高光谱技术监测植物病虫害方法研究进展

以农作物、生态观赏林、经济果树林为研究对象,从数据采集、处理、分析等方面对基于高光谱技术的病虫害监测方法进行梳理、总结,并提出高光谱技术应用在农林果木方面的不足和展望,为以后的植物分类识别、病虫害监测等研究提供参考.     

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。     

高光谱遥感影像混合像元分解研究进展

受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。     

若干高光谱成像新技术及其应用研究

高光谱成像数据已广泛应用于地质、海洋、农林、水文、城市、环境和军事等领域,对经济的可持续发展发挥了促进作用。随着研究的深入和应用的拓展,对高光谱成像系统的技术要求呈现多样化趋势。本文简要回顾了国内外高光谱成像技术的主要发展历程,依次阐述了运动补偿高光谱成像、紧凑型热红外高光谱低温光学、宽谱段一体化机载高光谱集成、基于AOTF分光的凝视型高光谱成像以及阶跃集成滤光片等具有代表性的高光谱成像关键技术,并简要介绍了这些新技术在天宫一号、嫦娥三号等国家重大任务中的应用情况。     

不同种植设施背景蔬菜作物无人机高光谱精细分类

中国蔬菜产业规模大、产值高,是促进农民增收和农村农业经济发展的支柱产业。快速准确地获取区域尺度蔬菜种植结构信息对于农业现代化、自动化和精细化等具有重要意义。无人机高光谱遥感技术具有快速机动灵活和“图谱合一”的优势,在作物精细分类中具有广泛应用前景。然而蔬菜作物种植规模差异大、农业景观破碎度高,同时还受地膜、大棚和防鸟网覆盖等影响,无人机高光谱图像易产生严重的混合光谱效应,给蔬菜作物精细分类带来了极大的挑战。针对此问题,本研究以湖南省农科院高桥科研基地蔬菜种植区为例,获取无人机高光谱图像,探索采用支持向量机和深度学习方法对不同蔬菜作物进行精细分类。研究结果表明：基于无人机高光谱遥感数据,可以实现不同覆盖背景下的蔬菜作物精细分类;两大分类方法的平均总体精度分别为78.03%和90.75%,平均Kappa系数分别为0.7359和0.8887,相较于支持向量机方法,基于深度学习的分类方法获得的精细分类效果更加理想,三维卷积神经网络和引入注意力机制的卷积神经网络可以有效提取图像中的光谱—空间特征信息,在蔬菜作物精细分类中体现出更好的分类效果;蔬菜作物在大尺度地块上空间纹理特征明显,而在小地块尺度...     

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。     

高光谱技术应用情况研讨

高光谱影像因其光谱分辨率高、波段多、信息量丰富等特点已经在许多领域得到了广泛的应用。本文对高光谱技术在矿山资源监测、土壤监测、植被监测、大气环境监测、水环境监测方面的应用,以及高光谱的分类识别技术研究进行了回顾与总结,并指出拓展高光谱技术的应用深度和广度、探讨定量反演建模新模式等问题,是进一步的研究趋势。     

地面成像光谱数据的田间杂草识别

地面成像光谱数据兼具高光谱分辨率与高空间分辨率,在田间杂草识别中具有很好的应用前景。目前基于机器视觉的杂草识别方法以形状特征为主,当作物杂草形态相似时识别的困难和利用高光谱特征以像元为单元识别时效率较低,不利于实时自动化除草,因此,本文提出一种综合面向对象与高光谱特征匹配的杂草识别方法,在对作物杂草对象样本的形状特征和光谱曲线提取分析的基础上,建立基于形状特征规则与光谱角匹配的植物对象识别决策树,用于识别实验田中的作物杂草对象。实验结果表明,当场景中某些不同种类植物对象的形态相似时,基于形状特征规则与光谱角匹配的杂草识别方法可借助高光谱特征精细区分植物对象的种类,且在形状特征规则约束下使用高光谱特征匹配法识别植物对象,可克服"同物异谱"和"同谱异物"现象带来的不确定性,该方法识别精度可优于仅使用光谱角匹配法的情况,并优于使用颜色和形状分析技术的情况。     

