考虑含水量变化信息的土壤有机质光谱预测模型

地物高光谱技术已被用于土壤有机质(SOM)等理化参数速测,但由于含水量、粗糙度等因素的影响,基于遥感影像的SOM空间反演精度较低。为此引入时相信息,将时像信息与光谱信息结合对研究区SOM进行预测,使预测模型精度显著提高。以黑龙江典型黑土区(北安市南部、海伦市中部、绥化市东部、绥棱县西南部、望奎县中部)为例,获取多期MODIS影像,利用MODIS数据高时间分辨率的优势,研究含水量对土壤反射光谱曲线的影响;基于SOM与含水量对反射率的综合作用分析,建立SOM遥感预测模型。结果表明:(1)利用单期影像建立的SOM光谱预测模型,未加入含水量变化对土壤反射光谱曲线的影响信息,基于年积日(DOY)117,119,130,140,143单期影像建立的SOM预测模型,RMSE分别为0.591,0.522,0.545和0.553,R~2分别为0.505,0.614,0.562,0.568和0.645,模型精度及稳定性较低;(2)利用年积日119和143多时相影像建立的SOM预测模型,考虑了含水量与SOM的综合作用,RMSE为0.442,R~2为0.723,模型精度、稳定性得到显著提高。研究成果对于区域土壤肥力评价、土壤碳库储量估测、精准农业发展有重要意义。     

黑土反射光谱特征影响因素分析

以黑土高光谱反射率为研究对象,运用去包络线处理、光谱角度/特征匹配方法,分析黑土反射光谱特征主要影响因素.结果表明,成土母质决定了土壤反射光谱的基本特征;有机质是小于1 000 nm范围黑土反射光谱特征的决定因素,同时由于有机质与土壤水分、机械组成的相关关系,间接影响着大于1 000nm的波谱范围;土壤光谱反射率随含水量的变化过程可以用三次方程模型进行定量描述;铁对黑土反射光谱特性影响较小;粗糙度主要影响土壤反射率的大小;秸秆覆盖对土壤反射率大小与形状特征的影响均较大;不同耕作措施土壤反射率大小依次为免耕、翻耕、组合、少耕、旋松.     

基于反射率模拟模型的黑土有机质含量估测

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测模型。结果如下:有机质是小于1000 nm范围黑土反射光谱特征的决定因素,随有机质含量变化,黑土光谱反射率在该范围呈现单/双吸收谷特征;黑土反射光谱曲线在450~930 nm范围内有5个主要特征控制点;黑土反射率模拟模型能较准确地描述黑土反射光谱曲线,直线模型的模拟效果更好;以反射率模拟模型系数为自变量的有机质含量预测模型优于基于反射率及其一阶微分的模型,说明反射率模拟模型的曲线控制点选择合理且有代表性,反射率曲线模拟方法能够准确描述黑土的实际光谱反射率。     

基于反射光谱特性的土壤分类研究

选取中国松嫩平原吉林省农安县主要土壤(黑土、黑钙土、草甸土、风砂土、冲积土)室内光谱反射率作为研究对象,利用去包络线方法提取反射光谱特征指标,作为输入变量建立BP神经网络模型,进行土壤分类研究,探索利用表层土壤反射光谱特性进行土壤分类的可行性。结果表明:(1)包络线去除后的曲线使土壤可见光近红外波段的吸收特征显著增强;农安县不同土壤在400～2500nm范围内主要有5个光谱吸收谷,前2个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的,后3个是土壤水分吸收光谱能量引起的;不同土壤类型反射光谱的差异主要表现在前2个吸收谷。(2)由于输入变量的选取客观准确,基于前2个吸收谷形状特征的BP神经网络模型的土壤分类精度显著优于以反射率或5个吸收谷形状特征为输入变量的模型,可以用于土壤分类。     

光谱分辨率对黑土有机质预测模型的影响

高光谱遥感以其高光谱分辨率适于反射光谱特征复杂的地物识别与参数反演,但对于反射光谱特征平滑的地物,高光谱数据可能存在数据冗余问题。本研究对实验室测定的黑土高光谱反射率进行重采样,基于统计分析方法研究了光谱分辨率对黑土有机质预测模型精度的影响,结果表明:黑土有机质含量高,土壤有机质的光谱作用范围宽(445～1 380nm);黑土有机质光谱预测模型精度随光谱分辨率降低,呈现先增后减的趋势,最优模型的光谱分辨率为50nm,低于高光谱遥感波段设置,略高于多光谱传感器波段设置;黑土有机质光谱预测最优模型以倒数对数微分为自变量,模型决定系数R2=0.799,RMSE=0.439,研究成果为土壤有机质遥感反演、光谱速测仪器的研制,以及传感器波段设置提供理论基础与技术支持。     

