基于光谱特征变量的高寒草甸主要毒草分类方法研究

高寒草甸毒草化是青藏高原草地生态系统面临的主要问题之一。高寒草甸毒草分类技术对草地群落的变化具有及时监测和科学防控的重要意义。近年来,毒草种类及危害面积急剧增加,传统人工实地调查耗时费力、调查结果代表性差。同时毒草在地域分布上具有一定的差异性,依靠人力难以实现大面积调查。高光谱遥感技术凭借分辨率高、波段多、图谱合一等特点,在毒草精细分类中表现出巨大的优势,可满足快速、准确、大尺度获取毒草发生面积的需求。已有学者对草地植物的光谱反射特征开展了研究,证明采用植物光谱反射特征可有效区分其种类。但是,目前尚缺乏针对草地有毒植物光谱特征变量的筛选及构建基于毒草光谱特征的预测分类模型。本研究利用SOC710VP近红外高光谱成像仪,在甘肃省天祝县和玛曲县境内高寒草甸上采集黄花棘豆(Oxytropis ochrocephala)、宽苞棘豆(O latibracteata)、多枝黄芪(Astragalus polycladus)、长毛风毛菊(Saussurea hieracioides)、黄帚橐吾(Ligularia virgaurea)、乳白香青(Anaphalis lactea)、葵花大蓟(Cirsium souliei)、瑞香狼毒(Stellera chamaejasme)、密花香薷(Elsholtzia densa)、露蕊乌头(Aconitum gymnandrum)、碎米蕨叶马先蒿(Pedicularis cheilanrthifolia)11种主要毒草野外光谱数据,采用Savitzky-Golay卷积平滑算法（SG）对原始光谱值进行去噪,使用一阶微分导数（FD）开展光谱特征分析,利用典型判别分析（CDA）对选用的16种光谱特征变量标准化得分系数绝对值进行排序,然后从大到小分别添加到随机森林（RF）、支持向量机-径向核函数（SVM-RBF）、k最邻近分类（KNN）、朴素贝叶斯（NB）、决策树（CART）5种算法中构建分类模型并筛选最佳特征变量,使用混淆矩阵评价分类效果。结果表明：（1）16个光谱特征变量典型判别分析（CDA）总体分类精度为92.34%,R2=0.89;（2）筛选出最佳分类光谱特征变量为绿峰幅值（Mg）、蓝边面积（Ab）、红边幅值（Mre）、红边面积（Are）、红边位置（Lre）、NDVI2、RVI1;（3）将筛选出的7个光谱特征变量用于毒草分类,结果支持向量机-径向核函数（SVM-RBF）分类效果最好,精度达96.45%。     

基于近地遥感系统的小麦玉米冠层RVI和NDVI获取影响因素分析

以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态,对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。由于在遥感观测过程中,作物冠层具有二向反射特性,因此不同观测方式会影响遥感观测结果。通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件,使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息,引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化,并采用影响因素权重W分析各观测参数对数据变幅的影响程度。通过获取2019年冬小麦返青期至灌浆期、夏玉米V7-V14生育期的冠层近红外波段（810 nm）和红光波段（650 nm）的反射率数据,分析多种观测因素对比值植被指数（RVI）数据和植被归一化指数（NDVI）数据的影响。结果表明,观测高度（0.5~2.5 m）、观测频率（2~60次·min-1）和移动速度（0~4 m·min-1）与观测结果无显著相关关系（p＞0.05）,观测时刻（8:00-18:00）、观测天顶角（-60°~60°）和观测方位角（0°~180°）与观测结果相关关系极为显著（p＜0.01）;小麦和玉米的冠层RVI、NDVI数据获取结果主要取决于冠层覆盖程度,在相同叶面积指数（LAI）情况下观测结果也会因观测时刻、观测方位角和观测天顶角的差异而受到不同程度的影响;冠层光谱反射率信息二向反射特性明显,小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%,玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%;进行观测时,应尽量选择在太阳天顶角较稳定的12:00-14:00时段,并尽量缩短观测时长,还应选择固定的观测角度,注意阴影效应与热点效应的影响;此外,在小麦返青至拔节期、抽穗至扬花期获取RVI和NDVI时,还应分别注意观测天顶角、观测时刻对测量精度的干扰。研究结果可为快速获取高精度的小麦、玉米冠层光谱反射率数据提供技术支撑。     

