提升小波和Savitzky-Golay滤波结合的近红外光谱去噪研究（英文）

在近红外光谱数据处理中,测得的近红外光谱数据不仅有被测样品的近红外特征光谱,还包含一些随机噪声,噪声的存在会影响后续光谱分析的准确性,为提高近红外光谱分析精度,需要对近红外光谱数据进行去噪处理。单一的提升小波去噪、小波去噪以及Savitzky-Golay滤波很难获得较好的去噪效果。因此提出将提升小波变换结合Savitzky-Golay滤波方法用于近红外光谱去噪,对降噪效果进行仿真与评估并与单一去噪方法进行对比。分别对添加随机噪声的1 467 nm近红外光谱进行单一小波去噪、提升小波去噪、Savitzky-Golay滤波以及提升小波变换结合Savitzky-Golay滤波进行去噪。实验结果显示所提出的方法去噪后的信噪比比单一三种去噪方法分别提高0.336 4、1.107 4、0.128 7,均方根误差分别降低0.002 6、0.009 1、0.001,表明所提方法能够有效去除近红外光谱中的噪声信息,并提高去噪的评估指标。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光G近红外多光谱波段的基础上,新增加的８个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5％。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5%。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

植被叶片含水量反演的精度及敏感性

针对利用多源遥感数据监测旱情变化需要研究波段宽差异对指数的影响,而目前缺乏相关对比研究这一问题,该文基于叶片辐射传输模型,选用已广泛应用的光谱指数(包括植被指数与植被水分指数),通过对比研究筛选出反演精度高、对叶片含水量变化敏感、受波段宽变化影响小(适合应用于多源遥感数据)的指数。结果显示,植被指数与植被水分指数反演叶片含水量精度均较高(确定系数:0.983,0.917)。但植被水分指数对叶片含水量变化敏感而对波段宽的变化不敏感,植被指数对叶片含水量变化不敏感且受波段宽变化的影响大。因此,在利用多源传感器数据估算叶片含水量时应选用植被水分指数。在所选植被水分指数中,对叶片含水量变化最敏感同时对波段宽的变化最不敏感指数为归一化差异红外指数(Normalized Difference Infrared Index,NDII)与全球植被湿度指数(Global Vegetation Water Moisture Index,GVMI)。     

植被指数在长江口潮滩湿地植被信息提取中的应用研究

以长江口崇明东滩湿地为研究区,分析了崇明东滩湿地实测反射光谱数据和Landsat TM地物反射波谱曲线,发现在近红外波段,植被的反射率差异最突出;在绿光波段,受水分影响较大的植被特征信息比较突出。在上述分析的基础上,选取9种典型的植被指数进行计算,提出了适合研究区植被信息提取的三波段比值植被指数TRVI。并且利用该指数,使用人工决策树分类方法,进行典型地物信息的提取,取得了满意的效果。     

水稻叶片含水量的高光谱遥感估算

针对高光谱估算不同品种水稻叶片含水量模型精度较低和参数复杂的问题,采集了20个品种、4个关键生长期(拔节-孕穗、孕穗-抽穗、抽穗-灌浆、灌浆-成熟)的水稻叶片高光谱和含水量数据,利用15种常见的植被指数反演水稻叶片含水量,建模效果均不够理想;利用叶片含水量敏感波段的反射率、光谱一阶导数构建归一化植被指数、比值植被指数和差值植被指数进一步探究,结果表明,利用一阶导数构建的差值植被指数DDV(R1 833,R2 236)建模精度和预测效果最佳,建模决定系数为0.72,验证决定系数为0.81,相对分析误差为2.29,可以有效估计不同品种水稻4个生长期的叶片含水量。     

