油页岩含油率近红外光谱原位分析方法研究

为实现油页岩含油率的原位检测,采用便携式近红外光谱分析技术,针对吉林扶余油页岩基地2号钻井的66个岩芯样品开展了原位检测的分析建模方法研究。采用自制便携式近红外光谱仪器获得反射率、吸光度、K-M函数三种数据形式光谱数据,结合主成分-马氏距离(PCA-MD)剔除异常样品、无信息变量消除法(UVE)波长筛选及二者组合的四种建模数据优化方法,采用相同的数据预处理方法进行偏最小二乘(PLS)和反向传播神经网络(BPANN)两种方法的建模分析研究,确定最佳分析模型及方法。结果表明(1)不论是否采用四种不同的数据优化方法,两种建模方法所用建模数据库适合采用反射率或K-M函数的光谱数据形式;(2)两种建模方法,采用四种不同的数据优化方法,对相同数据库建模精度的影响不同：采用PLS建模方法、以PCA-MD和UVE+ PCA-MD两种方法进行数据优化、可以提高K-M函数光谱数据形式数据库的建模分析精度,采用BPANN建模方法、以UVE、PCA-MD 与UVE组合的 三种方法进行数据优化、对三种数据形式数据库的建模精度均有所提高;(3)除以反射率光谱数据并进行PCA-MD数据优化外,采用BPANN方法的建模精度好于PLS法。其中采用反射率光谱数据形式、只进行UVE数据优化外的BPANN建模精度最高,预测相关系数为0.92、标准偏差为0.69%。     

光谱数据对油页岩含油率近红外光谱分析PLS建模精度的影响

目前油页岩关键的评价参数——含油率的检测方法均无法实现原位测量,无法满足油页岩资源的勘查和开采中样品检测的要求。便携式近红外光谱分析技术,为实现油页岩含油率的原位检测提供了可能性。由于光谱数据的不同形式与样品的成分含量值之间有不同的相关关系,样品不同成分的吸收特性表现在不同的近红外波段上,因此利用合成样品,针对反射率、吸光度、K-M函数等三种不同的光谱数据表示形式和四种不同的建模区间,研究它们对油页岩含油率PLS模型精度的影响情况。结果表明：对于合成样品,进行PLS建模的最佳光谱数据形式是反射率,最佳建模区间是组合特征区间,即适当的光谱数据形式及建模区间可提高模型的精度。     

基于Stacking集成学习的近红外光谱油页岩含油率预测

为了克服单一模型预测精度很难进一步提高的不足,利用近红外光谱分析结合基于Stacking框架的异构集成学习模型实现对油页岩含油率的检测。以松辽盆地某区块所取230个油页岩岩芯样本为研究对象,使用低温干馏法测量油页岩样本的含油率,同时扫描每个样本对应的近红外光谱数据。样本使用蒙特卡洛算法进行异常样本剔除,将剔除异常样本后的213个数据按照3∶1的比例随机划分为训练集和预测集。利用去趋势加基线校正方法进行预处理消除光谱数据中噪声和基线漂移,利用随机森林算法进行波长重要性排序并保留重要波长,在此基础上采用CARS算法进行特征波长提取,进一步降低数据维度。最后,构建以PLS, SVM, RF和GBDT为初级学习器,PLS回归模型为次级学习器的Stacking集成学习模型,各初级学习器模型参数使用网格搜索进行寻优。使用决定系数和预测均方根误差作为各模型的评价指标,探究单一模型和集成学习模型对油页岩含油率预测的准确性。研究结果表明,RF-CARS方法能够有效筛选重要波长,进而提高模型效率。基于Stacking的异构集成学习模型与单一模型(SVM和PLS)和同构集成学习模型(RF和GBDT)相比有更...     

全光纤激光相干合成光谱响应特性研究

基于N-腔镜谐振腔理论对全光纤激光相干合成进行了理论分析，数值模拟了迈克尔逊型相干合成激光器的光谱特性，对两个光纤Bragg光栅的中心波长差和两路光的光程差对合成光谱特性的影响给出了理论解释.用啁啾光纤光栅取代其中一个光纤Bragg光栅，使激光相干合成的带宽由0.3 nm拓展到1.0 nm.     

