基于偏振信息的遥感图像大气散射校正

大气散射严重影响了航空遥感图像的质量。为了提高航空遥感图像的识别能力,提出一种基于偏振信息的航空遥感图像大气散射校正方法。大气散射具有显著的偏振特性,而对于垂直探测的地物辐射信号偏振度非常低,该方法正是利用大气散射偏振特性与地物目标偏振特性的差别,从图像中提取地物目标辐射信息,从而提高遥感图像的质量。通过机载多波段偏振CCD相机获取航空偏振遥感图像数据,并采用一组443 nm波段的航空偏振图像数据进行图像大气散射校正实验,实验结果表明该方法能有效地进行航空遥感图像的大气散射校正,从而提高了航空遥感图像的识别能力。     

基于无人机高光谱遥感的冬小麦全氮含量反演

氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。XGBoost（extreme gradient boosting）作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作: （1）以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;（2）分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;（3）构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。结果表明: （1）176个波段（400~1 000 nm）的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;（2）基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度（R2=0.76,RMSE=2.68）;（3）基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

基于多源数据的新疆棉田螨害大范围监测研究

针对新疆棉田传统螨害监测方法耗时低效的问题,提出了一种基于冠层高光谱、近地多光谱、环境数据与地面调查相结合的多源数据棉田螨害大范围监测方法。首先,分别采集地面尺度的棉花冠层350~2 500 nm高光谱遥感数据和不同时期低空尺度的棉田无人机多光谱遥感影像数据,通过分析高光谱的原始光谱和一阶微分光谱特征,提取出了4个螨害敏感波段,分别为：绿光波段553 nm附近、红光波段680 nm附近、红边波段680~750 nm、近红外波段760~1 350 nm,这几个波段同时包含在无人机搭载的多光谱传感器波段范围内,验证了低空尺度下无人机遥感螨害监测的可行性。其次,初选23种植被指数和13种田间环境数据,结合地面调查的螨害发生情况做相关性分析。其中,SAVI、OSAVI、TVI、NDGI、平均湿度、温湿系数和10 cm土壤平均温度均与螨害发生达到极显著相关水平（sig≤0.01）;RDVI、RVI、MSR、最高温度、平均温度、积温、10 cm土壤最高温度和10 cm土壤平均湿度均与螨害发生达到显著相关水平（sig≤0.05）。选取sig值在0.05以下的15种特征值,分别建立基于单一环境数据、单一植被指数、环境数据与植被指数相结合的3种支持向量机（SVM）棉田螨害发生监测模型。最后,根据评价效果最优的监测模型,绘制不同时期的螨害遥感监测空间分布图,通过统计分布图中螨害和健康像元数计算出螨害面积占比,将螨害占比与同时期田间环境数据进行相关性分析,筛选出显著特征值,再通过多元逐步回归分析法确定出与螨害面积值关系最密切的环境因子,建立棉田螨害面积预测模型。结果表明：基于单一环境数据的棉田螨害发生监测模型准确率为62.22%,基于单一植被指数的棉田螨害发生监测模型准确率为75.56%,基于环境数据与植被指数相结合的棉田螨害发生监测模型效果最优,准确率为80%。螨害面积预测模型的决定系数R2=0.848,模型拟合度较好。本研究基于多源数据建立的棉田螨害发生监测模型和螨害面积预测模型,可以为新疆地区棉田螨害的大范围监测和趋势预警提供参考。     

