氧气吸收通道的高光谱传感器在轨光谱定标

通过对760nm氧气吸收特征的分析,构建波段半高宽分别为15、10、5和2.5nm的高光谱传感器模型,提出了四种光谱匹配类型和六种光谱匹配算法.基于MODTRAN辐射传输模型模拟出包含光谱偏移信息的测量光谱与参考光谱,计算出不同匹配类型和匹配算法的在轨光谱定标精度.结果表明,采用测量表观辐亮度和参考表观辐亮度作为光谱匹配类型,以相关系数作为光谱匹配算法的光谱定标精度最高.     

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。     

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

光学遥感器光谱响应特性在轨评估中的光谱靶标设计

光学遥感器在轨运行期间,受温度变化、空间辐射等因素的影响,其光谱响应特性会产生变化,进而使目标物理量的测量值产生退化。以光谱靶标为检测参照,通过建立合适的退化模型,可以实现对遥感器光谱响应特性的在轨评估。为达到这一目的,需要针对遥感器的光谱响应函数设计出合适的光谱靶标,通过仿真模拟计算,得出了光谱反射率呈高斯模式的光谱靶标最适合进行在轨评估的结论,在轨实验结果初步验证了设计结果的正确性。     

基于光谱靶标的光学遥感器光谱响应特性在轨评估方法研究

多光谱遥感技术在研究地表生物量、气候变迁和自然灾害预报等方面有重要应用,遥感器的光谱敏感度与遥感数据的定量化存在相关性。遥感器在轨运行期间,受空间辐射、温度剧变和化学分子污染或宇宙尘埃等因素的影响,光学系统光谱敏感度产生退化,导致测量值与真值出现偏差,影响影像产品的精度。在已有工作的基础上,提出了一种简化的基于人工光谱检测参照的光谱响应特性在轨评估方法,通过建立光谱响应函数的退化模型,结合光谱靶标反射率的测量结果与影像反演结果,实现遥感器光谱响应特性的在轨评估。经仿真实验与在轨实验验证,该方法可以有效实现对光谱响应函数波长漂移和带宽缩放变化的检测,并有利于提高遥感器长时间序列数据产品精度和多种遥感器数据产品的综合利用水平。     

基于改进光谱特征拟合算法的高光谱数据矿物信息提取

根据光谱特征拟合算法在实际应用中存在的问题,介绍一种改进光谱特征拟合算法,该算法综合常规的特征拟合处理和地物光谱吸收特征参量约束为一体,能更细致地进行高光谱数据地物信息提取.实验基于不同空间分辨率和信噪比的高光谱数据,编程实现改进光谱特征拟合算法对实验区的白云母、方解石、绿泥石等蚀变矿物信息提取,与常规光谱特征拟合和光谱角制图处理结果的比较分析发现改进算法在矿物混淆区分、信息提取精细度上均得到提高,有较强的实用性.     

非对称空间外差光谱技术研究

传统空间外差光谱技术存在光谱分辨率、光谱范围与探测器象元数之间的制约关系。非对称空间外差光谱技术相比传统空间外差光谱技术主要区别在于增加单臂光栅到分束器的距离,能够在系统参数不变的情况下大大的增加光谱分辨率。首先阐述了非对称空间外差光谱技术的基本原理,并给出相应的系统参数计算公式推导结果,从理论上推导出单臂光栅偏置量增加和光谱分辨率增加之间的关系。偏置量作为非对称空间外差光谱技术的重要参数,受短双边象元数和光谱分辨率需求的制约。根据实验室现有实验平台参数,给出偏置量选择原则及结果。在元器件参数相同的情况下,分别计算了两种形式的理论光学性能参数,并且进行了仿真验证,得出非对称空间外差光谱仪与传统空间外差光谱仪光谱范围相同,但具有更高的光谱分辨率,并且分辨率提高与偏置量增加关系与理论计算相符。最后通过单色光扫描方法对非对称空间外差光谱仪实验室装置进行光谱范围和光谱分辨率的定标,定标结果与理论计算值吻合较好。     

基于光谱分类的端元提取算法研究

目前成熟的端元提取算法是基于单形体几何学的像元纯度指数(PPO)算法,N-FINDR,VCA等算法.这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点;部分算法需要进行光谱降维,不利于小目标信息的提取.该文提出先利用基于空间特征的光谱分类算法进行分类,将格个图像划分成空间相邻、光谱相似的若干类,每一类的...     

