滨海盐土重金属含量高光谱遥感研究

高光谱遥感凭借其极高的光谱分辨率在获取有机质、矿物质等土壤组分定量信息的研究中表现出非凡的潜力。以如东县洋口镇为研究区,通过对土壤反射光谱的测量和同步的土壤化学分析,研究了土壤重金属Cr、Cu、Ni与土壤粘土矿物、铁锰氧化物以及碳酸盐之间的赋存关系。利用光谱一阶微分、倒数对数和连续统去除法对土壤光谱的处理,获得了土壤成分的特征波段,通过土壤重金属与土壤光谱变量的相关分析,并利用逐步回归分析方法,确立了3种重金属元素的最佳遥感模型。结果表明,研究区3种重金属与波长429 nm、470 nm、490 nm、1 430 nm、2 398 nm、2 455 nm处光谱变量具有很好的相关性,在所建立的逐步回归模型中,以一阶微分处理的模型精度最高。研究结果可以为高光谱遥感技术反演土壤重金属含量,进一步应用空间或航空遥感进行大尺度环境污染遥感、遥测信息提取和反演提供技术支撑。     

三江源区不同土壤类型有机质含量高光谱反演

近年来高光谱遥感技术被广泛运用于土壤有机质含量反演的研究中。基于三江源区玉树县和玛多县采集的146个土壤样品的室内ASD FieldSpec 4实测光谱数据及4种变换形式,利用偏最小二乘回归(PLSR)和人工神经网络(ANN)建立土壤有机质含量高光谱预测模型。结果表明:ANN模型反演土壤有机质含量的整体精度高于PLSR模型,总均方根误差均在17.51以下;但是,不同土壤类型的最佳反演模型及指标却有所差异:高山草甸土和沼泽土的最佳反演模型和指标均为ANN模型和BD指标,模型总均方根误差分别为10.29和3.29;高山草原土的最佳反演模型是PLSR模型,最佳指标是REF指标,模型总均方根误差为5.59;山地草甸土的最佳反演模型为〖JP2〗PLSR模型,最佳指标为BD指标,模型总均方根误差为4.68。研究发现,利用ANN模型和PLSR模型都能较好地预测三江源区4种土壤类型的有机质含量,而波段深度则是该区域的最佳反演指标。〖JP〗
     

高光谱反演叶片叶绿素及全氮含量

植物的含氮量和叶绿素含量指示了植被的健康状况.本文利用野外采集的叶片样本获取叶片的光谱反射率及叶绿素和全氮的含量,分析和利用高光谱数据反演叶片叶绿素及全氮含量的可行性及精度.鉴于高光谱数据存在冗余这一特性,本次试验采取了偏最小二乘法来对光谱数据进行回归分析,进行叶绿素和氮素含量的估算.同时,本文也比较了叶片叶绿素含量和氮素含量在不同单位表达形式下,偏最小二乘法对其的估算精度.试验结果表明,基于偏最小二乘法分析叶片反射率估测叶片的叶绿素含量及全氮含量具有很好的结果,精度全都达到85%以上,具有应用价值.     

基于高光谱的土壤重金属铜的反演研究

为探讨高光谱遥感反演红壤重金属铜含量的可行性,研究采集了34个红壤性土壤样品,通过对350~2 500 nm波段范围光谱曲线进行测试和分析,建立了不同的土壤光谱变量与重金属铜含量多元回归关系模型,分析了土壤重金属铜与土壤化学组分以及土壤特征光谱的关系。结果表明,土壤重金属铜含量与土壤全铁和镁含量显著相关,而与土壤有机质的相关性不显著,表明红壤性土壤粘土矿物对土壤铜含量影响较大;与重金属铜含量相关性较好的波段在830 nm、1 000 nm和2 250 nm附近,且一阶微分模型精度(79%)高于反射率模型(66.26%)和倒数对数模型(67%)的精度。因此,一阶微分高光谱反演模型具有较好的快速估算土壤中重金属铜含量的潜力。     

卫星遥感反演土壤有机质研究进展

土壤有机质是评价土壤质量的关键指标,了解土壤有机质含量及其空间分布,对实现土壤养分精准管理、促进农业可持续发展具有重要意义。近年来,遥感技术的迅猛发展为土壤属性定量化研究提供了丰富的数据源,卫星遥感反演土壤有机质逐渐吸引了更多的关注。文章针对土壤有机质反演的相关研究,阐述了土壤遥感及传感器发展历程、土壤有机质遥感反演机理;系统归纳了直接法、间接法以及实测高光谱与卫星遥感相结合3种反演方法的发展现状;将不同研究方法的优势及不足进行对比,并详细分析制约土壤有机质反演精度的关键因素,最后对卫星遥感反演土壤有机质的发展趋势进行展望。     

