高光谱数据反演大气水汽研究

利用Hyperion高光谱数据,基于MODTRAN辐射传输模型进行模拟,分析表明943nm和953nm波段分别对干燥和湿润大气最敏感,是反演水汽的合适通道。提出针对Hyperion数据DCIBR方法反演大气总水汽含量,可以推广到环境与灾害监测预报小卫星星座超光谱数据的大气水汽反演。误差分析表明,大气散射作用以及地表反射率非线性变化,对DCIBR方法计算精度的影响比CIBR算法要小,大气模式引起的反演误差小于2%,通道的光谱特性是影响反演精度的重要因素。     

用MODIS影像反演环渤海地区的大气水汽含量

主要介绍通过遥感影像来反演大气水汽的算法，两通道比值法和三通道比值法。并用环渤海地区的MODIS影像对该地区的水汽进行了反演。     

EO-1 Hyperion高光谱数据的预处理

针对EO-1 Hyperion高光谱遥感数据的特点，在图像质量检查的基础上，对Hyperion图像进行了未定标和受水汽影响波段的去除、坏线修复、条纹去除、Smile效应降低、大气纠正等预处理，获得了较好质量的图像，为图像的进一步分析和实际应用提供了保障。结果表明图像大气纠正后光谱优化处理能进一步提高图像的质量。     

基于MODIS数据的大气水汽反演算法研究

水汽是天气变化的主要动力因素之一,同时大气中的水汽含量也是影响遥感应用的主要因素之一。介绍了MODIS近红外二通道比值法和三通道比值法反演大气水汽的思想,对反演算法的过程进行了推导和分析,并结合实例进行了总结和讨论。通过融合已有的两种水汽反演算法,较好地解决了利用NASA文档对水汽加权平均所遇到的问题,取得了较好的实验效果,对降水产品的生产具有一定的实际意义。     

基于混合像元分解的高光谱影像柑橘识别方法

为及时准确地监测柑橘种植信息,以江西省会昌县作为研究区,采用EO-1 Hyperion高光谱影像作为数据源,构建了基于混合像元分解的高光谱影像柑橘识别方法。首先,针对EO-1 Hyperion高光谱影像提供了242个波段,光谱范围广的特点,在波段选择、大气校正等预处理的基础上,提取研究区典型地物端元光谱曲线;然后,利用全约束线性光谱混合模型进行混合像元分解,提取出柑橘端元的丰度值,并通过对照高分遥感影像,构建柑橘端元丰度与柑橘实际种植的对应的关系。结果表明:由于典型地物端元提取中不可避免的误差及柑橘冠层覆盖度的差异,柑橘种植的准确识别与其柑橘端元丰度阈值存在对应关系。在经过反复试验的条件下,研究区柑橘端元丰度阈值设定在0.30~0.45范围之内,总精度达到90%以上,能够满足柑橘种植识别要求。     

基于719 nm水汽吸收波段的日光诱导叶绿素荧光反演研究

日光诱导叶绿素荧光(SIF)是一种植物光合作用直接探测新方法。目前O_2-A和O_2-B吸收线波段的叶绿素荧光填充效应被广泛应用于探测近红外(760 nm)和红光波段(687 nm)的植被冠层SIF信号。SIF光谱范围为650～800 nm,虽然水吸收波段(719 nm)介于叶绿素荧光发射峰值690 nm和740 nm之间,且具备较强的光谱吸收特征,但该水汽吸收光谱特征尚未应用于冠层SIF探测,因此,基于模型模拟和野外实验观测数据,使用夫琅禾费暗线SIF反演法,评价了基于719 nm波段水吸收波段的SIF反演潜力,其中野外光谱数据采用ASD FieldSpec Pro便携式地物光谱仪(3 nm分辨率)测量。首先,利用FLD、3FLD、iFLD等3种经典的SIF反演方法,检验和对比分析了719水汽吸收波段的SIF反演性能,结果表明使用水吸收线比使用O_2-B吸收线表现更优,反演RMSE为0.154 W/m~2/μm/sr。其次,定量计算了水汽和氧气吸收波段SIF反演的敏感度和不确定性,结果表明,719水汽吸收波段与O_2-B吸收线相比,其吸收线内外的反射率和荧光比值估算误差对SIF反演误差的贡献更小,但是显大于比02-A波段。最后,利用野外多角度和日变化观测实验数据,检验和分析了三个大气吸收波段的SIF反演结果,发现719 nm水吸收波段的冠层SIF与O_2-A和O_2-B氧气吸收波段具有相似的角度变化和日变化特征,表现为后视和热点方向的SIF高、前视和暗点方向的SIF低,以及中午SIF高、早晚SIF低。研究表明利用719 nm波段的水汽吸收波段的光谱信息,可以准确反演近地面冠层SIF信号,研究结果为近地面冠层SIF观测提供了一个新的波段。     

