铜铅胁迫下玉米叶片弱光谱信息的LD-CR-SIDSCAtan探测模型

农作物在受到重金属污染以后,会破坏本身的组织细胞结构和叶绿素含量,从而影响农作物的新陈代谢和健康状况。人和动物如果食用了污染的农作物以后,会有致命的伤害。高光谱遥感目前被广泛应用于监测农作物受重金属污染的程度。重金属污染下的农作物叶片的光谱变化很微小,传统的监测方法和常规的光谱特征参数很难将光谱之间的微弱差异区别开,目前高光谱遥感应用是研究的重点和难点。通过设置不同浓度的Cu2+和Pb2+胁迫下玉米盆栽实验,采集玉米叶片的光谱数据、叶绿素的相对含量以及重金属Cu2+和Pb2+的相对含量。提出了包络线去除(CR)、光谱相关角(SCA)、光谱信息散度(SID)以及正切函数(Tan)和兰氏距离(LD)相结合的LD-CR-SIDSCA_tan模型,将其与传统的光谱测度方法,如光谱相关系数(SCC)、光谱角(SA)、光谱角正切(DSA)、光谱信息散度-光谱相关角正切(SIDSAM_tan)、光谱信息散度-光谱梯度角正切(SIDSGA_tan)和常规的光谱特征参数,如红边最大值(MR)、绿峰高度(GH)、红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、蓝边(DB)、红谷吸收深度(RD)相比较,验证了该模型的优越性和可行性。并且将LD-CR-SIDSCA_tan模型应用于不同浓度下Cu2+和Pb2+胁迫的玉米叶片的整体波形和子波段的光谱差异信息的测度上。结果表明,LD-CR-SIDSCA_tan模型实现了重金属Cu2+和Pb2+污染的定性分析,能够测度光谱相关系数达到0.99以上的相似光谱之间的差异信息,波形差异信息与叶片测得的叶绿素相对含量和重金属Cu2+和Pb2+相对含量显著相关,也分别找到了重金属Cu2+和Pb2+胁迫下的光谱响应波段。在测度光谱数据的整个波段区间范围,模型值为负值时的光谱差异要比模型值为正值更加明显;在模型值为正值时,如果数值越大,光谱的差异性也越大。因此,随着重金属Cu2+和Pb2+浓度的增加,光谱的差异增大,意味着重金属Cu2+和Pb2+污染程度更为严重;玉米植株受到重金属Cu2+胁迫污染,在测度光谱数据的局部子波段区间范围时,“蓝边”、“红边”、“近谷”、“近峰B”处对重金属Cu2+胁迫污染响应特别的敏感,可以作为监测重金属Cu2+污染程度的有效波段;当玉米植株受到重金属Pb2+胁迫污染时,在“紫谷”、“蓝边”、“黄边”、“红谷”、“红边”、“近峰A” 处对重金属Pb2+胁迫污染响应特别的敏感,可以作为监测重金属Pb2+污染程度的有效波段。最后通过LD-CR-SIDSCA_tan模型的应用结果与玉米叶片中Cu2+和Pb2+含量进行线性拟合分析,从而反演和预测了重金属Cu2+和Pb2+对玉米植株的污染程度。     

基于空间谱的玉米叶片铜铅污染区分及程度监测

利用高光谱遥感技术监测并识别农作物受重金属污染信息是当今热点,研究设置了不同浓度铜离子(Cu2+)、铅离子(Pb2+)胁迫梯度的玉米盆栽实验,并测取了玉米叶片的光谱及叶片中重金属离子与叶绿素含量。基于获取的光谱数据,将光谱划分为紫谷、蓝边、绿峰、红谷、红边和红肩六个光谱特征区间,通过光谱的一阶微分和二维多重信号分类(2D-MUSIC)算法构造空间谱,对各光谱特征区间进行变换分析。实验结果表明：蓝边、绿峰和红边阵列信号的空间谱在Cu2+胁迫下为双高峰,在Pb2+胁迫下为单高峰,以此能够快速、直观地区分玉米叶片所受重金属污染的Cu2+和Pb2+元素类别。红谷和红肩阵列信号空间谱的方位角谱峰值与玉米叶片中Cu2+含量的相关系数分别达到-0.954 5和-0.964 8,说明用于监测Cu2+污染程度时效果理想;紫谷阵列信号空间谱的方位角谱峰值与玉米叶片中Pb2+含量的相关系数达到-0.999 8,说明用于监测Pb2+污染程度时效果理想。同时通过与常规重金属污染监测方法绿峰高度(GH)、红边位置(REP)、红边最大值(MR)、红边一阶微分包围面积(FAR)的应用结果进行比较分析,空间谱法的应用结果与玉米叶片中重金属离子含量的相关性较高,从而验证了空间谱应用于玉米重金属污染信息监测具有更好的有效性和优越性。     

