渭干河-库车河三角洲绿洲盐渍化地地物光谱数据分析

地物波谱特性是遥感技术应用的物理基础,是遥感定量分析的基础,地物波谱研究是遥感基础研究的重要内容,文章以新疆塔里木盆地北缘渭干河-库车河三角洲绿洲为研究区,采用美国CID公司生产的CI700便携式野外光谱仪,通过大量的野外调查以及实地测点,分析了该绿洲盐渍化地区的几种典型地物(盐碱地、细沙地、沙丘、棉花地等以及柽柳、骆驼刺、芦苇等)的光谱特性及其变化规律,尤其是对盐渍化地和盐生植被的光谱曲线的差异做出了分析,并根据实际情况,采用移动平均法去噪进行了噪声去除,分析实测光谱数据噪声特征。同时利用导数光谱技术清除植被环境背景影响。最后,为了今后继续研究的方便,在对实测光谱数据进行处理的基础上,利用ENVI软件建立了小型的渭干河-库车河三角洲绿洲主要地物的光谱库,该库可以为渭-库绿洲的地物调查,植被调查、植被分类和环境监测等遥感应用服务。     

不同含水量条件下树种叶片光谱差异分析

叶片含水量是影响树种光谱特征的一个重要因素,探索不同叶片含水量条件下相同树种叶片光谱特征的变化规律及相同叶片含水量条件下不同树种叶片的光谱差异,不仅是高光谱植被遥感信息识别的关键,也为研究植被光谱随着叶片含水量变化产生的差异提供理论支撑。利用地物光谱仪对6个树种叶片进行观测,获取了不同含水量叶片的反射光谱,同时进行一阶微分光谱变换,从而分析不同叶片含水量条件下各树种叶片的光谱变化特征,对比了相同叶片含水量条件下不同树种叶片的光谱差异,探索高光谱遥感识别树种叶片含水量的可能波段。结果表明：各树种叶片光谱都随着叶片含水量的改变而产生较大差异,但变化规律各有不同;相同叶片含水量条件下,不同树种叶片的光谱在部分波长范围差异较大,为实现树种高精度识别提供了可能。本研究旨在为植被叶片光谱库的构建以及植被的高光谱识别提供理论支撑和基础数据。     

几种常见树种叶片光谱秋季变化特征分析

叶片随着时间生长产生变化,其光谱特征也会发生变化。研究相同树种叶片不同时间条件下的光谱变化规律以及不同树种叶片相同时间条件下的光谱特征,不仅为植被叶片光谱随时间变化的规律研究提供理论基础,也是高光谱遥感精确识别植被信息的关键。选取北京市10种常见树种,利用地物光谱仪观测各树种不同时间叶片光谱,同时将观测的光谱进行一阶微分处理和典型波段分析,对比相同时间不同树种叶片光谱的差异,分析相同树种不同时间的光谱变化规律,探索不同时相条件下高光谱遥感识别树种的有效波段。结果表明：不同树种叶片光谱均随时间的改变而产生显著变化,但差异规律各不相同;不同树种相同时间叶片光谱在部分波段存在显著差异,为高精度树种识别提供了理论依据和叶片基础光谱数据。     

