基于高光谱的河套灌区农田表层土壤质地反演研究

以河套灌区解放闸灌域农田表层0～10 cm土壤为研究对象,研究风干土样的不同粒级含量与光谱特性关系,遴选出反映土壤粘粒、粉粒、砂粒含量各自敏感的光谱波段,分别建立土壤粘粒、粉粒、砂粒含量与敏感波段的一元线性回归模型和BP神经网络模型,模型验证结果表明:土壤粘粒、粉粒、砂粒含量的一元回归模型与BP神经网络模型精度基本一致,且都在85％以上.该研究结果可为应用高光谱遥感图像大范围识别河套灌区的土壤质地提供理论依据.     

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.     

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.     

土壤氧化铁光谱特征研究

土壤光谱反射特性的研究是土壤遥感的物理基础,土壤氧化铁含量影响土壤反射率。对采集的174个土样350~2 500 nm谱段的光谱数据进行分析,着重探讨下述3类光谱变量,寻找对土壤氧化铁含量敏感的光谱特征。1)原始光谱反射率及其各种变换形式;2)基于光谱吸收峰特征的变量,因为已知三价铁在870 nm附近有吸收峰存在,提取该吸收峰的面积、宽度、深度等变量;3)基于植被指数的变量,构建土壤氧化铁指数。研究结果表明,各类变量中土壤氧化铁指数对土壤氧化铁含量最敏感,建立相应的回归预测模型,模型拟合度R2为0.534。     

基于地表光谱建模的区域土壤盐渍化遥感监测研究

土壤盐渍化是土地荒漠化和土地退化的主要类型之一,也是世界性资源问题和生态问题,盐渍化土壤主要分布在干旱半干旱地区,而土壤盐渍化的动态监测和预报是目前研究的重要手段。新疆渭干河-库车河三角洲绿洲是我国土壤盐渍化比较严重也比较典型区域之一,以实测获取的绿洲区域范围内不同恶化程度的盐渍化土壤的高光谱反射率及其土壤含盐量为基础数据源,从中优选出对不同盐渍化程度土壤最为敏感的光谱波段,结合Landsat-TM多光谱遥感影像构建于地表光谱建模的最佳土壤盐渍化监测模型,并将此模型实现大尺度范围内的高精度土壤盐分遥感定量反演。结果表明:(1)反射率一阶微分光谱变换方式最好,与土壤含盐量相关性最佳,最大相关系数可达0.987。(2)利用抛物线模型与最佳土壤盐分指数SI3,构建的地表光谱模型效果最为理想(R2=0.885 2)。(3)与单纯以传统多光谱遥感技术构建的土壤盐分监测模型(R2=0.592 5)相比,经尺度转换后的模型,其精度与效果(R2=0.708 4)则更优。为今后可实现高精度干旱区区域大尺度卫星遥感土壤盐渍化监测提供一种科学、有效的途径。     

基于高光谱数据的小麦叶绿素含量反演

近年来,遥感高光谱技术为获取农作物的某些生理化参数提供了丰富的数据来源。该文使用北京小汤山地区实验获取的小麦高光谱数据,应用偏最小二乘回归方法,建立了冬小麦冠层波谱与叶绿素含量的回归反演计算模型。研究结果显示:模型在350～1060nm波段具有较高的反演精度。本研究为应用高光谱数据反演冬小麦叶绿素含量提供了有效途径。     

基于模糊集分析的土壤质量指标高光谱反演

通过对横山县84个土样350~2 500 nm波段的光谱曲线分析,进行土壤质量12项指标的光谱反演。为获得有效光谱反演指标,利用单相关分析方法计算土壤质量指标与光谱反射率的相关系数并绘制相关系数曲线,根据极大相关性选择最佳波段作为光谱反演指标;剔除异常样本后,利用模糊识别理论建立土壤质量指标反演模型,通过优化得到模型的最佳参数。土壤质量12项指标光谱反演模型的平均检验误差均小于15%,说明模型的精度较高。     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

基于随机森林算法的土壤有机质含量高光谱检测

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象，采用小波变换与数学变换进行光谱数据预处理，分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异，通过相关分析确定最大小波分解层并筛选敏感波段，结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析，最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明：（1） 耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓，同时在水分吸收波段处，盐渍土壤光谱曲线吸收谷最深。（2） 小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势，在第6层中，特征光谱曲线与敏感波段数量变化趋于稳定，确定为小波变换最大分解层。（3） 随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期，按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。（4）在小波分解光谱中，中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱，同时基于L-MC建立的模型精度最高。研究表明：基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测，可以有效的减少噪声波段干扰，并提高特征波段的分类预测精度。     

基于MERSI和MODIS的太湖水体叶绿素a含量反演

水体叶绿素a含量的遥感反演是监测水体光学特性、评价水体污染的一个重要指标.本文以FY-3A/MERSI和AQUA/MODIS遥感影像为数据源,结合水体实测的叶绿索a含量,利用两类反射率模型,研究星载数据遥感反演叶绿素a的可行性.研究表明:基于FY-3A/MERSI和AQUA/MODIS可见光-近红外通道的光谱反演模型(...     

