玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题,提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象,获取玉米叶片的花青素相对含量及高光谱反射率,分析350～1 000nm波段范围内玉米叶片的反射光谱特征,建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型,并进行分析、比较。结果表明,玉米叶片花青素相对含量的敏感波段为548nm;新光谱指数为521和698nm组成的比值指数(RI(521,698))、554和704nm组成的差值指数(DI(554,704))、557和701nm组成的归一化指数(NI(557,701))。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78,预测R2均大于或等于0.73,RMSE小于0.12,是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型,说明在一定的精度范围内,新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

玉米叶片花青素相对含量高光谱遥感反演

针对传统植物叶片色素测量存在的问题|提出了一种采用高光谱遥感技术反演玉米叶片花青素相对含量的方法。以含花青素的玉米叶片为对象|获取玉米叶片的花青素相对含量及高光谱反射率|分析350～1 000 nm波段范围内玉米叶片的反射光谱特征|建立基于敏感波段、已有光谱指数、新光谱指数的玉米叶片花青素相对含量反演模型|并进行分析、比较。结果表明|玉米叶片花青素相对含量的敏感波段为548 nm；新光谱指数为521和698 nm组成的比值指数（RI(521,698)）、554和704 nm组成的差值指数（DI(554,704)）、557和701 nm组成的归一化指数（NI(557,701)）。基于RI(521,698)建立的一元线性和一元二次模型及DI(554,704)建立的一元二次模型的拟合R2均大于0.78|预测R2均大于或等于0.73|RMSE小于0.12|是进行玉米叶片花青素相对含量高光谱遥感反演的最优模型|说明在一定的精度范围内|新光谱指数具有无损反演玉米叶片花青素相对含量的潜力。     

基于Sentinel-3A的北部湾海域叶绿素a浓度遥感反演研究

以北部湾为研究对象,基于Sentinel-3A卫星搭载的OCLI水色传感器,探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区,结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子,包括波段比值、波段差值和波段差比,构建了叶绿素a浓度的遥感反演模型。研究结果表明：(1)北部湾海域的遥感反射率曲线呈现明显的分区的特征,结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体;(2)不同水体类型适用不同的反演因子构建模型,其中R_rs(764.375)/R_rs(681.25)用于近岸水体,[1/R_rs(620)-1/R_rs(708.75)]/R_rs(753.75)用于过渡水体,R_rs(708.75)-R_rs(764.375)用于离岸水体,均取得了较好的拟合效果,相应的R2值分别为0.67、0.80和0.8;(3)分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentin...     

松花湖水体叶绿素a含量与反射光谱特征关系初探

根据2008年7月在松花湖实测的水体反射光谱及实验室分析得到的叶绿素浓度数据,对松花湖水体反射光谱特征与叶绿素浓度之间的关系进行探讨与分析。研究结果表明:水体叶绿素浓度与各波长点处反射率相关性均较好,并选择700 nm处反射率建立单波段模型。而700 nm和677 nm波长处反射率比值、685 nm处光谱一阶微分、700 nm波长处波峰几何特征具有较好的相关性,给出了松花湖水体叶绿素浓度估算模型,为松花湖水体叶绿素浓度反演监测提供了一定的理论基础与参考。     

扎龙湿地龙泡子水深的高光谱建模研究

以扎龙湿地龙泡子为研究区,用实测高光谱数据和同步测量的水深数据,建立湿地湖泊的水深反演模型。通过分析水体反射率的一阶微分与水深之间的相关性来选取水深反演因子,建立了水深反演单波段模型和多波段模型,以波长832.05、839.87、809.08和774.76 nm建立的多波段线性模型效果较好,相对误差为5.90%,均方根误差为10.869 cm。湿地内影响因素较复杂,要深入研究水中杂质和水体底质的光谱特征才能进一步提高反演模型精度。     

