航空高光谱地表氧化铁矿物含量评估技术

针对采用高光谱技术对赤铁矿、针铁矿和褐铁矿等氧化铁矿物含量评估精度不高的问题,提出了一种地表氧化铁矿物含量的航空高光谱定量评估的方法。首先基于大气特征谱线的定标参数进行数据预处理;其次利用连续统去除和二次拟合的方法获取铁离子晶体场转移光谱特征;最后根据地面实测氧化铁含量进行回归分析。应用该方法评估了我国祁连山典型铁矿床区域的地表氧化铁含量,基于研究区的CASI/SASI航空高光谱数据,对地表氧化铁矿物进行了含量评估。研究表明,地表氧化铁航空高光谱定量评估的方法可靠,应用该方法可有效识别出氧化铁蚀变矿物富集区域。     

地块级航空高光谱遥感土地覆盖制图及其精度评估

利用高光谱遥感影像可以开展精细化土地覆盖制图,相关技术已在农业生产、植被生态等领域中广泛应用。然而,现有的面向像元或对象的分析方法在制图单元的合理性、精细性尚有欠缺。鉴于此,提出了基于随机森林的地块级高光谱土地覆盖制图思路,并利用雄安新区马蹄湾村高光谱影像开展实验与精度评估,综合类型精度和形态精度指标,探析不同划分尺度的制图优劣。在类型精度方面,结果表明：地块级高光谱土地覆盖制图效果及类型精度最优;在形态精度方面,发现地块级土地划分优于对象级划分结果。综合对比两类精度后得出,面向地块的高光谱土地覆盖制图可生产更符合用户需求的信息成果,具有较高的潜在应用价值。     

矿物高光谱解混进展研究综述

由于高光谱传感器低空间分辨率特征,岩石高光谱一般是矿物组分的综合反映。矿物高光谱解混对矿产勘查、矿物含量定量反演和野外地质填图等提供了可行的鉴定方法。首先介绍了2种主要的光谱混合模型;其次基于矿物混合机理特征,从模型驱动法和数据驱动法2个方面,对近年高光谱数据的端元提取和丰度求解算法进行归纳,分析各解混算法的原理和优缺点;然后从实验室实测数据、模拟数据和高光谱影像数据3个方面,对目前已开展的混合矿物高光谱解混实验进行概括,总结各算法的解混效果和适用性;最后针对各解混算法的特点和研究现状指出未来矿物高光谱解混的研究方向。     

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。     

航空高光谱遥感反演城市河网水质参数

针对多光谱遥感对内陆城市河网水体水质参数反演精度不高的问题,基于航空和水表高光谱遥感数据,利用半经验法对COD_(cr)、BOD_5、TP和TN进行定量反演。对水质采样化验数据和水表反射率进行相关性分析,计算最佳波段组合分别为650nm/683nm、689nm/667nm、692nm/649nm、787nm/678nm;建立研究区COD_(cr)、BOD_5、TP和TN水质参数反演模型,水质参数决定系数R~2分别为0.74、0.70、0.69、0.71,均方根误差RMSE分别为2.79、1.92、0.02、0.16,拟合效果次序为COD_(cr)TN BOD_5TP。利用验证样点对实验结果进行定量分析,反演效果次序为TNCOD_(cr)BOD_5TP,平均相对误差分别为2.6%、12.9%、16.7%、22%,基本与模型拟合效果次序一致,反演的水质浓度分布与城市河网的特点和实际情况相符,为流动性大、水质状况分布错综复杂的城市河网水质监测提供参考。     

土壤全钾含量高光谱估测模型

鉴于进行高光谱遥感全钾含量估测时,全钾含量及其高光谱反射率数据受到诸多因素的影响(复杂非线性问题),具有较大的模糊性和随机性,采用模糊识别理论建立数学模型对全钾含量进行估测。对横山县采集的84个土样350~2 500nm波段的光谱曲线,利用对数的一阶微分方法计算土壤全钾含量与光谱反射率的相关系数,然后根据极大相关性原则选择最佳波段作为光谱反演指标。经剔除异常样本后,考虑所有反演指标的组合方式,通过各个预测模型精度的对比,找出最佳全钾含量估测模型。     

遗传模块化神经网络的航空高光谱赤潮监测

研究对航空高光谱赤潮图像进行快速、准确地识别问题。传统单一BP网络在解决航空遥感高光谱图像大数据量问题时网络结构复杂、训练时间长、识别速度低。针对大数据量快速分析的需求,提出了一种集成结构的遗传模块化神经网络的航空高光谱赤潮识别方法。首先对学习任务进行划分,通过i/j分类方法组建训练样本集。然后,每个子神经网络模块仅仅针对特定小区域进行训练,为了避免传统BP网络在选择网络结构及参数时仅凭经验或反复大量实验的缺点,采用自适应遗传算法对网络结构及参数进行了优化。最后,通过模糊隶属度将分块学习的模块化神经网络进行集成。实验证明这种可以快速有效地对赤潮进行监测,为设计提供依据。     