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。     

基于多源遥感数据反演地表温度的单窗算法

利用单窗算法反演地表温度时,一景影像通常使用一个大气透过率。大气水汽含量空间异质性会导致像元尺度上大气透过率不同,从而给地表温度反演带来误差。该文通过从研究区MODIS数据中反演出大气水汽含量,经过配准、重采样之后获得该区域像元尺度的大气透过率,利用同时相TM数据,采用单窗算法反演地表温度。结果表明:基于多源遥感数据反演地表温度的单窗算法,由于减少了大气水汽含量空间异质性带来的地表温度反演误差,能够得到更为合理的地表温度。     

塔里木河中游典型绿洲盐渍化土壤的反射光谱特征

研究盐渍化土壤的光谱特性是利用遥感技术实现在区域尺度上进行土壤盐渍化监测和评价的工作基础, 是建立地面数据和遥感数据关系的桥梁。本文以塔里木河中游典型绿洲--渭干河-库车河三角洲绿洲为研究对象, 采用光谱学技术以及多元统计相结合的方法, 研究干旱区典型绿洲盐渍化土壤的反射光谱特征。首先, 对光谱数据进行预处理(去噪、剔除水分吸收波段), 以便消除仪器本身噪声及外界条件的影响, 并且计算了部分盐渍地样本的光谱吸收特征参数, 说明相同程度的盐渍化土壤具有相似的吸收特征;其次, 研究盐渍化土壤的反射光谱与盐分因子(八大离子、电导率(EC)、含盐量(salt content)、pH、总溶解固体(TDS)等) 之间的关系, 并选择具有代表性的盐分因子与野外实测光谱数据建立定量回归模型, 通过多元线性回归分析得出含盐量、SO₄^2-、TDS、EC与原始光谱数据的相关性分别是0.746、0.908、0.798 和0.933, 达到了理想的效果。本研究对于干旱区典型绿洲盐渍土的光谱特征研究有着重要指示意义, 为发展和完善中国盐渍土理化特征的可见光-近红外反射光谱分析理论奠定科学积累, 并进一步为干旱区土壤盐渍化、沙漠化灾害等环境恶化问题的解决提供新的科学技术手段。     

腾格里沙漠典型植物含水率与地物光谱的关系分析

地物光谱特征不仅是遥感机理研究的重要内容,亦是遥感应用分析的重要依据。用ASD手持式光谱仪测定了腾格里沙漠10种典型植物的冠层光谱,对测得光谱数据进行包络线去除和一阶微分处理,并在实验室采用烘干法得到植物的含水率,运用相关系数法分析植物含水率与经包络线去除的光谱数据之间的关系,同时分析了不同含水率植物的红边特征。结果表明：研究区植物最大含水率为88.19%,最小含水率为37.34%;含水率与包络线去除的光谱数据在可见光（561~718 nm）和近红外（861 nm,894 nm）波段均存在极显著相关性,并建立了两者之间的回归模型,说明可见光近红外波段可以反映沙漠植物的水分状况;不同含水率植物的红边参数有所差异。     

不同防护措施对梭梭幼苗生长和土壤水分的影响

在策勒绿洲-荒漠过渡带流动沙地对种植的梭梭幼苗采取了不同的处理措施（凋落物防护、固沙剂防护、防沙网防护和裸沙地,其中裸沙地作为对照）,研究不同防护措施对梭梭幼苗生长状况及地表100 cm内土壤含水率的影响,对恢复和重建绿洲-荒漠过渡带防护林体系具有重要意义。研究结果表明：（1）初春采用滴灌一次性供水135 L·m^-2,可以确保梭梭幼苗当年的生长需求。（2）不同防护措施下梭梭幼苗的株高、冠幅、基径、新枝长度均表现为：凋落物防护 > 固沙剂防护 > 防沙网防护 > 裸沙地,在生长末期凋落物防护下梭梭的株高、冠幅、基径、新枝长度分别达到115.7 cm、131.8 dm²、22.5 mm、73 cm。（3）不同防护措施对土壤含水率的影响比较明显,土壤含水率表现为：凋落物防护 > 固沙剂防护 > 防沙网防护 > 裸沙地,其中凋落物防护、固沙剂防护土壤含水率分别是裸沙地的1.31倍和1.16倍。因此,在极端干旱的绿洲-荒漠交错带,采用凋落物防护和固沙剂防护措施对提高沙地蓄水保墒能力和促进梭梭幼苗生长均有积极作用。     

