光谱匹配在X光机设计中的应用

将X射线成像技术和微光成像技术相结合,设计了组合新型的X射线影像增强系统.为了得到满意的成像性能,在设计前研究了Gd2O2S∶Tb和CaWO4两种X射线屏和Super S251和Super S252两种光电阴极之间的四种屏－光电阴极组合的光谱匹配特征,对应的光谱匹配系数值分别为0.644,0.761,0.369,0.571.以光谱匹配曲线及光谱匹配系数计算数据为理论依据,最终选择Gd2O2S∶Tb X射线屏和Super S252光电阴极的组合作为该新型X射线影像增强系统的主要器件,得到了成像性能令人满意的X光机.     

顾及光谱混叠的高光谱相机任意方向侧扫几何成像

以移动平台的线推扫式高光谱相机横向推扫成像不同于以卫星平台或飞机平台的竖直摄影成像方式,其属于水平方向推扫竖直方向成像,存在投影面选择、空间方位确定以及光顾混叠等问题。针对上述情况,详细推导了适合于线阵高光谱相机地面推扫的影像像素地理参考模型,可以进行任意方向的地面横向推扫成像;结合影像的地面采样间隔大小及推扫成像的区域范围,给出了地理参考后影像格网划分的一般过程;同时,考虑到在影像格网划分过程中存在的舍入误差,以及在影像校正过程中采用传统直接光谱采样可能造成的光谱掺杂问题,提出了基于地理参考后相邻像素重叠面积作为权重系数进行加权融合的改进光谱采样方法。最后进行了大量地面横向推扫成像实验,并依据上述算法进行了影像畸变校正,验证了线阵影像几何畸变校正算法的有效性及鲁棒性,同时,对校正好后的影像选用多个样本点进行了光谱数据验证,实验表明改进后的光谱采样方法明显优于直接光谱采样算法,为同类产品的地面应用提供参考。     

基于红边位置提取验证成像与非成像高光谱数据的一致性

定量遥感是当前遥感发展的前沿,作物组分信息解析是农业定量遥感的研究热点,而成像高光谱技术为解决微观尺度的作物组分信息探测研究提供了强有力的手段.利用成像光谱仪( pushbroom imaging spectrometer,PIS)与地物光谱仪(FieldSpec ProFR2500,ASD)同步收集冬小麦、玉米不同生...     

基于光谱精确采样的高光谱相机转扫成像几何校正

针对转扫式光谱成像系统在数据采集过程中,由于转台转速过快造成校正后的影像存在有数据漏洞,以及获取的原始影像数据存在有严重几何形变,影响影像上地物信息的分类与识别等问题,介绍了转扫式光谱成像系统的组成并给出数据采集一般过程,根据数据采集时单帧影像的覆盖范围和系统采集影像的速率等信息,在数据采集时对转台速度进行控制;结合影像获取时的起始与终止角度以及传感器距离前视点的距离等信息,详细推导了转扫式光谱成像空间定位模型,并对定位后影像进行格网划分和光谱重采样,给出了影像畸变校正的一般流程;鉴于影像空间定位后相邻帧间影像空间分辨率不一致,同时为保证获取最大的影像分辨率,采用最小空间采样间隔作为坐标定位后影像格网划分单元;考虑到新生成均匀格网与不均匀格网叠加进行光谱取值时,采用直接光谱采样可能造成的光谱混叠失真问题,提出了基于位置分布的光谱精确采样方法,以张家界老司城获取的高光谱影像数据为例进行畸变的校正,校正后影像上地物保持了原有的几何特征,验证了算法的正确性,同时抽取不同地物点的光谱数据进行相关系数计算,结果表明改进的光谱采样算法优于直接光谱采样,为同类产品的地面应用提供参考。     

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...     

