土壤粒径对土壤光谱特征的影响

通过野外田间采集土样与室内设置不同粒径土粒、室内光谱测定,研究了土壤粒径与土壤光谱特征的关系,结果表明：不同粒径土壤的平均光谱反射率不管是在全波段（392.53-1095.3nm）还是在分波段（392.53-760.35nm、761.72-1095.3nm）都随土壤粒径的减少反射率而增加,但增加的幅度有所不同;土壤粒径与土壤光谱反射率呈负相关关系,某些在原始光谱数据中比较隐晦的信息,经过微分变换的放大,其相关性有所提高;三种模型的预测结果均比较理想,反射率模型的平均相对误差为6.7%,预测精度为93.3%,RMSE=0.886,一阶微分模型的平均相对误差为15.0%,预测精度达到85.0%,RMSE=1.398,二阶微分模型的平均相对误差为9.2%,预测精度达到90.8%,RMSE=0.968。     

基于模糊识别的土壤性质指标光谱反演

为了获得有效的光谱反演指标,采用数学建模方法对横山县采集的84个土样350nm～2500nm波段的光谱曲线进行了有机质、土壤水含量和全铁土壤性质指标光谱进行反演分析。对土壤光谱进行了14种变换,经分析土壤光谱对数的一阶差分为最佳变换方法,利用单相关分析方法,计算土壤性质指标与光谱反射率变换后的相关系数,得到相关系数曲线,根据极大相关性选择最佳波段作为光谱反演指标;剔除异常样本后,利用模糊识别理论建立土壤性质指标反演模型,通过优化得到模型的最佳模型参数。结果表明:土壤性质3项指标光谱反演模型的平均检验误差均小于10%,模型方程的相关系数均高于0.95。     

耦合高光谱数据估算土壤含水率的方法

在田间利用高光谱技术监测土壤含水率(Soil Moisture Content,SMC)成为精准农业研究的热点之一,但农田原状光谱受到土壤表层属性如表面粗糙度、质地、微聚体和其它环境因素的影响,且小尺度区域SMC空间差异较小,增加了SMC光谱信息的提取难度,导致SMC的估算精度较低;基于实验室内经过筛制备的土壤样品的光谱数据建模,虽然模型精度较高,但人为改变土壤结构和紧实度的预处理方式无法表征农田SMC的实际状况.因此,该文尝试提出一种耦合土样原状光谱数据和标准光谱数据估算农田SMC的新方法.通过获取江汉平原潮土土样的原状光谱反射率(R_und)和烘干光谱反射率(R_dry);基于R_dry确定研究区同一土壤类型在烘干状态下(SMC为0)的标准光谱(Std­R);采用差值、比值、归一化的方法耦合R_und和Std­R,得到耦合光谱(Cpl­R_S、Cpl­R_D、Cpl­R_N);提取耦合光谱中水分敏感波段的光谱(Moe­R_S、Moe­R_D、Moe­R_N),基于偏最小二乘回归方法(PLSR)建立SMC的估算模型.结果表明,标准光谱具有良好的代表性,能够为光谱耦合提供统一且稳定的背景值;耦合土样的原状光谱和标准光谱可以有效地削减土壤水分以外其它因素对土壤高光谱观测的影响;利用耦合光谱的水分敏感波段建立的SMC估算模型相较基于R_und建立的模型,有效降低了模型的复杂度,精度有较大程度地提升,建模集Rc(2)从0.46最高上升至0.61,验证集Rp(2)从0.49最高上升至0.71,RPD值从1.39最高上升至1.72,模型的稳定性、拟合度和预测能力都得到提升.该方法简单、易推广,为快速准确评估农田墒情提供了新途径.     

基于支持向量机的土壤有机质高光谱反演

为寻找一种土壤有机质快速检测技术,探究了土壤有机质含量对光谱反射率曲线的影响,分析了土壤有机质与光谱曲线间的相关性关系,采用多元逐步回归和支持向量机建立土壤有机质含量高光谱预测模型。研究结果表明:研究区土壤有机质含量对光谱曲线影响较小;光谱平滑和变换技术可以有效提高光谱特征波段与土壤有机质的相关性关系,二阶微分变换的效果最好,相关系数为-0.83;通过决定系数和均方根误差对不同模型的预测效果进行评价,其中基于二阶微分的支持向量机模型的反演效果最优R~2=0.89,RMSE为1.73。研究结果揭示了研究区土壤有机质与光谱反射率间的相关性关系,可以为实现土壤有机质快速检测和实时动态监测提供技术支持和参考。     

应用高光谱植被指数反演冬小麦叶绿素的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。本研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明：(1)最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;(2)不同植被指数抗噪声能力有一定的差异,其中DVI、NDVI和SAVI等抗噪能力比较强,MCARI和TCARI抗噪能力比较弱;(3)联合反演模型反演结果为R2=0.7415,RMSE=0.4026,优于MTCI的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。     