一种基于分段偏最小二乘模型的土壤重金属遥感反演方法

土壤中重金属由于其毒性而成为最有害的环境污染物之一,利用遥感进行土壤重金属检测和分布制图是目前最为高效的手段。采用哨兵二号（Sentinel-2）多光谱影像与实测样品光谱数据,对山西省铜矿峪铜矿尾矿库及其周边农田土壤的铜（Cu）含量进行估算,利用68个土壤样品的反射光谱,优选出适合土壤铜含量预测的波段,结合分段偏最小二乘法（Piecewise Partial Least Squares Regression,P-PLSR）,对土壤铜含量进行估算,将模型用于Sentinel-2影像获得了Cu含量的空间分布。通过P-PLSR对实测样品光谱建模反演Cu含量的决定系数（R²）为0.89,预测偏差比（RPD）为2.82;利用Sentinel-2多光谱影像获得了该区域Cu元素含量空间分布,其Cu含量的估算精度R²为0.74,RPD为1.73,Cu含量高值区空间分布与尾矿库关系密切。Sentinel-2多光谱数据具有高空间分辨率（10、20和60 m）、高时间分辨率和幅宽大（290 km）等优势,通过敏感波段选择并建立反演模型,可实现大范围土壤环境制图。     

土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究

高光谱数据以其高光谱分辨率和多而连续的光谱波段为预测土壤重金属污染提供了有力工具,但波段选择方法与光谱分辨率的影响不容忽视。利用实验室测定的181个土壤光谱样本数据,利用逐步回归法进行土壤Cu含量反演的波段选择,进而利用偏最小二乘方回归PLSR方法建模,分析了波段数对Cu含量反演的影响;此外,采用高斯响应函数重采样方法,探讨了光谱分辨率降低对反演精度的影响。实验表明,预测重金属元素Cu含量的最佳波段数为10个,模型可决系数R2=0.7523,拟合均方根误差RMSE=0.4699;预测Cu含量的最佳光谱采样间隔为32 nm,R2=0.7028,RMSE=0.5147。该结果可能为将来设计低廉实用的高光谱卫星传感器提供指标论证,为模拟卫星传感器波段预测土壤重金属含量提供理论依据。     

基于特征筛选结合PSO-BPNN和GA-BPNN算法的土壤重金属高光谱定量反演

以连州地区土壤重金属含量为研究对象,分析包括土壤原始光谱在内的经过数学变换后的光谱数据与重金属含量之间的相关性,再采用VISSA-IRIV算法进行光谱特征提取,分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、粒子群优化BP神经网络、遗传算法优化BP神经网络模型,对比获取土壤重金属元素Cr、Cu含量最优反演模型。结果表明：VISSA-IRIV算法实现了对光谱数据的高效降维;BPNN模型预测效果明显优于PLSR模型;经过优化的BP神经网络模型反演精度和稳定性得到了极大地提升,其中Cr、Cu元素的最佳反演模型组合分别为FD-GABPNN(R²=0.87、RMSE=13.82、RPD=2.95)、SNV-FD-PSO-BPNN(R²=0.92、RMSE=4.25、RPD=3.41)。该研究对土壤重金属含量的准确、快速分析提供了一种有效的方法,对实现土壤重金属污染治理具有重要的现实意义。     

卫星红外高光谱反演大气水汽含量

利用高光谱大气红外探测仪AIRS模拟及观测数据,发展基于主成分分析技术的多层前馈神经网络反演算法,进行大气中水汽柱总量(IWV)的反演计算、模拟及实测验证。首先,基于全球晴空大气廓线训练样本SeeBorV4.0,利用快速辐射传输模式CRTM进行了辐射传输模拟计算,得到全球高光谱分辨率模拟辐亮度;其次,利用主成分分析技术对模式模拟和AIRS实测高光谱数据进行降维、去噪及去相关处理,并采用多层前向神经网络算法反演大气水汽柱总量;最后,利用数值试验、AIRS实测L1B数据及其水汽产品,对反演算法进行了验证。通过与AIRS官方大气产品的统计分析,本算法反演均方根误差为0.387 g/cm²,最大偏差为0.82 g/cm²,空间分辨率保留了AIRS像素原分辨率(比AIRS官方大气产品高3倍)。     

定西遥感试验场土壤光谱特征分析

对分布于甘肃省东部的黑壤土、灰褐土、黄绵土、新积土4个土类的7个土属进行电磁波谱测试。在0.4～1.1μm波段内,以土种为单位共测试21条裸土光谱曲线。从形态上可区分为缓斜型和陡坎型。在0.4～0.65μm波段内,各土壤光谱反射率值多相互交错分布,但在0.65～1.1μm波段内,陡坎型类土壤的光谱反射率值多高于缓斜型。土壤表层质地差异大时,将影响电磁波辐射能量的变化,当土壤表层水分含量小于饱和含水量时,在0.55～0.95μm波段内,土壤水分含量越高,其光谱反射率值越低。经各波段与反射率之间的相关分析说明,缓斜型土壤光谱曲线以一元一次回归曲线拟合程度高,而陡坎型土壤则以一元二次回归曲线拟合更为理想。该结果为在遥感图像中提取土壤线信息,提供了可参考的数据。     

