基于GF6-WFV数据的中国东部典型湖库叶绿素a浓度反演

高分六号中分辨率宽幅相机(GF6-WFV)设计了两个红边波段,具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区,获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证,选取最优反演模型。结果表明,GF6-WFV数据新增红边Ⅰ波段(B5:710 nm)和红波段(B3:660 nm)构建的两波段比值模型反演精度较高,相关系数平方(R²)为0.89,平均相对误差(MRE)为34.71%,均方根误差(RMSE)为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度,研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型,在中国东部典型湖库具有较好的适用性。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

基于高光谱数据和MODIS影像的鄱阳湖悬浮泥沙浓度估算

本文旨在寻找悬浮泥沙浓度的MODIS遥感影像估算模型,并利用实测的高光谱数据对其敏感波段和反演模型进行测试和验证。以鄱阳湖为研究区域,利用光谱数据进行分析,为利用遥感影像建模提供依据。进一步利用同步进行的鄱阳湖水质采样分析与MODIS影像中等分辨率各个波段反射率及其组合进行相关分析,寻找反演悬浮泥沙浓度的敏感波段。实验表明,MODIS的第一波段反射率对于悬浮泥沙浓度有很好的匹配(R² = 0.91; n = 25),进而建立了鄱阳湖地区的悬浮泥沙浓度遥感定量估算模型。利用估算模型和鄱阳湖地区历史MODIS影像,得到了鄱阳湖悬浮泥沙浓度分布图。基于对汛期鄱阳湖悬浮泥沙浓度的连续监测,可对长江倒灌入鄱阳湖现象的形态进行观测。     

新庙泡叶绿素a浓度高光谱定量模型研究

利用吉林省新庙泡的高光谱实测数据和水质采样分析数据,尝试通过单波段、波段比值、一阶微分和峰谷间距法建立叶绿素a反演模型。结果表明:单波段光谱反射率与叶绿素a浓度的相关性较差,不宜用于该区域的叶绿素a浓度估算;680 nm和700 nm波段反射率之比、700 nm处光谱一阶微分值和两波段峰谷间距反演模型都具有较高的决定系数,分别为0.783 4、0.792 7、0.796 9,验证模型的决定系数为0.651 3、0.431 7、0.756 4,均方根误差分别为8.69μg·L-1、14.50μg·L-1、10.04μg·L-1,显著水平P<0.01。这3种方法皆可以用于新庙泡叶绿素a浓度的定量遥感,其中又以峰谷间距法为最优。     

内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究

内陆水体中浮游植物的存在对悬浮物（TSM）遥感反演模型精度具有一定的影响,藻类丰度会导致水体遥感反射率降低。实验基于中国、澳大利亚和美国内陆水体的372个采样点（4个数据集）水质分析和光谱实测数据,构建内陆水体遥感反射率与TSM的相关关系,建立最优波段比模型（OBR）,并分析了藻类颗粒物存在对该模型精度的影响。由于水质的不均一性,不同区域的水质参数敏感波段存在差异,因此各数据集用于建模的最优波段比值不同。结果表明,OBR模型精度较高,误差较小,中国水体模型验证均具有较好效果（石头口门水库：R²=0.87,RMSE=14.1 mg/L;查干湖：R²=0.82,RMSE=23.6 mg/L）,澳大利亚水体模型验证效果最佳,R²值高达0.95（RMSE=4.2 mg/L）,美国水体模型精度较低（R²=0.78,RMSE=3.7 mg/L）。研究发现,模型精度受水体叶绿素（Chla）浓度和Chla/TSM比率影响,当水体以TSM浓度较高的非藻类颗粒物为主时（如中国石头口门水库和南澳洲地区水体数据集）,最优波段比值模型表现更好;而当水体以浮游植物为主时,水体中的浮游植物的丰度会使光谱信号复杂化,从而限制或降低TSM浓度遥感算法的精度（如美国印第安纳州中部水库数据集）。     