反射光谱特征的土壤分类模型

土壤反射光谱综合反映了土壤的理化性质和内部结构，高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建，但主成分数据缺乏物理意义，且缺乏对比性、适用范围也有限。与反射率一阶微分数据相比，基于去包络线提取具有明确物理意义的特征参数，能够提高土壤分类的精度，并寻找到一种高精度土壤分类模型。选取吉林省农安县的四种典型土壤（风砂土、草甸土、黑土、黑钙土），将采集后的土壤样本进行风干、研磨、过2 mm筛处理，采用ASD FiledSpec®3便携式光谱仪对处理后的土壤样本的可见光近红外光谱区进行测试，从而获得土壤样本的光谱数据。对光谱数据进行九点平滑、10 nm重采样处理进行降噪，将处理后的数据分别进行一阶微分主成分以及去包络线处理。利用土壤样本的去包络线提取光谱特征参数。以一阶微分主成分数据和光谱特征参数为输入量分别代入Logistic聚类模型（LR）、人工神经网络聚类模型（ANN）、K-均值聚类模型（K-means）。首先明确了不同土类之间的反射光谱曲线、去包络线的差异大小，以及相同土壤的反射率曲线、去包络线进行土壤分类的优劣，并且在去包络线的基础上提取能够区分不同土类的光谱特征参数；其次，比较一阶微分主成分与光谱特征参数作为输入量时，三种光谱分类模型精度差异并分析不同模型精度差异的原因。结果表明：（1）四种土壤的反射光谱曲线差异较小，去包络线可以极大的增强四种土壤在430～1 210 nm之间的光谱差异，并在去包络线的基础上构建具有明确物理意义的光谱特征参数。（2）将一阶微分主成分和光谱特征参数分别代入三种聚类模型可知，以光谱特征参数为输入量的土壤光谱分类模型均超过了以一阶微分主成分为输入量的模型精度，由于光谱特征参数保留了原数据的物理意义、更准确的体现了不同土壤类型之间的差异性，而一阶微分主成分数据带有一定的模糊性不同范围之间缺乏对比性，在土壤分类中以光谱特征参数作为输入量更具有优势。（3）在三类土壤分类模型中，LR的分类精度最高为76.67%，Kappa系数为0.56；ANN的分类精度中等为72.50%，Kappa系数为0.48；K-means的分类精度最低，只有65.00%，Kappa系数为0.33。研究成果可为土壤精细制图、以及土壤分类仪器的研制提供技术支持。     

基于HSI高光谱和TM图像的土地盐渍化信息提取方法

选择黄河三角洲垦利县代表性盐碱化区域为研究区,以2011年3月15日HJ-1A卫星HSI高光谱影像和2011年3月22日TM影像为信息源,经几何纠正、图像裁剪、大气校正等预处理,分析不同盐渍化程度土地、水体、滩涂等主要地类的光谱特征,确定地类信息提取特征波段。结合土壤盐分含量,采用定量与定性相结合规则,构建地类信息提取模型,以决策树分类方法进行图像分类,提取土地盐渍化信息。利用地表点位土壤含盐量数据对地表土地盐渍化程度的化学分析结果,对遥感解译数据进行精度验证,并对高光谱和多光谱影像的分类精度进行比较分析。结果表明:HSI图像的总体分类精度达96.43%,Kappa系数为95.59%,而TM图像的总体分类精度为89.17%,Kappa系数为86.74%,说明相比多光谱TM数据,基于高光谱图像可以更为准确有效地提取土地盐渍化信息;由分类结果图可以看出,高光谱影像土地盐渍化的区分度高于多光谱影像。该研究探索了高光谱图像土地盐渍化信息的提取技术方法,提供了不同盐渍化土地的分布比例数据,可为黄河三角洲滨海盐碱土地资源的科学利用与管理提供决策依据。     