基于无人机高光谱影像的建筑垃圾分类研究

建筑垃圾“围城”已经成为现阶段城市环境治理面临的主要问题,严重制约了城市生态环境的可持续发展,做好建筑垃圾的分类对保护城市水资源、提高城市土地利用率、提升居民生活质量意义重大。该研究将GaiaSky-mini 2推扫式机载高光谱成像仪（400～1 000 nm）搭载在经纬M600Pro无人机上,选择晴朗无风的试验环境,实时获取研究区高光谱遥感影像。对采集的研究区高光谱遥感影像进行几何校正、图像裁剪、辐射校正等预处理;将研究区内地物分为背景地物和建筑垃圾两大类,其中背景地物包括芦苇、蒿子、水体、阴影、裸土和柏油路,建筑垃圾包括白色塑料、防尘布、地基渣土和瓦砾砂石;基于影像像元选取样本点,分别提取研究区内6种背景地物和4种建筑垃圾的光谱信息,制作光谱曲线,并依据光谱特征差异,选取特征波段,通过波段计算统计并选取合理阈值,利用决策树分类法实现背景地物的分离和建筑垃圾的识别提取;针对不同类别的背景地物和建筑垃圾分别选取验证样本点,对背景地物的分离结果和建筑垃圾的识别结果进行精度评价。结果表明,背景地物和建筑垃圾总体识别精度为85.91%,Kappa系数为0.845;针对建立的背景地物分离决策树,6种背景地物的分类效果均较好,其中芦苇、柏油路和裸土的生产者精度为95%,整体能较好的将背景地物分离;针对建立的建筑垃圾识别决策树,防尘布和瓦砾砂石的生产者精度为95%,白色塑料和地基渣土的生产者精度为90%,能精确的提取研究区内的建筑垃圾。研究表明决策树分类法在无人机高光谱遥感影像中实现建筑垃圾的识别与提取具有很好的分类准确度,同时也验证了无人机高光谱遥感在建筑垃圾分类提取领域的科学性和可行性,对未来建筑垃圾的分类识别工作具有一定的实际意义。     

光谱特征分析的城市道路提取

道路是城市中典型的人造地物。利用高分辨率影像进行城市道路提取,对城市规划、交通发展具有重要意义。由于地物光谱的混淆性和异质性,利用传统基于光谱的分类方法很难将道路与其他城市地物区分开。针对这一问题,提出了一种利用道路边缘结构信息进行分类的方法,边缘作为光谱衍生信息对线性地物(如,道路等)识别具有明显的意义。首先,根据全色光谱波段纹理信息,利用改进的自适应Mean Shift算法进行边缘检测,最大限度减少噪声与伪边缘;然后,对边缘图像中的线段进行编组,利用统计模型依次对边缘线段求取统计特征,并将该统计特征与多光谱特征结合作为总分类特征;最后,利用监督学习方法对城市道路样本进行学习并对整个实验区域进行分类。结果表明将光谱信息与边缘统计特征融合对道路的识别精度为93%,相比传统方法78%的精度有显著的提高,因此,该方法是一种有效、可行的高分辨率遥感图像城市道路提取方法。     

植被光学遥感新方法

讨论了近年来最新发展的高分辨率微分光谱，偏振光，激荧光谱和远红外细分光谱等几种新型的植被光学遥感方法，这些方法目前均处于探索性研究阶段，预计具有较大的应用前景，从这些方法的物理基础出发，分析了利用高分辩微分光谱技术探测植被反射光谱的“红缘”，及冠层反射偏振度指数，植被冠层荧光指数等具体的遥感应用方法。     

基于马氏距离法的荒漠树种高光谱识别

地面实测地物光谱可提供细致的光谱信息,表现同种地物不同理化特性和不同种类地物光谱的微小差异,使利用光谱进行地物识别成为可能。使用美国HR-768型地物光谱仪,在塔里木河下游和吐鲁番沙漠植物园实测胡杨、柽柳、梭梭和沙拐枣高光谱数据,利用包络线去除、一阶微分和二阶微分法对原始光谱进行变换处理,使用马氏距离法确定所测树种原始光谱和变换光谱的差异显著波段,利用逐步判别法检验所选差异波段的识别效果。结果表明：马氏距离法可准确确定树种识别的最佳波段,且上述4树种光谱识别波段大多位于近红外区。原始光谱、包络线去除、一阶微分和二阶微分四种光谱对4树种的识别精度分别为：85%,93.8%,92.4%和95.5%;可见,原始光谱经变换处理可提高树种的识别精度。但不同研究对象、不同光谱处理方法,提高识别精度的效率不同。研究结果将为大尺度高光谱遥感影像用于荒漠植物分类与生境监测和评价提供依据。     

基于综合高光谱指数的区域土壤盐渍化监测研究

选取新疆塔里木盆地北缘渭干河-库车河三角洲绿洲盐渍化土壤、植被及其光谱反射率为研究对象,对实测土壤、植被高光谱进行包络线、倒数、对数、均方根、一阶微分等各种光谱变换,分析并确定反映盐渍化程度最敏感的波段,结果表明：实测高光谱土壤、植被一阶微分光谱变换对土壤盐渍化响应程度最敏感;基于实测综合光谱指数的盐渍化监测高光谱模型可以准确提取土壤盐渍化信息,明显优于传统遥感方法中单纯利用植被指数或者土壤盐分指数的模型,对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