基于宽波段和窄波段植被指数的草地LAI反演对比研究

叶面积指数是一个重要的植被生理生态参数,为探讨不同植被指数反演叶面积指数的可行性,基于同空间分辨率不同光谱分辨率的HJ\|1B CCD1和Hyperion遥感影像数据,以内蒙古自治区赤峰市克斯克腾旗贡格尔草原为研究对象,选取几种常见宽波段植被指数和高光谱窄波段植被指数并结合4种常用回归模型,比较分析了不同植被指数反演叶面积指数的精度。结果表明:对于全部植被指数而言,PVI、MSAVI等综合考虑了土壤、环境等因素的植被指数较传统植被指数NDVI、RVI反演草地LAI精度更高。通过对比发现,在反演草地LAI方面,窄波段植被指数比宽波段植被指数表现出明显的优势。其中,窄波段垂直植被指数PVI验证模型的确定性系数R²为0.65,均方根误差RMSE为0.15,说明实测LAI和模拟LAI值之间具有较好的变化一致性。最后基于Hyperion影像和窄波段垂直植被指数PVI的估算模型生成研究区叶面积指数空间分布图。     

Hyperion高光谱遥感数据大气校正方法

由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节;通过应用大气校正模块FLAASH,研究选择了合适的大气模式、水汽含量、气溶胶模型、波谱分辨率和多散射模型等参数,对内蒙东胜地区Hyperion高光谱遥感影像进行大气校正;比较了校正前后典型地物的光谱曲线,并将它们与实验室典型地物光谱曲线进行对比,大气校正后得到的光谱曲线和实验室得到的光谱曲线具有较好的一致性,达到了去除大气影响的目的,同时校正生成的水汽分布也表明校正效果良好。     

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。     

Landsat-8 OLI与Sentinel-2 MSI山区遥感影像辐射一致性研究

受影像获取时间、大气条件、观测角度、传感器波段设置以及山地地形等因素的影响,山区多源、多时相光学遥感卫星影像间的辐射不一致问题较为突出。以Landsat-8 OLI与Sentinel-2 MSI为例探究山地多源遥感影像间的辐射一致性,旨在为多源影像在山区的协同应用提供理论支持。选取同期OLI和MSI影像,进行大气校正、BRDF校正、光谱通道校正以及影像间的辐射一致性分析,并研究地形对辐射一致性的影响。结果表明:(1)未经校正的Landsat-8 OLI-L1T与Sentinel-2 MSI-L1C反射率影像间的辐射一致性较高(各波段R2均大于0.9);(2)经过6S大气校正、C因子法BRDF校正,影像间辐射一致性进一步提高(如蓝波段反射率RMSD依次减小22%、10%),但光谱通道校正后一致性并未显著增强;(3)地形效应导致了影像阴坡、阳坡辐射一致性水平的较大差异(如BRDF校正后SWIR波段阳坡的反射率平均绝对差为0.010、RMSD为0.006 6,阴坡平均绝对差为0.005、RMSD为0.004 3),且阳坡辐射差异随坡度增大而增大,阴坡则相反。因此,在进行多源遥感影像协同之前,需要进行有效的大气校正、BRDF校正以及光谱通道校正。另外,针对山地遥感影像还应开展地形辐射校正以进一步提高影像间的辐射一致性。     

基于双倒高斯模型的高光谱数据植被光谱诊断性特征分析及水分反演

植被含水量是影响和评价植被生长状态的重要因素之一。因此,针对高光谱数据具有目标诊断性特征精细反演的特点,较为精准地提取了植被的光谱诊断性特征,在包络线去除法的基础上,提出了基于双倒高斯模型的光谱吸收峰特征参数提取方法。首先,根据植被光谱吸收峰特征建立了双倒高斯模型,其次,为了验证模型的正确性和有效性,利用地面试验数据及真实的Hyperion高光谱遥感数据对模型进行了验证。结果表明:通过模型提取的光谱特征参数:吸收峰深度、对称度与植被含水量呈线性相关,决定系数R2分别为0.86和0.76,RMSE为0.797和1.112。实验结果在证实了模型有效性的同时验证了高光谱数据对于植被含水量反演的可行性。     

海岸带高光谱遥感与近海高光谱成像仪(HICO)

应海岸带监测需求,高光谱成像仪开始在海岸带监测中发挥重要作用。搭载于国际空间站上的HICO(Hyperspectral Imager for the Coastal Ocean)是第一颗针对近岸海洋遥感的高光谱成像仪,其波谱范围为360～1 080 nm,光谱分辨率为5 nm。介绍了HICO数据的基本情况,并与在轨星载高光谱成像仪EO-1 Hyperion和HJ-1A HSI基本参数做了对比。同时针对高浑浊水体,以黄河三角洲近岸3种典型地物为例,结合FLAASH大气校正模型,提取了辐亮度和地表反射率,初步对比分析了HICO和HSI的光谱性能。结果表明HICO能更好地反映近岸地物的光谱特征。     

