基于SREM融合数据的矿物蚀变信息提取

目前卫星高光谱数据幅宽小,难以进行大面积矿物填图应用.本文探讨了基于多光谱图像光谱分辨率增强方法(spectral resolution enhancement method,SREM)融合算法,将Hyperion窄幅高光谱和先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)宽幅多光谱数据进行融合,获得宽幅高光谱数据,从而进行矿物蚀变信息提取的方法和流程.结果表明:(1)原始ASTER数据仅能识别出Al-OH基团,Mg-OH基团和Fe3+离子基团3种矿物,SREM方法能够识别出高岭石、伊利石、绢云母、绿泥石和黄钾铁矾5种蚀变矿物;(2)融合图像矿物提取结果与原始ASTER和Hyperion图像的相对精度分别达到90.56%和92.85%;(3)其中绢云母、伊利石、高岭石与Al-OH基团,黄钾铁矾与Fe3+离子,绿泥石与Mg-OH基团出露区域基本一致.SREM融合数据具有幅宽大和光谱分辨率高的特点,提高了矿物蚀变信息解译精度,该方法对大面积矿物填图具有示范作用.     

地面成像光谱辐射测量系统及其应用

系统介绍了自主研制的基于制冷面阵CCD地面成像光谱辐射测量系统(field Imaging spectrometer system,FISS)的成像原理,结构设计,主要指标参数和数据处理流程等。利用室内布设的精确标志点和野外测量数据纠正了FISS系统几何畸变;利用自行开发的光谱定标软件对FISS系统进行波长定标,确定了各通道中心波长和全波半高宽;在室内,以积分球为光源,对FISS系统逐波段进行了绝对辐射定标,定标精度优于5%,并建立了各种测量条件下绝对辐射定标系数查找表;最后,利用FISS系统样机进行了大量室内和野外测量实验,并基于获取的部分数据做了作物-杂草识别、近海岸海洋环境试验、牛奶品种识别和植物生化参量反演等研究。研究结果表明,FISS系统能够成功地用于上述领域的研究,并在地质、食品、农业、林业和城市等领域也具有强大的应用潜力。     

一种综合利用图像和光谱信息的物体真假模式识别方法

传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时，识别率较低，如对于真假目标的识别，仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题，提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型，通过迁移学习的方式构建图像识别模型，并依据物体图像的语义特征进行物体类别识别，在此基础上，基于逆传播（back propagation，BP）神经网络模型，结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性，利用真假苹果和葡萄作为测试对象，单独利用图像信息和光谱信息进行识别时，识别率分别为38.50%和63.00%，而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度，可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考，也为航天侦查载荷设计提供了新的思路。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

中国陆域1∶100万植被指数UNVI多维数据集（2017）

中国陆域1∶100万植被指数UNVI（Universal Normalized Vegetation Index）多维数据集（2017）是在分析MODIS地表反射率产品数据MOD09GA特点，参照传统的植被指数合成算法，为了满足植被长时间序列变化研究需要而生成的16 d合成UNVI数据集。本研究合成的UNVI数据集在反映植被密度、植被覆盖度、植被光合作用速率，以及反演植被理化参数方面，与传统的NDVI和EVI合成数据集相比，具有明显的优势。合成算法主要分为两步：首先对16 d合成周期内存在无效值和反射率负值的MODIS数据进行筛选处理；然后读取合成周期内的质量控制波段数据统计“无云”数据的天数，并根据“无云”数据的天数选择相应合成算法进行UNVI的16 d合成，从而获得2017年中国陆域时间分辨率为16 d，空间分辨率约为0.00286°的UNVI时间序列影像。基于本文提出的合成算法生成的中国陆域UNVI数据集，采用1∶100万标准经纬线分幅，共64景（Tile），每景所覆盖的经纬度范围为6°×4°，为方便起见，数据集采用MDD多维数据格式（Multi-Dimensional Dataset）存储，每个.mdd文件下存放每景2017年所有时相的影像数据。同时为便于数据下载，全部数据按照分幅压缩为64个.zip文件，压缩后的数据量约为3.78 GB。本数据集能为从事全球变化研究的科研人员提供更方便的植被指数长时间序列数据产品。     

TASI数据的温度与发射率分离算法

建立了适合于TASI的热红外高光谱发射率的经验关系,以此修正了分离方法(TES)中的MMD模型,在对温度和发射率进行精度评价的基础上,将反演结果应用于城市地表温度的日较差分析。结果表明：(1)反演的温度与实测温度的平均绝对误差为1.8 K,平均相对误差为0.59%;(2)地面实测宽波段发射率与反演发射率的平均差值为0.036,差值的标准差为0.032;(3)同种地物的发射率曲线的反演结果与实验室测量发射率曲线的波形是一致的;(4)温度日较差分析结果是合理的。因此,本文的反演精度能满足研究需求,将该方法应用于TASI数据的温度与发射率的分离是可行的。     

