马尾松针叶光谱特征与其叶绿素含量间关系研究

以马尾松针叶野外高光谱数据为基础,分析了马尾松光谱变化,构建或借助不同光谱特征参数,在理论和实践分析的基础上,建立了马尾松针叶叶绿素含最与光谱反射率及9个特征参数之间的关系.研究结果表明:(1)马尾松叶绿素含量在527,703,1 364及1 640 nm四个波长附近,与其反射率具有较好的线性关系,为马尾松遥感监测在波段选择上提供了依据;(2)红边位置、红边平均反射率、红边位置附近平均反射率、红边斜率、红边面积、红谷吸收深度、绿峰反射高度、红边归一化植被指数、红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系,相关系数绝对值在0.5～0.7之间;(3)采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型,且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型,模型的均方误差为0.008 8,平均绝对百分误差为0.761 7%.     

稻干尖线虫病胁迫水稻叶片波谱响应特征及识别研究

对植被病害的精确识别是采取植保措施的前提,同时对喷施农药也具有积极的指导作用。比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、光谱反射率、高光谱特征参数,受害水稻叶片与健康叶片相比,叶绿素和类胡萝卜素含量分别降低18%和22%;光谱反射率在蓝紫光、绿光和红光谱段分别增加1.5,1和2.3倍,在近红外和短波红外区域分别降低约28.9%和26.3%,红边和蓝边分别蓝移约8和10nm,绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量,对受害和健康叶片进行识别,精度为100%。研究表明,水稻叶片光谱对病害胁迫具有显著的响应特征,利用C-SVC对受害和健康叶片进行辨别的方法是可行的。     

北京城市彩叶系植物秋季高光谱特征研究及差异性分析

北京持续推进增彩延绿科技示范工程，彩叶植物在城市园林建设和人居环境改善方面发挥着越来越重要的作用。如果能够利用高光谱技术实现快速、无损地观测城市彩叶植物区域分布特点及其生长特征变化，可为进一步优化城市彩叶植物布局，加快城市彩叶植物系统建设提供重要理论依据和数据支撑。高光谱遥感技术的快速发展，不仅提供了大量地被植物光谱信息，而且也提高了光谱分辨率及其响应范围。植物光谱具有一系列特征吸收谱带，能够指示不同树种间的差异，是高光谱进行树种识别的基础。以北京城市常见不同色系彩叶植物15种为研究对象，运用SR-3501便携式地物光谱仪分析了不同色系植物叶片秋季高光谱反射曲线特征；通过对原始光谱数据进行微分变换和特征参数提取，进一步研究了不同色系植物反射特征波段及特征参数差异性和变化规律。结果表明：大叶黄杨具备典型绿色植被光谱曲线特征，即呈“峰”和“谷”的变化特征，紫色系植物表现为同绿色系植物近似的光谱反射特征，红色系植物与黄色系植物光谱反射特征相似；从光谱吸收特征参数角度分析，不同色系植物绿峰/红峰位置表现为红色系植物＞紫色系植物＞黄色系植物＞绿色系植物，而绿峰/红峰反射率、红谷位置和红谷反射率均表现为黄色系植物＞红色系植物＞紫色系植物＞绿色系植物；不同色系植物叶片光谱三边特征参数具有一定的规律性，三边参数可以作为区分不同彩色叶植物与绿色系植物的特征参数，其中红边幅值与红边面积、黄边幅值与黄边面积、蓝边幅值与蓝边面积可分别作为紫色系植物、红色系植物与黄色系植物区别于其他色系植物的重要光谱特征参数。     

