基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

基于高光谱数据的戈壁地表砾石粒径反演研究

戈壁地表砾石粒径组成特征反映戈壁形成过程信息,且在很大程度上决定戈壁改造利用的难易,是开展戈壁研究的基础和前提。结合高光谱数据的微分变换,遴选出砾石粒径的敏感波段与反演方程,进行戈壁地表砾石粒径反演研究。结果表明：微分变换后的砾石光谱反射率与粒径有较好相关性,相关性最好的波段为908nm、983nm和985nm。其中,对数倒数微分变换之后的反射率与粒径成正相关（R² =0.61）,而一阶微分、平方根微分、对数微分3种变换形式之后的反射率与粒径呈负相关,相关系数分别为-0.633、-0.646、-0.649。将一阶微分变换后的光谱数据与粒径进行回归分析,发现一元三次回归模型具有较好的拟合精度,其中对数微分在回归分析中表现最好（R² =0.851）,经过验证得出对数微分预测精度（75.27%）高于其他4种微分形式的精度,表明砾石光谱的对数微分变换之后的908nm波段可应用于戈壁地表砾石粒径的反演。     

海岸带浅海水深高光谱遥感反演方法研究

近红外波段(760~900 nm)反射率对水深最为敏感,通过波段比值方法可以提高与水深的相关性,而711nm处反射率一阶微分值与水深的相关系数高达-0.87。对于近岸混浊度高的样本,单波段和比值模型反演效果不好,平均相对误差均高于30%;而光谱微分模型的精度较好,平均相对误差为17%。研究结果证明:水体反射率的一阶微分可以有效地削弱水质变化给水深反演带来的误差。     

基于离子光谱特征波段反射率的土壤碱化指标反演模型

以新疆奇台地区碱化土壤为研究对象,通过分析碱化土壤实测光谱反射率曲线与八大离子、pH、碱化指标相互间的相关关系,建立基于离子光谱特征波段反射率的各碱化指标一元及多元光谱反演模型,并对其精度进行验证。结果显示:Na^+、CO_3^2-、HCO_3^-含量与光谱反射率正相关,最高点的相关系数分别为0.710、0.798、0.749,而Ca²⁺、Mg²⁺含量与光谱反射率负相关,相关系数最高均不超过-0.370,反映出前3类离子含量与光谱反射率关系更为密切。SAR(钠吸附比)和ESP(碱化度)与Na+相关系数同为0.954,TA(总碱度)、RSC(残余碳酸钠)、pH与CO_3^2-的相关系数分别为0.946、0.949和0.953,总体上Na^+和CO_3^2-含量对各碱化指标的影响更大。各碱化指标与土壤光谱反射率的相关性TA>RSC>ESP>pH>SAR;其中TA与光谱反射率的相关系数达到0.863。碱化指标TA的离子光谱特征波段反射率反演模型精度最好,其R^2为0.703,比利用实测光谱反射率建立的pH反演模型的R^2高约14%,说明前者精度更高,能更好地反映研究区内土壤的碱化程度。利用离子光谱特征波段反射率实现对土壤碱化的预测会成为今后研究的重点。     