基于光谱吸收深度分析的冬小麦生物量估算模型的建立

准确的估算作物的生物量,对作物长势监测具有重要的意义。利用高光谱仪获取的冬小麦高光谱实测数据,通过植被参数分析、植被光谱吸收特征挖掘,构建了冬小麦生物量的高光谱估算模型。结果表明,基于光谱深度分析与偏最小二乘方法建立的估算模型的R2值为0.86,RMSE为0.0397kg/m~2,较基于植被参数的生物量估算模型,模型精度得到了大幅的提高。本研究证实了利用光谱深度技术可以准确地挖掘光谱数据的"红谷"波段与生物量之间的关系,从而实现冬小麦生物量估算精度的提高。     

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。     

昆明冬季典型作物的高光谱特征对比研究

为开展昆明市冬季典型作物高光谱特征对比研究,借助SOC 710vp便携式光谱仪,获取白萝 卜和云南大苦菜的高光谱数据,对比原始、一阶微分及连续统去除光谱,并构建光谱特征参数.结果表明:①两种作物的原始光谱曲线走势相似但白萝 卜的反射率较高;②500～760 nm两种作物的一阶微分值差异较为显著,红边位置、光谱幅值和面积特征参数区分效果较好;③经连续统去除后,可见光范围内作物间可分性增强,划分波段范围并结合吸收特征参数,可有效辨别.可见,利用光谱曲线和特征参数区分作物是可行的,将为云贵高原地区作物精细识别和高原特色现代农业建设提供理论依据.     

高光谱遥感在植物多样性研究中的应用进展与趋势

人类活动、极端气候、物种入侵等事件导致植物的生物多样性丧失加剧,生物多样性保护迫切需要快速准确地收集陆地植物多样性信息。高光谱遥感的出现,为大空间尺度上的植物多样性研究提供了技术基础,为群落和景观水平的生物多样性相关理论的验证提供了契机。本文简要回顾了近年来高光谱遥感技术的发展及其在植物多样性研究中的应用。重点介绍了两类高光谱遥感反演多样性的手段,即直接反演和间接反演。直接反演手段以光谱变异假说为理论基础,从光谱曲线特征入手直接建立光谱信息与植物多样性的关系;间接反演手段则通过植被指数将光谱信息关联植物多样性,或通过定量反演功能性状计算功能多样性指标,进而实现植物多样性的间接估测。论文进一步结合实例,论述了高光谱遥感技术在大尺度生物多样性相关研究中的应用,如物种入侵监测、物种分布及多样性格局制图、生物多样性与生态系统功能关系研究。最后分析了高光谱遥感技术在生态研究应用中的局限性。随着多源遥感技术的发展日渐成熟,高光谱遥感技术与地面通量监测、激光雷达、计算机可视化等其他技术的协同应用可能是在生物多样性研究领域中一个新的发展方向。     

高光谱──遥感测绘的新机遇

通过对高光谱遥感技术的主要优势、基本特征和地理空间信息探测潜力的分析,展示了高光谱数据在遥感测绘领域大规模应用的可能性。同时,还分析了围绕高光谱测绘应用相关的一系列问题,包括高光谱数据的测绘需求、面向测绘应用的高光谱影像分析的关键技术、高光谱遥感测绘模式以及实用化系统建立的设想等。通过对这些问题的进一步深化研究,高光谱技术就可充分与现有的遥感测绘手段有机结合,并对地理空间信息的遥感探测技术产生有力的推动。     

高光谱遥感技术在地质领域中的应用

近年来，高光谱应用技术在地质领域得到了深入的应用与发展，不仅深化了地质学的基础研究，也推动着遥感地质填图从岩 性填图向矿物填图的飞跃，推进了高光谱遥感技术在成矿预测、地质成生环境成因信息探测、植被地化信息与理化信息提取以及矿 山环境调查等应用的不断深入。本文围绕高光谱技术的特点，并结合作者近年来的工作实践，论述了高光谱技术在上述领域的实际 应用情况与应用效果。     

高光谱图像处理与信息提取前沿

高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。本文简要介绍了高光谱遥感的主要特点,系统梳理了高光谱图像处理与信息提取面临的关键问题和主要研究方向,在此基础上,从噪声评估与数据降维方法、混合像元分解方法、图像分类方法、目标探测与异常探测方法等4个方面对高光谱图像处理与信息提取的理论发展过程和最新前沿进展进行了综述。另外,还对高光谱图像处理与信息提取中的高性能处理技术进行了总结和分析。未来,伴随着智能化信息分析和高性能硬件处理技术发展,高光谱遥感卫星系统也将步入智能化时代。针对这一趋势,本文指出高光谱图像处理与信息提取方法要注重多学科交叉,充分利用机器学习、人工智能等领域的新成果;要重视软硬件结合,发展高光谱图像高性能实时处理技术;要紧密结合应用需求,发挥高光谱遥感的优势和特点,发展新理论和新方法。     