数字化地物反射光谱数据库研究进展

随着遥感技术向更高的光谱分辨率方向发展,数字化地物反射光谱数据库的建立和开发越发显得重要,它是遥感应用研究中一项基础性的研究内容和研究方向。遥感应用越来越依赖于地物波谱特征,并且已经发展到定量分析的新阶段,文章较为系统的总结和介绍了近年来国际和国内在数字化地物反射光谱数据库方面的研究现状和该领域的发展趋势,对已建立的包括荒漠、植物、地质、土壤、矿物、云层、雪、大气、岩石、水体、陨石、月球、人造材料、混合物、挥发物、液体等的多种数据库研究现状进行了介绍,并对数字化地物反射光谱数据库的建设中存在的诸如没有统一的光谱数据库国家标准、缺乏地物划分的统一标准、不同数据库之间缺乏可比性、无法进行数据共享机制等问题提出了相应建议。     

外来物种紫茎泽兰光谱特征

紫茎泽兰是一种有毒的外来物种,对我国经济和环境产生了深远的影响。紫茎泽兰具有分布广、扩散快的特征,使得传统监测手段显得捉襟见肘。文章在分析了紫茎泽兰光谱特征的基础上,尝试建立紫茎泽兰遥感识别模型,旨在挖掘有效的紫茎泽兰空间分布动态监测方法。研究表明:紫茎泽兰光谱曲线在可见光范围内有2个反射峰和1个吸收谷,对应的波长分别为560,730和674 nm。紫茎泽兰在674 nm的吸收深度为0.504 3～1.910 3,吸收宽度为13.778 9～17.2518 nm,中心吸收波段的左右面积呈左偏型,且左边面积与右边面积的比值为1.771 9～2.444 1。紫茎泽兰白色的花使光谱反射率在可见光范围内有一明显的抬升,并导致一阶微分光谱在420 nm产生一个波峰。与其他典型地物的光谱特征对比可知,紫茎泽兰在674 nm的吸收宽度和左右面积比值以及420 nm的一阶导数值是花期紫茎泽兰独有的光谱特征,可作为花期遥感识别与提取紫茎泽兰的重要参数。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

高光谱遥感信息中的特征提取与应用研究

特征提取、度量与分析是高光谱遥感应用的基础.面向高光谱遥感数据的特点, 将光谱特征划分为点尺度、面尺度和体尺度三个尺度的特征.基于特征属性与算法原理, 构建了光谱曲线特征、光谱变换特征和光谱度量特征三个层次的高光谱遥感光谱特征体系, 并对光谱特征提取与应用进行了深入探讨.光谱曲线特征包括直接光谱编码、光谱反射与吸收特征等, 光谱变换特征包括植被指数、导数光谱等, 光谱度量特征则包括光谱角、SID、相关系数和距离等.在分析特征算法原理的同时对其特点和应用进行了探讨.试验表明四值编码、光谱角和SID在应用中能够取得较好的效果.     

一种突出目标的多光谱遥感信息提取方法

为了突出目标在多光谱遥感图像中的信息,克服由阈值法所带来的人为误差,提出了一种突出遥感目标信息的方法。利用光谱能级匹配法提取目标在图像中的相似度,并将其作为目标信息波段加入到原始数据中去,进行波段归一化处理,以减少不同波段数据的量纲或数量级的影响,进行MNF变换并合成RGB假彩色图像。以新疆哈图地区的重点成矿岩性——凝灰质粉砂岩为例,进行重点目标突出的结果表明,信息增强后的图像颜色更加丰富,与原始假彩色合成图像相比,可以识别出更多的岩石类型,比原始图像的MNF变换划分出更多地物类型。     