基于AVIRIS高光谱数据的海表甲烷异常识别

研究海洋表面烃类富集状况在监测海洋环境和探测海底油气资源中具有重要意义,海表渗漏烃中,甲烷是气态烃中最具代表性的组分。为了精准识别海表甲烷异常,研究设计了相应光谱实验,以海水为背景测定甲烷光谱反射率,基于实测数据分析甲烷的光谱特征,运用比值导数光谱法削弱海水背景组分的光谱干扰,提取出甲烷光谱吸收特征波段。研究发现甲烷在1 642—1 672 nm和2 169—2 378 nm波长范围存在光谱吸收,通过比值导数处理后显著增强了其中1 642—1 672 nm和2 169—2 208 nm区间的甲烷吸收特征,在Rebecca等提出的CH₄I甲烷反演指数的基础上加入比值导数参数,建立了基于AVIRIS数据的海表甲烷含量指数MI,与甲烷含量的相关系数R²=0.994 2,将其应用于美国加利福利亚州圣芭芭拉海峡Coal Oil Point（COP）烃渗漏区甲烷异常识别,并与CH₄I指数和Bradley等提出的AVIRIS CH₄指数ζ（L2298/L2058）进行反演效果对比。结果表明：运用MI指数可以有效识别海表甲烷浓度异常,与ζ、CH₄I指数反演结果相比,MI指示的甲烷浓度异常分布与ζ指数反演结果更为吻合,效果显著优于CH₄I指数反演结果。     

秋季太湖叶绿素a浓度荧光反演研究

基于2007年11~12月太湖全湖实测水质参数和光谱数据,首先利用高斯方程对遥感反射率进行过滤分解,找出叶绿素a(chl\|a)吸收峰675 nm以后的荧光反射峰(Fluorescence Peak:FP),再以662 nm处的反射率为基准,采用归一化荧光高度法进行叶绿素a浓度(C chl-a)反演,得到chl-a反演模型。基于高斯分解获取的chl-a的荧光反射峰值R(FP)与662 nm处的反射率R (662)比值［R(FP)/R(662)］与C chl-a之间存在显著的相关性,该模型为秋季太湖水体C chl-a的最佳反演模型。在高悬浮泥沙条件下,该模型能够较好地表示出叶绿素荧光高度与叶绿素浓度之间的关系,为C chl-a反演提供新的方法和依据,并为传感器敏感波段的选取和设置提供参考。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数（Vegetation Index,VI）,利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58;RMSE为0.16~0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58,RMSE=0.16）;6种植被指数与LAI高度相关,相关性系数R ²为0.85~0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66~0.72,RMSE为0.12~0.14;其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72,RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

沙质土壤含水率高光谱预测模型建立及分析

利用HR768型光谱仪,实地测定了古尔班通古特沙漠南缘60个样点的土壤光谱和土壤含水率。对测定的光谱数据选择土壤水分较敏感的红外波段与土壤含水率进行线性回归,结果表明：实测土壤光谱经对数变换后土壤光谱与其含水率拟合效果不理想,用去包络线且一阶微分方法对实测土壤光谱数据进行处理后,再与相应土壤含水率进行回归,其回归效果较好,决定系数R²达0.855该方法具有实用性强、易操作的特点,为沙漠区土壤含水率的反演提供新的方法和思路。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段，以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象，利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段，并以此计算6种植被指数（Vegetation Index,VI），利用6种回归模型分别对单一特征波段和VI进行反演建模，以实测LAI评定模型精度。研究表明，光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感，以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58；RMSE为0.16~0.18，其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58，RMSE=0.16）；6种植被指数与LAI高度相关，相关性系数R ²为0.85~0.86，以此建立的反演模型相比单一特征波段反演模型精度有所提高，R2为0.66~0.72，RMSE为0.12~0.14；其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72，RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段，为指导精细化尺度作物管理提供依据。     

基于QAA算法的昆承湖固有光学量反演模型

基于2010年4月在昆承湖采集的野外实验数据,建立了适用于昆承湖的QAA固有光学量反演模型。结果表明:该模型可以得到较高精度的反演结果。所有验证点在411~700nm波段范围内,反演总吸收系数和实测总吸收系数的决定系数R2都高于0.984,平均相对误差ε都低于14.5%。在440、488和532nm 3个波段处,总吸收系数反演值和实测值决定系数R2分别为0.655、0.742和0.826,平均相对误差ε分别为6.5%、3.6%和3.4%,精度较高。反演后向散射系数与和参考后向散射系数在440、488和532nm处均具有较好的相关性,且532nm处反演后向散射系数与实测总悬浮物浓度决定系数为0.624,呈正相关,反演后向散射系数具有一定的可信度。该模型能够为昆承湖固有光学量的反演提供一条有效途径。     