基于高光谱信息的芦苇和香蒲地上干生物量反演方法研究

植物生物量是反映湿地生态系统功能与健康状况的重要指标,高光谱技术可以为定量监测挺水植物生物量提供快速、无损的数据采集与分析处理方法。利用Field Spec 3野外高光谱辐射仪,获取了北京市门城湖湿地公园内典型挺水植物芦苇(Phragmites australis)和香蒲(Typha angustifolia)的冠层高光谱数据,同步采集了对应区域两种挺水植物的样品,测定了其地上干生物量;分别采用原始光谱、微分光谱、植被指数、归一化和比值光谱指数、"三边"参数、吸收特征参数6种方法,分析了芦苇和香蒲的冠层高光谱数据与其地上干生物量关系的差异,选择与地上干生物量显著相关的高光谱特征参数,利用一元线性回归、逐步多元回归和偏最小二乘回归方法,建立反演模型;利用交叉检验中的3K-CV(Three K-fold Cross Validation)方法,对反演模型的估测精度进行了检验。结果表明,在通过6种光谱分析方法获得的高光谱特征参数中,与芦苇地上干生物量相关系数最大的高光谱特征参数为550~800 nm波段的吸收深度,相关系数为0.847;与香蒲地上干生物量相关系数最大的高光谱特征参数是由680 nm、735 nm两波段构建的归一化光谱指数,相关系数为0.953。从3种回归模型的反演结果来看,偏最小二乘回归模型的反演结果最好,其次是逐步多元回归模型,而一元线性回归模型的反演结果相对较差。3K-CV法的交叉检验结果显示,反演芦苇和香蒲地上干生物量的3种模型都取得了较理想的估测精度,最小估测精度为90.86%,最大为95.23%。利用挺水植物冠层高光谱信息,可以反演其地上干生物量。     

基于实测光谱的潮滩土壤含水量遥感反演模型研究

以王港潮滩为研究区,采集土壤样品,测量土样的光谱,分析不同含水量土壤的光谱特征;利用统计相关法,建立TM遥感影像各波段对应波长处的光谱反射率与土壤含水量之间的关系模型.研究结果表明,在干燥条件下,土壤颗粒越细小,土壤表面越光滑平整,土壤光谱反射率越高,随着土壤含水量的增加,土壤反射率呈下降趋势;波长越长,土壤光谱反射率与含水量的相关性越高,其中2 220 nm处的土壤光谱反射率与含水量具有最高的相关性;通过不同的波段组合,建立新的土壤含水量反演因子,其中由490 nm与2 220 nm处光谱反射率的差值建立的因子与土壤含水量具有较高的相关性;由单波段与波段差值因子建立的土壤含水量反演模型的预测误差分别为4.590和5.147,反演精度较高.因此所建模型可以用于获取潮滩土壤含水量的空间分布,能够为研究潮滩土壤含水量与潮滩地形地貌之间的关系提供数据支持.     

荒漠-绿洲交错带土壤N、P、K含量的高光谱反演模型

利用新疆奇台县荒漠-绿洲交错带的75个土壤样本,选取土壤可见光-近红外光谱的反射率（R）、光谱反射率倒数之对数（lg（1/R））、光谱反射率一阶导数（FDR）和光谱波段深度（Depth）4个指标,分析了其与土壤N、P、K元素含量的关系,分别建立了反演模型并对其精度进行了检验。结果表明：可见光-近红外反射光谱快速估算荒漠-绿洲交错带土壤N、P、K元素含量的潜力大,其预测精度由高到低的排列顺序为：N>P>K。不同光谱指标反演模型的精度各异,指标Depth和FDR的预测效果明显优于lg（1/R）和R,对N和P元素的拟合效果为：lg（1/R）相似文献   

基于HJ-1A高光谱影像的盐渍化土壤信息提取——以渭干河-库车河绿洲为例

以环境小卫星高光谱影像为主要数据源,在野外实测样本的支持下进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应敏感波段,利用曲线回归分析方法,建立基于高光谱影像的新疆渭干河-库车河绿洲土壤含盐量定量反演模型.结果表明:研究区土壤含盐量的影像响应波段基本位于近红外波段,其中以780～924 nm波长范围最佳,相关系数R≈0.8;反射率对数的倒数一阶微分土壤含盐量预测模型精度最高,回归方程为Y=-4.152-27.735X+769.813X2,模型及其检验的决定系数都在0.88以上,均方根误差约为3.该模型的建立可为区域盐渍化土壤信息的提取及监测提供参考.     