基于色彩参数和高光谱特征的针叶树种色素含量预估

光谱成像技术广泛应用于植物理化参数无损伤测定等领域研究,而色素与色彩参数相关性研究也有学者探索。但比较并优选分别以色彩参数值、光谱参数值作为自变量与色素含量拟合出的模型,还未见报道。本实验以5种针叶树种为研究对象,筛选蓝边幅值Db、黄边幅值Dy、红边幅值Dr、绿峰幅值Rg、红谷幅值Rr、蓝边面积SDb、黄边面积SDy、红边面积SDr、比值植被指数RVI、差值植被指数DVI、归一化植被指数NDVI 11种光谱植被参数作为该光谱分析的基础,将实测针叶色彩参数值、光谱参数值分别作为自变量,采用多元线性逐步回归方法（SMLR）预估色素含量建立模型,以R2、RMSE为评价标准,对比选出模型精度最高的参数组合应用于实践。研究结果表明：(1) 树种间针叶色素含量、色相参数值、光谱反射率均存在一定差异（p<0.05）。(2) 树种间针叶光谱反射率红松显著低于北美短叶松、樟子松、赤松（p<0.05）,针叶树种原始光谱在可见光波段500和680 nm附近呈现“蓝谷现象”和“红谷现象”,在550和760 nm波段附近呈现“绿峰现象”和“红边现象”;一阶微分光谱反射率在700 nm附近产生剧烈变化。(3) 色素含量与色彩参数、光谱反射率、光谱特征参数存在显著线性关系。(4) 花青素和叶绿素分别以L,a*和L,a*,b*,S色彩参数组合为自变量时,拟合模型R2最高,分别为0.588和0.638;而类胡萝卜素、叶绿素a、叶绿素b都是以FD₆₅₂,FD₇₀₀,SDb,SDy,RVI,DVI和NDVI光谱参数组合为自变量时,拟合模型R2最高,分别为0.779,0.786,0.774。该研究运用高光谱相机、色彩色差仪、紫外-可见分光光度仪实现了快速预估针叶色素含量,在色彩参数值与光谱值都与色素含量存在显著相关性的基础上,成功选出建立模型精度最高的参数组合,在针叶树种色素预估时可以根据精度需求及研究条件选择不同方法和参数值。     

基于光谱特征的高寒山区森林生态系统水源涵养分布反演研究

森林生态系统水源涵养具有调节气候,维持生态水平衡等生态功能。青藏高原作为高寒地区,由于其高海拔,环境恶劣的特征,无法实地人工观测水源涵养量。为更好地获取高寒地区的水源涵养量,通过遥感反演的方式得到特定地区的水源涵养价值量。以林芝巴宜区为研究区,研究区内林芝云杉、高山栎、高山松和雪层杜鹃四种植被为主要树种,遥感影像无法直接获得水源涵养信息,但可以通过构建植被叶片光谱信息与水源涵养量之间的定量关系来反演水源涵养价值量。研究不同植被与水源涵养量的定量关系,每种植被采集10个样点共1 000个叶片样本和水源涵养数据,利用ASD光谱仪获取高光谱数据,通过相关性选取拟合参数,构建水源涵养回归模型。利用Sentinel-2遥感影像反演研究区内植被的水源涵养分布,并对反演结果进行验证。结果表明,四类植被叶片的反射光谱,均呈现出相似的规律性,在可见光波段差异不明显,近红外到中红外波段呈现出明显四个水吸收带,在红光到近红外波段（700～1 400 nm）反射率最高。光谱反射率大小表现为高山栎>高山松>林芝云杉≈雪层杜鹃。通过实验获取植被冠层截流量、枯落物持水量和土壤含水量,三者之和代表植被的水源涵养量,分析植被的光谱特征与水源涵养量的关系,并通过Pearson系数评价波段参数与水源涵养的定量化关系,确定R₅₄₀,R_{1 950},NDWI和NDVI四个参数与水源涵养量显著相关。根据上述参数与四类植被的水源涵养量构建水源涵养回归模型,并通过模型反演研究区内植被水源涵养量,检验模拟精度,整体反演精度R2大于0.7,RMSE基本小于10,说明预测模型反演效果较好,模型可有效估算森林生态系统的水源涵养量。     

