基于连续小波变换的地下天然气微泄漏点识别模型

天然气作为一种清洁、高效的低碳能源,消费占比日益增大。无论是地下输气管道还是储气库,由于管道腐蚀、老化、自然灾害,地下断层、注入井封存不好等因素,都会导致天然气泄漏。从安全、经济、环境等方面考虑,开展地下天然气管道和储气库微泄漏检测是十分必要的。利用高光谱遥感监测地表植被变化而间接探测天然气微泄漏点,通过野外可控系统模拟地下储存天然气微泄漏实验,以冬小麦为研究对象,采集了9期小麦冠层光谱数据,通过光谱分析探寻胁迫小麦光谱特征并构建指数识别模型。首先对小麦冠层光谱进行奇异值剔除和平滑处理,对连续统去除之后的冠层光谱进行连续小波变换,选用Mexihat母小波,在尺度参数为32时,小波系数有较少的峰值和谷值,能与原始光谱拟合较好,且小麦多期数据其峰值和谷值位置都比较稳定。受胁迫和健康小麦的原始光谱可分性较差,但小波系数在487,550和770 nm处受胁迫与健康小麦样本可分性较优,且具有明显的诊断性特征：(1）受胁迫和健康小麦的小波系数在487 nm处为“吸收谷”,其小波系数值为负值,健康小麦小波系数值大于受胁迫小麦的;(2）受胁迫和健康小麦的小波系数在550和770 nm处,有明显的“反射峰”,且受胁迫小麦的小波系数值较大。为更好突出差异性,增强受胁迫和健康小麦的小波系数差异特征,构建了CWT_mexh（CWT_mexh=CW2₇₇₀/(1-CW₄₈₇)·CW₅₅₀）指数用于胁迫与健康小麦的识别;然后分别与NDVI₇₀₅,mNDVI₇₀₅,ARI1,R₄₄₀/R₇₄₀,D₇₂₅/D₇₀₂指数进行对比分析,经J-M距离定量检验,结果显示CWT_mexh指数对天然气微泄漏胁迫下的冬小麦具有较好的识别效果,该指数在天然气胁迫发生20 d后可以稳定区分胁迫和健康两类小麦,且在全生育期都保持相同的规律,而NDVI₇₀₅,mNDVI₇₀₅,ARI1等指数在整个生育期内无法准确识别健康与胁迫小麦。CWT_mexh指数在稳定性、普适性与可识别性方面优于其他5个指数。因此,高光谱遥感监测地表植被间接识别天然气微泄漏点具有可行性,研究结果可为星载高光谱遥感监测地下储存天然气泄漏点提供理论依据和技术支持。     

水浸胁迫下植被高光谱遥感识别模型对比分析

随着全球气候变暖,我国洪涝灾害发生的频率及影响范围都不断增加。通过野外模拟试验,研究植被（玉米、甜菜）在水浸胁迫下的光谱变化特征,以构建高光谱遥感模型对水涝灾害范围进行监测。试验于2008年5月-8月在英国诺丁汉大学Sutton Bonington校区（52.8°N ,1.2°W）进行,每周采集一次样本并在室内测量其光谱数据。试验结果表明植被光谱在550,800～1300 nm区域反射率都稍有降低,而在680 nm区域反射率则略微增大。选取NDVI ,SIPI ,PRI ,SRPI ,GNDVI及R800* R550/R680共六个植被指数识别水浸胁迫下的植被,研究表明,指数SIPI与 R800* R550/R680对水浸胁迫玉米比较敏感,而指数SIPI ,PRI及 R800* R550/R680对水浸胁迫甜菜比较敏感。为寻找最优的识别模型,计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析,发现植被指数 R800* R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离,说明该指数识别水浸胁迫植被的能力优于其他指数,且具有较强的敏感性与稳健性。因此,可以利用该指数快速地提取水浸面积,为救灾减灾决策提供信息支持。     

地下储存CO2 泄漏胁迫下地表植被光谱变化特征及识别研究

随着全球气候变暖,减少温室气体排放成为全世界所关注的问题,而碳捕捉与储存(carbon capture and storage,CCS)技术可以减少温室气体CO₂排放量,但储存在地下的CO₂有泄漏的风险。本工作的目的是通过野外模拟实验,研究地表植被(甜菜)在CO₂轻微泄漏胁迫下其叶片叶绿素含量、水分含量及光谱变化特征,结果表明CO₂泄漏胁迫的甜菜叶绿素与叶片含水量明显降低,叶片反射率在550 nm减小,而在680 nm增大。设计了比值指数R₅₅₀/R₆₈₀进行识别CO₂泄漏胁迫的甜菜,发现该指数能够在胁迫发生7天后识别出胁迫的甜菜,且该指数具有较强的敏感性、稳健性及识别能力。研究结果对于未来CCS项目选址、地表生态监测评估、遥感监测CO₂泄漏点等都具有重要的现实意义与应用价值。     

