光谱分辨率对黑土有机质预测模型的影响

高光谱遥感以其高光谱分辨率适于反射光谱特征复杂的地物识别与参数反演,但对于反射光谱特征平滑的地物,高光谱数据可能存在数据冗余问题。本研究对实验室测定的黑土高光谱反射率进行重采样,基于统计分析方法研究了光谱分辨率对黑土有机质预测模型精度的影响,结果表明:黑土有机质含量高,土壤有机质的光谱作用范围宽(445～1 380nm);黑土有机质光谱预测模型精度随光谱分辨率降低,呈现先增后减的趋势,最优模型的光谱分辨率为50nm,低于高光谱遥感波段设置,略高于多光谱传感器波段设置;黑土有机质光谱预测最优模型以倒数对数微分为自变量,模型决定系数R2=0.799,RMSE=0.439,研究成果为土壤有机质遥感反演、光谱速测仪器的研制,以及传感器波段设置提供理论基础与技术支持。     

传感器光谱指标对植被光谱模拟精度的影响

高光谱卫星数据模拟是卫星遥感数据模拟的重点研究方向,基于星载多光谱数据和地物光谱先验知识是一种快速模拟高光谱数据的方法,但数据模拟精度受传感器光谱指标的限制。文章针对EO-1/ALI的可见光/近红外波长范围进行实验,研究了波段数量、半波宽度和波长位置等光谱指标与植被光谱模拟精度的关系,分析了两者之间的变化规律。研究表明,光谱指标决定了植被光谱特征提取,是影响光谱模拟精度的直接原因。文章总结了适于光谱重构模型的光谱参数范围,实验结果有利于提高植被光谱模拟精度。该结论可用于多光谱传感器的性能评价及其分光滤色结构的改进。     

混合像元光谱特征影响因子分析

高光谱遥感能够提高地物识别和分类,通过光谱比较和匹配达到分类识别目的。由于传感器空间分辨率以及地面复杂多样性的差异, 混合像元在遥感图像中普遍存在。混合像元的分解问题是定量遥感应用中的一个突出问题, 如何有效地解译混合像元是遥感应用的关键问题之一。研究了面积比始终为1∶1的两种材料形成的混合像元在不同入射天顶角和不同拓扑位置分布时的高光谱反射比曲线的特征与差异,为混合像元分类精度的提高提供科学依据。     

基于高光谱遥感的荒漠化草原草种类分类模型研究北大核心CSCD

植物群落结构的改变是草原退化的主要特征之一,草原草种类识别与分类是基于遥感的草原退化评价与研究的基础。荒漠化草原物种混杂度高且植被低矮,遥感识别与分类难度较大。本研究以内蒙古荒漠草原建群种和退化指示种为研究对象,在实地采集高光谱数据,通过单因素定量实验法对光谱数据进行特征提取。并基于深度学习的方法,采用了VGG-16卷积神经网络法对上述草种进行识别分类。研究结果表明本方法得到的草原草种类识别模型表现较优,平均识别率达到97%,实现了在自然条件下对多种草原草种类的准确识别,为基于高光谱低空遥感的天然草原退化监测与研究奠定了基础。     

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-...     

基于ICA与SVM算法的高光谱遥感影像分类

提出了一种利用独立分量分析(ICA)与支撑向量机(SVM)算法进行高光谱遥感影像分类的新方法。采用ICA算法对高光谱遥感影像(PHI传感器获取,80波段)进行了特征提取,并以提取出的影像数据(光谱维数为20)构建SVM分类器。对SVM算法进行核函数删选与参数寻优后,发现采用RBF核的SVM算法(C=103,γ=0.05)分类结果最佳,分类精度与Kappa系数分别达94.5127%与0.935 1,优于BP-神经网络(分类精度39.4758%,Kappa系数0.315 5)、波谱角分类(分类精度80.282 6,Kappa系数0.770 9)、最小距离分类(分类精度85.462 7%,Kappa系数0.827 7)以及最大似然分类(分类精度86.015 6%,Kappa系数0.835 1)4种方法。针对分类结果常出现的"椒盐"现象,利用形态学算子对SVM(RBF核)分类结果进行了类别集群处理,将分类精度与Kappa系数分别提高至94.758 4%与0.938 0,获得了更接近实况的分类图像。结果表明:ICA结合SVM算法准确率高,是高光谱遥感影像分类的优选方法,且类别集群是优化影像分类的有效方法之一。     

