铜铅重金属胁迫下玉米光谱分形维数与污染监测研究

通过设定不同浓度梯度的重金属Cu、Pb胁迫下的玉米盆栽试验,利用美国高性能地物光谱仪SVC HR-1024I对不同浓度铜铅污染的玉米老、中、新叶片进行光谱测量,同时采用SPAD-502叶绿素含量测定仪测定各类叶片中叶绿素含量相对值,并通过化学方法测定不同胁迫程度下玉米叶片中的铜铅含量。在分析玉米叶片中Cu、Pb含量与光谱曲线的绿峰高度(GH)、红谷深度(RD)、蓝边(DB)、红边最大值(MR)、红边面积(FAR)、红边一阶微分曲线陡峭度(FCDR)之间相关性的基础上,利用分形理论对叶片410~780 nm之间的光谱曲线进行分形测量,提出运用光谱曲线分形维数(FRAC)对受不同浓度重金属铜铅污染的玉米叶片进行污染监测,同时对相同浓度铜铅胁迫下的老、中、新叶片也进行了光谱响应研究。结果表明,随着叶片中重金属含量增加光谱曲线分形维数也逐渐增大,同等浓度重金属铜铅胁迫程度下,分形维数从新叶到老叶逐渐减小,并且发现光谱曲线分形维数与绿峰高度、红谷深度、红边面积具有较好的相关性,说明光谱曲线分形维数不仅可以综合描述曲线的光谱特性,还能定量反映玉米叶片受重金属铜铅污染程度及其健康状况。因此,光谱曲线分形维数可以作为玉米叶片重金属污染监测的一种新方法。     

铅离子胁迫下盆栽玉米叶片光谱微分的红边响应研究

基于重金属铅(Pb)污染的盆栽实验玉米,采用光谱仪和叶绿素仪测量了不同浓度Pb~(2+)胁迫下玉米老、中、新叶片的反射光谱及其叶绿素含量;也运用质谱仪测定了不同胁迫浓度叶片中Pb~(2+)含量。对玉米老、中、新叶片中的叶绿素含量与各类叶片及土壤中的Pb~(2+)浓度进行了相关性分析;并为了区分玉米叶片铅离子污染程度和预测Pb~(2+)含量,提出了红边一阶微分曲线面积比值(FARR)和红边一阶微分峰前面积(FABR)参数;同时与常规红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、红边位置(REP)以及红边最大值(MR)作运用比较,实验结果表明,玉米叶片中的叶绿素含量从新叶、中叶到老叶逐渐增加,并随着土壤中Pb~(2+)浓度的升高而降低;受到Pb~(2+)胁迫时,新叶片到老叶片的REP"蓝移"更为明显;FARR和FABR在Pb~(2+)的胁迫程度区分和污染监测方面比FAR、FCDR、REP、MR具有更好的预测效果。     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

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。