高光谱图像识别霉变花生的光谱特征分析与指数模型构建

霉变花生极有可能含强致癌物质-黄曲霉素，快速识别并分离霉变花生可从源头上阻止其进入食物链，并降低人类摄入黄曲霉素的风险。利用可见光-近红外高光谱数据，通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。共获取霉变花生样本253个，健康花生247个，并取其霉变(或健康)部位的均值光谱。在对光谱进行连续统去除后，首先对其求取了不同步长的一阶微分，并在可分性较优的光谱区域计算了Area_500～650指数；其次，用连续小波变换提取了光谱的形状和位置信息，并利用Index_cwt指数识别霉变花生样本。结果显示，指数Area_500～650的J-M距离为1.95，Index_cwt模型的J-M距离为1.99，表明霉变和健康花生在构建的指数模型Area_500～650和Index_cwt的特征空间可分性均较优。     

不同病害胁迫下大豆的光谱特征及识别研究

在英国诺丁汉大学Sutton Bonington校区(52.8°N,1.2°W)实测感染锈病与普通花叶病大豆的单叶光谱数据,利用连续统去除法对原始光谱数据进行处理,筛选对病害及锈病严重度敏感的波段,构建植被指数对感染锈病与普通花叶病及不同严重度锈病的大豆进行识别研究。研究发现普通花叶病胁迫下的大豆光谱反射率在可见光区域均大于健康大豆的,而锈病胁迫的大豆光谱反射率在绿光区随病情严重度增加而减小,在红光区随病情严重增强而增大。根据大豆光谱变化特征设计了一个植被指数R500×R550/R680对大豆病害进行识别,通过计算不同病害及不同严重度之间的J-M距离对指数识别病害能力进行检验,结果表明指数R500×R550/R680能够较好的识别出大豆锈病与普通花叶病,且该指数在识别大豆锈病严重度方面也有较强的能力。研究结果对农作物病害遥感监测与防治具有重要的理论价值与实际应用意义。     

利用高光谱红边与黄边位置距离识别小麦条锈病

研究的目的是利用高光谱遥感尽可能早地识别出健康与遭受条锈病胁迫的小麦。通过人工田间诱发不同等级条锈病,在不同生育期测定感染不同严重程度条锈病的冬小麦冠层光谱及病情指数(disease index,DI)。对测定的光谱进行平滑并计算一阶微分值,并用两种方法分别提取光谱红边位置(rededge position,REP)与黄边位置(yellowe dge position,YEP):(1)一阶微分最大值法;(2)Cho and Skidmore方法。研究表明随着病情严重度的增加,REP逐渐向短波方向移动,YEP逐渐向长波方向移动,而REP-YEP则迅速的减小。分别对比分析了REP,YEP以及REP-YEP预测DI的能力,结果表明,以REP-YEP为变量的模型预测DI的精度最好,模型估测绝对误差(RMSE)仅为6.22,相对误差(relativeerror,RE)为14.3%,且能够提前12d识别出健康与病害胁迫的小麦。该研究不仅可为将来利用高光谱遥感大面积监测小麦病害提供理论与技术支持,而且对精准农业的实施也具有重要意义与实际应用价值。     

基于小波特征的小麦白粉病与条锈病的定量识别

小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害,在我国小麦产区均有发生,但它们由不同病原引起,需要采取不同的防治措施。因此,快速、准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。遥感数据具有快速、准确的获取空间上连续信息的特点,提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。通过对标准化光谱进行连续小波变换,分析350~1 300nm范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性,以及在不同病害间的差异性,筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs),然后采用Fisher判别分析法分别基于SBs,WFs以及结合SBs和WFs建立小麦白粉病、条锈病及正常小麦识别模型,分别采用未参与建模的55个地面调查数据和留一法进行验证。结果显示:(1)基于WFs模型的总体识别精度(分别为92.7%和90.4%)明显高于基于SBs模型的总体识别精度(分别为65.5%和61.5%);(2)SBs和WFs结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于WFs模型的总体识别精度,在Fisher80-55模型中白粉病和正常样本的生产者精度提高了10%以上。(3)条锈病样本能在基于WFs和SBsWFs的模型中准确判别出来,用户精度和生产者精度均达到100%。结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害,为采用遥感影像进行大范围作物病害识别提供了理论基础,对于指导作物病害防治具有实际应用价值。     

地下储存CO2泄漏胁迫下地表植被光谱变化特征及识别研究

随着全球气候变暖,减少温室气体排放成为全世界所关注的问题,而碳捕捉与储存(carbon captureand storage,CCS)技术可以减少温室气体CO2排放量,但储存在地下的CO2有泄漏的风险。本工作的目的是通过野外模拟实验,研究地表植被(甜菜)在CO2轻微泄漏胁迫下其叶片叶绿素含量、水分含量及光谱变化特征,结果表明CO2泄漏胁迫的甜菜叶绿素与叶片含水量明显降低,叶片反射率在550nm减小,而在680nm增大。设计了比值指数R550/R680进行识别CO2泄漏胁迫的甜菜,发现该指数能够在胁迫发生7天后识别出胁迫的甜菜,且该指数具有较强的敏感性、稳健性及识别能力。研究结果对于未来CCS项目选址、地表生态监测评估、遥感监测CO2泄漏点等都具有重要的现实意义与应用价值。     