植被覆盖区高光谱蚀变矿物填图

根据典型蚀变矿物诊断性波谱特征,在基岩裸露区利用高光谱遥感技术进行蚀变填图研究取得极大的成功。然而,在植被覆盖严重区,利用高光谱技术进行蚀变矿物填图研究成果较为罕见。本文利用河北省承德市大营子地区Hyperion数据为例,在植被覆盖度大于70％地区,基于综合光谱信息模型,把蚀变矿物信息与背景信息置于相同参考水平理念的基础上,开展了典型蚀变矿物填图研究,蚀变矿物填图结果与野外检查结果吻合较好。最后,根据蚀变矿物组合特征,并结合遥感地质解译结果及地质资料,圈定了找矿有利地段。     

矢量量化高光谱数据压缩性能评估

性能评估是高光谱数据有损压缩研究的一个关键问题。本文在分析三种典型的基于矢量量化压缩方案的基础上,以K-means聚类准确率的仿真统计比较了三种方案的性能优劣;提出一种失真标准抽取的性能评估框架,在缺乏背景资料的情况下,该框架可以对压缩方案性能给出直观评价,方便了压缩方案的选择及应用。     

基于支持向量机的航空高光谱赤潮监测

针对航空遥感高光谱图像大数据量快速分析的需求,本文提出了一种基于支持向量机(SVM)的航空高光谱赤潮监测方法.首先,利用对数残差法(LRC)归一化高光谱数据.然后,通过RPCL(Rival Penalized Competitive Learning)聚类分析划分训练样本空间从而形成训练样本集,并以支持向量机(SVM)作为识别器,试验结果证明了该方法的有效性.     

近红外和高光谱技术用于小麦籽粒蛋白含量预测探索

以57份小麦籽粒为样本,分别采用Vertex 70傅立叶近红外光谱仪(单籽粒测样附件)和近红外增强型高光谱成像系统采集光谱,建立预测小麦籽粒蛋白含量的模型。基于近红外的小麦单籽粒模型相关系数为0.52,交叉校验均方根误差为0.807;而基于高光谱建立的模型相关系数为0.81,交叉校验均方根误差为0.7035。结果表明:在样本量少且为籽粒形态时,可优先考虑高光谱技术替代传统的近红外单籽粒采样模式来检测样本内部品质,但其实用性还有待进一步验证。若深入结合图像信息,高光谱技术在农产品内外品质检测方面有更广阔的应用。     

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。     

高光谱遥感反演土壤重金属含量研究进展

土壤重金属污染是当今重要的世界性环境问题之一。如何快速高效地获取土壤重金属含量及分布信息是进行污染风险评价及预测研究的前提。高光谱遥感具有无损、实时获取信息的优势,利用高光谱技术反演土壤重金属含量仍处于探讨阶段,对其反演机理和建模方法的研究成果进行了介绍和分析。认为充分研究不同类型土壤对重金属的吸附特性,是深入理解重金属含量反演机理的基础。加强不同土壤类型、不同污染程度的案例对比分析,发展光谱信号处理方法,引入非线性建模算法,构建重金属形态量反演模型,是土壤重金属含量遥感估算研究的重要研究方向。     

高光谱图像变化检测技术研究进展

相对于自然图像和多光谱图像,高光谱图像包含丰富的空间—光谱信息,不仅能够保留目标的空间信息,还能够获取高度可辨别的光谱信息。因此,如变化检测、目标追踪等高光谱图像处理技术在对地观测任务中得到了广泛应用。然而,在高光谱图像变化检测的过程中仍然存在许多问题与挑战。如高光谱图像的高维复杂性、光谱差异性以及存在光谱混合等问题,影响变化检测效果。得益于深度学习理论的深入研究,高光谱图像变化检测技术研究得到了极大的发展。本文对现有基于深度学习的变化检测方法进行全面分析总结,按照高光谱图像采集条件是否相同,将其分为同构高光谱图像变化检测以及异构高光谱图像变化检测。其中,从特征提取的网络结构优化和特征提取前混合像素处理两个角度,又将同构高光谱图像变化检测方法进一步分为基于时序依赖和空谱信息提取的方法以及基于端元提取和解混的方法,分别总结各类方法的特点和局限性,并讨论未来的研究重点。此外,面对不同传感器获取的异构高光谱图像数据,现有的方法基于图论学习图像的结构关系,并基于图像变换将其转换至公共域从而进行变化检测处理。本文从高光谱图像变化检测领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像变化检测领域的发展现状、前沿动态、热点问题及趋势。     

