利用高光谱遥感图像估算小麦氮含量

利用2001—04—26实用型模块化成像光谱仪(0MIS)在北京小汤山地区获取的航空高光谱遥感图像，对图像进行了精确的几何纠正和反射率转换，提取出43条小麦图像光谱与地面叶片全氮含量数据相对应，运用红边、光谱吸收特征分析方法和逐步回归算法，选择和设计了叶片全氮反演的特征波段和特征参数，并进行了全氮含量境图。实验结果表明：由吸收特征光谱(590-756nm，1096—1295nm，1295—1642nm)确定的特征深度与面积能够很好地对叶片全氮含量进行反演；NDVI(NRCA1175.8，NRCA733.9)和NDVI(dr745，dr699．2)与TN的关系最好(R^2分别为0．8145，0．769)；全氮含量填图的值域和分布与地面调查和测量结果一致。     

基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型

旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。     

基于微分变换的高光谱马尾松和杉木识别

高光谱遥感能分辨出地物间微小反射光谱差异信息,可用于解决林种遥感分类光谱识别的难题。利用Hyperion高光谱遥感影像,结合地面实测林种样地,对安徽省黄山市五城镇林区的马尾松和杉木进行识别。通过对Hyperion影像进行一阶、二阶微分变换,优化组合487～559 nm和681～742 nm光谱范围中反射差异明显的波段,再结合支持向量机(support vector machine,SVM)模型进行林种间分类识别。基于Hyperion影像像元反射率及其一阶和二阶微分光谱的分类识别总体精度分别达到76. 50%,81. 42%和88. 52%,对应Kappa系数分别为0. 528 4,0. 625 7和0. 769 1。结果表明,基于二阶微分变换的高光谱数据,通过SVM模型,可有效提高马尾松和杉木的识别精度,为高光谱遥感针叶林种分类识别提供了一种技术途径。     

应用MODIS数据反演河北省海域叶绿素a浓度

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果.     

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

栎树氮碳含量反演叶片与冠层尺度差异分析

在叶片和冠层两个尺度上,分析了栎树叶片氮碳两种生化组分含量与其反射率特性的统计关系;采用逐步回归法,分别利用地面光谱和航空高光谱曲线对叶片和冠层尺度进行了反演,选择进入回归方程的波段分别为719 nm、1 854 nm/1 861 nm、359 nm和767.9 nm/1 319.0 nm。研究表明,叶片尺度由于受到干扰较小,反演结果明显优于冠层尺度;冠层尺度的反演受大气水汽、冠层结构、植被下垫面等诸多因素影响较大,因此在进行冠层尺度生化组分反演时,必须充分考虑上述因素的影响。     

基于HICO模拟数据的杭州湾水体悬浮物浓度遥感反演

以杭州湾及其邻近海域为研究区,利用现场实测光谱模拟了近海高光谱成像仪(hyperspectral imager for the coastal ocean,HICO)波段,并在光谱特征分析的基础上确定特征波段,通过比较单波段、波段比值和反射峰面积等算法,建立了该海域悬浮物的遥感反演模型,并采用均方根误差和相对误差进行精度评价。研究结果表明,利用724. 84 nm与461. 36 nm波段光谱反射率比值建立的模型精度较高;模型的决定系数为0. 925 2,反演得到的悬浮物浓度与实测悬浮物浓度之间的均方根误差为14. 09 mg/L,平均相对误差为5. 2%。本研究对利用HICO模拟数据反演近海岸水体悬浮物具有一定的参考意义。     