水稻叶绿素浓度与光谱反射率关系研究

结合田间小区实验,获取了水稻生育期9组叶片叶绿素浓度和相应的光谱反射率数据,进行了相关分析研究,结果表明:水稻叶片叶绿素浓度与其光谱反射率之间具有相关性,在450～686nm和750～770 nm光谱区内相关性较好,且在686 nm处两者达到最高的相关性;水稻叶片的“红边”拐点波长位置与其叶绿素浓度之间具有很强的相关性,复相关系数为0.88,并由此进一步讨论了高光谱遥感定量探测水稻叶绿素浓度的可行性。
     

DFT法研究取代酚对黑头呆鱼的急毒性

基于定量结构-活性相关（QSAR）研究酚类化合物的急毒性具有重要意义。运用DFT-B3LYP方法,在较高基组6-311G^**水平下,全优化计算25种取代酚。从中获得分子最高占用和最低空轨道能(E_HOMO和E_LUMO)、前线轨道能级差(AE=EHOMOˉ尻_LUMO)、分子次最高占用和次最低空轨道能(E_NHOMO和E_NLUMO、分子总能量（E_T）、氢原子所带的最高正电荷（q_H⁺）、最负非氢原子的静电荷（g）、分子偶极矩（μ）和分子体积（V）等描述符。结合文献中标题化合物对黑头呆鱼急毒性值(-1g LC₅₀),由多元线性回归方法建成QSAR模型,采用内外双重验证的办法,深入分析和检验模型的稳健性。最佳模型的复相关系数（R²）,去一法（LOO）交替检验复相关系数(R²_CV),外部预测样本复相关系数(R²_ext)分别为0.976,0.974和0.940,故所建QSAR模型的稳定性和预测能力良好。表明:取代酚对黑头呆鱼急毒性与分子体积、最负非氢原子的静电荷及分子总能量的相关性密切。     

Tree Height and Diameter Extraction with 3D Reconstruction in a Forest based on TLS

In view of the low accuracy of Tree Height(TH) and Diameter at Breast Height(DBH) estimation,as well as the difficulty of individual tree modeling in dense forest,a method to extract forest structure parameters(TH and DBH) and reconstruct a Three-Dimensional(3D) model of forest in subtropical environment based on TLS point cloud data is proposed.The first step is to apply a multi-scale method to extract the ground points for the generation of Digital Elevation Model(DEM).Secondly,using similarity of principal direction between neighboring points and distribution density of points,trunk and other plant organs are separated.Next the trunk points are processed to automatically estimate the tree position and DBH by iterative least squares cylinder fitting;the tree height is automatically estimated by using the octree segmentation.Finally,by combining with the technology of individual tree modeling,a plot-scale 3D forest scene has been reconstructed by planting individual tree model on the terrain model iteratively.The results showed that the correlation coefficient of DBH is R²=0.996,and the average relative error was 2.09%,RMSE was 0.66 cm;the correlation coefficient of tree height is R²=0.972,and the average relative error was 2.16% with RMSE of 0.92 m.The plot-scale reconstructed 3D model of the forest can express the true shape of forest.     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

Mono-window Algorithm Applicability in Fujian Sea and Its Surrounding Areas Sea Surface Temperature Retrieval

On the basis of four quarters HJ\|1b thermal infrared remote sensing images during 2013~2014,each of the spring,summer,autumn and winter,mono\|window algorithm was adopted to retrieve Sea Surface Temperature(SST).To verify the feasibility and accuracy of this algorithm,the derived results were compared with the measured SST data,show that the average absolute error is 0.86 ℃ and the correlation coefficient R² is 0.971 5.The different levels influence on derived results caused by the uncertainty of water vapor and atmospheric temperature is analyzed,indicate that if the water vapor error ranges between -2~0 g/cm²and the temperature variation is between -2 ℃~2 ℃,the sea surface temperature error will be within 5%,the high retrieving accuracy can still be achieved;The sensitivity of the water vapor in winter shows higher than in summer,while the sensitivity of atmospheric temperature demonstrates lower than in summer.Therefore,mono\|window algorithm is good applicable in the SST retrieval in Fujian sea and its surrounding areas,which is of great significance to Fujian environmental monitoring.     