雪粒径高光谱遥感估算模型研究

雪粒径是影响全球/局地能量收支和表征积雪水热状态的重要参数,大面积监测和估算雪粒径的分布及大小对于全球/局地气候变化和水资源管理具有重要意义。目前遥感技术已成为大面积监测和估算雪粒径的重要手段。针对雪粒径的遥感监测与估算,该研究采用辐射传输模型模拟雪面可见光-近红外波段的光谱曲线,经过分析光谱曲线并结合一阶微分和累计差异值选取对雪粒径敏感的波段和积雪指数,建立单变量雪粒径高光谱遥感估算模型,并用地面实测数据进行验证,结果表明,单波长1 030 nm,1 260 nm和归一化差值积雪指数(460和1 030 nm)构建的估算模型预测精度较高,雪粒径估算值与实测值的相关斜率分别为1.37,0.61和0.62 ,R2分别为0.82,0.86和0.93,RMSE分别为55.65,50.83和35.91 μm,可用于雪粒径的估算研究。研究成果为雪粒径的高光谱遥感反演提供科学依据。     

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。     

紫外像增强器光谱响应特性测量方法研究

为了能及时测量自制紫外像增强器的光谱响应特性，设计了一套简便的测量紫外像增强器光谱响应的系统。该系统由专用光源室、光栅光谱仪、直流稳压电源、皮安电流计4部分构成。用光栅光谱仪配套软件直接读出光源每个波长对应的辐射功率；用皮安电流计直接测量出各个波长的光照射光阴极时光阴极产生的光电流，然后求出这2个比值并用Microsoft Excel 2003进行处理，得到光电流与波长变化的曲线，即相对光谱响应曲线。从曲线可以看出，该紫外像增强器的光谱响应范围为200nm～340nm，峰值响应在270nm附近，表明该紫外像增强器具有日盲特性。测试结果表明：系统不确定度＜10%。     

近红外光谱法分析油页岩含油率中异常样品识别和剔除方法的研究

研究了漫反射近红外(NIR)光谱法分析油页岩含油率过程中异常样品的识别和剔除方法。在近红外光谱定量分析中,环境变化和操作失误等都会产生异常样品,异常样品的存在会导致模型的预测能力下降,因此异常样品的剔除是建模过程中的关键步骤。分别采用主成分分析—马氏距离(PCA-MD)法和半数重采样(RHM)法识别油页岩光谱数据中的异常样品,通过剔除异常样品后所建的偏最小二乘(PLS)分析模型的性能来评价PCA-MD与RHM方法对异常样品的识别能力。实验中考察了不同MD阈值和RHM置信度对异常样品剔除结果的影响,比较了单独和同时应用PCA-MD及RHM法识别并剔除异常样品后所得PLS模型的预测能力。结果表明：与所有样品参与建模时预测偏差均方根(RMSEP)相比,采用PCA-MD法时阈值取平均值与标准偏差之和时RMSEP降低了48.3%;采用RHM法时置信度取85%时RMSEP降低了27.5%;同时采用PCA-MD法和RHM法时RMSEP降低了44.8%,研究内容有效地提高了分析模型的预测能力。     

高光谱遥感器的光谱定标

高光谱遥感器光谱性能参数的准确定标是高光谱遥感器数据定量应用的基本前提。本文基于单色准直光标定法对高光谱遥感器进行了光谱性能参数定标,通过数据采集软件及数据处理软件对高光谱遥感器光谱性能参数定标数据进行了分析。分析结果显示:定标测试的重复性在1 h内小于0.2 nm,在20 h内小于0.35 nm。光谱定标结果表明:高光谱遥感器的平均光谱分辨率为4.94 nm,且各高光谱遥感器空间维光谱分辨率均小于5 nm,典型谱段的平均带宽均在6 nm左右。     

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。     

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。     

土壤漏油含量光谱预测实验研究与分析

针对土壤漏油污染的检测、分析和含量预测等实际问题,用关中平原常见普通土壤、柴油、机油及油土混合物为研究对象,设计被不同油种污染以及不同污染程度的土壤光谱特征实验。采用光谱分析的方法来获取光谱指数,测量并分析渗漏相同含量两个油种的油土混合物以及渗漏不同含量同一油种的油土混合物的光谱特征及其差异,根据分析结果建立一个基于反射特征的土壤柴油渗漏含量的光谱预测模型。研究表明：(1)渗漏相同含量不同油种时,渗漏柴油的土壤的反射率低于渗漏机油的土壤;渗漏柴油和机油的土壤均在1 740和2 328 nm附近出现双吸收谷特征,且在每一个吸收谷点处渗漏柴油的土壤的光谱吸收深度和光谱吸收指数均低于渗漏相同含量机油的土壤。(2)建立的土壤柴油渗漏含量的光谱预测模型相关系数r的值达到0.854,说明模型具有较强的稳定性;评价模型预测能力的均方根误差RMSE值为0.016证明该模型具有较好预测能力,可以对土壤柴油渗漏含量进行有效的预测。     

