植被叶片叶绿素含量反演的光谱尺度效应研究

目前光谱指数方法已被广泛地应用于植被叶绿素含量的反演中,考虑到不同传感器的光谱响应存在差异,研究了光谱尺度效应对光谱指数反演植被叶片叶绿素含量的影响。基于PROSPECT模型模拟了不同叶绿素含量(5～80 μg·cm-2)下的5 nm叶片光谱反射率数据,并利用高斯光谱响应函数将其分别模拟成10～35 nm六种波段宽的光谱数据,再分析评价5～35 nm波段宽下光谱指数与叶片叶绿素含量的相关性、对叶片叶绿素含量变化及对波段宽变化的敏感性。最后,利用波段宽为40～65 nm的反射率数据对光谱指数反演植被叶绿素含量的光谱尺度效应进行验证。结果表明,通用光谱指数(vegetation index based on universal pattern decomposition method, VIUPD)反演叶绿素含量的精度最高,反演值与真实值拟合程度最好;归一化差值植被指数(normalized difference vegetation index, NDVI)和简单比值指数(simple ratio index, SRI)其次,虽然其决定系数R2高达0.89以上,但反演的叶绿素含量值小于真实值;其他光谱指数的反演结果较差。VIUPD对叶绿素含量具有较好的相关性和敏感性,受光谱尺度效应影响较小,具有较好的反演能力,这一结论恰好验证了其“独立于传感器”的特性,同时证明了VIUPD在多源遥感数据反演植被理化参量的研究中具有更好的应用前景。     

多波段激光雷达植被光谱分析

多波段激光雷达是获取光谱的一种新型手段。与传统的光谱仪仅能获取二维层面上的光谱不同,它基于超连续谱激光光源,利用激光的穿透性和高集中性,依靠光栅分光系统能够获得植被垂直方向上的光谱信息,从而得到植被在三维层面上的光谱分布。利用32波段激光雷达,首先在暗室条件下,将多波段激光雷达获取的光谱与ASD光谱仪获取的光谱进行了比较,发现在458～865 nm内,两者有相同的形状特征,能准确的表示出植被的反射特征,然后通过对光谱指数与叶绿素含量的相关性分析发现,基于两者的光谱指数与叶绿素含量均有较好的拟合关系,其中,基于多波段激光雷达光谱的优化比值植被指数(MSR)与叶绿素含量存在极显著相关关系,决定系数R2达到0.780 2,均方根误差(RMSE)仅为0.508 1。最后,利用多波段激光雷达,实现了垂直方向上的光谱获取,通过多次扫描的方式,得到了植被光谱的三维点云分布,并利用MSR与叶绿素含量之间的最优拟合方程,反演得到了叶绿素含量的三维分布图。     

滇中三类典型地表植被的机载高光谱特征分析

高光谱遥感技术因为具有图谱合一的优势,并且相较于传统多光谱遥感技术,可以实现对目标的精确识别,逐渐运用于地表植被的探测。选择以滇中地区的竹林、华山松、杂木林这三类典型地表植被为研究对象,基于机载高光谱影像数据,通过对原始高光谱、一阶微分处理光谱、连续统去除处理光谱进行处理与对比分析,获得滇中三类典型地表植被类型高光谱特征的初步探测认识。主要结果包括：(1）基于对原始光谱特征分析得出,三类典型地表植被的原始高光谱的最佳波段窗口出现在690~946 nm,且在该波段范围内光谱反射率特征为竹林>华山松>杂木林;(2）运用一阶微分处理光谱特征分析得出,利用光谱微分变换处理能够增强植被的光谱差异。经过一阶微分处理后光谱的最佳波段窗口出现在670~774 nm,在该波段范围内的一阶微分系数为竹林>华山松>杂木林。且发现718 nm为三类植被的敏感波段,即可用718 nm敏感特征波段区分开三类植被类型;并且综合运用一阶微分光谱特征参数中的红边位置,蓝边幅值、黄边幅值、红边幅值、蓝边面积、黄边面积和红边面积可以将三类植被类型进行区分;(3）最后基于连续统去除处理光谱特征分析得出,连续统去除方法能够有效地增强植被光谱曲线反射和吸收的特征。经过连续统去除处理后的光谱,三类典型植被的最佳波段窗口在458~554和570~690 nm,这两个波段范围内的连续统去除系数均为竹林>华山松>杂木林,且发现502和674 nm为三类典型植被的敏感波段,即可用此特征综合区分三类植被类型。该研究结果有助于对滇中森林植被精细判别提供技术方法,同时,为今后发展天-地-空的高光谱影像数据一体化遥感植被精细分类提供技术支撑。     