基于卷积神经网络特征提取的拉曼光谱分类研究

拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域,但是传统的拉曼光谱分析技术依赖于光谱数据库,通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤,通常利用主成分分析,因子分析等方法进行特征提取,而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别,当拉曼数据库不存在待定性物质时,易造成待检测物质的错误分类。针对此问题,提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中,采用九类,200余种精神类药品拉曼光谱作为测试对象,通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质,按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻,支持向量机等方法进行比较,基于卷积神经网络的模型识别准确性有显著提高,该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。     

基于谱聚类与类间可分性因子的高光谱波段选择

随着遥感技术和成像光谱仪的发展,高光谱遥感图像的分辨率不断提高,其庞大的数据量在提高其遥感探测能力的同时,也给分析和处理带来了很大的困难。高光谱波段选择可以有效减少数据冗余,提高分类识别精度和处理效率。因此如何从多达数百个波段的高光谱图像中选择出具有较好分类识别能力的波段组合是亟待解决的问题。针对上述问题,采用基于图论的谱聚类算法,将原始高光谱图像中的波段作为待聚类的数据点,利用互信息描述两两波段间的相似度,生成相似度矩阵。再根据图谱划分理论,将相似度矩阵生成的非规范化图拉普拉斯矩阵进行谱分解,得到类间相似度小且类内相似度大的类簇;然后根据地物类型计算各波段的类间可分性因子,将其作为类簇内进一步选择代表性波段的参考指标,达到降维的目的;最后通过支持向量机与最小距离分类方法对波段选择后的图像分类。该方法区别于传统的无监督聚类方法,采用基于图论的谱聚类算法,并根据先验知识计算类间可分性因子来选择波段。通过与自适应波段选择算法和基于自动子空间划分的波段指数算法的对比实验,结果表明：两组实验当聚类数目达到相对最佳时,该波段选择方法支持向量机图像总分类精度达到94.08%和94.24%以上,最小距离分类图像总分类精度达到87.98%和89.09%以上,有效保留了光谱信息,提高了分类精度。     

基于高光谱图像技术和SVDD的玉米种子识别

特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题。采集了玉米种子的高光谱图像,并提取每粒玉米种子在不同波段下的图像熵作为分类特征;在此基础上,利用支持向量数据描述方法构建每类玉米的分类器模型,对待识别样本的测试精度达到了94.14%,对新类别样本的识别精度达到92.28%。仿真结果表明：新方法可实现玉米种子的准确识别,同时解决了传统分类器对新类别样本的错误分类问题。     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

基于Top-Hat变换的高光谱吸收特征增强方法

对地物高光谱进行特征分析是高光谱影像用于目标识别和地物分类的基础.基于数学形态学的Top-Hat变换提出了一种光谱吸收峰增强算法.该方法在增强吸收峰的同时还保持了吸收谱带的波形特征.从美国地质调查局USGS光谱数据库选取的11条不同矿物的反射光谱曲线,对其吸收峰增强曲线和原始光谱曲线进行了K-means聚类分析.结果表明:吸收峰增强曲线的聚类结果在波形上和地质背景上都优于原始光谱曲线;且将吸收峰增强曲线的聚类的结果用矿物光谱的ASTER影像采样光谱曲线显示时,能总结出各组矿物的ASTER光谱典型特征.说明吸收峰增强曲线很好地增强了矿物光谱的吸收特征,提高了高光谱的可分性,同时还能为基于多光谱数据的遥感信息提取提供参考,是十分有用的高光谱分析方法.     

不同粒度条件下矿物光谱变化分析

矿物粒度是影响矿物光谱特征的一个重要因素,探索不同粒度下矿物光谱曲线的变化情况以及相同粒度下不同矿物的光谱差异,不仅是高光谱矿物遥感信息识别的关键,也为研究矿物随着粒度变化而产生的光谱差异提供理论基础。利用地物光谱仪对采集的六种矿物进行观测,获取了不同粒度下的反射率光谱曲线,同时生成一阶微分光谱曲线,进而分析了不同粒度下各种矿物的光谱变化特征,对比了相同粒度下不同矿物的光谱差异,探索高光谱遥感识别矿物的可能波段。结果表明：各种矿物的光谱曲线均会随着粒度的改变而产生较大的差异,但变化规律不尽相同,紫苏辉石的整条光谱曲线都会随着粒度的增加而下降,叶蛇纹石、赤铁矿、高岭石、绿泥石的光谱曲线在特定的波长范围内随着粒度的增加而下降,橄榄石的光谱与粒度大小不存在直接的相关性;相同粒度下,不同矿物的光谱反射率在大部分波段范围内差异较大,为实现矿物高精度识别提供了可能;叶蛇纹石、高岭石、绿泥石具有较多的宽度较窄、强度较小的吸收峰,而赤铁矿、橄榄石、紫苏辉石的光谱曲线相对平滑,吸收和反射峰的数量较少。本研究旨在为矿物光谱库的构建以及矿物的高光谱技术识别提供基础数据和理论支撑。     

