半干旱草原不同生态恢复阶段优势植物的高光谱特征分析

为了将高光谱遥感技术应用到生态恢复监测,采用ASD Fields HH便携式野外光谱仪测量半干旱草原区内蒙古和林格尔县不同生态恢复阶段优势植物物种的高光谱数据,通过ViewSpecPro软件对原始光谱数据进行降维和去噪等处理,进行原始反射率、一阶微分分析,采用排序软件Canoco 4.5进行去趋势典范对应分析。结果表明,生态恢复早期的优势植物物种为狗尾草、小叶锦鸡儿,生态恢复5年的优势植物物种为猪毛菜、小叶锦鸡儿,生态恢复后期的优势植物物种为樟子松、猪毛菜,与实测结果一致。DCCA分析结果表明,生态恢复早期植被的冠层光谱值,特征波段主要为短波光,且各物种光谱值差异较大;生态恢复5年主要受1 000～1 050 nm波段反射率影响,生态恢复后期主要受1 040～1 075 nm波段的近红外反射率影响。采用DCCA方法能够直观反映不同生态恢复阶段优势物种的光谱特征。     

琅琊山景区不同叶绿素条件下树种叶片光谱差异分析

叶绿素含量高低反映植物健康状况,研究景区树种叶片叶绿素绝对值(SPAD)不同的光谱变化规律能为叶绿素高光谱监测波段识别与景区树种管理提供理论支撑。从琅琊山景区灌木和乔木类选取9个常见树种,探讨相同树种叶片SPAD值变化时的光谱差异,同时,横向对比相同SPAD值不同树种叶片的光谱特征,并深入分析不同树种叶片SPAD值与单波段原始光谱、光谱倒数、一阶微分、二阶微分及波段组合差值指数、归一化指数、比值指数、一阶微分归一化指数、一阶微分比值指数之间的关系。结果表明：9个所测树种叶片随着叶绿素SPAD值的升高,光谱变化规律各不相同,在可见光波段区分明显,总体上,光谱反射率最高的样本组SPAD值较低;叶绿素SPAD值相同时,在可见光波段,桂花较其余树种反射率整体较高; 在780~1 350 nm波段,广玉兰叶片反射率始终排前三,其余波段变化规律不明显;原始光谱反射率的二阶微分与海桐叶片SPAD值相关系数最大,一阶微分与其余8种相关性最高;与灌木、落叶乔木叶片SPAD值相关系数最大的光谱指数分别为差值指数、一阶微分归一化指数,与常绿乔木、不分树种相关系数最大的为一阶微分比值指数。     

水分环境梯度下野鸭湖湿地典型植物光谱特征分析

湿地植物在生态水分、物质能量循环中起到重要作用,能够综合反映湿地的生境特征。分别选取典型沉水植物、浮水植物、挺水植物、湿生植物和中生植物,采用导数法和包络线去除法,分析不同水分环境梯度下植物的光谱特征和变化趋势。挺水植物、湿生植物和中生的反射率值最高,其次为浮水植物类型,沉水植物受到水体的强烈影响,反射率值最低。导数法能够将原始光谱曲线的变化趋势放大,呈现出更多的特征波段。光谱曲线在520和710nm附近达到增长最快点,并可作为区别沉水植物与其他植物类型的特征波段。挺水植物香蒲和湿生植物三叶鬼针草的绿峰值最高。依照水分环境由高到低变化,沉水植物、浮水植物和挺水植物的红边值逐渐上升,湿生植物和中生植物的红边值略低。包络线去除法将原始的光谱曲线转化成吸收曲线,吸收深度变化表现为沉水植物<浮水植物<挺水植物<湿生植物,而中生植物值要略低于湿生植物。除中生植物外,植物在500和675nm附近的吸收面积随着水分环境梯度的降低而升高。     

新疆天山北坡典型研究区融雪期地物光谱特征分析

地物的波谱特性乃是整个遥感技术的物理基础,更是遥感技术应用尤其是定量遥感的基石。由于融雪期静态地物与冰-雪-水等动态地物交互存在,地物光谱特征更为复杂。选取了新疆天山北坡乌鲁木齐河流域以及军塘湖流域作为典型研究区,采用美国CID公司生产的CI700便携式野外光谱仪,通过2006年到2009年融雪期大量的野外调查和实地测量,获取了新疆天山北坡典型研究区融雪期典型地物包括各种积雪、冰、水以及土壤的光谱曲线及其变化规律,并对其进行了光谱特征分析。结果表明,融雪期虽然地物类型较为单一,但是因为积雪-冰-水-土壤复杂系统的交互式影响,地物的光谱特性及其变化均较为复杂,给融雪期地表参数的定量遥感研究带来了较大的挑战。对于融雪期复杂地物光谱的系列观测及特征分析无论是对于地物光谱特征基础研究还是定量遥感应用研究均具有重要意义。     