基于数学形态滤波的植被光谱去噪方法研究

光谱维噪声使地物光谱扭曲或变形,中心波长偏移,影响地物信息提取和地表参量反演的精度。对光谱维噪声进行滤波处理,有利于改善遥感数据定量应用的效果。由于数学形态滤波的原理简单且较易实现,被应用到植被光谱以及有机化合物光谱的研究中。运用数学形态滤波对地面实测小麦光谱去噪,一方面对滤波后的光谱进行噪声和波形相似度的直观分析,另一方面通过植被指数反演小麦理化参量进行定量应用评价。结果表明,与传统Savitzky-Golay滤波相比,在可见-近红外波段范围内,数学形态滤波去噪后的光谱能够保持可见—近红外波段原始光谱的固有特征,叶面积指数和叶绿素的反演精度比去噪前有小幅提升,主要原因是实测光谱在该谱段范围的噪声影响很小;在短波红外波段范围内,数学形态滤波能有效去除短波红外大尺度噪声,提高叶片含水量的反演精度。而传统Savitzky-Golay滤波只能削弱短波红外大尺度噪声。广义形态滤波去噪后植被指数和叶片含水量之间的R2最高可达0.5130(去噪前0.3753),叶片含水量的反演值与实测值之间的R2最高可达0.4221(去噪前0.3097),RMSE为0.0243(去噪前0.0318),优于传统Savitzky-Golay滤波。     

Remote Sensing Inversion Method of Soil Iron Content in the Loess Plateau

The information of soil composition and its spatial distribution could be obtained quickly and efficiently by using spectral technology.In order to accurately estimate the content and distribution characteristics of soil Fe elements in the loess plateau,the typical loess in the eastern part of Yulin was collected in the field.Laboratory physical and chemical analysis,spectral determination and pretreatment,analysis of the correlation between soil iron content and reflection spectrum,screening sensitive bands,using partial least squares modeling to determine the best estimation model.The spectral reflectivity and the selected sensitive bands are mainly distributed at 500 nm,870 nm,1 700 nm and 2 200 nm.The original reflectivity(Ref) modeling results are relatively stable and the prediction effect is the best.The prediction set correlation coefficient R² is up to 0.73 and the Root Mean Square Error(RMSEP) is the smallest.After derivative transform(FDR and SDR) and continuum removal of CR transform,the prediction set R² is 0.61 and 0.64,respectively.The optimal estimation model of soil Fe content(Ref) was applied to the Sentinel-2 multi-spectral remote sensing image to obtain the remote sensing inversion map of soil Fe content by band interpolation.It was found that the distribution characteristics of soil Fe content in the studied area were closely related to the strata.The results of this study can provide support for remote sensing analysis of soil Fe element content and realize rapid spectral mapping of soil iron in the Loess Plateau.     

基于四波段半分析算法和Hyperion遥感影像反演太湖叶绿素a浓度

水体叶绿素a浓度不仅是水质状况的重要指标,也是制定水环境保护和水资源开发利用方案的重要依据。以2004年8月19日太湖水质浓度实验数据和同步的Hyperion影像为数据基础,研究适用于Hyperion影像的四波段半分析算法。由模型参数标定数据集(37组)对四波段半分析算法参数的拟合分析和模型检验数据集(5组)对算法精度的评估可知,基于指数拟合方法获取的四波段半分析算法具有较高的叶绿素a浓度估算精度(相关系数为0.8913,平均绝对误差为1.1109μg/L,对应的平均相对误差为5.69%,其对应的4个波段波长分别为671.02nm、701.55nm、711.72nm和742.25nm)。用以上四波段半分析算法从Hyperion影像中提取的叶绿素a浓度呈湖心低、沿湖区域高的格局。与22.23 μg/L的年均叶绿素a浓度相比较,2004年8月19日的叶绿素a浓度处于年际较高水平。     

基于Hyperion影像的高光谱水汽含量反演的算法比较研究

基于高光谱遥感图像数据的大气参数反演和一体化辐射校正具有重要研究意义和应用价值。首先,通过6S模型辐射传输计算分析了EO-1/Hyperion遥感影像在940和1 130nm附近水汽吸收区域的光谱吸收特点。其次,采用两通道比值法和三通道比值法,比较了不同波段组合的大气含水量高光谱遥感反演精度并进行了敏感性分析,模拟实验结果表明采用三波段比值算法的相关系数和均方根误差均优于对应的两波段算法。最后,利用张掖地区2008年3景EO-1Hyperion高光谱遥感影像,反演了大气含水量,并与地基CE-318太阳分光光度计测量数据进行对比验证,结果表明:1 124nm水汽吸收通道反演精度优于940nm,两通道和三通道比值法的均方根误差分别为0.369和0.128g/cm2,三通道比值方法优于两通道比值方法,与地面观测结果一致。