基于光谱重建优化的无人机高光谱影像估算牧草生物量

准确及时地预测牧草的地上生物量AGB(above ground biomass)是实现牧草生长监测和合理放牧的前提。无人机高光谱遥感可快速获取高空间、光谱和辐射分辨率的遥感影像,已被广泛应用于精准农业和高通量植物表型等领域。为探究无人机高光谱影像(unmanned aerial vehicle hyper-spectral image, UAV-HSI)对草原牧草AGB预测的适用性,获取了青海省典型草场样区的UAV-HSI、样方牧草AGB和相关辅助数据。然而,UAV-HSI具有较大的数据量级,不便于被广泛采集、存储和传输,也会显著影响数据处理的效率,严重制约其被有效利用。着眼于此,提出一种兼顾数据简化和光谱保真的牧草冠层光谱重建优化方法,以期在有效降低数据量的同时,保证牧草AGB的预测精度。首先,利用残差量化方法对UAV-HSI进行特征参量化处理,获得低数据量级的多阶二值立方体(H_i)及系数矩阵(β_i),并以此替代原始数据进行存储和传输;其次,利用H_i和β_i进行光谱重建,得到初构光谱PRS(preliminarily reconstructed spectra);最后,运用Savitzky-Golay滤波对PRS进行优化,即为OPRS(optimized PRS)。以样区牧草光谱为例,对OPRS的光谱保真性,即OPRS与原始光谱之间的相关系数、光谱角和光谱矢量距离进行分析,结果表明,在3种保真性指标上,OPRS均明显优于同阶的PRS。进而,分析了牧草AGB与光谱变量之间的相关性,结果表明,与原始光谱和PRS相比,OPRS各波段对牧草AGB的预测能力相对较高且最为稳定。而后,利用偏最小二乘法回归构建了牧草AGB的反演模型,结果表明,在原始光谱、1～4阶PRS和1～4阶OPRS等9种光谱中,4阶和3阶OPRS的AGB预测精度分别达到了最优和次优水平,二者的AGB预测相对分析误差RPD(ratio of performance to deviation)分别为2.31和2.23,比原始光谱模型的RPD分别高0.26和0.18。在降低1个数量级的情况下,OPRS取得了优于原始光谱的牧草AGB预测性能,说明OPRS兼具数据简化和牧草AGB准确预测性能,为UAV-HSI估算牧草AGB提供了一种新的有效解决方案。     

可见光光谱的冬小麦苗期地上生物量估算

地上生物量是表征冬小麦苗期长势的重要参数之一,对于监测冬小麦苗期长势,预测产量具有重要的实际意义。目前,通过计算光谱指数进行生物量估算是冬小麦苗期地上生物量无损测量的主要方法,但该方法需要一定的平台支撑,在便捷性方面存在一定的不足。为此,利用可见光图像数据获取方便、准确率高的特点,基于冬小麦苗期冠层可见光图像数据开展冬小麦苗期地上生物量估算研究。采用数码相机,采集冬小麦苗期冠层可见光图像并利用Canopeo进行冬小麦冠层与背景的分割。在获取冠层分割图像后,提取了CC（canopy cover）、ExG（excessg reen）、ExR（excess red）、ExGR（ExG-ExR）、NGRDI（normalized green-red difference index）、GLI（green leaf index）、RGRI（red-green ratio index）和RGBVI（RGB vegetation index）共8个可见光图像特征。利用相关性分析进行特征优选,选择与冬小麦苗期地上生物量实测数据相关性较高的图像特征构建估算模型。利用优选的图像特征,分别构建偏最小二乘回归（PLSR）、BP神经网络（BPNN）、支持向量机回归（SVR）和随机森林（RF）模型,开展冬小麦苗期地上生物量估算研究,并定量分析特征数量和播种密度对估算模型准确率的影响。结果表明,ExR,GLI和RGBVI与生物量实测数据相关性较低,因此,将这3个特征剔除。CC,ExG,ExGR,NGRDI和RGRI与生物量实测数据的相关性较高,其中CC,ExG和ExGR与生物量实测数据呈正相关,而NGRDI和RGRI与生物量实测数据呈负相关。利用优选的图像特征构建估算模型,研究结果表明,基于优选的5个图像特征,PLSR的估算准确率最高,模型R2为0.801 5,RMSE为0.0788 kg·m-2,表明PLSR能够实现冬小麦苗期地上生物量的准确估算。特征数量是影响估算模型准确率的因素之一,随着特征数量的减少,模型估算的准确率逐步下降。利用不同播种密度数据集对估算模型进行测试,结果表明,PLSR在不同的播种密度数据集上均取得了最高的估算准确率,模型R2分别为0.897,0.827 9和0.788 6,RMSE分别为0.062,0.072和0.079 1 kg·m-2,表明PLSR估算的冬小麦苗期地上生物量数据与实测生物量数据之间具有良好的相关关系。随着播种密度的增加,所有估算模型的准确率均出现下降,而PLSR的准确率下降程度最小。由此可见,基于可见光图像数据,能够实现冬小麦苗期地上生物量的准确估算,为冬小麦苗期田间管理提供参考。     

