利用臭氧氧化发光光谱特征检测水质污染

利用不同的污染物质在被臭氧氧化时发光特性不同的原理检测水质污染。检测出来的发光光谱与不同污染源的特征光谱进行对比,辅助发光时序等特征,检测几种污染物的含量和确定污染源。对涉及的有关技术问题进行了探讨。     

裙带菜褐藻糖胶的分离及部分理化性质研究

以裙带菜为原材料,采用水提法从裙带菜中分离褐藻糖胶,Sevag法去蛋白,乙醇分步沉淀法进行初步纯化。结果表明裙带菜褐藻糖胶的最适提取温度为80℃,时间为8 h,加水量为1∶30,在最适条件下的提取率为1.72%,蛋白质含量为5.44%。同时本研究对部分理化性质进行了研究。结果是特性粘度为5 m pa.s,pH为8.50,含有硫酸基。     

应用光谱扫描技术进行海上石油污染责任的判定

文章介绍了应用光谱扫描技术对被测油品进行鉴别的实验方法,操作简便、快速,所得谱图直观反应实验结果,可以为海洋环境管理提供很好的技术支持。     

基于LSH方法的珊瑚礁鱼类竞争压力查询和资源分配方法

基于海洋大数据查询技术的珊瑚礁鱼类保护策略是海洋科学研究的重要课题, 其中鱼群竞争状况对鱼类保护具有重要意义。研究鱼群竞争状况就必须模型化鱼群与珊瑚礁的依赖关系。作为一个简单有效的大数据模型, 图模型是表达这个关系的实用模型。文章提出表达珊瑚礁鱼类种群和珊瑚礁资源依赖关系的竞争图建模方法, 并提出基于局部敏感哈希(Local Sensitive Hashing, LSH)的鱼类种群竞争压力竞争图查询方法, 得到鱼类种群的实时竞争压力状况; 然后根据LSH查询结果, 分析出需要优先保护的鱼类种群; 最后对这些需要优先保护的鱼类种群设计了基于构建人工礁的资源分配方法, 使得区域内珊瑚礁鱼类总体竞争状况改善。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

空-谱融合的条件随机场高光谱影像分类方法

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。     

曲波特征加权的高分辨率遥感图像统计分割方法研究

高分辨率遥感图像精确分割是遥感图像处理的研究热点和难点。高分辨率遥感图像中同质区域间的差异性不仅表现在光谱特征上,同样存在于边缘、纹理等结构特征上。为了更好分割高分辨率遥感图像,需在分割算法中考虑结构特征。因此,如何提取更多有助于精准分割的结构特征,并探究这些特征在分割过程中的作用规律成为设计高分辨率遥感图像分割算法的关键问题。为此,论文提出在曲波变换理论基础上构建不同结构特征提取模型,并以加权的方式将提取的结构特征纳入贝叶斯和能量分割模型中。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

机载光学全谱段遥感林火监测

森林火灾是一种危害极大的自然灾害,是森林扰动的主要类型之一,直接影响森林生态系统结构、碳循环甚至全球气候的变化。近年来,航空平台和传感器的技术进步有效地提升了机载遥感系统探测和监测森林火灾的能力,推动了机载遥感在森林可燃物调查及载量评估、火险测报预测、火场态势及火情监测、灾害损失评估以及火烧迹地生态修复治理等方面的应用。本文首先介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy（Chinese Academy of Forestry’s LiDAR,Thermal,CCD and Hyperspectral airborne observation system）,描述了激光雷达扫描仪、热红外相机、CCD相机和高光谱传感器等传感器的参数;然后,阐明了集成方案和观测数据的处理方法;最后,以四川省西昌市“3.30森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例,综合多传感器数据特征,进行森林火烧程度评价,分析该系统采集的正射影像、冠层高度模型、高光谱影像、热红外影像在森林火灾监测评价中的潜力。研究结果表明CAF-LiTCHy机载遥感观测系统能有效获取森林火灾的灾情信息、火场及火环境参数,可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。     

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。