重金属铜污染植被光谱响应特征研究

重金属铜污染植被的反射光谱特性会发生明显改变。在本研究中,采用不同程度的铜污染土壤作为培养基质,选择春小麦、上海青两种农作物进行铜胁迫实验,获取了4个不同生育期、10个不同铜污染强度下的植被叶片的反射光谱,并采用铜污染叶片7个特征波段和光谱角的方法研究了铜污染叶片的光谱特征。结果表明,铜污染叶片光谱差异与作物时期和作物类型有关,可以采用叶片光谱角描述铜污染叶片与健康叶片的光谱差异。该方法只需与阈值做简单的比较,方法简便易行,而且对轻度及重度铜污染十分敏感。叶片光谱辐射传输模型反演结果表明铜污染叶片内部结构参数N明显变大,这也证明了铜污染使叶片内部结构更加散乱无序。在此基础上进一步建立了N与红肩处反射率值的线性关系,相关系数为0.978。本文为铜污染叶片光谱反射模型的建立提供了初步的数据基础与理论支持。     

基于ICA和高光谱指数的水稻Zn污染监测模型

从潜在光谱响应指数及光谱特征波段反射率两个层面对不同浓度水稻zn污染胁迫进行遥感监测.在光谱指数层面,系统分析了高光谱遥感指数与Zn污染胁迫下的水稻叶绿素含量、水分含量、细胞结构和叶面积指数等4个重要生理生态参数变化特征的响应关系.通过实验,得到表征生态参数变化的高光谱遥感指数及其响应规律,建立响应水稻Zn污染的三维高...     

重金属污染胁迫下盐肤木的生化效应及波谱特征

利用遥感生物地球化学的原理和方法,分析了德兴铜矿的重金属污染状况和植物盐肤木的生物地球化学效应,对盐肤木生物地球化学效应的波谱特征进行了系统的提取和分析.研究发现酸、铜、镉等是德兴铜矿地区主要的环境污染因子,野外调查及样品的化验分析表明盐肤木对铜元素呈现一定的富集作用和很强的位移效应,是适合铜矿复垦的植被.利用导数光谱、包络线去除、红边效应、植被指数等光谱信息处理方法对盐肤木的野外波谱分析表明,随着叶片中Cu等金属元素含量的增大,其产生的毒化效应的波谱特征越明显,盐肤木叶片光谱反射率明显升高,波形蓝移,红边陡坡斜率增大,叶绿素吸收深度变浅,吸收中心稍有蓝移,水的吸收深度变浅,吸收中心位置红移,绿度指数变化明显.对波谱特征及其与重金属含量的相关关系综合分析后认为,红边特征、植被指数NDVI、叶绿素吸收深度与叶片铜含量关系显著,可以作为植被铜污染遥感图像特征提取的参考.     

模拟酸雨对水稻叶片反射光谱特性影响的初步研究

本文研究了模拟酸雨对水稻叶片反射光谱特性的影响。结果表明：模拟酸雨会引起水稻叶片反射光谱的可见光区和中红外区的反射率升高，近红外区的反射率降低，相应的反射率比值也随之变化，一阶和二阶微分光谱蓝移，且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关。这一结果也表明遥感技术监测酸雨污染作物是可行的。     

山东省招远金矿区春季赤松林的植物地球化学和反射光谱特征

本文研究了山东省招远市台上金矿区与背景区赤松林的植物地球化学特征、赤松生长状况和光谱反射率特征的差异。结果表明，赤松对Ａｕ，Ａｇ，Ｃｕ，Ｐｂ等金属元素均呈强积累，赤松针叶中的Ａｕ、Ａｇ元素含量金矿区值和背景区值之比分别可达６和１８。重金属的过量吸收使金矿区赤松的生长状况变差，针叶内叶绿素含量减少，反射光谱特征明显变化。金矿区与背景区对比，赤松的红界蓝移幅度可达８—１２ｎｍ。随重金属污染程度的加重，近红外肩反射率值、叶绿素反射峰值与叶绿素吸收峰值之差均呈下降趋势，一阶导数谱７１０ｎｍ附近平顶斜率由正值变为负值，逐渐变小。反射光谱的这种变化规律可用以遥感探查赤松林下重金属矿藏。     