玉米叶片铜铅污染元素种类光谱判别的EC-PB规则

随着人类生活质量的提高,农产品重金属污染问题备受关注。农作物中的重金属元素会通过食物链侵害人体健康,而不同重金属元素对人体毒害差别较大,因此农作物中含有重金属元素的类别识别至关重要。传统重金属元素检测方法存在环节多、耗时长、成本高等缺点,但高光谱遥感技术具有信息使用量大,理化反演能力强,分析速度快,无损监测等优势,逐渐成为农作物重金属污染分析的重要手段之一。以不同CuSO₄·5H₂O和Pb(NO₃)₂浓度梯度土壤胁迫下典型农作物玉米生长的叶片光谱为研究对象,引入光谱包络线去除(CR)、光谱比值(SR)、分数阶微分(FOD)同时结合改进红边比值指数(MSR)构建铜铅元素识别指数(CLI);通过挑选与铜铅元素种类相关性最强的三个分数阶微分阶数的CLI值建立铜铅元素判别特征点(CLDFP);再利用欧式聚类(EC)将训练集样本分为铜污染与铅污染两类并结合圆心连线的垂直平分线(PB),建立基于EC-PB识别铜铅元素种类的二维坐标系下判别规则线(CLDRL)和三维坐标系下判别规则面(CLDRP),从而实现玉米叶...     

高光谱影像端元数目估计的HAHT模型

端元提取是高光谱遥感研究的重点内容之一,在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计（尤其是未知区域）高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少都会影响端元提取和混合像元分解的精度。本文基于谐波分析（Harmonic Analysis,HA）理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验（HA-Hypothesis Testing,HAHT）模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC（Harsanyi Farrand Chang）、特征值极大似然函数（Eigenvalue Likelihood Maximization, ELM）和最小误差高光谱信号辨识法（Hyperspectral Signal Identification by Minimum Error, Hysime）等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥（Sequential Maximum Angle Convex Cone,SMACC）方法提取了端元波谱曲线,通过比较设置2（HFC估计数）、8（HAHT估计数）和14（Hysime估计数）不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

铜污染土壤光谱特征及弱差信息的LH-PSD甄测模型

土壤受重金属污染后，会影响农作物及食品安全，危及人体健康，因此寻找快速、高效甄测土壤重金属污染信息的方法尤为关键。传统化学分析方法存在过程繁杂、费时耗力等缺点，而高光谱遥感因光谱分辨率高、信息量大、快速无损等特点在环境监测等应用方面优势明显。由于电磁遥感信号反射、辐射过程复杂，通过仪器获取的土壤高光谱数据难以直接解析出重金属污染信息，因而，研究并寻求一种能够有效挖掘土壤重金属污染信息的方法对高光谱遥感监测污染意义重大。不同浓度铜(Cu)污染会使土壤理化性质改变，引发土壤光谱产生微弱变化，该研究目的是对Cu污染土壤光谱的特征及弱差信息进行识别、提取与分析，进而挖掘光谱中的重金属污染信息。采用包络线去除(CR)对光谱进行预处理，通过定义局部极大值均值(LMM)与半波高(HWH)，结合时频分析的短时傅里叶变换(STFT)及能量谱密度(PSD)，构建LH-PSD甄测模型。通过模型对极相似土壤光谱进行处理，所获PSD分布图使光谱间的微弱差异可视化显现，并显著区分了相似光谱，验证了模型对光谱特征及弱差信息的甄别能力和有效性。同时应用该模型，对不同Cu污染梯度的土壤实验光谱进行重金属污染信息的提取与分析，研究结果表明，LH-PSD甄测模型中，LMM与HWH可有效提取光谱间差异特征并以阶梯状显现。经模型处理后得到的可视化PSD分布图能直观定性判别土壤是否受重金属Cu污染，即当土壤受重金属Cu污染后，相同采样频数下，在频率为100与600 Hz附近PSD分布会出现明显空缺分离，随着Cu污染浓度的增加，在100~600 Hz之间PSD的分布呈逐渐稀疏态势。能量值E可定量化监测土壤Cu污染程度，即随着土壤中Cu污染浓度的增加，E值呈下降趋势，且与Cu含量的相关系数达到-0.910 5，显著相关。为检验模型的可靠性，研究结合栽种玉米作物的土壤光谱，经LH-PSD甄测模型对其进行分析，所得可视化的PSD分布图结果与实验分析中基本一致，且能量值E的监测结果与土壤中Cu含量相关系数达到-0.973 9，相关性显著，验证了模型的可靠性。因此，LH-PSD甄测模型实现了对土壤光谱从光谱域到时频域的甄析，为深度挖掘重金属污染的光谱特征及弱差信息提供一种新思路。     

