南疆冬枣偏振参量模型户外光照条件适应性研究

农业遥感检测时,晴朗的天气是采集光谱的必要条件。本研究主要目的是：（1）通过高光谱偏振探测技术,探究不同天气（晴天、阴天、多云）对不同波长下南疆冬枣二向反射分布函数（BRDF）的偏振参量（S₀,ε₀,f₀₀）、线偏振度（Dolp）与理化值模型的影响;（2）对比不同天气条件下的实验结果,为户外红枣品质的遥感探测提供一定的环境适应性参考和前景应用性参考。利用统计分析方法,分析了南疆冬枣水分与其光谱偏振特性的统计关系,分别建立了不同天气条件下S₀,ε₀,f₀₀, Dolp的一阶导数光谱形式与南疆冬枣水分含量的统计方程,选用相关系数R、校正集样本的标准差（RMSEC）、预测集样本的标准差（RMSEP）共3个指标对模型的性能和预测能力进行评价。相关性分析结果表明：户外晴天、阴天、多云三种天气条件检测南疆冬枣品质时,水分含量与高光谱偏振数据之间具有较好的相关性,但多云天气条件下偏振参量、线偏振度与水分含量的相关性要优于晴天和阴天条件下的相关性,前者模型的相关系数最大,其r值分别为：0.913和0.914,且最接近暗箱光谱与水分含量模型的相关系数R的值：0.926。模型的可行性分析结果表明：三种天气条件下偏振参量、线偏振度与水分含量模型的校正集样本的标准差最大值分别为0.009 71和0.008 73,RMSEC的值越小,表明模型回归的越好。模型对外部样本的预测能力分析结果表明：三种天气条件下偏振参量、线偏振度与水分含量模型的预测集样本的标准差最大值分别为0.012 3和0.011 7,RMSEP的值越小,表明模型的预测能力越强,结果越准确。不同天气实验结果表明：因偏振有“强光弱化,弱光强化”的作用,通过对比晴天、阴天、多云实验结果,该方法有较好的环境适应性,在户外红枣品质遥感探测方面有广泛应用前景。     

方位和品质对南疆果品空间特性光谱影响及反演方法研究

高光谱无损检测技术在果品定量无损检测中应用广泛,以冬枣、红提、香梨三种果品空间特性光谱为研究目标,探索空间特性光谱的影响因素和反演方法,为提高户外果品无损检测精度提供了一种新思路。分别提取三种果品的光谱库并计算空间特性光谱,依次使用马氏距离、浓度残差等预处理方法以及竞争性自适应权重取样算法选取特征波长,将处理后的三种果品空间特性光谱分别与品质（糖度、水分）和方位（探测角、方位角、相位角）建模,建模结果如下：三种果品（按照冬枣、红提、香梨的顺序）与糖分模型的相关系数r分别为：0.853 3,0.822 7和0.913 3;水分模型的相关系数r分别为：0.741 3,0.784 7和0.891 3;探测角模型相关系数r分别为：0.985 6,0.992 7和0.974 7;方位角模型相关系数r分别为：0.941 8,0.910 5和0.936 9;相位角模型相关系数r分别为：0.960 9,0.957 0和0.956 3。可以看出,不同果品方位模型相关性都明显高于品质模型相关性,因此方位因素是影响空间特性光谱的主要原因。使用Roujean模型和Walthall模型分别对不同方位的空间特性光谱进行反演,反演结果如下：使用Roujean模型反演三种果品（按照冬枣、红提、香梨的顺序）空间特性光谱时R2分别为0.934 4,0.928 1和0.830 6;r分别为0.990 2,0.983 9和0.969 1;RMSEP分别为0.030 9,0.048 7和0.062 7;平均模型误差分别为7.27%,11.02%和8.61%。使用Walthall模型描述不同果品空间特性光谱时R2分别为0.943 3,0.859 7和0.839 0;r分别为0.991 8,0.971 8和0.970 2;RMSEP分别为0.036 6,0.066 1和0.068 7;平均模型误差分别为6.19%,15.40%和7.84%。可以看出,Roujean模型可以很好的描述冬枣和红提的空间特性光谱,也可以较好的描述香梨空间特性光谱;Walthall模型可以很好的描述冬枣空间特性光谱,也可以较好的描述红提和香梨空间特性光谱。综上所述,在今后试验中可以使用Roujean模型反演红提和香梨的空间特性光谱,使用Walthall模型反演冬枣的空间特性光谱,进而提高户外果品户外果品无损检测精度。