遥感图像林地与农田小波特征的神经网络识别

为了解决仅仅依赖遥感图像光谱特征较难正确区分光谱相近的植被覆盖下垫面林地与农田的问题,对美国Landsat 7 ETM卫星遥感图像进行小波变换分解,研究林地、农田样点的小波系数特征的差异,研究BP人工神经网络识别光谱相近的林地与农田的方法。结果表明,小波变换对遥感图像地物的空间变化非常敏感,在一定尺度下能分离林地与农田地物的细节特点的差异,其多波段小波系数特征存在差异,可以构成光谱相近地物林地、农田的识别特征向量,使用BP神经网络对样本训练后可有效地识别光谱相近的林地与农田地物。     

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。     

城市河网尺度的水体光谱指数适宜性分析研究

城市地表水是城市生态环境的重要组成部分,地表水环境高光谱遥感是高光谱遥感的重要应用方向,水体提取是地表水环境高光谱遥感的第一步,其主要任务是从高光谱遥感数据中提取地表水水体轮廓。基于光谱指数的水体提取方法充分利用光谱信息,计算简单,实现容易,提取效果优异。归一化植被指数(NDVI)、归一化水体指数(NDWI)、高光谱差异化水体指数(HDWI)和基于指数的水体指数(IWI)等光谱指数已经广泛应用于湖泊、大江大河等开阔水体提取。近些年来,随着成像光谱技术的发展,高光谱遥感数据的获取能力也突飞猛进,空间分辨率和光谱分辨率不断提高。与江河湖基本在流域内沿地形分布不同,城市地表水一般细小,纵横交错,形成河网。在高光谱遥感数据用于城市体表水提取时,其面临的图像空间分辨率、地物类型和地物复杂等,与江河湖水体提取有很大不同。因此,需要对这些常用的光谱指数在城市地表水提取中的适宜性进行评价。以此做为出发点和目标,以河网密布的江南水乡中国浙江省嘉兴市为研究对象,以应用型航空成像光谱仪(Airborne imaging spectrometer for applications, AISA)获取的高空间分辨率机载高光谱遥感数据为数据源,通过Youden指数确定最佳阈值,将总体分类精度、错分误差、漏分误差、Kappa系数作为衡量指标,分析评价了NDVI,NDWI,HDWI和IWI 4种光谱指数在城市河网提取中的适宜性。结果表明,阴影与水体光谱变化趋势类似,是造成水体提取过程中高错分误差的主要因素。四种指数都可以准确抑制落在植被中的阴影,但无法有效抑制落在建筑物中的阴影。HDWI虽然可以在一定程度上抑制建筑物中的阴影,但是无法有效地抑制亮建筑物背景。通过对不同类型水体和阴影（笼罩下地物）光谱的进一步分析,虽然水体和阴影光谱曲线变化趋势相似,均在560～600 nm附近存在波峰,但是水体和阴影波峰高度存在差异,水体波峰值较大而阴影波峰值较低。因此,通过充分挖掘水体和阴影在560～600 nm处光谱反射信息,有望进一步抑制建筑物阴影,提高城市河网水体提取精度。     