水稻分蘖期无人机高光谱影像混合像元特征分析与分解

开展水稻无人机高光谱解混,获取水稻植株的高光谱反射率信息,对于提高水稻理化参量的反演模型精度具有重要意义。目前大多基于高光谱遥感影像自身数据进行解混,运用算法模型进行高光谱数据解混,将高光谱图像和可见光图像进行优势互补,提出一种基于无人机高清影像与高光谱遥感影像融合的稻田无人机高光谱解混方法,解决单一数据局限性问题,增强光谱数据对地物的描述能力。为了更好的计算端元丰度,将同一目标区的高清数码正射影像与无人机高光谱遥感影像利用经纬度信息进行空间配准,使得不同传感器获得的图片在几何位置上对齐,通过SVM分类器的监督分类方法对可见光的数码正射影像进行地物分类,利用地物分类的结果对应高光谱的一个像元,从而得到一个像元内的端元丰度。设相邻区域内的水体端元是相同的,利用线性解混模型（LSMM）对相邻区域的混合像元进行解混,最终获取水稻高光谱反射率信息。结果表明对两种图片进行空间配准丰富了数据源信息,有利于像元的端元丰度计算,其中水稻端元丰度在70%以上解混效果最好,丰度在50%以上解混效果一般,丰度在30%以下解混效果较差;选择监督分类方法进行地物分类,精度达到99.5%,面向对象方法分类精度为98.2%,监督分类方法优于面向对象分类方法;最终得到的混合像元分解反射率高于原混合像元反射率,减少了水体混合部分对光谱数据的影响,使得分解后水稻的光谱反射率更加准确,为水稻理化参量无人机成像高光谱遥感反演提供更加准确的科学依据。     

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。     

基于扩展三通道响应项的光谱反射率重构算法

光谱反射率是颜色的固有属性不受外界条件的影响,能尽最大可能保留颜色的信息,被广泛应用在纺织、彩色印刷、古字画颜色修复等领域。为了缩短获取多光谱图像周期以及避免多光谱图像之间像素匹配不准问题,提高三通道光谱反射率重构精度。提出一种基于扩展三通道响应项光谱反射率重构算法。实验结果证明[rg~2 rb~2 gr~2 gb~2 br~2 bg~2]三次立方根项的引入可以提高光谱重构反射率色度精度和光谱精度;客观验证24个色块光谱反射率重构精度优于现有算法,提出的算法具有一定的应用价值。     

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。     

Polarized Lidar Reflectance Measurements of Vegetation at Near-Infrared and Green Wavelengths

There is growing interest in the use of lidar for remote sensing of vegetation owing to the emergence of reliable and rugged lasers and highly sensitive detectors. Lidar remote sensing has a distinct advantage over conventional techniques in vegetation remote sensing due to its capability for three-dimensional characterization of vegetative targets. The Multiwavelength Airborne Polarimetric Lidar (MAPL) system was developed primarily for vegetation remote sensing applications from an airborne platform of up to 1,000 -m altitude. The lidar system has full waveform capture and polarimetric measurement capability at two wavelengths in the near-infrared (1064 nm) and the green (532 nm) spectral regions. This study presents preliminary ground-based lidar reflectance measurements on a variety of deciduous and coniferous trees under fully foliated conditions with a view towards tree species discrimination. Variations in the reflectance characteristics of selected deciduous trees under unfoliated and fully foliated conditions were also investigated. Our study reveals distinct differences in the reflectance characteristics of various trees.     

西北盐碱土理化性质的高光谱建模及预测

高光谱数据具有光谱分辨率高、波段连续性强、信息丰富等特点,在土壤信息的监测中得到广泛应用。利用高光谱遥感技术测定盐渍化土壤属性对灌区农作物的生长和农业可持续发展具有重要意义。采集玛纳斯河流域221个土壤样品,分别测定土壤电导率(EC)、有机质(SOM)和 Na+,Ca2+,Mg2+三种离子浓度含量等土壤理化性质和光谱反射率曲线,并由三种离子含量得出钠吸附比值(SAR),采用逐步线性回归方法建立 EC,SOM和 SAR与原始光谱反射率(R)、标准正态变量(SNV)、归一化差异植被指数(NDVI)、倒数的对数(LR)、一阶微分(FDR)和去包络线(CR)等六种指标的模型。模型验证结果表明,相较其他五种变量的模型,以R为自变量的EC对数模型精度最高,相关系数为0.782,均方根误差为0.256。以NDVI为自变量的土 SOM预测模型精度最高,相关系数为0.670,均方根误差为5.352。以FDR为自变量的SAR预测模型精度最高,相关系数为0.647,均方根误差为1.932。EC 预测模型效果最好,SOM预测模型次之, SAR预测模型精度最低。最优模型中 EC,SOM和 SAR的敏感波长分别分布于395~1801,352~1144和394~1011 nm波段。由于土壤中各属性的差异和不同成分空间分布的变异性,对于不同土壤性质的建模和验证结果差异较大。本研究可为盐渍化土壤的高光谱遥感监测提供依据。     