高光谱技术结合特征波长筛选的牛肉品种多波段识别

利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术结合特征波长筛选方法对安格斯牛、力木赞牛、西门塔尔牛3个品种的牛肉进行鉴别研究,且测定肉样的色泽、嫩度、pH值以及水分、脂肪、蛋白质含量。根据不同波段光谱的特点,分别对原始光谱进行预处理,并利用SPA、IRF和IRF-SPA方法筛选特征波长,建立基于全波段及特征波长下的PLS-DA牛肉品种鉴别模型。结果显示:400～1 000 nm波段采用SNV-IRF-SPA-PLS-DA方法建立的模型最优,校正集与预测集准确率分别为98.56%和97.12%,900～1 700 nm波段采用SG-SPA-PLS-DA方法建立的模型准确率为94.09%和96.04%,说明不同波段高光谱对牛肉品种识别均有较好的效果;400～1 000 nm波段的识别准确率优于900～1 700 nm,说明3种牛肉在色泽纹理上的差异比成分含量显著。研究表明,利用高光谱成像技术结合特征波长筛选方法能够获得较好的牛肉品种鉴别效果。     

土壤修复过程中盐含量及其光谱特征分析研究

基于盐渍土修复过程中盐分含量和同步实测光谱数据,通过对原始光谱数据、平滑光谱数据及平滑后的不同变换光谱数据等八种光谱数据集,分别以相关系数的极值和不同相关系数范围两种方法分析其最佳敏感波段范围,深入分析了不同变换下土壤的光谱响应特征。在此基础上,运用偏最小二乘回归方法,以全波段(400～1 650 nm)和分析获得的最佳敏感波段建立了基于修复过程的土壤盐含量和光谱反射率的关系模型。结果表明：针对八种光谱数据集,采用两种方法提取的土壤最佳敏感波段,均集中在947.11～949.31,1 340.27,1 394.11,1 419,1 457.81～1 461.31,1 537.68～1 551.39和1 602.32 nm;且最佳波段的土壤盐含量反演模型,以模型评价参数的决定系数(R2)和均方根误差(RMSE),以及赤池信息量准则(akaike’s information criterion, AIC)作为选择最佳模型的标准,均以SGSD(Log R)模型的建模和预测结果比其他光谱变换的模型更为显著。基于全波段的PLSR建模效果总体上稍优于最佳波段的模型,其中以SGSD的预测精度最为突出,其模型的决定系数R2与标准差RMSEP分别为0.673和1.256;基于两种方法获得的最佳波段的PLSR模型与全波段对比在模型精度方面虽有一定差距,但从模型的复杂程度比较,具有模型简单、变量更少及运算量小的特点。该研究可在土壤盐含量及其光谱特征的研究中,为实现土壤盐渍化定量、快速、便捷的监测和检测提供参考。     

荒漠植物含水量的光谱特征分析

用美国SVC的HR-768便携光谱仪现地测定了9种荒漠植物的高光谱并在实验室使用烘干法测定相应植物的含水率,对测定的光谱数据使用ENVI软件去除包络线,运用相关系数法分析植物含水率与反射光谱之间的关系,结果表明:978～1 030 nm波段与植物含水率相关性一般,1 133～1 266 nm波段与植物含水率相关性较好,1 374～1 534 nm波段与植物含水率相关性最好,是表达植物含水率大小的特征波段.对1 374～1 534 nm波段光谱数据进行聚类分析,可将测定的植物划分为含水率较高(>70%)、中等(50%～70%)、较低(<50%)3个等级.以上研究揭示了荒漠植物含水量大小和光谱数据之间的关系,为荒漠区生境分析和利用遥感数据进行荒漠植物监测提供了参考依据.     