苹果花期的冠层高光谱特征研究

系统分析苹果花期冠层高光谱特征,探明其敏感光谱波段,为大面积苹果树信息提取与营养状况的遥感反演等提供理论依据.利用ASDField Spec 3便携式地物光谱仪实测的120个苹果花期的冠层高光谱数据,在分析了不同累计样本容量对花期冠层高光谱特征影响的基础上,采用方差分析的方法,明确了苹果花期的冠层高光谱特征及反映花期冠层高光谱的敏感波段.结果表明,随着累计样本容昔的增加,苹果花期的高光谱曲线趋于稳定、平滑.在550 nm绿峰处和760～1 300 nm的反射高原区,反射率随着花量的增多而减小,在670 nm的红谷处,反射率随着花昔的增多而增大;在350～400 nm,400～500 nm,600～680nm,760～1 300 nm波段的方差分析结果极显著,是反映花期冠层光谱的敏感波段;随着花量的增多,红边位置、红边斜率和红边面积有逐渐减小的趋势.     

基于单叶反射光谱的转基因大麦光合特性分析

反射光谱分析可为植物叶片生理学过程、叶片表面及内部生化组分、结构特征等提供丰富信息。本文以转基因大麦及其原始栽培种为材料,基于单叶反射光谱检测研究了转基因大麦的反射光谱特征及指数的变化。研究结果表明,将不同大麦叶片反射率配对求得反射率比值曲线易于探查出不同大麦品系间反射光谱差异,且转基因大麦与传统对照差异较大的区域主要集中在650～700nm的红谷及红边位置附近,该波段的光谱反射率可能对外源基因的插入扰动反应敏感;而在550nm附近的绿峰及750nm以上近红外区的反射率基本无明显变化。反射光谱指数λRE,mND,SIPI,RRed/RGreen,PRI及NIRR800的差异性变化呈现出时间特性且取决于品系。如上述指数显著变化将意味着植物光合生理过程、功能及状态发生改变。     

受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型

通过野外实验测试和室内样品化验,获得3个不同污染状况农田样地自然环境下玉米的高光谱反射率、叶片的叶绿素含量、叶片和土壤的重金属含量等数据。对高光谱数据的可见光波段(400～800 nm)进行导数光谱计算和连续统去除处理,得到吸收谷位置、吸收深度、绿峰位置、绿峰处归一化反射值、红边位置、红边处归一化反射率、红肩位置、吸收宽度、光谱不对称度等光谱特征参数。分析上述参数的物理含义并将其和玉米叶绿素含量变化进行相关分析,选择并确定与玉米污染胁迫叶绿素微小变化有一定关系的参数,作为输入因子,建立BP神经网络模型,逐步增强并提取农田污染胁迫状态下玉米叶绿素含量的微小变化信息。     

基于空间谱的玉米叶片铜铅污染区分及程度监测

利用高光谱遥感技术监测并识别农作物受重金属污染信息是当今热点，研究设置了不同浓度铜离子(Cu2+)、铅离子(Pb2+)胁迫梯度的玉米盆栽实验，并测取了玉米叶片的光谱及叶片中重金属离子与叶绿素含量。基于获取的光谱数据，将光谱划分为紫谷、蓝边、绿峰、红谷、红边和红肩六个光谱特征区间，通过光谱的一阶微分和二维多重信号分类(2D-MUSIC)算法构造空间谱，对各光谱特征区间进行变换分析。实验结果表明：蓝边、绿峰和红边阵列信号的空间谱在Cu2+胁迫下为双高峰，在Pb2+胁迫下为单高峰，以此能够快速、直观地区分玉米叶片所受重金属污染的Cu2+和Pb2+元素类别。红谷和红肩阵列信号空间谱的方位角谱峰值与玉米叶片中Cu2+含量的相关系数分别达到-0.954 5和-0.964 8，说明用于监测Cu2+污染程度时效果理想；紫谷阵列信号空间谱的方位角谱峰值与玉米叶片中Pb2+含量的相关系数达到-0.999 8，说明用于监测Pb2+污染程度时效果理想。同时通过与常规重金属污染监测方法绿峰高度(GH)、红边位置(REP)、红边最大值(MR)、红边一阶微分包围面积(FAR)的应用结果进行比较分析，空间谱法的应用结果与玉米叶片中重金属离子含量的相关性较高，从而验证了空间谱应用于玉米重金属污染信息监测具有更好的有效性和优越性。     