高光谱--遥感测绘的新机遇

通过对高光谱遥感技术的主要优势、基本特征和地理空间信息探测潜力的分析,展示了高光谱数据在遥感测绘领域大规模应用的可能性.同时,还分析了围绕高光谱测绘应用相关的一系列问题,包括高光谱数据的测绘需求、面向测绘应用的高光谱影像分析的关键技术、高光谱遥感测绘模式以及实用化系统建立的设想等.通过对这些问题的进一步深化研究,高光谱技术就可充分与现有的遥感测绘手段有机结合,并对地理空间信息的遥感探测技术产生有力的推动.     

高光谱遥感岩矿识别方法的研究进展

遥感技术应用于地质中的目的之一是分辫和识别出不同的岩石和矿物等地质体,高光谱分辫率遥感则可通过诊断性光谱特征对岩石或矿物成分及结构进行识别。随着高光谱矿物识别方法的不断发展,使得高光谱遥感技术在地学领域的应用由定性分析到定量识别成为可能,也为今后开展成像光谱遥感数据的广泛应用做好了技术准备。介绍了多种岩矿光谱分析的技术方法,并对不同方法的优、缺点及其应用场合进行分析。最后,总结并提出了下一步的工作方向。     

使用量子优化算法进行高光谱遥感影像处理综述

高光谱遥感技术从20世纪80年代出现以来,已迅速成为对地观测的重要组成部分,其影像信息提取是地物信息提取的主要数据来源。高光谱遥感影像除提供地物的空间信息之外,其成百上千个波段携带的光谱信息所提供的光谱诊断能力可以对地物目标进行精细化解译,大大增强了对地物信息的提取能力。充分利用高光谱遥感影像丰富的光谱信息对地物目标进行精细化解译成为近年来遥感领域的研究热点。对基于量子优化算法的高光谱遥感影像处理方法进行阐述,介绍了量子优化算法的发展与技术,并概括了其在高光谱遥感影像中的应用,并对量子优化算法在高光谱遥感影像处理中的应用发展提出建议和展望。     

高光谱遥感信息提取与地质应用前景——以青藏高原为试验区

高光谱遥感是一门正在兴起的极具发展潜力的应用科学技术,能直接快速地识别岩矿组成、丰度及其分布;高光谱图像丰富的空间信息也包含一定的地质构造信息。目前,光谱分解模型和修正的高斯模型在岩矿信息定量研究中极具潜力;对纹理信息的提取侧重于空域的灰度剪切与有效平均梯度相结合及频域空间内的小波包等技术。根据目前高光谱遥感信息的地质应用,总结出高光谱地质应用的技术流程。在此基础之上,以青藏高原为例,阐述了高光谱遥感的地质应用前景。最后,对高光谱遥感技术存在的问题进行了一定的评述。     

星载高光谱成像载荷发展及关键技术

星载高光谱遥感技术可通过光谱特征对地物进行大范围快速精细识别,在自然资源勘查、生态环境保护、精细农业、碳排放监测和地表异常即时探测等方面有着广阔的应用前景。自20世纪80年代初期美国NASA研制出第一台机载高光谱成像仪以来,高光谱成像技术的研究发展日益得到重视。与机载高光谱载荷相比,星载高光谱载荷的研制难度大幅增加,但其全球范围快速探测识别的巨大应用价值,成为国际上竞相攻克的科技制高点,也是人类探测地球感知万物的重要手段。我国高分五号卫星的成功发射,使国际上星载高光谱成像技术的水平达到了一个新的高度,在助力碳排放、土壤有机质、土壤重金属污染、水质微量污染和大范围地球深部找矿等应用方面产生诸多突破。本文回顾了星载高光谱载荷技术的发展历程,总结了星载宽谱宽幅高光谱载荷的要点、关键技术及应用情况。结合团队在该领域多年实际开展的工作,凝炼提出了静止轨道高光谱、荧光超光谱和高光谱即时遥感探测几个重要发展方向及其关键技术,为星载高光谱载荷研究工作的重大发展提供一些重点有益的参考。