基于高光谱数据的铀尾矿植被污染信息分析

选择若尔盖铀尾矿区为研究对象,通过ASD地面光谱仪测量铀尾矿堆内和堆外的植物样品光谱数据,结合研究区高光谱数据,提取该区受污染植被的光谱信息和光谱变异参数,分析铀尾矿区植被污染情况,为铀尾矿区环境评价和污染治理提供参考依据。研究显示,尾矿堆内光谱曲线特征一致,大部分样品的红边位置为717 nm,存在个别红边差异。与非尾矿堆植被光谱参数相比,尾矿植被的红边波长位置蓝移14.1 nm。高光谱红边参数提取结果反映了研究区植被红边变异程度。     

利用室内光谱红边参数估测烤烟叶片成熟度

试验研究不同施氮水平下不同成熟度的烤烟叶片光谱红边参数特性,采用相关分析和逐步回归方法确定红边位置为烟叶成熟度的特征变量。通过分析红边位置与成熟叶片和过熟叶片的关系,找到适熟叶片的红边位置变化范围,同时采用回归模型用红边位置反演得出相应的叶绿素含量,对采用红边位置估测成熟度的准确性进行检测。结果表明：运用红边位置估测叶绿素含量效果较好,从而可以判断烟叶成熟度,并且得出成熟叶片红边位置为693—695nm,过熟叶片红边位置极值为688nm。因此,本研究为采用光谱技术测定烤烟叶片成熟度确定了理论依据,并可为解决烟草生产中成熟采收问题提供参考。     

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。     

大米草室内叶片光谱特征参数与叶绿素浓度关系研究

本文通过分析大米草叶片反射光谱特征,并提取红边位置、红边斜率和红边面积三个红边参数以及叶面叶绿素指数(LCI)、水分指数(WI)、三角植被指数(TVI)、结构相关色素指数(SIPI)四个高光谱植被指数,利用线性、对数、倒数、二次函数和三次函数曲线模拟算法得到大米草叶片叶绿素a浓度的高光谱估算模型。研究结果表明:叶绿素a浓度与红边斜率和红边面积在0.01水平上显著负相关,与LCI、WI和TVI在0.01水平上显著正相关。基于红边斜率、红边面积、TVI三个参数,选用倒数法构建叶绿素a浓度的估算模型精度明显高于其他算法。基于LCI和WI参数,应用三次函数法构建的叶绿素a浓度的高光谱检测模型精度明显高于其他算法。比较R2和模型估算误差,利用WI水分指数应用三次函数构建叶绿素a浓度的高光谱检测模型精度在所有模型中最高。因此,利用叶片光谱技术可以较高精度地估算叶绿素a浓度。     

矿区植被重金属胁迫高光谱分辨率数据分析

研究矿区植被重金属胁迫,植被反射光谱测量必不可少。用成像光谱仪野外测试江西德兴铜矿区典型植被的冠层反射波谱曲线,利用导数光谱评价植被“红边”位置。分析得知,植被红边“蓝移”,最大“蓝移”达11nm。根据红边位置与叶绿素含量的正相关关系,并结合铜矿区地质、地貌特点以及开采情况,初步断定铜矿区植被主要受到重金属胁迫而且胁迫程度与植被冠层重金属含量也呈正相关关系。这可作为高光谱分辨率遥感技术在矿区植被修复方面的决策支持和参考依据。     

小麦生物量和真实叶面积指数的高光谱遥感估算模型

利用大田小麦的参数数据和冠层光谱数据,基于光谱一阶微分技术和光谱响应函数,构建等效MODIS植被指数,建立小麦生物量(本文指总干生物量,下同)和真实叶面积指数的高光谱遥感估算模型.结果表明:①小麦生物量与冠层光谱在552 nm,721 nm处呈现最显著相关关系,叶面积指数与冠层光谱的相关性在400～1100 nm范围内较显著;②红边位置与生物量的关系最为显著,相关系数R为0.818;③6种等效MODIS植被指数中,增强型植被指数对生物量最为敏感;④红边位置估算小麦总生物量的指数模型最优,决定系数R2为0.829;⑤增强型植被指数与小麦叶面积指数的指数模型拟合度最强,决定系数R2为0.94.利用实测光谱模拟MODIS等效反射率构建植被指数反演小麦参数的方法,可为利用卫星数据进行大面积、无破坏和及时获取地面植被信息研究提供重要手段.     