基于蚁群优化算法的遥感器波段设置探究

卫星载荷研制发射后其光谱和空间观测模式固定,无法根据复杂地表的多样化需求进行实时灵活调整,且目前遥感器波段设置尚不完善还存在优化空间.引进基于蚁群优化算法的波段选择方法(AntColonyOptimization basedBandSelection,ACOBS),结合北美区域３３景AVIRIS航空高光谱图像,开展了不同区域、不同地表覆盖类型的高光谱波段优选研究,发现各地表类型优选波段组合存在一定差异,其中４波段组合中红光、近红外波段为２个共同入选波段,６波段组合中绿光、红光、短波红外波段为３个共有波段,８波段组合中紫光、绿光、红光、红边、近红外１、近红外２、短波红外１、短波红外２为８个共有入选波段,其他入选波段与地表覆盖类型有关.在此基础上,进一步开展了多光谱卫星波段设置评价研究,发现:４波段优化方案中,绿光、红光、近红外波段１ (７７０~８９５nm)、近红外波段２(９００~１３５０nm)为最优波段组合;６波段优化方案中,绿、红、红边、近红外１(７７０~８９５nm)、近红外２(９００~１３５０nm)、短波红外１(１５６０~１６６０nm)为最优波段组合;８波段优化方案中,蓝、绿、红、红边、近红外１(７７０~８９５nm)、近红外２(９００~１３５０nm)、短波红外１(１５６０~１６６０nm)和短波红外２(２１００~２３００nm)为最优波段组合.研究结果表明Land satTM OLI、SPOT等陆地资源遥感器波段设置还存在一定优化调整空间,特别是红边波段在目前传感器波段设置中没有得到足够重视.     

整合机载CASI和SASI高光谱数据的北方森林树种填图研究

将机载CASI和SASI高光谱数据整合,既可以获取可见光-近红外-短波红外区间连续的窄波段地物光谱,又能得到很高的空间分辨率,为高覆盖度的森林树种识别又增加了一种新方法。但是由于两种传感器的光谱响应不同,接收到的辐射值差异较大,如何将两种数据有效整合目前仍是一个难题。CASI和SASI覆盖谱段不同,受大气影响程度也不同,根据植被反射和吸收光谱特性,首先用基于统计模型的经验线性法和基于辐射传输的MODTRAN模型分别对CASI和SASI大气校正,复原地物光谱真实的反射率。然后去除反射率光谱包络线,用Savitzky\|Golay滤波函数对归一化后的光谱曲线进行平滑,以去除噪声及异常点,实现CASI和SASI数据（CASI+SASI）的整合。与实测光谱曲线对比发现,整合后的CASI+SASI光谱曲线与实测光谱曲线匹配度较高,并且比单一传感器的光谱信息更丰富,有利于不同树种的区分识别。最后应用光谱微分及曲线匹配技术,选取SVM分类器实现了研究区的树种填图,总体精度达到86.21%,Kappa系数为0.8297,该方法有效可行,为后续的相关研究提供了参考。     

高光谱图像大气校正自动化与快速处理北大核心CSCD

全谱段宽幅高分辨率推扫式光谱成像仪作为我国新一代航空高光谱成像仪已进入应用校飞阶段,文章针对其TB/日数量级高光谱图像快速处理问题,对大气校正过程的参数自动化设置方法和并行加速方法进行研究。在传统基于辐射传输模型的大气校正基础上,分析了可见近红外和短波红外通道是否波段合并、重合波段优选、大气类型选择、是否水汽反演、水汽吸收波段选择等方面对反射率反演精度的影响,实现了参数优化自动设置,并开发了并行化大气校正算法。以吉林榆树和辽宁辽中的数据进行验证,结果表明,反演反射率与参考真值反射率一致性高,同时处理速度比串行处理大大提高,可为高光谱反射率数据产品的业务化生产提供有力工具。     

基于小波阈值法的近红外光谱去噪研究

信号在产生、处理和传输等过程中,不可避免地要受到噪声的干扰。为了保障对信号后续更高层次处理的精度,信号去噪十分必要。利用小波变换和阈值处理在原始含噪信号中进行分解和重构,从而消除噪声的原理对近红外光谱进行去噪研究。主要目的是比较、分析小波变换在四种不同的阈值选取规则(固定阈值规则、无偏似然估计阈值规则、混合型阈值规则、极大极小阈值规则)下对近红外光谱的去噪效果。文章基于任一随机生成信号,利用MAT-LAB工具分别去噪、绘制效果图,并计算信噪比及均方误差值。通过实验、计算、比较及分析,四种阈值选取原则下,小波阈值方法对近红外光谱去噪效果均较好,光谱信号特征被较好保留,光谱噪声几乎被完全抑制。其中,固定形式小波硬阈值去噪效果最好。     

