Exploring hyperspectral bands and estimation indices for leaf nitrogen accumulation in wheat

Hyperspectral sensing can provide an effective means for fast and non-destructive estimation of leaf nitrogen (N) status in crop plants. The objectives of this study were to design a new method to extract hyperspectral spectrum information, to explore sensitive spectral bands, suitable bandwidth and best vegetation indices based on precise analysis of ground-based hyperspectral information, and to develop regression models for estimating leaf N accumulation per unit soil area (LNA, g N m⁻²) in winter wheat (Triticum aestivum L.). Three field experiments were conducted with different N rates and cultivar types in three consecutive growing seasons, and time-course measurements were taken on canopy hyperspectral reflectance and LNA under the various treatments. Then, normalized difference spectral indices (NDSI) and ratio spectral indices (RSI) based on the original spectrum and the first derivative spectrum were constructed within the range of 350–2500 nm, and their relationships with LNA were quantified. The results showed that both LNA and canopy hyperspectral reflectance in wheat changed with varied N rates, with consistent patterns across different cultivars and seasons. The sensitive spectral bands for LNA existed mainly within visible and near infrared regions. The best spectral indices for estimating LNA in wheat were found to be NDSI (R₈₆₀, R₇₂₀), RSI (R₉₉₀, R₇₂₀), NDSI (FD₇₃₆, FD₅₂₆) and RSI (FD₇₂₅, FD₅₁₆), and the regression models based on the above four spectral indices were formulated as Y = 26.34x^1.887, Y = 5.095x − 6.040, Y = 0.609 e^3.008x and Y = 0.388x^1.260, respectively, with R² greater than 0.81. Furthermore, expanding the bandwidth of NDSI (R₈₆₀, R₇₂₀) and RSI (R₉₉₀, R₇₂₀) from 1 nm to 100 nm at 1 nm interval produced the LNA monitoring models with similar performance within about 33 nm and 23 nm bandwidth, respectively, over which the statistical parameters of the models became less stable. From testing of the derived equations, the model for LNA estimation on NDSI (R₈₆₀, R₇₂₀), RSI (R₉₉₀, R₇₂₀), NDSI (FD₇₃₆, FD₅₂₆) and RSI (FD₇₂₅, FD₅₁₆) gave R² over 0.79 with more satisfactory performance than previously reported models and physical models in wheat. It can be concluded that the present hyperspectral parameters of NDSI (R₈₆₀, R₇₂₀), RSI (R₉₉₀, R₇₂₀), NDSI (FD₇₃₆, FD₅₂₆) and RSI (FD₇₂₅, FD₅₁₆) can be reliably used for estimating LNA in winter wheat.     

基于实测高光谱数据的鄱阳湖湿地植被光谱差异波段提取

高光谱遥感技术的出现为有效解决湿地植被种类的精细识别和分类提供了可能.通过实地测取鄱阳湖湿地5种植被的高光谱数据,在对数据预处理的基础上,提出一种基于数据误差范围和植被光谱均值差的植被光谱差异波段提取方法.将该方法应用于包络线变换前后的光谱曲线提取植被的光谱差异波段,最后利用马氏距离法检验植被识别效果.结果表明:本文中的方法有效提取了植被光谱差异波段,其中变换前光谱差异波段分别为663~688 nm,变换后为581~636、660~695和1225~1236 nm.在光谱差异波段范围内,同种植被的马氏距离值小于异种植被的马氏距离值,可有效对植被进行识别.研究结果为湿地植被分类识别奠定了理论基础,同时为湖泊湿地植被以及湖泊生态环境的保护决策提供科学依据.     

利用天宫一号和Landsat7对地观测数据的森林变化检测

由于自然演替和一些干扰因素的影响,森林覆盖处在不断的变化中.结合云南省西双版纳地区的天宫一号高光谱数据以及Landsat影像,研究了热带森林覆盖制图与变化检测的自动化识别方法.首先分析了每景影像中红光波段的光谱属性,依据直方图提取出纯净森林像元,然后计算影像中各像元与纯净森林像元之间的光谱相似性,从而得到森林指数并以此为依据提取出每景影像对应的森林覆盖图,将多期的森林覆盖专题图进行叠加分析即可得到森林变化专题图.结果表明:(1)使用天宫一号高光谱影像可以进行森林覆盖自动化提取,生成的森林覆盖图合理地反映了森林分布状况;(2)与多期遥感影像结合进行森林变化信息提取,提取结果很好地体现了森林减少和森林恢复情况,对新恢复的未郁闭森林也可以进行有效检测.     

应用MODIS遥感数据监测巢湖水质

以巢湖为研究对象,对MODIS的各个波段辐射率与水质参数叶绿素a浓度、悬浮物浓度和透明度进行拟合,分析了MODIS各个波段辐射率的拟合在监测大型内陆湖泊水质中的可行性.结果表明:MODIS波段辐射率的组合能与巢湖水质参数进行较好的匹配,MODIS波段1—4和10—11对于监测巢湖中叶绿素a浓度、悬浮物浓度和透明度有重要意义.     

