基于光谱特征拟合的高光谱遥感影像植被覆盖度提取

植被光谱中可见光部分的吸收谷主要由叶绿素强烈吸收引起,不同植被覆盖度下光谱吸收谷的深度和形状不同,因而可以通过比较光谱吸收谷的深度和形状来提取植被覆盖度。该文采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。     

一种基于多特征的高光谱遥感图像分类方法

提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度.     

高光谱遥感图像特征选择和提取方法的比较--基于试验区Barrax的HyMap数据

以西班牙Barrax地区的HyMap数据为例,利用K-L变换、波段指数、分段K-L变换、小波变换和可分性准则等常见的特征选择和提取方法,进行了特征提取和特征选择;然后,基于常用的监督分类法,通过各自的分类精度对各特征提取和特征选择法进行了比较和分析。实验结果表明使用可分性准则进行的特征选择时,基于波段指数、离散度平均值的分类精度相对较高;基于变换的特征选择中,K-L变换、分段K-L变换和小波变换的分类精度较高,三者基本上一致。而在监督分类方法的比较分析上,平行六面体法相对较差,最小距离法分类精度则相对较高,而最大似然法则比较稳定。     

基于特征挖掘的高光谱遥感图像识别研究

高光谱遥感图像提供了丰富的光谱信息,如何充分挖掘高维特征空间的特征信息是高光谱图像识别的关键问题之一。以华盛顿地区航空高光谱数据作为实验数据,通过构建对象级特征和像素级特征来充分挖掘高光谱图像的信息,利用网格搜索法优化XGBoost算法的参数来实现特征选择,最后采用随机森林分类器实现高光谱图像识别。研究表明:本研究方法可以充分利用高光谱的图像信息,减少数据冗余量,其识别总体精度为96.32%;XGBoost算法特征选择后的图像识别的平均精度比未进行特征选择的高7.53%,表明基于XGBoost算法特征挖掘的高光谱遥感图像识别具有可行性和实用性。     

基于高光谱遥感的土壤有机碳含量估算研究进展

土壤有机碳库是人类可以对其施加影响的最大生物圈碳库,其储量的估算和动态变化研究是全球碳循环研究中的重要内容．传统的各种估算和监测方法存在一定的问题,而利用高光谱遥感估算土壤有机碳含量具有便捷快速、节约成本、非破坏性和准确度高的优势,同时,从机载高光谱传感器获取的土壤图像数据对于估算大尺度区域土壤有机碳含量和跨时空动态研究具有相当大的潜力．但是,基于高光谱遥感数据的监测受到很多因素的影响,包括土壤有机碳含量的差异、成土母质、土壤含水量、土壤质地等以及与土壤有机碳光谱响应特性较为接近的氧化铁的影响．另外,野外土壤表面状态（如植被覆盖、表面粗糙度、土壤含水量和沙石等）以及大气、光照和辐射条件等也都对研究结果和估算精度产生较大的影响．今后该领域的研究应致力于对各影响因素的深入研究,同时寻求更多有效的计量方法提高估算模型的稳定性,并最终应用高光谱遥感数据开展区域尺度土壤有机碳含量的估算．     

基于高光谱遥感的土壤有机碳含量估算研究进展

土壤有机碳库是人类可以对其施加影响的最大生物圈碳库,其储量的估算和动态变化研究是全球碳循环研究中的重要内容.传统的各种估算和监测方法存在一定的问题,而利用高光谱遥感估算土壤有机碳含量具有便捷快速、节约成本、非破坏性和准确度高的优势,同时,从机载高光谱传感器获取的土壤图像数据对于估算大尺度区域土壤有机碳含量和跨时空动态研究具有相当大的潜力.但是,基于高光谱遥感数据的监测受到很多因素的影响,包括土壤有机碳含量的差异、成土母质、土壤含水量、土壤质地等以及与土壤有机碳光谱响应特性较为接近的氧化铁的影响.另外,野外土壤表面状态(如植被覆盖、表面粗糙度、土壤含水量和沙石等)以及大气、光照和辐射条件等也都对研究结果和估算精度产生较大的影响.今后该领域的研究应致力于对各影响因素的深入研究,同时寻求更多有效的计量方法提高估算模型的稳定性,并最终应用高光谱遥感数据开展区域尺度土壤有机碳含量的估算.     

