重金属铜污染植被光谱响应特征研究

重金属铜污染植被的反射光谱特性会发生明显改变。在本研究中,采用不同程度的铜污染土壤作为培养基质,选择春小麦、上海青两种农作物进行铜胁迫实验,获取了4个不同生育期、10个不同铜污染强度下的植被叶片的反射光谱,并采用铜污染叶片7个特征波段和光谱角的方法研究了铜污染叶片的光谱特征。结果表明,铜污染叶片光谱差异与作物时期和作物类型有关,可以采用叶片光谱角描述铜污染叶片与健康叶片的光谱差异。该方法只需与阈值做简单的比较,方法简便易行,而且对轻度及重度铜污染十分敏感。叶片光谱辐射传输模型反演结果表明铜污染叶片内部结构参数N明显变大,这也证明了铜污染使叶片内部结构更加散乱无序。在此基础上进一步建立了N与红肩处反射率值的线性关系,相关系数为0.978。本文为铜污染叶片光谱反射模型的建立提供了初步的数据基础与理论支持。     

洎水河流域重金属污染区五节芒叶片光谱特征响应研究

利用污染物富集因子和污染指数对洎水河流域采样点河滩表层土壤重金属污染状况进行评价。通过分析五节芒叶片重金属富集率,发现五节芒对Cu、Zn、Cr等金属元素有较强的吸收能力,而且,重金属富集率与河滩表层土壤的重金属污染程度呈相反的变化趋势。将五节芒叶片光谱特征参数——可见光波段(450~670 nm)反射率积分值(A1)、近红外波段(760~980 nm)反射率积分值(A2)与五节芒叶片中3种重金属(Cu、Zn、Cr)的质量分数进行相关分析,分别建立2个谱段的光谱特征参数与3种重金属质量分数的多元线性回归方程。结果表明,五节芒叶片中重金属Cu、Zn和Cr的质量分数可以很好地模拟(复相关系数R20.93)五节芒叶片在重金属胁迫下的光谱特征变化。     

土壤有机质光谱特征研究

The study on soil spectral reflectance features is the physical basis for soil remote sensing. Soil organic matter content influences the soil spectral reflectance dramatically. This paper studied the spectral curves between 400 nm∼2500 nm of 174 soil samples which were collected in Hengshan county and Yixing county. Fourteen types of transformations were applied to the soil reflectance R to remove the noise and to linearize the correlation between reflectance (independent variable) and soil organic matter (SOM) content (dependent variable). Then, the methods such as derivative spectrum technology and stepwise regression analysis, were applied to study the relationship between these soil spectral features and soil organic matter content. It shows that order 1 derivative of the logarithm of reflectance (O1DLA) is the most sensitive to SOM among the various transform types of reflectance in consideration. The regression model whose coefficient of determination reaches 0.885 is built. It predicted the soil organic matter content with higher effect. Supported by the National Natural Science Foundation of China (No. 40271007).     

土壤有机质光谱特征研究

对在宜兴市和横山县采集的174个土样400 nm~2 500 nm波段的光谱曲线进行了研究。为了有效去除背景噪声对目标光谱的影响,并将非线性关系线性化,首先对土壤光谱进行了14种变换,然后运用光谱微分技术、逐步回归分析等方法研究了土壤光谱反射特性与土壤有机质之间的关系。结果表明,反射率对数的一阶微分这一变换形式对土壤有机质含量最为敏感。建立了相应的回归预测模型,模型方程判定系数达到0.885,较好地利用土壤光谱反射特性预测了土壤有机质的含量。     

线性和非线性光谱混合模型模拟土壤、植被混合光谱的效果分析

论述模拟混合光谱形成的几种主要光谱混合模型,并用实验数据对线性模型和一种非线性模型的模拟效果进行比较.结果表明在实验区域中非线性模型模拟的效果并不比线性模型好,但因为非线性模型考虑了土壤、植被光谱之间的相互作用,其模拟的效果通常不会比线性模型差.     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

联合纹理和光谱特征的高光谱影像多核分类方法

为充分利用高光谱影像“图谱合一”的特性,本文提出了一种联合纹理和光谱特征的高光谱影像多核学习分类方法。该方法首先利用Gabor滤波器组提取影像的纹理特征,再与原始光谱特征相结合形成新的特征数据,最后采用多核学习方法的MKSVM分类器进行分类。通过中科院上海技术物理研究所研制的PHI高光谱影像进行实验,实验结果表明该方法有效地消除了分类结果中同质区域内出现的“麻点”现象,同时提高了分类精度。     