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。     

基于无人机高光谱特征参数和株高估算马铃薯地上生物量

地上生物量(above-ground biomass,AGB)是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用.因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义.于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高(heigh,H)、地上...     

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。     

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。     

干涉数据光谱反演方法研究

干涉光谱仪获取的干涉数据是一种中间数据,需要进行光谱反演,常规的方法是采用傅里叶逆变换反演光谱。文章由干涉数据的基本公式入手,推导出干涉数据的混合模型,给出一种基于干涉数据混合模型的光谱反演方法。利用干涉数据对该方法及傅里叶逆变换方法进行计算机仿真,对其光谱反演结果进行对比。由仿真结果可以看出,所提方法反演的光谱精度要优于通用的傅里叶逆变换方法反演的光谱,为干涉数据光谱反演提供新的思路。     

Landsat8光谱衍生数据分类体系下的牧草生物量反演

牧草生物量的估算对于草地资源合理利用和载畜平衡监测具有重要的意义,是评价草地生态系统与草地资源可持续发展的关键指标。基于Landsat遥感技术快速、无损的大面积植被生物量估算研究已广泛应用,当前大多基于单一变量或几个常用植被指数构建反演模型,这些指数往往不能从多方面反映植被理化特征。归纳了不同Landsat8光谱衍生数据所反映的植被理化特征及它们间的关联方式,构建了Landsat8光谱衍生数据的分类体系;在此基础上提出了一种基于随机梯度Boosting(SGB)算法的多变量、非线性生物量估算模型,探讨不同类型光谱衍生数据组合对于牧草生物量反演结果的影响。以青海省海晏县为研究区进行方案可行性探讨。结果表明常用的Landsat8光谱衍生数据主要从植被的绿度、黄度、盖度、水分含量、纹理特征以及通过消除大气干扰和土壤背景干扰等7个方面反映植被的理化特征(7个小类),可归纳为直接因子(绿度、黄度、盖度、水分含量)、间接因子(消除大气干扰和消除土壤背景干扰)和空间因子(纹理特征)3大类型。在牧草生物量反演中,这些光谱衍生数据类型间具有较好的互补性,单一的直接因子模型估算结果最差,引入间接因子和空间因子均能提高模型的估算结果,而由直接因子(GNDVI, TCW, NDTI, NDSVI, TCD)、间接因子(SAVI, VARI)和空间因子(MeanB3, MeanB6, HomⅡ, DisB5)共同构建的SGB模型估算精度最优,R2达到了0.88;RMSE为141.00 g·m-2。与5种常用的生物量估算模型结果对比,该方法具有明显的优势。较单变量模型,R2提高了42%~60%,RMSE降低47%以上,R■提高了31%~53%, RMSEcv降低29%;较多变量模型,R2提高了29%~42%, RMSE降低35%以上,R■提高了2%~18%, RMSEcv降低2%以上。此外,所提出方法在消除反演模型过饱和方面也具一定成效。综上,利用Landsat8数据从反映植被不同理化特征角度构建反演模型实现了牧草生物量的精准估算,对于后期牧草生长状况实时监测以及草地资源可持续利用与管理具有重要的指导意义。研究结果还可以为今后进行大面积区域草地动态监测以及其他农业领域的研究提供参考和借鉴。     

无人机成像高光谱的马铃薯地上生物量估算

地上生物量(AGB)的精准监测是农田生产管理的重要环节,因此快速准确地估算AGB,对于精准农业的发展十分重要.传统上,获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变得困难.无人机高光谱遥感因具有机动性强、光谱分辨率高和图谱合一的优势,成为当前估算大面积作物AGB最有效的技术手段.该研究通过无人机平台搭载...     

