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。     

土壤的石油污染信息高光谱遥感监测方法

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。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Hγ和吸收深度Dλ的石油污染光谱指数;并设置了4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。最后根据满足取值范围时光谱指数计算方式的不同个数,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。     

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。     

基于地形图与GIS的矿区地表三维快速可视化技术

地形三维可视化技术是当今GIS应用的热点,地形三维可视化可有利于提高地表地形的认知、分析、管理和工程实施等.本文基于日常工作中常用的纸质或CAD矿山地形图,利用ArcGIS的空间分析与可视化技术,通过数据转换、等高线修复及高程赋值,生成地表不规则三角网,然后结合纠正后的矿区影像可实现地形图的快速三维显示。     

光谱分数阶微分与玉米叶片重金属铜含量的相关性分析

常用的整数阶一阶和二阶微分光谱曲线差异较大,而分数阶微分可实现光谱信息细化,能将整数阶微分容易忽略的信息充分利用起来,更能深度挖掘光谱中的潜在信息。以重金属铜胁迫的盆栽玉米为研究对象,在玉米叶片受不同浓度CuSO_4胁迫下,光谱反射率和Cu~(2+)含量的实验室测量数据基础上,对光谱反射率进行0~1内0.1阶的11个阶次微分处理,将各阶次的微分值与测得的玉米叶片中Cu~(2+)含量进行相关性分析;并对各阶次的微分光谱值进行0.01和0.05显著性水平的检验。分析结果表明,与常用的一阶微分相比,分数阶微分可以突显某些波段的光谱反射率与叶片中Cu~(2+)含量的相关性,扩大特征波段的选择空间。     

基于光谱参数和Cu2+吸收机理的玉米叶片铜污染预测研究

依据多个浓度梯度下Cu~(2+)胁迫的玉米盆栽实验,通过采用多种光谱特征参数、红边位置(REP)、红边一阶微分包围面积(FAR)和归一化植被指数(NDVI)等光谱参量;以及另五种植被指数(红边归一化植被指数NDVI_(705),改进红边比值植被指数mSR_(705),改进红边归一化植被指数mNDVI_(705),光化学植被指数PRI和结构不敏感色素指数SIPI);并结合Cu~(2+)的光谱吸收机理,同时基于玉米叶片的反射光谱和Cu~(2+)含量实验室实测数据,开展了玉米叶片光谱参数及植被指数与铜污染程度预测的相关性分析研究。实验结果表明:本文提到的大部分光谱参数及植被指数与叶片中Cu~(2+)含量具有一定的相关性;随着Cu~(2+)浓度增加,盆栽玉米在低于200μg/g浓度时仍可正常生长;而在高于浓度为200μg/g后生长受到抑制。玉米受Cu~(2+)污染时,在Cu~(2+)特征吸收峰810 nm处反射率有下降趋势,与无Cu~(2+)污染时反射率上升的趋势相反,说明Cu~(2+)光谱吸收机理可以用来区分和预测玉米是否受到Cu~(2+)污染。     

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。     

基于模糊聚类的多尺度空间数据挖掘模型及其矿山应用

基于空间数据的尺度特性,提出了多尺度空间数据挖掘的技术思想,建立了同一地理要素在不同尺度下的信息推理模型,即多尺度空间数据挖掘框架模型.以矿井煤层厚度为研究对象,以聚类分析为挖掘技术,实现了多尺度分析思想应用于空间数据挖掘领域的设想,证实了空间数据挖掘领域中的多尺度现象.研究成果丰富和发展了空间数据挖掘的基础理论.     

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。