基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

剑湖湿地中菰的叶绿素含量高光谱估算模型研究

2017年7月27日,在云南省剑湖湿地中,利用ASD Filed Spec 3光谱仪和CCM-200 Plus叶绿素仪,分别测量了菰(Zizania caduciflora)的反射光谱和叶绿素含量指数(chlorophyll content index,CCI);利用原始光谱反射率以及经一阶微分和连续小波变换的反射率数据,对菰的反射光谱特征进行了研究;分析原始光谱反射率、一阶微分的反射率、"三边"参数、经Mexican Hat小波变换的反射率的小波系数与叶绿素含量指数之间的关系,筛选出显著相关的变量,采用多元逐步线性回归方法,建立叶绿素含量指数的估算模型,并检验估算模型的精度。研究结果表明,菰与健康绿色植物的原始反射光谱特征相同,利用经一阶微分和连续小波变换的反射率数据,可以更好地提取菰反射率信息和分析菰的反射光谱特征;菰的所有波段的原始反射率都与叶绿素含量指数不相关,但是经过一阶微分和小波变换后的反射率,其在一些波长范围内与叶绿素含量指数显著相关;在同一环境下生长的菰叶绿素含量差异明显;在建立的3个叶绿素含量指数估算模型中,利用小波系数建立的回归模型的估算精度相对较高,其决定系数为0.310,均方根误差为6.725。     

Detecting biophysical properties of a semi-arid grassland and distinguishing burned from unburned areas with hyperspectral reflectance

This paper examines the utility of hyperspectral remote sensing to detect fresh and dry biomass, water content and plant area index of burned and unburned grassland in southern California. Contrary to many previously published reports, the normalized difference vegetation index (NDVI, a vegetation greenness index) was not a good indicator of any of these important biophysical properties in either the burned or unburned area, especially after regeneration. Rather, the water band index (WBI, an index of water status in vegetation) showed better promise of estimating these biophysical properties in this semi-arid ecosystem. Despite the post-regeneration similarities in visual and harvested values of these two areas, we found that the full range of hyperspectral reflectance in ‘visible to infrared’ (400–1000 nm) wavelengths when used in a cluster analysis can readily differentiate the burned and unburned areas. This demonstrates the utility of hyperspectral remote-sensing in mapping subtle features that may not be detectable from conventional remote-sensing indices (e.g. NDVI) alone.     

基于小波分析的土壤速效K含量高光谱反演

选取新疆奇台县的134个土壤样本,利用土壤反射率对数的一阶导数光谱分别对4 种小波函数进行多层离散分解,采用PLSR方法分别建立了土壤速效钾含量的反演模型,并对其精度值进行检验。结果表明：小波分解获得的各层低频系数以1～3层较高,而其余各层则较低。所有函数分解的6层中,均以第2层低频系数建模的精度最高,随着分解层数（>2层）的增加,其精度值和显著性明显降低。相同尺度下,采用4种小波函数的低频系数构建的反演模型的精度差异较小,而Bior1.3为最优函数;基于Bior 1.3分解的ca2低频系数建模的R²达0.964,RMSE仅为8.19 mg·kg^-1,且为极显著水平,为最佳反演模型,经样本检验后发现,此模型可用以快速、准确估算土壤高光谱速效钾含量。     

Remote Sensing Inversion for Simulation of Soil Salinization Based on Hyperspectral Data and Ground Analysis in Yinchuan,China

