高光谱遥感技术在高植被覆盖区域地质调查中的应用

<正>高光谱遥感技术凭借光谱的多维度和光谱探测范围优势,在地物的识别及区分方面较传统多光谱遥感技术有着更广泛的应用空间。本文利用HJ-1A超光谱成像仪(HSI)的数据源,配合地物光谱仪对目标地质体进行光谱采集,并选择在广东省雷州市西部的唐家镇一带基于高光谱遥感技术对石茆岭组、湛江组两类地层进行了划分工作。笔者通过对比已有地质调查结果发现,运用高光谱遥感技术在高植被覆盖区域对以上两类地层进行识别和划分是可行的,能够解决传统遥感技术无法在高植被覆盖区直接识别地质体这一问题。     

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。     

基于高光谱遥感的植被生物量反演方法研究

高光谱遥感技术能够为反演植被生物量提供快速无损的数据采集与分析处理方法.基于高光谱遥感在植被生物量反演中的研究成果和进展,对其反演方法进行研究:阐述高光谱遥感反演植被生物量的原理;探讨高光谱遥感反演植被生物量的估算模型;分析比较不同估算模型的特点.结论表明,利用高光谱遥感分析植被的光谱特性进而估测植被生物量是一种精度较高且应用广泛的方法.     

基于高光谱图像技术的番茄叶片氮素营养诊断

通过提取番茄叶片高光谱图像的灰度、纹理特征将高光谱数据立方体转化成二维特征曲线,再利用特征选择方法 CFS对所有波长进行筛选,确定灰度特征的特征波长:549,669,742,830 nm和纹理特征的特征波长:482,684 nm.每个样本共有12个特征变量,对这12个变量进行主成分分析,提取9个主成分因子作为模型的输入向量,采用支持向量机建立番茄氮素营养水平诊断模型,得到4个梯度氮素水平(N1,N2,N3,N4)番茄叶片的正确识别率为96%,88%,92%,92%.研究结果表明高光谱图像技术对番茄氮素营养水平具有较好的诊断作用.     

高光谱综合遥感考古方法研究——以长安-扈邑区考古为例

遥感技术具有广阔的视野和先进的技术手段,通过遥感技术能提取和解释出地面及地下肉眼难以发现的古遗址。采用以高光谱遥感为主要遥感技术手段,在长安-扈邑研究区进行地下文物遗存考古,通过对高光谱热异常、老航片立体解译微地貌等多种遥感手段综合分析,确定了9个规模较大的异常区域。陕西省考古研究所对其中8个进行了实地钻探验证,勘探证实了其中7处有古代墓葬或其它遗迹存,表明运用多重遥感技术寻找地下古代文化遗存有较高的准确性。     

基于高光谱影像的SG滤波算法的研究

高光谱遥感是当前遥感技术发展前沿,已经被成功应用于农业、水利、交通等许多领域.高光谱遥感影像中不仅存在空间域噪声而且存在光谱域噪声,传统的图像滤波只能对图像空间域噪声进行处理,而不能去除光谱域噪声.为了改变这种状况,本文提出了一种Savitzky-Golay(SG)滤波改进算法,诊断光谱域噪声.本文主要以航空高光谱遥感数据为研究对象,基于最小二乘的SG滤波求取反射率光谱的二阶导数,然后对影像进行噪声去除,该方法在保证有效去除光谱域噪声的同时,保留高光谱图像的大部分的细微特征.与其他不同的光谱域噪声滤波方法进行对比,实验证明本文的滤波方法是一种较为有效的手段.     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.     

基于BP神经网络高光谱土壤氮素信息检测研究

通过高光谱技术获得的光谱信息与化学法测得的氮素含量相结合,对几种预处理方法:S-Golay平滑滤波、小波去噪、多元散射、微分处理进行比较分析并探讨BP神经网络在高光谱检测土壤氮素信息领域应用的可靠性,经过实验证明通过S-Golay平滑滤波和一次导数的预处理方法较优而BP神经网络是一种土壤氮素预测效果较好的建模方法。     

西安神禾塬地区高光谱遥感考古研究

与传统考古技术相比,遥感技术能快速、低廉地对大范围地下文物遗存进行探测和制图.但从以往大量考古遥感实践来看,遥感考古往往只是在地表残存一定遗迹的情况下才能取得好的效果,而对于地表没有残存痕迹的考古遗址,其遥感分析往往会无功而返.考古学家最需要的是在没有地表残存痕迹情况下的考古遥感探测技术.本文通过陕西长安县神禾塬高光谱遥感考古试验研究,介绍了一种新型的考古遥感技术--高光谱遥感考古,它通过探测和识别微弱的地物光谱异常,实现了在没有任何地表"常规"考古线索情况下的地下文物遗存探测.     