面向地质应用的天宫一号成像光谱数据评价

天宫一号高光谱数据是继美国Hyperion之后,另一种可应用于地质领域的成像光谱数据.面向地质应用特点与需求,针对反射率产品开展全面、定量的数据质量评价对于深化应用研究具有重要意义.但是,由于航天成像光谱数据与地面实测波谱空间尺度差异甚大,在荒漠戈壁区选取自然地物进行波谱测试,并对其开展评价,特别是定量评价,非常困难.本文以航空HyMap数据为传递,完成了天宫一号成像光谱数据质量的定量评价.结果表明,在矿物识别采用的主要短波红外谱段,天宫一号高光谱数据的信噪比明显优于Hyperion数据.采用2190—2230 nm、2310—2355 nm两个谱段的吸收深度初步对天宫一号高光谱短波红外数据真实性进行了评价,经过校正后,天宫一号数据Al-OH、Mg-OH/CO₃^2-矿物大类或组合的漏提率从71%、67%减小至29%、28%,可有效提高弱信息的检出率.     

辐射特征支持下的城市高分影像阴影校正

大量城市建筑使得高分影像中含有许多阴影区。这些阴影区在土地利用分类、植被绿度调查等遥感应用中会较大地影响结果精度,降低数据使用效率并增加研究成本。基于同一地物阴影区与临近非阴影区反射率相等这一辐射特征关系,通过建立辐射传输方程,发展了一种新的城市高分遥感影像阴影校正方法 RERB(Reflectance Equality Relationship Based Method)。利用RERB对不同城市(北京和荷兰Enschede)不同高分多光谱影像(Geo Eye-1和Quick Bird)进行阴影校正,并对比分析其与被广泛采用的均值方差变换法MVT(Mean and Variance Transformation)的校正结果,通过定性和定量精度评价发现:(1)RERB能很好地将城市阴影区影像视觉特征(颜色、纹理、色调等)信息恢复到与非阴影区同一水平上;(2)RERB恢复后的阴影区具有丰富的细节信息且在视觉上与临近非阴影区具有良好的一致性;(3)RERB恢复后的城市柏油路面和水泥路面阴影区辐射信息具有较低的误差,可见光-近红外波段的平均误差分别为7%和9%。同时RERB能较好地恢复城市阴影区植被波谱特征信息。     

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...     

结合SOM神经网络和混合像元分解的高光谱影像分类方法研究

本文对SOM神经网络算法进行改进,在标类的过程中采用3个策略加以控制,对初始产生的自组织映射图进行调整。通过改进,那些映射到可靠神经元的像素得到了很好的分类,而那些映射到不可靠神经元的像素都被作为不可分像元而提取出来。继而,从混合像元分解的角度来对这些不可分像元进行处理,按类型分解的思想确定混合像元的类别,实现对不可分像元的分类。将SOM神经网络和混合像元分解相结合的分类方法应用于高光谱图像的分类中,通过实验表明了该方法能较好地改善分类效果,提高分类精度。     

基于资源一号02D卫星高光谱数据的甘肃头吊泉-南大滩地区蚀变矿物填图及金矿化带识别

高光谱遥感能够根据光谱指纹特征提取蚀变矿物,在地质领域应用成效十分显著.针对最新的资源一号02D卫星高光谱数据特点,首先进行了高光谱数据预处理,选取蚀变矿物光谱特征显著波段进行数据降维,并应用三次样条插值函数对短波红外数据进行光谱波段增值,将光谱采样间隔提高到了2 nm.在优选出矿物填图端元光谱后,应用改进的SAM填图...     

玉米叶面积指数的CHRIS/PROBA数据反演分析

叶面积指数(LAI)是衡量植被生态状况和估算作物产量的一个重要指标。LAI的反演是定量遥感研究的重要内容。传统的经验统计反演方法基于单一观测角度的遥感数据进行,忽略了地物反射率的方向性。若在反演中加入多观测角度的信息,则有可能提升LAI反演的精度。以2008年甘肃省张掖市玉米实验区为研究区,利用欧空局的CHRIS/PROBA多角度高光谱数据对比分析了传统植被指数NDVI、RVI、EVI的变化规律及其反演玉米叶面积指数LAI的精度,并根据NDVI随观测角度的变化规律,构造出新型多角度归一化植被指数MNDVI,分别对实测叶面积指数进行线性回归并利用实测数据对估算LAI进行精度验证,结果表明：新型MNDVI指数相比于传统NDVI、RVI、EVI对LAI的反演精度有了显著提升,估算模型决定系数R²达到0.716,精度验证均方根误差为0.127,平均减小了33.3%。