镀膜型光谱成像数据提取与作物叶绿素分布探测研究

为了快速感知并分析田间作物生长状况,采用先进的半导体镀膜工艺的光谱成像传感器,研究镀膜型光谱成像数据的提取与叶绿素含量分布式检测的方法。实验采用基于镀膜原理的IMEC 5×5成像单元式多光谱相机,对47株苗期玉米植株的冠层进行拍摄,获取673～951 nm范围内的25个波长的光谱图像。利用SPAD-520叶绿素仪非破坏性地测量叶绿素含量指标,每株玉米冠层叶片设置2～3个采样点,每点测量3次取平均,共计251个样本数据;同时使用ASD Handheld2型光谱仪采集相应位置区域的反射率曲线,以对比分析镀膜型光谱成像传感器提取玉米植株冠层叶片反射率曲线的特性。首先,在分析镀膜型光谱成像传感器的成像原理的基础上,通过对原始图像的拆分和重组分别提取成像单元中相同波段的像素灰度值,并利用相同波段的像素灰度值重构单波段光谱图像,获取各波段光谱图像。其次,利用4灰度级标准板建立图像灰度值和灰度板反射率之间的线性反演公式,对提取的反射率进行校准。然后,为了准确分割出玉米植株冠层,提出了大津算法(OTSU)和霍夫圆变换组合的玉米植株冠层图像二次分割方法,分别剔除图像中土壤和培养盆背景的干扰。最后,利用马氏距离算法剔除异常样本数据,利用SPXY (sample set partitioning based on joint X-Y distance)算法划分建模集和验证集,采用偏最小二乘回归法(PLSR)建立玉米植株叶绿素含量指标诊断模型,并绘制其分布伪彩色图用于分析叶绿素含量空间分布特征。研究结果表明,①对25波段多光谱图像提取和反射率线性校准拟合模型决定系数均达到0.99以上。分析校准前和校准后与ASD光谱仪测量反射率曲线,镀膜型成像传感器获取玉米冠层反射光谱总体与ASD采集反射率体现的光谱特征一致,且校正后数据比校正前与ASD光谱反射率的一致性得到了提升。②建立初次OTSU分割算法和基于霍夫圆变换识别的二次分割算法,可以有效剔除玉米植株光谱图像中的土壤和培养盆背景噪声的干扰。③叶绿素含量指标PLSR诊断模型建模集R■为0.545 1,验证集R■为0.472 6。玉米作物冠层叶绿素分布可视化图可以直观反映叶绿素含量分布与生长动态情况。通过对镀膜型光谱成像传感器应用方法的研究,为后续玉米植株叶绿素动态快速检测奠定基础和提供技术支持。     

小麦叶片胁迫状态下的高光谱图像特征分析研究

作物在遭受各种胁迫下的长势及健康诊断是精细农业操作的重要环节.高光谱成像技术具有图谱合一的优势,已成为近年来国内外研究的热点.本文以叶片尺度的小麦为研究对象,利用自主研发的成像光谱仪,采集遭受养分、病虫害胁迫的小麦叶片高光谱图像,利用逐像素平均法增强光谱特征,根据反射率差异进行分析研究.结果表明,提取的高光谱能够反映不...     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6~911.4 nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

星载成像高光谱的湿地景观光谱特征分析

光谱特征是地物的固有属性,分析地物光谱不仅有助于提高地物识别精度,也是定量遥感研究的基础.然而受限于尺度效应,近地空间采集的光谱与遥感像元尺度的光谱往往差异较大.因此,在遥感像元尺度上揭示湿地典型景观地类的光谱特征,将有助于大尺度湿地遥感分类和植被参数反演精度的提高.以华北平原典型的草型湖泊湿地南阳湖为对象,基于EO-...     

