实测高光谱和HSI影像的区域土壤盐渍化遥感监测研究

通过典型研究区不同盐渍化土壤光谱反射率数据的变换和分析,选择与土壤含盐量响应敏感波段,建立实测高光谱土壤含盐量反演模型,以校正HSI影像建立的土壤含盐量反演模型。结果表明：实测高光谱土壤含盐量反演模型与HSI影像土壤含盐量反演模型均有较好的精度,模型判定系数(R2)均高于0.57,且模型稳定性较好。校正后的HSI影像土壤含盐量反演模型,模型判定系数有了较大提高,R2从0.571提升至0.681,且通过了0.01的显著性水平,均方根误差(RMSE)值为0.277。模型能够较好地提高区域尺度条件下土壤盐渍化监测精度,运用此方法开展盐渍化土壤定量遥感监测是可行的。     

典型半干旱区土壤盐分高光谱特征反演

选取陕北典型半干旱区为研究对象,利用土壤高光谱特征对盐分进行反演研究。在研究区域选取样点,采集土壤样品测定土壤光谱特征,以土壤反射率(R)、反射率对倒数(Log(1/R))及去包络线的反射率(R_cr)三个光谱特征进行土壤盐分反演研究,分析其与土壤盐分的相关性,遴选特征波段,并通过Matlab编程利用最小偏二乘回归方法(partial least squares regression,PLSR)建立土壤盐分定量反演模型,然后利用检验样点进行精度检验和比较。结果表明,利用经包络线去除后光谱反射率进行定量反演的均方根预测误差最小(1.253<1.367<1.575),其预测精度最高;利用土壤高光谱特征进行盐分反演的预测值与实测值相关性良好(r2=0.761),趋势线接近于y=x。总之,研究发现,土壤反射率经过包络线去除后,利用偏最小二乘回归方法建立的反演模型具有良好的精度,这将有利于提高土壤盐渍化的监测效率。     

盐碱地利用障碍因子高光谱遥感反演研究

选取陕北拌沙改良盐碱地为研究对象,对盐碱地利用障碍因子进行高光谱遥感反演研究。通过实测研究区域的作物长势,采集土壤样品和土壤高光谱数据,并实验测定土壤理化性质分析盐碱地利用的障碍因子,研究盐碱地利用障碍因子的高光谱特征,建立其遥感定量反演模型,并进行精度检验。研究结果表明：土壤盐分含量是制约改良盐碱地利用的主要障碍因子,毛管孔隙度与土壤盐分含量具有良好相关性,也可以作为障碍因子之一;利用土壤的高光谱数据对土壤全盐含量及毛管孔隙度进行遥感定量反演具有良好的精度(回归分析决定系数R2分别为0.938和0.973);检验样点精度检验结果表明,盐分含量及毛管孔隙度的实测值与预测值均具有良好的相关性(k均接近于1,R2分别为0.840 4和0.796 5),反演精度较高。通过高光谱数据对盐碱地改良利用的障碍因子进行遥感定量反演,对于指导盐碱地的整治改良和利用具有重要的推动作用。     

基于高光谱指数和电磁感应技术的区域土壤盐渍化监测模型

以新疆渭干河-库车河三角洲绿洲不同盐渍化程度的土壤为研究对象,以电磁感应仪(EM38)测得的盐渍土电导率数据和ASD Field Specpro FR光谱仪测得的盐渍土高光谱数据为基础数据源。对利用Savitzky-Golay滤波进行平滑去噪后所得的光谱曲线进行均方根、 对数、 倒数、 倒数的对数、 连续统去除、 一阶微分等11种光谱变换,并从中选取土壤光谱波长与基于EM38建立的土壤盐分解译模型,所解译出的土壤盐分数据相关性最好的变换形式及响应波段进行SI,BI和NDSI等5种盐分指数的计算,通过精度检验选取最优高光谱指数,以此建立区域土壤盐渍化监测模型。结果表明：以一阶微分变换后的土壤光谱反射率456,686和1 373 nm的波段组合作为最佳敏感波段所构建的SI₂高光谱指数与EM38数据相结合建立的土壤盐渍化监测模型为最优模型;与传统的遥感方法中单纯利用盐分指数所建立的监测模型相比,基于高光谱指数和EM38数据所建立的土壤盐渍化监测模型的预测精度更高,该模型的建立为进一步提高土壤盐渍化的监测和预测精度的研究提供参考借鉴。     