The Pingluo area, as an experimental study area in Yinchuan, has been subjected to major environmental degradation due to soil salinization problems. Soil salinization is one of the main problems of land degradation in arid and semiarid regions. In the present study, remote sensing was integrated with mathematical modeling to evaluate soil salinization adequately. To detect soil salinization, soil water content and electrical conductivity of soil samples were analyzed. The reflectance of soil samples was measured using a spectrometer (SR-3500) with 1024 bands. Indices of soil salinity, vegetation and drought were analyzed using Landsat images over the study area. Based on Landsat images, physicochemical analysis, reflectance of sensitive bands for soil salinization and environmental indices, canopy response salinity index (CRSI), perpendicular drought index (PDI) and enhanced normalized difference vegetation index (ENDVI), a new model was established for simulation and prediction of soil salinization in the study area. Correlation analyses and multiple regression methods were used to construct an accurate model. The results showed that green, blue and near-infrared light was significantly correlated with soil salinity and that the spectral parameters improved this correlation significantly. Therefore, the model was more effective when combining spectral parameters with sensitive bands with modeling. After mathematical transformation of soil reflectance, the correlations of bands sensitive to soil salinization were 0.739 and 0.7 for electrical conductivity and water content, respectively. After transformation of vegetation reflectance, the correlation coefficient of soil salinity became 0.577. After inversion of the model based on soil hyperspectral and water content, the significance became 0.871 and 0.726, respectively, which can be used to predict soil salinity and water content. The spectral soil salinity model had a coefficient of 0.739 for soil salinity prediction. Among the salinity indices, the CRSI was selected as the most significant, with R² of 0.571, whereas the R² for PDI reached only 0.484. Among the vegetation indices, the ENDVI had the highest response to soil salinity, with R² of 0.577. After scale conversion, the correlation percentages between CRSI and measured soil salinity and between ENDVI and measured soil salinity increased to 16.2% and 8.5%, respectively. Following the correlation between PDI and soil water content, the percentage of correlation increased to 11.6%. The integration of hyperspectral remote sensing, ground methods and an inversion method for salinity is a very important and effective technique for rapid and nondestructive monitoring of soil salinization.

     

科尔沁沙地几种固沙植物光谱-生物量模型构建与分析

在控制背景反射噪音、植被盖度和水分含量的条件下,利用ASD光谱仪对科尔沁沙地4种主要固沙植物杨树(Populus spp.)、黄柳(Salix gordejevii)、小叶锦鸡儿(Caragana microphylla)、樟子松(Pinus sylvestris)光谱反射特征和地面光谱生物量模型构建进行了研究.结果表明:科尔沁沙地4种主要固沙植物光谱反射曲线的趋势基本一致,但是在620～670 nm与841～876 nm波长范围内存在差别,其中在波长620～670 nm最易识别的植物为小叶锦鸡儿,其次是黄柳、杨树,在波长841～876 nm范围最易识别的植物为樟子松、杨树.不同植物的NDVI与盖度和生物量的关系密切,模型拟合精度较高.相对而言,NDVI-盖度模型优于NDVI-生物量模型.不同植物种构建的NDVI盖度模型计算结果相差较小,而NDVI生物量模型的计算结果相差较大.在区域植被生产力遥感监测中,植被样方选择要考虑优势植物种影响,数据采样要涵盖研究区主要植物种.     

GWR模型在土壤重金属高光谱预测中的应用

目前土壤重金属高光谱反演模型大多忽视了重金属与光谱变量间相关关系的空间异质性,这与实际情况不相吻合,而地理权重回归（GWR）模型能有效地揭示变量间关系的空间异质性。本文以福州市土壤重金属Cd、Cu、Pb、Cr、Zn、Ni为对象,构建土壤重金属预测的GWR高光谱模型,并将预测结果与普通最小二乘法回归（OLS）结果进行比较分析,探讨GWR模型在土壤重金属高光谱预测中的适用性及局限性。结果表明：① GWR模型在土壤重金属高光谱预测中适用与否取决于重金属对光谱变量影响的空间异质性程度：对于Cr、Cu、Zn、Pb等对光谱变量影响空间异质性大的元素,其GWR预测精度较OLS提高明显,表现为GWR模型的调节R²较OLS模型有了明显提高,分别为OLS模型的2.69倍、2.01倍、1.87倍和1.53倍;而AIC值以及残差平方和较OLS模型却明显降低,AIC值减少量均大于3个单位,残差平方和则仅分别为OLS模型的25.33%、30.09%、47.22%和86.84%;对于Cd和Ni等对光谱变量影响空间异质性小的元素,相较于OLS模型,GWR模型的调节R²分别提高了0.015和0.007,残差平方和分别减少了5.97%和4.18%,但AIC值却分别增加了2.737和2.762,GWR预测效果改善不明显;② 光谱变换可以有效增强土壤重金属的光谱特征,其中以光谱的倒数变换效果最好,而且该变换及其微分形式可以很好地提高模型的预测效果;③ GWR模型的应用前提是变量间关系的空间非平稳性,适合在与土壤光谱变量间关系具有显著空间异质性的重金属高光谱预测中推广。     