淀山湖微量水质参数卫星高光谱遥感估算

水质参数总磷、总氮、溶解氧、高锰酸盐指数、pH等是表征湖泊水质的重要指标,利用遥感技术可对其进行大范围定量监测,掌握水质参数的实时变化动态.以淀山湖为研究对象,利用HJ-1A卫星HSI高光谱遥感数据,分析了这些水质指标与单波段反射率、不同波段之间反射率的比值以及不同波段之间反射率的差值之间的相关关系,给出最佳波段组合.建立了9个水质参数与水体光谱反射率之间的估算模型,并对淀山湖水体的9项主要水质参数进行估算,可为基于HJ-1A卫星的水环境业务化监测提供借鉴.     

扬花期冬小麦冠层叶绿素含量高光谱遥感反演

通过分析扬花期冬小麦冠层光谱反射率与叶绿素含量的相关性,选取491、577、698和780 nm作为特征波段,利用其构建了归一化植被指数、差值植被指数、比值植被指数、三角形植被指数和增强型植被指数,分析光谱指数与叶绿素含量之间的相关性,并基于PROSPECT模型模拟的不同叶绿素含量(5～80μg·cm~(-2))下的5 nm叶片光谱反射率数据,分析评价光谱指数对叶绿素含量变化的敏感性;再将五种光谱指数与叶绿素含量进行回归分析,构建叶绿素含量反演模型;最后利用验证数据对光谱指数反演模型进行真实性检验.结果表明,选取的五种光谱指数与叶绿素含量均具有显著相关性,其中SRI和EVI反演效果较好,决定系数R2分别为0.73和0.74,且预测值和实测值具有较好的拟合效果,其余指数反演效果较差.SRI对叶绿素含量具有较好的相关性和敏感性,表明其在全生育期冬小麦叶绿素含量反演中更具潜力.本研究可为其他农作物叶绿素含量反演提供研究思路和参考借鉴.     

面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明：1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2) 相较于鄱阳湖前期研究得到的最优多波段反演模型(R2＝0.76),利用495、591、675、679、684、688、692和696 nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2＝0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.     

FY-3A/MERSI与Terra/MODIS地表反射率数据的初步比较

为探究联合MERSI和MODIS多角度观测数据遥感反演地表参数的可行性,本文首先利用MERSI观测几何角度信息(太阳天顶角、卫星天顶角、太阳-卫星相对方位角)对MODIS地表反射率进行各向异性校正,之后选取2010年6—7月期间共24个晴空对比区域,对6组具有良好光谱对应关系的地表通道中的MERSI反射率,以及经过各向异性校正的MODIS反射率的相关性和偏差进行了统计分析.研究表明:(1) MERSI与MODIS地表反射率数据的相关系数一般在75%以上,相关性较好.其中红光通道反射率数据的相关性最高,相关系数达到95%.MERSI与MODIS反射率在3个可见光通道以及红外1通道中的偏差较小,均方根误差和平均偏差都在0.04以内.(2)红外2通道MERSI与MODIS反射率绝对偏差频率曲线呈现显著的"双峰"结构,因此该通道中MERSI与MODIS反射率的相关性较低(75%),均方根误差(0.087)和平均偏差(0.077)较大.(3) 3种地表类型中,MERSI与MODIS反射率数据在庄稼地中的相关性最高、偏差也最小.     

郑州邙山黄土剖面粒度和总有机碳的高光谱反演

黄土自身的发生和发展过程记录了丰富的历史信息，其粒度和总有机碳指标能较准确地反映出气候环境的演变.为探究高光谱遥感技术在获取黄土环境信息方面的应用，该研究以郑州邙山枣树沟村黄土剖面为研究对象，结合高光谱技术，通过对平滑处理后的原始光谱、一阶微分(FD)、二阶微分(SD)、去包络线(CR)和倒数对数(Log (1/R)) 与黄土剖面粒度和总有机碳开展相关性分析，选出相关系数R较大的波段作为特征波段建立基于PLSR(偏最小二乘回归)模型进行分析.研究发现：郑州邙山枣树沟黄土剖面中粒度和总有机碳变化指示了研究区全新世中期约5400 a.BP至今经历了冷干—暖湿—冷干的气候旋回；黄土不同地层单元的反射光谱特征虽在整体上曲线趋势相似，但其光谱反射率表现为黄土层L0-2＞黄土层L0-1＞过渡层Lt＞古土壤层S0-1＞表土层TS的规律；反演模型中经FD变换后的光谱为自变量的PLSR模型是反演黄土剖面平均粒径最佳模型，SD光谱变换为自变量的PLSR模型为反演黄土剖面TOC最佳模型.     

