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。     

基于光谱混合分析的干旱荒漠区植被遥感信息提取研究——以古尔班通古特沙漠西缘为例

干旱荒漠区植被的盖度和空间分布特征是评判该区生态环境状况及荒漠化程度的重要指标。以Landsat TM影像为数据源,利用归一化植被指数（NDVI）和线性光谱混合分析模型（LSMM）两种方法对研究区——古尔班通古特沙漠西缘进行分析。在运用LSMM过程中,通过多种方法选择出最佳端元,并利用实测数据对混合像元分解结果进行验证。结果表明:①NDVI提取植被的方法受到很多限制,不适合在干旱荒漠区应用;②基于最小法非受限光谱混合分解结果较为理想,植被、盐碱地、裸沙和黑色砂粒等4种端元地物被选取出来;③LSMM提取的植被分量与实测植被盖度显著相关,线性相关系数为0.858,表明干旱荒漠区的植被盖度可以通过遥感影像提取的植被分量间接得到。     

基于高光谱特征选择和RBFNN的城市植被胁迫程度监测

以Hyperion星载高光谱数据为例,基于指数提取-特征选择-分类识别-模式分析的思路,分析广州市的城市植被胁迫状况。提取与胁迫相关的高光谱植被指数,对其进行相关分析,滤除相关性很高的植被指数,利用选取的特征应用RBF(径向基函数)神经网络对城市的植被胁迫程度进行分类,对广州市受胁迫植被的空间分布及其原因进行分析。研究表明:运用特征选取和RBF神经网络可以较好的区分城市植被受胁迫的程度;城市植被受胁迫的程度与城市交通污染、人为干扰相关性比较大;受胁迫植被的强度分布呈现从城市中心向外的梯度变化,在大块绿地外围呈环状分布。     

植被高光谱特征分析及其病害信息提取研究

高光谱(hyperspectral)遥感是20世纪末地球观测系统中最重要的技术突破之一。根据植被高光谱数据的植被冠层光谱反射特征和诊断性光谱吸收特征,利用光谱连续统去除法,探讨光谱一阶微分反射比(FDR)和从连续统去除的光谱吸收特征中获得的波段深度(BD)、连续统去除后微分反射比(CRDR)、波段深度比(BDR)和归一化波段深度指数(NBDI)等光谱特征参量。结合多时相的条锈病小麦PHI航空高光谱影像,分析条锈病对小麦光谱的影响及其光谱特征,并运用光谱特征参量和波谱角制图(SAM)技术监测和识别小麦条锈病。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

矿区植被物化参数高光谱遥感估算研究

基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料.     

水分胁迫下棉花冠层叶片氮素状况的高光谱估测研究

在不同灌水量条件下，对棉花单叶叶绿素含量和单叶全氮含量做相关分析，并采用地物光谱仪。获取北疆棉花冠层关键生育时期的高光谱数据。应用一阶微分光谱，衍生出基于光谱位置变量的分析方法。以红边积分面积(SDr)为白变量，冠层全氮(TN)含量为因变量，做相关分析。结果表明：叶绿素含量与TN含量呈显著的正相关(R=0．8723^**。n=39)，叶绿素含量能有效的估计棉花单叶TN含量；红边积分面积变量与冠层TN含量呈显著的相关性，相关系数是0．7394^**(n=40)，利用构建的相关模型可以较为精确地估测新陆早6号、8号冠层叶片的全氮含量，RMSE分别为0．3859和0．4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力。     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

南四湖湿地遥感信息分区分层提取研究

该文以南四湖区为试验区，利用TM数据，在对各地类光谱特征进行系统分析的基础上，提出了分区和分层相结合的湿地信息提取技术方法。根据研究区各种湿地类型的空间分布特点，将该区分为两个湿地类型区；在每一个区内，根据湿地的光谱特征进行分层提取，采用单红外波段阈值法、模型法以及改进的监督分类等技术方法。结果显示，该区湿地有14类，其中，自然湿地91119．5lhm^2，人工湿地122243．13hm^2。     

