盐分监测提供理论借鉴和实践参考.     

基于线性光谱分解方法的森林选择性砍伐与再生监测研究- 以巴西亚马逊森林为例

以巴西亚马逊热带森林为例,在Landsat TM、ETM+影像提取光合植被(PV)、非光合植被(NPV)、土壤(soil)端元光谱的基础上,利用线性光谱分解模型得到端元地物丰度,进而设计合理的检测规则实现了选择性森林砍伐与森林再生所产生的森林变化监测。结果表明,基于线性光谱分解的方法能够以较高精度准确检测出选择性砍伐与森林再生,是森林变化宏观监测的有效手段之一。     

基于空间光谱信息协同的城市不透水层提取方法比较研究

【目的】利用不同的端元提取方法及混合像元分解算法计算南京市2018年城市不透水层覆盖度,评估各方法的精度,为城市可持续发展提供可靠的基础数据支撑。【方法】采用Landsat 8 OLI遥感影像,基于像元纯度指数(pixel purity index,PPI)并考虑空间光谱信息协同提出空间像元纯度指数(spatial pixel purity index,SPPI),精炼提纯植被、裸土、高反照度不透水层及低反照度不透水层4种类型端元,利用线性混合光谱模型(linear mixed spectral model,LMM)、混合调制匹配滤波(mixture tuned matched filtering,MTMF)、双线性混合光谱模型(bilinear mixed spectral model,BMM)及BP神经网络(BP neural network,BPNN)算法提取南京城市不透水层,采用同年的Google Earth遥感影像目视解译结果对提取的不透水层丰度进行精度验证。【结果】SPPI能有效结合多光谱波段的光谱信息和全色波段的空间信息,提高端元提取精度并减少计算量;同时,基于SPPI的BP神经网络算法提取精度最高,为90.45%;而基于PPI的线性混合光谱模型精度最低,为80.62%。BP神经网络算法在复杂城市中的解混精度高于线性混合光谱模型、混合调制匹配滤波和双线性混合光谱模型。【结论】采用全色波段像元亮度空间异质性辅助提取端元的方法,用空间信息弥补多光谱波段光谱信息较少的缺点,对于改进或发展适用于中/高分辨率多光谱影像的端元提取方法具有一定的参考价值,将其与神经网络模型结合可以在城市不透水层提取中推广应用。     

基于SAM分类方法遥感矿物信息提取研究

阐述了不同波段范围内矿物的成分和诊断特征,根据波谱库中提供的矿物端元纯净像元的波谱曲线特征,利用SAM分类方法提取高光谱影像中的方解石、明矾石、高岭石和伊利石等矿物信息.     

基于地面实测光谱的多金属矿区土壤重金属含量反演研究

多金属矿区土壤重金属元素调查是矿区成矿元素地球化学异常评价和找矿预测的依据,也是矿区可耕种土壤重金属污染调查和恢复的依据。在土壤中羟基官能团与重金属游离态阳离子吸附反应分析的基础上,结合地面实测光谱及其数据处理,提取了研究区土壤在500 nm、770 nm、1 340 nm和2 100~2 300 nm波段范围内的特征光谱。通过土壤重金属元素与实测光谱特征(吸收深度、吸收面积、反射率比值、对称度)的皮尔森相关分析,确定了参加不同金属元素回归分析的实测光谱特征,建立了基于地面实测光谱估算重金属元素含量的回归方程。由此,成功地提取碾子沟-洛金洼多金属矿区土壤中Cu、Pb、Cd、Zn等重金属元素含量。与检验样本比较,Cu的均方根误差为0.392 1ω(B)/10-6,平均绝对误差为0.300 6ω(B)/10-6。在试验矿区,根据土壤中金属元素含量分布,发现采矿场东北方向有一高值异常区,为该区进一步找矿提供依据。另外,采矿场西北农用地中Pb、Cd元素分布相对较高,应该引起重视。     

一种波段降维的VCA高光谱端元提取算法研究

高光谱图像解混过程一般包括三个方面,即波段降维、端元提取和光谱反演。这其中,高光谱图像端元提取算法研究是一个核心问题。VCA(Vertex Component Analysis,顶点成分分析)算法是一个经典的基于凸面几何学的端元提取方法。通过研究,对原始的VCA算法进行改进,首先计算出波段间的相关系数,然后将相关系数相同的波段保留一个其他去除,最后通过剩余的波段再利用VCA算法进行端元提取。仿真结果表明,该方法可以有效提取出图像中含有的端元成分,提高了计算效率。     

Landsat8影像在土地利用分类中的最佳波段组合研究——以湖北省恩施市为例

为提取土地利用/覆被信息,选取恩施市2015年10月的landsat8卫星OLI影像作为实验数据,在统计和分析各波段的光谱特征的基础上,计算最佳指数因子(OIF),并结合典型地物光谱特征曲线,对最佳波段组合的选择进行研究.结果表明:将最佳指数法和典型地物光谱特征分析法相结合,能客观有效地确定OLI影像的最佳波段组合;456和457两种波段组合是研究区土地利用/覆被信息提取的最佳波段组合.     

