利用地基红外高光谱发射率数据进行云参数反演(2): 云滴有效半径和云水路径反演

云滴有效半径和云水路径等微物理参数是了解云的形成过程、辐射效应以及云、气溶胶和降水相互作用等问题的重要数据。利用地基红外高光谱辐射数据开展了云微物理参数反演方法研究。针对光谱数据的特点,进行了基于云层发射率光谱和辐射光谱的敏感性分析,在此基础上建立了云微物理参数与云发射率光谱差值和斜率等特征参数有关的查找表关系。具体特征参数包括：热红外波段862.1和934.9 cm-1的云层发射率之差、中红外波段1 900.1和2 170.1 cm-1的云层发射率之差、热红外波段900～1 000 cm-1区间的发射率光谱斜率和辐射值光谱斜率、1 100～1 200 cm-1区间的发射率光谱斜率和辐射值光谱斜率等。研究了臭氧波段云层透过率的计算方法及对查找关系的约束性,选择了1 050～1 060 cm-1区间的云层透过率平均值作为约束特征参数。实现了基于逐步搜索法的多重查找反演云滴有效半径和光学厚度,并可通过经验关系计算云水路径。研究表明,该算法得到的水云的云滴有效半径与ARM计划中的MICROBASE产品基本相当,冰云的云滴有效半径相对偏小,两者的云水路径反演结果差异较大。该反演算法较适合于光学厚度小于6的薄云。     

基于高光谱热红外发射率光谱的地表岩石CaO含量定量估计

通过对西藏冈底斯山东段23种岩石固体样本的野外发射率光谱测量,分别分析了这些样本的CaO含量与热红外发射率原始光谱和一阶微分光谱的相关关系。在此基础上,建立了几种典型的回归模型,并对各种建模结果进行了比较。结果表明,利用高光谱热红外发射率光谱反演地表岩石CaO的含量是可行的;地表岩石CaO含量与热红外发射率光谱特征之间有较好的对应关系;在10.3～13μm波长范围内,岩石的发射率随CaO的含量增加而降低;相比原始发射率光谱,一阶微分光谱具有更好的预测效果。结果为遥感岩矿识别提供了一种新的思路。     

基于高光谱数据的地表水化学需氧量反演

化学需氧量(COD)是地表水质量评价的重要指标。传统的COD检测方法存在需使用有毒试剂、易造成二次污染等缺点,高光谱法可避免上述缺点,在COD检测方面有着广阔的应用前景。为了探索在室内利用高光谱技术反演地表水COD浓度的可行性方法,以吉林省内流域的129个地表水样本为研究对象,将样本集以3∶1划分为训练集和测试集,使用高光谱成像系统收集样本的DN值并计算相应的水体光谱反射率,采用导数法进行数据预处理,通过Pearson相关性分析判断光谱数据与COD浓度实测值间的相关程度并提取特征谱数据。利用全谱数据和特征谱数据分别建立基于粒子群算法优化的最小二乘支持向量机(PSO-LSSVM)反演模型,通过决定系数R²、均方差RMSE和相对偏差RPD分析比较这几种模型的预测精度和可靠性。研究结果表明：经过导数法预处理后,地表水COD浓度与光谱反射率的相关性明显增强;利用导数光谱数据建模的预测结果优于用原始光谱数据建模的预测结果;提取特征谱数据所建立的模型比利用全谱数据建立的模型有更好的预测效果。其中采用一阶导数预处理方法并利用特征谱建立的地表水COD浓度反演模型预测结果最好,验证...     

高光谱数据对损伤长枣的检测判别

灵武长枣作为宁夏优势特色枣果,具有重要的经济社会价值和科学研究意义.利用可见近红外(Vis/NIR)高光谱成像系统采集60颗完整长枣光谱图像,然后利用损伤装置对60颗完整长枣进行损伤实验,最终得到60颗损伤(内部瘀伤)长枣,高光谱成像系统采集损伤后五个时间段(损伤后2,4,8,12和24 h)长枣的光谱图像.对采集的长...     

