草地退化杂类草入侵遥感监测方法研究进展

近年来,受全球气候变暖及日趋频繁的人类活动的共同影响,我国草地生态系统出现了不同程度的退化,成为草地生态学界的研究热点。本文较系统总结了草地退化、杂类草入侵遥感监测方法的应用进展,指出了常规草地退化遥感监测方法的不足,并展望了今后的发展方向。研究发现草地退化在群落尺度上往往表现为优质牧草种类减少,杂类草种类增加。在草地退化过程中,杂类草侵入,往往导致植被覆盖度增加,因而传统的基于植被覆盖度、生产力和产草量下降的草地退化遥感监测方法,无法反映草地退化在植被种群方面的变化特征,尤其是杂类草入侵的草地退化过程。而目前基于高光谱数据的草地退化杂类草入侵监测方法,结合地面光谱测定和对退化草地物种特征微弱光谱差异的定量分析,能有效识别群落中杂类草种类,并反演出占群落的面积比例、高度和盖度等,可为草地退化监测及其治理提供群落演替过程及其态势的重要指标,为草地退化监测提供新的遥感技术方法。     

三江源区不同退化程度的高寒草甸光谱特征分析

 青海三江源区是长江、黄河、澜沧江3大河流的发源地。草地是该区域的主体生态系统,高寒草甸是其主要类型。近30年来,三江源地区草地发生了大面积的退化,不同退化程度的高寒草甸光谱特征是高寒草甸遥感分类和退化监测的重要依据。2009年8月作者在青海省三江源区对高山嵩草、矮嵩草和藏嵩草3种未退化高寒草甸,以及4种不同退化程度的高山嵩草草甸,进行了地面光谱测量和草地样方调查。同时对实测光谱曲线进行了比较,提取和分析了它们在557nm、675nm和760nm处反射率,以及"红边"斜率。结果表明,3种高寒草甸的光谱曲线,以及4种退化程度高寒草甸和未退化高寒草甸的光谱曲线在557nm处的反射率差异较小,在675nm和760nm处的反射率及"红边"斜率存在明显差异,能有效区分高寒草甸,可为高寒草甸遥感自动分类和退化监测提供依据。不同退化程度的高寒草甸地上生物量与其光谱曲线的"红边"斜率和归一化植被指数(NDVI)线性拟合的确定系数分别为0.93和0.87,其相关性较好,可用于高寒草甸地上生物量的估算。本文提取的光谱反射率的"红边"斜率不仅能有效区分3种典型高寒草甸和不同退化程度的高寒草甸,且与高寒草甸地上生物量的关系优于NDVI,对高寒草甸识别分类,退化监测和生物量估算有重要意义。     

基于光谱吸收特征分析的彩绘文物颜料识别研究

高光谱成像技术作为一种无损高效的检测方法,对于彩绘文物颜料的鉴别具有重要意义。由于全波段参与光谱相似度计算会造成数据的冗余,没有充分利用光谱的细微特征。为此,本文首先对文物颜料光谱吸收特征进行参量化分析,并通过改进的光谱吸收特征拟合算法与标准光谱进行匹配识别,从而得到识别结果。实验以获取的一幅波长为400~1000nm的古代壁画高光谱影像为例,通过光谱吸收特征分析识别出壁画的颜料主要成分有朱砂、赭粉、石绿和石青,4种颜料的光谱吸收特征拟合度分别是:0.95、0.77、0.92、0.81。实验结果表明:对光谱吸收特征分析可以帮助识别彩绘文物的颜料信息,该方法可为以后文物修复提供参考。     

三江源南部草地退化时空特征分析

本文利用三江源南部1977年MSS、1990年TM和2004年TM三期遥感影像,结合1∶10万地形图、1∶100万草地图、1∶100万植被图和野外考察等资料,分析该区草地退化的时空变化特征和规律。结果表明:该区草地总体呈轻度退化,即为轻度破碎化退化、轻度覆盖度下降、轻度破碎化和轻度覆盖度下降复合型退化,共占研究区退化总面积的84.3%;轻度退化草地主要散布在唐古拉山东北部区域,中度退化草地多数分布于河流、居民点周围,草地轻度沙化/盐化退化主要发生在湖盆周围、河岸附近、滩地等区域。草地退化面积随海拔高度升高近似于正态分布,退化面积集中4 400～5 300m左右。1977～1990年和1990～2004年前后两期草地退化面积占研究区草地面积12.6%和18.9%,指示着草地状况的恶化。同时,对前后两个时段比较发现,草地退化发生以破碎化为先导,随后发生覆盖度持续降低。沼泽和沼泽化草甸的变化反映了区内气候的趋干化。另外,受气候条件等因素的影响,前期草地和沼泽变化有转好迹象。     