低空遥感平台下可见光与多光谱传感器在水稻纹枯病病害评估中的效果对比研究

高效无损地评估农作物病害等级,对于实际农业生产和研究都具有重要意义。研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性,分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响,并定量对比两种传感器的病害监测效果。实验研究区由67个不同品种的水稻小区组成,每块小区均分为相接的纹枯病接种区和侵染区。以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台,分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。同时,通过植保专家现场调查的方式识别病害等级,并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。基于影像拼接、波段叠合、辐射校正后的预处理结果,对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数,即NDI（normalized difference index）, ExG（excess green）, ExR（excess red）, ExG-ExR,B*,G*,R*,多光谱图像除上述可见光指数外再计算NDVI（normalized difference vegetation index）, RVI（ratio vegetation index）和NDWI（normalized difference water Index）三种多光谱植被指数。将计算得到的图像植被指数与地面实测NDVI进行相关性分析,以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。相关性分析结果表明,基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高,接种区R2为0.914,RMSE为0.024,侵染区R2为0.863,RMSE为0.024。对于可见光传感器,NDI与实测NDVI的相关性最好,接种区R2为0.875,RMSE为0.011,侵染区R2为0.703,RMSE为0.014。比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性,除B*外,NDI,ExR,ExG-ExR,G*,ExG,R*与实测NDVI基本属于高度相关,在病害严重的接种区,两种传感器对水稻纹枯病的监测效果相近,但在病害相对较轻的侵染区,多光谱传感器的监测更为精确灵敏。基于多光谱图像NDVI建立的病害等级反演模型,R2达到0.624,RMSE为0.801,预测精度达到90.04%,模型效果良好。而基于可见光图像NDI建立的反演模型,R2为0.580,RMSE为0.847,预测精度为89.45%,效果稍差。对比分析可见光与多光谱传感器的光谱响应曲线,可见光传感器可获取可见光范围的红、绿、蓝三个波段,波段范围互相重叠,多光谱传感器包含五个成像单元,可独立获取从可见光到近红外的五个窄波光谱波段,提供更加准确的光谱信息。比较传感器获取的接种区和侵染区水稻平均反射率曲线得出,多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异,在红边和近红外波段差异则更加明显,这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。综上所述,基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的,多光谱传感器精确灵敏,可用于纹枯病的早期监测,可见光传感器效果稍差但经济易于推广。研究结果为病虫害防治提供决策支持,有助于推动实现精准农业,保障粮食安全。     

荒漠-绿洲交错地带典型植被光谱特征研究

植被对区域生态环境保护具有重要意义,尤其是在荒漠-绿洲交错地带,植被对土壤保持、提高土地的抗剪切性能有重要意义,对土壤风蚀和荒漠化防治的影响作用较大,利用高光谱技术测定并分析荒漠-绿洲交错带典型植被的光谱特性,不仅能够指导区域的植被遥感分类,还能够对植被实行远程监控提供依据。研究借助美国Field Spec 4高分辨率地物光谱仪,在研究区采集棉花、柽柳、梭梭和盐穗木等四种典型植被不同条件下的光谱数据,在对数据进行归类、筛选及综合处理后,分别对原始数据进行FDR(一阶导数反射率)和RLR(倒数取对数反射率)变换。利用原始数据、FDR和RLR分别分析不同植物的光谱敏感波段和表达方式。结果表明：植物的光谱曲线具有类似的变化特征,植被种类不同在“红边”区和近红外780～1 260 nm波段的表达方式区别较大;植物对可见光的吸收非常强烈,对不同波长的光吸收强弱变化会形成波峰和波谷;植物红边特征具有特殊性,蕴含植物自身的特有信息,三种方式的处理结果显示,光谱特征在经FDR计算后,植物光谱红边特征区差异性非常明显;利用三种不同方式处理后的光谱数据,分别来计算改进的植物NDVI值,经RLR变换后重新计算得到的NDVI值在植物不同种之间表现出较大差别,用于植物种类区分的效果明显。     