典型伪装材料高光谱特征及识别方法研究

针对某些特定环境下,伪装目标和背景目标出现的“异物同谱”现象,传统的可见光及多光谱遥感伪装识别存在局限性,为此,将高光谱应用到典型伪装材料的特征分析与识别。以北方地区常用丛林迷彩伪装网为研究对象,利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱,通过光谱相似性度量和包络线去除处理,分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段,并基于近红外波段构建光谱比值指数RCI,用于识别绿色植被环境中的伪装目标,最后通过高光谱成像实验获取仿真伪装环境高光谱图像,并利用高光谱图像对识别效果进行验证。结果显示：(1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似,且反射率随浸水时间的增加而整体呈下降趋势;1 900 nm波段是伪装网反射光谱对含水量响应最为明显的波段,其光谱特征会因浸水处理而相似于植被,相似度从0.895提高到了0.939。(2)丛林迷彩伪装网和植被在可见光波段的相似度较高,光谱波动情况相似,但在近红外波段光谱特征差异明显。通过包络线统去除分析得出970, 1 190和1 440 nm波段附近处是丛林迷彩伪装网识别的敏感波段,且基于迷彩伪装网和各植...     

高光谱技术的羊肉品种多波段识别研究

利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术对宁夏地区滩寒杂交、盐池滩羊、小尾寒羊三个品种羊肉进行识别研究。针对不同波段光谱特点,分别优选出Baseline及SG卷积平滑光谱预处理方法,并运用连续投影算法(SPA)提取特征波长,结合线性判别分析(LDA)及径向基核函数支持向量机(RBFSVM)模型进行全波段及特征波长识别分析。结果表明不同波段高光谱对羊肉品种识别均获得较好效果,其中400～1 000 nm波段采用Baseline-Fullwave-RBFSVM及12个特征波长下准确率为100%与98.75%,900～1 700 nm波段采用Baseline-Fullwave-RBFSVM及7个特征波长下准确率为96.25%与87.80%;RBFSVM非线性分类准确率高于LDA线性判别结果,400～1 000 nm波段识别准确率优于900～1 700 nm波段,说明三种羊肉在色泽纹理上差异比成分含量显著,利用高光谱成像技术结合RBFSVM方法能够获得较优的羊肉品种识别效果。     

植被叶片生化组分的光谱响应特征分析

依据LOPEX’93数据,分别使用地表反射率光谱及其变化量以及光谱指数分析了鲜叶片叶绿素和水分含量的光谱响应。结果表明,在反射率光谱及其变化量的分析中,反射率的二阶导数对叶绿素具有较高的响应,对叶绿素响应较高的波段依次为600,700,670,410,490,500和440nm,这些波段区间能够较好地反映植被叶绿素的含量;反射率光谱经连续统去除后对叶片含水量具有较高的响应,对水分含量响应较高的波段依次为:1870,2130,2180,1820,2350和2120nm,分别对应着水分在短波红外波段的吸收波段。在光谱指数的分析方法中,光谱指数ND(normalized difference)对叶绿素含量较其他指数具有更高的响应,其相关系数为0.618;光谱指数Ratio975对叶片水分含量具有较高的响应,相关系数可达0.996。根据以上的响应分析,构建相关模型,对叶片中叶绿素和含水量开展地基反演实验,结果表明,基于地面光谱数据反演叶片中叶绿素和含水量可达到较高的精度。     

