大气遥感高光谱分辨率激光雷达研究进展

高光谱分辨率激光雷达由于可实现对大气参数的精确反演,在大气遥感领域具有较好的发展前景。介绍了高光谱分辨率激光雷达探测气溶胶、大气温度以及风速的基本原理以及目前国内外的研究进展,并重点介绍了高光谱分辨率激光雷达系统中的鉴频技术、激光技术、锁频技术以及数据处理技术等几项关键技术。     

机载激光雷达和高光谱技术的遥感监测数据分类

针对随机森林算法、支持向量机以及线性判别分析3种分类方法分类准确率较低、性能不佳的问题,基于机载激光雷达和高光谱技术提出一种新的遥感监测数据分类方法。分析机载激光雷达和高光谱遥感的工作原理,依据二者的工作原理提取遥感监测数据。为了提升数据分类的准确性,需要进行数据预处理,具体包括噪声点剔除和平滑校正处理,并进行数据配准。在此基础上,采用K最近邻搜索算法提取遥感监测数据特征,最终运用决策树算法中的C4.5算法构建分类器,实现遥感监测数据的分类。实验结果表明:通过混淆矩阵得到所设计方法的分类准确性达到了95以上,分类结果优于传统分类方法,能准确识别目标,证明了方法有效性和可行性。     

基于高光谱激光雷达的滞尘叶片光谱特征分析

城市绿植为城市生态系统提供自净功能, 起到净化空气以及滞尘降尘等多种环境保护作用, 而滞尘等因素也 会对绿植产生影响。为了研究滞尘对城市绿植叶片光谱特征的影响, 采集了四种常绿绿植 (八角金盘、石楠、香樟和 玉兰) 叶片样本, 使用高光谱激光雷达系统获取高光谱点云数据, 分析了滞尘对叶片光谱特征的影响。分析结果表明: 对于不同种类叶片, 滞尘对可见光波段反射率均有较大影响; 对于同种类叶片, 滞尘对近红外波段的反射率差异影响 较大, 可见光波段的反射率差异为 1.21%∼3.41%, 近红外为 1.76%∼8.49%; 线性四点内插法计算和光谱导数分析表明 滞尘对四种叶片的红边位置无显著影响; 四种叶片的叶面水含量指数 (LWI) 对滞尘的响应程度最小 (均小于 3.7%), 而 比值植被指数 (RVI) 对滞尘的响应程度最大 (除香樟外, 均大于 20.0%), 红边指数 (SDr)、简单比值指数 (SR) 和叶面叶 绿素指数 (LCI) 的响应程度稳定性较差。进一步建立了滞尘植被指数和响应程度的线性相关性拟合模型并进行了检 验, 其中以 LCI 为自变量建立的模型为最稳定拟合模型, 可表示为 y = −1.527x + 0.6597, 决定系数约为 0.88。     

基于高光谱分辨率激光雷达的气溶胶分类方法研究

气溶胶是影响气候变化和空气质量的重要因素,对气溶胶作用的量化分析依赖于气溶胶光学性质及其垂直剖面的精细探测。高光谱分辨率激光雷达利用窄带光学滤波器,可在光谱上实现对分子散射和气溶胶散射的分离,从而在不需假设气溶胶激光雷达比的情况下,独立获取气溶胶消光系数和后向散射系数。文中基于高光谱分辨率激光雷达技术,开展气溶胶分类方法研究。根据已有的气溶胶分类研究结果,给出基于气溶胶光学参数的分类方法,并建立气溶胶分类查找表。利用高光谱分辨率激光雷达于2015年春季在青岛地区测量的气溶胶消光系数、后向散射系数和退偏振比,参照建立的气溶胶分类查找表,实现了对气溶胶的分类识别,并用HYSPLIT轨迹模式、NAAPS气溶胶模式进行了印证。个例研究结果表明该方法能够实现对气溶胶类型的正确识别。     

基于视场展宽迈克尔孙干涉仪的高光谱分辨率激光雷达滤光器设计研究

提出了用作近红外高光谱分辨率激光雷达(HSRL)光谱滤波器的视场展宽迈克尔孙干涉仪(FWMI)的设计方法。详细给出了FWMI的设计理论和设计指标的确定过程,通过视场补偿及热补偿设计,使FWMI能在一定温度范围内保证较大的入射视场。给出了针对近红外FWMI的设计结果。性能评估表明,所设计的FWMI可接收的视场角大于2°,并在(20±0.5)℃的温度范围内具有几乎不变的工作性能。最后通过容差分析,保证了该设计结果能满足现有的加工工艺。该设计过程和方法对FWMI的设计加工具有一定的指导意义。     