基于航空高光谱影像的额济纳绿洲土地覆被提取

土地覆被分类是生态环境评价、植被变化分析以及区域生态水文过程研究的基础。航空高光谱遥感具有高机动、高空间分辨率和高光谱分辨率等特点,在土地覆被提取方面极具优势。以黑河下游机载高光谱遥感数据为基础,针对额济纳旗胡杨林国家级自然保护区植被单一、景观破碎和异质性强的景观特点,以及高光谱数据量大、冗余度高等数据特点,对比分析最小噪声变换与主成分分析两种降维方法,最大似然法、支持向量机与面向对象3种监督分类方法。依据研究结果,首先利用NDVI区分高光谱遥感数据中的植被与非植被类别,然后采用最小噪声变换分别进行降维处理,最后利用最大似然法对研究区内土地覆被类型进行分类提取,提取结果聚类处理。依据随机验证点结合地面调查数据和正射影像,对土地覆被分类结果进行精度验证,总体精度和Kappa系数分别为87.95%和0.855,表明分类结果精度高,能够为生态研究等提供有效数据。     

跨数据集评估的高光谱图像分类

目的 随着高光谱成像技术的飞速发展,高光谱数据的应用越来越广泛,各场景高光谱图像的应用对高精度详细标注的需求也越来越旺盛。现有高光谱分类模型的发展大多集中于有监督学习,大多数方法都在单个高光谱数据立方中进行训练和评估。由于不同高光谱数据采集场景不同且地物类别不一致,已训练好的模型并不能直接迁移至新的数据集得到可靠标注,这也限制了高光谱图像分类模型的进一步发展。本文提出跨数据集对高光谱分类模型进行训练和评估的模式。方法 受零样本学习的启发,本文引入高光谱类别标签的语义信息,拟通过将不同数据集的原始数据及标签信息分别映射至同一特征空间以建立已知类别和未知类别的关联,再通过将训练数据集的两部分特征映射至统一的嵌入空间学习高光谱图像视觉特征和类别标签语义特征的对应关系,即可将该对应关系应用于测试数据集进行标签推理。结果 实验在一对同传感器采集的数据集上完成,比较分析了语义—视觉特征映射和视觉—语义特征映射方向,对比了5种基于零样本学习的特征映射方法,在高光谱图像分类任务中实现了对分类模型在不同数据集上的训练和评估。结论 实验结果表明,本文提出的基于零样本学习的高光谱分类模型可以实现跨数据集对分类模型进行训练和评估,在高光谱图像分类任务中具有一定的发展潜力。     

AOTF高光谱成像探测作物氮素含量方法

使用声光可调谐滤光器(AOTF)型高光谱成像仪采集10种不同氮素处理水平下的西红柿苗各部位(老叶、嫩叶和主茎)的高光谱图像,经模板匹配预处理后提取615~1000 nm高光谱信息,采用竞争自适应重采样(CARS)方法优选西红柿苗氮素含量表达的特征部位和特征波段.实验结果表明:综合番茄苗叶茎的光谱信息建立的氮素定量模型性能最差,由番茄苗老叶和嫩叶建立的氮素定量模型性能较好,由番茄苗老叶建立的氮素定量模型性能最佳,在挑选的703,906 nm等10个波长点的基础上,采用5折—偏最小二乘交互校验方法建立的氮素定量分析模型的决定系数R2达到了0.95,交叉校验标准差(RMSECV)为0.08.因此,采用AOTF高光谱成像技术定量测量番茄苗氮素含量是可行的,应以氮素含量相对稳定的老叶建立定量分析模型,703,906 nm为氮素分析的首选特征波长.     

玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题|提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象|获取玉米叶片的花青素相对含量及高光谱反射率|分析350～1 000 nm波段范围内玉米叶片的反射光谱特征|建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型|并进行分析、比较。结果表明|玉米叶片花青素相对含量的敏感波段为548 nm；新光谱指数为521和698 nm组成的比值指数（RI(521,698)）、554和704 nm组成的差值指数（DI(554,704)）、557和701 nm组成的归一化指数（NI(557,701)）。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78|预测R2均大于或等于0.73|RMSE小于0.12|是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型|说明在一定的精度范围内|新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题,提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象,获取玉米叶片的花青素相对含量及高光谱反射率,分析350～1 000nm波段范围内玉米叶片的反射光谱特征,建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型,并进行分析、比较。结果表明,玉米叶片花青素相对含量的敏感波段为548nm;新光谱指数为521和698nm组成的比值指数(RI(521,698))、554和704nm组成的差值指数(DI(554,704))、557和701nm组成的归一化指数(NI(557,701))。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78,预测R2均大于或等于0.73,RMSE小于0.12,是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型,说明在一定的精度范围内,新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

苹果叶片氮含量高光谱反演方法对比

快速、无损、及时地准确估算苹果叶片氮含量是保证苹果产量和质量的基础,利用高光谱技术对苹果叶片氮含量进行遥感反演可为合理施肥提供理论依据.利用2012年和2013年山东省肥城市潮泉镇下寨村不同生育期的苹果叶片氮含量和相应的叶片光谱数据进行分析和建模.首先分析了叶片氮含量与原始光谱、一阶微分及三边光谱指数之间的相关性,筛选...