基于Hyperion影像的射阳河口无机氮磷浓度反演研究

利用射阳河口实测光谱及模拟Hyperion光谱数据与表层水体无机氮磷营养盐浓度进行相关性分析,以及氮磷与悬沙浓度的光谱相关性分析,构建定量模型,实现了射阳河口水体无机氮磷浓度的定量反演。结果表明:现场实测光谱反射率与氮、磷浓度以及悬沙浓度间的相关性具有很强的相似性,相关系数曲线的变化趋势几乎完全一致。对Hyperion的各波段与896nm间进行了9种波段组合与氮磷浓度进行相关性分析,相关系数最大的因子为中心波长为428nm波段与896nm波段光谱反射率的归一化差值指数因子(F3(428,896)),分别为0.80与0.79。以F3(428,896)因子构建线性模型,模型检验的相对RMSE分别为36.63%和47.33%,反映了模型具有良好的预测精度。同时,模型充分显示了河口氮磷含量与悬沙浓度的高度相关性以及氮磷含量本身的高相关性。     

基于光谱分析的长江口湿地互花米草叶片叶绿素含量反演研究

互花米草是我国滨海湿地主要入侵植物之一,对当地生态系统产生深远影响,其叶绿素含量信息是湿地生态系统关键生态功能定量化研究的重要基础数据。以长江口崇明东滩湿地为研究区,以实测互花米草叶片光谱反射率和总叶绿素含量为数据源,在400~1 000nm范围内研究原始光谱反射率和一阶导数光谱反射率的比值形式(RVI)与归一化差值形式(NDVI)组合,与叶绿素含量的相关性分析,并构建叶绿素含量估算模型。结果表明:基于原始光谱反射率的RVI和NDVI植被指数形式所构建的模型的精度最高,均方根误差RMSE分别达到0.24和0.25;一阶导数光谱反射率因噪声影响较大,其估算效果不佳;从模型所入选波段来看,红边波段在互花米草叶绿素含量估算中尤为重要。     

基于高光谱的土壤重金属铜的反演研究

为探讨高光谱遥感反演红壤重金属铜含量的可行性,研究采集了34个红壤性土壤样品,通过对350~2 500 nm波段范围光谱曲线进行测试和分析,建立了不同的土壤光谱变量与重金属铜含量多元回归关系模型,分析了土壤重金属铜与土壤化学组分以及土壤特征光谱的关系。结果表明,土壤重金属铜含量与土壤全铁和镁含量显著相关,而与土壤有机质的相关性不显著,表明红壤性土壤粘土矿物对土壤铜含量影响较大;与重金属铜含量相关性较好的波段在830 nm、1 000 nm和2 250 nm附近,且一阶微分模型精度(79%)高于反射率模型(66.26%)和倒数对数模型(67%)的精度。因此,一阶微分高光谱反演模型具有较好的快速估算土壤中重金属铜含量的潜力。     

黄土高原土壤铁元素含量遥感反演方法

利用光谱技术可快速而高效地获取土壤组分及其空间分布信息,为准确估算黄土高原土壤Fe元素含量与分布特征,通过对榆林东部地区的典型黄土进行野外采集、室内理化分析、光谱测定及其预处理,分析土壤铁含量与反射光谱的相关性,筛选敏感波段,利用偏最小二乘法建模,确定最佳估算模型。光谱反射率及其不同变换后筛选出的敏感波段,主要分布在500、870、1 700、2 200 nm附近;原始反射率(Ref)建模结果相对较稳定且预测效果最佳,预测集相关系数R~2达0.73,均方根误差RMSEP最小;经导数变换(FDR和SDR)及连续统去除CR变换的模型次之,预测集R~2分别达到0.61和0.64;采用波段内插法将土壤Fe含量最优估算模型Ref应用Sentinel-2多光谱遥感影像上,得到土壤Fe含量遥感反演图,结果表明研究区土壤Fe含量的分布特征与地层密切相关;该研究结果可为土壤Fe元素含量遥感分析提供支撑,实现黄土高原土壤铁的光谱快速制图。     

资源一号02D高光谱数据大气校正及应用北大核心CSCD

针对高光谱数据大气校正耗时长和查找表构建不准确等问题,提出基于MODTRAN辐射传输模型实时创建大气校正参数查找表的方法,并应用于水体叶绿素浓度反演。首先,基于高光谱数据实时构建大气校正参数查找表;其次,根据循环迭代反演得到水汽含量和气溶胶光学厚度对查找表插值得到各个波段的大气校正参数,从而完成所有波段数据的大气校正;最后,选择植被、土壤和水体3类典型地物精度分析,并基于反演水体的叶绿素a浓度验证大气校正精度的可靠性。实验结果表明:该方法明显优于6S、FLAASH等大气校正方法;在运行效率上,在多线程并行加速后,运行效率提升了2~4倍;基于水体反射率数据反演水体叶绿素a浓度,反演模型预测集验证中ρ为0.804 7,RMSE为1.8。     