晚播条件下基于高光谱的小麦叶面积指数估算方法

利用高光谱遥感技术,分析晚播条件下小麦叶片与冠层模式光谱特征和叶面积指数（LAI）的变化规律,建立了适用于晚播小麦的叶面积指数估算方法。研究结果表明：（1）从红光和蓝紫光420～663 nm波段提取的叶绿素光谱反射率植被指数（CSRVI）与旗叶SPAD值做相关性分析,结果表明正常播期和晚播处理在叶片模式的相关系数分别为0.963*和0.997**,达显著和极显著水平。（2）利用相关性分析,得出两个播期处理的LAI与SPAD值相关系数分别是0.847*和0.813*,均达到显著水平。SPAD值与LAI及CSRVI指数均具有相关性,可以用CSRVI指数建立LAI的估算模型。（3）对叶片模式和冠层模式光谱曲线特征分析得出,叶片模式中在680～780 nm处的反射率呈现陡升趋势,在可见光波段的446和680 nm和近红外波段的1 440和1 925 nm处各有两个明显的吸收波谷,在540～600,1 660和2 210 nm波段处有两个明显的反射波峰;三种冠层模式中60°模式下的光谱反射率整体表现为最高。（4）将各波段反射率与叶面积指数做相关性分析得出在可见光波段范围内,光谱反射率与LAI总体呈现负相关性,500～600 nm处有一个波峰。（5）将三种冠层模式下（仪器入射角度分别与地面呈30°,60°和90°夹角）的等效植被指数与LAI做相关性分析得出：60°冠层模式下八种植被指数与正常播期LAI的相关性均未达显著水平,比值植被指数（RVI）、归一化植被指数（NDVI）、增强型植被指数（EVI）、再次归一化植被指数（RDVI）、土壤调整植被指数（SAVI）、修改型土壤调整植被指数（MSAVI）的等六种植被指数与晚播条件下的LAI具有显著和极显著相关关系;90°冠层模式下CSRVI指数与正常播期处理的LAI具有显著相关关系,NDVI指数与晚播处理的LAI具有显著相关关系;30°冠层模式下的八种植被指数与两播期处理的LAI的相关性均未达显著水平。综合分析CSRVI指数、NDVI指数的相关性最高,这两种指数最具有估算LAI的潜力。（6）通过三种冠层模式所计算的植被指数估算LAI模型,结果表明,正常播期条件下,其最佳估算模型是90°冠层模式CSRVI指数所建立的线性模型Y=-7.873 6+6.223 8X;晚播条件下的最佳模型是60°冠层模式RDVI指数所建立的幂函数模型Y=30 221 333.33X17.679 1,两个模型的决定系数R2分别为0.950*和0.974**。研究表明试验中所提取的CSRVI指数能够反映旗叶叶绿素含量,可以通过光谱仪器的叶片模式对小麦生育期内叶绿素含量进行监测;通过冠层模式计算的CSRVI指数和RDVI指数所建立的LAI估算模型可以对小麦的LAI进行无损害观察。     

基于比值导数法的棉花蚜害无人机成像光谱监测模型研究

蚜虫是棉花的主要害虫之一,我国棉花产量每年因蚜虫危害造成的损失高达5%～10%。田块尺度的棉花蚜害空间分布监测可以辅助精准定量施药,减少环境污染。利用无人机搭载成像光谱仪获取的“图谱合一”的遥感数据因其具有分辨率高、时效性高、成本低等优势,可为作物病虫害监测提供了重要数据源。比值导数法模型简洁,运行效率高,结果精确,可以有效的应用于遥感反射率光谱解混处理,提取对目标信息较为敏感的波段,为构建虫害监测模型提供了有效的手段。因此本研究选择棉花典型生产区新疆库尔勒地区为实验区,开展以下工作: （1）以低空无人机搭载成像光谱仪获取棉花蕾期冠层成像光谱影像,结合地面调查数据,获取76个样点光谱数据及蚜害严重度(包含健康植株16个,蚜害严重度1～4级每级选取15个);(2)分析不同蚜害严重度棉花冠层光谱的特征,并利用比值导数法筛选出对蚜害胁迫敏感的光谱波段,分别为514,566和698 nm波段; (3)构建基于三个敏感波段的光谱反射率、比值导数光谱值的一元线性回归和偏最小二乘法的蚜害严重度估测模型。结果表明：(1)蚜害对棉花冠层的光谱反射率有显著影响。棉株受蚜害胁迫越严重,其在可见光区域的反射率越高,近红外波段反射率越低,发生红边区域“蓝移”;（2）比值导数法可有效提取蚜害棉花冠层光谱敏感波段,所筛选的514,566和698 nm三个波段与相关系数法所筛选的敏感波段一致;(3)利用敏感波段比值导数光谱值所构建的蚜害严重度估测模型精度优于敏感波段光谱反射率所构建的模型, 其中698 nm波段构建的模型精度最佳（R2=0.597, RMSE=0.91）; (4)三个敏感波段的比值导数光谱值所构建的偏最小二乘多元回归模型精度优于单个波段比值导数光谱值所构建的模型（R2=0.612, RMSE=0.89）;(5)基于比值导数法的棉花蚜害无人机成像光谱监测模型可以获取田块尺度的不同严重度蚜害空间分布图,对于精准定量施药有重要的指示意义。     