多角度偏振高光谱的农田土壤肥力模型研究

随着精准农业这一理念的提出，快速精确获取农业信息成为人们关注的重点。偏振遥感因其结合了多角度遥感的特点，高光谱遥感和微波遥感的特点，从而能在不破坏地物的基础上提高探测和识别地物的准确度。以往的研究主要以单一土壤肥力指标为主。该实验通过实测吉林省典型地区农田土壤在不同状态下的光谱曲线，探讨了在确定最佳观测条件下的土壤肥力综合指标IFI与土壤光谱曲线的关系。结果表明光线探测天顶角、探测方位角、偏振状态均会在一定条件下影响土壤光谱曲线，但对光谱的形状和走向影响不大。在保证设备可达条件下，设计出遥感中监测土壤肥力的最佳方式。通过对光谱数据进行一阶微分和倒数的对数运算，在选定的特征波段上建立相应的肥力模型。结果表明土壤肥力与光谱反射比呈现明显的负相关关系，和光谱吸光度呈现明显的正相关关系，与光谱反射比的一阶微分相关关系不确定。在利用光谱反射比、光谱一阶反射比和吸光度特征参数进行土壤肥力估算时，发现光谱反射比与土壤肥力的二次函数拟合优度最佳，在560和860 nm处决定系数分别达到0.876和0.867。     

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。     

高光谱反射率的滨海地区土壤全磷含量反演

反射光谱在近年来广泛应用于土壤属性的估算。作为一种有效估算土壤全磷含量的手段,反射光谱技术可以很大程度上减少传统化学测量方法所损耗的人力物力。以江苏滨海土壤为研究对象,在30个采样点采集了共147个土样,测量土壤样品光谱反射率及全磷含量。利用原始光谱反射率数据及6种不同的光谱变换结果,通过随机抽样（RS）、KS、SPXY三种样本集划分方法,基于偏最小二乘回归（PLSR）和支持向量机（SVM）方法分别建立土壤全磷含量的估算模型,对比分析了三种样本集划分方法对估算结果精度的影响。结果表明：（1）以原始光谱反射率为数据,PLSR模型,RS方法在多数情况下可以获得较为稳定的模型精度,明显优于KS和SPXY方法;在SVM模型中,采用SPXY方法获得的模型结果最优,KS次之,RS结果最差。（2）不同的样本集划分方法所合适的光谱变换方法不同,对于三种划分样本集方法,PLSR和SVM对应的最优光谱变换分别是对数的倒数和一阶导数（KS方法）,原始光谱和一阶导数（RS方法）,一阶导数和多元散射校正（SPXY方法）。其中采用KS方法划分样本集,PLSR和SVM均能获得最佳的预测结果。并非所有光谱变换方法都可以提高模型精度,部分光谱变换后PLSR模型预测精度显著降低;（3）在所有的样本集划分方法中,SVM的建模效果优于PLSR,采用RS方法划分样本集,PLSR的预测精度高于SVM,而采用KS和SPXY方法划分样本集,SVM的预测精度整体高于PLSR。综上所述,本研究区域估算土壤全磷含量的最佳模型是基于KS样本集划分方法和一阶导数光谱变换建立的SVM模型,此时拟合优度（R2_p）为0.82。结果表明反射光谱可以对滨海地区的土壤全磷含量进行有效预测,对土壤磷元素的高效快速反演具有一定的指导意义。     

植物叶片可见与近红外光谱反射率数据库的建立与主成分分析

可见与近红外波段光谱反射率数据库是颜色科学与技术和遥感目标地物分类识别领域等研究与应用的基础数据。主成分分析(PCA)在光谱数据分析、光谱重建、高光谱数据降维以及遥感图像分类等方面有广泛应用。测量并建立了云南公园常见绿化植物柳树、樟、红花檵木、蓝花楹等48种植物150条叶片从可见光到近红外波段光谱反射率数据库,波长范围400～1 000 nm、间隔4 nm。并且分别对可见与可见到近红外两种波段范围进行PCA研究。结果表明：不同植物叶片按照红、绿、黄相同色相的光谱反射率曲线基本相似;但对于同一种植物,在可见光波段400～700 nm,因为体内叶绿素、叶黄素、叶红素和花青苷含量的不同,光谱反射率曲线有较大的差异;在近红外波段700～1 000 nm,所有植物叶片光谱反射率仅仅是大小不同,而同一植物光谱反射率基本不随波长变化。PCA分析表明：在可见光和可见与近红外波段前三个主成分的累积贡献率分别达到98.62%和94.97%。数据库及其PCA分析结果将为自然物体光谱重建、多光谱成像技术和遥感目标地物分类识别等领域应用提供支撑。     