基于零空间最大距离的高光谱图像端元提取算法

端元提取是高光谱图像分析中的一项重要而具有挑战性的任务,它是解决高光谱图像混合像元分解最关键的步骤.文中给出了基于零空间的距离计算方法,在此基础上提出了零空间最大距离算法快速地提取端元.利用零空间与端元所张子空间之间正交补的关系,在数学上严格证明了当数据完全符合单形体条件时,算法能够准确地提取所有的端元,为基于最大距离的端元提取提供了重要的理论依据.算法通过了真实高光谱图像的检验,实验结果表明,零空间最大距离算法具有较好的端元提取效果.     

基于光谱转换的土壤盐分反演与动态分析

为了对黄河三角洲地区进行大范围、长期的盐渍土监测,以研究区2000—2016年间4景Landsat-5 TM,EO-1 ALI,Landsat-8 OLI时间序列影像及Hyperion高光谱数据为基础开展土壤盐分定量反演分析.将Hyperion数据按照光谱响应函数分别重采样为TM,ALI,OLI模拟数据,采用数值回归方法计算TM,ALI与OLI对应波段间的光谱转换系数,从而将TM,ALI影像转换为OLI时序影像.分别采用偏最小二乘回归模型与多元线性回归模型建立土壤光谱与盐分参量间的预测关系,并将最优预测模型应用于OLI时序影像进行盐分反演制图,通过叠置方法进行盐渍土演化分析.结果表明,光谱转换方法提高了多传感器间数据一致性.偏最小二乘回归-电导率(PLSR-EC)模型的相关系数为0.700,采用2012年电导率实测值检验该模型反演结果,相关系数为0.690.研究区内高盐分土壤减少并向低盐分土壤转化.     

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。     

滇池不同空间分布水体的高光谱特征差异分析

滇池作为污染十分严重的高原湖泊之一,其水质监测工作备受关注.利用高光谱遥感监测水质,便于动态长期监测并能找出污染源及其空间分布差异.因此,文章基于珠海一号高光谱卫星数据,从空间尺度上,分别选取滇池内部不同区域的水体进行高光谱试验分析比较.试验结果认为:①研究区草海和外海水体在近红外波段内反射率差异最大,可用于2类水体的识别与提取,以及对水体内叶绿素含量进行初判断;②研究区入湖口和出湖口位置的水体光谱曲线在880～940 nm范围内变化异常,可用于2处水体的识别与提取,并推测因水体中悬浮物颗粒影响改变了变化趋势;③湖心和湖岸带水体在近红外波段内,反射率差值先增至最大再逐渐减小,可根据此光谱特征实现2个区域水体的识别与提取,并推测可能是由于水体内悬浮物体积浓度影响导致光谱差异.综上所述,近红外波段有很好的光谱响应特征,可以较好地反映并识别湖泊的不同空间分布差异.同时,对于水环境条件差异也可以进行更好地判断.     

基于数据约减和中心化的像元纯净指数端元提取方法

像元纯净指数(pixel purity index, PPI)算法是最为常用的端元提取算法之一,但算法中投影向量的随机性导致多次运行的端元提取结果不一致。为此,提出一种基于数据约减和中心化的像元纯净指数端元提取方法(pixel purity index endmember extraction algorithm based on data reduction and centralization, DRC-PPI)。首先利用自动目标生成算法生成候选端元,并进行无约束最小二乘解混,将解混丰度为负的像元从原始数据中移除得到约减数据。其次,对约减数据进行数据中心化进而获得投影向量,将约减数据投影到这些向量上,然后根据样本点的像元纯净指数选择端元光谱。仿真数据和真实高光谱数据实验结果表明,DRC-PPI算法克服了PPI端元提取结果不一致性,大大减少了投影计算量,其端元提取精度总体上高于PPI算法。     

航空遥感在内蒙古大岭矿区煤火信息提取中的应用

目的 通过航空高光谱遥感图像处理分析,提出高光谱遥感图像提取矿区煤火信息、准确圈定煤火分布范围的方法.方法 根据野外实测温度特征,分析煤火分布特征及与周围地物的关系,并对高光谱图像进行波段选择,得到最佳波段组合;采用假彩色合成、阈值分析与密度分割等方法提取温度异常区,根据图像像元亮度值相关分析得出回归公式,从而计算图像上所有像元点温度值,绘制火区地表等温线图,准确圈定温度异常.结果 准确圈定了研究区的煤火高温异常区、温度异常区,以及火区的地表的等温线图.经野外验证和遥感图像提取的温度异常对比分析,所圈定的温度异常区均为准确的.结论 利用航空高光谱遥感热红外遥感图像结合区域地质资料分析,在中国北方植被覆盖少的地区进行煤田火区监测是可行的.     

基于改进的NDBI指数法的遥感影像城镇用地信息自动提取

针对目前遥感影像城镇用地信息提取存在精度不高、不够客观等问题,在分析Landsat ETM影像上各主要地物光谱特征的基础上,提出了一种基于改进的归一化建筑指数(NDBI)的遥感影像城镇用地信息自动提取方法.利用南京市主城区的Landsat ETM影像对该方法进行了验证,结果表明:该方法能够有效提取研究区的城镇用地信息;相对于常规的NDBI指数法,改进后的方法消除了稀疏植被对城镇用地提取精度的影响,大大提高了城镇用地信息的精度,并具有快速、客观等优点.