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。     

基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析

冠层是植被进行生态过程的主要层次,森林冠层结构影响冠层生化组分的遥感反演,因此对其光谱特征的分析有助于提高冠层生化组分反演的精度。以长白山温带阔叶红松林为研究对象,利用Hyperion高光谱数据提取不同林冠反射率,运用连续统去除和光谱一阶微分法进行光谱变换,定量分析森林冠层的光谱特征。通过计算样方阔叶树种优势度(BFDI),以及一系列光谱指数(NIR,NDVI,EVI,NDNI,SPRI*NDVI和SPRI*EVI),探讨冠层结构组成对其光谱特征及光谱指数的影响。结果表明：(1)相比阔叶林冠层,针阔混交林、美人松林和樟子松林冠层光谱的红边有左移趋势,斜率明显下降,蓝边、黄边斜率特征也相应减弱,近红外波段反射率明显下降,可见光波段的归一化反射率有上升趋势,表明不同林冠,尤其针叶林与阔叶林林冠之间的光谱特征差异明显。(2)BFDI对冠层NIR反射率和三边斜率有明显的影响,与光谱指数显著相关(P<0.01),表明BFDI影响森林光谱指数。BFDI与NDVI,EVI,SPRI*EVI,NIR,SPRI*NDVI,NDNI的R2分别达到0.90,0.83,0.83,0.81,0.68,0.59,揭示了BFDI对于冠层绿度、叶面积指数、植被生产力以及冠层叶氮浓度等植被参数存在一定影响。研究表明,利用星载高光谱数据结合地面样方调查可以很好地阐明林冠结构组成对于光谱特征的影响,也对优化植被冠层生化组分和森林生态系统生产力的遥感反演具有借鉴意义。     

不同品种冷鲜猪肉pH值高光谱检测模型的传递方法研究

针对目前模型传递方法研究大多在不同仪器之间且均采用近红外光谱建立模型,采用高光谱技术建立猪肉pH值定量检测模型,并针对不同品种间的模型传递提出了一种光谱和预测值同步校正(sync correction of spectrum and prediction value, CSPV)的传递算法,并与模型更新方法进行比较。当模型满足预测相关系数(correlation coefficient of prediction, r_p)r_p≥0.837,且剩余预测偏差(residual prediction deviation, RPD)RPD≥1.9时,表明预测结果可靠。以杜长大、茂佳山黑猪和零号土猪3个品种猪肉样品为研究对象,以杜长大作为主品种,茂佳山黑猪和零号土猪作为从品种,采用偏最小二乘(partial least squares regression, PLS)法建立主品种猪肉pH值定量检测模型,模型校正相关系数(correlation coefficient of cross-validation r_c)和预测相关系数r_p分别达到0.922和0.904,交互验证均方根误差(root mean squared error of cross validation, RMSECV) 和预测均方根误差(root mean squared error of prediction, RMSEP)分别为0.045和0.046,RPD为2.380。用主模型分别对茂佳山黑猪和零号土猪pH值进行预测,r_p仅达到0.770和0.731,RMSEP分别为0.111和0.209,RPD分别为1.533和1.234,预测精度较差。分别采用CSPV传递算法和模型更新方法对主模型进行传递和修正,比较并验证了两种方法的模型传递和修正结果。采用CSPV算法对模型传递后,当标样个数分别为9个和10个时,r_p可提高到0.889和0.900,RPD提高到2.071和2.213,均满足r_p≥0.837,且RPD≥1.9;而采用模型更新方法对模型修正后,当添加的代表性样品分别为11个和9个时,r_p分别达到0.869和0.845,但RPD仅达到1.934和1.804,不满足RPD≥1.9的条件。结果表明,CSPV传递算法能实现主模型对茂佳山黑猪和零号土猪样品的预测,而模型更新方法只能实现对茂佳山黑猪品种的预测,不能实现对零号土猪样品的预测,且CSPV传递算法预测结果优于模型更新方法。     