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%。     

最佳小波包基的矿区植被及红边位置提取

小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。     

冬小麦叶面积指数的高光谱估算模型研究

本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。     

指示冬小麦条锈病严重度的两个新的红边参数

通过人工田间诱发不同等级条锈病,在不同生育期测定了36条感染不同严重程度条锈病的冬小麦冠层光谱及相应叶片的生理生化参量。对测定的冬小麦红边一阶微分光谱进行分析,发现随着病情严重度的增加,红边一阶微分的前峰(700nm附近)越来越明显,后峰(约在725—740nm)越来越不突出,以红边一阶微分的双峰特征随病情指数的变化为基础,设计了两个新型的红边参数:DSr和Ar,它们可以分别用来描述红边一阶微分光谱曲线的陡峭度和不对称性,与其他常用的红边参数(红边位置、红边一阶微分最大值,红边一阶微分所包围面积)相比,新参数反演病情严重度的精度更高。     

巴什布拉克铀矿区遥感油气还原蚀变信息提取

从巴什布拉克铀矿床油气还原蚀变岩石的光谱特征分析入手,开展了基于ETM数据的白垩系油气还原蚀变信息的反向增强和 基于ASTER数据的直接增强技术研究。通过对增强的油气还原蚀变信息分布特征的分析,发现矿床所在的北西西向狭长的白垩系出 露范围内,西段的油气还原蚀变强烈,中段和东段的蚀变弱,从而为矿区外围铀矿找矿提供了重要依据。     

CBERS-02B星数据质量评价及其铀成矿要素解译应用研究

利用遥感影像处理技术和数理统计方法,评价了中巴地球资源一号卫星02B星（CBERS—02B,以下简称02B星）遥感数据的空间特性和辐射特征,并与ETM＋多光谱数据主要特征参数进行了对比分析。在此基础上,以江西桃山花岗岩型铀矿田为试验区,结合航空放射性数据,开展了基于02B星遥感数据的控矿断裂带、热液蚀变带及主要成矿岩体等铀成矿要素的光谱特征识别与提取,并对该数据的地学应用潜力进行了评价。     

SAR与TM图像复合技术在东准噶尔铀矿资源调查中的应用

利用航天SAR与TM复合图像对东准噶尔将军戈壁地区铀成矿环境与成矿条件进行研究。讨论了将军戈壁的地质背景、铀源条件、铀矿化与氧化还原带的关系,提出了成矿的有利条件,预测了铀成矿远景区,选出找矿的重点层位。     

CBERS-02B星数据质量评价及铀成矿要素解译应用研究

利用遥感影像处理技术和数理统计方法,评价了中巴地球资源卫星02B星(CBERS-02B,以下简称02B星)遥感数据的空间特性和辐射特征,并与ETM+多光谱数据主要特性参数进行了对比分析.在此基础上,以江西桃山花岗岩型铀矿田为试验区,结合航空放射性数据,开展了基于02B星遥感数据的控矿断裂带、热液蚀变带及主要成矿岩体等铀成矿要素的光谱特征识别与提取,并对该数据的地学应用潜力进行了评价.     

TM、SAR、放射性能谱资料在砂岩铀矿成矿地质条件分析及找矿中的应用

在铀成矿理论指导下,运用彩色空间变换和比值合成方法对LandsatTM、JERS-1SAR及航放数据进行综合处理,有效地提取了与砂岩型铀矿成矿有关的各种地质信息,如铀源条件、补给-径流-排泄等水文地质条件及矿化蚀变信息等,在此基础上,对本区成矿远景进行了评价,并预测了远景地段。     

Extraction of Alteration Mineral Information from Moderate Remote Sensing Images Using MPS Method

Although alteration minerals related to metallogenesis is very important in mineral exploration, information of alteration mineral is weakly expressed in remote sensing imagery, which is often subject to interfering noise and sometimes limited in spectral and spatial resolutions. Because of easy access, moderate images are the main sources of alteration mineral information. Therefore, it is very important to develop alteration mineral information extraction methods from remote sensing images. In this paper, a combined method based on Mask, principal component analysis (PCA) and support vector machine method (SVM) was used to extract alteration mineral information from Enhanced thematic mapper plus remote sensing data with limited spectral and spatial resolutions. First, a mask image of the remote sensing imagery was created to remove interference information such as vegetation, shadow and water. Then, PCA was employed to collect sample data relating to iron, argillic, and carbonatization alteration. Finally, SVM was used to deal with alteration anomaly and build a feature extraction model of high accuracy. The Mask-PCA-SVM model is used to extract alteration mineral information from remote sensing images of Hatu area, Xinjiang Uygur Autonomous Regions, China. The results show that the new methods proposed in this paper can coincide well with known deposits occurrences, rate reached 86.51%. While, the consistent rate with known deposits of the ratio model, PCA model and Spectral angle mapper model were only 3.37, 65.08 and 69.05% respectively. This suggests that the proposed model can find the actual distribution of mineral deposits more effectively by reducing interference to a greater degree.     