相干激光雷达探测目标研究

介绍了相干激光雷达对目标探测的技术优点和现状,阐述了基于相干探测技术构建的激光雷达的主要组成,并给出了整个系统的工作流程。文中基于1.5μm光纤光学技术搭建了相干激光雷达系统。通过搭建的系统进行了外场试验,获得了外场目标的成像图和不同汽车引擎振动产生的微多普勒谱特征图。通过试验证明了相干激光雷达系统可以在目标自动侦察识别方面发挥重要作用。     

红外高光谱遥感成像的技术发展与气体探测应用（特邀）

相对可见光和短波红外谱段来说,在红外谱段进行高光谱遥感成像具有独特优势,特别是在资源勘查、地表环境监测、大气环境监测、军事侦察方面。尽管当前红外高光谱成像仪主要以机载为主,还未实现星载,然而国内外相关机构从未放弃推进红外高光谱遥感的星载化。文中首先分析了国内外典型的红外高光谱成像仪的设计、实现与技术指标,从光谱分辨率、空间分辨率、辐射分辨率三个核心指标总结了现有红外高光谱成像仪的技术特点、存在问题和解决途径。未来很长的一段时间内,红外精细分光、低暗电流焦平面探测器、低温光学与背景抑制仍然是红外高光谱成像仪研制所要解决的核心问题。在此基础上,文中重点介绍了在远距离气体探测方面的应用,并分析了其独特优势。最后,展望了红外高光谱成像技术的发展方向。     

近地双基地激光雷达探测距离预测

获得了双基地激光雷达方程,并利用该方程预测双基地激光雷达的探测距离.根据双基地雷达原理,应用理论分析的方法推导双基地激光雷达方程;应用数值分析的方法预测系统的探测距离.得到了双基地激光雷达方程,及考虑激光的近地斜程大气传输时系统探测距离与接收功率、能见度的关系;最后得到系统的接收功率等值线.激光的斜程近地大气传输衰减对双基地激光雷达探测距离的影响很大.     

基于室内高光谱激光雷达的典型树种叶片光谱观测和分类

高光谱激光雷达综合了高光谱和激光雷达特征,可为植被生理生化参数提取提供更加精确的遥感探测,但其应用潜力尚未得到充分挖掘。以北京10个典型树种的单叶为样本,开展室内高光谱激光雷达的叶片观测试验,并进行树种分类研究,为未来高光谱激光雷达的林业应用提供基础。首先进行可调谐高光谱激光雷达(Hyperspectral LiDAR,HSL)叶片高光谱测量,并完成与ASD地物光谱仪所测数据对比实验;其次,应用随机森林方法实现10种叶片的分类研究,其输入的特征指数为融合全部波段、部分敏感波段的光谱指数。结果表明:(a)HSL在波段650～1000 nm (71个通道)内观测的叶片高光谱和ASD光谱一致(R~2=0.9525～0.9932,RMSE=0.0587);(b)只用原始波段反射率分类精度为78.31%,其中分类贡献率最大波段的是650～750 nm,使用此波段进行分类精度为94.18%,表明利用红边波段(650～750nm)进行树种分类是十分有效的;(c)对树种敏感的波段为680 nm、685 nm、690 nm、715 nm、720 nm、725 nm、730 nm;(d)结合敏感波段光谱指数与植被指数分类精度82.65%。该研究结果表明在单叶级别,利用高光谱激光雷达能够准确地反映目标叶片的光谱特征并且能有效进行树种分类;未来将可能在野外应用中精确提取目标的生理生化参数。     

基于SSMFA与kNNS算法的高光谱遥感影像分类

 为了研究高光谱影像数据的维数约简和分类问题,提出了一种基于半监督边际费希尔分析(SSMFA)和kNNS的高光谱遥感影像数据分类算法.该方法利用有标记数据和无标记数据的信息获得数据的内在流形结构,通过SSMFA将高光谱数据从高维观测空间投影到低维流形空间,然后利用邻域内多个近邻点的信息通过kNNS分类器对低维空间中的数据进行分类.在Urban、Washington和Indian Pine数据集上的分类识别实验表明,该方法能够较为有效地发现高维空间中数据的内蕴结构,在每类随机选取4,6,8个有类别标记的样本10个无类别标记的样本的情况下,该方法的总体分类精度能够比MFA+kNNS提高0.8%~2.5%,比MFA+kNN提高2.8%~4.5%,比其他算法提高4.0%~7.0%,分类精度有了明显的提高.     

