琅琊山区主要树种冠层光谱年际变化研究

森林树木的生理机制和生态结构随年份变化,该变化通过其冠层光谱特征在一定程度上有规律的表现出来。掌握森林树木光谱特征随年份变化的规律,既有利于遥感解译,也为多树种的识别与分类、生物化学成分估测等提供一定的科学依据。本研究利用高分辨率光谱仪对研究区7个主要落叶树种和7个主要常绿树种的不同年份冠层光谱特征进行测量,分别获取4个不同年龄段的光谱曲线,并计算出一阶导数曲线,从而深入分析不同落叶树种、不同常绿树种在不同年份和相同年份的光谱特征变化规律,比较各树种在可见光波段和近红外波段的光谱差异变化,以找出最适宜多树种识别的最佳年份和最佳波段。结果显示：落叶树种和常绿树种的冠层光谱特征随年份变化表现出一定的规律性,光谱反射率随年龄增加而升高;光谱变化差异均在近红外波段最为明显,此波段是进行多树种识别的最佳波段。     

基于时序NDVI与光谱微分变换的森林优势树种识别

基于遥感光谱特征准确识别优势树种类型对于区域林业资源的监测和经营具有重要意义,也是当前亟待解决的重要科学问题。伴随遥感技术的发展,利用时间序列高分影像能够有效获取林分树种不同物候期生长特性及其冠层光谱动态信息,有利于克服区域森林类型精细识别中普遍存在的异物同谱难题。以中国东北地区赤峰市旺业甸国有林场为试验区,采用覆盖完整自然年的共36景高分一号（GF-1）WFV时间序列数据（16 m）,提取包含不同优势树种生长阶段特征的林分冠层光谱归一化植被指数（NDVI）,结合支持向量机（SVM）模型对研究区内5种典型优势树种：油松、落叶松、山杨、白桦和蒙古栎,进行不同时间尺度下（单季相、全季相、逐月和逐旬）的光谱识别研究。同时,分别基于原始时序光谱及其一阶、二阶和三阶微分变换结果,探讨了不同分辨率时序NDVI光谱及其3种微分变换结果对区域森林优势树种的识别效果。结果显示,基于不同尺度的时间序列数据能够获得比不同季节单时相数据更好的树种识别结果（p＜0.05）,其中采用全季相数据的树种总分类精度相比于春、夏和秋不同季节的单季相数据结果,分别提高了7.67%,6.64%和3.6%,表明时间序列影像中所包含的植被物候信息对于区分不同森林树种类型十分重要,同时秋季是采用单时相数据的最佳识别季节（p＜0.05）;在不同时间序列数据中,基于逐旬的NDVI数据显著优于基于逐月和全季相数据的光谱识别结果（p＜0.05）,而基于全季相数据的光谱识别结果最低（p＜0.05）,表明更密集的时序光谱信息有利于区域树种类型识别精度的提升。此外,结合光谱微分变换后的树种识别结果比仅采用原始NDVI时间序列的识别结果精度更高（p＜0.05）,其中基于逐旬和逐月时间分辨率数据的最高识别精度能够达到82.1%和78.74%,分别提升了3.38%和2.95%。研究表明采用基于全年逐旬或逐月尺度的时序光谱数据,并结合相应的微分变换方法,可以有效提高区域尺度优势树种的识别精度,为相关多光谱森林植被精细识别研究提供参考。     

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。     

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。     

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。     

基于近红外光谱反射率特征的木材树种分类识别系统的研究与实现

提出了一种基于木材表面光谱反射率的新型木材树种分类识别系统,它解决了下面三个问题。首先,考虑到实际采集的光谱反射率曲线在某些波长噪声较大,这些波长应该被删除。另外,木材光谱反射率曲线波段为350~2 500 nm,原始实验数据为一个2 150维的向量(光谱采样间隔设定为1 nm),所以要对光谱数据进行特征选择和降维处理。为高效和同时地解决这两个问题, 使用了一种散步矩阵求解特征值方法进行了光谱特征波长的特征选择,同时还对噪声波长进行了滤波处理。该方法收到了较好的效果, 具有一定的新颖性。最后,为了使光谱仪采集到的光谱反射率曲线具有最佳的模式可分性信息,还对室内照明光源的安装高度进行了最优化设计,使用遗传算法求解出光源的最佳安装高度,使得采集的光谱反射率曲线具有最佳的树种分类信息。因此,提出的这种照明光源安装高度优化设计方法,在一定程度上提高了树种分类识别的精度,它具有较好的可行性和一定的新颖性。针对东北地区常见的五种树种(白松、樟子松、落叶松、杨木和桦木)木材进行大量的(约10万次)分类测试,实验结果表明五种树种木材的混合识别率达到了95%以上,具有较好的分类识别精度和速度。特征选择的波长主要集中在近红外波段。     