卷积神经网络模型的遥感反演水质参数COD

化学需氧量(COD)是水体污染监测的常用水质指标之一,传统采集手段耗时耗力;利用遥感反演COD浓度能够快速获取整个水域的COD浓度空间分布状况,对于水污染治理和水环境保护具有重要意义。目前利用多光谱遥感数据反演COD浓度精度较低,主要原因是目前的反演模型多是以皮尔逊相关系数大小为指标选取建模波段的经验方法,对于多光谱遥感数据而言,其光谱波段范围较宽,波段的组合数量有限,难以找到有效的变量作为建模变量。针对这一问题,以郑州市天德湖为例,基于Planet多光谱高分辨率遥感影像,对遥感影像进行预处理和分析水样的高光谱数据,利用卷积神经网络对天德湖COD浓度进行反演;同时选取单变量回归模型、多变量回归模型进行精度对比。主要研究结论有：(1)相比于以皮尔逊相关系数为衡量标准选择不同波段组合的反演方式,卷积神经网络反演具有更高的空间反演精度,其决定系数为0.89, RMSE为2.22 mg·L^-1,这是因为卷积神经网络不仅充分利用了遥感影像的光谱特征,而且能够提取目标像元周围的领域空间信息,学习到图像深层的抽象特征以及水质参数浓度和遥感数据之间的“内在规律”,可以在一定程度上...     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

一种突出目标的多光谱遥感信息提取方法

为了突出目标在多光谱遥感图像中的信息,克服由阈值法所带来的人为误差,提出了一种突出遥感目标信息的方法。利用光谱能级匹配法提取目标在图像中的相似度,并将其作为目标信息波段加入到原始数据中去,进行波段归一化处理,以减少不同波段数据的量纲或数量级的影响,进行MNF变换并合成RGB假彩色图像。以新疆哈图地区的重点成矿岩性——凝灰质粉砂岩为例,进行重点目标突出的结果表明,信息增强后的图像颜色更加丰富,与原始假彩色合成图像相比,可以识别出更多的岩石类型,比原始图像的MNF变换划分出更多地物类型。     

多方位/多波段地球临边紫外成像仪辐射特性研究

针对多方位/多波段临边紫外成像仪的结构特点及辐射定标的难点,提出了一种分割仪器视场定标再整合定标数据的方式。通过比较仪器全视场与分割视场照明条件下探测器相同像素点输出值的大小,得出各视场之间的相互影响量基本在仪器自身的测量重复性误差1%之内,从而证明了分割视场定标方式的可行性。对临边紫外成像仪分割视场定标结果显示,紫外290、310、355nm三个波段的合成标准不确定度分别为3.93%、3.90%、3.84%,符合目前遥感仪器紫外波段辐射定标不确定度3%~5%的范围。临边紫外成像仪分割视场定标方式的成功实施为解决超大视场以及更加复杂的遥感仪器辐射定标提供了新的指导。     

微分算法的艾比湖湿地自然保护区土壤有机质多光谱建模

针对以往利用高光谱数据来来反演土壤有机质（SOM）的可行性与可靠性,结合微分处理对光谱数据信息提取的高效性,提出了直接对多光谱遥感影像进行微分处理就可得出SOM建模研究,旨在为今后SOM速测提供参考。采用Landsat 8_OLI 多光谱遥感影像数据,对多光谱遥感影像进行辐射定标、几何校正、大气校正、镶嵌和裁剪,运用IDL软件对影像进行一阶微分处理和二阶微分处理,发现一阶微分图像能够更好地表达地物的真实情况,更好地区别水体与土壤。原始遥感影像包含大量的信息其中还包括噪声,通过微分处理后的遥感影像剔出了原始影像中反射率值突兀变化的部分。在研究区采用五点法采集土壤样品。室内实验用重铬酸钾氧化-容量法测得SOM数据。多光谱数据结合地面实测SOM数据,分析SOM与多光谱数据反射率的关系,发现一阶微分处理后的遥感数据与SOM含量的相关性存在敏感波段,说明一阶微分处理可以将原始遥感图像数据在多光谱范围内的一些隐含的土壤有机质信息释放出来。选取相关性高的数据建立基于原始遥感数据、一阶微分数据、二阶微分数据的单波段多光谱线性模型和多波段多光谱线性模型,选取最优模型来估算和反演土壤有机质含量。结论如下：（1）通过对原始影像进行微分处理发现,微分处理后的影像变化明显,一阶微分处理的影像噪声降低,更加突出了影像中土壤有机质隐藏的信息。二阶微分处理的影像抑制了土壤有机质信息。（2）原始遥感影像各波段数据对土壤有机质含量的相关性较低,一阶微分处理后的遥感影像数据反映出土壤有机质敏感波段即部分波段数据相关性明显高于原始数据,二阶微分处理后的遥感影像各波段数据对土壤有机质含量的相关性较弱。（3）多波段建模效果要优于单波段建模;一阶微分多波段模型预测精度最优,其模型的决定系数和模型拟合的决定系数分别为0.898和0.854,该模型对估算研究区内的SOM含量效果较好;综合比较了单波段模型和多波段模型的拟合精度,发现无论在单波段模型还是多波段模型一阶微分处理后的模型都具有更好的预测能力。（4）基于一阶微分多波段模型对研究区SOM进行反演,反演结果与实际情况相符合,对干旱区SOM含量制图提供了切实可行的方法和参考。     