近红外高光谱成像的微破损棉种可视化识别

优质棉种是全面推广棉花精量播种技术的基础。采用近红外高光谱成像技术实现微破损棉种可视化识别,为棉种精选设备的研制奠定理论基础。以未破损和微破损两类棉种各540粒作为样本(其中405粒作为建模集,135粒棉种作为预测集),分批采集874~1 734 nm范围的样本高光谱图像,提取光谱数据并去除首尾两端明显噪声保留955~1 659 nm范围内光谱为棉种样本的光谱。首先使用Kennard-Stone(KS)算法进行样本划分,并通过平滑算法Savitsky-Golay(SG)对光谱进行预处理。采用二阶导数光谱(2nd spectra)方法、连续投影算法(SPA)和主成分载荷(PCA-loading)方法分别选取10,14和11个特征波长。基于全部光谱数据和特征波长建立偏最小二乘判别分析(PLS-DA)模型、K最邻近(KNN)模型和支持向量机(SVM)模型,SPA-PLS-DA模型取得了较好的结果,建模集和预测集的鉴别率分别为91.50％和90.33％。基于SPA-PLS-DA模型分别对未破损样本和微破损样本及其混合样本图像进行识别,取得了较好的识别结果,微破损棉种的识别率达90%以上。结果表明,结合近红外高光谱成像和图像处理技术,能够实现微破损棉种的可视化识别。     

牧草品质的高光谱遥感监测模型研究

粗蛋白、粗纤维、粗脂肪是评价牧草品质和饲用价值的重要指标。针对目前已有的牧草品质检测方法存在费时费力、容易产生化学废物等问题,提出了一种利用牧草冠层高光谱数据来实现牧草品质实时、无损监测的方法。通过ASD FieldSpec 3地物光谱仪采集了青海湖环湖地区19种天然牧草的冠层光谱反射率,并采样分析了牧草品质参数——粗蛋白、粗脂肪和粗纤维的相对含量(%)。光谱经去噪处理后,分别选择原始光谱、一阶导数、波段比值以及小波系数与牧草品质参数进行相关性分析。结果表明：在所有高光谱参量中,牧草品质参数含量与424,1 668,918 nm波段处的光谱一阶反射率以及低尺度(scale=2,4)的Morlet,Coiflets和Gassian小波系数之间的相关性较强。在此基础上,运用单变量线性、指数和多项函数分别建立牧草品质的高光谱遥感估算模型,分析结果显示,以Coiflets小波系数(scale=4,wavelength=1 209 nm)为自变量的二次多项式模型、以1 668 nm波段光谱一阶导数为自变量的二次多项式模型、以918 nm波段光谱一阶导数为自变量的指数模型分别为估算牧草粗蛋白、粗脂肪、粗纤维含量的最佳回归模型,模型检验均达到了极显著水平(0.762≥R2≥0.646),说明在冠层尺度利用高光谱技术结合光谱一阶导数或小波分析的方法来估测牧草品质参数是可行的,它将为牧草品质遥感监测提供依据。     

草地退化的高光谱遥感监测方法

我国草地分布面积广,退化情况严重,实时、准确地监测草地的生态状况,对于区域气候、碳循环研究以及经济发展具有重要意义。利用地面实测光谱数据进行了高光谱草地退化监测研究。选择内蒙古呼伦贝尔市的温性草甸草原为研究对象,测量了草甸草原的羊草、克氏针茅、冷蒿等多种植物的叶片、冠层以及多种植物混合的群落反射率光谱数据。通过有效的光谱特征参量化方法,提取叶片和冠层光谱的光谱特征,准确区分了草甸草原的几种建群和退化指示草本植物,验证结果表明光谱识别的精度高于95%。以此为基础,利用线性光谱混合模型对群落植被的混合光谱数据进行混合光谱分解,得到各组分的覆盖度,误差在5%以内。该文的研究结果为高光谱遥感草地监测提供了有力依据。     

