海面溢油无人机高光谱遥感检测与厚度估算方法

海上溢油是海洋国家所面临的共同问题,但至今仍没有一种可靠实用的海上溢油准确识别和油量遥感监测方法。为此,本文以无人机高光谱遥感为手段,开展了海面溢油检测与厚度估算方法研究。实验中,通过搭建室外大型水槽溢油实验装置,获取了模拟真实海洋环境条件下不同溢油量的遥感和现场光谱数据,在此基础上,分析并提取了海上溢油特征光谱波段,给出了海上溢油高光谱检测模型;针对现场实验条件下水面油膜厚度难以测定的问题,设计了3种利用总体溢油量的油膜厚度估算模型。得到如下主要结论:（1）675 nm和699 nm是海上溢油检测的有效特征波段,但对极薄的油膜没有检测能力;（2）提出了归一化溢油指数模型、反比例模型和吸收基线模型等3种海上溢油油膜厚度估算模型,其中对于薄油膜（厚度≤ 5 μm）和厚油膜（厚度>50 μm）,反比例模型是溢油厚度反演的首选也是唯一选择。对于中厚度油膜,晴朗天气条件下,归一化溢油指数模型是油膜厚度反演的首选,同时反比例模型和溢油吸收基线模型也都有较好的反演能力,而在多云天气条件下,反比例模型效果最佳。     

海洋微塑料检测技术研究进展

海洋微塑料污染目前已成为全球性的环境问题,近年来海洋微塑料检测技术越来越受到人们的关注。本文简要总结了微塑料样品采集及处理方法,并从检测方法的角度系统综述了近些年来微塑料检测技术的研究进展,涉及目视分析法、光谱法(如傅立叶变换红外光谱法和拉曼光谱法)、热分析法以及其他分析方法等(如质谱法以及扫描电子显微镜-能谱仪联用法)。本文简要评价了各类检测方法的优缺点,以期为海洋微塑料检测技术的发展提供参考,并探讨了未来海洋微塑料检测技术的发展方向。     

加权空-谱联合保持嵌入的高光谱遥感影像降维方法

高光谱遥感影像数据量大、波段数多,容易导致“维数灾难”。传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息。为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法。首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰。然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类。在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89%和95.47%。该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能。     

不同健康状况松针反射光谱特征分析

为利用高分辨率遥感影像实现大面积的枯死松树监测,本研究通过测量不同程度的枯死和健康松针的光谱曲线,结合GF-2遥感影像的波段范围分析其光谱特征与敏感波段,并借助28种光谱指数探究区分健康松树与枯死松树的适宜光谱指数。结果表明:近红外波段(欧氏距离为118.16)是识别枯死松树的最敏感波段。文中使用的28种光谱指数除R_(gre)-R_(blue)、R_(blue)/R_(nir)+R_(gre)、R_(blue)/R_(nir)+R_(red)、R_(blue)/R_(gre)、(R_(blue)-R_(gre))/(R_(gre)+R_(blue))和R_(blue)/R_(red)+R_(gre)这6种光谱指数外,其余22种光谱指数的J-M距离均超过1.90,表现出很好的光谱可分性。研究结果可为构建适用于GF-2遥感影像进行枯死松树监测的植被指数提供理论基础。     

消失中的土星光环

自远镜发明以来,太阳系中的第二大行星——土星——就以其宽阔而又精细的光环闻名于世。土星光环主要由富含水冰、大小不等的颗粒组成,有着较高的反照率,因此看上去很是明亮。虽说木星、天王星和海王星也都拥有各自的光环系统,但要论壮观程度它们是远远比不上土星的。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。