基于分析方法的太湖叶绿素a反演研究——以MODIS数据为例

目前, 针对太湖水体的叶绿素波段敏感性的分析, 大多集中在实测的高光谱反射率数据或者图像提取反射率与叶绿素浓度的统计分析结果上, 缺乏基于水体光学特性的研究, 并且两者之间的一致性也一直缺少论证。研究中采用2004 年4 月和2007 年8 月的两期数据, 首先从水质参数的生物光学特性入手, 基于生物光学模型, 利用叶绿素和其他水质参数的吸收和后向散射系数, 模拟计算其他水质参数不变, 叶绿素浓度处于不同水平时的水面反射率, 分析实测反射率对叶绿素浓度变化的响应; 利用MODIS 的波段响应函数把实测光谱模拟成宽波段的MODIS 反射率, 以此作为桥梁进而对实测的高光谱反射率和MODIS 图像提取反射率与叶绿素浓度的相关程度的一致性进行分析, 为利用MODIS 图像进行水质参数反演时的反演因子选择提供了依据。     

基于PROSPECT＋SAIL模型的遥感叶面积指数反演

以PROSPECT+SAIL模型为基础，从物理机理角度反演植被叶面积指数(LAI)。首先，通过FLAASH模型进行大气校正，使得图像像元值表达植被冠层反射率； 然后，根据LOPEX 93数据库和JHU光谱数据库选择植物生化参数和光谱数据，以PROSPECT模型模拟出的植物叶片反射率和透射率作为SAIL模型的输入参数，得到植被冠层反射率，将结果与遥感影像的植被冠层反射率对应，回归出植被LAI； 最后，以地面实测数据对遥感反演数据进行验证，并分析了误差的可能来源。     

面向地质应用的天宫一号成像光谱数据评价

天宫一号高光谱数据是继美国Hyperion之后,另一种可应用于地质领域的成像光谱数据.面向地质应用特点与需求,针对反射率产品开展全面、定量的数据质量评价对于深化应用研究具有重要意义.但是,由于航天成像光谱数据与地面实测波谱空间尺度差异甚大,在荒漠戈壁区选取自然地物进行波谱测试,并对其开展评价,特别是定量评价,非常困难.本文以航空HyMap数据为传递,完成了天宫一号成像光谱数据质量的定量评价.结果表明,在矿物识别采用的主要短波红外谱段,天宫一号高光谱数据的信噪比明显优于Hyperion数据.采用2190—2230 nm、2310—2355 nm两个谱段的吸收深度初步对天宫一号高光谱短波红外数据真实性进行了评价,经过校正后,天宫一号数据Al-OH、Mg-OH/CO₃^2-矿物大类或组合的漏提率从71%、67%减小至29%、28%,可有效提高弱信息的检出率.     

HJ-1A星HSI数据2级产品处理流程研究

研究了HJ-1A星HSI数据2级产品的数据预处理流程及相关算法,包括绝对辐亮度值转换、条纹去除、大气校正及几何纠正,得到了具有精确地理位置信息的地表光谱反射率图像; 基于相同位置同期的一景Hyperion数据标准化处理流程得到的地表反射率,进行了HSI数据的光谱模拟,并将模拟的地表反射率与真实HSI数据的地表反射率进行...     

An improved atmospheric correction algorithm for hyperspectral remotely sensed imagery

There is an increased trend toward quantitative estimation of land surface variables from hyperspectral remote sensing. One challenging issue is retrieving surface reflectance spectra from observed radiance through atmospheric correction, most methods for which are intended to correct water vapor and other absorbing gases. In this letter, methods for correcting both aerosols and water vapor are explored. We first apply the cluster matching technique developed earlier for Landsat-7 ETM+ imagery to Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) data, then improve its aerosol estimation and incorporate a new method for estimating column water vapor content using the neural network technique. The improved algorithm is then used to correct Hyperion imagery. Case studies using AVIRIS and Hyperion images demonstrate that both the original and improved methods are very effective to remove heterogeneous atmospheric effects and recover surface reflectance spectra.     