MLR和PLSR的沙壤土盐分含量光谱检测对比研究

为了快速有效检测南疆地区典型土壤（沙壤土）的盐分含量变化,利用光谱仪和电导仪测得南疆阿拉尔市红枣种植区盐渍土近红外高光谱和电导率数据,基于7种不同光谱预处理方法和2种特征波长选择算法,分别建立多元线性回归（MLR）和偏最小二乘回归（PLSR）的土壤盐分监测模型。结果表明：7种预处理方法中,归一化,多元散射,变量标准化和一阶导数能够有效提高土壤盐分的预测模型精度。基于多元逐步回归（SMR）波长选择方法的多元线性回归（SMLR）模型的R_val²>0.948 9,RPD>6.294 9,RMSEP<0.435 6;基于连续投影算法（SPA）的多元线性回归（SPA-MLR）模型的R_val²>0.956 8,RPD>6.922 1,RMSEP<0.361 6,预测结果要优于偏最小二乘回归（PLSR）模型,其中基于归一化处理后的SMLR和SPA-MLR的预测精度最为理想,分别为R_val²=0.979 2,RPD=9.907 8,RMSEP=0.287 6和R_val²=0.980 5,RPD=10.50,RMSEP=0.278 3,而且筛选的特征波长较少。说明归一化是更有效的光谱预处理方法,多元线性回归（MLR）更适合建立南疆典型沙壤土盐分含量的预测模型。     

Quantitative retrieval of soil salt content based on measured spectral data

Choosing the Minqin Oasis, located downstream of the Shiyang River in Northwest China, as the study area, we used field-measured hyperspectral data and laboratory-measured soil salt content data to analyze the characteristics of saline soil spectral reflectance and its transformation in the area, and elucidated the relations between the soil spectral reflectance, reflectance transformation, and soil salt content. In addition, we screened sensitive wavebands. Then, a multiple linear regression model was established to predict the soil salt content based on the measured spectral data, and the accuracy of the model was verified using field-measured salinity data. The results showed that the overall shapes of the spectral curves of soils with different degrees of salinity were consistent, and the reflectance in visible and near-infrared bands for salinized soil was higher than that for non-salinized soil. After differential transformation, the correlation coefficient between the spectral reflectance and soil salt content was obviously improved. The first-order differential transformation model based on the logarithm of the reciprocal of saline soil spectral reflectance produced the highest accuracy and stability in the bands at 462 and 636 nm; the determination coefficient was 0.603, and the root mean square error was 5.407. Thus, the proposed model provides a good reference for the quantitative extraction and monitoring of regional soil salinization.     

利用北冰洋多光谱数据计算光合有效辐射的研究

光合有效辐射（PAR）是重要的生物光学量,与海洋浮游植物的初级生产过程有密切联系。PAR通常由单波段的PAR传感器直接测量,也可以由多光谱数据计算。在极区用多光谱数据计算PAR不仅面对不同谱宽度的问题,而且还有海冰的影响。本文研究了4种可能导致PAR计算误差的主要因素。多光谱仪器避开了大气对太阳辐射的主要吸收带,用多光谱数据计算会对PAR高估。实测数据分析表明多光谱计算的PAR与高光谱数据的计算结果非常接近,误差在1%以内。用本文建立的拟合函数进行校正,校正后的结果与高光谱数据计算的结果达到同样的精度。计算PAR的衰减率要用到进入海水表面的PAR（PAR0）,本文提出先确定表层衰减系数,再通过最小二乘拟合确定PAR0值,与水下观测数据有很好的衔接。海上同一站位不同时间的观测数据计算的PAR衰减系数相差很小,表明PAR的衰减系数是海水的光学性质,与辐射强度无关。在海冰覆盖的条件下,PAR的观测结果与无冰海水的PAR有明显差别。由于海冰选择性的吸收,穿透海冰进入海洋的PAR组分已经不同,海水对PAR的衰减系数也会相应变化。由此可以推断,不同海冰中成分的差别将导致进入海水中PAR的差别,影响PAR的衰减特性。通过本文的研究,解决了在极区用多光谱计算PAR的各种问题,使多光谱数据成为PAR的重要数据源。     

土壤光谱特征分析及盐渍化信息提取——以新疆渭干河/库车河绿洲为例

土壤盐渍化严重制约土地生产力,实时监测土壤盐渍化有利于农业正常生产。选择新疆渭干河—库车河绿洲的光谱反射率数据,研究不同程度盐渍化土壤的光谱特征;并对绿洲所在的库车县的环境与灾害监测预报小卫星的高光谱数据进行盐渍化信息提取。提取步骤为：首先对土壤光谱反射率数据进行14种形式的变换,再与土壤含盐量进行相关分析、逐步回归分析,建立估算不同盐渍化程度的土壤含盐量方程,用均方根误差验证方程的精度;其次,建立植被和土壤波谱库;最后,在波谱库的数据基础上,使用波谱角分类法（SAM）对环境与灾害监测预报小卫星的高光谱数据进行分类。用同步实测数据对分类效果进行精度评价,效果较好,这一结果为今后该区域的高光谱应用奠定了基础,对区域农民耕作方式提出了警示,为区域可持续发展实践提供了参考。     

MODIS雪深反演数学模型验证及分析

在MODIS卫星遥感积雪监测的基础上,利用雪深反演数学模型、积雪指数NDSI和多光谱阈值等相结合的方法,对2004年以来新疆北疆地区的积雪分布状况进行了反演和计算,并利用2004年11月～2005年3月冬季北疆地区气象台站雪深数据和2004年12月～2006年1月加密野外实测雪深数据,对反演雪深数据进行了验证及分析,北疆各地除塔城地区反演精度为83.2%以外,其它地区反演精度达85.2%以上,平均反演精度达86.2%;野外实测数据验证反演精度达92%以上。