基于光谱重建优化的无人机高光谱影像估算牧草生物量

准确及时地预测牧草的地上生物量AGB(above ground biomass)是实现牧草生长监测和合理放牧的前提。无人机高光谱遥感可快速获取高空间、光谱和辐射分辨率的遥感影像,已被广泛应用于精准农业和高通量植物表型等领域。为探究无人机高光谱影像(unmanned aerial vehicle hyper-spectral image, UAV-HSI)对草原牧草AGB预测的适用性,获取了青海省典型草场样区的UAV-HSI、样方牧草AGB和相关辅助数据。然而,UAV-HSI具有较大的数据量级,不便于被广泛采集、存储和传输,也会显著影响数据处理的效率,严重制约其被有效利用。着眼于此,提出一种兼顾数据简化和光谱保真的牧草冠层光谱重建优化方法,以期在有效降低数据量的同时,保证牧草AGB的预测精度。首先,利用残差量化方法对UAV-HSI进行特征参量化处理,获得低数据量级的多阶二值立方体(H_i)及系数矩阵(β_i),并以此替代原始数据进行存储和传输;其次,利用H_i和β_i进行光谱重建,得到初构光谱PRS(preliminarily reconstructed spectra);最后,运用Savitzky-Golay滤波对PRS进行优化,即为OPRS(optimized PRS)。以样区牧草光谱为例,对OPRS的光谱保真性,即OPRS与原始光谱之间的相关系数、光谱角和光谱矢量距离进行分析,结果表明,在3种保真性指标上,OPRS均明显优于同阶的PRS。进而,分析了牧草AGB与光谱变量之间的相关性,结果表明,与原始光谱和PRS相比,OPRS各波段对牧草AGB的预测能力相对较高且最为稳定。而后,利用偏最小二乘法回归构建了牧草AGB的反演模型,结果表明,在原始光谱、1～4阶PRS和1～4阶OPRS等9种光谱中,4阶和3阶OPRS的AGB预测精度分别达到了最优和次优水平,二者的AGB预测相对分析误差RPD(ratio of performance to deviation)分别为2.31和2.23,比原始光谱模型的RPD分别高0.26和0.18。在降低1个数量级的情况下,OPRS取得了优于原始光谱的牧草AGB预测性能,说明OPRS兼具数据简化和牧草AGB准确预测性能,为UAV-HSI估算牧草AGB提供了一种新的有效解决方案。     

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。     

星载超光谱成像技术发展与展望

超光谱成像技术由于能够同时获取目标的空间信息和光谱信息,显著提高了空间遥感技术对地物的探测和识别能力,在对地观测和深空探测领域具有广阔的应用前景。总结了星载超光谱成像技术近三十年来的国内外研究现状,对国内外典型超光谱成像仪的技术指标、技术特点和应用领域进行了论述。分析结果表明：高空间分辨率、高光谱分辨率是超光谱成像技术未来的发展趋势,offner光栅色散型超光谱成像仪是一个重要的发展方向。     

高光谱遥感监测土壤含水量研究进展

土壤含水量是监测旱情墒情的关键参量,近年来在利用高光谱遥感数据监测土壤含水量方面,国内外进行了大量的研究。文章首先在分析利用不同波段监测土壤含水量的原理及优缺点基础上,指出高光谱遥感监测的独特优势和问题。并以此为出发点,从机理上归纳了土壤含水量对土壤反射率的整体影响,以及对不同波段响应的差异。在此基础上,从物理机理和统计方法两个方面,总结了土壤含水量与土壤反射率的关系。并分析和评价了各模型及统计方法中的关键问题和优缺点。以往研究土壤含水量与土壤反射率关系的实验方法中往往存在一些问题,文章也一一指出并提出了解决方案。同时,探讨了高光谱在消除植被影响,更好地反演土壤含水量方面的可行性。最后对未来的研究方向进行了展望。     

光谱角制图模型的误差源分析与改进算法

在深入分析光谱角制图模型误差源的基础上,指出影响光谱角计算精度的因素主要包括波段位置变化、属性值等比变化、属性值随机变化、波段整体偏移。在分析上述4种情况误差源基本特征的基础上,提出了光谱角分组计算方法、归一化计算方法和交叉计算方法。光谱角分组计算方法在考虑全局特征的同时通过奇数波段、偶数波段分别考虑局部信息,能够解决伪相似问题;归一化计算方法将光谱向量进行归一化,从而抑制了原始数据中的随机误差,主要适用于部分或全部波段属性值有规律或无规律变化的情况;交叉计算方法可以解决由于波段整体偏移引发的误差,保证相似光谱向量的正确识别。试验表明这些算法均具有较好的效果,能够适应处理含有误差数据的要求。     

两种光谱混合分析模型的比较

为了分析与对比线性光谱混合分析模型(LSMA)和约束线性光谱混合分析模型(CLSMA)在光谱混合分解中的优势与劣势,我们设计了混合光谱分解实验。反演结果表明,当利用所有光谱数据进行端元百分含量反演时,LSMA的总误差比CLSMA小0.075。当利用波段选择后的数据进行端元百分含量反演时,前者的总误差比后者小0.017。这样,不论是利用所有光谱波段数据还是利用波段选择后的数据,LSMA在混合光谱分解的效果上都优于CLSMA;此外,LSMA利用波段选择数据反演端元百分含量的总误差比它利用所有波段数据的总误差小0.02,CLSMA利用波段选择数据反演端元百分含量的总误差比它用所有波段数据的总误差小0.077。这主要是因为波段选择大大减少了端元光谱间的相关性,所以,利用波段选择数据进行混合光谱分解优于不加选择的光谱混合分解。