融合SIF和反射光谱的小麦条锈病遥感监测

日光诱导叶绿素荧光(SIF)能够敏感反映作物病害胁迫信息,然而冠层几何结构等因素严重影响了SIF对植被光合功能变化及其受胁迫状况的捕捉能力。为此,将能够敏感反映作物群体生物量的归一化差值植被指数（NDVI）和MERIS陆地叶绿素指数(MTCI)与SIF_P相融合(SIF_P-NDVI,SIF_P-MTCI,SIF_P-NDVI*MTCI),对比分析融合前后SIF对小麦条锈病的遥感监测精度。结果表明：（1）融合反射率光谱指数的SIF_P-NDVI,SIF_P-MTCI和SIF_P-NDVI*MTCI较融合前的SIF_P与病情指数(DI)相关性均有不同程度的提高,其中O₂-B波段提高最为明显,分别提高了23.48%,33.61%和36.49%,O₂-A波段提高量最小,分别提高了2.39%,2.14%和1.51%;（2）以SIF_P-NDVI和SIF_P-MTCI为自变量,基于随机森林回归(RFR)算法构建的小麦条锈病遥感监测模型预测DI值和实测DI值间的R2较SIF_P分别平均提高了1.15%和4.02%,RMSE分别平均降低了2.7%和14.41%;（3）综合利用NDVI和MTCI处理后的SIF_P-NDVI*MTCI为自变量构建的小麦条锈病遥感监测模型精度最优,其预测DI值和实测DI值间的R2较SIF_P平均提高了5.74%,RMSE平均降低了22.52%。研究结果对提高小麦条锈病遥感监测精度具有重要意义,同时亦对其他作物的病害监测具有一定的参考价值。     

文物红色系颜料高光谱识别指数研究

红色系矿物颜料曾被艺术家们大量地使用在古画和古建筑上。正确地识别出不同种类的红色系颜料对于文物监测与修复具有重要意义。传统的颜料识别主要依靠化学分析,不仅识别速度慢、识别范围小,而且对文物进行取样操作会造成文物的永久损伤。高光谱技术对颜料进行无损识别可以很好地解决这些问题。选用辰砂、胭脂、银朱、朱膘、朱砂、赭石、赭粉、铁红、土红、西洋红10种红色系矿物颜料作为研究对象,使用地物光谱仪在暗室中获取这10种红色系颜料在350～2 500 nm波段内的高光谱数据原始数字（DN）影像,经反射率校正,得到可直接用于光谱分析的反射率数据及光谱曲线。基于10种红色系颜料不同的光谱曲线特性,分两步筛选获取被区分颜料即目标颜料的光谱特征波段。取目标颜料光谱曲线的极值点作为特征波段,可以筛选得到目标颜料的初选光谱特征波段。将其余9种颜料在初选光谱特征波段上对应的反射率与目标颜料在此波段上的反射率做差,对于差值,筛去离群值后求平方和,不同波段对应不同的差值平方和,选取差值平方和较大的前4个波段作为优选后的光谱特征波段。基于归一化光谱指数模型公式[NDSI=（R_a-R_b）/（R_a+R_b）,R_a和R_b分别为目标颜料在光谱特征波段a和b处的反射率值]对10种红色系颜料分别构建归一化光谱指数,将目标颜料与其余9种红色系颜料在同一光谱特征波段处计算得到的光谱指数进行对比分析,计算目标颜料光谱指数与其余颜料光谱指数的区分度,以此作为评价区分效果的指标。对于最终优选出的4个光谱特征波段,可构建6个归一化光谱指数,选择最小区分度最大的归一化光谱指数作为目标颜料的光谱特征指数。研究结果显示,在通过各自的光谱特征指数进行区分时,每种目标颜料与其他颜料的最小区分度都保持在0.7以上（大于0.5可认为区分明显）,说明上述方法可以对各红色系颜料进行准确区分,对于文物颜料的快速准确识别具有实践意义。     

