小麦冠层理化参量的高光谱遥感反演试验研究

以国产成像光谱仪所获高光谱遥感数据为基础，根据田间同步采样数据建立的基于反射光谱特征的小麦冠层生物物理和生物化学估计模型，实现了用航空高光谱遥感数据对田间小麦冠层理化参量的整体反演。结果表明：用高光谱遥感方法估计小麦冠层理化参量是可行的；以理化参数为“波段”的数字图像及其处理，为农学家以理化参量的空间分布及其差异解释作物产量空间分布差异和研究作物生态生理机理提供了新的手段。     

Hyperion影像的辐射处理方法

选取甘肃张掖部分地区的Hyperion数据,运用Hyperion Tool提取未定标、坏线和条带以及质量模糊的波段数据,对数据进行一次重采样预处理,并选择合适的大气参数对影像应用模块进行了FLAASH大气校正。将校正前、后的植被、水体和裸岩光谱特征与标准库曲线进行对比分析,结果表明,处理后的影像很好地反演了地物的真实反射率,提高了数据处理速度和精度,为后续研究地物成分估算提供了图像基础。     

水稻叶片不同光谱形式反演叶绿素含量的对比分析研究

通过对常优1号和武粳15两个品种水稻叶片的反射率R、lg(1/R)、反射率一阶微分（FD）和反射率归一化（BN）等光谱形式的测量和计算，分析了叶片光谱不同变化形式与叶绿素含量的相关关系，建立了统计方程，并进行了比较与评价，同时，对反演方程的最佳波段选择进行了探讨。结果表明，叶绿素含量与反射率一阶微分光谱方程的相关性最强，而采用lg(1/R)的光谱形式能够提高遥感反演叶绿素含量的效果。经验证，两个水稻品种叶绿素含量的模拟值与实测值的复相关系数R2分别达到0.641和0. 818。     

基于Hyperion影像的涩北气田油气信息提取

 对柴达木地区涩北气田地质地理环境下的蚀变矿物进行分析，结合卫星高光谱遥感数据Hyperion的图谱，对已知气田区与背景区光谱特征进行相关分析，确定了932.64~1 346.25 nm与2 002.06~2 385.5 nm为油气信息识别的有利波长范围； 利用光谱角制图（SAM）技术提取了涩北气田油气的空间分布信息和台吉乃尔含气构造等远景区，为高光谱遥感油气勘探提供了有效技术方法与途径。     

近地面成像光谱技术在水稻氮诊断方面的应用

传统的测量水稻氮含量的形态诊断法和化学分析法,不仅耗费了大量的人力、物力、财力,而且测量的结果也不够精确,并且得不到及时应用,很大程度上影响了水稻的生产和产量.而基于成像光谱技术对水稻进行的氮诊断,可以做到对水稻的无损坏和精确测量,降低了成本,节省了时间,氮的使用效率明显提高,同时产量也大幅度增加,做到了经济利益和生态...     

EO-1Hyperion高光谱数据FLAASH模块大气纠正及评价

由于受到大气的影响,传感器接收到的辐射信息不能真实地反映地表反射光谱信息,因此,从遥感影像中去除大气的影响,即进行大气校正,是高光谱遥感数据处理中极为重要的环节。文章介绍了EO-1hyperion高光谱数据的特点,以及用FLAASH（Fast Line of Sight Atmospheric Analysis of ...     

基于冠层反射光谱的水稻产量预测模型

基于地面实测的水稻冠层反射光谱,计算了常用的8个植被指数,并在产量形成生理特征的基础上,系统分析了水稻籽粒产量及其构成因素与各植被指数之间的关系。结果表明,通过单一生育时期或某个生育阶段的光谱植被指数来直接估测产量精度较低。发现叶面积氮指数(叶片氮百分含量与叶面积指数的乘积)的变化趋势很好地反映了产量的形成过程,且与光谱植被指数极显著正相关,基于此建立了水稻的光谱植被指数-累积叶面积氮指数-产量估测模型(VICLANIYieldModel)。并将其与LAD-产量模型、多生育期复合估产模型进行了比较,表明本模型预测精度最高。     

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%。     

基于Hyperion影像的土地沙漠化研究

使用遥感影像数据可以提取土地沙漠化信息,通过遥感影像所表现的不同信息,可以判断土地沙漠化的发生及其发展程度等。针对EO-1Hyperion高光谱遥感影像成像的特点,探讨高光谱Hyperion影像的预处理和土地沙漠化的计算方法,研究中采用像元二分法从高光谱EO-1 Hyperion影像反演了土地沙漠化。     

Hyperion高光谱数据在福建钟腾铜钼矿区的应用研究

以福建平和钟腾铜钼矿区为例,简要介绍了Hyperion高光谱数据处理技术,探讨了基于特征谱带的光谱微分及基于完全波形特征的光谱匹配等遥感矿物识别方法,初步识别出该矿区的绢英岩,并为地质资料、野外踏勘以及岩矿鉴定所证实.旨在交流基于高光谱遥感数据的岩矿信息提取方法技术,对高植被覆盖区的遥感技术应用进行探索.     

