地面高光谱和PROSAIL模型的冬小麦叶绿素反演

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。     

小波分析在植物叶绿素高光谱遥感反演中的应用

监测叶绿素含量对研究作物与环境之间的相互影响具有重要的意义,高光谱遥感是提取叶绿素含量的可行技术.将小波分析的方法用于植物叶片的反射光谱,以小波系数作为回归变量来反演植物的叶绿素浓度.研究结果表明,通过对叶片光谱进行连续小波分解后得到的小波系数,可以准确地反演叶绿素浓度,反演的精度优于基于光谱指数的精度.     

基于经验模型的Hyperion数据植被叶绿素含量反演

对于反演植被叶绿素含量而言,基于Hyperion等高光谱传感器数据、利用经验方法建模是一种快速准确的方法。利用多种植被的实测数据以及Hyperion模拟数据,分析植被反射率及其变化形式与叶绿素含量的相关性,并进一步针对红边参数、植被指数等分析植被反射率与叶绿素含量的关系,选取最准确的经验建模方法。经过对比,改进的简单比值指数(modified simple ratio,MSR)与叶绿素含量相关性最高,其回归模型能比较准确地反演出叶绿素含量。通过Hyperion图像、利用MSR指数与实测叶绿素含量得到回归模型,建立区域叶绿素含量分布图;并对张掖地区植被叶绿素含量进行了反演,反演结果具有较高精度,相对误差低于5%。     

高光谱遥感植被指数的普适性分析

针对众多的窄波段高光谱遥感植被指数,利用多个包含高光谱和植被理化含量的实测数据集从相关系数、确定性系数以及预测均方误差等方面进行验证分析。结果显示植被指数TCAR I、MCAR I、mND705、mSR705具有优于其他植被指数的普适性。在建立回归反演模型时,建议选用非线性抛物线模型,其预测精度优于线性模型。     

基于Landsat OLI影像的典型湿地芦苇植被光能利用率遥感反演方法初探

大尺度植被光能利用率(light use efficiency,LUE)的快速准确获取一直是限制植被生产力估算及相关研究的难题。当前LUE的研究存在取值不准、方法复杂、精度不高等问题,而遥感数据时间连续、空间尺度大、易获取的优势为LUE的准确估算提供了可能。以东北地区典型的芦苇湿地为研究对象,利用多时相遥感影像Landsat OLI(operational land imager)与植被指数,通过分析LUE、植被指数与植被叶绿素含量之间的关系,探讨利用遥感植被指数实现湿地植被LUE准确估算的可行性。结果表明:除增强植被指数(enhanced vegetation index,EVI)外,其余植被指数均有较强的芦苇湿地表征能力。LUE与叶绿素及植被指数之间存在密切关系,其中归一化植被指数(normalized difference vegetation index,NDVI)对LUE的敏感性最高(P 0.01;R~2=0.62),是本研究中表征芦苇LUE的最佳指数。研究验证了以叶绿素作为中间变量,借助遥感植被指数实现LUE便捷高效反演的理论假设,可为大尺度湿地植被生产力及碳循环等研究提供方法参考和思路借鉴。     

结合PRO-4SAIL和BP神经网络的叶绿素含量高光谱反演

针对PRO-4SAIL辐射传输模型耦合BP神经网络反演叶绿素时存在过拟合、预测精度低的问题,本文以研究区内实测的高光谱数据和模拟光谱数据为数据源,在模拟样本数据构成的训练集中添加部分实测样本数据,构建BP神经网络叶绿素反演模型,然后利用剩余的实测数据进行模型验证与精度评定。结果表明:向训练集中加入少量实测数据,可以解决叶绿素反演模型过拟合的问题,叶绿素含量的预测精度得到提升,实现准确的反演路域植被信息,为路域环境植被环境遥感监测评价提供一定的技术支持。     

基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息进行叶绿素含量的估算,预测值与实测值之间的线性回归的确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。     

岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

植被叶面积指数估算的红边指数建模分析

针对在路域环境监测中,如何精确估算叶面积指数问题,该文提出以长韶娄高速路域为研究区,筛选出4种常用植被指数和4种红边指数两类指数,分别构建了经验模型和机器学习的反演模型,利用Sentinel-2影像数据和同步的LAI-2000地面实测数据完成路域植被叶面积指数反演。结果表明,红边波段参与运算的植被指数与植被叶面积指数敏感性是显著相关,红边指数在反演精度上更优。由此可知,相较于常见植被指数,红边指数增强了其与叶面积指数的敏感性,提高了叶面积指数估算模型精度。     

