基于光谱特征的高寒山区森林生态系统水源涵养分布反演研究

森林生态系统水源涵养具有调节气候,维持生态水平衡等生态功能.青藏高原作为高寒地区,由于其高海拔,环境恶劣的特征,无法实地人工观测水源涵养量.为更好地获取高寒地区的水源涵养量,通过遥感反演的方式得到特定地区的水源涵养价值量.以林芝巴宜区为研究区,研究区内林芝云杉、高山栎、高山松和雪层杜鹃四种植被为主要树种,遥感影像无法直...     

基于光谱特征的北京城区植被滞尘分布反演

植被叶片的滞尘量可以表征空气污染的程度, 分析城市植被滞尘的空间特征对于制定更为有效的空气污染控制政策具有重要的现实意义。基于北京市主城区采集的大叶黄杨、国槐、毛白杨和山桃等四种典型绿化植被叶片的滞尘量、光谱反射率和叶面积等数据,比较四种植被叶片滞尘前后的光谱曲线,进行窄波段与卫星波段滞尘前后叶片光谱反射率比值与滞尘量的相关分析。然后,分别建立相关性最大的卫星波段反射率和NDVI与滞尘量之间的回归模型, 选取拟合较好的模型反演北京城区植被的滞尘量分布,进而插值得到整个北京城区的尘埃分布。最后,根据高滞尘区域周围的土地覆盖和土地利用以及滞尘期间PM₁₀浓度的空间分布对反演的的合理性进行检验。结果表明：在780~1 300 nm波段,大叶黄杨、国槐、毛白杨和山桃四种植被的滞尘叶片反射率均明显低于干净叶片;窄波段反射率与滞尘量在520~650 nm波段和1 390~1 600 nm波段具有较高的相关性,相关系数的绝对值最高达到0.626;利用Landsat8的green波段和NDVI构建的滞尘反演模型,决定系数(R2)分别为0.446和0.465。NDVI模型反演的北京城区植被的滞尘量分布结果表明,北京城区滞尘含量呈现出北高南低,东高西低,中心城区高于郊区的空间分布格局。该研究通过高光谱和遥感影像数据反演滞尘量,可以为快速全面监测城市地区尘埃分布提供参考。     

基于无人机高光谱遥感的冬小麦全氮含量反演

氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。XGBoost（extreme gradient boosting）作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作: （1）以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;（2）分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;（3）构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。结果表明: （1）176个波段（400~1 000 nm）的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;（2）基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度（R2=0.76,RMSE=2.68）;（3）基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

基于高光谱数据和模型反演植被叶面积指数的进展

植被叶面积指数(Leaf Area Index , LAI)是陆面过程中影响陆-气交换的重要参数,也是表征植被冠层结构最基本的参量之一。准确而快速地获取LAI是植被-气候相互作用、植被生态和农作物估产研究不可缺少的工作。本文首先针对LAI和高光谱遥感进行概述,然后从不同平台高光谱传感器数据和不同反演方法两个角度总结了国内外近些年来高光谱遥感LAI的研究进展,最后分析了高光谱遥感反演LAI的未来发展方向。     

矿区复垦农田土壤重金属含量的高光谱反演分析

以矿区复垦农田土壤为研究对象,利用实验室获取的土壤重金属元素砷(As)、锌(Zn)、铜(Cu)、铬(Cr)和铅(Pb)的含量与土壤可见近红外高光谱数据建立重金属元素含量的定量估算模型。为了保证模型预测的精度和稳定性,首先,对原始光谱数据进行平滑处理,并进行光谱变换,即：一阶导数,标准正态变量变换及连续统去除变换;然后,通过相关性分析提取不同变换光谱的特征波段;最后,将最小二乘支持向量机与传统的多元线性回归和偏最小二乘回归方法的结果相比较。研究表明：(1)以不同变换光谱数据建立反演模型均有较好的稳定性并达到一定精度,其中以最小二乘支持向量机方法优于偏最小二乘回归优于多元线性回归模型(除少数几个情况外);(2)从不同光谱变换数据中提取的光谱特征对反演模型结果有一定影响,其中以连续统去除和标准正态变量变换建模结果较好,一阶导数变换稍差。因此,利用高光谱遥感技术来定量估算土壤重金属含量是可行的,而且,必要的光谱预处理对提高估算模型的精度很有帮助。     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

