高光谱遥感在农业生产中的应用及展望

为了更好地利用农业自然资源,需要动态监测农作物生产状况。高光谱遥感技术在农业监测中表现出较大优势。本文总结了该技术在农作物信息诊断研究的现状,并指出当前研究中的关键问题,最后展望未来应用的重要发展方向。     

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.     

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。     

作物病虫害高光谱遥感进展与展望

作物病虫害作为影响农作物品质、产量及威胁粮食安全的主要因素,仅依靠人工田间调查对其进行监测已不能满足当下农业生产精准高效的需求。高光谱遥感作为能够获取地表物体连续波谱信息的遥感技术,已经成为当下作物病虫害监测识别的重要手段。本文对作物病虫害高光谱遥感监测识别的研究进展进行综述,通过对该领域发表文献的统计以及对主要机构、团队、数据源的分析,明确了病虫害高光谱遥感监测的研究热点和趋势;在此基础上,分析高光谱技术及其作物病虫害的监测识别机理,从病虫害胁迫探测、分类识别、危害严重度定量分析及早期检测四个方面综述相关技术及研究现状;通过探讨当下高光谱遥感病虫害监测识别面临的挑战,提出作物病虫害标准图谱库的建立、星载高光谱传感器的完善以及星空地一体化监测平台的搭建是当前作物病虫害高光谱遥感监测识别技 术落到实处的关键,也是未来发展的重点方向。     

立足国内开拓创新走向世界——中国科学院遥感应用研究所高光谱遥感发展30年回顾

世界高光谱遥感技术的发展只有20 多年的历程, 中国的高光谱遥感发展与国际基本同步, 在需求牵引和中国科学院、自然科学基金委员会的支持下, 特别是通过863 计划和国家攻关计划, 中国科学院遥感应用研究所(简称遥感所)与上海技术物理研究所等单位紧密协作, 相继研制了一系列高光谱遥感设备, 开展了大量的技术试验和应用基础研究, 不仅在国内结合国家需求取得了很好的应用效益, 而且开展了多项国际合作, 走向世界, 开创了以中国高光谱技术支持中国科学家与国外发达国家科学家合作研究的先河, 并进一步推动了高光谱遥感的发展。在长达20 多年的发展中, 遥感所高光谱遥感已成为中国的一个重要研究基地。本文从航空航天高光谱成像仪器的研制、应用技术及信息处理等方面, 回顾了遥感所高光谱遥感走过的历程及其对高光谱遥感发展的贡献。     

高光谱遥感影像矿物自动识别与应用

在对矿物光谱特征理解与归纳的基础之上，对矿物光谱特征进行知识化表达，利用数理逻辑和一定的判别规则实现对高光谱遥感影像矿物的自动识别与批量化信息提取。在ENVI平台上，利用IDL语言开发了高光谱遥感影像矿物分层自动识别模（Mineral Auto-identification Module Basedon Spectral Identification Tree：MAIM-SIT）。该模块已经在新疆东天山哈密地区利用HyMap数据、西藏驱龙地区利用Hyperion数据以及美国Cuprite地区利用AVIRIS数据成功地进行了矿物识别，可识别的矿物或矿物组合可达10种以上，基本实现了高光谱矿物信息提取的智能化与批处理能力。     

中国高光谱成像遥感应用研究进展

根据20世纪90年代以来国内主要学术刊物上发表的有关论文,综述了高光谱成像遥感在地质、海洋、农业、大气和环境等领域的应用和研究进展。为了能够较好地反映高光谱成像遥感应用研究的最新进展,对国际上同一时期的发展状况也作了简要介绍。     

高光谱高空间分辨率遥感观测、处理与应用EI北大核心CSCD

高光谱遥感技术是遥感领域的研究热点之一。然而,由于成像口径与能量等限制因素,难以同时获得高光谱和高空间分辨率的图像,这极大限制了高光谱遥感在精细尺度任务中的应用。近年来,随着高光谱成像技术及无人机为代表的新型观测平台的发展,高光谱高空间(双高,同时具备纳米级光谱分辨率与亚米级空间分辨率)遥感技术发展迅猛,推动了高光谱遥感技术的应用,但同时也带来了更多问题。极高的空间与光谱分辨率使得数据更加海量高维,加剧了高光谱数据的空间异质性和光谱变异性,为影像智能信息处理带来更大的挑战。为此,本文将从双高遥感影像基准数据集、双高遥感影像智能信息处理、双高遥感影像典型应用3个方面论述双高遥感应用与发展现状。     