高光谱图像信息检测玉米籽粒胚水分含量

通过波段比和阈值相结合的方法,分别提取了玉米籽粒全表面结构和胚结构区域的1 000～2 500 nm近红外高光谱信息,研究了玉米籽粒水分含量与胚结构区域光谱关系,同时采用竞争性自适应重加权变量选择算法(CARS)、遗传算法(GA) 、连续投影算法(SPA)筛选特征波段,建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果。结果显示,玉米籽粒水分含量与胚结构区域光谱关系显著,随着水分含量的增加,光谱反射值逐渐降低。预测模型结果表明,基于玉米籽粒胚结构区域光谱信息所建立的CARS-PLS,GA-PLS和SPA-PLS回归模型预测相关系数Rp分别为0.931 2,0.917 6和0.922 7,预测均方根误差(RMSEP)分别为0.315 3,0.336 9和0.336 6,所选取的特征波段数量分别为9,14和6,较基于全表面光谱信息所建模型的特征波段数量分别少了49,12和24个,且预测效果与采用全表面光谱信息无显著差别,SPA-PLS算法为基于玉米籽粒胚结构光谱信息的水分含量预测最高效模型。提取胚结构区域所用光谱波段为1 197,1 322和1 495 nm,建立SPA-PLS回归模型所用特征波段为1 322,1 342,1 367,1 949,2 070和2 496 nm。研究结果表明,采用近红外高光谱技术进行玉米籽粒水分含量无损检测时,提取玉米籽粒胚结构的图谱信息较全表面光谱信息更高效。     

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。     

尘埃影响下的植被指数修正研究

植被指数是表征植被覆盖,生长状况简单有效的度量参数。本文以城市绿化主要植被大叶黄杨为例,研究叶片滞尘对植被指数的影响,并构建植被指数修正模型对植被指数进行修正优化,提高植被指数的测量精度。研究选取北京城区为研究区,采集20个采样点的200个叶片样本,利用电子分析天平、ASD高光谱辐射仪及Win FOLIA叶面积仪,分别获取叶片尘埃量、光谱信息、叶面积等数据。通过对比分析样本叶片除尘前、后光谱特征及NDVI、NDWI、NDNI、NDII、CAI、PRI植被指数分布特征差异,结合单位滞尘量与光谱数据,构建植被指数修正模型,并对修正模型进行精度检验。结果表明：大叶黄杨叶片在除尘前与除尘后的光谱曲线均表现出典型的植被光谱特征,且蓝边、红边均出现在520和705 nm处,然而在350～700,750～1 350,1 500～1 850,1 900～2 100 nm波段范围内,滞尘对叶片光谱反射率影响显著,同时对植被指数也有较大影响;通过对滞尘量定量的研究分析发现,当尘埃质量增加时, NDVI和PRI植被指数与尘埃量的线性关系变弱,而NDWI,NDII,CAI植被指数与尘埃量依然保持明显的线性关系。修正模型NDVI,NDII,CAI,PRI精度验证决定系数(R2)分别为0.547,0.430,0.653,0.960,RMSE分别为0.035,0.020,0.112,0.009。研究结果表明对以后利用植被指数进行大面积植被反演、评估时,根据滞尘量影响进行修正优化,提高反演精度有一定参考意义。     

Spectral reflectance characteristics of different snow and snow-covered land surface objects and mixed spectrum fitting

The field spectroradiometer was used to measure spectra of different snow and snow-covered land surface objects in Beijing area.The result showed that for a pure snow spectrum,the snow reflectance peaks appeared from visible to 800 nm band locations;there was an obvious absorption valley of snow spectrum near 1 030 nm wavelength.Compared with fresh snow,the reflection peaks of the old snow and melting snow showed different degrees of decline in the ranges of 300～1 300,1 700～1 800 and 2 200～2 300 nm,the lowe...     