小麦叶面积指数的高光谱反演

以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演.对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型.分析表明,指数OSAVI所建立的反演模型校正集与预测集R2分别达0.823与0.818,在各指数中反演精度最高.利用反演模型逐象元对OMIS影像进行解算,实现小麦LAI的空间量化表达,并将反演结果与地面实测值进行回归拟合,发现两组数据的拟合模型R2达0.756,RMSE为0.500,具有较高的相似度.结果表明:以高光谱指数进行小麦LAI的反演是可行的,且OSAVI为优选指数.     

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。     

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。     

渤海固有光学量高光谱遥感反演

水体固有光学量是重要的海洋光学参数,是辐射传输模型最基本的输入参数,对于海洋光学遥感和水色研究具有重要意义。基于2005年渤海高光谱实测遥感反射率和总吸收系数数据,首次利用非线性最小化优化模型,反演水体总吸收系数等固有光学量。经过实测数据的检验,412,440,510,555,650和676 nm波段总吸收系数的反演平均相对误差分别为33.8%,20.4%,27.7%,37.5%,9.5%和10.8%。模型误差源主要为模型参数的不确定性和测量误差,通过讨论发现,光谱斜率S对总吸收系数的反演影响相对较少,而光谱指数Y导致的反演误差是不可忽略的。模型适用于高光谱数据,填补渤海固有光学量的最优化反演研究的空白,并可用于高光谱遥感数据的固有光学量遥感反演研究。     

离子型稀土矿含量高光谱定量反演研究

运用光谱测量技术来测量土壤、矿物、植物的光谱吸收特征,并将其用于物质成分的分析中,是高光谱遥感技术近些年来的一个新的发展方向,具有速度快、效率高、费用低、损耗少的优点。稀土是战略元素,因具有特殊的物理化学性质,在多个领域都能发挥其独特的作用。近年来对稀土资源需求量的不断增加使得稀土价值不断提高,使得如何快速大面积探测稀土资源,合理对稀土矿进行布设开采成为了当前社会面临解决的重要科学问题。通过对稀土矿物进行光谱采集与分析从而对稀土元素及其化学特征之间的相关性进行研究分析展开了一系列的工作。在研究过程中,实地采集了广西崇左市六汤稀土矿区内的12个稀土矿样,并在实验室控制环境内使用SVC HR1024I便携式地物波谱仪测得其对应的反射光谱数据。对所测得的矿样波谱特征进行了连续统去除处理,并对凸显的特征吸收波段进行相对吸收深度的计算分析,从而运用其波谱特征建立起波谱与矿样稀土总含量、各稀土元素含量间的线性关系。通过实验发现,稀土元素的五个特征吸收波段在可见光和近红外波长分别为370,950,1 400,1 900和2 200 nm。这五个吸收带的强度与总稀土含量呈线性相关,R2达到0.69,同时发现稀土含量值与可见光波段相关性较大,对可见光波段与样本稀土总含量进行相关分析,提取出部分可见光波段中与稀土总含量建模相关性最强的10个波段,分别为340,350,360,370,390,400,420,480,550和760 nm。运用线性回归的方法得到上述波段处的反射率值与样本总稀土含量值的预测模型精度较高,R2大于0.95。运用可见光波段与15种稀土元素含量值也进行了线性建模,相关系数均可以达到0.89以上,表明各单一稀土元素与可见光波段之间的相关性同样较好。通过研究稀土矿样的光谱特性及化学分析,通过5个稀土特征吸收波段和可见光波段与矿样的稀土总含量、15种稀土元素含量进行回归建模,得到了矿样稀土含量的定量预测模型,对稀土矿快速定量-半定量评估具有一定参考价值,同时为进行稀土矿物及其元素高光谱遥感信息提取研究提供了科学启发,为最终实现对稀土资源高效开采的基础上,从源头上降低消耗和生产成本,减少对环境的破坏和污染,为促进中重稀土资源的战略开发和使用提供了科学有效的理论依据。     

无人机多光谱影像的马铃薯地上生物量估算

地上生物量(AGB)是评估作物生长发育和指导田间农业生产管理的重要指标.因此,高效精准地获取作物AGB信息,可以及时准确地估算产量,对于保障粮食供应和贸易提供有力依据.传统获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变为困难.然而,随着精准农业的快速发展,无人机遥感技术被认为是估算大面积作物AGB最有效...