高光谱遥感图像的监督分类

图像分类是高光谱遥感图像分析与应用的重要手段。总结了目前用于高光谱图像监督分类的主要方法,包括最小距离法、最大似然法、神经元网络法和支持向量机法,分析了上述方法的特点,并探讨了高光谱遥感图像分类方法的发展趋势。     

高光谱遥感及其在青藏高原的应用潜力分析

高光谱遥感以其波段数目多、光谱分辨率高、带宽窄等特点受到了国内外研究者的广泛关注,它的发展可以说是遥感技术领域的巨大进步。本文主要介绍高光谱遥感的发展,以及针对高光谱影像独有的特点所要进行的数据处理方法。在此基础上,结合青藏高原独特的地理地质环境,探讨高光谱遥感在青藏高原的应用潜力。     

高光谱遥感技术的发展与应用现状

20世纪80年代初期出现的高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,与传统的全色、多光谱遥感相比,在地物识别方面具有明显的优势.高光谱遥感技术在许多国家的重视下发展迅速,其应用领域也日趋广泛并更加成熟.对高光谱遥感技术的发展与应用现状进行总结.     

高光谱遥感影像异常目标检测研究进展

随着航空航天技术与遥感技术的不断发展,遥感影像在诸多领域的应用不断拓展,其中高光谱分辨率遥感影像具有“图谱合一”的特点,即该数据既包含了具有强大区分性的地物光谱信息,又包含了丰富的地物空间位置信息,因此高光谱数据具有非常大的应用潜力。高光谱异常目标检测问题,是在对目标先验信息未知的前提下,根据光谱与空间信息实现对区域中的异常目标的进行“盲”检测,因此其在资源调查、灾害救援等领域发挥了巨大的作用,是遥感领域非常重要的研究课题。本文针对高光谱遥感影像异常目标检测研究方向,首先总结阐述了目前高光谱异常目标检测问题的主要研究进展,根据算法原理的不同对现有主流算法进行了分类与总结,主要分成了基于统计学、基于数据表达、基于数据分解、基于深度学习等不同的种类的方法,并对每类方法的特点进行分析。随后通过对现有方法的调研、分析与总结,提出了数据库拓展、多源数据融合、算法实用化等高光谱异常检测研究未来发展的3个方向。     

基于光谱相关性的SVM高光谱遥感影像分类

根据高光谱遥感影像数据特点,首先利用光谱相关性进行特征选择,然后引进SVM进行高光谱遥感影像分析解译,最后利用AVIRIS影像进行试验,结果显示分类精度和时间比常规方法都有很大改善。     

高光谱遥感光谱相似性度量算法与若干新方法研究

提出了一种新的光谱相似性度量算法分类体系。在归纳算法的基础上,根据不同的度量原理与实现策略,结合应用需求,提出了基于光谱多边形的测度、四值编码、十进制编码、树状变换测度及基于小波变换的测度等新方法,这些方法能够应用于分类、检索等的相似性度量中。     

高光谱遥感及其影像空间结构特征分析

分析了高光谱遥感技术相对于传统的低光谱分辨率遥感的特点,以及其在环境监测等领域的应用。然后分析了高光谱影像的空间结构特征,并指出高光谱影像的空间结构特征在实际应用中也具有很重要的意义。最后,本文使用了统计学分析方法对实验影像的空间结构特征进行了分析,并提出了一个可用于描述高光谱影像空间特征的统计学参数。     

鄱阳湖地区高光谱遥感数据的定标研究

针对翻阳湖地区的成像光谱仪遥感数据，利用３种不同的定标模型进行了定标反演的研究。结果表明，在所有的３种定标方法中，经验线性定标模型的反演结果最稳定，基本符合实际。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多/高光谱卫星数据的UPDM分析方法。研究结果证明,该方法应用于Land sat/TM(ETM+)、Terra/MODIS和ADEOS II/GLI等高光谱卫星传感器时,光谱重构均方根误差小于0.029,适用于研究高光谱卫星遥感数据。     

天宫一号高光谱成像仪遥感应用

本文重点介绍了天宫一号高光谱成像仪设计、特性、在轨运控支持、地面数据处理技术及应用研究等方面内容,其中高光谱数据的辐射纠正及系统几何校正的精度满足各应用需要,数据产品质量在遥感各个应用领域获得验证.大量用户利用天宫一号高光谱数据在国土资源、海洋、林业、城市环境监测、水文生态监测等方面开展了较好的应用研究工作,取得了一批有价值的应用成果.中国科学院空间应用工程与技术中心作为载人航天空间应用系统的总体单位,负责天宫一号高光谱成像仪的总体研制管理、集成测试验证、在轨运行支持及应用研究的组织推广,为更好地发挥应用效益做出了积极的贡献.     

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。