西藏当雄河谷阳坡海拔梯度上植被光谱特征分析

以西藏当雄河谷阳坡海拔梯度上植被冠层光谱为研究对象,分析不同海拔位置上植被光谱特征差异及物理含义,通过植被光谱特征的分层聚类分析,评估当雄阳坡植被垂直分布的遥感识别可行性。结果表明：水分指数(WI)、光谱红边位置(REP)、归一化植被指数(NDVI)分别与叶片水分含量、干重生物量、植被盖度存在较强的相关性,且不同植被类型间的WI,REP和NDVI存在显著差异;基于光谱特征集的分层聚类分析实现了阳坡12个样点逐级分类,其结果与地面调查基本匹配,表明所选择的植被光谱特征能够表征实验区垂直分布的植被类型差异,分析结果可为青藏高原植被垂直分布信息的遥感提取提供光谱特征的先验知识支持。     

Study on the relation between fraction cover and mixed spectra in karst environment

Karst rocky desertification is one of the most serious eco-environmental problems of land degradation in karst regions, southwest China. The fractional cover of vegetation and exposed bedrock are the main land surface symptoms and essential assessing indicators of karst rocky desertification. To assess the extent of rocky desertification in complex karst environments, the information of multiple land cover types fraction is needed. Based on in situ spectral reflectance data, this study proposed several spectral indices and explored the relationship between spectral features of main land cover types and their responding fractional cover. The results showed that spectral indices have much higher correlation coefficients with fractional cover than does spectral reflectance. Vegetation indices have good linear relation with fractional cover of photosynthetic vegetation (PV). The proposed spectral indices have high correlation coefficients with fractional cover of non-photosynthetic vegetation (NPV) and bare soil, with R2 0.70 and 0.73, respectively. Lower correlation coefficients (R2 = 0.55) with the factional cover of exposed bedrock, were observed. The absorption depth of four forms of the proposed indices has the highest correlation coefficient with the fractional cover of NPV, bare soil, and exposed rock. This study indicates that hyperspectral remote sensing has the potential for the extraction of karst rocky desertification information.     

喀斯特典型地物混合光谱与复合覆盖度关系研究

喀斯特石漠化是我国西南喀斯特地区面临的主要生态环境问题之一。岩石裸露率以及植被覆盖度是石漠化主要的地面表现特征,也是评价石漠化的关键指标。由于喀斯特地区复杂的地貌情况,使得评价石漠化需要多种地物类型覆盖度信息。该文在实测光谱支持下,构建了系列光谱指数,初步分析了喀斯特地区典型地物混合光谱与复合覆盖度的关系。结果表明,光谱指数与覆盖度的相关性远远高于光谱反射率与覆盖度的相关性。植被指数和绿色植物(photosynthetic vegetation, PV)覆盖度有着很好的线性关系;该文构造的光谱指数和干枯植被覆盖度(non-photosynthetic vegetation, NPV)、土壤覆盖度有着较好的相关性,可决系数分别达0.70和0.73,显示了有估算NPV和土壤覆盖度的潜在能力。而光谱指数和裸岩率的相关系数稍低,最高达0.55,可以提供一定的裸岩率信息。所构建的4种指数形式中,表征光谱吸收特征深度的指数形式和NPV、土壤覆盖度以及裸岩率均拥有最高的相关性。这为高光谱遥感在喀斯特石漠化信息提取的应用进行了初步的探索。     

星载太阳紫外光谱监视器的地面辐射定标

星载太阳紫外光谱监视器是一种小型化、高精度紫外-真空紫外光谱辐射计,它有两种工作模式,即探测太阳紫外光谱辐照度的太阳模式和探测大气的太阳后向散射紫外光谱辐亮度的大气模式。对应这两种工作模式分别建立了紫外-真空紫外光谱辐照度和紫外光谱辐亮度定标装置。光谱辐照度标准灯直接辐照仪器的漫反射板进行仪器的光谱辐照度响应度定标,光谱辐照度标准灯辐照标准漫反射板形成朗伯面光源进行仪器的光谱辐亮度响应度定标。误差分析表明:160~250 nm光谱辐照度绝对定标误差为6.5%,250~400 nm为4.3%;250~400 nm光谱辐亮度绝对定标误差为5.9%。星载太阳紫外光谱监视器获得的地外太阳紫外光谱辐照度与大气的太阳后向散射光谱辐亮度数据,同国际上的观测结果相比一致性达±10%。     