基于机器学习的水体化学需氧量高光谱反演模型对比研究

化学需氧量（COD）是水体有机污染的一项重要指标,如何快速准确检测水体的COD含量尤为重要。机器学习在水质反演领域应用日益增多,并取得了较多的研究成果,高光谱遥感具有光谱空间分辨率高、成像通道多等优势,使其在水体COD反演方面有着极大的潜力。利用不同的高光谱预处理方法对原始高光谱数据进行处理,并利用处理前后的高光谱数据对比研究了不同机器学习模型、不同高光谱预处理方法对水体COD的反演性能。首先利用ZK-UVIR-I型原位光谱水质在线监测仪在扬州宝带河实地收集了1 548组COD和对应的高光谱数据（400~1 000 nm）样本,为降低光谱噪音干扰以及消除光谱散射影响,分别使用Savitzky-Golay（SG）平滑、多元散射校正数据（MSC）以及SG平滑结合MSC对原始光谱进行预处理。其次,将样本集随机划分为训练集和测试集,其中训练集占比80%,测试集占比20%。对预处理后的训练集全波段光谱基于线性回归、随机森林（random forest）、AdaBoost、XGBoost四种机器学习方法建立COD高光谱反演模型,并选取了决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）三种指标在测试集数据中评估高光谱反演模型的精度。结果表明,随机森林、AdaBoost、XGBoost均优于线性回归,无论光谱处理与否,通过XGBoost建立的反演模型预测能力均为最佳,其中使用XGBoost对经过SG平滑和MSC处理后的光谱数据进行建模的反演模型精度最高,其R2达到0.92,RMSE为7.1 mg·L-1,RPD为3.4。考虑到原始光谱可能存在冗余,通过主成分分析法（PCA）对经过SG平滑和MSC处理后的光谱进行降维,并选取累计贡献率达到95%的前十个主成分作为模型的输入变量。通过XGBoost建立反演模型,结果表明经过PCA后的反演模型不仅精度有所上升,RPD达到3.8,而且模型的训练时间也由72 s缩短到2.9 s。以上研究可为该水域及类似水域的高光谱水质反演模型的建立提供新的方法及思路。     

地基高光谱微波辐射计反演大气相对湿度廓线的通道选择

利用微波辐射传输模型PWR(P. W. Rosenkranz)和反向传播神经网络方法,分别构建了正演下行辐射亮温和反演大气相对湿度廓线的模型,并研究了晴空条件下高光谱微波辐射计反演大气相对湿度廓线的通道选择问题。研究结果表明,200个通道的信息含量大于微波辐射计7个通道的信息含量;增加探测通道数量可提升大气相对湿度廓线的反演精度,选取信息含量排在前面的120个通道进行仿真时,在0～2 km和6～10 km高度范围内大气相对湿度廓线的反演精度提升了4%～10%,在2～6 km高度范围内的相对湿度廓线的反演精度提升了约10%;当通道数继续增加时,反演精度的提升并不明显。     

基于PROSPECT+SAIL模型的森林冠层叶绿素含量反演

森林冠层叶绿素含量直接反映着森林的健康和胁迫情况。叶绿素含量的准确估测,更是研究森林生态系统循环模型的关键。文章以PROSPECT+SAIL模型为基础,从物理机理角度反演森林冠层叶绿素含量。首先利用PROSPECT和SAIL模型模拟叶片水平和冠层水平的光谱,并建立叶片水平叶绿素含量的查找表反演叶片叶绿素含量,然后结合森林结构参数Leaf Area Index(LAI)实现叶片尺度与冠层尺度叶绿素含量的转化,从Hyperion影像反演研究区域冠层水平叶绿素含量。结果表明,叶绿素含量的主要影响波段为400～900nm;PROSPECT模型模拟的叶片光谱和SAIL模型模拟的冠层光谱均与实测光谱拟合效果较好,相对误差分别为7.06%,16.49%;LAI反演结果的均方根误差RMSE=0.5426;利用PROSPECT+SAIL模型可以较好地反演森林冠层叶绿素含量,反演精度为77.02%。     