黄浦江上游遥感监测溶解氧模型与时空变化

溶解氧含量是反映水体有机污染的重要水质指标。文章选择黄浦江上游水源中的典型水质参数——溶解氧为研究对象,利用地面高光谱遥感数据、多光谱遥感数据和现场水质监测数据来研究水体反射光谱特征与水质参数浓度之间的关系,发现溶解氧含量与641 nm波段的光谱反射率相关性最高,由Landsat5 TM第3和4波段的遥感反射率比值变量所建立的对数模型相关性最高,达到0.829。在此基础上,基于多时相遥感影像对溶解氧模型的通用性和准确性进行验证,并探讨了溶解氧的时空变化规律。结果表明,该模型具有较高精度,估测值与地面实测值在时间变化规律上保持一致,同时根据该模型得出的黄浦江上游溶解氧含量空间分布规律与该区域的有机污染实际分布情况是相互吻合的。     

基于暗像元的Hyperion高光谱影像大气校正

大气是影响遥感定量分析与应用的重要因素。该文利用暗像元大气校正算法,在IDL平台下,从Hyperion传感器的可见光-近红外波段逐通道提取大气光学厚度信息,并利用该数据实现对Hyperion数据大气校正的目的。研究结果表明,大气光学厚度随着通道中心波长的增加而减小,即与中心波长成负相关。光学厚度与中心波长的最佳经验模型为线性模型,模型的回归系数为0.912 3。通过分析校正前后的水体光谱曲线可知,大气的衰减作用使得卫星遥感信号不能正确表现自然水体的表观光学特性和内在光学特性,且对水体样本层次变化不敏感。在蓝绿波段,大气对光谱数据的污染最为严重,该波段的光谱特征与自然水体的理论光学特性完全相背离。由大气光学厚度光谱特性和自然水体光学特性可知,经过"暗像元"算法校正过的影像数据的质量得到显著改善。在缺少同步大气垂直剖面参数的情况下,暗像元算法将是Hyperion数据一种行之有效的大气效应消除方法。     

多角度偏振遥感相机DPC在轨偏振定标

为了做好卫星数据应用的技术储备,多角度偏振遥感相机DPC航空预研版已经研制成功并完成了航空飞行实验. DPC相机用于获取地气系统反射的偏振、多角度的太阳辐射信息,其地气物理参数反演依赖于定标的精度. 偏振相机的辐射定标包括强度和偏振两个方面. 本文研究偏振遥感相机的偏振参数的在轨定标原理与方法. 基于偏振遥感相机的设计原理,以相机的偏振辐射模型为基础,探索偏振定标的原理和方法. 使用DPC航空遥感实验数据,初步实现了在轨偏振定标并对定标结果进行了分析. 为将来我国自主星载偏振遥感数据处理和在轨偏振定标提供 关键词： 偏振定标 遥感 在轨定标 DPC     