基于Gram Schmidt变换的高光谱遥感图像改进融合方法

遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息,生成一幅具有新空间和波谱特征的合成图像。针对高光谱图像的特点,对基于Gram Schmidt变换的图像融合方法进行改进,首先采用光谱重采样方法模拟产生Gram Schmidt变换的第一分量,通过Gram Schmidt变换将高光谱图像转换到正交空间,再利用高空间分辨率图像替换Gram Schmidt变换的第一分量,最后通过Gram Schmidt反变换获得融合图像。利用EO1-Hyperion航天高光谱数据与ALI全色波段进行融合试验,发现改进方法可有效提高高光谱遥感图像与全色高分辨率图像的融合质量。     

不同树种叶片养分含量提取的高光谱方法及精度评价

以深圳市坝光银叶园和大鹏半岛自然保护区19种湿地森林树种叶片可见光近红外光谱与全氮（Total Nitrogen, TN）、全磷（Total Phosphorus, TP）、全钾（Total Potassium, TK）含量关系为基础,分析了11种光谱预处理方式、3种光谱数据降维方式和2种建模方法对模型精度的影响。结果表明,标准正态变换（Standard Normal Variate, SNV）结合一阶导数（first derivative, 1 ^st）预处理方式下模型精度最高;主成分分析（Principal Component Analysis, PCA）降维处理对模型的降维效果最好;支持向量回归（Support Vector Regression, SVR）的建模效果精度最高。对于TN、TP、TK最佳模型的预测确定系数均在0.80以上,模型RPD值也在2.0以上,SVR模型可以用于树种叶片TN、TP、TK的快速检测。     

基于GANBPSO-SVM的高光谱影像特征选择方法

为了在保持对目标检测和分类分析所需信息的同时,降低高光谱影像的维度,提出了一种混合优化策略的特征选择方法。该方法将遗传算法和二进制粒子群优化算法融合成一种新的混合优化策略（GANBPSO）,自动选择最优波段组合,同时优化分类器支持向量机（RBF-SVM）的参数,以提高分类器的分类性能。为了说明所提出方法的有效性,采用了在高光谱分类中广泛使用的Indian Pines（AVIRIS 92AV3C）数据集进行测试。结果表明所提出方法（GANBPSO-SVM）能够自动选择包含最多信息的特征子集以保证分类精度,而不需要预先设置所需要的特征子集数量,本方法与传统方法相比具有更好的分类效果。     

基于高光谱遥感的新疆北疆地区土壤砂粒含量反演研究

 土壤砂粒含量是表征土壤质量的重要指标,探索建立基于高光谱遥感的区域土壤砂粒含量反演方法对区域土壤质量监测具有重要意义。通过野外采集的高光谱数据与MODIS影像相结合,遴选出土壤砂粒含量的敏感波段与反演方程,进行干旱区裸地土壤砂粒含量遥感反演研究。结果表明：430 nm为土壤砂粒含量的敏感波段,原始光谱经变换后的数值与土壤砂粒含量的相关系数在430 nm处达到最大值0.76;基于MODIS第3波段中心波长460 nm处的土壤原始光谱的反演精度最高,达到89.30%,与实际情况吻合较好,表明MODIS第3波段可以应用于干旱区裸地土壤砂粒含量的遥感反演。     

农作物种类高光谱遥感识别研究

作物种类高光谱识别研究对发展精准农业具有重要意义。通过原始反射光谱、常用指数、不同形式变换光谱及高光谱特征参数对观测的8种农作物的识别能力进行分析,同时采用识别效率最高的数据变换形式构建BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异,差异最大的波长位置为0.65μm、0.78μm、0.86μm、0.93μm、1.08μm、1.19μm;无论采用原始光谱计算的指数还是常见卫星传感器对应通道计算的指数,识别农作物的能力从大到小均为SRNDVISAVIDVI;高光谱特征参数SDr对作物的识别效果优于其他光谱形式,构建的BP神经网络模型隐含层节点数为13时总体精度最高,达91.8%。     