基于时序多光谱影像的干旱草原区开采扰动信息提取方法

露天开采会彻底改变原有土地利用景观格局，直接破坏当地生态环境，甚至会影响附近居民的生产和生活，因此越来越多的学者开始关注开采扰动。先前有关利用时序多光谱影像提取开采扰动的研究区集中于扰动形式单一的森林区。而我国露天煤矿大多集中于草原区，且我国东北部的草原矿区因其脆弱的生态环境以及其他多种扰动形式的存在，使得开采扰动识别更加困难。为明确我国东北部生态脆弱区草原露采场的开采扰动，以胜利矿区为例，利用1986年-2017年27期Landsat多光谱遥感影像，基于归一化植被指数NDVI（normalized difference vegetation index）的长时间序列轨迹变化特征（为了去除物候、云和阴影等对时序多光谱影像的影响，利用BISE-WT滤波器对原始NDVI时间序列进行滤波处理, 有效地去除时序NDVI数据中的噪声并同时保留有效信息），经过样本点训练，获得CV阈值（变异系数coefficient of variation）和Max阈值（植被阈值），构建CV-Max扰动识别模型，提取研究区的扰动分布。并利用植被阈值，分析NDVI时序轨迹，获得扰动年际信息，重构扰动历史地图；进而通过分析研究区典型地物的光谱特征，构建裸煤提取规则，以此来提取研究区的裸煤分布；最后通过构建裸煤及扰动区两者间的拓扑关系，进行空间拓扑叠置分析，从而获得开采扰动信息。经过精度验证，开采扰动的提取精度达到93.17%（Kappa系数=0.85），扰动年际信息提取精度达到83.35%（Kappa系数=0.81）。结果表明：在研究期间，空间上，开采扰动面积占研究区总面积的8.90%；时间上，开采扰动的发生集中于2000年-2009年，期间开采扰动像元占开采扰动总像元的76.70%；1988年-1998年矿区属于土地损毁初始期，2000年-2005年矿区属于土地损毁加速期，2006年-2009年矿区属于土地损毁高峰期，2010年-2017年开采扰动像元占比趋势比较平缓且持续处于较低水平，矿区土地损毁范围基本稳定。所提出的针对我国东北部生态脆弱性草原矿区，基于时序多光谱影像，利用植被指数NDVI和裸煤光谱特征提取开采扰动信息的方法是可行的，该研究结果可为干旱、半干旱草原露天矿区的可持续发展提供数据和理论方法支撑。     

矿业废弃地重构土壤重金属含量高光谱反演

矿产资源对工业和国民经济的发展有重要的作用,但是随着矿业开采规模的扩大,资源枯竭、经营不善而形成的矿业废弃地越来越多。由于长时间受到采矿的影响,矿业废弃地土壤中存在大量的重金属元素,高浓度重金属可能会对环境和人体产生影响。土地复垦是整治污染、退化土壤再利用的重要方法,对重构后的土壤进行重金属含量检测是衡量土地复垦成效的重要指标,需要长期进行跟踪监测。传统的化学检测方法效率低、成本高、无法实现重金属大范围检测。高光谱是一种新兴的、发展潜力巨大的技术,在环境保护,资源利用,区域可持续发展等方面有着广泛的应用。经过近几十年的快速发展,仪器精度逐渐提高,检测方法逐渐成熟,为实现土壤重金属高效、便捷检测提供了可能。正常土壤重金属含量一般相对较低,采用光谱测量重金属含量较为困难,但铁矿开采区矿业废弃地由于土壤中的铁元素较多,会使土壤中的重金属的存在和聚集形式发生变化,影响重金属对光谱的响应,从而使土壤光谱反射率与重金属含量之间关系更加明显。以湖北省大冶市复垦矿区研究区,采样化学检测方法获取土壤重金属（As,Cr,Zn）含量;借助于美国ASD公司生产的FieldSpec4地物光谱仪（350～2 500 nm）获取土壤反射率,应用一阶微分、倒数对数、连续统去除法分别对反射率曲线进行预处理,提取出光谱特征波段,分析三种重金属元素与光谱特征间的相关性并建立逐步回归模型。研究表明,光谱数据预处理可使光谱特征波段更加明显,其中一阶微分和连续统去除法的效果最为明显。3种重金属元素的特征波段为495,545,675,995,1 425,1 505,1 935,2 165,2 205,2 275和2 355 nm。将土壤重金属含量与光谱特征波段之间做相关性分析,三种重金属都表现出了与光谱曲线的相关性,相关系数大部分都达到了0.5以上,最大相关系数为0.663,由于重金属种类和预处理方式的不同会导致相关性系数存在明显的差异。利用与土壤重金属相关性最大的特征波段建立三种重金属反演模型,并以反演模型r大小选择每种重金属的最优反演模型。由于重金属种类的不同,模型的选择也有差异,Cr和Zn一阶微分逐步回归为最佳反演模型,重金属As连续统去除法逐步回归为最佳反演模型。通过检验,三种重金属中Cr反演效果最好,RMSE为2.67,其次是Zn和As。对比当前不同检测手段可知,基于土样和光谱数据预处理的土壤重金属含量地物光谱仪高光谱反演是比较理想的。可为矿业废弃地土壤重金属高光谱反演提供参考。