离子吸附型稀土矿区复垦植被光谱特征变异提取与分析

大面积高光谱遥感监测是稀土矿区环境监管的重要手段,复垦植被在矿区环境胁迫下的特征变异分析,可为准确实现矿区生态恢复动态监测提供必要基础。通过实地采集稀土矿区六种典型复垦植被及其对应正常环境植被叶片原始光谱,对照分析其光谱变异。将原始光谱进行常用的导数变换之外,还应用信号处理中的分形维数计算、离散小波变换分析技术和短时傅里叶变换处理放大植被叶片光谱的细部信息,探究复垦植被在稀土矿区环境胁迫下的光谱特征。结果表明：(1)在一阶导数光谱中,除湿地松外,其他植被均出现“红边位置”的蓝移现象,表明了复垦植被在矿区受到不同程度环境胁迫等外界因子的影响。(2)通过计算矿区植被光谱曲线的分形维数,得到同种复垦植被分形维数高于正常植被的规律,说明矿区环境胁迫多条件因素的影响致使复垦植被光谱曲线的波形变复杂。(3)植被叶片光谱经过离散小波变换,其中原始光谱离散小波变换最佳细节系数为d5,一阶导数光谱离散小波变换最佳细节系数为d6;并且一阶导数光谱离散小波变换在更小的尺度下放大了光谱特征细节差异,取得更好的效果。(4)光谱通过短时傅里叶变换在空频图上实现局域化,原始光谱空频特征出现在“红边”与中红外第一个“...     

基于不同植被指数的植被-土壤混合像元高光谱偏振信息与模型研究

高光谱遥感被越来越多的应用于确定混合像元的地物组分和比例。将不同面积比例的植被-土壤混合像元作为研究对象,使用偏振装置和ASD FieldSpec~3光谱仪得到植被—土壤组成的混合像元的偏振反射光谱曲线,计算得到八种植被指数值,讨论不同面积比例,不同偏振角度下植被-土壤混合像元的高光谱偏振特性。研究发现,随着叶片占混合像元面积比例的增大,植被-土壤光谱曲线越来越明显地表现出植被光谱"五谷四峰"的特性,且峰值与谷底的位置与植被光谱基本相同。偏振角越大,混合像元的光谱偏振反射比越大;混合像元条件下,植被所占混合像元的面积比例越大,光谱受偏振角的影响越大。各植被指数与混合像元中植被面积大小呈线性关系,其中植被衰减指数和改进红边归一化植被指数的相关系数最大,可以达到98%左右,适合用于建立植被指数与植被占混合像元面积比例之间的相关模型。在植被面积发生变化时,改进红边比值植被指数的灵敏性更好。在利用光谱吸收特征参数进行植被指数估算时,发现吸收谷深度与光化学植被指数的二次函数模型拟合度最强,决定系数R2为0.963 3;光谱吸收指数与光化学植被指数的二次函数模型拟合度最强,决定系数R2为0.960 5。     