太湖水体时间序列叶绿素浓度与反射光谱特征分析

对2008年5月到2009年5月采集的太湖水体反射光谱数据进行了异常数据检测、归一化等预处理后,计算了常用于叶绿素浓度反演的特征参量,包括荧光峰高度、荧光面积、特征波段比值、反射率微分;并分析建立了这些特征参量与对应叶绿素浓度的相关模型。研究表明：荧光面积、特征波段比值等与实测叶绿素浓度具有较好的相关性,而蓝绿光波段反射率比值对内陆水体叶绿素浓度反映不明显。湖泊水体的光学特征能够较好反映蓝藻的不同生长状态,太湖蓝藻随时间变化的规律大致可分为5月～11月,12月～4月两个阶段。本研究结果可为湖泊水体富营养化高光谱遥感监测的波段选择提供参考。     

丹江口库区土壤镍含量高光谱反演方法

为探讨土壤高光谱法反演土壤重金属含量的可行性,以丹江口库区具有代表性的55个土壤样品为研究对象,应用高光谱技术对研究区土壤镍含量进行反演方法研究。对土壤的原始光谱数据,进行6种形式的微分变换。按最大正相关性和最小负相关性共筛选了12维光谱特征,利用随机森林回归(random forest regression,RFR)和极限梯度提升树回归(extreme gradient boosting regression,XGBR)建立了土壤镍含量的高光谱反演模型。分析结果表明:土壤镍含量反演的最优波段主要出现在1 686nm、2 238nm和2 254nm处;基于波段特征的XGBR模型稳定性和拟合精度总体优于RFR模型,稳定性系数R~2高达0.93,均方根误差为样本镍含量均值的10.1%,拟合精度较高。文章最后利用土壤高光谱数据,采用XGBR模型对丹江口库区土壤镍含量进行了有效估测。     

PLS算法在病叶色素含量遥感监测中的应用

植被病叶色素含量的变化在光谱上会有响应,因此通过光谱测度的方法可以对植被病叶色素含量进行反演,从而能够对作物病害进行即时监测。偏最小二乘法(PLS)的成分提取不仅是对光谱反射率信息的概括,也是对色素含量信息的解释,同时成分提取可以避免变量之间的多重相关性,减少信息冗余。本文通过对加工番茄细菌性斑点病病叶色素含量和光谱反射率的测定,对400nm～800nm的原始光谱进行一阶微分、二阶微分、反对数光谱变换。利用色素含量在原始光谱、一阶、二阶和反对数光谱的敏感波段建立归一化指数,采用多波段PLS算法对色素含量进行归一化指数估测并检验。结果表明,新建归一化指数组成的PLS模型对色素Chl.a、Chl.b、Cars含量的估测精度高于传统的归一化指数,R2都大于0.8,RMSE小于0.05。该模型的应用对加工番茄细菌性斑点病有更强的监测能力。     

新庙泡叶绿素a浓度高光谱定量模型研究

利用吉林省新庙泡的高光谱实测数据和水质采样分析数据,尝试通过单波段、波段比值、一阶微分和峰谷间距法建立叶绿素a反演模型。结果表明:单波段光谱反射率与叶绿素a浓度的相关性较差,不宜用于该区域的叶绿素a浓度估算;680 nm和700 nm波段反射率之比、700 nm处光谱一阶微分值和两波段峰谷间距反演模型都具有较高的决定系数,分别为0.783 4、0.792 7、0.796 9,验证模型的决定系数为0.651 3、0.431 7、0.756 4,均方根误差分别为8.69μg·L-1、14.50μg·L-1、10.04μg·L-1,显著水平P<0.01。这3种方法皆可以用于新庙泡叶绿素a浓度的定量遥感,其中又以峰谷间距法为最优。     

基于GF6-WFV数据的中国东部典型湖库叶绿素a浓度反演

高分六号中分辨率宽幅相机(GF6-WFV)设计了两个红边波段,具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区,获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证,选取最优反演模型。结果表明,GF6-WFV数据新增红边Ⅰ波段(B5:710 nm)和红波段(B3:660 nm)构建的两波段比值模型反演精度较高,相关系数平方(R²)为0.89,平均相对误差(MRE)为34.71%,均方根误差(RMSE)为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度,研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型,在中国东部典型湖库具有较好的适用性。     