星载成像高光谱的湿地景观光谱特征分析

光谱特征是地物的固有属性,分析地物光谱不仅有助于提高地物识别精度,也是定量遥感研究的基础。然而受限于尺度效应,近地空间采集的光谱与遥感像元尺度的光谱往往差异较大。因此,在遥感像元尺度上揭示湿地典型景观地类的光谱特征,将有助于大尺度湿地遥感分类和植被参数反演精度的提高。以华北平原典型的草型湖泊湿地南阳湖为对象,基于EO-1 Hyperion星载成像高光谱数据,提取荷田、芦苇地、林地、水田、旱地、建筑用地、河道和湖泊鱼塘等8类湿地景观的反射率,并进行光谱一阶导数变换,同时计算多种高光谱植被指数,定量分析景观尺度上湿地地物的光谱特征。结果表明：（1）8种湿地景观地物反射率光谱差异明显,其中5种不同植被景观也存在差异。荷田反射率在全波段明显高于其他景观地类,荷田的绿波段反射峰和红波段吸收谷最明显。芦苇地与水田在可见光和红边区域具有相似的反射光谱特征,水田与旱地反射光谱曲线不同,且水田的绿峰明显高于旱地。（2）8种景观在蓝边、黄边及红边处的一阶导数光谱差异明显,尤以红边处最显著。荷田的红边斜率最大且红边位置明显蓝移（712 nm）,说明其叶绿素含量高,健康状况最好。林地的红边斜率次之,但红边位置明显红移（722 nm）。（3）林地具有最大的植被指数,水体和建筑用地植被指数均较低,其他景观地类居中。芦苇地、水田、旱地和荷田在大多数与归一化植被指数（NDVI）相关的指数中差异不明显,仅在增强型植被指数（EVI）和红边叶绿素指数（Chlorophyll Index RedEdge 710）中存在较明显差异,说明这两个指数能够更有效地指示湿地植被类型之间绿度和覆盖度的差异。该研究对于草型湖泊湿地景观地物高精度分类及其植被参数的遥感反演具有借鉴意义。     

基于精确光谱响应匹配的星载成像光谱仪交叉辐射定标

星载遥感器在轨运行中受到外太空环境以及遥感器自身特性衰变的影响,辐射特性会发生变化。为确保星载遥感数据能真实地反映被观测地物目标特征及其变化规律,需要定期对星载遥感器进行在轨辐射定标。环境小卫星超光谱成像仪(HJ1A/HSI)由于缺乏配套的星上定标系统,基于场地定标的方法难以满足高频次定标的需求。以EO-1/Hyperion为参考遥感器,以HJ1A/HSI为待定标遥感器,通过反卷积方法对两成像光谱仪光谱通道之间进行精确光谱响应匹配,消除波段设置的差异性,显著降低了HSI定标系数的不确定度。基于本定标方法得到的HSI 115个波段的绝对定标系数中,Band 1至Band 60之间的定标系数的不确定度稳定在5%～8%,除760 nm附近的氧气吸收波段与940 nm附近的水汽吸收波段外,其余波段的定标系数的不确定度为7%～18%,随着波长的增加,不确定度增大。与传统波段匹配方法相比,提高了约50%的精度,该定标精度基本可以满足遥感数据定量化应用的需求。该方法解决了在轨星载成像光谱仪光谱通道设置差异大、交叉定标精度低,难以实用的问题,为星载成像光谱仪高频率更新辐射定标数据提供了一种有效方法。     