利用小波分形维数确定水稻光谱分辨率特征尺度

采用1维离散小波HAAR、DB4、SYM4对LOPEX 93数据库中的6条水稻反射光谱曲线进行10层小波分解。利用小波近似系数重构信号,采用步长行走法计算重构信号的小波分形维数。研究各尺度下小波分形维数、小波细节系数方差、小波细节系数信息熵、小波近似系数重构方差的特征。结果表明水稻光谱曲线具有分形特征,分形计算中相关系数值均大于0.9证明分形计算的有效性。4个参数的尺度特征揭示了水稻光谱曲线特征尺度转折点出现在尺度6,当水稻光谱分辨率小于64 nm,才能较好地反映光谱曲线峰谷细节特性。通过田间实测18条水稻光谱,计算各尺度的两种植被指数及植被指数与叶绿素的相关系数,进一步证明这一结论。     

基于小波分析的地貌多尺度表达与自动综合

基于小波多分辨率分析原理，给出了一种尺度依赖的地表形态抽象与表达方法。基于该方法研究了多尺度的地貌自动综合，提出了利用小波系数的范数比作衡量相应尺度综合程度的数量化指标，并结合实例予以说明。     

基于小波与遗传算法的特征提取与特征选择

高维遥感数据的分类与识别与传统的多光谱遥感分类技术具有明显的区别。本文提出了一种基于遗传算法和小波／小波包分析相结合的特征提取方法用于高维遥感数据降维与分类。该方法综合了遗传算法的全局优化和小波／小波包分析的多尺度、多分辨率的特点。首先,通过离散的小波变换(DWT)或小波包变换(WP)将高光谱信号变换到特征域进行光谱分解。由于DWT变换是一种线性变换,不同尺度的DWT系数可作为线性光谱特征。然后,对这些线性光谱特征利用遗传算法结合训练样本计算类内／类间距离搜索最优分类子集,其具体染色体编码取可能的特征号,适应度函数基于样本平均Jeffries-Matusita距离计算。所用的分类器采用最大似然分类器。试验结果表明该方法与常规特征提取算法如主成分变换(PCA)、判别分析特征提取(DAFE)、决策边界特征提取(DBFE)相比,能提高分类精度约1.1％-6.5％。     

高分辨率遥感影像目标形状特征多尺度描述与识别

在高分遥感影像中,同类地物目标形状具有多样性,单一尺度或单一形状模版不足以描述同类目标的形状。本文利用小波变换和Fourier描述子构建了一种目标形状的多尺度描述模型,并基于该模型给出了一种新的面向对象的高分遥感影像目标识别方法。从上到下,该模型采用尺度依次减小的小波近似系数对原始形状进行近似表示,并利用Fourier描述子对其进行定量描述。利用语义规则综合考虑多个尺度下的识别结果,得到最终识别结果,减小小尺度下分割目标破碎和大尺度下小目标无法识别造成的影响,提高识别精度。基于本文方法分别对高分遥感影像中的飞机和建筑物进行识别,对比实验表明,该方法具有较高识别精度。     

基于小波分析的线状特征数据无级表达

利用小波分析提出了线状特征空间数据的多尺度一致性无级表达模型，研究了基于该模型获取整数尺度上的地理信息，以及通过增量、连续地增补细节来获取分数尺度上的过渡地理信息，从而获取任意尺度上不同详细程度的地理信息的方法，动态地实现了线状特征空间数据的无级表达，并给出了实验结果。     

A multi-scale spatiotemporal modeling approach to explore vegetation dynamics patterns under global climate change