茶叶光谱与叶绿素、茶氨酸、茶多酚含量关系分析

利用茶叶反射光谱数据分析茶叶中有机物组分的含量,能够快速、无损地进行茶叶品质鉴定。选择浙江省丽水市松阳县和绍兴市越城区的4个茶叶品种的新叶、成熟叶和老叶的样本,进行了光谱测量和3种有机物组分(叶绿素、茶氨酸和茶多酚)的含量检测。然后利用最佳指数法选出了估算这3种有机物的最佳波段,建立了估算3种有机物含量的多元回归线性模型。最后,比较了多元散射校正变换、标准归一化变换、结合Savitzky-Golay滤波的一阶导数变换这3种不同的光谱数据预处理方法的估算结果的差异,并分析了敏感波段的产生原因。研究结果表明:利用茶叶光谱估算叶绿素含量的效果最好,模拟值与实测值之间R~2大于0.9;估算茶氨酸的效果次之,模拟值与实测值之间R~2约为0.7;估算茶多酚的效果最差,模拟值与实测值之间R~2仅为0.65左右。     

西南地区不同山地环境梯度叶面积指数遥感反演

叶面积指数(LAI)遥感估算是植被定量遥感研究的热点之一,监测植被LAI时空变化对于研究陆地生态系统碳循环及全球变化等具有非常重要的意义。在我国西南山区设置10个50km×50km的观测样区作为研究区,其中包括5个森林生态系统样区、3个农田生态系统样区和2个草地生态系统样区。分别获取不同优势植被类型LAI地面实测数据,结合同期获取的遥感数据,考虑地形因素影响,基于偏最小二乘原理分别构建各样区LAI遥感估算模型,并采用交叉验证的方式对模型精度进行评价。结果表明:考虑了海拔、坡度和坡向等地形因子的森林LAI遥感反演模型与未考虑地形变量的模型相比,其验证精度有所提高,R2由0.30~0.75提高至0.50~0.80,RMSE由0.52~0.93m2/m2降低至0.48~0.89m2/m2;所有样区优势植被类型LAI反演模型验证R2在0.40~0.80之间,RMSE在0.22~0.89m2/m2之间。发展的LAI遥感估算方法有助于认知山地植被LAI反演的地形效应问题,可为进一步的山地植被长势监测提供科学依据。     

基于ASTER数据黑河中游植被含水量反演研究

植被含水量是影响植物生长的主要限制因子之一,也是衡量植被生理状态和形态结构的重要参数。应用遥感技术定量估测植被含水量,对于农业旱情监测、作物产量估计和科学研究具有重要意义。基于2012年黑河生态水文遥感试验期间获得的6景ASTER遥感数据和同步观测的研究区生物量观测数据集,选取NDVI、RVI、SAVI和MSAVI 4种植被指数分别与单位面积内植被含水量的关系进行比较分析,建立了不同植被指数的植被含水量反演模型,并对反演结果进行了验证。研究结果表明:4种植被指数均与实测的植被含水量有较高的相关性(R20.846),利用MSAVI反演的植被含水量精度略优于其他3种指数,其均方根误差(RMSE)在0.794kg/m2内。模型较为可靠,可以为大范围获取植被含水量信息提供有效方法。     

Research on Vegetation Extraction and Fractional Vegetation Cover of Spartina Alterniflora Using UAV Images

In this study，vegetation extraction and fractional vegetation cover of Spartina alterniflora (S.alterniflora )was studied in an experimental region of Sansha bay，a typical coastal wetland area in Fujian Province，China.A new vegetation index visible\|band modified soil adjusted vegetation index (V\|MSAVI)was constructed and the fractional vegetation cover was calculated subsequently based on the NDVI model.Results showed that，the S.alterniflora extraction results by V\|MSAVI had a satisfactory precision.Most of the fractional vegetation covers of S.alterniflora were in medium\|level coverage (40%~60%)and a high\|level coverage (60%~80%).An accuracy analysis based on the visual interpretation indicated the overall extraction results accuracy of 0.89，and a kappa coefficient of 0.77.Root mean square error (RMSE)of fractional vegetation cover between the estimation value and the true value was 0.06，and the determination coefficient R² was 0.92.     

Smoothing vegetation spectra with wavelets

In hyperspectral remote sensing, spectra are increasingly analysed using methods developed for laboratory studies, such as derivative analysis. These techniques require smooth reflectance spectra. Therefore, there is a need for smoothing algorithms that fulfil the requirement of preserving local spectral features while simultaneously removing noise. Noise occurs in variable intensity and over different band widths.

Several methods for smoothing a signal exist, including the widely used median and mean filters, the Savitzky–Golay filter applied to laboratory spectra, the cubic spline, and the recently developed transform-based thresholding using the wavelet transform. We compare all these methods using reflectance spectra of the canopy of salt marsh vegetation.