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。     

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

高光谱信息的农林植被种类区分

为了能够更加快速、准确对粮食主产区的作物与树木进行种类区分，以黄淮海地区三种主要植被(玉米、小麦和杨树)为研究对象，获取该三种植被原始反射率光谱，并对原始光谱进行特征点提取、一阶微分变换、二阶微分变换以及植被指数计算四种方法的分析处理，提取三种植被各自的光谱特征点、特征波段、蓝黄红边微分值和、位置、振幅以及面积四个特征指标以及植被指数的数值区间。基于特征值在不同植被种类间数值重叠范围越小区分精度越高的原理，比较分析植被光谱在不同处理方法下的植被区分精度，并且最终选取重叠范围最小的特征指标作为区分不同植被的识别指标。结果显示：相较于原始光谱特征点提取、二阶微分变换以及植被指数计算，一阶微分变换对于玉米、小麦和杨树的识别分类具有较高的精度，其中黄边振幅、黄边面积以及黄边微分值和具有较高的识别精度，黄边振幅的识别精度达到97.5%，黄边面积以及黄边微分值识别精度达98.1%，用另外167组数据对该结果进行验证，显示黄边振幅的识别精度达96.4%，黄边面积以及黄边微分值和的识别精度达97.6%。该结果与用平均光谱曲线区分单种植被不同生长状态选取的特征值结果不同，这种方法能有效的保留个体光谱反射曲线的差异，从结果可见通过一阶微分变换提取黄边参数的方法能有效的用于树木和粮食作物共同种植区域的植被区分, 并且黄边面积以及黄边微分值和的识别精度最高。     

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。     

利用Hyperion数据进行环境星HSI红边参数真实性检验

针对我国新发射运行的HJ-1A星HSI数据,利用高光谱分辨率的Hyperion数据进行了HJ-1A星HSI的光谱模拟,提取了红谷位置、红边位置、红边斜率和红边振幅等4个主要的红边参数,对真实与模拟环境星HSI数据的红边参数进行了对比分析,从而以Hyperion数据为参照检验了环境星HSI红边参数的真实性。研究结果显示,环境星HSI与模拟HSI的红边范围光谱反射率平均相关系数为0.946,标准差为0.011,为极显著相关,两种数据在红边范围内的光谱反射率变化高度一致;4个红边参数的相关系数分别为0.414,0.543,0.808和0.802,并且随植被覆盖度的变化呈现出明显的规律性,模拟与真实红边参数差值标准差分别为5.75,1.86,5.7e-4和0.024,认为环境星HSI的红边参数可以较好反映该区域植被变化所造成的红边光谱特征差异。     

结合DEM的红边-近红外植被指数提取城市植被信息

随着生活水平的不断提高,城市植被已成为衡量城市宜居性的重要标准之一,对城市生物多样性评估和保护起到非常重要的作用。因此,合理规划城市植被是解决环境问题和提高生活质量的重要手段。因此,城市植被的提取和监测成为重中之重的任务。目前,城市植被提取一方面受到地域和物种的影响,另一方面也受到地形和建筑物阴影的影响。为解决上述问题,提出了一种结合数字高程模型(DEM)的红边-近红外植被指数模型（RENVI）。首先选取了3景经过辐射定标和大气校正的具有红边波段、且光谱和空间分辨率较高的Worldview-3遥感影像;然后,根据红边波段对于植被具有较高的敏感性,且红边范围内的光谱数据与反映植被生长状况的参数有较好的相关关系原理,采用DEM模型和红边波段光谱差异,有效去除地形和建筑物阴影;最后,在可见光波段范围内建立红边光谱-近红外光谱构建特征空间,构建了红边-近红外植被指数模型,同时与归一化植被指数（NDVI）和增强型植被指数（EVI）进行城市植被提取的定性和定量对比分析。定性分析是利用真实植被影像参考图与模型提取植被影像进行视觉分析;后者是采用用户精度、生产者精度、总体精度和Kappa系数进行量化分析。定性分析表明：NDVI和EVI提取城市植被,由于建筑和道路像元混淆在植被中,产生了错分和漏分的问题。RENVI较好地消除了阴影像元与植被像元混淆问题,能准确的提取城市植被,减少了冗余度,增加了植被指数的信息量。定量分析表明：RENVI模型较NDVI和RVI能够准确提取城市植被,3景影像总体精度分别为89%,81.4%和91.8%,Kappa系数分别为0.852 8,0.791 3和0.905 2。综上所述,该方法有效提高了城市植被提取精度,并取得了较好的提取视觉效果。     

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。