滇中三类典型地表植被的机载高光谱特征分析

高光谱遥感技术因为具有图谱合一的优势,并且相较于传统多光谱遥感技术,可以实现对目标的精确识别,逐渐运用于地表植被的探测。选择以滇中地区的竹林、华山松、杂木林这三类典型地表植被为研究对象,基于机载高光谱影像数据,通过对原始高光谱、一阶微分处理光谱、连续统去除处理光谱进行处理与对比分析,获得滇中三类典型地表植被类型高光谱特征的初步探测认识。主要结果包括：(1）基于对原始光谱特征分析得出,三类典型地表植被的原始高光谱的最佳波段窗口出现在690~946 nm,且在该波段范围内光谱反射率特征为竹林>华山松>杂木林;(2）运用一阶微分处理光谱特征分析得出,利用光谱微分变换处理能够增强植被的光谱差异。经过一阶微分处理后光谱的最佳波段窗口出现在670~774 nm,在该波段范围内的一阶微分系数为竹林>华山松>杂木林。且发现718 nm为三类植被的敏感波段,即可用718 nm敏感特征波段区分开三类植被类型;并且综合运用一阶微分光谱特征参数中的红边位置,蓝边幅值、黄边幅值、红边幅值、蓝边面积、黄边面积和红边面积可以将三类植被类型进行区分;(3）最后基于连续统去除处理光谱特征分析得出,连续统去除方法能够有效地增强植被光谱曲线反射和吸收的特征。经过连续统去除处理后的光谱,三类典型植被的最佳波段窗口在458~554和570~690 nm,这两个波段范围内的连续统去除系数均为竹林>华山松>杂木林,且发现502和674 nm为三类典型植被的敏感波段,即可用此特征综合区分三类植被类型。该研究结果有助于对滇中森林植被精细判别提供技术方法,同时,为今后发展天-地-空的高光谱影像数据一体化遥感植被精细分类提供技术支撑。     

植被氮素浓度高光谱遥感反演研究进展

氮素是植被进行生命活动的必需元素,它在蛋白质、核酸、叶绿素和酶等物质的生物合成中起重要作用,并在植被的光合作用中起到关键作用。植被氮素浓度高光谱遥感反演技术是自20世纪70年代以来的研究热点。近年来随着高光谱遥感技术的发展,可将光谱波段在某一光谱区域进行细分的优势,为与植被氮素相关的光谱特性研究提供了有力的技术手段。结合近几年主要地理科学文献上发表的植被氮素浓度高光谱遥感监测的最新研究成果,介绍了植被氮素浓度高光谱遥感监测的原理及相关问题。从植被氮光谱指数、叶绿素指数的植被氮含量反演、回归模型和反演植被氮浓度影响因素的消除方面,详细介绍了植被氮素浓度高光谱遥感反演这四个方面的主要技术方法,总结分析了研究结论,并讨论了研究发展趋势。     

甘肃河西地区荒漠化土地光谱特征研究

甘肃河西走廊土地荒漠化严重影响了当地居民的生产生活环境,高光谱遥感技术是荒漠化土地退化程度、土地类型识别、遥感反演等的重要研究手段,以河西地区荒漠化土地为研究对象,分析其光谱特征与植被退化程度、植物类型、季节变化等的关系,探讨河西地区荒漠化土地的光谱特征。主要结果有：(1）当植被覆盖度小于20%,同一类型不同退化阶段的植被光谱对沙地光谱的影响很小,沙地光谱反射率与裸地接近,尤其当植被盖度小于10%时,沙地与裸地的光谱曲线几乎重合,仅从植被景观很难反映出土地的沙化程度。(2）不同的植被类型对沙地光谱的反射率有一定的影响,以白刺为建群种的沙地光谱反射率较高,其次为梭梭沙地,多枝柽柳沙地相对较低,植被不同演替阶段下指示性植物的沙地光谱可以反映土地的沙化过程。(3）在植物生长季,沙地光谱反射率受土壤、植物含水量及植物物候期的影响,8月-10月高于其他月份,7月最低,沙地光谱波形曲线的季节变化规律可以反映出沙地土壤含水量的变化。研究结果对荒漠化土地遥感监测中土地沙化程度判定、季节信息提取、植被覆盖度估算等提供研究基础。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用"提取特征"的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

基于实测端元光谱的多光谱图像光谱模拟研究

地物光谱特性是遥感应用的基础。然而,在基于野外实测端元光谱的遥感应用中,由于测量尺度不同,导致同一地物光谱形态和反射率值存在很大差异,为遥感信息的定量反演带来困难。文章以新疆塔里木盆地北缘渭干河-库车河绿洲为研究区,选取裸土、植被两类地物作为研究对象,首先通过AVNIR-2传感器的光谱响应函数,实现了将野外实测端元光谱拟合为多光谱离散光谱,通过实例数据表明,拟和的多光谱与AVNIR-2像元光谱具有很好的相关性,在此基础上,采用线性算法建立端元光谱与遥感图像像元光谱的转换模型,实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换,为遥感定量分析奠定了一定基础。     