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。     

地球观测1号高光谱与全色图像融合的最佳方法

受制于成像原理及制造技术等因素,航天高光谱遥感图像的空间分辨率相对较低,为此提出将高光谱图像与高空间分辨率图像进行融合处理,设计最佳的增强高光谱遥感图像空间分辨率的融合算法。针对地球观测1号(EO-1)Hyperion高光谱图像和高级陆地成像仪（ALI）全色波段图像的特点,从9种具体遥感图像融合算法中选用4种融合算法开展山区与城市的数据融合实验,即Gram-Schmidt光谱锐化融合法、平滑调节滤波(SFIM)变换融合法、加权平均法（WAM）融合法和小波变换（WT）融合法,并分别从定性、定量和分类精度三方面对这些方法的融合效果进行综合评价与对比分析,从而确定适合EO-1高光谱与全色图像融合的最佳方法。实验结果显示：从图像融合效果看,在所采用的4种融合方法中,Gram-Schmidt光谱锐化融合法的效果最好;从图像分类效果看,基于融合图像的分类效果要优于基于源图像的分类效果。理论分析与实验结果均表明：Gram-Schmidt光谱锐化融合法是一种较为理想的高光谱与高空间分辨率遥感图像的融合算法,为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

Coupled correction and classification of hyperspectral imagery for mapping coral reefs of Agatti and Flat Islands,India

Among the various remote-sensing options available today to map ecomorphological classes of corals, hyperspectral remote sensing is one of the best options by virtue of its spectral capabilities, while high spatial resolution is a necessary condition to resolve finer morphological features spatially. Given high-spatial resolution data of equal to or better than 30 m, the discrimination capability of end-members of multi-/hyperspectral satellite data is dependent on the efficacy of the correction for atmospheric effects and the intervening water column. In this study, a coupled approach to account for oceanic and atmospheric radiative contributions, called the Coupled Ocean Atmosphere Radiative Transfer (COART), was applied to Earth Observing 1 (EO-1) mission Hyperion image data acquired over the coral reefs of Agatti Island in the Lakshadweep Islands, Arabian Sea and Flat Island in the Andaman Islands, Bay of Bengal, India. The paper presents an open-source approach to correct and perform unsupervised classification of Hyperion imagery using a custom-built software toolkit called HyperCorals. The study finds that Hyperion has sufficient capabilities for discrimination of a few ecomorphological classes and can be improved further by using coupled radiative transfer models. Correcting for the intervening water column helps in classifying submerged features. The k-means classification offers a simpler classification method to classify an image of a subset with 42 selected spectral channels of Hyperion in the visible and near infrared (VNIR) region than the traditional Iterative Self-Organizing Data Analysis Technique (ISODATA). The classification results using the cosine distance metric over 42 selected spectral channels of Hyperion in the VNIR region offer the potential to differentiate between various ecomorphological zones. The study also presents results from sensitivity analysis experiments and discusses the relative importance of three parameters: water column depth, bottom albedo, and chlorophyll concentration on the overall correction and classification of the imagery.     

An evaluation of EO-1 hyperspectral Hyperion data for chlorophyll content and leaf area index estimation

Estimation of chlorophyll content and the leaf area index (LAI) using remote sensing technology is of particular use in precision agriculture. Wavelengths at the red edge of the vegetation spectrum (705 and 750 nm) were selected to test vegetation indices (VIs) using spaceborne hyperspectral Hyperion data for the estimation of chlorophyll content and LAI in different canopy structures. Thirty sites were selected for the ground data collection. The results show that chlorophyll content and LAI can be successfully estimated by VIs derived from Hyperion data with a root mean square error (RMSE) of 7.20–10.49 μg cm^?2 for chlorophyll content and 0.55–0.77 m² m^?2 for LAI. The special index derived from three bands provided the best estimation of the chlorophyll content (RMSE of 7.19 μg cm^?2 for the Modified Chlorophyll Absorption Ratio Index/Optimized Soil-Adjusted Vegetation Index (MCARI/OSAVI₇₀₅)) and LAI (RMSE of 0.55 m² m^?2 for a second form of the MCARI (MCARI2₇₀₅)). These results demonstrate the possibilities for analysing the variation in chlorophyll content and LAI using hyperspectral Hyperion data with bands from the red edge of the vegetation spectrum.     

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)。     

基于独立分量分析的高光谱遥感影像决策树分类

为解决高光谱遥感影像波段众多所带来的信息丰富与“维数灾难”间的矛盾并提高分类精度,针对传统特征选择方法信息损失大的缺陷,基于EO-1 Hyperion高光谱遥感影像,采用独立分量分析(ICA)和决策树分类(DTC)方法联合运作流程,开展影像的地物分类实验研究,提出了ICA-DTC模型。首先运用ICA方法对影像进行特征提取,并以所提取的独立分量特征及其他地理辅助要素组成分类指标集;继而选择适当的指标组合和阈值设定判别规则,建立DTC模型进行影像的地物分类;最后将分类结果与传统最大似然分类法进行比对。结果显示：从分类的总体精度看,前者可达89.34%,高出后者18.8%;从单一地物的分类精度看,前者仅水体的精度略低于后者,而其他11种地物的精度都高于后者。理论分析与实验结果均表明,ICA-DTC模型可有效提高复杂地形条件下的地物分类精度。     

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。