一种空间自适应的多光谱遥感影像端元提取方法

针对现行的凸锥体分析方法提取多光谱影像端元数目的有限性,提出了基于空间全局聚类分析的多光谱遥感影像端元自适应提取方法。该方法首先通过主成分分析对多光谱遥感影像进行降维处理,去除波段间的相关性;然后根据空间光谱间相似性,采用经典的空间聚类算法ISODATA对影像全局聚类,合并聚类后小斑块,实现影像自动分块;最后根据分块对象地物类型分布的复杂程度和散点图特征分析,自适应确定端元数目,再通过沙漏算法迅速地提取端元。通过TM影像端元提取实验表明该方法能够有效的提取多光谱影像的端元;同时克服了端元数目限制,提高了端元提取的精度,为多光谱遥感影像端元提取提供了新思路。     

煤炭矿区植被冠层光谱土地复垦敏感性分析

煤矿区土地复垦及复垦监测工作,对于我国土地利用和生态环境治理具有重要意义。微生物复垦技术能够促进植物吸收利用矿质养分和水分,增强土壤肥力,对矿区生态恢复具有显著作用。监测和评价土地复垦效应对植物生长影响的传统方法,通常采用野外采集植物和土壤样本并进行室内分析,但这些方法不仅破坏植物根系原状土壤,造成植株损伤,而且耗费人力、物力,时效性差。高光谱遥感技术具有数据获取速度快、信息量大、精度高且无须离体破坏植株等优点,对于土地复垦监测有非常大的潜力。目前,土地复垦效应遥感监测相关研究仍以观测盆栽大豆、玉米等作物的叶片光谱分析为主。实际上,卫星遥感数据观测到的是冠层光谱,并非叶片光谱,但目前还没有通过植被冠层光谱对矿区土地复垦进行监测的研究成果出现。植被冠层光谱不仅受到叶片光谱的影响,还受到植株长势、下垫面等其他因素的影响,光谱特征变化更为复杂。矿区植被冠层光谱特征对于土地复垦效应的敏感度分析,是对矿区植被理化参量进行定量反演的基础,也是限制高光谱技术应用于大面积土地复垦监测的主要瓶颈。于煤炭矿区土地复垦实验基地开展野外冠层光谱观测实验,获取了接菌组和对照组野外植株冠层光谱数据,并从光谱波形变化和光谱特征参量变化两方面综合分析了植被冠层光谱对土地复垦的敏感性。冠层光谱波形方面,分别采用标准差和光谱敏感度作为组内和组间光谱波形差异的有效指标;冠层光谱特征参量方面,选取了植被红边、黄边、蓝边、绿峰、红谷等典型光谱特征,计算获取其位置、斜率、面积等特征参量,并通过描述性统计和单因素方差分析研究了这些冠层光谱特征参量对土地复垦效应的敏感性,挑选出矿区土地复垦监测的有效特征参量。研究表明,接菌组和对照组冠层光谱的主要波形变化趋势一致,但接菌组植株的生长状况更稳定,不同植株之间差异较小,且绿峰和红谷两个特征更突出。这说明土地复垦能够减少植株间冠层光谱差异,增强植被典型光谱特征,而绿峰和红谷对土地复垦有较高的光谱敏感度。光谱特征参量方面,绿峰、红谷、红边波长在土地复垦作用下显著向长波方向移动,而此前叶片光谱研究中对土地复垦较敏感的红边、蓝边斜率变化并不显著。这说明,野外植被冠层光谱分析结果与实验室植被叶片光谱分析的结果并不完全一致,这可能和植被类型、生长周期、土壤背景光谱干扰等因素相关。在采用卫星或航拍遥感数据进行矿区植被环境监测时,所获取的都是植被冠层光谱,因此本研究所得到的结论具有更强的参考意义和实际应用价值。     