煤炭矿区植被冠层光谱土地复垦敏感性分析

煤矿区土地复垦及复垦监测工作,对于我国土地利用和生态环境治理具有重要意义。微生物复垦技术能够促进植物吸收利用矿质养分和水分,增强土壤肥力,对矿区生态恢复具有显著作用。监测和评价土地复垦效应对植物生长影响的传统方法,通常采用野外采集植物和土壤样本并进行室内分析,但这些方法不仅破坏植物根系原状土壤,造成植株损伤,而且耗费人力、物力,时效性差。高光谱遥感技术具有数据获取速度快、信息量大、精度高且无须离体破坏植株等优点,对于土地复垦监测有非常大的潜力。目前,土地复垦效应遥感监测相关研究仍以观测盆栽大豆、玉米等作物的叶片光谱分析为主。实际上,卫星遥感数据观测到的是冠层光谱,并非叶片光谱,但目前还没有通过植被冠层光谱对矿区土地复垦进行监测的研究成果出现。植被冠层光谱不仅受到叶片光谱的影响,还受到植株长势、下垫面等其他因素的影响,光谱特征变化更为复杂。矿区植被冠层光谱特征对于土地复垦效应的敏感度分析,是对矿区植被理化参量进行定量反演的基础,也是限制高光谱技术应用于大面积土地复垦监测的主要瓶颈。于煤炭矿区土地复垦实验基地开展野外冠层光谱观测实验,获取了接菌组和对照组野外植株冠层光谱数据,并从光谱波形变化和光谱特征参量变化两方面综合分析了植被冠层光谱对土地复垦的敏感性。冠层光谱波形方面,分别采用标准差和光谱敏感度作为组内和组间光谱波形差异的有效指标;冠层光谱特征参量方面,选取了植被红边、黄边、蓝边、绿峰、红谷等典型光谱特征,计算获取其位置、斜率、面积等特征参量,并通过描述性统计和单因素方差分析研究了这些冠层光谱特征参量对土地复垦效应的敏感性,挑选出矿区土地复垦监测的有效特征参量。研究表明,接菌组和对照组冠层光谱的主要波形变化趋势一致,但接菌组植株的生长状况更稳定,不同植株之间差异较小,且绿峰和红谷两个特征更突出。这说明土地复垦能够减少植株间冠层光谱差异,增强植被典型光谱特征,而绿峰和红谷对土地复垦有较高的光谱敏感度。光谱特征参量方面,绿峰、红谷、红边波长在土地复垦作用下显著向长波方向移动,而此前叶片光谱研究中对土地复垦较敏感的红边、蓝边斜率变化并不显著。这说明,野外植被冠层光谱分析结果与实验室植被叶片光谱分析的结果并不完全一致,这可能和植被类型、生长周期、土壤背景光谱干扰等因素相关。在采用卫星或航拍遥感数据进行矿区植被环境监测时,所获取的都是植被冠层光谱,因此本研究所得到的结论具有更强的参考意义和实际应用价值。     

小波分析及其在高光谱噪声去除中的应用

为了消除高光谱遥感图像中光谱曲线的锯齿型噪声,提高利用光谱曲线进行信息提取研究时的精度,文章使用USGS（united states geological survey）光谱库中的植被光谱进行模拟,添加了信噪比为30的噪声后采用小波阈值法进行噪声去除,并利用信噪比、均方误差和光谱角三项指标以及综合评估系数η来对去噪效果进行评估,寻找出最佳的参数组合。实验表明,使用db12,db10,sym9,sym6等小波对含噪光谱进行3～7层分解,采用软阈值函数处理小波变换系数并使用Heursure阈值方案进行阈值估计,然后根据第一层小波分解的噪声水平估计进行阈值调整可以得到满意的去噪效果。不过该方法对噪声水平有一定的依赖性,针对不同噪声水平时需探索更合适的参数组合。