雅鲁藏布江源区高寒草地退化光谱响应变化研究

雅鲁藏布江源区的草地退化监测研究对于揭示全球变化影响下的区域生态系统响应特征、 探讨其驱动因子及评价西藏高寒生态环境质量具有重要意义。基于高寒草甸、 高寒草原和荒漠等不同类型和不同退化程度草地的地面实测数据,对雅鲁藏布江源区高寒草地的典型植物光谱特征和草地退化过程中的光谱响应变化进行了分析。结果表明作为高寒沼泽草甸、 高寒草甸、 高寒草原和高寒灌丛等类型的典型优势种藏北嵩草、 小嵩草、 紫花针茅和金露梅具有明显的光谱特征差异,主要体现在红边位置、 红边形状、 红谷和纤维素吸收波段处,与植物的生长形态和枯叶鞘固有特性密切相关。在草地退化过程中,光谱反射率整体上持续降低,叶绿素吸收造成的“红谷”特征弱化,近红外水分吸收谷变弱,土壤背景光谱特征渐渐凸显。通过对比常见的植被指数,发现那些能够充分描述植物红边或者叶绿素吸收特征的指数具有更高的可分性,表明可能对草地退化具有更好的表征能力,为西藏高寒草地退化遥感监测提供了参考依据。     

汉石桥湿地水质参数光谱分析与遥感反演

水质可见光近红外遥感监测是通过研究水体反射光谱特征与水质参数之间的关系,建立水质参数反演算法进行的。与传统水质监测方法相比,遥感技术监测水质可以快速反映区域水质在空间和时间上的分布情况和变化。文章以汉石桥湿地水体水质为研究对象,通过在可见光近红外波段分析光谱仪和ASTER遥感影像的水质参数特征光谱,建立了水质参数与最佳波段及其组合的多元线性回归方程。研究结果表明,基于地面光谱仪的光谱特征分析可为航天遥感特征波段的选择提供依据,但估算模型不能通用。基于AS-TER遥感的水质参数特征光谱其波段比值相对向长波方向移动,研究最终在分析ASTER遥感特征波段基础上,构建水质参数估算模型,并通过该模型得到目标水质参数空间分布图,实现了对湿地水质时空变异的遥感监测。     

光谱指数的植被叶片含水量反演

利用光谱技术监测植被水分状况是了解植被生理状况及生长趋势的重要手段之一。选择艾比湖湿地自然保护区作为靶区。采用聚类分析、变量投影重要性分析(VIP)以及敏感性分析等方法,对植被不同含水量进行分级,并针对不同等级的植被含水量进行估算及验证。结果表明： (1)基于聚类分析中的欧氏距离的方法将植被叶片相对含水量划分为高等、中等、低等三个等级,其范围分别为70.76%～80.69%,53.27%～70.76%,31.00%～53.27%。在中红外与远红外(1 350～2 500 nm)之间,反射率越低植被含水量越高;波长380～1 350 nm范围,无此现象。(2)应用VIP方法可知,所选的8种植被水分指数VIP值均超过了0.8,说明植被水分指数预测能力均较强且差别不显著。其中MSI,GVMI与植被叶片相对含水量的非线性三次拟合函数效果最佳,MSI决定系数R2为0.6575和GVMI决定系数R2为0.674 2。植被叶片相对含水量在30%～45%范围,MSI指数的NE值最低,在45%～90%范围时,GVMI指数的NE值最低。NDWI₁₂₄₀指数的NE值在70%左右起伏较大,说明NDWI₁₂₄₀ 指数在植被含水量为70%左右,预测能力较差。(3)通过误差分析可知GVMI指数反演的结果误差最小,不同的植被指数对不同含水量的植被估算结果相差较为明显,因此分段估算植被含水量是有必要的。综上所述,利用高光谱遥感技术对监测艾比湖保护区植被生长及干旱环境提供基础研究。     

基于Sentinel-2卫星数据的水稻叶片叶绿素含量反演研究

叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获取农作物叶片叶绿素含量对监测农作物生长状况具有重要意义.遥感是获取区域和全球农作物叶片叶绿素含量的有效途径,但已有的作物叶片叶绿素含量遥感反演研究未充分考虑下垫面背景的干扰,影响了反演精度.为此,以Sentinel-2遥感卫星影像为数据源,...     

