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     

引黄灌区水稻叶面积指数的高光谱估测模型

水稻叶面积指数（leaf area index,LAI）是评价其长势的重要农学参数,高光谱遥感能够实现叶面积指数的快速无损监测。为了寻找反演水稻LAI的最优植被指数,扩展水稻LAI高光谱估测模型的普适性,选取宁夏引黄灌区水稻为研究对象,通过设置不同氮素处理,借助相关分析、回归分析等方法研究高光谱植被指数与水稻LAI之间的定量关系,并通过确立的最优波段组合,构建4种植被指数与水稻LAI的高光谱反演模型。结果表明,水稻LAI在抽穗末期达到最大值,并随氮素水平的增加而增加;水稻冠层原始光谱反射率在400~722 nm和1 990~2 090 nm波段与LAI达到极显著负相关水平,在近红外区域760~1 315 nm与LAI呈极显著正相关。模型检验结果表明,以比值植被指数RVI（_850,750）为变量建立的水稻LAI估测模型最佳,研究结果可为水稻LAI的高光谱估测提供地域参考。     

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.     

高光谱遥感图像的空间邻域指数

通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。     

基于ICA的遥感图像多组分研究

图像分类是遥感应用的基础,而遥感图像的多组分性是影响分类的关键难题之一。本文基于独立分量分析方法,构造遥感图像信号多组分分解的模型,对遥感图像的多组分分解进行了研究与实验,结果表明该模型与方法的正确性。     

线性混合光谱模型高光谱压缩感知

高光谱压缩感知(HCS)对于解决机载或星载高光谱数据的存储与实时传输具有重要意义。目前,线性混合模型(LMM)已被成功应用于HCS;然而,由于光照条件、地形变化以及大气作用等的影响,所获取的地物光谱会发生扰动,从而限制了HCS重建质量的提高。在LMM基础上,通过引入光谱修正项来修正光谱扰动,提出了光谱扰动修正的LMM (SPC_LMM);在此基础上,进一步提出了基于SPC_LMM的HCS (HCS_SPC_LMM)方法。该方法在采样端仅对原始高光谱图像进行光谱维压缩采样,基于压缩采样数据,将SPC_LMM应用HCS的重建,利用交替方向乘子法(ADMM)分别估计SPC_LMM中各分量的最优值,以获得最优的高光谱图像重建质量。实验结果表明,HCS_SPC_LMM能够获得优于其他典型HCS方法的重建质量。     

利用ICA正交子空间投影加权的高光谱影像目标探测算法

提出了一种利用独立成分分析（ICA）正交子空间投影加权的高光谱影像目标探测方法。该方法从影像像元集合的独立成分入手,通过一种光谱相似性测度加权,赋予每个像素合适的权值,从而有效地解决从原始影像中无法正确提取背景数据而造成的虚警概率高的问题。实验结果表明,相比于经典的CEM方法,在相同的探测概率下,该方法能降低1.97%的虚警概率;与相关目标探测算法相比,所提出的算法具有较好的目标探测效果。     

植被生物量高光谱遥感监测研究进展

植被生物量的评估对于研究全球碳循环具有重大意义,而高光谱遥感技术为精确反演地表属性提供了重要的数据支持。针对如何更好地应用高光谱遥感技术进行植被生物量精确反演的问题,该文详细阐述了国内外应用高光谱技术估测植被生物量的研究进展。对反演植被生物量所涉及的数据源、反演模型的构建方法及其模型特点、反演模型应用对象等内容进行了综合评述,并通过分析认为,高光谱遥感技术较传统的多光谱遥感技术在生物量反演精度上有了显著的提高。同时,对建模方法、多源遥感数据融合以及模型通用性等方面的研究进行了展望,以达到在大尺度范围内对植被生物量进行准确反演的目的。     