联合光谱-空间信息的短波红外高光谱图像茶叶识别模型

茶叶种类识别和等级划分的实践意义重大。成像光谱技术较传统检测、识别手段具有图谱合一及快速无损等优势。获取了君山银针、无锡白茶、信阳毛尖、和六安瓜片4种外观相近的线条形茶叶的短波红外（1 000~2 500 nm）高光谱图像。首先利用最小噪声分数(MNF)和非参数权重特征提取(NWFE)将高维高光谱数据投影到低维子空间，然后用单因素方差分析(ANOVA)重新评估投影特征的可分性并选择对茶叶识别较为有效子空间，同时考虑到“光谱和特征”能较好地表征物质反射属性，将选择的投影子空间MNF₁，MNF₂，MNF₄，MNF₆，MNF₈，NWFE₁，NWFE₂，及“光谱和特征”一起作为光谱特征集并用SVM分类器获得光谱特征下像元的分类结果。另一方面，利用图像本质分解（IID）算法将高光谱图像的光谱分解为自身反射光谱R与阴影成分S；在均质性较优的光谱范围（1 006~1 900 nm）按照光谱距离对R求取梯度图像并用分水岭算法实现了图像空间分割，得到空间相关度较高的分割子块。最后，将像元分类和图像分割结果进行融合，具体：在每个图像分割子块中，重新统计像元分类结果并按照最大投票法对整个子块的类别进行赋值，也即联合光谱-空间信息的茶叶识别模型。结果表明，构建的模型对4种茶叶的识别结果较为满意，在仅为约1%水平的训练样本下，茶叶的总体分类精度达94.3%，Kappa系数为0.92。该模型还较好地克服了茶叶光谱的“同物异谱”现象，并期待方法对实践生产具有指导意义。     

水浸胁迫下植被高光谱遥感识别模型对比分析

随着全球气候变暖,我国洪涝灾害发生的频率及影响范围都不断增加。通过野外模拟试验,研究植被（玉米、甜菜）在水浸胁迫下的光谱变化特征,以构建高光谱遥感模型对水涝灾害范围进行监测。试验于2008年5月-8月在英国诺丁汉大学Sutton Bonington校区（52.8°N ,1.2°W）进行,每周采集一次样本并在室内测量其光谱数据。试验结果表明植被光谱在550,800～1300 nm区域反射率都稍有降低,而在680 nm区域反射率则略微增大。选取NDVI ,SIPI ,PRI ,SRPI ,GNDVI及R800* R550/R680共六个植被指数识别水浸胁迫下的植被,研究表明,指数SIPI与 R800* R550/R680对水浸胁迫玉米比较敏感,而指数SIPI ,PRI及 R800* R550/R680对水浸胁迫甜菜比较敏感。为寻找最优的识别模型,计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析,发现植被指数 R800* R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离,说明该指数识别水浸胁迫植被的能力优于其他指数,且具有较强的敏感性与稳健性。因此,可以利用该指数快速地提取水浸面积,为救灾减灾决策提供信息支持。     

病害胁迫下冬小麦冠层叶片色素含量高光谱遥感估测研究

通过人工田间诱发小麦条锈病,在不同生育期测定染病冬小麦冠层光谱和相应叶片的色素含量.把冠层光谱数据、一阶微分数据与相应的叶片色素含量数据分别进行相关分析,采用单变量线性和非线性回归技术,选取部分样本建立小麦的色素含量估测模型,并利用其余的样本对模型进行检验,结果表明绿边内一阶微分总和(SDg)与红边内一阶微分总和(SDr)的归一化值为变量的线性模型是估测色素含量的最佳模型,其估测叶绿素a,叶绿素b和胡萝卜素含量的相对误差分别为17.0%,16.3%和12.4%.该研究表明可用高光谱信息估测冠层叶片色素含量,且估测精度较高.文章的研究结果对利用高光谱遥感监测农作物长势以及病害影响都具有实际应用价值.     

用高光谱微分指数监测冬小麦病害的研究

人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱、生理生化参数以及相应的病情指数.对小麦冠层一阶微分光谱进行分析,结果表明随病情指数增大,一阶微分光谱在绿边(500～560 nm)内逐渐增大,在红边(680～760 nm)内逐渐降低.红边核心区(725～735 nm)内一阶微分总和(SDr')与绿边核心区(520～530 nm)内一阶微分总和(SDg')的比值,与病情指数具有极显著线性负相关性,相关系数r2=0.921(n=28),且能够在症状出现前12 d识别出健康作物与病害作物.因此,微分植被指数SDr'/SDg'能够监测并反演作物病害信息.研究结果对利用高光谱遥感获取作物病害信息具有实际应用价值,对提高粮食产量、保证粮食安全具有重要意义.     

苹果轻微机械损伤高光谱图像无损检测

无损检测是高光谱遥感应用研究热点之一。苹果在采摘、运输过程中易发生轻微机械损伤而影响其品质。使用高光谱成像系统分别采集54个轻微损伤的"黄香蕉"与"烟台富士"苹果可见-近红外波段(400~1 000 nm)的图像,提取苹果损伤区域的均值波谱曲线,对其进行最小噪声分离变换和基于几何顶点端元原理提取端元波谱,计算损伤区域波谱和端元波谱的光谱角,构建了端元提取光谱角苹果轻微机械损伤检测模型。通过设定光谱角阈值分别检测"黄香蕉"与"烟台富士"苹果轻微机械损伤,并与MNF变换、PCA方法检测精度进行对比分析,结果表明EESA模型检测苹果轻微机械损伤的精度最高,检测正确率分别达到94.44%和90.07%。