中国遥感卫星辐射校正场陆表热红外发射率光谱野外测量

中国遥感卫星辐射校正场陆表发射率光谱是利用陆表场地进行遥感器红外通道绝对辐射定标的关键因子之一。基于光谱平滑的温度与发射率分离反演迭代算法,利用高精度的BOMEM MR154傅里叶变换红外光谱仪和红外标准板,对敦煌戈壁陆表发射率光谱进行测量。获得了不同时间和地点测量的陆表发射率光谱数据,并与利用CE312通道式红外辐射计在相同区域的测量结果进行比较分析。结果表明各个通道发射率的差别均在0.012以内,具有较好的一致性。利用该发射率光谱测量结果,可以在敦煌戈壁——中国遥感卫星辐射校正陆面场,对目前国内外主流的遥感卫星热红外通道进行在轨场地绝对辐射定标。     

基于多层感知器网络的FTIR高光谱数据温度和发射率光谱同步反演

文章以土壤为例,首先指出了典型的温度反射率分离算法由高光谱FTIR数据反演温度和发射率的局限; 当地物出射能量的真值和地物真实温度对应的黑体辐射在数值上的差别与仪器的噪声等效光谱辐射亮度在相同的数量级上时,产生奇异发射率的概率很大, 野外测量时这种现象在714和1 250 cm-1附近经常发生。针对这个局限,构建了一个三层的感知器(MLP)网络,利用ASTER光谱库中的土壤发射率光谱生成训练样本,MODIS光谱库中的土壤发射率光谱生成测试样本,对网络进行训练和测试,取得了比较好的结果。同时利用光谱平滑迭代算法(ISSTES)由测试样本反演土壤的温度和发射率,并与MLP方法的结果进行比较,MLP方法反演的土壤发射率精度在可接受的范围之内,略低于ISSTES算法,MLP方法的优点在于,它能够克服典型的温度发射率算法的局限,可以作为典型的温度发射率分离算法有益的补充。     

高分五号可见短波红外高光谱影像云检测研究

高分五号(GF-5)卫星上荷载的可见短波红外高光谱相机(AHSI)能够同时获取330个谱段的光谱信息,对大气和陆地进行综合高光谱观测,能有效获取地物的精确信息.云的存在会对遥感影像造成污染,为了提高GF-5数据的利用率,本文结合AHSI的地物高光谱特性,研究多种下垫面背景下的云检测方法.对得到的1级产品,利用产品配套的...     

基于SVM的混合气体分布模式红外光谱在线识别方法

针对混合气体组分浓度分析中海量训练样本的获取、分析精度及实时在线分析等问题,将支持向量机这一新的信息处理方法和红外光谱分析法结合,提出了混合气体分布模式的概念。在此基础上,采用先进行混合气体分布模式识别,然后再进行混合气体分析的思路,在大量调查的基础上,研究探索了实际应用中可能出现的混合气体分布模式,确定60种混合气体分布模式,共计6 000个混合气体红外光谱数据样本用于模型的训练与检验。采用SMO算法实现了减量和增量的在线学习,最终建立了基于SVM的混合气体分布模式红外光谱在线识别模型。模型由模式识别和结果输出2层组成,模式识别层完成混合气体模式分布模式识别任务;结果输出层由60个SVM校正模型组成,完成具体的浓度分析任务。实验结果表明,该方法对混合气体分布模式的正确识别率不低于98.8%,可在小样本条件下对混合气体的分布模式进行在线识别,可在线实时加入新的混合气体分布模式,具有实际应用价值。     