基于Geoeye-1影像光谱特性的红树林冠层种类识别

基于Geoeye-1高空间分辨率影像与冠层实测高光谱数据,以广西北部湾五种红树群落为研究对象,分析影像光谱用于冠层种类识别的能力。首先研究红树林冠层光谱响应特征,再针对影像采用高光谱分析方法提取端元,结合实测训练样本进行不同方法的识别对比。结果表明：350～1 100 nm谱段内以435,469,523,677,751和761 nm为中心波段的红树群落冠层光谱表现最佳;木榄端元应用识别精度高于实测训练样本应用结果;光谱角制图法能够克服多光谱波段对全色波段分辨率的影响,并有效获取冠层轮廓。利用Geoeye-1影像光谱信息可有效识别三种红树植被,种类最高识别精度达93.03%。研究证实高空间分辨率影像光谱信息的重要性,从机理和应用角度为面向对象红树林种类识别提供了依据和参考。     

基于叶片高光谱特性分析的树种识别

高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径。利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程。与多光谱数据相比,高光谱数据具有波段多、数据量大、冗余度大等特点。该文利用光谱微分法对原始光谱数据进行处理,分析不同树种原始光谱、光谱一阶微分和光谱二阶微分曲线图,从中选择差异较大的波段用于鉴别不同树种。最后利用欧氏距离对所选择的波段进行检验识别不同树种的效果,检验的结果显示选择的波段能有效地区分不同树种。区分不同树种的有效波段大都位于近红外波段, 并且差异最大的波段也是近红外波段,其分别为1 657～1 666和1 868～1 877 nm。     

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。     

大麻植物冠层光谱特征研究

大麻是一种特殊的经济作物,具有广泛的应用领域,准确掌握我国大麻种植面积与空间分布,对国家制定大麻产业政策具有重要的参考价值。遥感技术是大范围内大麻监测的一种潜在手段,但是对大麻光谱特征少有研究。利用ASD FieldSpec便携式光谱仪实测的大麻植物及常见作物的冠层光谱数据,系统分析了大麻植物冠层光谱特征,并采用差异分析的方法,探明其遥感探测的最佳波段和所需的波段光谱分辨率,为大区域范围内的大麻植物遥感识别提供了理论基础。研究表明,大麻植物在530,552,734,992,1 213,1 580和2 199 nm附近冠层光谱反射特征与其他植物有较大差异,且在734 nm附近与其他植物有最大反射率差异。光谱分辨率在可见光和近红外波段需要30 nm或更窄,在中红外波段需要50 nm或更窄。     

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。     

基于物候特征的植物光谱识别方法研究

光谱分析对于植物识别特征与机理研究具有重要意义,长期以来在植被光谱的叶绿素吸收特征、水分吸收特征、红边效应、光谱波形参数提取、波形转换、以及植被叶面结构和化学组份对光谱的影响方面进行了大量研究,而在植物因季节变化引起的叶面结构、叶绿素、叶面积指数变化而产生的光谱变化研究较少。通过开展对不同生活型、叶面结构与大小、物候特征的11类植物季节生长过程的地物光谱观测,提取植物的归一化植被指数NDVI、包络线去除后的绿波段最大光谱吸收深度、红波段最大光谱吸收深度参数,对该参数时间过程曲线的均值、变幅、斜率进行分析,研究植物生长期和成熟期特征参数的植物光谱可分性研究。提出了植被光谱区分度的参数运算方法,利用该参数进行植被识别能力分析。结果表明：植物生长过程的光谱特征比成熟期的光谱特征更容易区分。在相同参数对比中,生长期植物区分度比成熟期区分度高出三个点。在植物生长过程中,总体上植被的季节变幅区分度>斜率区分度>均值区分度,而对于NDVI参数季节变化,植物季节斜率区分度最大。所以利用植物的季节NDVI斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅进行植物的识别效果最佳。     