基于HJ-1遥感数据的矿区水体污染监测与分析——以龙岩紫金山金铜矿为例

矿产资源的持续开采与加工利用使得矿区周边水资源受到的污染日趋严重,急需采用先进技术对水污染进行监测分析,遥感技术是水环境监测最为有效的技术之一。利用国产环境一号小卫星多光谱遥感影像数据,针对福建省龙岩市紫金山矿区不同时相的数据进行水质遥感监测。利用近红外单波段阈值分割法提取悬浮物浓度信息,基于矿区酸碱性水体光谱曲线特性采用342波段假彩色合成影像,采用SVM分类方法进行分类,判别矿区水体酸碱性以及分析水体受污染程度变化和污染源。结果表明,研究区汀江水体2008年呈现碱性,2010年呈现弱碱性,水质在研究时段内得到一定的改善,但在选矿厂与矿区附近的水体中仍含有大量重金属沉积物。     

基于机载多光谱遥感数据的溢油信息提取方法

为研究应用紫外-可见光-近红外-热红外遥感数据识别海上溢油的方法,利用机载多光谱溢油监测设备获取了舟山海域多光谱遥感数据,并利用野外地物光谱仪获取了水体和油膜的反射光谱。通过提取并分析机载多光谱遥感图像上多目标的影像特征和光谱响应特征,利用决策树分类法对海上油膜相对厚度的分布进行分类和制图。研究表明,基于机载多光谱遥感数据的溢油信息提取方法总体分类精度达93.7%,能够准确区分薄油膜和厚油膜,可有效提取海洋溢油污染信息,完全能够满足海洋溢油污染遥感监测需求。     

基于高光谱高频组份分形特征的水稻铅胁迫评估

通过研究铅污染胁迫下水稻的光谱高频组份的分维数来诊断水稻铅污染胁迫水平。根据实验区水稻冠层实测ASD高光谱数据和同步获取的农田土壤重金属含量数据,利用Daubechies小波系中的“Db5”母小波对水稻的350—1300 nm波段范围进行小波分解得到第5层高频组份(d5),并采用盒维法计算d5的分维数,最后采用模糊数学建立d5的分维数与污染胁迫水平的数学模型。结果表明：d5能有效地探测到铅污染胁迫的光谱弱信息,并实现不同污染水平水稻高光谱信号的分离;d5分维数在同一污染水平的年际相对变化率小于4%,不同污染水平的区分度大于75%,即高、中和低污染水平水稻高光谱d5分维数的86.7%、75%和91.7% 分别集中在1.160—1.200,1.220—1.275和1.280—1.320三个区间;采用升(降)半梯形分布的隶属度函数建立水稻高光谱d5分维数与其污染胁迫水平的数学模型,并进行了模型精度检验,其判别精度大于90%。小波变换、分形分析和模糊数学三者相结合有效地实现了光谱弱信息提取、度量及建模,达到水稻重金属污染胁迫状况监测的目的,也为作物其他环境胁迫弱信息的动态识别与精确度量提供借鉴意义。     

高信息—背景反差比滤波特性的水、雪、植被偏振遥感探测

在光学遥感中,水的强烈镜面反射性和角度选择性使探测器饱和或反射率过低而难以提取有效信息,雪的强反射性和表面敏感性使传感器难以直接探测,植被指数在不同反射强度下的敏感性对经典植被监测方法的精度和有效性提出挑战。偏振手段可大大提高水、雪和植被的遥感识别能力。本文利用地物遥感偏振光效应的高信息—背景反差比滤波特性,解决光学遥感中水、雪的不可测量问题,以及破除植被强光反射条件下无法精细监测的瓶颈。本文从偏振高信息—背景反差比滤波特性理论出发,通过实验证明偏振手段可有效提升水的信息—背景反差比、剥离70%以上的太阳耀光,为强反射特性下的积雪遥感提供必要方法,并最高降低78%的植被监测误差。本文首次推导证明了偏振探测高信息—背景反差比滤波特性机理,在理论指导和实验深化引导下解决了光学遥感中水、雪因探测器饱和而无法测量的问题,并破除了强反射条件下植被无法精细监测的瓶颈。     