基于综合高光谱指数的区域土壤盐渍化监测研究

选取新疆塔里木盆地北缘渭干河-库车河三角洲绿洲盐渍化土壤、植被及其光谱反射率为研究对象,对实测土壤、植被高光谱进行包络线、倒数、对数、均方根、一阶微分等各种光谱变换,分析并确定反映盐渍化程度最敏感的波段,结果表明：实测高光谱土壤、植被一阶微分光谱变换对土壤盐渍化响应程度最敏感;基于实测综合光谱指数的盐渍化监测高光谱模型可以准确提取土壤盐渍化信息,明显优于传统遥感方法中单纯利用植被指数或者土壤盐分指数的模型,对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

基于土壤植被光谱协同分析的土壤盐度推理模型构建研究

土壤组成较为复杂,单纯利用土壤光谱信息探测土壤盐度,反演精度不足以满足实际需求。通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性,弥补上述不足。为此,基于干旱区土壤盐度与植被之间的协同变化,尝试结合土壤和植被光谱信息,借助二维特征空间理论,构建土壤盐度推理模型,提高土壤盐度推理精度。对于干旱区单个像元下土壤光谱的影响,利用归一化植被指数(normalized difference vegetation index,NDVI) 难以准确反演干旱区稀疏植被参数。因此,首先利用线性混合像元分解模型(linear spectral unmixing model, LSUM)提取研究区地物组分,构建植被组分指示因子(combined vegetation indicative factor, CVIF)方程,并与土壤盐度指数(salinity index,SI)构建二维特征空间。分析二维特征空间内散点走势与土壤盐分之间的关系,建立土壤盐度推理模型(salinity inference model, SID)。验证结果显示,CVIF提取的植被信息精度(R2>0.84, RMSE=3.92)高于应用较为广泛的NDVI(R2>0.66, RMSE=13.77)。构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index, CORSI)相比,前者(R2>0.86, RMSE=6.86)推理精度优于后者(R2>0.71, RMSE=16.21)。由此得出结论,基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

多源数据的区域土壤盐渍化精确评估

为精确揭示区域土壤盐分的三维分异特征,将由区域遥感影像解析获得的光谱指数、面域电磁感应大地电导率仪测得的土壤表观电导率和控制点位土壤采样实测数据进行有效耦合,应用多元回归方法建立土壤盐分解译模型,利用反距离权重方法对区域土壤盐分三维特征进行插值解析与评价,创建了基于多源数据的区域土壤盐渍化精确评估方法。应用实践表明：案例研究区域各土层土壤盐分含量的变异系数在1.281~1.527之间,表现为强度变异性;土壤盐分含量高值主要集中在案例研究区域的中西部地带;区域盐渍土剖面类型大部分属“表聚型”,即随着深度增加土壤盐分逐渐减小;对案例研究区域土壤盐分三维特征解析精度达到相关系数为0.908。解决了以往多源数据耦合协同以更高精度解析区域土壤盐分特征的难题,为精确评估区域土壤盐分三维特征和其他地学空间属性解析提供了可靠方法借鉴。     

基于定量遥感反演的内陆水体藻类监测

叶绿素作为衡量湖泊富营养化的重要指标,利用遥感技术对其进行实时动态监测具有重要意义。以太湖为例,通过对水体实测光谱和水质采样数据的分析,建立了光谱反射率比值与叶绿素a浓度的回归模型。结果显示,700 nm附近波段与625 nm附近波段所构建的比值模型R2最高,710 nm以后波段与其他可见光波段所构建的比值模型的R2会随可见光波长的增大而逐渐下降。在高光谱遥感估算模型的基础上,应用同步MODIS卫星遥感数据进行了太湖叶绿素a浓度的空间分布反演,并基于MODIS绿度指数建立了太湖藻华水体信息提取模型,从叶绿素a浓度估算和藻华信息提取两个方面实现了太湖藻类空间分布特征的定量反演,为太湖等大型内陆水体藻类的实时定量遥感监测提供了新的研究思路。     

