渤海湾海水光谱特性的数值分析

自然界各种物体，都有表征其自然属性的光谱特性。地物的光谱特性是遥感图象定性判读的依据之一，它作为一种遥感信息也直接用于定量测定和制图。 海水中悬浮物质的数量和性质影响海水的颜色和海水的光谱特性。反之，根据海水的光谱特性可以测定水中悬浮物质的数量和性质。1974年， S. D. Duntley首先从海洋叶绿素的光谱效应，提出根据海水的光谱反射率曲线，用卫星传感器测定水中叶绿素a 浓度的理论。1978年， R. W. Johnson 建立了航空遥感的光谱数据与沿岸带海洋叶绿素a 浓度之间的数学关系，并绘制了叶绿素a的分布图。1979年， R. W. Johnson建立了光谱数据与悬浮泥沙含量之间的数学关系，并绘制了悬浮泥沙的定量分布图，等等。本文的目的即是要建立一种方法，用国产101W光谱辐射计记录的遥感数据，计算海域悬浮泥沙、叶绿素a 浓度、水色等水质参数。 1980年5月16日至19日，由中国科学院组织，有中国科学院海洋研究所、国家海洋局第一海洋研究所、第二海洋研究所、交通部天津水运科学研究所、水利部天津水利科学研究所等单位参加，在天津塘沽的海河和蓟运河口进行津、渤地区第一次环境污染航空遥感监测联合试验。在此次试验中用机载101W光谱辐射计记录海水的光谱辐射曲线，作者以此计算海水的光谱反射率曲线，用逐次回归分析法建立海洋实测数据(悬浮泥沙、叶绿素a浓度、水色等)与海水光谱反射率数据之间的数学关系。实验基本是成功的，由回归方程计算的结果与海洋实测数据之间的相关系数约为0.7。如果对研究海域的每一个子域的辐射值作光谱扫瞄，作出定量的分布图也是可行的。     

厦门湾有色溶解有机物的光吸收特性研究

研究了厦门湾九龙江河口区、西海域、同安湾及东侧水道海水中有色溶解有机物(CDOM)的光吸收特性,分析了CDOM的河口行为,并讨论了CDOM光吸收特性与其荧光性质之间的关系。结果表明,厦门湾表层海水CDOM光吸收系数a(355)的水平分布表现为河口区最高、东侧水道最低、西海域和同安湾介于两者之间,底层水a(355)的分布与表层基本相似,表明陆源河流输入是厦门湾CDOM的主要来源;a(355)的垂直分布为表层高于底层,主要受水文和生物因素控制。厦门湾表层水CDOM光谱斜率S的平均值介于0.014—0.018nm-1,但河口低盐度区S值较小,反映陆源腐殖质的影响。a(355)在河口混合中呈保守行为,表明CDOM具有良好的保守性质。CDOM的吸收系数a(355)与其荧光强度之间表现为较好的相关关系,指示可以用灵敏度更高的荧光方法来研究CDOM的分布和行为。     

基于光谱空间密度分析的边缘提取

针对传统的边缘提取方法大部分不适应高光谱数据的特点,提出了基于光谱空间密度分析边缘提取的思想。在分组主分量变换提取第一主分量作为特征维的基础上,采用面向对象的二次判别边缘的方法,通过立体判决将光谱空间中低密度超椭球体集群视为真实边缘点集群。试验表明,此方法是合理可行的。     

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     

高光谱数据在数据库中的高效存储技术研究

通过分析高光谱数据的特点 ,结合数据库系统开发实践 ,提出了高光谱数据集 ,包括图像、光谱、属性等 ,在关系数据库中的存储规范。结合ORACLE数据平台 ,提出了 3种高光谱数据的存储模式 ,并结合应用实例进行对比 ,分析了各自的优缺点以及适用条件。     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

用卫星高光谱数据提取德兴铜矿区植被污染信息

在深入分析研究德兴铜矿矿区植被光谱特征的基础上,利用美国EO-1卫星Hyperion高光谱数据,通过反演表征植物生理状态的光谱特征参数(红边位置和最大吸收深度)变异,提取与污染相关的信息,获取了矿山植被污染生态效应概况,为矿山污染的诊断和监测提供新技术和知识支撑。     

光谱分辨率对地物分辨能力的影响分析

对高光谱数据进行地物识别处理时,如果直接采用原始观测值进行分析,由于相邻波段之间相关性强,进行地物识别时需要大量的训练样本,而且对于一些分布较少的地物类别则无法处理,因此需要通过特征选择来消除数据中存在的冗余,提高数据分析效率。本文针对在不同光谱分辨率条件下,对典型地物分辨能力的统计,分析了光谱分辨率对地物自动识别能力的影响情况。同时通过模拟数据的办法比较了高光谱数据和多光谱数据(以TM数据为例)对地物光谱特征的描述能力,指出高光谱数据存在的优势。通过本文的研究,为高光谱遥感技术在地物自动识别方面的应用提出了初步的方向。     

生成式对抗网络的高光谱遥感图像分类方法研究

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制...