高光谱遥感在植被监测中的研究综述

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,主要包括以下三个部分:(1)高光谱遥感信息的处理方法;(2)高光谱遥感数据用于植被参数估算与分析;(3)高光谱遥感数据在植被生长监测中的作用。     

高光谱遥感油气勘探进展

遥感方法用于油气勘探已有多年的历史。随着高光谱遥感技术的发展,高光谱遥感油气勘探近年来取得了很大的进展。简要介绍了高光谱油气勘探的基本原理和流程,重点讨论了烃渗漏引起地表烃异常、岩石矿物蚀变异常以及植被异常的高光谱响应机制,以及目前研究中存在的问题。归纳总结了目前用于油气勘探的高光谱影像数据类型及特点。高光谱遥感方法用于油气勘探,在高光谱异常响应机制、数据来源以及数据处理和分析方面还有许多问题有待解决,针对这些问题,提出了相应的解决思路。     

航空高光谱遥感的发展与应用

概述了成像光谱遥感技术的内涵、高光谱数据的特点、成像光谱仪的主要类型、数据处理软件以及光谱数据库建设等内容。在此基础上,综述了航空成像光谱技术在海洋、环境资源勘探以及植被与生态遥感等方面的应用现状。最后对高光谱遥感技术的发展方向提出了几点建议。     

高光谱遥感在生态系统研究中的应用进展

遥感技术在生态系统调查与研究中具有广阔的应用潜力,但是传统的多光谱遥感主要侧重在面上的普查,很难对生态系统中各种复杂地物属性和生化参量进行精确反演。高光谱遥感突破了光谱分辨率的限制,大大提高了人们获取多种生态系统模型输入参数的类型和精度。在阐述高光谱遥感的原理和信息特点的基础上,系统评述了目前国内外高光谱遥感在生态系统过程与属性研究中的应用,并对未来高光谱遥感在生态学领域的研究方向做出展望。      

土壤湿度微波遥感中的植被散射模型进展

植被是影响土壤湿度微波遥感的主要因子之一,土壤湿度微波遥感的主要任务是建立含有地表土壤信息的植被散射模型。植被散射模型的建立可以加深我们对植被和土壤散射机理的理解,定量分析微波后向散射系数对于各散射因子的敏感性,进一步达到从微波信息中反演土壤湿度的目的。植被散射模型可以分为经验模型、理论模型和半经验模型,各种模型都具有自身的优势和局限性。经验模型的建立比较简单,但一般只适用于特定的研究条件;理论模型是建立在一定的理论基础之上,对于散射因子的考虑相对详尽,但一般模型比较复杂,反演相对困难;半经验模型是前两者的折中,它以植被的宏观物理参量为模型参数,模型的建立和反演比理论模型要简单,但同时也具有一定的理论依据,适用性也较经验模型广。     

热红外遥感监测土壤含水量模型及其应用

在从理论上分析了地表土壤日温差、热惯量和土壤含水量三者的关系后,探讨了由地表土壤日温差推求热惯量、再由热惯量推求土壤含水量的方法,建立了气象卫星热红外遥感监测土壤含水量模型。将所建立的模型应用于实际土壤含水量的监测,做出了辽宁省,1988年8月11日近地表(10cm)土壤含水量分布图,通过实测资料验证,该模型具有较高精度。     

基于二阶矩稀疏编码的高光谱遥感图像分类

高光谱遥感技术是当前遥感领域的前沿技术,将稀疏编码应用于高光谱遥感图像处理是近年来高光谱信息处理的一个热点研究方向。以提升高光谱遥感图像分类准确度为目标,提出一种基于二阶矩空谱联合稀疏编码的遥感图像分类方法。首先从各地物参考数据中选取训练样本,通过学习构造得到字典,然后在训练得到的字典的基础上通过稀疏编码获得每个像元的稀疏系数,之后将稀疏系数作为分类器的输入,通过分类器的分类判决得到最终的分类结果。利用北京市朝阳地区的天宫一号可见近红外高光谱遥感图像数据和KSC高光谱数据,将该方法与支持向量机(SVM)、基于光谱维信息的稀疏编码以及一阶矩空谱联合稀疏编码等方法进行了比较。实验结果表明,提出的分类方法较其他几种方法可以取得更好的分类效果,在天宫一号和KSC数据上的总体分类精度分别可达到95.74%和96.84%,Kappa系数分别可达到0.9476和0.9646。