基于光谱分析的草地叶绿素含量估测植被指数

对现有叶绿素遥感估测研究方法进行比较,确定植被指数法是其中最实用、普适性最强的研究方法。近年来,草地退化问题日益严峻,需要进一步从光谱分析、植物生化参数估测的角度加以研究,因而亟需建立一种用于反演草地植被叶绿素含量的植被指数。首先对四川省松潘草原和内蒙古自治区贡格尔草原的草地实测反射率光谱曲线及其一阶微分曲线进行分析,通过这两种光谱与叶绿素含量的相关性分析,找到红边区域（red-edge position, REP）与草地叶绿素含量之间的规律,即叶绿素含量越高,反射率一阶微分曲线的红边拐点（red-edge inflection point, REIP）取值越高,由此构建草地叶绿素含量估测植被指数（grassland chlorophyll index, GCI）,选取最适宜反演的波段,最后采用卫星高光谱影像计算GCI,将计算结果与野外试验观测的叶绿素含量数据进行精度分析验证。结果证明,对于草地叶绿素含量来说,GCI比其他叶绿素指数的敏感性更强,具有较高的草地叶绿素含量估测精度。GCI是第一个针对草地叶绿素含量估测而被提出的植被指数,其对遥感反演草地叶绿素含量具有广泛应用潜力。同时这种基于光谱分析的草原植被叶绿素含量估测方法为其他的草原植被生化参数估测、草原植被生长状况评价以及草地生态环境变化大面积监测提供了新的研究思路。     

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。     

利用土壤的近红外光谱特征测定土壤含水量

以新疆玛纳斯县不同质地土壤(砂壤土、粉粘壤土和粘土)室内光谱反射率作为研究对象,采用包络线去除法对土壤光谱曲线进行处理,与土壤含水量进行相关分析并建立模型。结果表明：不同质地土壤光谱反射率大小依次为：粘土>粉粘壤土>砂壤土;砂壤土、粉粘壤土和粘土分别以田间持水量20.01%,24.10%和30.43%为临界点,在低于该临界点范围内含水量与反射率呈反比,在高于该临界点范围内含水量与反射率呈正比;在1 390～1 623 nm波段内,土壤含水量与光谱归一化反射率有较好的负相关,并达到显著水平,所建立的土壤含水量预测模型R2值达到0.8以上,模型平均相对误差为10%。结果表明,建立不同质地土壤含水量光谱预测模型可以较准确反映土壤含水量,其快速、无损、准确的优点,为测定土壤含水量提供了一种新方法。     

基于岩石光谱吸收特征的白云母含量反演

岩石是由多种矿物组成,其反射率光谱吸收特征与矿物含量之间存在紧密联系,矿物光谱在特定波段处的光谱吸收特征是定量估算含量的重要指标之一。为提升岩石光谱吸收特征定量反演矿物含量的准确度与精度,以白云母为研究对象,分析岩石光谱在2.2 μm附近的光谱吸收特征及其白云母含量,采用Savitzky-Golay平滑滤波和连续统去除法对岩石光谱反射率进行处理,进而提取光谱吸收特征参数（吸收深度、吸收宽度、吸收面积）,分析岩石光谱在2.2 μm附近吸收特征与白云母含量之间的相关性。研究中采用单一吸收特征建立统计模型、多维吸收特征建立偏最小二乘法（PLS）和多层感知器（MLP）模型,对岩石中白云母含量与光谱吸收特征参数进行分析,进而提出一种非线性预测岩石中矿物含量的方法。研究结果表明,岩石光谱在2.2 μm附近的光谱吸收特征中,吸收深度与白云母含量之间的相关性最高。基于单一吸收特征的统计模型中,二次曲线模型对吸收深度拟合的效果最佳,R2为0.935 0,RMSE为0.063 0,岩石光谱的吸收深度随白云母丰度满足二次曲线变化,岩石中白云母的含量越高,岩石光谱吸收深度值越大;基于多维光谱吸收特征的PLS模型相较于MLP模型拟合的效果更佳,其R2为0.947 7高于MLP的0.901 2,RMSE为0.002 7低于MLP的0.005 1;整体上,多维模型优于单一维度模型,PLS模型反演能力最佳,该模型在预测白云母含量上具有运算量小、精度高的特点。通过分析岩石在诊断特征处的光谱吸收特征,为其矿物组分的含量等进行定量反演提供理论参考,为矿产资源监测与评估提供快速高效便捷的方法。     