无人机多光谱遥感在玉米冠层叶绿素预测中的应用研究

叶绿素含量是植物生长中的重要参数,与农作物产量密切相关。无人机遥感技术作为一种新的数据获取手段,在农业中已得到广泛应用。以玉米为目标作物,将具有不同光谱响应函数的两种轻小型多光谱传感器(MCA和Sequoia),同时搭载在六旋翼无人机上,获取不同氮肥水平下大田玉米花期的多光谱影像。利用无人机影像空间分辨率高的特点,在小区尺度上,分别计算了基于两种多光谱传感器的各26种植被指数,并将其与地面实测的叶绿素含量(SPAD)值进行回归分析,研究不同波段反射率对SPAD值的敏感性,利用不同多光谱传感器及植被指数预测SPAD值的精度及稳定性。结果表明,对于具有较宽波段的Sequoia,在550 nm(绿波段)、735 nm(红边波段)的反射率对SPAD值的变化较敏感,其中,550 nm与SPAD值的相关系数最大(R2=0.802 9)。而对于较窄波段的MCA,720 nm(红边波段)的反射率与SPAD值具有较高的相关性(R2=0.724 8),550 nm(绿波段)次之。此外,由于两传感器红波段的中心波长和波段宽度不同,660 nm(Sequoia)反射率与SPAD值的相关系数为0.778 6,而680 nm(MCA)反射率与SPAD值的相关性较小,仅为0.488 6。利用无人机多光谱遥感技术预测大田玉米的SPAD值精度较高,但对于不同的多光谱传感器而言,同一植被指数却表现出较大的差异,其中,红波段和近红外波段组合构造的植被指数RVI,NDVI,PVI和MSR差异较大,具有较宽波段的Sequoia传感器优于窄波段的MCA;此外,对于Sequoia相机,GNDVI与RENDVI预测SPAD值的精度较高,RMSE分别为3.699和3.691;对于MCA相机,RENDVI预测精度最高(RMSE=3.742),GNDVI预测精度低于RENDVI(RMSE=3.912);两传感器中MCARI/OSAVI预测SPAD值精度均较低,RMSE分别为7.389(Sequoia)和7.361(MCA)。在所有的植被指数中,利用绿波段和近红外波构造的植被指数(G类),以及用红边波段和近红外波段构造的植被指数(RE类),预测SPAD值精度更高,均高于红外和近红外波段构造的植被指数;利用更多波段(三个及以上)组合构造的复杂植被指数,并不能显著提高预测精度。就预测模型而言,MCARI1更适用于对数模型,可有效提高预测精度, 而其他植被指数变化不显著。研究还发现,在小区水平SPAD值的预测方面,除NDVI和TVI,Sequoia相机对于不同氮肥条件下植被覆盖度、阴影和裸露土壤等环境背景因素具有较强的抗干扰能力;而对于MCA相机来说,TVI,DVI,MSAVI2,RDVI和MSAVI对环境背景因素非常敏感,预测SPAD精度低;此外,去除环境背景因素并不总是能够提高SPAD值的预测精度。本研究对于利用无人机多光谱遥感技术进行高精度的叶绿素含量预测具有指导意义,对于精准农业的推广和应用具有一定的借鉴价值。     

利用光谱指数反演植被叶绿素含量的精度及稳定性研究

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index, NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index, TVI)及通用植被指数(vegetation index based on universal pattern decomposition method, VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。     

新植被水分指数的冬小麦冠层水分遥感估算

水分含量是表征作物水分胁迫生理状况的重要指标,及时有效地监测作物水分含量对于评估作物水分盈亏平衡,指导农业生产灌溉具有重要意义。针对不同形式的归一化差值水分指数(NDWI)存在的饱和性问题,拟引入增强型植被指数EVI对其加以适当改进,通过构建新的植被水分指数NDWI#(即NDWI*EVI)来估算作物水分含量。首先,利用PROSAIL辐射传输模型分析了由不同水分敏感波段(1 240,1 450,1 950和2 500 nm)构建的各种典型NDWIs与相应新植被水分指数NDWI#对植被冠层水分及LAI的饱和响应特征;然后,利用田间实验光谱和水分数据,开展作物水分含量的建模和验证分析。结果表明：将EVI引入后,形成的新水分指数NDWI#能够有效提高冬小麦水分含量估算精度,特别是针对NDWI₁₄₅₀,NDWI₁₉₄₀,NDWI₂₅₀₀这三个指数,改进后的新指数显著提高了对LAI响应的饱和点,冬小麦作物水分估算精度也得到较为的明显改善。研究表明,将含有可见光波段信息的EVI引入到NDWI中,构建的新指数NDWI#因融合可见光、近红外和短波红外更多波段的光谱信息,对估算冬小麦冠层含水量可能具有更好的优势。     