不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

不同养分供应状况对水稻荧光光谱特征的影响及其在遥感应用上的意义

在不同的养分供应状况下,对水稻在几个生育期的荧光光谱特征的研究表明:氮素供应的减少会引起水稻叶片荧光光谱中蓝绿波段峰的强度在有效分蘖期时降低,无效分蘖期始升高,并使红波段峰的强度和特征峰之间的强度比值(如440nm/550nm)在各生育期均有所降低;利用水稻叶片荧光光谱特征的变化监测其养分供应状况是可能的;监测波段以400—800nm为宜,监测时期应为分蘖盛期一孕穗期。     

不同钾素处理春玉米叶片营养元素含量变化及其光谱响应

目的是研究不同钾营养水平春玉米典型生育期叶片的光谱响应,探索叶片内营养成分与叶片光谱反射率的相关性。方法是设置了不同梯度钾处理的盆栽试验,按玉米生育期进行光谱测定和取样分析。结果,通过对不同钾处理间玉米叶片养分含量的差异性分析表明,随着施钾的提高,叶片钾含量差异性达到显著水平。分析不同钾营养水平不同生育时期春玉米叶片光谱反射率与叶片钾含量的相关关系,并建立了喇叭口期利用叶片光谱反射率估测叶片钾含量的数学模型;以及分析了该处理下喇叭口期叶片内水分、叶绿素、氮、磷、钙、镁、锌、锰、铜、铁含量与叶片光谱反射率的相关性。结果表明：不同生育时期叶片钾含量与其光谱反射率的相关关系在光谱维方向存在明显差别,730—930nm和960—1100nm两波段为春玉米喇叭口期评价钾营养状况的敏感波段,光谱变量R767＋R1057,（R767＋R1057） /（logR767＋logR1057）和（R767-R1057） /（logR767-logR1057）均能很好的预测喇叭口期叶片钾含量;该时期叶片内不同成分与光谱反射率相关分析表明：550nm,710nm,950nm三波段处是各个相关曲线的突变点;叶片内各成分间高度相关的,它们的光谱相关曲线趋势也极为一致或对称。     

SO2污染环境下水稻导数光谱与生理生化指标的相关性研究

通过田间开顶式小区熏气试验,研究在SO2急性伤害条件下水稻冠层导数光谱与叶片含硫量、叶液pH值以及叶绿素含量的相 关性。分别选择分蘖期和抽穗期显著相关的波段(分蘖期： 689 nm、584 nm、570 nm; 抽穗期： 689 nm、584 nm、585 nm)建立 预测叶片含硫量、叶液pH值及叶绿素含量的回归模型,并分别用拔节期和灌浆期相应导数光谱反射率检验模型预测精度。结果表明 ,由分蘖期建立的回归模型估测拔节期叶液pH值以及叶绿素含量与实测值之间相关系数分别为0.884和0.630; 由抽穗期建立的回 归模型估测灌浆期的叶片含硫量、叶绿素含量与实测值之间相关系数分别为0.659和0.768,均通过显著检验。     

我国土壤光谱线之研究

通过对我国各地的土壤光谱反射率的分析表明,无论在二维或多维空间中,确有土壤光谱线存在,但不是严格的一条直线,而是有适当宽度的带。不宜用全国统一的一条土壤光谱线来作植被分析。讨论了不同土壤光谱线对绿度及植被覆盖度估计的误差。还论述了土壤光谱反射率主成分分析的结果及其物理意义。     