高光谱技术联合归一化光谱指数估算土壤有机质含量

随着近地高光谱遥感技术的发展,为快速、有效、非破坏性地获取土壤有机质(SOM)信息提供了可能。土壤高光谱波段数据众多,光谱数据变量之间存在较为严重的多重共线性,影响模型复杂结构,而构建归一化光谱指数(NDSI)可以有效去除冗余信息变量,放大光谱特征信息。以江汉平原公安县为研究区,采集56份耕层土样,在室内获取土壤光谱数据,采用“重铬酸钾-外加热法”测定SOM含量,对实测土壤光谱数据(Raw)进行倒数之对数(LR)、一阶微分(FDR)和连续统去除(CR)三种变换,计算四种变换的NDSI数值,分析SOM与NDSI的二维相关性,并对一维、二维相关系数进行全波段范围内的p=0.001水平上显著性检验,提取敏感波段和敏感光谱指数,结合偏最小二乘回归(PLSR)建立SOM的估算模型,探讨二维光谱指数用于建模的可行性。研究表明,二维相关系数相比一维相关系数有不同程度的提升,以LR最为显著,相关系数数值提升约0.26;基于二维相关性分析提取的敏感光谱指数的PLSR建模效果整体优于一维相关性分析提取的敏感波段,其中,NDSI_LR-PLSR模型的稳健性最优,验证集R2为0.82,模型验证RPD值为2.46,模型稳定可靠,可以满足SOM的精确监测需要,适合推广到区域范围内低分辨率的航空航天遥感(如ASTER,Landsat TM等),应用潜力较大。     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

高光谱遥感图像的小波去噪方法

高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪,其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点,文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换,根据含噪声大的波段与噪声小的波段的波长关系,对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数,通过小波逆变换得到去噪后的重构图像。该方法运算速度快,能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS)实验表明,与经典的BayesShrink图像去噪方法相比,方法重构图像的信噪比(SNR)高出3.8～10.6 db,节省运算时间一半以上。     

近红外光谱的海水微塑料快速识别

光谱技术与机器学习算法结合快速识别微塑料, 为微塑料的现场检测提供了极大的技术支持,是一个得到极大关注的新领域。近红外光谱检测技术具有检测速度快、灵敏度高、不损坏样品,且可以在不对样品进行预处理的情况下直接检测等特点,在化学分析、质量检测等领域广泛应用。本文基于近红外光谱检测技术,研究比较了结合Support Vector Machine（SVM）和Extreme Gradient Boosting（XGBoost）两种机器学习分类算法,构建微塑料的高速有效识别分类模型。采用微型近红外光谱仪采集了20种常见的微塑料标准样品的光谱数据,为了防止过拟合,对每种样品多次采样,共收集了1 260个微塑料样本,每个样本包含512个数据点。利用XGBoost算法进行特征重要性排序,共提取了对识别准确率影响较大的65个数据点。分别采用SVM算法和XGBoost算法对数据降维后提取的65个数据点建立微塑料快速识别模型,并运用网格搜索（GridSearchCV）对XGBoost算法影响较大的超参数进行选取,确定n_estimators,learning_rate,min_child_weigh,max_depth,gamma的最佳超参数分别为700,0.07,1,1,0.0。为了提高模型的稳定性,识别速率和泛化能力,对模型采用10折交叉验证和混淆矩阵评估;研究结果表明,XGBoost模型对微塑料的识别准确率为97%,而SVM模型对微塑料的识别准确率为95%;XGBoost模型对微塑料识别的正确率优于SVM模型。综上所述,XGBoost模型微塑料识别整体性能优于SVM模型,为实际微塑料快速识别提供技术支撑。     

霾光谱特性分析与卫星遥感识别算法

近年来,我国频繁发生的灰霾污染事件和常态性的高细颗粒物浓度(PM_2.5),已经引起了全世界范围的广泛关注。卫星遥感能够对大气污染进行快速准确地监测。然而在大气遥感领域具有代表性的中分辨率成像光谱仪(NASA/MODIS),其云监测和暗像元反演算法通常把灰霾当做薄云、雾或地表亮目标处理,无法反演霾天的气溶胶光学厚度(aerosol optical depth, AOD)。笔者研究了云、雾、霾、地表覆盖等不同像元在可见光、近红外以及红外通道的光谱特性。基于MODIS数据,参考相关的云监测和气溶胶反演算法,选取多个对灰霾敏感的光谱通道,计算表观反射率和亮度温度。针对不同波段,分别探讨了霾与薄云、低层云、雾、浓密植被和地表亮目标等像元之间的光谱差异,统计灰霾分布的阈值区间,并设计基于MODIS卫星遥感数据的灰霾识别自动处理流程。通过对2008年华北平原春夏两个重霾事件进行测试,该算法的霾分布监测结果与卫星真彩图具有较好的一致性。基于北京和香河AERONET站点观测的高AOD数据,验证了本算法的霾识别率接近80%,在一定程度能够弥补MODIS标准气溶胶算法用于灰霾天的不足。最后,分析了灰霾识别过程中的主要误差来源,并提出了基于霾纹理特征,以及其他辅助数据支撑的改进方法。     