遥感光谱信息提取不同覆盖下植被水分信号的研究进展

综述了基于遥感光谱信息的植被水分信号提取的研究进展,包括直接利用光谱反射率反演植被水分信息到建立植被水分指数(WI),再发展至利用辐射传输模型来获取植被冠层水分信息。着重评述了针对低植被覆盖条件下的提取其冠层水分信息的方法,包括利用冠层生理参数估算植被水分信号;基于去除土壤背景影响的光谱植被水分指数或辐射传输模型估算植被水分信息,以及基于多角度的星-地观测提取稀疏条件下的植被水分信息。最后讨论了针对提取低覆盖植被冠层水分信息方法的可能发展趋势。     

岩石化学成分及复介电常数与光谱特征的关系探究

实验对辽宁省兴城地区的97块岩石样本测量了350～2 500 nm间光谱反射率,岩石化学成分及部分样本的复介电常数值,并用包络线去除法计算了光谱吸收深度。研究基于岩石化学成分光谱特征理论、介电常数相关理论,利用相关性分析的方法求得岩石各化学成分与光谱吸收深度间的相关系数曲线、岩石复介电常数与光谱反射率间的相关系数曲线。通过归纳总结曲线形态特征,获得以下信息：(1)岩石中SiO₂,Al₂O₃,CaO,K₂O,MgO,灼失含量与光谱吸收深度在波段(1 900～2 500 nm)间相关性明显,在1 900,2 200和2 300 nm等化学元素识别特征波段处,出现局部极大/极小值;火成岩中Fe₂O₃含量与光谱吸收深度在铁元素的特征波段(400～550 nm)有着良好的相关性,相关系数达-0.406。探讨岩石光谱吸收特征与其化学成分含量间的关系在通过遥感影像进行成矿预测、识别岩性等方面都有着积极的作用。(2)岩石复介电常数总体与岩石反射率呈负相关,实部相关性优于虚部,实部相关系数在1 900 nm附近达到极小值-0.753。观查曲线可知,介电常数实部与光谱反射率相关系数在1 900和2 200 nm附近都有着良好的相关性,因此实验运用不同的模型拟合了在该处的响应关系函数曲线。介电常数是介质的基本物理性质之一,现有研究中多在微波波段中分析电磁波特征与介电常数间的关系,该研究在可见光和近红外波段范围内探究了二者间的关系,为进一步探讨岩石介电特性和光谱特征奠定了基础。     

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。     

基于光谱指数波段优化算法的小麦玉米冠层含氮量估测

作物关键生育时期冠层氮素含量的实时监测对于优化氮肥用量和减少环境风险具有重要的意义。为了寻求预测不同作物氮素含量的最佳光谱参数,实现作物氮素无损营养诊断。本研究通过2008年—2011年在德国慕尼黑弗莱辛和河北曲周的不同氮量的小麦玉米田间试验,采用高光谱仪获取小麦玉米冠层的反射光谱,利用光谱理论模型进行光谱指数波段的优化,从而抽取不同冠层结构条件下的小麦玉米氮素营养敏感波段。结果表明与传统的基于红光的光谱指数相比,优化光谱指数显著提高了小麦玉米冠层氮素含量的预测能力,克服了传统的基于红光光谱指数的饱和问题。优化光谱指数的波段结合随着作物品种及其冠层结构的变化而变化,其优化波段范围主要集中在红边(730～760 nm)和红边向近红外的过渡区域(760～880 nm)。优化结果显示玉米最佳光谱指数为R_λ766/R_λ738-1,小麦最佳光谱指数为R_λ796/R_λ760-1,玉米小麦相结合优化后的最佳光谱指数为Rλ₈₇₆/Rλ₇₃₀-1。结果进一步验证了优化光谱指数估测的不同作物含氮量的预测值与实测值相关性最高,且验证偏差最小,证实了优化后的光谱特征参数可对不同作物氮素丰缺状况进行快速、准确、无损估测。试验结果也为设计作物冠层氮素传感器和更好的利用现有基于卫星的传感器实施区域上的作物氮素营养监测提供了理论基础。