红外光谱结合最小二乘支持向量机掺杂牛奶判别方法研究

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。     

超光谱红外卫星资料同步反演不同地表类型的大气廓线、地表温度和地表发射率

大气温度、水汽、地表温度和地表发射率是大气和地表的本征信息量。利用卫星红外资料精确反演大气温湿廓线有利于准确预报天气和研究气候变化,同时地表温度和地表发射率光谱的反演为研究植物生长与作物产量、地表水分蒸发与循环、能量平衡、地表成分及物理性质、气候变迁与全球环境提供重要参数指标。把大气和地面作为一个整体系统来考虑,建立一种能同步反演大气温度廓线、大气水汽廓线、地表温度和地表发射率的反演方法,利用超光谱红外卫星资料(atmospheric infrared sounder, AIRS),针对我国新疆地区沙漠和雪地两种典型发射率地表同步反演大气温度廓线、水汽廓线、地表温度和地表发射率。反演方法首先线性化地球-大气系统红外辐射传输方程, 提出通过经验正交函数构建大气廓线和地表发射率光谱,有效减少反演变量数,建立同步物理反演模式,然后以美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)的预报结果(初始大气温度、水汽廓线以及地表参数)作为初始值,最后通过牛顿迭代得到最优化解。反演观测区域覆盖我国新疆塔克拉玛干沙漠和准噶尔盆地,分别选择位于塔克拉玛干沙漠腹地的塔中探测站(纬度38.98°, 经度83.64°)和准噶尔盆地的阜康荒漠生态系统国家野外科学观测研究站(纬度44.2°, 经度87.9° )为反演地面验证点。反演结果表明,塔克拉玛干沙漠地表温度明显高于准噶尔盆地地表温度,与实际情况相一致;根据反演的8.6和13.4 μm处的地表发射率分布情况,可以看出在8.6 μm处沙漠地表发射率明显低于雪地发射率,在6～15 μm范围内,反演的沙漠地区(塔中站)地表发射率和雪地地区(阜康站)地表发射率与美国喷气推进实验室测量的沙漠发射率光谱和雪地发射率光谱相一致。研究表明,把大气和地面作为一个整体系统来考虑,把地表发射率加入到反演中,通过比较和分析沙漠地区(塔中)和雪地地区(阜康)的大气廓线反演结果与当地气象探空值和传统反演方法反演值,改进了大气温度廓线和水汽廓线反演精度,特别是边界层温度和水汽改进尤为明显;同时分析表明在发射率光谱变化较大的沙漠地区, 大气廓线反演精度的改进比雪地要高,这是由于地表发射率光谱在沙漠、戈壁地区变化较大,而雪地的发射率光谱变化不大。用该方法针对地表发射率光谱变化较大的地区(沙漠)同步反演大气廓线、地表温度和地表发射率,可以更有效的提高大气温度廓线、水汽廓线的反演精度。该研究结果可以为数值天气预报和我国未来超光谱红外卫星应用提供服务和有力支持, 具有十分重要的意义。     

基于SVM的混合气体红外光谱分析关键技术研究

为了解决海量混合气体光谱数据样本无法获取、混合气体组分气体特征吸收谱线重叠、混合气体组分浓度分布的随意性等问题,将支持向量机用于混合气体红外光谱分析中.提出了光谱数据样本特征选择、数据预处理、SVM校正模型参量优化及层次式混合气体光谱分析结构等关键技术.实验分析了上述4项关键技术对分析结果的影响.实验结果显示,采用关键技术的混合气体组分浓度分析的最大绝对误差为2.93%,最大平均绝对误差为0.73%.     

Near-Infrared Imaging Using a High-Speed Monitoring Near Infrared Hyperspectral Camera(Compovision)

This review paper reports near-infrared (NIR) imaging studies using a newly-developed NIR camera, Compovision. Compovision can measure a significantly wide area of 150 mm×250 mm at high speed of between 2 and 5 s. It enables a wide spectral region measurement in the 1 000～2 350 nm range at 6 nm intervals. We investigated the potential of Compovision in the applications to industrial problems such as the evaluation of pharmaceutical tablets and polymers. Our studies have demonstrated that NIR imaging based on Compovision can solve several issues such as long acquisition times and relatively low sensitivity of detection. NIR imaging with Compovision is strongly expected to be applied not only to pharmaceutical tablet monitoring and polymer characterization but also to various applications such as those to food products, biomedical substances and organic and inorganic materials.     