氮素营养诊断方法的应用现状及展望

阐述了土壤、植物氮素营养诊断方法的原理、优缺点及其应用情况，提出应用高光谱遥感和叶绿素荧光进行氮素营养诊断的可能性，并对完善氮素营养诊断方法和拓宽诊断内容提出了见解。     

面向快速响应的SPARK高光谱卫星系统设计

为解决全球高光谱遥感数据稀缺问题,需研究具有快速响应能力的高光谱卫星技术。分析了高光谱卫星发展现状和趋势,提出了微小型高光谱载荷配置方法,并在此基础上进行观测任务需求分析。通过提出的基于通用接头的分舱式模块化设计方法、低冲击的小型化在轨展开技术、智能化的在轨自主工作模式,实现了微纳卫星的模块化、小型化、智能化设计。在轨试验结果表明,提出的微纳卫星具有应对突发情况的快速响应能力,在国际上首次实现了50 kg以下卫星的高光谱遥感观测。     

SAM权重法在端元提取中的应用

高光谱遥感的出现使得在宽波段遥感中不可探测的物质能被探测。获得的高光谱数据大都具有数据冗余度高、信噪比低等特点。文章通过idl编程实现高光谱数据的特征提取并利用其做了端元提取流程与光谱解混,及权重法SAM端元提取、混合光谱分解模型及实现。利用SAM权重法能够完成端元提取并最终得到的解混结果。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

高光谱分辨率遥感在植被监测应用中的关键技术及应用

高光谱遥感数据已成为地表植被地学过程中对地观测的强有力的工具．综述了利用高光谱遥感数据进行植被监测的研究进展，主要包括以下二个部分：（1）高光谱遥感用于植被监测中的关键技术（2）高光谱遥感数据在植被生长监测中的应用．     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据，对各种常用植被高光谱遥感分类方法进行分类训练，通过比较分类性能，得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上，提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

对地观测技术发展态势的文献计量分析

从发表的对地观测科学研究论文和专利文献入手,利用美国Thomson公司开发的Thomson数据分析工具（Thomson DataAnalysis—TDA）,分析该研究领域的科研文献和专利文献变化情况,从而对对地观测技术的发展态势进行分析。在ISI Web of Knowledge平台检索SCIE和SSCI网络数据库2002—2007年相关论文共15829篇,对论文的国家和机构分布进行了详细分析,以关键词词频分析了对地观测技术研究的热点,得到微波遥感、定量遥感以及高光谱遥感是近年来的前沿领域,而土地利用和气候变化是应用热点。专利文献分析表明,对地观测专利文献呈现缓慢的增长趋势,全球定位系统专利文献数量较大、增长较快,而遥感、地理信息系统和全球定位系统专利文献分布国家和机构以及关键词词频具有较高的一致性,说明三者结合应用情况显著。     

基于二代Bandelet和主成分变换的高光谱遥感图像融合

针对高光谱遥感图像具有波段多、波段间冗余大的特点,提出一种基于二代Bandelet和主成分(principal components analysis,PCA)变换的高光谱遥感图像融合的方法,利用二代Bandelet变换进行图像的多尺度几何分析,得到每个波段图像的Bandelet系数和几何流,对多个波段Bandelet...     

基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究

高光谱遥感图像中,遥感影像的分类精度和地物识别会因混合像元的存在而受到影响,从而限制了遥感科学向定量化发展.基于最小体积约束的非负矩阵分解方法,不仅不需要假定纯像元的存在,而且在自动提取端元的同时获取对应的丰度图,这种非监督的光谱解混技术克服了传统方法的限制条件,为高光谱图像中混合像元问题的解决提供了新的思路和方法.     

成像光谱数据处理平台的构建及其地学应用

基于遥感前沿技术和现代信息技术,开展了成像光谱数据处理平台构建研究,开发了大气校正、几何校正等高精度数据预处理技术平台,完成了典型目标的高光谱建模、基于曲波变换的遥感专题信息提取及基于混合语言编程的成像光谱数据处理系统构建等研究,为铀资源勘查高光谱数据处理提供了基础软件平台。该系统在铀资源勘查遥感地质评价项目的实际应用中,取得理想效果。     

基于改进自组织竞争神经网络的高光谱图像分类

针对传统的SOFM网络对高光谱图像分类精度低的缺点,提出了采用模糊积分与神经网络相结合的分类方法．即在改变网络的学习速率函数和邻域函数的前提下,同时对分类结果采用基于模糊积分的信息融合,使分类器之间相互补偿,并用高光谱图像的分类实验进行验证．与普通的SOFM网络和K均值聚类方法相比较,分类效果更好．