基于偏最小二乘法的樟树叶片叶绿素含量高光谱估算

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集樟树叶片光谱,并用UV2450-紫外可见分光光度计对观测叶片进行叶绿素含量测定.考虑到植物色素(叶绿素和类胡萝卜素)对叶片反射光谱的影响主要体现在可见光波段,选取400~900 nm范围波段光谱反射率与叶片叶绿素含量反演偏最小二乘法(PLS)模型,其中29个样本用于建模,10个样本用于验证,结果表明:当主成分个数为4时,PLS模型具有最佳的效果,4个主成分累计解释了99.91%的自变量信息和89.71%的因变量信息,此外,PLS模型能够充分利用高光谱信息,具有较高的精度和稳定性.通过与原始光谱和一阶导数光谱拟合的估测模型进行对比分析,得出PLS模型无论是从建模样本精度还是验证的误差方面均优于这两种传统的模型,适合于利用高光谱数据进行叶绿素含量的估测.     

辽东湾北部碱蓬群落及滩涂土壤盐分遥感反演模型

土壤盐分是评价土壤质量的重要指标，也是影响辽河口滨海湿地盐地碱蓬生长的主要环境因素之一，提出一种实时、准确、大尺度监测碱蓬群落及周围滩涂土壤盐分的算法十分必要.为了减少大气对模型的影响，该文利用地面高光谱数据模拟Landsat 8 OLI卫星反射率，采用基于交叉验证的逐步回归分析方法构建土壤盐分反演模型.结果表明：1) 碱蓬样本的土壤盐分明显低于裸滩，海南三区域土壤盐分在总体上低于鸳鸯沟和笔架岭区域，而植株高度和生物量普遍均高于鸳鸯沟和笔架岭区域，在一定程度上说明了土壤盐分对盐地碱蓬生长的影响；2) 模拟卫星反射率构建的多光谱指数与土壤盐分的相关性相较于单波段在整体上有所提高，其中植被指数NDVI和RVI与土壤盐分的相关性较高，相关系数达到了－0.689和－0.683；3) 利用基于交叉验证的逐步回归分析法构建土壤盐分反演模型，模型的自变量为RVI、SAVI和SI3，模型的建模集决定系数R2为0.684，均方根误差(RMSE)为3.45，验证集RMSE为1.88，相对分析误差(RPD)为2.28，表明模型的反演精度和反演能力较好；为了进一步验证模型的精度，对比分析基于逐步回归分析法筛选的指数因子构建的多元线性回归反演模型，发现交叉验证的逐步回归模型的R2、RMSE均优于多元线性回归反演模型，同时土壤盐分反演值和实测值散点图更接近1∶1线，为辽东湾北部碱蓬群落及裸滩土壤盐分因子的反演提供技术及数据支持.     

叶绿素含量BP反演模型的光谱信息输入因子构建研究

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。     

大豆叶片水平叶绿素含量的高光谱反射率反演模型研究

利用便携式光谱仪和分光光度计法分别测得大豆生长期内叶片的高光谱数据及相应的叶绿素质量分数w,利用多元统计分析和红边参数反演提取与叶片水平的w(叶绿素)相关性较高的敏感波段和光谱形式,及特征光谱位置,并以此为基础推演得到一个基于神经网络算法的叶绿素含量反演模型,结合了3种方法的优点,具有较高的反演精度.     

小波包分析在Hyperion数据提取农田土壤有机质含量中的应用研究

基于星载高光谱遥感影像Hyperion数据,运用连续统去除,小波包分析等技术,探索土壤有机质含量遥感定量提取的新方法.作者对采样点的反射率光谱曲线进行连续统去除、小波包分析处理、连续统去除后的光谱再进行小波包分析,研究了土壤有机质含量与反射率光谱及其变换形式的相关性系数,并建立了13个多元线性回归模型,经分析认为连续统去除后的光谱比原始光谱建立的模型效果好,而小波分析处理的光谱建立的模型的预测能力和精度均比未进行小波分析光谱的反演模型高,其中高频信号的效果要优于低频信号的效果.从研究结果可以看出把小波包分析方法引入到地物特征波谱的增强处理中对于提高定量遥感反演的精度具有良好的效果.     

冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究

高光谱遥感反演作物参量多集中在单一参量研究上,缺乏多参量综合反演研究。因此,面向多参量反演,需要对传感器参数的有效设置,以及同一指标对不同参量的适宜程度进行综合研究。以冬小麦为例,通过实测冠层光谱反射率和LAI、叶绿素、氮素含量数据,分析了中心波长、波段宽度、信噪比等指标的变化对各参量定量模型的影响,及光谱指标对LAI、叶绿素和氮素定量模型反演的敏感性和有效性,以及对冬小麦典型参量高光谱遥感反演的光谱指标进行了综合性分析。结果表明:反演冬小麦LAI的最佳植被指数为DVI(R~2=0.457,RMSE=0.614%),对应的最佳指标为:中心波长为768 nm和732 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦叶绿素的最佳植被指数为MSR(R2=0.554,RMSE=0.548%),对应的最佳指标为:中心波长为768 nm和736 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦氮素的最佳植被指数为NDVI_(g_b)(R~2=0.733,RMSE=0.600%),对应的最佳指标为:中心波长为500 nm和454 nm,波段宽度为5 nm以内,信噪比大于70d B。植被指数SAVI在一定波段范围内可同时反演LAI、叶绿素和氮素;MSAVI、DVI、RDVI和NDVI均可在一定波段范围内同时反演LAI和叶绿素含量,而反演LAI和氮素含量的适宜波段以及反演叶绿素和氮素的适宜波段存在差异。利用高光谱植被指数可实现作物参量的有效反演,且作物参量的定量反演对不同的光谱指标,即中心波长、波段宽度和信噪比具有较强的敏感性。     

利用地面光谱数据反演悬浮泥沙质量浓度

为研究用高光谱数据反演悬浮泥沙质量浓度的方法,以近海悬浮泥沙为实验材料,配制了不同质量浓度悬浮泥沙样品,利用2种方法对样品进行建模:一种是将可见光和近红外光谱进行小波变换并将小波低频系数以偏最小二乘回归建模,另一种为波段组合法.利用交叉检验方法,分析了交叉检验结果,并将2种方法建立的模型进行了比较.研究表明:波段组合法中,TM4与TM1波段反射率比值的指数模型效果最好;在预测能力上,小波偏最小二乘模型总体上比波段组合模型精度高并且稳定性好,适用于悬浮泥沙光谱定量分析.     

不同叶面积指数反演方法比较研究

以PROSAIL模型模拟数据和地面实测数据为基础,分别分析了土壤背景、冠层反射率非各向同性以及随机噪声等因素对几类代表性反演方法的影响(植被指数法、二阶微分法、模型反演法以及方向性二阶微分法)。结果表明在不同条件下,各类反演方法的反演精度差别较大。植被指数NDVI对几种因素的滤除能力都较差,反演精度最低;模型反演精度高于植被指数方法,但会受到土壤背景的影响;二阶微分方法虽然能部分消除土壤背景的影响,但受冠层反射率非各向同性的限制。文中提出的方向性二阶微分法能较好地消除土壤背景和冠层反射率非各向同性的影响,反演精度较前者有所提高,但二阶微分方法易受噪声影响。     

顾及时间因子的航空高光谱影像辐射归一化校正

航空高光谱影像的采集需要一个时间过程,其间成像条件(太阳辐射、大气等)处于持续变化之中,不可避免地会对大气辐射校正带来一定影响.主要针对上述影响,对邻近航带的明暗地物、大气辐射传输分量、同名地物反射率进行对比,分析了时间因子对经验线性法、大气辐射传输法反演结果的影响.结果 表明:随着时间变化,不同时刻对应的大气辐射传输参量存在一定差异,不同时刻的明暗参考地物所计算的校正系数也不同,这些差异都会对反射率校正结果产生一定的影响;通过对不同时刻的同名地物反射率反演结果对比,同名地物采集的时间间隔越长,校正结果的数值偏差越大.随后,提出了顾及时间因子的航空高光谱影像相对辐射归一化校正方法.实验证明,与常用的伪不变特征点方法相比,本文方法能够有效地消除时间因子变化对反射率反演带来的影响,提高同名地物的光谱一致性.     

棉花地上各组分干物质积累量的高光谱定量模型研究

测定了8个棉花主栽品种(其中2棉花品种为4水平种植密度)冠层多时相的反射光谱数据和对应的棉花地上茎、叶、生殖器官(花、蕾、铃)及冠层的干物质积累量;通过反射光谱数据与棉花冠层干物质积累量的逐步回归分析,确定与棉花冠层干物质积累量相关性最高的2个敏感波段——近红外934nm和红光673nm波段,采用这2个波段的反射率组成高光谱比值植被指数(RVI);基于RVI建立了6种函数形式的棉花地上各组分干物质积累量(茎、叶片、生殖组分、冠层)的反演模型,相关系数均达到了极显著的检验水平(α=1%,n=95),其中以构建的棉花地上茎组分干物质积累量的指数函数的反演模型相关系数为最高(R=0.8661**,RMSE=0.1293),在所构建的棉花地上各组分的干物质积累量模型中,均以指数函数、幂函数、对数函数和双曲线函数形式模型的预测精度为最高,研究结果表明,利用高光谱RVI可以实时、无损、快速、定量反演棉花地上各组分的干物质积累量,为高光谱遥感用于棉花长势监测和遥感估产提供了依据。