土壤有机质光谱特征研究(英文)

The study on soil spectral reflectance features is the physical basis for soil remote sensing. Soil organic matter content influences the soil spectral reflectance dramatically. This paper studied the spectral curves between 400 nm∼2500 nm of 174 soil samples which were collected in Hengshan county and Yixing county. Fourteen types of transformations were applied to the soil reflectance R to remove the noise and to linearize the correlation between reflectance (independent variable) and soil organic matter (SOM) content (dependent variable). Then, the methods such as derivative spectrum technology and stepwise regression analysis, were applied to study the relationship between these soil spectral features and soil organic matter content. It shows that order 1 derivative of the logarithm of reflectance (O1DLA) is the most sensitive to SOM among the various transform types of reflectance in consideration. The regression model whose coefficient of determination reaches 0.885 is built. It predicted the soil organic matter content with higher effect. Supported by the National Natural Science Foundation of China (No. 40271007).     

面向土壤分类的高光谱反射特征参数模型

提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。     

土壤有机质光谱特征研究

对在宜兴市和横山县采集的174个土样400nm～2500nm波段的光谱曲线进行了研究。为了有效去除背景噪声对目标光谱的影响，并将非线性关系线性化，首先对土壤光谱进行了14种变换，然后运用光谱微分技术、逐步回归分析等方法研究了土壤光谱反射特性与土壤有机质之间的关系。结果表明，反射率对数的一阶微分这一变换形式对土壤有机质含量最为敏感。建立了相应的回归预测模型，模型方程判定系数达到0．885，较好地利用土壤光谱反射特性预测了土壤有机质的含量。     

Monitoring stress levels on rice with heavy metal pollution from hyperspectral reflectance data using wavelet-fractal analysis

Remote sensing allows monitoring heavy metal pollution in crops for agricultural production and food security. This paper presents an approach to wavelet-fractal analysis for exploring a set of sensitive spectral parameters to monitor the heavy metal pollution levels in rice crops from hyperspectral reflectance data. Hyperspectral and biochemical data were collected from three study farms in Changchun, Jilin Province, China. Our study explored the fractal dimension of reflectance with wavelet transform (FDWT) that demonstrated a better performance than other existing methods. Our results obtained in this study show that the red edge position (REP) was the most sensitive indicator for monitoring the heavy metal pollution levels in rice crops among common indices. As compared with REP, the FDWT is more sensitive to biochemical composition, namely with respect to chlorophyll concentrations, N, Cu and Cd. The established linear models showed a correlation coefficient (R²) above 0.70, model efficiency (ME) above 0.65 and a root mean square error (RMSE) below 3.5. Minimum FDWT values occurred in rice with Level II pollution followed by Level I pollution, and finally the safe level. This study suggests that wavelet transform is well suited as a spectral analysis method to eliminate noise and amplify the stress information from heavy metals. The wavelet transform in conjunction with fractal analysis is promising for detecting heavy metal-induced stress in rice crops.     

Spectral reflectance characteristics of soils and its correlation with soil properties and surface conditions

In-situ spectral reflectance of soils was measured at various test sites of India in four spectral bands within the visible and near-infrared wavelength comparable to Landsat Multispectral Scanner (MSS). Reflectance behaviour of soils under different field conditions was analysed and the spectral reflectance curves for different soil types were obtained. Soil samples pertaining to each test site were analysed for mechanical composition, physioco-chemical properties to identify their relationship with soil reflectance. These spectral reflectance curves were further examined as to their usefulness in discriminating various soil types. Five distinct soil types namely, Black cotton soils (Typic Pellusterts), Marine Soils (Typic Halaquepts), Lateritic Soils (Plinthic Tropohumults), Alluvial Soils (Typic Ustochrepts), Coastal Sandy Soils (Typic Psammaquents), were discriminated on the basis of significant relationships between the spectral reflectance data and soil properties.