水体细菌微生物多波长透射光谱特征分析研究

多波长透射光谱能够反映出样品细胞大小、形状、内部结构和化学组分等丰富而独特的信息,是微生物快速、实时、在线检测与识别的有利工具。将多波长透射光谱技术应用于水体致病性细菌微生物的快速有效检测对控制水体细菌微生物污染及保护饮用水源水质安全具有重要的现实意义。为了建立及发展基于多波长透射光谱技术的水体致病性细菌微生物快速有效的检测方法,采用紫外-可见分光光度计获取了多种水体致病性细菌微生物(如： 肺炎克雷伯氏菌、鼠伤寒沙门氏菌、金黄色葡萄球菌和大肠杆菌)在200～900 nm波段的多波长透射光谱,对比分析了不同细菌及同种细菌在不同浓度时的多波长透射光谱特征。结果表明： 对于同种细菌,当细菌浓度发生变化时,400～900 nm波段透射光谱形状较为一致,并且在400,450,500和550 nm波长处的光密度值与浓度具有很好的线性关系,该波段由细菌体的散射起主要作用;但在200～400 nm波段范围内,细菌透射光谱的形状随细菌浓度的变化而变化,在200,258,300和350 nm波长处的光密度值与细菌浓度分别具有很好的二次多项式关系。根据微粒的Mie散射理论,采用Levenberg-Marquardt非线性最小二乘方法对测得的四种细菌透射光谱进行了散射光谱和吸收光谱拟合,并对比分析了不同细菌散射光谱特征和吸收光谱特征,结果表明： 四种细菌散射光谱的特征峰均在245 nm波长处,但该波长处的光密度值具有明显差异性,这与不同细菌外部结构及内部结构细胞器的大小、形状等不同有关;而四种细菌吸收光谱特征峰均在260 nm波长处,且不同细菌在240～400 nm波段内吸收光谱也具有明显差异性,这与不同细菌细胞内的核酸、蛋白质等化学组分含量不同有关。该研究表明对于不同种细菌及具有不同浓度的同种细菌,测得的多波长透射光谱及计算出的散射光谱和吸收光谱特征都具有明显的不同,通过多波长透射光谱解析可以获得细菌多种特征参数,多波长透射光谱可以被用于快速有效检测水体中的致病性细菌微生物。该研究为发展水体细菌微生物快速在线监测仪提供了重要依据。     

Spectral features and separability of alpine wetland grass species

This study aimed to analyze the spectral features of alpine wetland grasses and evaluate three types of spectral feature computational methods. In situ spectra of alpine wetland grasses were collected in the northeastern Qinghai–Tibetan Plateau (Niaodao Wetland of International Importance and Ruoergai Wetland of International Importance), and spectral features were extracted using the revised vegetation spectral feature extraction (VSFE) model, wavelet transform, and the characteristic band selection method based on trivariate mutual information. These methods were then compared for their ability to amplify spectral separability and reflect grass properties, using the Jeffries–Matusita distance and relative vegetation parameters, respectively. The results show distinct spectral features of alpine wetland grasses within the band from 717.80 nm to 1050 nm. These differences are chiefly caused by leaf area index and chlorophyll content, but not plant taxonomy. Among the three spectral feature analysis methods, the revised VSFE model provides the most information for separating different alpine wetland grasses, as well as indices reflecting chlorophyll, leaf area index, and nitrogen. However, only 70 alpine wetland grass species pairs among 138 can be clearly classified within the band from 350 nm to 1050 nm. Further study on wetland grass species classification over wider band ranges should be implemented. This study also provides suggestions for selecting a spectral feature computational method in hyperspectral data processing.