面向土地利用动态遥感监测的成像光谱数据处理技术研究

成像光谱数据具有较高光谱分辨率,在类别细分方面具有一定的优势。该文针对成像光谱数据特点,研究与成像光谱数据特征相适应的土地利用动态遥感监测技术,包括边缘辐射纠正技术、影像融合技术和异常光谱检测技术,该方法在试验区应用中取得了良好效果。     

基于地质统计学纹理特征的遥感影像分类方法研究

介绍地质统计学的原理与方法,论述了地质统计学应用于遥感影像描述及纹理提取的有效性,并将地质统计学变差函数得到的遥感影像纹理信息与其光谱信息相结合进行遥感影像分类试验,结果表明,辅以地质统计学纹理特征的遥感影像分类方法能够明显提高分类精度.     

高光谱遥感土地质量指标信息提取研究进展

高光谱遥感技术已成为提取土地质量指标的前沿技术之一。该文回顾了国内外高光谱遥感技术在土地质量指标提取中的研究进展,总结归纳了作为土地生态系统载体的土壤属性质量指标和反映生态系统结构功能的质量指标中的土壤有机质、全氮、土壤水分、铁氧化物、土壤重金属、土壤质地、土壤盐分、植被覆盖度、生物量、指示种10个指标的提取、敏感波段选择与反演方法,指出研究中存在的问题,最后展望了高光谱遥感技术在土地质量指标提取研究中的应用前景。     

海岸带浅海水深高光谱遥感反演方法研究

近红外波段(760~900 nm)反射率对水深最为敏感,通过波段比值方法可以提高与水深的相关性,而711nm处反射率一阶微分值与水深的相关系数高达-0.87。对于近岸混浊度高的样本,单波段和比值模型反演效果不好,平均相对误差均高于30%;而光谱微分模型的精度较好,平均相对误差为17%。研究结果证明:水体反射率的一阶微分可以有效地削弱水质变化给水深反演带来的误差。     

用于植被冠层分析的高光谱波段的组合方法研究

波段数目多和波段宽度窄是高光谱分辨率遥感的两个显著特点 ,常规的用于分析的波段组合方法在信息的利用上是不充分的。笔者利用六种植物的冠层测量数据作为试验样本 ,使用了系统聚类分析的方法 ,找出具有信息相似性的波段 ,将这些波段划分为同一种通道类型 ,它们对于植被冠层中的同一种生化成分是敏感的 ,并使用主成分分析的方法进行降维、合并处理 ,得出可以用于实际分析的波段线性组合方法。最后利用前两个主成分的相对得分图 ,进行不同物种类别的划分 ,达到识别的目的。     

高光谱遥感土壤有机质信息提取研究

土壤反射光谱特征分析是反演土壤信息参量的基础资料。本文阐述了使用航空成像光谱仪OMIS- Ⅰ数据并 结合ASD FieldSpec FR(350~2500nm)便携式光谱仪获取野外光谱数据, 对山东省烟台市招远东良乡原状农用土有 机质含量进行反演, 从而实现有机质填图。通过对土壤原反射率对数一阶微分变换并确定其与SOM的相关性, 最 终建立相应的多元线性回归方程。分析认为土壤有机质的测定选用762nm、874nm 及1667nm 波段在本次研究中效 果最佳。该模型也可作为土壤有机质估测和评价的参考。     

基于统计判别法的不同类型植被高光谱数据分析研究

该文利用统计学方法对不同植物的多个采样光谱样本进行比较分析。选用大豆、红薯、茶树、松树的19个野外采样光谱样本,采用Mann-Whitney U检验方法和马氏距离判别法进行比较分析,结果显示,Mann-Whitney U检验适用于同一地物反射光谱的采样样本,判别分析方法适用于不同地物的采样样本,两种方法基本能达到区分的效果。     

内陆水体水质参数光谱特征与定量遥感

该文在分析内陆水体及其主要水质参数的光谱特征的基础上 ,讨论了水质遥感监测常用的遥感数据和方法 ,对近年来国内外遥感技术特别是高光谱技术在内陆水体水质监测中的应用研究现状和进展进行了综述 ,并提出未来此领域的发展方向及研究工作的重点