Determining the Canopy Water Stress for Spring Wheat Using Canopy Hyperspectral Reflectance Data in Loess Plateau Semiarid Regions

Crop water stress significantly reduces crop yield. Several studies have employed optical and remote-sensing methods to obtain nondamage monitoring crop water content to understand the agriculture drought process. In this paper, the spectral information (i.e., the canopy absorption feature at the 350–2500 nm band range) from the field experiments was used to estimate and identify the canopy water stress. Five different levels of water treatments exist in the spring wheat field in the semiarid regions of Loess Plateau, Northwest China. The hyperspectral reflectance, soil moisture content, soil water potential, canopy water content, amount of chlorophyll, leaf area index, and environmental parameters were measured. The relationship between canopy reflectance and canopy water content was analyzed at different water stress levels. In addition, various spectral indices were tested by measurements. Results showed that a high correlation exists in semiarid water index-1, semiarid water index-2, and red-edge normalized difference vegetation index, thus denoting that these indices can indicate water stress effectively. We can conclude that canopy reflectance can identify crop water stress and can be used to develop a certain index for monitoring agriculture drought.     

基于近地遥感系统的小麦玉米冠层RVI和NDVI获取影响因素分析

以大型喷灌机为平台的近地遥感技术可有效观测作物的生长状态,对田间生产管理和作物水肥需求特性等研究具有十分重要的意义。由于在遥感观测过程中,作物冠层具有二向反射特性,因此不同观测方式会影响遥感观测结果。通过自行搭建的近地遥感系统模拟大型喷灌机平台的实地观测条件,使用双通道光谱传感器获取小麦与玉米冠层的光谱反射率信息,引入变异系数CV对由冠层二向反射特性引起的信息数据变幅进行量化,并采用影响因素权重W分析各观测参数对数据变幅的影响程度。通过获取2019年冬小麦返青期至灌浆期、夏玉米V7-V14生育期的冠层近红外波段（810 nm）和红光波段（650 nm）的反射率数据,分析多种观测因素对比值植被指数（RVI）数据和植被归一化指数（NDVI）数据的影响。结果表明,观测高度（0.5~2.5 m）、观测频率（2~60次·min-1）和移动速度（0~4 m·min-1）与观测结果无显著相关关系（p＞0.05）,观测时刻（8:00-18:00）、观测天顶角（-60°~60°）和观测方位角（0°~180°）与观测结果相关关系极为显著（p＜0.01）;小麦和玉米的冠层RVI、NDVI数据获取结果主要取决于冠层覆盖程度,在相同叶面积指数（LAI）情况下观测结果也会因观测时刻、观测方位角和观测天顶角的差异而受到不同程度的影响;冠层光谱反射率信息二向反射特性明显,小麦冠层RVI和NDVI变异系数分别为15%~50%和2%~50%,玉米冠层RVI和NDVI变异系数分别为10%~33%和18%~39%;进行观测时,应尽量选择在太阳天顶角较稳定的12:00-14:00时段,并尽量缩短观测时长,还应选择固定的观测角度,注意阴影效应与热点效应的影响;此外,在小麦返青至拔节期、抽穗至扬花期获取RVI和NDVI时,还应分别注意观测天顶角、观测时刻对测量精度的干扰。研究结果可为快速获取高精度的小麦、玉米冠层光谱反射率数据提供技术支撑。     