基于高分五号高光谱影像的干旱区盐渍化土壤盐分含量估算

目前星载高光谱传感器较少,基于高光谱影像的土壤盐分含量估算研究仍处于探索之中。高分五号(GF-5)是目前国内光谱分辨率最高的卫星。目的是研究高分五号高光谱影像大面积估算干旱区盐渍化土壤盐分含量的可行性。选择新疆焉耆为研究区域,采集了198个土壤样本。首先,检测土壤样本中的全盐量、Na⁺、Ca²⁺、SO₄^2-、Cl^-的含量,利用ASD FieldSpec3地物光谱仪在实验室测定土壤样本的光谱反射率。然后,对实验室土壤光谱进行SG(Savitzky-Golay)平滑预处理,采用竞争自适应重加权采样法选择土壤盐分的特征波段,再利用偏最小二乘、岭回归和支持向量机建立土壤盐分含量的回归模型,发现实验室光谱反演土壤盐分的模型精度较高,五种土壤盐分反演模型的校正集决定系数均大于0.97,预测集决定系数均大于0.90。接着,获取土壤采样同期的高分五号高光谱影像数据并进行预处理,根据采样点位置在影像上提取了198个土壤样本的光谱曲线,使用与实验室光谱相同的反演方法,建立了高分五号影像光谱与土壤盐...     

连续小波变换高光谱数据的土壤有机质含量反演模型构建

土壤有机质含量是反映土壤肥力的重要指标,对其进行动态监测是实施精准农业的重要措施。近年来,众多学者尝试采用土壤近地传感(proximal soil sensing),尤其是近地高光谱技术,在田间和实验室获取不同形态土壤的高光谱数据,不断引入新方法建立适用于不同地域和不同土壤类型的有机质含量的反演模型。该研究在实验室内利用ASD FS3采集了土壤高光谱数据,采用“重铬酸钾-外加热法”测得了土壤有机质含量;分析了土壤原始光谱反射率(R)与有机质含量的相关性,选取R2>0.15的敏感波段的反射率;利用CWT对土壤原始光谱反射率(R)、光谱反射率的连续统去除(CR)进行不同尺度的分解,分析小波系数与土壤有机质含量的相关性,选取R2>0.3的敏感波段的小波系数;利用R选取的波段信息和R-CWT,CR-CWT的选取的小波系数,分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、支持向量机回归(SVMR)三种不同的土壤有机质含量反演模型。结果表明：相比R与土壤有机质含量的决定系数R2,R-CWT,CR-CWT变换后得到的小波系数与土壤有机质含量的决定系数R2分别提高了0.15和0.2左右;CR-CWT-SVMR的模型效果最为显著,预测集的R2和RMSE分别为0.83,4.02,RPD值为2.48,具有较高的估测精度,能够全面稳定地估算土壤有机质含量;CR-CWT-PLSR的模型精度与CR-CWT-BPNN,CR-CWT-SVMR相比虽有一定差距,但是其计算量要明显小于非线性的BPNN和SVMR方法,具有模型简单、运算速度快等特点,对开发与设计田间传感器具有较大的应用价值。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