基于偏振植被指数的植被-土壤混合像元室内实验研究

混合像元是遥感影像中普遍存在的一种现象,对其组成和各成分比例的反演一直是遥感研究中的重难点,而国内利用偏振植被指数对混合像元的研究几乎没有涉及。本次研究通过对不同面积比例的植被-土壤混合像元偏振反射高光谱特征进行分析,讨论不同条件下的植被-土壤混合像元偏振高光谱特性,并利用偏振反射比计算了12种0°偏振态下的偏振植被指数,分别构建了植被指数与植被面积比例以及光谱特征参数与植被面积比例的数学模型。结果表明,混合像元中植被面积比例和偏振角均对其偏振高光谱有一定的影响;865 nm的偏振反射比与植被占像元面积比例的相关性最好,采用多项式进行拟合时,其决定系数达到0.99,适合进行植被占像元面积比例的反演;偏振光谱“红边”处的一阶微分值与植被像元比例存在良好的线性相关,R²=0.974;植被面积比例与植被指数和光谱特征参数呈现良好的相关关系,其中P-DVI和光谱吸收指数（SAI）与植被面积比例的拟合效果最好,决定系数分别为0.99以及0.94,适合进行植被-土壤混合像元中植被面积比例的反演。     

面向高光谱矿物填图的多特征结合降维方法研究

高光谱影像具有图谱合一的特点,图像空间信息是遥感影像的重要信息,但以往基于最佳波段选择的降维方法中只考虑基于灰度统计的特征空间信息,忽视了图像空间信息,而且计算量大。综合高光谱遥感影像的特征空间与图像空间信息,提出了一种多特征结合的高光谱影像降维方法并应用于矿物填图中。统计分析波段相关性并划分不同特征子空间;计算各波段的分形维数,在各子空间选择分形维数较小的波段作为候选波段;在候选波段中,计算待识别地物光谱间的相关系数,并快速选择出最佳波段组合。经实验,应用该方法选出的最佳波段组合影像清晰、不同蚀变矿物对比明显,根据特征选择提取出的矿物蚀变信息与应用成熟的光谱角制图(SAM)提取结果大致相同,表明结合图像空间和特征空间的降维方法能够选择出理想的波段组合,有效降低高光谱数据的维数,信息提取效果好。      

潮滩表层沉积物含水量的高光谱预测模型与反演分析

潮滩土壤含水量具有变化频率快、空间变化大的特征,是影响潮滩地表反射率的重要因素。潮滩土壤含水量的精确提取,可为潮滩特征地物信息遥感反演提供基础。本文利用江苏大丰王港潮滩4种典型沉积物、449组不同含水量对应的实测光谱曲线数据进行特征分析,构建高光谱预测模型,实现了潮滩沉积物含水量的遥感反演。研究结果表明:(1)在短波红外波段,沉积物含水量与反射率之间存在良好的分段线性相关关系,分段点对应的含水量分别为42%和62%;(2)1165nm、1336nm、1568nm和1780nm特征波段反射率,对含水量变化具有良好响应,由特征波段组合计算得到的差值水指数DWI、比值水指数RWI和归一化水指数NDWI与含水量呈显著线性相关,可有效改善单波段反射率与含水量之间的分段线性关系;(3)3个水指数中,DWI反演的含水量精度优于RWI和NDWI,且对不同含水量大小均有良好适应性,而RWI和NDWI更适合含水量变化范围中等的情况;(4)对于粉砂、砂质粉砂、粉砂质砂和砂4种沉积物类型,DWI1336,1780验证组模拟含水量与实测含水量的相关系数,分别为0.891、0.915、0.920和0.905,均方根误差分别为9.87%、3.56%、4.24%和2.98%,表明由DWI构建的高光谱遥感反演模型,可有效实现潮滩表层含水量的时空变化预测。     

基于光谱时间序列拟合的中国南方水稻遥感识别方法研究

多云多雾现象是农作物遥感分类经常遇到的问题,影响分类精度。为解决此类问题,本文提出一种基于时间序列GF-1号遥感影像识别水稻方法。利用多时相时间序列的GF-1号遥感影像提取中稻、晚稻的近红外波段（NIR）反射率、红光（R）波段反射率、归一化植被指数（NDVI）特征;拟合光谱和植被指数时间序列特征曲线;分析多时相影像离散近红外波段 、红光波段、NDVI值落在拟合中稻、晚稻近红外波段、红光波段、NDVI时间序列曲线两侧的敏感性区域的比例,该区域也可以视为水稻作物识别特征的目标特征区域,只有达到一定的比例才能视为某类水稻作物。在此情形下,需要综合3种情况进行集中投票决定其最终分类结果。研究表明：该方法可以在多云雾地区对中稻和晚稻精确识别,中稻和晚稻用户精度可达95.97%和95.95%,总体精度为95.76%,kappa系数为0.9335。实验结果表明了NIR、R、NDVI时间序列曲线拟合的有效性,以及拟合曲线目标特征区域设置的合理性。     