不同粒度条件下矿物光谱变化分析

矿物粒度是影响矿物光谱特征的一个重要因素,探索不同粒度下矿物光谱曲线的变化情况以及相同粒度下不同矿物的光谱差异,不仅是高光谱矿物遥感信息识别的关键,也为研究矿物随着粒度变化而产生的光谱差异提供理论基础。利用地物光谱仪对采集的六种矿物进行观测,获取了不同粒度下的反射率光谱曲线,同时生成一阶微分光谱曲线,进而分析了不同粒度下各种矿物的光谱变化特征,对比了相同粒度下不同矿物的光谱差异,探索高光谱遥感识别矿物的可能波段。结果表明：各种矿物的光谱曲线均会随着粒度的改变而产生较大的差异,但变化规律不尽相同,紫苏辉石的整条光谱曲线都会随着粒度的增加而下降,叶蛇纹石、赤铁矿、高岭石、绿泥石的光谱曲线在特定的波长范围内随着粒度的增加而下降,橄榄石的光谱与粒度大小不存在直接的相关性;相同粒度下,不同矿物的光谱反射率在大部分波段范围内差异较大,为实现矿物高精度识别提供了可能;叶蛇纹石、高岭石、绿泥石具有较多的宽度较窄、强度较小的吸收峰,而赤铁矿、橄榄石、紫苏辉石的光谱曲线相对平滑,吸收和反射峰的数量较少。本研究旨在为矿物光谱库的构建以及矿物的高光谱技术识别提供基础数据和理论支撑。     

基于野外实测数据的珊瑚礁不同底质光谱可分性及珊瑚色素影响分析

珊瑚礁遥感监测的任务之一是获取底栖物质的组成及分布,但由于珊瑚礁存在较强的空间异质性及复杂的光谱,使得目前利用遥感技术进行底栖物质信息提取还存在较大难度。珊瑚礁不同底栖物质的光谱特性是开展珊瑚礁遥感监测的基本先验知识,但目前关于不同珊瑚种类的光谱特性分析研究较为匮乏。本研究基于野外实测光谱数据和模拟卫星遥感数据,开展珊瑚礁不同底质类型的光谱特性研究,特别是针对不同造礁石珊瑚种间及种内的光谱差异进行比较分析,并探讨不同珊瑚体内色素组成对珊瑚光谱特性的影响研究,最后甄选了四种常用卫星数据,通过数值模拟探讨了不同底质类型的光谱可分性。结果显示,利用反射光谱曲线值的大小能较好的识别沙和白化珊瑚,而利用蓝绿红波段反射率的一阶微分值能有效识别出海藻、海草和健康珊瑚。对于不同种类的珊瑚而言,科、属、种、珊瑚形状、珊瑚颜色的不同均会对珊瑚的反射光谱造成影响。叶绿素含量（包含叶绿素a、叶绿素b、叶绿素c）与珊瑚反射光谱值相关性较好,是影响珊瑚光谱反射率的主要因素之一,虫黄藻密度在一定程度上也能影响珊瑚光谱反射率,但不如叶绿素影响明显,其密度的高低会影响珊瑚光谱在局部波段的峰值特征。在目前常用的多光谱卫星数据中,Landsat8数据具有可观测近岸的蓝波段,具备识别沙、白化珊瑚、海藻、健康珊瑚、海草的能力,而IKONOS和Quickbird可识别沙、白化珊瑚和海草。相对而言,SPOT5表现较差,仅能识别沙和白化珊瑚。在不同种类珊瑚的识别方面,多光谱遥感数据由于无法捕捉特征波段,需要采用具有高空间分辨率的高光谱遥感数据进行有效识别。在今后的工作中,将进一步扩大珊瑚礁底质样本数据集,并建立珊瑚礁光谱库,为今后我国珊瑚礁遥感监测体系建立提供数据支撑。     