利用光谱反射率估算叶片生化组分和籽粒品质指标研究

对可见光至短波红外波段(350—2500nm)冬小麦田间冠层光谱反射率与叶片含氮量间的关系进行了相关分析。结果表明，820—1100nm波段的光谱反射率与叶片含氮量极显著正相关；1150—1300hm波段的光谱反射率与叶片含氮量显著正相关，以上两波段为叶片全氮的敏感波段。对各生育时期叶片全氮与其他生化组分的关系进行了回归分析，并建立了相关的回归方程，显著性检验结果表明，方程具有较高的可靠性。小麦的叶片含氮量可以估算其它生化组分及干物质指标含量，开花期叶片含氮量可用来估测籽粒蛋白质和干面筋等品质指标含量。     

利用光谱反射率估算叶片生化组分和籽粒品质指标研究

对可见光至短波红外波段(350—2500nm)冬小麦田间冠层光谱反射率与叶片含氮量间的关系进行了相关分析。结果表明，820—1100nm波段的光谱反射率与叶片含氮量极显著正相关；1150—1300hm波段的光谱反射率与叶片含氮量显著正相关，以上两波段为叶片全氮的敏感波段。对各生育时期叶片全氮与其他生化组分的关系进行了回归分析，并建立了相关的回归方程，显著性检验结果表明，方程具有较高的可靠性。小麦的叶片含氮量可以估算其它生化组分及干物质指标含量，开花期叶片含氮量可用来估测籽粒蛋白质和干面筋等品质指标含量。     

作物LAI的遥感尺度效应与误差分析

以黑河中游盈科绿洲为研究区, 利用Hyperion高光谱数据, 采用双层冠层反射率模型(ACRM)迭代运算反演LAI; 通过LAI的均值化(LAImean)以及Hyperion数据反射率线性累加反演LAI(LAIp), 定量分析LAI反演的尺度效应; 从模型的非线性和地表景观结构的空间异质性2个方面分析引起反演误差的原因, 并在LAI-NDVI回归方程的基础上利用泰勒展开的方法对低分辨率数据反演结果进行了误差纠正。结果表明, 地表景观结构的空间异质性是造成多尺度LAI反演误差的关键因素, 通过泰勒展开式能很好地实现大尺度数据LAI反演结果的误差纠正。     

Spectral properties of volcanic materials from hyperspectral field and satellite data compared with LiDAR data at Mt. Etna

Spectral properties of volcanic materials in the optical region (350–2500 nm) of the electromagnetic spectrum are analyzed. The goal is to characterize air-fall deposits, recent lava flows, and old lava flows based on their spectral reflectance properties and on the textural characteristics (grain size) of pyroclastic deposits at an active basaltic volcano. Data were acquired during a spectroradiometric field survey at Mt. Etna (Italy) in summer 2003 and combined with hyperspectral satellite (Hyperion) and airborne LiDAR (Light Detection and Ranging) data. In addition, air-fall deposits produced by the highly explosive 2002–2003 eruption have been sampled and spectrally characterized at different distances from the new vents. The spectral analysis shows that air-fall deposits are characterized by low reflectance values besides variations in grain size. This distinguishes them from other surface materials. Old lava flows show highest reflectance values due to weathering and vegetation cover. The spectral data set derived from the field survey has been compared to corrected satellite hyperspectral data in order to investigate the Hyperion capabilities to differentiate the surface cover using the reflectance properties. This has allowed us to identify the 2002–2003 air-fall deposits in a thematic image just few months after their emplacement. Moreover, the observed differences in the field spectra of volcanic surfaces have been compared with differences in the signal intensity detected by airborne LiDAR survey showing the possibility to include information on the texture of volcanic surfaces at Mt. Etna. The approach presented here may be particularly useful for remote and inaccessible volcanic areas and also represents a potentially powerful tool for the exploration of extraterrestrial volcanic surfaces.     

利用高光谱数据对作物群体叶绿素密度估算的研究

叶绿素是农作物生长中重要的因素。叶绿素含量既表明作物生长的状况,又表征了作生的生产能力。而叶绿素密度（单位面积农作物的叶绿绿素含量）是估计农作物群体生产力的重要指标。对早播稻、晚播稻和玉米的多时相的群体光谱测量数据和相应的叶片叶绿素密度的测量数进行了相关分析,结果表明早播、晚播稻和玉米的群体光谱的反射率数据以及其导数光谱数据绿素密度具有委好多的相关性,并且可以对这几种农作物建立统一的线性回归关系。