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。     

利用端元光谱内插的青海植被覆盖度估算研究

针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。     

基于尺度空间理论的定性光谱特征匹配方法研究

本文利用尺度空间理论对高光谱遥感数据中包含的精细光谱信息进行多尺度观察,在特定的尺度层次下提取能够对地物类别属性做出判断的定性约束特征,在此基础上结合光谱相似性测度最终确定像元所属类别。试验结果表明该方法可有效减少传统匹配算法由于噪声、成像环境等因素引起的误判、错分问题,提高分类识别的精度。     

UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析

用非监督全约束最小二乘法对线性光谱混合模型进行了反演,通过获得各像元组分的面积比图像来达到对各像元分类的目的。将非监督全约束最小二乘法的分类结果与有限光谱混合分析法的分类结果进行对比,结果表明,无论从分类效果还是计算时间上看,前者都优于后者。     

草原矿区长时序植被覆盖度变化趋势对比分析

呼伦贝尔草原区生态脆弱,在人类活动和气候等因素影响下草原生态变化备受关注。本文以宝日希勒矿区及周边为研究区,应用1985-2015年Landsat年度最大合成NDVI数据,采用像元二分模型反演植被覆盖度;分别利用一元线性回归法和Sen+Mann-Kendall法对研究区植被覆盖度趋势和空间差异进行了对比分析。结果表明：两种方法得到的植被变化趋势基本一致,Sen+Mann-Kendall方法相较于一元线性回归法对植被覆盖度改善和退化反应更为敏感。研究结果有助于科学评价长时序煤炭开发活动对地表生态的影响并为长时序植被变化监测提供方法参考。     

高光谱吸收特征参数反演草地光合有效辐射吸收率

在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。     

模拟真实场景的混合像元分解

在总结混合像元分解方法的基础上, 提出了一种模拟真实场景的像元分解方法, 该方法首先通过真实场 景的模拟获得各分量的丰度, 结合遥感影像与场景模拟的丰度反演端元反射率(模拟端元), 最后用带约束条件的线 性模型进行混合像元分解。用浙江省安吉县毛竹林调查资料及Landsat TM 对该方法进行验证和对比分析表明, 基 于模拟端元的混合像元分解结果比基于影像端元和参考端元的精度高且具有良好的稳健性。模拟真实场景的混合 像元分解方法将样地调查数据的先验知识应用于端元提取, 并将三维模拟模型引入到二维的线性光谱分解中, 具 有一定的优势和应用推广前景。     

归一化光谱分解模型在城市化信息提取中的应用

以2001年7月11日LandsatETM7影像和2009年7月16日TM影像为数据源,基于V-I-S理论模型,采用归一化光谱分解模型提取了乌鲁木齐市区范围内2个时段的植被、土壤、不透水层3个连续地表参数分量。通过对不透水层不同阈值的划分,提取了2时段的乌鲁木齐市城市发展的空间信息,结果较为满意;通过空间叠加计算方式获取了8年来乌鲁木齐市城市化发展的空间信息和主要拓展方向。结果表明,乌鲁木齐城市化发展速度较快,特别是北扩趋势显著。     

大坝变形变系数回归建模

在变形分析建模中常采用回归分析建模,但普通的回归模型是一种静态的模型,当变形体结构或物理性质发生变化时,普通线性回归所建立的静态模型将不再适用。变系数回归模型是一种动态模型,有着更强的灵活性和适应性,因此,将变系数回归引入大坝变形分析建模中,采用局部线性估计的方法进行系数拟合。仿真和大坝变形建模实验表明,变系数回归得到的大坝变形模型优于普通的线性回归模型,预测精度更高。     

地心运动时间序列的抗差谱分析

本文将抗差估计与谱分析相结合，提出了抗差谱分析。用该方法对全球约120个IGS站5年GPS观测结果求得的地心运动时间序列进行了分析，发现地心运动在各方向有不同的主周期变化。X方向受地球物理交叉影响较大，无法分离出对该方向影响较大的主周期变化；而Y，Z方向都有明显的主周期变化。Y方向有明显的年周期变化、半年周期变化、季节性变化和月周期变化，其中，年周期变化的贡献最大；Z方向的主周期是年周期变化、半年周期变化、51天和609天的周期变化。与X，Y方向相比，Z方向振幅明显偏大。