高光谱遥感图像光谱解混的独立成分分析技术

高光谱遥感在对地球陆地、海洋、大气的观测中发挥着重要作用,高光谱遥感图像分析的关键是提取像元光谱内部各物质成分及其含量,即光谱解混。独立成分分析提供了一种先进的技术手段,在很少先验知识的前提下,实现端元(物质成分)光谱及其丰度(含量)的同时提取。但丰度约束破坏了各成分独立的前提条件,导致了独立成分分析的局限性。针对这一问题,提出了丰度约束下总体相关性最小化的解决方案,并指出总体相关性最小化下的理想角度,通过设计角度修正的独立成分分析算法把各成分调整到理想角度上。利用模拟数据与真实数据算法进行检验,结果表明：经过角度修正后,独立成分分析突破了原有的局限性,有助于进一步提高独立成分分析技术在光谱分析中的有效性。     

龄组植被指数的构建及其初步应用研究

林龄(龄组)是划分林分结构的主要指标之一,其对监测森林健康,推进森林可持续发展具有重要意义。本文提出一种基于遥感数据的龄组植被指数(AGVI),并对其可行性进行验证。以福建省三明市、将乐县、沙县、南平市、华安县、云霄县、南安市、安溪县、莆田市、长汀县、建阳市、宁德市及福清市等13个县(市)518组松林龄组数据及同时相HJ-1 CCD多光谱影像为基础,对各龄组松林冠层的蓝光、绿光、红光、近红外及NDVI的光谱差异性进行分析,各龄组在近红外波段表现为幼龄林＞中龄林＞过熟林＞成熟林＞近熟林的特征,NDVI则表现为成熟林＞近熟林＞过熟林＞幼龄林＞中龄林的特征,由此构建龄组植被指数AGVI;该指数可以扩大各龄组松林的绝对及相对光谱差异。采用K-均值法对松林AGVI进行聚类分析,结果显示,松林龄组的划分精度为80.45%,准确率为90.41%。由此证实本文所构建的龄组植被指数具备有效性。     

天然气管道泄漏可调谐二极管激光遥感探测的研究

天然气管道泄漏不仅造成经济损失而且是危险之源。传统的天然气管道泄漏检测技术效率低、速度慢,难以满足实际应用的需要。近年来以近红外二极管激光吸收光谱为基础的光学传感器由于具有灵敏度高、体积小、重量轻和无需维护等优点而得到了广泛的应用。文章以可调谐二极管激光吸收光谱和谐波探测技术为基础进行天然气管道泄漏遥感探测技术的研究,采用二次谐波与一次谐波信号的比值作为系统浓度标定,结果显示浓度与比值之间具有较好的一致性。文章还就不同地形散射体对探测结果的影响进行了测量和分析,实验结果表明二次谐波与一次谐波信号比值标定技术对便携式二极管激光光学测量能够很好的满足实际应用的需要。     

植被冠层水平叶绿素含量的高光谱估测

植物的叶绿素含量指示了其健康状况。大区域范围内植被叶绿素含量信息的提取可以用于评价植被的生长状况,实现对生态环境的监测。对于农田系统而言,作物叶绿素含量的估测还可以对施肥等田间操作提供支持。文章利用辐射传输模型模拟多组不同状态下的植被冠层光谱反射率,通过对模拟数据的冠层叶绿素含量以及冠层光谱之间关系的分析,构建了估测植被冠层水平叶绿素含量的光谱指数模型。该模型对冠层叶绿素含量的方差解释量达到了75%以上。分别使用野外实测冠层光谱和Hyperion高光谱遥感影像对试验区进行验证。结果证明该模型对冠层水平的叶绿素含量估测效果较好,具有应用价值。     

激光拉曼光谱法测定天然气组成标准研究

进行了天然气组成分析-激光拉曼光谱法标准化研究,探讨了激光拉曼天然气组成分析方法标准化的可行性。采用激光拉曼光谱进行天然气组成分析,无需将天然气中各组分分离便可实现多组分同步检测,减少分析时长,提高测量的实时性,实现快速分析,通过国内外激光拉曼天然气分析方法和标准的研究和实验,掌握了国内外激光拉曼天然气分析方法技术现状及发展方向,积累了激光拉曼天然气分析试验数据,结果表明激光拉曼天然气分析具有可快速检测(10 s)、连续记录和操作简单的优点,适用于天然气录井、井站、集气站原料气气质分析和天然气净化处理中过程控制中实时快速获取气质数据,建议制定激光拉曼光谱天然气分析方法标准,测量组分为CO₂,N₂,H₂S,CH₄,C₂H₆,C₃H₈,测量范围分别为：CH₄：75%~99.9%,C₂H₆：0.005%~20%,C₃H₈：0.005%~10%,H₂S：0.001 5%~10%,N₂：0.02%~10%,CO₂：0.01%~10%(上述浓度均为摩尔分数),为上游领域天然气勘探开发及过程控制服务。