不同滞尘量对城市植物冠层光谱的影响

为了探索不同滞尘量对植被冠层光谱的影响,以位于上海市中心城区的上海师范大学徐汇区校园为研究样区,选取并使用ASD FieldSpec 3地物光谱仪测定校园内龙爪槐、紫荆、红叶石楠及蔓长春等植物不同滞尘量等级下的冠层反射光谱,然后在实验室中使用万分之一电子分析天平测定相应植物的滞尘量并计算各植物的滞尘能力。在此基础上,分析不同滞尘量对植物冠层光谱特征变化的影响。结果表明： (1)植物在710～1 350 nm之间光谱反射率会随着滞尘量的增减而减小而且三条曲线之间的差值较大;滞尘量的变化对各植物在350～710和1 450～1 750 nm之间的光谱影响较复杂,三条曲线之间的差值虽小但差值比并不小。(2)滞尘对植物冠层光谱的影响不仅与滞尘量有关还与树种有关,不同植物或同种植物不同波长的光谱曲线对滞尘量的灵敏度不同。(3)各植物在“绿峰”和红边附近的光谱曲线的斜率会随着滞尘量的增加而减小。(4)滞尘不会引起红边位移现象,但会消弱红边一阶导数的“双峰”现象,表现为“主峰”值与“次峰”值之间的差随着滞尘量的增加而减小,红边位于719 nm处。找到滞尘或不同滞尘量对植被冠层光谱的影响关系,对高光谱遥感在这一领域的应用具有重大意义。     

高光谱数据的刚竹毒蛾虫害程度检测

刚竹毒蛾虫害检测对毛竹的生长和竹业的发展起着至关重要的作用。根据高光谱冠层光谱信息与刚竹毒蛾虫害程度之间的关系,提取冠层光谱中与虫害紧密相关的特征波长、指数以及光谱参数等,利用Fisher判别分析法建立刚竹毒蛾虫害程度检测模型。分别以原始光谱的400～508,586～693和724～900 nm处的波长、包络线去除光谱的400～756 nm之间的特征波长、9种冠层光谱植被指数和7种冠层特征光谱参数作为Fisher判别函数自变量,构建判别函数。收集300组毛竹叶片虫害样本数据,随机划分为210组建模集与90组验证集,根据检测精度、Kappa系数以及判定系数R2作为检验标准,对建立的判别函数进行效果评价与对比。结果表明,以原始光谱、去包络线光谱、冠层指数、光谱参数为自变量建立的Fisher判别函数的检验精度分别为：84.4%,81.1%,79.7%,78.7%;Kappa系数分别为：0.79,0.74,0.74,0.76;R2分别为：0.89,0.88,0.88和0.85。由此可知,Fisher判别分析模型建立的函数具备很好的刚竹毒蛾虫害程度检测能力,而且基于冠层原始光谱建立的判别函数检测效果最佳。根据高光谱数据的冠层原始光谱建立的判别函数对福建省顺昌县大干镇武坊村的洋门和土垅村的上湖竹林进行刚竹毒蛾虫害程度检测。检测结果为：上湖两个样区的竹林以健康为主。洋门两个样区虫害程度以中度和重度为主。因此基于无人机高光谱遥感对于刚竹毒蛾虫害的大面积检测具有可行性,该方法可为虫害检测的探究提供参考,为基于冠层遥感虫害检测贡献理论支撑。     