一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法

由于某些矿物,特别是与成矿作用有关的热液蚀变矿物的光谱特征差异较小,更受到矿物混合光谱等因素的影响,导致大多数光谱识别方法对一些光谱特征相似的矿物极易出现混淆和误判现象。因此,针对矿物光谱的“同物异谱”、“同谱异物”现象,提出了一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法。通过对白云母、高岭石,这两种光谱特征相近的典型蚀变矿物的实验测试、分析,并与光谱角匹配、二进制编码、光谱特征拟合等同类方法进行对比,结果表明该方法能够充分地利用吸收特征波谷位置、吸收特征深度、包络线斜率等多种矿物光谱识别属性特征,进而将不同种类的矿物更明显地予以区分,具有较高的分类识别准确率。     

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。     

油气微渗漏区蚀变矿物含量与光谱之间的定量分析

油气微渗漏的地表异常表现为：地表土壤的矿物组分异常和地表土壤的光谱异常,以中国的榆林地区为研究区,以在研究区内采集的119个样本的矿物组成及反射率光谱为研究数据,对油气微渗漏造成的地表蚀变矿物碳酸盐含量与其光谱吸收峰深度、宽度等特征参数进行了相关分析,建立并评价了测定碳酸盐含量的方法,提出了利用碳酸盐含量表征油气微渗漏程度的新方法。研究结果表明,该法不仅适于表征碳酸盐类油气微渗漏程度,也适用于对其他类型的蚀变矿物油气微渗漏程度的研究,因此可为利用高光谱遥感的光谱信息进行油气勘探的技术研究提供借鉴。     

绿泥石矿物成分与光谱特征关系研究

绿泥石矿物广泛发育于各种岩石和地质环境中,其化学成分的变化,可反映出其形成时的物理化学条件及其光谱特征的变化。为了探索矿物光谱特征与其矿物化学成分间的内在关联性,为利用高光谱技术探测矿物微观信息提供基础依据。通过薄片显微分析,鉴定了岩石样品中的矿物种类及矿物组合特征,圈定出典型的绿泥石矿物颗粒和划分了绿泥石的产状特征;并利用现代电子探针微区分析技术,测定了16件岩石样品中共146个具有典型代表性的绿泥石矿物颗粒的化学成分,据此计算了其n(AlⅣ),n(AlⅥ),n(Fe),n(Mg)与Fe/(Fe+Mg)比值等相关化学参数;此外对测量的岩矿光谱进行分析,提取了岩石样品中绿泥石矿物的特征光谱参量。在以上基础上,对绿泥石矿物的光谱特征参量和其主要晶体化学参数的关系进行分析研究,研究表明绿泥石矿物的诊断性特征吸收波长位置随绿泥石中Fe离子含量的增加而向长波方向移动。研究结果对于利用高光谱遥感技术进行蚀变矿物及造岩矿物种类、成分及结构特征的识别和探测具有重要的指导意义。     

基于反射光谱吸收特征勘探天然气的方法研究

反射光谱学提供了一种高效和低成本的鉴别物质成分和结构的方法;油气微渗漏理论则建立了油气藏与其上部地表的特定异常之间的因果关系。因此,可以通过检测地表异常的反射光谱来勘探油气。野外实地测量和高光谱遥感均能够实现反射光谱的检测。文章通过对青海某地区野外测量的反射光谱的分析,首先提出了典型气田区测点的光谱曲线的宏观吸收特征;然后,完成了反射光谱中的吸收特征的提取,包括吸收波段深度、位置、宽度和对称度,以此分析测区采集的样品光谱,建立了该地区的特征光谱库;提出了检测地表烃类物质的方法;最后基于线性解混模型,实现了半定量地提取测区主要蚀变矿物的丰度信息。     

基于权重光谱角制图的高光谱矿物填图方法

分析光谱角制图方法缺陷的基础上,提出权重光谱角制图(weight spectral angle mapper,WSAM)方法.其基本思路为:在相似波谱曲线差异较大的特征区间设置权重,以增大它们相似度之间的差异.当识别某种矿物时,可找到参考波谱与其相似性矿物波谱差异较大的特征区间,并在此区间设置权重,从而使相似性矿物波谱...