土壤全钾含量高光谱估测模型

鉴于进行高光谱遥感全钾含量估测时,全钾含量及其高光谱反射率数据受到诸多因素的影响(复杂非线性问题),具有较大的模糊性和随机性,采用模糊识别理论建立数学模型对全钾含量进行估测。对横山县采集的84个土样350~2 500nm波段的光谱曲线,利用对数的一阶微分方法计算土壤全钾含量与光谱反射率的相关系数,然后根据极大相关性原则选择最佳波段作为光谱反演指标。经剔除异常样本后,考虑所有反演指标的组合方式,通过各个预测模型精度的对比,找出最佳全钾含量估测模型。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R~2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R~2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R~2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R~2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

高光谱数据反演大气水汽研究

利用Hyperion高光谱数据,基于MODTRAN辐射传输模型进行模拟,分析表明943nm和953nm波段分别对干燥和湿润大气最敏感,是反演水汽的合适通道。提出针对Hyperion数据DCIBR方法反演大气总水汽含量,可以推广到环境与灾害监测预报小卫星星座超光谱数据的大气水汽反演。误差分析表明,大气散射作用以及地表反射率非线性变化,对DCIBR方法计算精度的影响比CIBR算法要小,大气模式引起的反演误差小于2%,通道的光谱特性是影响反演精度的重要因素。     

土壤全氮含量与碳氮比的高光谱反射估测影响因素研究

基于土壤高光谱反射特征可以实现土壤全氮(TN)含量与碳氮比(C∶N)等土壤属性的快速、无损测定,但其估测模型受土壤颗粒粒径水平与光谱指数(预处理)等因素影响。通过研磨准备2、0.25和0.15 mm共3个水平颗粒粒径的土样,分析了原始(RAW)及多次散射校正MSC(Multiple Scattering Correction)、一阶微分FD(First Derivative)、连续统去除CR(Continuum Removal)等预处理的土壤反射光谱与TN含量、碳氮比变化之间的关系,发现土壤研磨可以提高反射光谱对TN含量变化的响应,而FD、CR与MSC等光谱预处理能够明显缩小不同颗粒粒径水平土样的光谱反射-TN含量、碳氮比相关性差异。结果表明:0.25 mm颗粒粒径土样的FD预处理光谱在2 250 nm和2 280 nm处分别与TN含量、碳氮比变化存在最大相关,但最大相关单波段线性回归模型的TN含量、碳氮比估测精度不如全波段光谱PLSR模型。其中,0.25 mm土样RAW光谱全波段PLSR模型估测TN含量的表现最佳(RPD=3.49,R²=0.92,RMSEP=0.1 g/kg);而碳氮比的估测结果并不十分理想,其最优估测模型(0.25 mm土样FD预处理的全波段PLSR模型)的RPD仅为1.21,可能与土样的碳氮比变化范围较小有关,在以后的研究中可以尝试采集更多的样本数量或土壤类型,使训练样本具有较大的变量范围,以取得较好的估测效果。     

长江口及邻近海域悬浮颗粒物对叶绿素a遥感反演算法的影响分析

利用水介质光辐射传输数值模型Hydrolight,结合前人对长江口及邻近海域水体的生物—光学模型研究,模拟不同光学水体的遥感反射率,并分析遥感反射率对悬浮颗粒物(SPM)的敏感性以及SPM对4种叶绿素a(Chla)反演算法(二波段、三波段、荧光基线高度(FLH)和综合叶绿素指数(SCI)算法)的影响。结果表明:由Hydrolight模拟得到的遥感反射率与现场同步实测的遥感反射率的均方根误差小于0.01sr-1,其中可实现遥感反射率在550~725nm波段较精确的模拟。遥感反射率对SPM的敏感性随着Chla浓度的升高而降低。二波段、三波段算法适合低SPM浓度水体的Chla浓度反演,FLH算法反演Chla浓度时易受SPM的影响,而SCI算法在中、高SPM浓度水体中消除SPM的影响进而反演Chla的潜力较好。