基于减小叶片水分影响的湿地芦苇氮浓度高光谱反演研究

以盘锦双台河口湿地国家级自然保护区作为研究区,采用基于bootstrap的偏最小二乘回归模型（PLSR）,分别构建不同光谱变换技术（包括光谱水分影响减小技术WR、包络线去除CR、光谱一阶微分FD、光谱倒数的对数LR）和原光谱数据（R）的芦苇叶片氮浓度预测模型。使用变量投影重要性指标VIP,计算了各光谱波段在估算芦苇叶片氮浓度时的重要性。研究结果表明,WR光谱变换技术的芦苇叶片氮浓度估算精度最高（R²=0.87,均方根误差=0.57）,该方法可以有效减小叶片水分的影响,增强鲜叶片光谱中细微的氮吸收特征。     

青海湖环湖地区草地植被生物量遥感监测模型

利用青海湖环湖地区2000年陆地卫星TM遥感图像数据和同期野外实测的34处样方产草量数据,分析了遥感植被指数与草地植被生物量之间的相关关系,进而分别建立了遥感植被指数与草地植被生物量的一元线性回归模型和非线性回归模型。研究表明,遥感植被指数与草地生物量之间存在较好的相关性,但不同遥感植被指数与草地植被生物量相关性程度存在一定差别。此外,所建遥感植被指数与草地植被生物量的非线性回归模型在拟合精度上优于一元线性回归模型,且由三次方程得到的非线性回归模型最适用于监测青海湖环湖地区的草地植被生物量。     

塔里木河荒漠植被光谱可分性模拟

以塔里木河典型植被为研究对象,分析胡杨、芦苇叶片及柽柳冠层的可分性,并计算背景的影响。首先用ASD光谱仪测新鲜叶片光谱,找出光谱特征点;然后模拟EO-1高光谱数据和TM多光谱数据;最后植被与土壤光谱按比例混合,分析背景的影响。以上三步分别计算植被指数（VI）。结果显示:叶片光谱特征位置430 nm、670 nm、750 nm附近,黄边斜率和红外平台平均高度,1 080~1 280 nm、1 430~1 650 nm能够区分塔里木河流域3个主要植被类型。模拟的EO-1波谱保持了控制波形的10个特征,TM 只有绿反射峰和红吸收谷、近红外1个反射峰3个特征,大部分特征都消失了。植被指数显示(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650、D712/D688能够区分3类,且指数值差异较大,为绿峰、红谷和近红外波峰的组合;模拟的EO-1数据(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650能分别区分植被,TM多波谱数据不能有效区分植被。     

南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演

利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度(TSM)与悬浮泥沙浓度(SSC)的最适单波段、双波段(波段比值)和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。     

基于偏最小二乘法的玉米FPAR高光谱反演模型研究

以ASD FR便携式光谱仪与LI-191SA光量子仪对吉林中西部的玉米田进行多次观测,采集到123组有效数据,基于偏最小二乘法(PLS)对玉米FPAR进行高光谱反演。对可见光与近红外光谱(400～1 500nm)进行分析并建立反演模型,对FPAR预测效果进行验证,验证模型的R2为0.785,RMSE为0.117;同时进行了玉米FPAR与光谱反射率、反射率一阶导数之间的关系分析及植被指数与玉米FPAR之间的回归分析。研究结果表明,PLS方法建立的模型可有效地从玉米高光谱反射率数据反演出FPAR含量,反演结果精度较植被指数高。