基于多角度偏振特性的云相态识别及验证

云相态识别是云参数研究的重要组成部分,为了有效识别水云和冰云,根据水云和冰云微物理性质的差别,研究了水云和冰云的单次散射特性,采用基丁倍加累加法的,人量辐射传输方程模拟了水云和冰云的多角度偏振特件.模拟结果表明,光谱的多角度偏振特件能够体现山水云粒子和冰云粒子微物理性质的差异,云在特定方向反射的偏振辐射强度对云相态非常敏感,可以用米进行云相念的识别,在模拟的基础上进行了云相态识别算法的研究,并利用多角度偏振卫星数据--POLDER 0.865μm通道数据进行了实例分析.识别结果与MODIS云相态产品及其1.38μm卷云榆测结果进行了比较.分析结果表明,基于多角度偏振特性云相态识别算法可以有效地进行云相态识别.     

灵武长枣VC含量的高光谱快速检测研究

采用可见-近红外高光谱成像技术结合化学计量学方法检测灵武长枣维生素C(VC)含量，探究一种全新的水果内部成分的快速无损检测方法。采用高效液相色谱法(HPLC)测得长枣的VC含量化学值，可见-近红外高光谱成像系统采集164个灵武长枣400～1 000 nm的高光谱图像，利用ENVI4.8软件提取图像的感兴趣区域(region of interest，ROI)，计算其平均光谱，获得光谱值，将化学值与光谱值通过The UnsecramblerX 10.4软件建立模型。利用蒙特卡洛交叉验证法剔除异常值，采用光谱理化值共生距离法(sample set partitioning based on joint x-y distance，SPXY)进行样本划分以提高模型的预测性能；对光谱采用移动平滑(moving average)、中值滤波(median filter)、归一化(normalize)、基线校准(baseline)、多元散射校正(multiple scattering correction，MSC)、去趋势(detrending)和标准正态变量变换(standard normal variate，SNV)等7种方法进行预处理；为进一步减少数据量，降低维度，提高运算速度，使用竞争性自适应加权算法(competitive adaptive reweighted sampling，CARS)、无信息变量消除算法(uninformative variable elimination ，UVE)和连续投影算法(successive projections algorithm，SPA)提取特征波长，以期实现以少数波段代替全波段；将全波段光谱(full spectrum，FS)以及CARS, UVE和SPA三种方法提取的特征波长分别建立偏最小二乘(partial least squares wavelength regression，PLSR)和支持向量机(support vector machine，SVM)模型，从而确定最优的建模模型。利用蒙特卡洛交叉验证法共剔除7个异常样本，采用SPXY法将剔除异常样本后的157个数据区分为校正集和预测集，校正集中样本个数为117，预测集中样本个数为40。将未经光谱预处理的建模结果与分别经过七种光谱预处理的建模结果相比，选择未经光谱预处理的数据进行后续分析；将未经光谱预处理的光谱值采用CARS，UVE，SPA方法进行提取特征波长，CARS共优选出406，415，487，631，636，655，660，665，670，684，689，694，723，732，747和881 nm下的光谱变量16个，利用CARS提取出的特征波长占总波长的12.8%；UVE共优选出406，415，627，631，636，651，655，660，665，670，675，679，684，689，694，699，703，708，742，747，751，756，761，766，771，775，780，785，790，795，919和924 nm下的32个特征波长，利用UVE提取出的特征波长占总波长的25.6%；SPA共优选出401，665，684 nm三个特征波长，利用SPA提取出的特征波长占总波长的2.4%。将全波段光谱与提取出的特征波长建立PLSR模型和SVM模型，对比模型结果显示UVE-SVM模型最优，其R2_c为0.847 1，R2_p为0.714 9，说明UVE有效地对光谱进行降维，简化了数据处理过程。本研究对高光谱成像技术在水果领域的应用进行了有益探索，探究了一种全新的灵武长枣VC含量的无损检测方法，相应建立的可见-近红外高光谱模型为其他水果成分的快速检测提供了理论基础。     

基于SVM回归模型的混合气体组分种类光谱识别方法

针对混合气体红外光谱分析中无法采用同一模型同时进行混合气体组分浓度的定量分析和组分种类的定性分析的问题,本文提出了基于SVM回归模型的混合气体组分种类光谱识别方法.通过详细推导,证明混合气体组分种类识别完全可以通过组分浓度分析的SVM回归模型来求解,混合气体组分种类识别是一种特殊的回归.实验结果显示,该方法的混合气体组分种类的正确识别率不小于92.5%.     