微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率

害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率（DSR,对光谱反射率求一阶导数）和微分光谱连续小波系数（DSR-CWC,利用Biorthogonal,Coiflets,Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换）,分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks（Fp）函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法（SPA）对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归（PLSR）和支持向量机回归（SVMR）失叶率估测模型,并与逐步多元线性回归（SMLR）模型进行比较。研究结果表明：①DSR-CWC与DSR相比,对失叶率变化的敏感性更显著且敏感波段亦较多,其敏感波段主要分布于三个吸收谷（440～515,630～760和1 420～1 470 nm）和三个反射峰（516～620,761～1 000和1 548～1 610 nm）范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式（Fp-SPA）不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4,coif2,db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型（R2_M=0.934 0,RMSE_M=0.089 0）提高的最为显著,比DSR-PLSR的R2_M提高了0.047 5并且比DSR-PLSR的RMSE_M降低了0.024 9。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见,DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。     

落叶松受雅氏落叶松尺蠖危害程度光谱检测

近年来蒙古国雅氏落叶松尺蠖灾害不断加剧，逐渐逼近大兴安岭地区，将威胁我国北方森林生态系统安全。以现代遥感监测方法替代传统检测方法，及早掌握该虫害发生发展规律对防控有重要意义。为快速、大范围遥感监测雅氏落叶松尺蠖灾害，利用光谱分析技术研究了该害虫危害下落叶松受害程度检测模型。通过实测健康和轻度、中度、重度受害落叶松光谱，计算与比较不同受害程度落叶松原始光谱和去除包络线光谱的敏感度，揭示光谱敏感波段及去除包络线光谱敏感性。然后对去除包络线光谱进行一阶导数变换获得光谱特征参数并分析其随受害程度的变化特征，构建基于CART(分类与回归树)算法的落叶松受害程度光谱检测模型。研究表明：去除包络线光谱敏感性比原始光谱更显著，尤其在480～520 nm(蓝边)、640～720 nm(红谷、红边)、1 416～1 500 nm(短波红外谷)等波段内光谱敏感度介于0.1～2.0，而且出现了敏感峰现象。随受害程度增加，去除包络线光谱敏感性增强趋势比原始光谱更明显；在蓝边波段上去除包络线光谱敏感峰位置向短波方向移动，即502 nm→490 nm，而在红谷及红边、短波红外谷等波段上光谱敏感峰位置向长波方向移动，即664 nm→672 nm和1 436 nm→1 448 nm；红谷位置和短波红外谷位置归一化反射率以及红谷和短波红外谷面积呈上升趋势。在蓝边与红边波段内去除包络线光谱一阶导数对受害程度有明显响应，出现了波峰现象。随害虫危害程度加剧红边位置蓝移(718 nm→700 nm)，红边斜率及面积和蓝边斜率及面积呈下降趋势。基于此，利用红边斜率、红谷位置和短波红外谷位置归一化反射率、红谷和短波红外谷面积、蓝边斜率及面积等去除包络线光谱特征参数构建的CART模型对落叶松受害程度有很好的检测能力。与多元线性回归模型相比，CART模型检测精度更高，其Kappa系数达0.875。研究结果对雅氏落叶松尺蠖灾害的防治有参考价值。     

基于HJ-1A-HSI提取稀土元素地球化学异常信息研究

稀土元素的特征谱带基本不随赋存状态的不同而变化,不能用于矿物种类的探测,却能够证实其自身的存在。通过研究稀土元素及其化合物在遥感可见光-近红外波段的光谱特征,分析了稀土元素含量与特征谱带吸收指数的定量关系。以内蒙古白云鄂博稀土富集地区为例进行试验,通过采集矿区典型岩矿标本的光谱、测试分析样品中Nd含量,表明Nd含量与各特征谱带的吸收深度、吸收指数均存在明显的正相关线性关系,相关性均在0.778以上。其中,726～772 nm谱带的吸收指数与Nd含量相关性最好,达到0.937。在此基础上,结合HJ-1A-HSI高光谱遥感数据的波段设置,构建了定量反演Nd含量的最优模型,并以此反演了区域Nd元素遥感地球化学异常信息。结果表明：与1∶20万水系沉积物地球化学异常对比,二者总体相关性良好。为快速获取区域稀土元素地球化学异常提供了新的手段。     