基于野外实测数据的珊瑚礁不同底质光谱可分性及珊瑚色素影响分析

珊瑚礁遥感监测的任务之一是获取底栖物质的组成及分布,但由于珊瑚礁存在较强的空间异质性及复杂的光谱,使得目前利用遥感技术进行底栖物质信息提取还存在较大难度。珊瑚礁不同底栖物质的光谱特性是开展珊瑚礁遥感监测的基本先验知识,但目前关于不同珊瑚种类的光谱特性分析研究较为匮乏。本研究基于野外实测光谱数据和模拟卫星遥感数据,开展珊瑚礁不同底质类型的光谱特性研究,特别是针对不同造礁石珊瑚种间及种内的光谱差异进行比较分析,并探讨不同珊瑚体内色素组成对珊瑚光谱特性的影响研究,最后甄选了四种常用卫星数据,通过数值模拟探讨了不同底质类型的光谱可分性。结果显示,利用反射光谱曲线值的大小能较好的识别沙和白化珊瑚,而利用蓝绿红波段反射率的一阶微分值能有效识别出海藻、海草和健康珊瑚。对于不同种类的珊瑚而言,科、属、种、珊瑚形状、珊瑚颜色的不同均会对珊瑚的反射光谱造成影响。叶绿素含量（包含叶绿素a、叶绿素b、叶绿素c）与珊瑚反射光谱值相关性较好,是影响珊瑚光谱反射率的主要因素之一,虫黄藻密度在一定程度上也能影响珊瑚光谱反射率,但不如叶绿素影响明显,其密度的高低会影响珊瑚光谱在局部波段的峰值特征。在目前常用的多光谱卫星数据中,Landsat8数据具有可观测近岸的蓝波段,具备识别沙、白化珊瑚、海藻、健康珊瑚、海草的能力,而IKONOS和Quickbird可识别沙、白化珊瑚和海草。相对而言,SPOT5表现较差,仅能识别沙和白化珊瑚。在不同种类珊瑚的识别方面,多光谱遥感数据由于无法捕捉特征波段,需要采用具有高空间分辨率的高光谱遥感数据进行有效识别。在今后的工作中,将进一步扩大珊瑚礁底质样本数据集,并建立珊瑚礁光谱库,为今后我国珊瑚礁遥感监测体系建立提供数据支撑。     

基于特征融合的遥感图像舰船目标检测方法

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特征融合模块和池化特征融合模块,增强网络特征提取的能力.同时设计聚焦分类损失函数来解决训练过程中正负样本失衡的问题.在高分遥感舰船目标数据集上的实验结果表明,所提方法能够有效地增强复杂场景下舰船目标的检测精度.此外,该算法对遥感图像中的模糊舰船目标的检测效果也优于多尺度单发射击检测框架.     

特征增强SSD算法及其在遥感目标检测中的应用

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.     

多时相遥感影像变化检测方法研究进展综述

近年来,随着遥感平台和传感器的发展,已经实现了对地球表面大部分区域的连续重复遥感观测,积累了海量的多源、多尺度、多分辨率遥感数据。这些数据详细记录了地表上各种地物的变化过程,使得基于遥感影像的中长期变化检测等全球变化研究成为可能,并极大地推动了遥感影像处理方法和应用的研究。但是,尽管许多学者已经开展了大量相关的研究工作,目前基于多时相遥感影像的变化检测仍然面临许多挑战,还没有形成相对完整、成熟的理论体系,对相关研究进展的系统性总结工作仍然相对缺乏。回顾了多时相遥感变化检测方法的发展现状,并根据输入数据类型和数量的不同将这些方法分成单时相分类比较法、双时相比较法和时序分析法三类,对其进展情况和特点分别进行总结分析,然后就多时相遥感影像变化检测方法研究中现存的问题加以分析,并尝试探讨了其发展趋势。     

基于Sentinel-3 OLCI影像的渤海透明度遥感反演研究

透明度是海洋生态环境监测的关键指标,在军事、航海、渔业等领域均发挥着重要作用。与传统的海洋监测技术相比,遥感技术具有长时序、大范围、近实时获取海洋信息的优势,利用水色卫星观测我国海域透明度的变化,对合理开发和利用我国海洋资源有着重要的意义。利用实测透明度数据与Sentinel-3 OLCI传感器中心波段的等效遥感反射率数据构建了渤海透明度反演模型,主要包括单波段法、波段比值法和混合波段法。利用与卫星时空同步的现场透明度数据进行了模型精度验证,最终确定以B6(560 nm)与B7(620 nm)为敏感因子的混合波段模型透明度反演效果最佳,该模型透明度的反演值与实测值间决定系数(R2)为0.68,平均相对误差(MRE)为15.93%,均方根误差(RMSE)为0.48 m。在此基础上结合Sentinel-3 OLCI时间序列影像,得到2020年渤海透明度月均遥感产品,发现渤海透明度分布状况有明显的区域性与季节性特征。透明度的整体变化区间为0~10 m,其中夏季7月和8月份透明度较高,局部海域透明度可高于9 m,而冬季相对较低1月和2月份全海域不足2 m;透明度整体呈现近岸海域低、离岸海域高的空间分布特征,渤海中部、秦皇岛近岸海域透明度相对较高,渤海湾、辽东湾、莱州湾透明度常年较低。渤海透明度的分布趋势与渤海沿岸地质属性、周边河流分布情况以及沿岸城市群与工业港口的发展情况密不可分。该研究为渤海透明度遥感估算提供了可靠的理论基础,对监测渤海海洋环境具有重要的意义。     