小麦种子自然老化程度的近红外光谱无损识别

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势,并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。本实验应用VERTEX 70傅里叶变换红外光谱仪,以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、4个月、7个月、9个月的近红外光谱。标准差可以用来表征数据离散程度,因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。为避免单个样本由于偶然因素导致的离散度值异常,实验统计了45份样本的光谱标准差均值,根据均值光谱得到如下谱峰：8 362,6 950,7 563,5 319,4 998和4 478 cm-1处。解析谱峰所在区域对应的化学基团归属可得：6 950 cm-1处对应的是液态水中O-H伸缩振动的一级倍频且该处离散度值较大,因此小麦种子在短期自然老化阶段中水分变化较为显著;5 319,4 998和4 478 cm-1处离散度值较6 950 cm-1处小,对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息,因此蛋白质变化较水分而言相对平缓;8 362和7 563 cm-1处反映的主要是C-H振动的二级倍频信息且离散度值较大,而种子中蛋白质、淀粉等均具有C-H官能团,因此蛋白和淀粉等成分综合变化较为显著。在上述分析基础上,本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。将180份样本光谱按照3∶1随机抽取135个样本作为训练集,其余样本作为测试集。选择核函数为径向基函数,通过网格搜索法进行参数寻优得到惩罚参数为8,核参数为0.008 974 2时,训练集和测试集的识别正确率可达99.26％和99.78％。实验结果表明：近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度,为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。     

基于主成分分析和支持向量机的木材近红外光谱树种识别研究

为了探究一种新型高效的树种鉴别方法,以桉木、杉木、落叶松、马尾松和樟子松近红外光谱数据为研究对象,分别建立了基于主成分分析和支持向量机的木材树种定性识别模型。在主成分识别模型中,样本光谱数据经过预处理后绘制了其二维和三维主成分得分图,可以看出：主成分分析得分图能有效区分五种木材树种,且三维得分图比二维得分图更能直观、清晰展示树种之间的差异,表明主成分分析在可视化层面上可对小样本树种进行有效判别。在支持向量机识别模型中,分别建立了以遗传算法和粒子群算法为代表的智能算法优化支持向量机树种识别模型,结果显示,遗传算法-支持向量机模型的交叉验证最佳判别准确率为95.71%,测试集预测准确率为94.29%,算法用时134.08 s;粒子群算法-支持向量机模型的交叉验证最佳判别准确率为94.29%,测试集预测准确率为100.00%,算法用时19.98 s,表明基于智能算法支持向量机树种识别模型能够实现对木材树种的有效鉴别。该研究对近红外光谱分析技术在木材科学领域的应用进行了有益探索,为木材树种的快速识别提供了新方法。     

应用近红外光谱技术实现转双价基因(Cry1Ab/Cry2Aj-G10evo)玉米的快速识别

转基因技术在过去的几十年里快速发展, 然而此项技术对生态环境、伦理道德等可能带来的影响尚存争议,因此针对农作物的转基因成分检测和鉴别的相关技术研究十分重要。本研究以转双价基因(cry1Ab/cry2Aj-G10evo)玉米籽粒和玉米面粉为研究对象,采用近红外光谱仪采集900～1 700 nm波段范围的光谱,结合 Savitzky-Golay(SG)平滑算法对提取出的光谱数据进行去除噪声处理。基于全波段光谱和PCA主成分分别建立了偏最小二乘判别分析(PLS)和支持向量机判别模型(SVM)。试验结果表明,在转基因玉米籽粒全谱的判别分析模型中,SVM判别模型效果要优于PLS判别模型,SVM模型识别正确率达到90%以上,PLS的模型识别率只有85%左右。以PCA降维后建立的模型中,SVM模型也取得了最优的效果,建模集和预测集识别正确率达到100%。虽然转基因玉米在研磨加工后外源蛋白和DNA有所下降,但是转基因玉米粉末基于全波段光谱建立的SVM模型的建模集正确率仍有90.625%。结果表明应用近红外光谱技术集合化学计量学方法对转基因玉米的鉴别是可行的,为转基因玉米乃至其他转基因农产品的鉴别提供了技术支持,具有重要的理论意义和应用价值。