基于高光谱高频组份分形特征的水稻铅胁迫评估

通过研究铅污染胁迫下水稻的光谱高频组份的分维数来诊断水稻铅污染胁迫水平。根据实验区水稻冠层实测ASD高光谱数据和同步获取的农田土壤重金属含量数据,利用Daubechies小波系中的“Db5”母小波对水稻的350—1300 nm波段范围进行小波分解得到第5层高频组份(d5),并采用盒维法计算d5的分维数,最后采用模糊数学建立d5的分维数与污染胁迫水平的数学模型。结果表明：d5能有效地探测到铅污染胁迫的光谱弱信息,并实现不同污染水平水稻高光谱信号的分离;d5分维数在同一污染水平的年际相对变化率小于4%,不同污染水平的区分度大于75%,即高、中和低污染水平水稻高光谱d5分维数的86.7%、75%和91.7% 分别集中在1.160—1.200,1.220—1.275和1.280—1.320三个区间;采用升(降)半梯形分布的隶属度函数建立水稻高光谱d5分维数与其污染胁迫水平的数学模型,并进行了模型精度检验,其判别精度大于90%。小波变换、分形分析和模糊数学三者相结合有效地实现了光谱弱信息提取、度量及建模,达到水稻重金属污染胁迫状况监测的目的,也为作物其他环境胁迫弱信息的动态识别与精确度量提供借鉴意义。     

基于穷举法的高光谱遥感图像地物识别研究

介绍了一种基于穷举法的高光谱遥感图像地物识别方法。该方法从所有与研究区有关的可能参考光谱中识别出图像上每个像元的最佳匹配光谱,绘制识别结果图,并由图中信息可对参考光谱进行更换,以求得最佳识别结果。并以云南省中甸普朗斑岩铜矿区外围的高光谱遥感图像为例,得到了该区的地物识别图,经实地检验,证实了该方法的有效性。     

基于独立分量分析的高光谱影像小目标提取研究

借助快速独立分量分析(FICA)将高维数据中隐藏的目标信息集中投影到低维特征影像中,然后以峰度为特征度量指标选择特征影像,最后用以偏斜为指标的直方图分割方法提取小目标。实验证明,此算法精度较高,适用于对高光谱影像中的小目标进行提取。     

基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类

针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法。以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类。结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度。     

基于S3VM模型的高光谱遥感影像分类

针对传统的高光谱遥感影像分类受限于训练样本的个数,难以取得较好分类结果的不足,提出了一种基于聚类核的半监督支持向量机（S³VM）模型的高光谱遥感影像分类方法。该算法在半监督支持向量机的体系上加入未标记样本来辅助构建核矩阵,从而获得更优异的分类器,在小样本的基础上提高分类精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。     

基于水污染差异指数(WPDI)的水污染监测研究

相对于传统的采用定点定剖面采样进行水污染研究的方法,利用遥感数据对水污染进行监测的遥感手段具有视野广、研究周期短、数据获取快速、成本低廉、反映的信息客观真实等优点。基于此现状,本文提出水污染差异指数,通过多时相遥感影像计算水污染差异指数以量化正常水体和污染水体之间的波谱特性差异,以西南交通大学(犀浦校区)及周边区域的水污染监测为例验证其可行性。     

夏季太湖叶绿素a浓度的高光谱数据监测模型

本文依据2004年7月的实测数据构建了太湖夏季叶绿素a浓度的实测光谱数据估计模型,并使用2004年8月的数据对模型进行了验证。调查样点覆盖了太湖内的典型水域,水样数据由无锡太湖环境监测站采集。样点的光谱数据用ASDFieldSpec野外光谱仪获取,每个样点测量10次,测量结果被转换为遥感反射率。对不同的波段组合进行比较分析后,从可解释性出发,最终选择了归一化指数表达式作为最佳波段组合,所建立的模型为：Chla（μg/L）=EXP（2.478 ＋16.378＊N66）,其中,N66为（R696 -R661） /（R696 ＋R661）。模型的R^2为0.9051,显著性p〈0.0001。与其他模型相比,本文的模型比较稳健,用于估计8月的叶绿素a浓度具有较小的绝对误差。本文的工作同时表明,在太湖的夏季相邻月份,可以使用实测光谱数据模型进行水体叶绿素a浓度的估计。     

基于HMT和ICA的主动隐写分析

提出一种基于HMT预测的ICA盲源分离主动分析方法,该方法仅仅需要得到一幅隐秘图像,并采用小波域HMT(hidden markov tree)模型预测出载体图像的一个估计,最后使用ICA盲分离来提取秘密信息和载体图像.仿真实验给出了该方法提取出的载体图像和秘密信息,并对其进行了分析.     

基于卡尔曼滤波模型的地铁沉降监测分析

卡尔曼滤波方法是变形监测中常用的一种方法,本文通过对获取的地铁沉降观测数据进行监测,采用经典的卡尔曼滤波方法和基于方法补偿的自适应卡尔曼滤波方法进行监测预估,通过对比发现,基于方差补偿的自适应卡尔曼滤波方法能够有效地控制观测数据异常对动态系统参数估计的影响,保证了变形监测数据估计的精度。