WorldView-2近红外光谱波段反演马尾松植被信息的比较研究

WorldView-2卫星自2009年发射至今,已为用户提供了大量高性能的影像产品。与众多高分辨率卫星影像不同,WorldView-2有2个近红外波段,即近红外1(Near-infrared1,NIR1)和近红外2(Near-infrared2,NIR2),但目前这2个波段在应用上的区别并不清楚。因此,本文以福建省长汀县河田地区的马尾松林为例,采用NIR1和NIR2这2个近红外波段分别构建了3种植被指数(NDVI、ARVI和NDMVI),以探索二者在植被信息反演方面的差异。结果表明,NIR1构建的植被指数在马尾松林提取精度上高于NIR2,并具有更丰富的植被信息量。经统计可知,NIR1所构建的植被指数信息量比NIR2分别大8.0%(NDVI)、12.3%(ARVI)和7.3%(NDMVI);在反演植被覆盖度方面,NIR1也比NIR2具有更高的精度,其模拟的植被覆盖度与实际植被覆盖度的拟合度更高,误差更小。NIR1和NIR2所表现出的差异是因为马尾松在这2个近红外波段的光谱反射不同,其反射在NIR1的波长范围内达到最强,而在NIR2的波长范围内则出现了小幅下降。     

机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。     

三江源生态工程实施以来草地恢复态势及现状分析

三江源生态保护与建设工程实施以来,区域生态环境发生了明显的改善。为了正确认识该地区草地退化恢复的程度及其空间分布特征,本文通过对比分析2004年和2012年2期遥感影像,利用人工解译的手段获取了工程实施后三江源地区退化草地变化态势数据集,并在此基础上分析了退化草地的恢复态势,以及草地退化现状的空间格局特征。结果表明：① 2004-2012年三江源生态工程实施以后,该地区草地退化呈现不同程度的减缓态势,而且局部地区草地状况明显好转;② 三江源地区各县草地退化趋势基本得到控制,退化草地变化以轻微好转和明显好转为主,退化发生和退化加剧现象仅发生在极少数县;③ 2012年三江源退化草地面积比2004年降低了5.78%,其中中度退化草地的面积减少最显著,下降了5.35%。黄河源和长江源草地退化的形势依然比较严峻,玛多县、曲麻莱县、称多县北部和治多县东南部草地退化最明显。三江源生态工程自实施以来,草地恢复态势及现状分析对归纳总结三江源生态保护与建设一期工程的成功经验和基本教训,以及合理指导二期工程的实施具有重要的科学意义。     

高光谱影像的M-ICA地物识别算法与应用

高光谱遥感能以纳米量级宽度的窄波段及多达数百个的波段,对目标进行连续的光谱成像,但其海量数据及相邻波段高度相关造成的数据冗余却制约着它的应用.因此,对高光谱遥感影像分类须进行有效的处理、寻找最优特征,以增强地物的最大可分性.本文首先针对EO-4 Hyperion高光谱影像波段维数高,相关性强和数据量大等特点,利用独立成...     

矾山铜钼矿区重金属与覆盖植被胁迫相关性光谱特征

高光谱遥感在地物精细探测方面具有较高的精度,能够实现弱缓信息的提取。应用高光谱遥感技术研究福建矾山高植被覆盖铜钼矿区重金属铜铅等元素与覆盖植被光谱胁迫相关性。通过对比分析矿区与非矿区典型植被光谱特征,在光谱特征分析结果基础上得出矿区典型植被均不同程度受到了重金属元素胁迫,并造成光谱曲线发生变异。在分析结果基础上,结合植被地球化学数据建立重金属与植被光谱胁迫相关性数学模型,提出矿区重金属与覆盖植被胁迫相关性。依据该模型可获得金属元素的空间分布,最终实现高光谱遥感技术在高植被覆盖区地质找矿中的应用。      

高光谱遥感的物质组分和物质成分反演的应用分析

高光谱遥感的最大特点是可以提取和重建像元光谱,从而依据光谱特征直接识别地物类型、地物组成,乃至地物的成分,反演地物的物理、化学参量。本文阐述了高光谱的光谱识别方法所能探测的岩石、土壤、植被和人工建筑物的物质组分或成分;另外,与多光谱相比较的角度,讨论了高光谱图像地物特征识别和物质成分反演等技术方法的应用。     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

高光谱图像模糊识别分类及其精度评价

高光谱遥感是在特定光谱域以高光谱分辨率同时获取连续波长的地物光谱图像,并能提供更多的精细光谱信息,有利于选择各种单一地物光谱差异明显的波段,使得高光谱遥感应用于更广的地物识别中。文中采用模糊识别的绝对值指数法对高光谱图像进行识别分类,并对分类结果进行像元级的评价。     

作物胁迫无人机遥感监测研究评述

作物胁迫是全球农业发展的一个重要制约因素,实现快速、大范围、实时的作物胁迫监测对于农业生产具有重要意义。传统的作物胁迫监测方式,如田间调查、理化检测和卫星遥感监测总是受到各种田间条件或大气条件的制约。随着无人机和各种轻量化传感器的快速发展,其凭借高频、迅捷等优势为各种作物胁迫监测提供了一套全新的解决方案。本文在介绍了目前主流的多种无人机和传感器的基础上,首先对目前无人机遥感用于作物监测的主要胁迫类型进行了梳理,然后重点阐述了基于光谱成像和热红外传感器进行作物胁迫无人机遥感监测的应用和技术方法,最后提出了作物胁迫无人机遥感监测尚需解决的关键问题,并展望了未来无人机遥感用于作物胁迫监测的前景。