谐波分析法高光谱影像融合及其光谱信息保真度评价

提高高分辨率影像之间的空间信息融入度和光谱信息保真度是当今高光谱影像融合研究的热点问题。本文结合EO-1卫星的Hyperion高光谱影像与ALI高空间分辨率波段,针对最大限度地克制光谱信息失真与光谱形态变化等问题,提出了高光谱影像的谐波分析融合(HAF)算法和融合影像光谱信息保真度评价的导数光谱差值信息熵(DSD-IE)模型。通过计算和评价采样像元样本的导数光谱差值曲线信息熵、平均梯度和标准差等参量,同时比较主成分分析(PCA)、Gram-Schmidt(GS)和小波分析等方法的高光谱融合影像,证实了基于HAF的高光谱影像融合结果具有较高的空间信息融入度和光谱信息保真度,在空间信息和光谱信息的可靠性、准确性和实用性等方面都明显优于其他传统的高光谱影像融合方法。     

光谱最小信息熵的高光谱影像端元提取算法

端元提取是混合像元分解的关键,研究其算法在高精度的地物识别、丰度反演和定量遥感等方面具有重要意义。通过研究高光谱遥感影像光谱特征,结合信息熵理论,应用高斯分布函数,建立了一种新的高光谱影像端元提取算法,即光谱最小信息熵(spectral minimum shannon entropy,SMSE)算法。将该算法应用于AVRIRS高光谱影像的端元光谱提取,并经过与美国地质勘探局(United States Geological Survey,USGS)波谱库中的数据匹配,得知其提取端元的精度较高。同时,通过与经典的纯净像元指数(pixel purity index,PPI)和连续最大角凸锥(sequential maximum angle convex cone,SMACC)等端元提取算法进行实验比较和结果综合分析,发现光谱最小信息熵算法提取端元光谱效率更高、精度更好。此外,分别利用SMACC和SMSE提取Hyperion高光谱影像端元,得出SMSE的端元提取效果好于SMACC,从而可认为SMSE算法具有一定普适性。     

铅离子胁迫下盆栽玉米叶片光谱微分的红边响应研究

基于重金属铅(Pb)污染的盆栽实验玉米,采用光谱仪和叶绿素仪测量了不同浓度Pb~(2+)胁迫下玉米老、中、新叶片的反射光谱及其叶绿素含量;也运用质谱仪测定了不同胁迫浓度叶片中Pb~(2+)含量。对玉米老、中、新叶片中的叶绿素含量与各类叶片及土壤中的Pb~(2+)浓度进行了相关性分析;并为了区分玉米叶片铅离子污染程度和预测Pb~(2+)含量,提出了红边一阶微分曲线面积比值(FARR)和红边一阶微分峰前面积(FABR)参数;同时与常规红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、红边位置(REP)以及红边最大值(MR)作运用比较,实验结果表明,玉米叶片中的叶绿素含量从新叶、中叶到老叶逐渐增加,并随着土壤中Pb~(2+)浓度的升高而降低;受到Pb~(2+)胁迫时,新叶片到老叶片的REP"蓝移"更为明显;FARR和FABR在Pb~(2+)的胁迫程度区分和污染监测方面比FAR、FCDR、REP、MR具有更好的预测效果。     

重金属铜铅胁迫下不同品种玉米污染程度监测研究

植被重金属污染监测是当今高光谱遥感监测研究的重要内容。为了将高光谱遥感技术定性的用于植被重金属污染监测研究,从盆栽实验采集的反射率光谱数据方面进行研究。在实验室室内设置不同胁迫浓度的重金属铜铅玉米盆栽实验,测定了不同浓度Cu²⁺和Pb²⁺胁迫下玉米叶片的反射率光谱和Cu²⁺和Pb²⁺含量等有关铜铅污染玉米的基础数据,形成了关于重金属铜铅污染玉米植株的一套完整的数据集。研究提出了一种铜铅探测指数(CLDI),实现了不同培育期的两种玉米品种的重金属铜铅胁迫监测,从而为当前植被重金属污染探测提供了新的思路。研究设计了不同浓度的铜铅污染实验,将测量获得的玉米叶片450～850 nm的光谱反射率进行一阶微分(D)和包络线去除(CR)处理后得到微分包络线去除(DCR)光谱曲线,利用皮尔逊相关系数(r)分析DCR数据和生化数据,选择对重金属Cu敏感的特征波段。计算的皮尔逊相关系数表明DCR值在490～520和680～700 nm与土壤和叶片中的Cu²⁺含量呈现接近于1的线性正相关,在630～...