高光谱数据处理及在铀资源勘查中的应用——以广西苗儿山地区为例

以广西苗儿山地区机载成像细分红外高光谱数据为例,探讨了高光谱数据的特点及其处理方法。编制了一系列数据预处理软件,对图像进行了条带去除、波段间配准、航向压缩、镜向变换、辐射校正、正切校正、相对反射率转换等预处理,获得了高质量图像; 在 ENVI软件基础上建立了研究区野外实测光谱曲线库及分类子库,并对各子库进行了系统研究。同时,提出了正确的图像配准方案,对图像进行了精校正和镶嵌,取得了满意的效果; 在纯净像元提取、混合像元分解、匹配滤波、光谱特征拟合等方面进行了探索,提取了该区铀矿化的特征光谱信息; 最后,探讨了高光谱数据的地质应用潜力,尤其在硅化带识别方面的应用取得了成功,发现了一系列的新的含铀硅化断裂带,预测了三个成矿有利地段。经验证,其中两片地区的铀明显偏高并有矿化显示。     

Mapping of bauxite mineral deposits in the northern region of Saudi Arabia by using Advanced Spaceborne Thermal Emission and Reflection Radiometer satellite data

Mineral deposit mapping is very essential for sustainable and eco-friendly exploitation of natural resources. The Kingdom of Saudi Arabia has abundant natural resources such as natural gas, oil and minerals. It reserves high quantity of minerals such as phosphates, bauxites, copper, gold and other industrial minerals. The red soil regions located in Hail and Qassim provinces of Saudi Arabia have rich amount of bauxite (major aluminum ore) deposits. In order to initiate the focus on mapping of mineral deposits along this area, standardized hyper-spectral analysis has been carried out by using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) satellite data. The spectral signature of gibbsite (major element in bauxite) samples is analyzed with reference to the spectral features of gibbsite in the visible near infrared and short-wave infrared bands electromagnetic spectrum. Advanced hyper-spectral transformations such as minimum noise fraction function and pixel purity index have been performed to identify the target end-member. The existence of the mineral is confirmed by comparing the spectral signatures of the end-member with the predefined spectral plots of ASTER and United States Geological Survey spectral libraries. Finally, the end-members are mapped and their abundance is estimated in 0–1 scale. The study has opened up new areas for mapping of bauxite deposits in the area and leads to eco-friendly exploitation of natural resources. It also validates the high potential of ASTER multispectral satellite data for the exploration and mapping of mineral resources.     

Selecting optimum base wavelet for extracting spectral alteration features associated with porphyry copper mineralization using hyperspectral images

Extracting a set of meaningful spectral features could enhance the classification performance. This is particularly important in hyperspectral images where the dataset are very large and time consuming to process. Wavelet transform as a powerful decomposition tool in both low and high frequency components could play an essential role in extracting spectral features of target minerals. Selecting the optimum base wavelet is an important step in wavelet transform. In this research, two criteria to select optimum base wavelet were implemented on three wavelet series including Daubechie (db), symlet (sym) and coiflet (coif). Energy criterion involves entropy factor and energy-to-Shannon entropy ratio while matching shape criterion operates according to correlation coefficients. High ranking base wavelets in both energy and shape criteria, coif1, db3 and db7, are recommended to be utilized in hyperspectral image classification. Neural Network technique was used for classification and trained by means of mineral spectral features related to typical porphyry copper deposits. Non-Linear wavelet feature extraction was employed to select the efficient features as input data. The study area covered by Hyperion data contains two well-known porphyry copper deposits, Darrehzar and Sarcheshmeh, located in the Iranian copper belt. Based on classification error matrix, it is concluded that db7 through 12 selected features exhibits the maximum consistency with the field measured data and can be recommended as an appropriate base wavelet for detecting porphyry copper deposits.     

从陆地卫星TM数据提取胶东某地区某种类型金矿的围岩蚀变信息

利用金矿围岩怕变的光谱特征,作不同波段的比值图象,增强围岩蚀变信息。再将这些增强了的信息集中起来,使金矿信息明显化,达到从遥感资料直接找矿的目的。