牧草品质的高光谱遥感监测模型研究

粗蛋白、粗纤维、粗脂肪是评价牧草品质和饲用价值的重要指标。针对目前已有的牧草品质检测方法存在费时费力、容易产生化学废物等问题,提出了一种利用牧草冠层高光谱数据来实现牧草品质实时、无损监测的方法。通过ASD FieldSpec 3地物光谱仪采集了青海湖环湖地区19种天然牧草的冠层光谱反射率,并采样分析了牧草品质参数——粗蛋白、粗脂肪和粗纤维的相对含量(%)。光谱经去噪处理后,分别选择原始光谱、一阶导数、波段比值以及小波系数与牧草品质参数进行相关性分析。结果表明：在所有高光谱参量中,牧草品质参数含量与424,1 668,918 nm波段处的光谱一阶反射率以及低尺度(scale=2,4)的Morlet,Coiflets和Gassian小波系数之间的相关性较强。在此基础上,运用单变量线性、指数和多项函数分别建立牧草品质的高光谱遥感估算模型,分析结果显示,以Coiflets小波系数(scale=4,wavelength=1 209 nm)为自变量的二次多项式模型、以1 668 nm波段光谱一阶导数为自变量的二次多项式模型、以918 nm波段光谱一阶导数为自变量的指数模型分别为估算牧草粗蛋白、粗脂肪、粗纤维含量的最佳回归模型,模型检验均达到了极显著水平(0.762≥R2≥0.646),说明在冠层尺度利用高光谱技术结合光谱一阶导数或小波分析的方法来估测牧草品质参数是可行的,它将为牧草品质遥感监测提供依据。     

利用无人机搭载的多光谱相机直接测定地表反射率的新方法

目前,无人机获取的多光谱遥感数据已被广泛应用于农业、林业、环境等领域的定量监测中。然而,现有的将多光谱遥感数据转换为地表反射率的方法,仍然存在一定的缺陷,如需要依赖地面参考板、无法适应光照条件变化、得到的结果不准确等,从而影响了多光谱遥感数据定量化应用的效果。为了解决该问题,提出了一种可以利用无人机搭载的多光谱相机,直接对地表反射率进行测量的新方法。该方法具有非常强的适应能力,即使在环境光照强度变化的条件下,仍然能够得到准确的地表反射率。其中,如何利用倾斜状态下的光强传感器获取准确的太阳辐照度,是需要解决的关键问题。对此,提出了一种利用两个或者更多朝向不同方向的光强传感器,实现太阳直射和散射辐照度测量的新方法。利用此方法即可将相机记录的数字量化（DN）值直接转换为地表反射率。为了验证本方法的实际效果,设计了具体的实验验证方案,对不同日期不同光照条件下获取的无人机遥感数据进行验证。实际测试结果表明：利用该方法,得到黑、灰、白三张参考板的反射率在5个多光谱（蓝、绿、红、红边和近红外）波段中最大的平均绝对误差为3.34%,其对应的标准差为2.11%;三张参考板在所有波段中最大的平均绝对误差为2.94%,其对应的标准差为1.84%。由此可见,在光照强度变化的条件下,利用该方法实现地表反射率的准确测量是可行性的。该方法极大地简化了无人机遥感数据转换为地表反射率的过程。对多光谱无人机的设计,以及无人机遥感数据的定量化应用,都具有重要的参考价值。