基于可见光-短波红外波谱反射率的裸土土壤含水量反演建模

土壤是地表能够生长植物的疏松土层。它由不同矿物质、有机物质、空气、水分、微生物等组成,其中土壤含水量变化较大,利用遥感技术快速准确的反演土壤含水量具有重要意义。针对反演土壤含水量受土壤类型影响较大的问题,提出构建归一化光谱斜率吸收指数（normalized spectral slope and absorption index,NSSAI）,用于削弱土壤类型对土壤水分反演影响。其建模方法如下：首先在野外采取不同类型的土壤样本,制备不同土壤含水量的土样,利用ASD光谱仪采集不同含水量下的土壤反射率光谱,然后根据各类土壤在不同含水量下的光谱响应规律,提取短波红外水分的光谱吸收特征和可见光波段的土壤光谱斜率,综合两者在降低土壤类型影响土壤含水量反演精度的各自优势,构建归一化光谱斜率吸收指数,进一步建立该指数与土壤含水量之间的线性拟合关系来计算土壤含水量。实验结果表明,与传统利用单一土壤水分光谱吸收特征参数及其变形的方法相比,基于NSSAI构建的土壤含水量反演模型拟合精度较高（相关系数为0.93）,在土壤含水量较低和较高的情况下都能有效排除土壤类型差异造成的影响,提高了裸土土壤含水量的反演精度。     

Potentials and limits of mid-infrared laser spectroscopy for the detection of explosives

Optical methods are well-established for trace gas detection in many applications, such as industrial process control or environmental sensing. Consequently, they gain much interest in the discussion of sensing methods for counterterrorism, e.g., the detection of explosives. Explosives as well as their decomposition products possess strong absorption features in the mid-infrared (MIR) spectral region between λ=5 and 11 μm. In this report we present two different laser spectroscopic approaches based on quantum cascade lasers (QCLs) operating at wavelengths around λ=5 and 8 μm, respectively. Stand-off configuration for the remote detection of nitro-based explosives (e.g., trinitrotoluene, TNT) and a fiber coupled sensor device for the detection of triacetone triperoxide (TATP) are discussed. PACS  42.62.Fi; 07.07.Df     

基于PROSAIL模型的高寒冬季枯草关键参数阈值率定

冬季牧草即枯草的存量是生态补偿计算与畜牧生产科学管理的关键基础,而对青藏高原枯草关键参数认识的不足,直接限制了高寒冬季枯草监测研究与应用发展。PROSAIL是一种光学辐射传输模型,它可以定量描述植被参数与冠层反射率的关系。利用最新版本PROSAIL模型,结合野外实测的枯草光谱及叶面积、叶绿素等10个性状参数数据,模拟生成了15 000组潜在的枯草光谱数据序列。通过冬、夏实测枯草与绿草样方的反射光谱特征分析,揭示了枯草在可见光波段与近红外波段与绿草的显著差异性,描述了青藏高原冬季枯草在400～1 300 nm波段近似线性的独特光谱分布特征。在此基础上,提出了以红光与绿光波段差值为依据的鲜/枯草光谱区分方法,并据此实现了15 000组模拟光谱中枯草光谱的初级与二级筛选,建立了枯草模拟光谱数据序列集。该模拟光谱数据序列集与实测光谱在400～2 500 nm全波段明显相关,所有模拟谱线R2均在0.904～0.994之间,表明该模型能够很好地模拟高寒冬季枯草的反射率光谱。进一步采用EFAST方法,对枯草模拟光谱数据序列进行全局敏感性分析,识别出棕色素、类胡萝卜素、花青素、叶片结构、热点5个对枯草光谱变化不敏感的参数,并在此基础上优化枯草敏感参数阈值区间。最终,以99%置信区间为标准、余弦距离为评价函数,OFAT方式再次运行模型,界定了枯草敏感的参数阈值：叶面积指数阈值区间为0.2～0.89、叶绿素含量为0～1.29 μg·cm-2、平均叶倾角为11°～90°、等效水厚度为0.000 1～0.005 cm、干物质含量为0.008～0.05 g·cm-2。通过对10个枯草性状参数及其取值区间的率定,提出了枯草光谱关键参数数值区间参考表,为提高对高寒冬季枯草性状特征的科学认识及探究遥感反演应用技术方法提供理论依据与基础数据。