水稻叶面积指数的高光谱遥感估算模型

通过不同氮素营养水平的水稻田间试验 ,采用单变量线性与非线性拟合模型和逐步回归分析 ,用1 999年试验数据为训练样本 ,建立水稻LAI的高光谱遥感估算模型 ,用 2 0 0 0年试验数据作为测试样本数据 ,对其精度进行评价和验证。结果表明 ,高光谱变量与LAI之间的拟合分析中 ,蓝边内一阶微分的总和与红边内一阶微分的总和的比值和归一化差植被指数是最佳的变量     

光谱波段宽度对森林叶片叶绿素含量反演的影响分析

随着传感器技术的发展,高光谱数据光谱的波段宽度逐渐变窄,如何从海量的光谱数据中找到最优的光谱波段反演叶绿素含量,成为研究的难点问题。本文在测量华中农业大学狮子山6种主要树种的光谱数据和叶绿素含量的基础上,利用叶绿素指数(CI)和回归方法反演叶绿素含量,并分析了波段宽度对反演叶绿素含量结果的影响,结果发现波段宽度会影响到叶绿素反演的精度,当波段宽度为30nm时,叶绿素含量与"红边"区域(700nm-730nm)和近红外区域(770nm-800nm)叶绿素指标(CI)间的线性关系较好,决定系数可达到77.62%,均方根误差为10.6ug/cm2。     

基于水稻高光谱遥感数据的PLS波长选择研究

对武汉地区不同生长状况下的水稻冠层进行了遥感监测,采用偏最小二乘(PLS)分析方法分别对水稻叶面氮含量、叶绿素含量进行了波长选择研究,并通过构建8种波长组合进行PLS水稻叶面氮含量反演分析和比较,选择出最合适的反演波长。多种波长(波段)组合进行叶面氮含量反演的验证表明,采用552 nm、675 nm7、52 nm7、76 nm的4波长组合是最适合叶面氮含量反演的波长选择结果,同时,采用光谱能量空间变换的形式能较好地改善波长选择的反演效果。     

海面油膜高光谱遥感信息提取

针对辽东湾海域的Hyperion高光谱遥感数据特点, 结合海面油膜光谱与Hyperion影像特征, 对该数据进行水陆分离与最小噪声分离(minimum noise fraction, MNF)变换处理, 在辽东湾海域MNF波段影像的2D散点图中, 海面油膜的出现会在其边缘形成一个异常散点区域, 可区分油膜与干扰信息,结合提取的海面油膜端元的MNF波谱, 通过混合调制匹配滤波(mixture tuned matched filtering, MTMF)技术, 成功地提取研究区海面油膜信息, 有效监测海面油膜     

内陆水体藻类叶绿素浓度与反射光谱特征的关系

通过研究内陆水体反射光谱特征与藻类叶绿素浓度之间的关系,建立藻类叶绿素高光谱定量遥感模型。在实验地太湖地区,采用高分辨率地物光谱仪实地测量了湖水在可见光和近红外波段（３００－１１００ｎｍ）的反射光谱曲线,并且同时采样分析叶绿素、总悬浮固体物质浓度等水质参数。研究发现在叶绿素浓度较高时（〉５μｇ／Ｌ）,水体光谱反射比Ｒ７０５ｎｍ／Ｒ６７５ｎｍ、叶绿素在７００ｎｍ附近反射峰的位置等与叶绿素浓度有较好的     

混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

Monitoring nitrogen concentration of oilseed rape from hyperspectral data using radial basis function

Remote sensing technology is the important tool of digital earth, it can facilitate nutrient management in sustainable cropping systems. In the study, two types of radial basis function (RBF) neural network approaches, the standard radial basis function (SRBF) neural networks and the modified type of RBF, generalized regression neural networks (GRNN), were investigated in estimating the nitrogen concentrations of oilseed rape canopy using vegetation indices (VIs) and hyperspectral reflectance. Comparison analyses were performed to the spectral variables and the approaches. The Root Mean Square Error (RMSE) and determination coefficients (R²) were used to assess their predictability of nitrogen concentrations. For all spectral variables (VIs and hyperspectral reflectance), the GRNN method produced more accurate estimates of nitrogen concentrations than did the SRBF method at all ranges of nitrogen concentrations, and the better agreements between the measured and the predicted nitrogen concentration were obtained with the GRNN method. This indicated that the GRNN method is prior to the SRBF method in estimation of nitrogen concentrations. Among the VIs, the Modified Chlorophyll Absorption in Reflectance Index (MCARI), MCARI₁₅₁₀, and Transformed Chlorophyll Absorption in Reflectance Index are better than the others in estimating oilseed rape canopy nitrogen concentrations. Compared to the results from VIs, the hyperspectral reflectance data also gave an acceptable estimation. The study showed that nitrogen concentrations of oilseed rape canopy could be monitored using remotely sensed data and the RBF method, especially the GRNN method, is a useful explorative tool for oilseed rape nitrogen concentration monitoring when applied on hyperspectral data.     

高光谱与高空间分辨率遥感数据的亚热带森林生物量反演

精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。     

利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演

氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R²val>0.579）均优于原始20 m的影像（R²val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R²val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R²val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R²cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。