压力作用下石英砂岩的热红外光谱变化与敏感响应波段

在实验室对石英砂岩进行单轴压缩加载,利用红外光谱辐射计(观测波段8～14μm)对加载过程中试样的红外光谱辐射变化特征进行观测,研究岩石红外辐射对应力响应的敏感波段。实验结果显示,当岩石被加载时,红外光谱随之发生变化,但不同波段变化特征不同,在8.0～11.5μm范围(尤其在8.6～9.1μm)石英砂岩的红外光谱辐射强度随载荷增加而增加,二者间近似呈两次曲线关系,且光谱辐射强度的"信噪比"较高;在其它波段光谱辐射强度与载荷的相关性差且"信噪比"较低。由此表明,8.0～11.5μm是石英砂岩红外辐射对应力响应的敏感波段,也是岩石应力与灾变红外遥感监测的优势波段,而最佳监测波段是8.6～9.1μm。     

模拟实验研究利用植被冠层光谱探测CO_2轻微泄漏点

温室气体(CO2)过量排放可以导致全球气候变暖,而碳捕捉与储存(carbon capture and storage,CCS)技术是一种减少CO2气体排放的有效措施。但存储在地下的CO2有泄漏的风险,如何快速监测CO2轻微泄漏点是一个值得研究的问题。该文通过野外模拟实验,研究草地和大豆在CO2轻微泄漏胁迫下的冠层光谱特征,构建CO2轻微泄漏点高光谱遥感探测模型。在2008年5月—9月于英国诺丁汉大学Sutton Bonington校区(52.8N,1.2W)进行了野外模拟实验。实验共设置16个小区,8个草地及8个大豆地,其中各有4个小区进行CO2泄漏胁迫。冠层光谱采用美国ASD光谱仪进行测量,草地测量了6次数据,大豆地测量了3次数据。实验结果表明,草地与大豆地的冠层光谱反射率在580~680nm波段范围内随CO2泄漏胁迫程度的增大而增大,且在整个试验期内都保持同样的规律,因此构建面积指数AREA(580~680nm)(光谱曲线在580~680nm波段范围内包围的面积)识别遭受CO2泄漏胁迫下的植被。通过J-M距离检验,发现该指数能够较好地识别出CO2轻微泄漏胁迫下center区与core区的草地,但对edge区草地的识别能力不足(J-M距离小于1.8);该指数可以可靠且稳健地识别出遭受CO2轻微泄漏胁迫的大豆。该研究结果可为未来应用高光谱遥感探测CO2轻微泄漏点提供理论依据与方法支持。     

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ASD Field 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,随着累计样本容量的增加,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,反射率随着花量的增多而增大;在350～400 nm,400～500 nm,600～680 nm,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。     

琅琊山景区不同指标浓度下水质光谱差异分析

高光谱技术已广泛运用于水质检测领域。探讨不同指标浓度下水质光谱变化规律及其光谱特征,能够为水质指标遥感光谱精准识别与定量提取提供理论基础。选取琅琊山景区不同水体景观共47个典型站位进行水质指标与光谱同步测量,提取每个检测点的7个水质指标及350~950 nm波段,探讨不同浓度水质指标光谱特征变化规律,分析水质指标与光谱反射率、反射率一阶微分、任意两波段反射率比值及差值之间的关系。结果表明： 各水质指标光谱曲线变化趋势一致,但各有差异,区分度最大的波段在可见光范围;不同盐度、溶解性总固体、电导率含量的水质光谱曲线变化较为接近,含量最高的样本光谱反射率最高,且变化最显著;浊度含量较高的水质样本光谱反射率变化较显著,700~950 nm波段不同浊度含量的水质样本光谱反射率区分不明显;溶解氧浓度为4~4.9 mg·L-1的水质光谱反射率在350~900 nm波段内明显低于其余样本;在350~380 nm波段范围,光谱反射率不随叶绿素含量变化而变化,叶绿素含量接近0的样本在400~950 nm波段低于其余样本;不同蓝绿藻藻蓝蛋白含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大,交叉点较多。此外,水质指标与原始光谱反射率相关性较低,光谱一阶微分、差值指数、比值指数与各水质指标相关性整体有所提升。该研究可为水质高光谱遥感检测提供一定的理论基础。     

基于高斯回归分析的水稻氮素敏感波段筛选及含量估算

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年-2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归（GPR）等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林（RF）、支持向量回归（SVR）、高斯过程回归-随机森林（GPR-RF）、高斯过程回归-支持向量回归（GPR-SVR）和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明：GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R2为0.79,验证集R2为0.84;冠层最佳模型建模集R2为0.80,验证集R2为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小（R2>0.80,NRMSE<10%）。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R2>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性（R2增加0.02,NRMSE降低1.2%）。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。     

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。