Given the complexity of vegetation dynamic patterns under global climate change, multi-scale spatiotemporal explicit models are necessary in order to account for environmental heterogeneity. However, there is no efficient time-series tool to extract, reconstruct and analyze the multi-scale vegetation dynamic patterns under global climate change. To fill this gap, a Multi-Scale Spatio-Temporal Modeling (MSSTM) framework which can incorporate the pixel, scale, and time-specific heterogeneity was proposed. The MSSTM method was defined on proper time-series models for multi-temporal components through wavelet transforms. The proposed MSSTM approach was applied to a subtropical mountainous and hilly agro-forestry ecosystem in southeast China using the moderate resolution imaging spectroradiometer enhanced vegetation index (EVI) time-series data sets from 2001 to 2011. The MSSTM approach was proved to be efficient in characterizing and forecasting the complex vegetation dynamic patterns. It provided good estimates of the peaks and valleys of the observed EVI and its average percentages of relative absolute errors of reconstruction was low (6.65). The complexity of the relationship between vegetation dynamics and meteorological parameters was also revealed through the MSSTM method: (1) at seasonal level, vegetation dynamic patterns are strongly associated with climatic variables, primarily the temperature and then precipitation, with correlations slight decreasing (EVI–temperature)/increasing (EVI–precipitation) with altitudinal gradients. (2) At inter-annual scale, obvious positive correlations were primarily observed between EVI and temperature. (3) Despite very low-correlation coefficients observed at intra-seasonal scales, considerable proportions of EVI anomalies are associated with climatic variables, principally the precipitation and sunshine durations.     

A practical method for SRTM DEM correction over vegetated mountain areas

Digital elevation models (DEMs) are essential to various applications in topography, geomorphology, hydrology, and ecology. The Shuttle Radar Topographic Mission (SRTM) DEM data set is one of the most complete and most widely used DEM data sets; it provides accurate information on elevations over bare land areas. However, the accuracy of SRTM data over vegetated mountain areas is relatively low as a result of the high relief and the penetration limitation of the C-band used for obtaining global DEM products. The objective of this study is to assess the performance of SRTM DEMs and correct them over vegetated mountain areas with small-footprint airborne Light Detection and Ranging (Lidar) data, which can develop elevation products and vegetation products [e.g., vegetation height, Leaf Area Index (LAI)] of high accuracy. The assessing results show that SRTM elevations are systematically higher than those of the actual land surfaces over vegetated mountain areas. The mean difference between SRTM DEM and Lidar DEM increases with vegetation height, whereas the standard deviation of the difference increases with slope. To improve the accuracy of SRTM DEM over vegetated mountain areas, a regression model between the SRTM elevation bias and vegetation height, LAI, and slope was developed based on one control site. Without changing any coefficients, this model was proved to be applicable in all the nine study sites, which have various topography and vegetation conditions. The mean bias of the corrected SRTM DEM at the nine study sites using this model (absolute value) is 89% smaller than that of the original SRTM DEM, and the standard deviation of the corrected SRTM elevation bias is 11% smaller.     

小波域隐马尔可夫树模型在图像去噪中的应用

小波域隐马尔可夫树(HMT)模型被广泛应用于统计信号和图像处理中,它成功描述了真实图像小波系数在尺度之间的相关性和依赖性,很好地体现了小波变换的延续性和非高斯性。这里通过构建图像小波域HMT模型,在应用期望最大(EM)算法估计HMT模型的参数之后,对小波系数进行贝叶斯估计达到去除噪声的目的。实验结果表明,去噪效果好于其他小波去噪算法。     

中国大陆GPS速度场的球面小波模型及多尺度特征分析

利用1999—2009年间中国大陆共1068个GPS站点在东方向、北方向的速度值,采用DOG球面小波多尺度分析方法,建立了中国大陆东方向、北方向多尺度速度场。球面小波模型的尺度主要根据观测站点的密度来确定,利用检核点上的已知速度与模型速度之间的均方差来评定模型的精度。利用球面小波模型可以更加清晰地表示速度场的大尺度特征和复杂的局部变化特征。站点稠密区域,模型在东方向、北方向上的精度分别为±0.95mm/a、±0.97mm/a,稀疏区域对应的精度分别为±1.32mm/a和±1.30mm/a。     

小波分析在空间数据处理中的应用研究

在GIS中,海量数据的处理问题一直是个难题,如果解决了海量数据的网上传输,则在WebGIS中就可以实现大范围矢量影像叠加漫游及大范围地形三维浏览飞行展示。在研究基于小波系数的地形、DEM及影像简化方法的基础上,提出了一种基于小波变换的大规模地进行简化算法;其思路是先将大地形、影像分块管理并作小波变换,然后根据视野从中提取可见的一组子块,最后基于小波系数进行简化并绘制地形和影像。试验结果证实了小波分析方法对地形简化的有效性。在数据处理过程中,对小波变换处理过程进行了优化和改进。