不同类型土壤的二向反射光谱特性及模拟

在对不同类型土壤进行室内光谱二向反射率测定的基础上,分析了可见光波段及TM4近红外波段土壤二向反射率随观测角度变化规律,得出以下结论:在不同的观测方位角,土壤二向反射率都随着观测天顶角的增加而增加,土壤的二向反射率在垂直主平面方向是对称的;反射率在后向散射方向达到最高,在前向散射方向最低。并利用基于辐射传输理论的Hapke二向反射模型对不同类型土壤在可见光波段及Land-sat TM4近红外波段的二向反射率进行了模拟,得到了很好的结果;其在模拟可见光波段时的RMSE值分别为0.003,0.002,0.004,相关系数分别达到0.995,0.998及0.998;在模拟TM4近红外波段时的RMSE值分别为0.004,0.006,0.005,相关系数分别达到0.997,0.996及0.998,这表明通过逐波段的模拟可以获取整条二向反射光谱曲线。     

宁夏盐池荒漠植物光谱特征分析及光谱识别

宁夏盐池县荒漠草地属于中温带干旱气候,由于过度利用出现不同程度的退化,退化指示种比重增大,造成不同荒漠草地群落组成差异也很大,如何区别不同荒漠草地植物,并据此对退化指示种进行动态监测是了解荒漠草地退化程度的关键。目前随机森林（RF）、支持向量机（SVM）与K-邻近（KNN）分类模型被广泛应用于森林植物和农作物的遥感分类,并取得了较好的分类识别效果,但针对草地尤其是荒漠草地植物的分类识别研究较少。因此使用ASD地物光谱仪于7月在宁夏盐池二步坑、冯记沟、高沙窝、麻黄山不同荒漠草地采集了32种植物作样本获得442条光谱进行光谱特征分析。筛选出7个植被指数：归一化植被指数705（NDVI₇₀₅）、绿通道植被指数（GNDVI）、光化学植被指数（PRI）、土壤调节植被指数（OSAVI）、可视化气压阻抗指数（VARI）、植被衰减指数（PSRI）和归一化水指数（NDWI）作为随机森林模型（RF）、支持向量机（SVM）模型、K-邻近（KNN）模型的原始变量,对32种荒漠草地植物进行分类识别,并通过分类模型精度的比较筛选较优模型。结果表明：(1）不同植物光谱反射率均符合绿色植物特征,但各植物原始光谱不同波段之间存在明显差异,植物原始光谱水分吸收波段差异明显,且有红边蓝移现象;(2）RF,SVM和KNN三个分类模型对32种植物的分类精度分别达到了0.98,0.94和0.98,识别效果较好,但3种分类模型均对白莲蒿与北芸香、虫实与甘草发生了误判;(3）随机森林模型重要性指标中NDWI与PRI为区分荒漠草地植物的关键指标,说明荒漠植物冠层水分与类胡萝卜素含量是影响荒漠草地植物光谱分类的重要因素。试验利用随机森林模型（RF）、支持向量机（SVM）与K-邻近（KNN）分类方法,建立了主要植物的分类模型。     

高光谱遥感监测土壤含水量研究进展

土壤含水量是监测旱情墒情的关键参量,近年来在利用高光谱遥感数据监测土壤含水量方面,国内外进行了大量的研究。文章首先在分析利用不同波段监测土壤含水量的原理及优缺点基础上,指出高光谱遥感监测的独特优势和问题。并以此为出发点,从机理上归纳了土壤含水量对土壤反射率的整体影响,以及对不同波段响应的差异。在此基础上,从物理机理和统计方法两个方面,总结了土壤含水量与土壤反射率的关系。并分析和评价了各模型及统计方法中的关键问题和优缺点。以往研究土壤含水量与土壤反射率关系的实验方法中往往存在一些问题,文章也一一指出并提出了解决方案。同时,探讨了高光谱在消除植被影响,更好地反演土壤含水量方面的可行性。最后对未来的研究方向进行了展望。