The best trade-off between noise reduction and the preservation of spectral features was found to be the wavelet transform, specifically using a translation invariant de-noising based on the non-decimated or stationary wavelet transform.     

Comparison of the sensor dependence of vegetation indices based on Hyperion and CHRIS hyperspectral data

In previous studies of the universal pattern decomposition method (UPDM), spectral shifts, which are very common in hyperspectral imaging spectrometers, were not taken into account when calculating standard spectral pattern vectors. This study evaluated the effect of spectral shifts on the sensor dependence of the vegetation index based on the UPDM (VIUPD) and 11 other vegetation indices (VIs). Spectral shifts were calculated using Gao's spectrum-matching method. The influences of smoothing techniques (moving average and Savitzky–Golay filters) on the consistency of these VIs were also evaluated and compared. Data from the typical narrowband imaging spectrometers, Hyperion and the Compact High Resolution Imaging Spectrometer (CHRIS), were chosen for the study. For all VIs, both smoothing and spectral calibration changed the consistency between Hyperion and CHRIS. Spectral calibration had a positive effect on the majority of VIs, whereas smoothing improved the performance of some VIs but decreased the consistency of others. When compared with spectral calibration and Savitzky–Golay smoothing, moving average generated greater variations within the results. Among the smoothing techniques employed, moving average smoothing exhibited a larger distortion of VI sensor dependency than that of Savitzky–Golay smoothing of the same order. VIUPD based on narrowband hyperspectral data was sensitive to spectral operations (spectral calibration and smoothing). For VIUPD, spectral calibration increased its sensor independence, whereas smoothing had a negative effect. After spectral calibration, VIUPD was more sensor independent than any other VI examined in this study.     

基于Radarsat-2全极化数据的高原牧草覆盖地表土壤水分反演

大面积土壤水分反演对于青海湖流域草场的管理和保护具有重要的意义。利用C波段全极化的Radarsat-2 合成孔径雷达(SAR)影像数据,开展了青海湖流域刚察县附近草场的土壤水分反演研究,在“水-云”模型和Chen模型的基础上,发展了一种新的土壤水分反演算法。该算法消除了植被覆盖以及地表粗糙度对雷达后向散射系数的影响。实验结果表明:预测结果能够与实测数据很好地吻合,R²、RMSE和RPD分别达到0.71\,3.77%和1.64,反演精度较高,能够满足研究区土壤水分的反演精度要求。如果能够更细致地刻画植被层以及地表粗糙度对雷达后向散射系数的影响,土壤水分反演精度有望得到进一步提高。
     

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。     

Retrieval Rice Leaf Area Index Using Random Forest Algorithm based on GF-1 WFV Remote Sensing Data

Leaf Area Index(LAI) is an important indicator of vegetation growth and reflects the productivity of farmland ecosystems.In this study,rice LAI was mapping using LAI retrieved model based on rice vegetation indexes from multi\|temporal GF\|1 WFV and situ LAI measurements data obtained in different rice growing periods over rice fields taking Dongtai county,Jiangsu province as a case study.The LAI retrieval model was constructed using random forest algorithm(RF).Results showed that the RF model achieved high accuracy that the RMSE was 1.03 and the coefficients of determination(R²) between retrieved LAI and measured LAI reached 0.88.The mean relative error between retrieved LAI and measured LAI in different growing periods was 15%.The trend of rice LAI could be reflected by the retrieved value and GF\|1 WFV data has high ability to distinguish the waters and road network in study area.     

基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究

地上生物量是衡量草地长势及生态系统服务功能的重要参数,对于草地生态系统碳收支、资源可持续开发等研究具有重要意义。研究基于若尔盖高原典型样带的无人机可见光影像和地面实测样本,建立生物量与多种可见光植被指数的指数回归模型,对比不同植被指数模型的生物量估算精度的差异。结果表明:可见光植被指数能够有效区分草地和其他覆盖类型,生物量与植被指数具有较好的相关关系。但基于不同波段建立的植被指数对生物量的估算精度存在差异,其中利用红、绿波段建立的植被指数NGRDI模型对生物量具有最高的模拟精度(R~2=0.856)和预测精度(验证样本ABE=94g/m~2,RMSE=124g/m~2)。研究获取了高空间分辨率的草地地上生物量,相关成果可为若尔盖高原碳收支、卫星遥感产品真实性检验、生态模型、资源可持续利用等研究提供方法与数据支撑。