南四湖湿地遥感信息分区分层提取研究

该文以南四湖区为试验区,利用TM数据,在对各地类光谱特征进行系统分析的基础上,提出了分区和分层相结合的湿地信息提取技术方法。根据研究区各种湿地类型的空间分布特点,将该区分为两个湿地类型区;在每一个区内,根据湿地的光谱特征进行分层提取,采用单红外波段阈值法、模型法以及改进的监督分类等技术方法。结果显示,该区湿地有14类,其中,自然湿地91119 51hm2,人工湿地122243 13hm2。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

植被遥感信息提取的最佳波段选择--以云岭中部山区为例

多光谱遥感数据的最佳波段选取是遥感图像增强处理的关键部分．直接影响图像的目视解译和研究对象的信息提取。通常的最佳波段选取方法主要考虑波段组合时所包含的信息量要大，而它们之间的相关性要小这两个因素。这一方法未考虑到要使波段组合后研究地物的光谱特征差异要最大这一因素。在利用OIF指数进行最佳波段选取的研究中发现，此方法虽然简化了波段选取工作，但存在不足之处。在研究过程中，同时把植被光谱特征、TM5卫星各个波段用途和OIF指数相结合进行考虑来选取植被信息提取中的最佳波段，取得了较好结果。     

基于ETM+土地利用与土地覆盖遥感信息提取研究

基于ETM 遥感卫星数据,使用层次分析法、光谱响应特征阈值算法、监督分类和无监分类方法,对实验区土地利用信息进行提取。研究结果表明:采用层次分析法对ETM 数据进行土地利用调查,可最大程度识别出土地利用类型;综合利用多种信息提取方法进行山区土地利用与土地覆盖信息提取具有速度快、技术操作简单、可识别类型多的特点;对林地和水域的分类识别精度可达85%以上,但对山区农村居民地的面积难以准确提取,必须借助人工解译方法,并参考其他辅助资料才能获取。     

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。     

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。     

遥感信息与山地研究

环境遥感是以人类居住的地球作为观察对象,以现代技术为探测手段,用微观物质(电磁波)去探索宏观物体(地球)的一门科学。这就为人们提供从航天到航空:从可见光到红外和微波;从静态描述到动态管理等一系列新的观察条件,有可能使我们从地球以外获得地球的完整面貌。从而为进一步认识自然,改造环境打开广阔的视野。 遥感作为现代探测技术和环境分析手段,已经广泛地被世界各国用于国土整治、资源调查、环境监测各个方面,特别是在足迹难以到达的深山峡谷和瞬息变化的地区,遥     

基于决策树的洪湖水生植物遥感信息提取

以洪湖为研究对象,采用分类与回归树(classification and regression trees,CART)方法,根据训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、植被指数、水体指数、纹理特征等特征变量,建立研究区湿地信息提取的决策树模型;在此基础上,探究水体透明度对水生植物遥感信息提取的影响,依据特征变量有、无水体透明度,分别建立两类决策树,即有水体透明度参与的决策树(CART 14)和无透明度参与的决策树(CART 13);在训练样本和验证数据相同的情况下,对比采用CART 14、CART 13、支持向量机(support vector machine,SVM)和最大似然分类(maximum likelihood classification,MLC)4种方法的分类结果的精度。研究结果表明,洪湖中水生植物覆盖面积约占洪湖湿地总面积的47%,洪湖中的水生植物以沉水植物为主;采用有水体透明度参与的决策树分类结果的总体精度比采用支持向量机和最大似然分类方法的分别提高了7.78%和16.36%,Kappa系数则分别增大了0.12和0.20,无水体透明度参与的仅比有透明度参与的决策树分类结果的总体精度降低了2.77%,Kappa系数减小了0.04。水体透明度的参与能提高分类精度,而无水体透明度参与的决策树分类结果的总体精度也高于其它传统方法的分类精度。因此,在实际湿地分类中,若无水体透明度数据,但决策树的辅助分类变量足够多时,无水体透明度参与的决策树也能较好地进行分类,提取水生植物信息。