工矿业城市区域水质参数高光谱定量反演

工矿业城市区域易受工业活动、矿产开采影响,使其水环境遭受不同程度的破坏,以至于水体污染问题突出。当前常规水质监测主要采用“以点代面”的工作方式进行野外采样及其室内化验分析,然而环境复杂多变,空间差异大,导致调查点代表性受限,整体精度不高,效率低下,更难以实现区域性动态监测。以因矿兴市的矿业重镇湖北黄石大冶市为研究区,同步开展无人机高光谱航飞、地面光谱测量和水体样品采集测试,分别获得具有49个波段的高光谱影像数据和光谱分辨率为1 nm的水体光谱曲线,其中影像数据波谱范围为505~890 nm,光谱分辨率为7.78 nm,空间分辨率为30 cm。对获取的高光谱影像和光谱数据剔除异常值、光谱定标、辐射校正等预处理后,对比分析研究区内水体的不同光谱吸收、反射及光谱曲线形态特征信息,从而提取出高光谱影像和测量光谱的反射光谱曲线形态特征、去包络线后光谱曲线形态特征、三阶求导后光谱曲线形态特征和光谱四值编码共四大类25个光谱特征。采用皮尔森相关系数分析样品水质参数与光谱特征之间的相关性,以此筛选出存在显著相关的水质参数与光谱特征。在此基础上,采用逐步回归分析方法筛选出最大反射率及其波长位置、对称度、光谱编码Ⅲ、三阶导最大及最小值等光谱特征作为模型变量,构建出水质参数的多元线性反演模型,并对模型进行F检验和t检验。将检验后的反演模型推广运用于研究区内高光谱影像,获得尾矿库、河流、湖泊等典型区域的水质参数反演结果,从而实现“由点到面”水质参数信息的快速获取。结果显示水质参数pH、硬度（Ca2++Mg2+）、钾与氯离子比值（K+/Cl-）、镁与碱度比值[Mg2+/(HCO3-+CO2-₃)]的反演精度较高,其pH的判定系数R2最小为0.669,镁与碱度比值的判定系数R2最大为0.895,相对均方根误差均小于28%;而总溶解固体（TDS）反演精度较低,其判定系数R2仅为0.463,相对均方根误差达36.762%。提出了一种基于光谱曲线形态特征的高光谱遥感水质参数定量反演模型方法,实现了pH值、硬度、镁离子与碱度之比等水质参数的高光谱定量反演,为区域水环境动态监测提供了新方法。     

相对反射深度的秦皇岛海域叶绿素浓度反演

海水中的叶绿素浓度是描述海洋初级生产力、获知浮游植物丰度及变化规律、评估环境质量、预报生态灾害的主要参数.国内外卫星遥感叶绿素产品的通用反演模型是利用不同波段上遥感反射光谱的强度比值来构建的OC x(x=2～6)算法,应用在一类水体中,全球尺度上的平均相对误差在35％ 左右.但对于固有光学特性复杂且具有较大区域差异性的...     

水体的多角度偏振波谱特性及其在水色遥感中应用

清洁水体光谱在可见光和近红外波段的反射率比较低,其光谱特征不明显,在光学遥感图像上水体一般都表现为暗色调,造成了利用光谱学手段进行水体遥感识别和水质参数反演的困难。在研究水体的偏振波谱时作者发现,在对水体进行多角度观测时,水体在可见光与近红外波段的偏振度波谱值要远大于其无偏的反射率,表现在图像上即水体的偏振度图像的亮度要远大于其强度图像的亮度,文章对这种现象和规律进行了物理学解释,并利用法国PARASOL多角度偏振卫星遥感图像数据对这个规律进行了验证。该文首次揭示了利用多角度偏振遥感进行水体探测的优势,该方法有效解决了在利用光学遥感进行水体探测时反射率低的难题,大大提高水体的遥感识别能力和水质参数反演精度。