基于EEMs及PARAFAC的洪湖、东湖与梁子湖CDOM组成特征分析

国内外关于长江中下游地区如洪湖、东湖及梁子湖等大中型浅水湖泊DOM组成特征的分析较少,本文基于2007年9月—10月洪湖、东湖与梁子湖34个站点野外实地采样数据,运用三维荧光图谱(EEMs)与平行因子分析(PARAFAC)模型,着重分析了三个湖泊CDOM吸收荧光特性及组成特征。结果表明,CDOM在350 nm处吸收系数a(350)在三个湖泊表现为洪湖极显著高于东湖与梁子湖(p<0.001);三个湖泊CDOM光谱斜率S_280～500与a(350)呈极显著负相关(R2=0.781, p<0.001)且洪湖S_280～500值极显著低于东湖与梁子湖(p<0.01);光谱斜率比值S_R值也表现为洪湖显著低于东湖与梁子湖(p<0.05)。PARAFAC模型解析得到两个类腐殖质组分(C1, C2),两个类蛋白质组分(C3,C4),其中组分C1与C2呈极显著正相关(R2=0.884,p<0.001),组分C3与C4亦为极显著正相关(R2=0.677,p<0.001),这表明三个湖泊CDOM组分C1与C2,C3与C4来源相似,然而统计结果并未发现四个荧光组分与DOC及Chl-a浓度之间存在任何显著性相关关系。三个湖泊荧光指数FI₂₅₅(HIX),FI₂₆₅,FI₃₁₀(BIX)与FI₃₇₀值均表现为东湖显著高于梁子湖(p<0.05),极显著高于洪湖(p<0.01),这意味着东湖富营养化程度高于洪湖与梁子湖。     

基于光谱指数与EM38的土壤盐分空间变异性研究

针对目前半干旱区存在的土壤盐渍化问题,以典型半旱区封丘县为研究区,将遥感与磁感应电导率仪(EM38)技术相结合对典型半干旱区土壤盐分空间变异性进行了研究。结合田间采样对EM38测量数据进行解译,并对解译后的数据进行经典数据统计特征分析,建立了EM38解译后的土壤电导率与光谱指数(土壤指数、植被指数)之间的回归模型。利用该模型绘制了研究区土壤盐分的空间分布图。结果表明,受内在和外在因子的共同作用,研究区各土层含盐量均具有中等的变异强度。采用植被指数与土壤指数和EM38测量相结合的方法,较好地绘制了研究区土壤盐分的空间变化图。盐渍化土壤主要集中在研究区北部与南部,具有明显的趋势效应,并且在整个剖面盐分表现为表层最高,随着深度增加盐分先减小后增大的趋势。     

基于多种植被指数的土壤含水量估算方法

快速且准确估算土壤含水量已成为农林业水资源监测的热点问题,应用植被指数估算土壤含水量的方法已得到广泛认可和应用。以便携式光谱仪测定的高光谱数据为基础计算得到8种植被指数,通过灰色关联分析法(GRA)对八种植被指数和基于红外热像仪测定的冠层温度进行分析与筛选,选取与土壤含水量具有较高相关性的指标进行多元线性回归分析,构建基于多种植被指数的土壤含水量估算模型(SMBMVI),并做模型精度分析。精度评价结果表明：模型拟合度较高,达到极显著水平(p＜0.000),土壤含水量估算值与实测值具有较高相关性,ｒ为0.636 1,RMSE为2.149 9。该方法引入多种植被指数,采用非接触式的测量方法估算小尺度研究对象的土壤含水量,能够作为遥感反演和直接测定土壤含水量的一种有效替代方法。模型的建立可以快速、准确的估算土壤含水量,为农林业水资源监测管理提供理论与技术参考。     

常温和0.1～1 400 MPa条件下黄铜矿的拉曼光谱研究

实验利用金刚石压腔装置研究了常温和0.1～1 400 MPa范围内黄铜矿A₁振动模式的原位拉曼光谱特征。结果显示在实验条件范围内,该拉曼振动峰的强度和形态保持稳定,表明晶格内Cu-S和Fe-S间的相互作用没有发生质变。实验发现黄铜矿该拉曼振动的波数随着压力升高连续向高频方向移动,两者的线性关系为：ν₂₉₀＝0.031 2p+290.60(0.1≤p<58.8 MPa)和ν₂₉₀＝0.005 72p+292.10(58.8≤p<1 400 MPa)dν/dp。常温下58.8 MPa是黄铜矿该拉曼波数随压力变化率的一个突变点,低于和高于该压力时分别为31.2和5.72 cm-1·GPa-1,显著的差异表明黄铜矿的结构可能发生了某种改变。     

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。