中国高光谱遥感的前沿进展

高光谱成像技术具有光谱分辨率高、图谱合一的独特优势,是遥感技术发展以来最重大的科技突破之一。中国的高光谱遥感发展与国际基本同步,在国家和省部级科研项目的支持下,解决了高光谱遥感信息机理、图像处理和多学科应用等方面多项世界性难题,有效解决了高光谱遥感理论研究与多领域应用中的关键技术瓶颈,实现了在农业、地矿、环境、文物保护等多领域的成功应用,产生了显著的社会经济效益。本文回顾了中国高光谱遥感技术的前沿研究进展,总结分析了取得的主要创新性成果。     

雄安新区马蹄湾村航空高光谱遥感影像分类数据集

高光谱遥感影像分类数据集主要用于辅助高光谱遥感分类算法的精度验证、效率评价及性能评估，一般包括高光谱遥感影像、影像对应地物类别标注以及相关信息文档等内容。常用的高光谱遥感影像分类数据集以欧美为主，如India Pines、Salinas、KSC等。随着中国高光谱遥感传感器技术发展和学术交流机制的日臻完善，国内也发布了高光谱遥感分类数据集，如江苏省常州的茶树数据集。较于欧美高光谱遥感分类数据集的广泛应用，中国高光谱遥感分类数据集的发布与应用仍偏少。近年来，中国高质量高光谱遥感数据获取能力大幅增强，提升了中国高光谱遥感共享数据源的数量及质量，为促进中国高光谱遥感应用研究及业务化能力提供了支撑。本分类数据集包括雄安新区马蹄湾村高光谱影像数据，由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集，光谱范围为400—1000 nm，波段250个，影像大小为3750×1580像元，空间分辨率0.5 m；同步实地调研地类分布19种，包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证，分类精度可达97%。该数据集（下载方式：http：//www.hrs-cas.com/a/share/shujuchanpin/2019/ 0501/1049.html）可为中国经济作物高光谱精细分类研究提供良好的数据支持，更可为中国高光谱遥感载荷业务化应用发展提供有力促进。     

“光谱地壳”计划——探索新一代矿产勘查技术

 本文首先对我国能源和矿产资源日益增长的需求现状,分析了目前地质找矿所面临的诸多难题,及国内外探索新一代矿物勘查技术的研究现状,然后,系统地介绍了"光谱地壳"的基本概念、研究内容和建设意义。文中指出,"光谱地壳"计划的提出,旨在针对地表和地壳表层,实现高光谱技术对地球表面的地质填图和矿物蚀变信息的遥感探测,以及对岩芯的光谱探测,建立地壳高光谱数据库集,满足以高光谱探测技术对地壳表层一定范围内矿物的识别和探矿需求。 "光谱地壳"计划瞄准国家战略需求,强化技术创新与应用模式创新,提高星载、机载高光谱遥感矿产资源探测能力,建立地面光谱测量平台及地下岩芯光谱扫描、编录、分析平台,发展由天基、空基、地基,地下岩芯探测构成的一体化"光谱地壳"遥感立体探测体系。"光谱地壳"计划是我国高光谱遥感技术发展的顶层设计,拟将解决遥感直接找矿和深部找矿的勘查难题,以带动我国整体勘查技术水平的提高和发展。     

不同时间间隔下的遥感时间序列重构模型比较分析

遥感时间序列被广泛用于地表信息探测。然而受传感器和外部条件的影响,时间序列存在不同程度的噪声。时间序列重构模型能够实现时间序列去噪,但不同重构模型应用于不同时间间隔时间序列的精度不同。本文以辽宁省朝阳市为研究区,分别利用1、4、8、16和30 d间隔归一化植被指数（Normalized Difference Vegetable Index, NDVI）时间序列,进行模拟数据实验和物候监测实验,从波形还原能力和物候期提取精度2方面,评价了SG滤波、DL拟合、HANTS 3种模型在不同时间间隔下的重构效果。结果表明,SG滤波模型适用于较大时间间隔的时间序列数据,DL拟合模型适用于较小时间间隔的时间序列数据,HANTS模型对较小间隔的时间序列重构精度较低。在此基础上,从模型自身的角度分析了3者在不同时间间隔下表现的原因,并为面向不同时间间隔时间序列数据的重构模型选择提供了参考。