Wheat leaf area index inversion using hyperspectral remote sensing technology

The wheat leaf area index (LAI) was inverted using hyperspectral remote sensing technology in the present paper. Eighteen kinds of hyperspectral indices were comparatively analyzed, and the index OSAVI, which could reflect wheat LAI most sensitively, was screened out. The models for wheat LAI inversion were built using the field spectra as the training samples. The study showed that the calibration R-square and prediction R-square of the inversion model which were built by hyperspectral index OSAVI were 0.823 and 0.818, respectively, higher than that of other indices, indicating that the accuracy was highest. The inversion model was spatially quantitatively expressed in OMIS image, and then the inversion value and measured value was compared by the method of regression fitting. The R-square and RMSE of the fitting model were 0.756 and 0.500, respectively, indicating that the similarity between the inversion value and measured value was high. The result showed that it was feasible to invert the wheat LAI by hyperspectral indices, and OSVAI was an optimal one.     

基于多源数据的新疆棉田螨害大范围监测研究

针对新疆棉田传统螨害监测方法耗时低效的问题,提出了一种基于冠层高光谱、近地多光谱、环境数据与地面调查相结合的多源数据棉田螨害大范围监测方法。首先,分别采集地面尺度的棉花冠层350~2 500 nm高光谱遥感数据和不同时期低空尺度的棉田无人机多光谱遥感影像数据,通过分析高光谱的原始光谱和一阶微分光谱特征,提取出了4个螨害敏感波段,分别为：绿光波段553 nm附近、红光波段680 nm附近、红边波段680~750 nm、近红外波段760~1 350 nm,这几个波段同时包含在无人机搭载的多光谱传感器波段范围内,验证了低空尺度下无人机遥感螨害监测的可行性。其次,初选23种植被指数和13种田间环境数据,结合地面调查的螨害发生情况做相关性分析。其中,SAVI、OSAVI、TVI、NDGI、平均湿度、温湿系数和10 cm土壤平均温度均与螨害发生达到极显著相关水平（sig≤0.01）;RDVI、RVI、MSR、最高温度、平均温度、积温、10 cm土壤最高温度和10 cm土壤平均湿度均与螨害发生达到显著相关水平（sig≤0.05）。选取sig值在0.05以下的15种特征值,分别建立基于单一环境数据、单一植被指数、环境数据与植被指数相结合的3种支持向量机（SVM）棉田螨害发生监测模型。最后,根据评价效果最优的监测模型,绘制不同时期的螨害遥感监测空间分布图,通过统计分布图中螨害和健康像元数计算出螨害面积占比,将螨害占比与同时期田间环境数据进行相关性分析,筛选出显著特征值,再通过多元逐步回归分析法确定出与螨害面积值关系最密切的环境因子,建立棉田螨害面积预测模型。结果表明：基于单一环境数据的棉田螨害发生监测模型准确率为62.22%,基于单一植被指数的棉田螨害发生监测模型准确率为75.56%,基于环境数据与植被指数相结合的棉田螨害发生监测模型效果最优,准确率为80%。螨害面积预测模型的决定系数R2=0.848,模型拟合度较好。本研究基于多源数据建立的棉田螨害发生监测模型和螨害面积预测模型,可以为新疆地区棉田螨害的大范围监测和趋势预警提供参考。     

玉米叶片的光谱响应及其氮素含量预测研究

以不同施肥水平下两年玉米田间试验为基础,利用高光谱技术探讨大喇叭口期不同层次玉米叶片光谱响应的敏感区域,并依据叶片氮素含量与原始光谱反射率及其一阶导数的相关性,最终构建了叶片氮素含量的预测模型。结果表明：不同施肥水平下叶片光谱反射率差别明显区域集中在550 nm附近波段、761～1 300 nm波段,不同层次间叶片光谱反射率差别明显区域集中在550 nm附近波段,叶片氮素含量与470～760 nm波段光谱反射率及其一阶导数呈极显著相关。经过对比筛选,以光谱指数DSI(564,681)和DSI(681,707)构建的指数预测模型效果最好,预测精度达93.43%和93.39%,能有效估测叶片氮素含量。