基于PROSAIL模型的高光谱遥感图像模拟研究

针对高光谱图像数据难以获取的情况,提出了一种基于PROSAIL辐射 传输模型的高光谱图像模拟方法。首先,对PROSAIL模型的输入参数进行了敏感性分析。以 此为基础,针对5个典型生化参数(叶片结构参数N、叶绿素含量Cab、叶片干物质含量Cm、类 胡萝卜素含量Car和叶面积指数LAI),基于支持向量机构建了一种基于多光谱数据的参数计算模型。其 次,根据得到的典型生化参数图,通过利用PROSAIL模型逐像元计算获得了高光谱模拟图像。 对HJ1A环境卫星的CCD1多光谱图像数据进行了实验,实现了高光谱图像数据模拟。在将等效计算后的模拟结果 与HJ1A CCD1多光谱图像数据进行对比后发现,两幅图像对应波段的 平均结构相似度都超过了95%;除了蓝光波段之外,全图的相对误差均小于10%。结果表明,本文方 法可以很好地实现基于多光谱数据的高光谱图像模拟。     

基于栈式自编码神经网络对高光谱遥感图像分类研究

为了有效利用高光谱遥感图像中的波段信息,提高高光谱遥感图像分类的精确度,本文提出了基于栈式自编码神经网络(Stacked Autoencoder,SA)对高光谱遥感图像进行分类.栈式自编码神经网络充分利用高光谱图像中的光谱信息,对其进行相应特征提取,避免了相邻信息间的相关性和信息的冗余,本方法采用无监督学习和监督学习相结合,既可以像传统方法那样进行降维,简化相关的计算复杂度,同时在分类精度上有很大地提高.     

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。     

基于微波高光谱技术的数据仿真及参数反演研究

发展高光谱微波辐射计对于提升大气参数反演精度具有重要意义。利用微波辐射传输模型mpm93以及BP 神经网络方法分别构建正演上行辐射亮温和反演大气温度廓线的模型,并研究了晴空条件下高光谱微波辐射计反演大气温度廓线的精度。54～58 GHz、64～68 GHz 在氧气吸收波段选取80 个通道作为高光谱通道,基于2015 年5～12 月昆明的探空资料进行正、反演仿真实验。选取微波成像仪/ 探测仪(SSMIS)的9 个温度探测通道进行对比实验,评估分析反演效果。实验结果表明:在大气3～10 km 高度范围内,高光谱通道的反演精度较SSMIS 提高了0.3 ～0.6 K;在0～3 km 高度范围内,反演精度提高了1 K。     

高光谱遥感大气辐射校正技术的研究

为满足高光谱遥感图像定量化解译的需求,针对现有大气校正方法面临的大气参数不同步问题,对基于大气参数空间同步获取的大气辐射校正技术进行了研究。首先总结了利用卫星搭载专用大气辐射校正载荷,同步提供大气校正参数与地表反射特性的方法,从根本上解决辐射传输模型中的大气参数难以同步获取的问题。其次结合国外在轨运行的高光谱遥感卫星的调研结果,在大气校正载荷的设计—尤其是谱段选择和优化方面对载荷系统的方案特点和技术指标进行了归纳。并选取EO-1 Hyperion高光谱遥感图像进行了大气校正,从校正前后图像的视觉效果、光谱特性、典型地物的分类识别效果三方面分析了大气校正对高光谱遥感定量化应用性能的提升。最后对大气辐射校正技术的发展前景进行展望。     

超谱遥感图像的波段选择新方法

针对超谱遥感图像的高数据维给图像进一步处理带来的困难,本文构造了波段选择方法的数学模型,该方 法基于统计学原理,通过选择信息量大并且与其它波段相关性小的波段来降低超谱数据维数。本文将降低后的超谱数据进 行小波融合与K．均值非监督分类。分类结果表明,该波段选择的方法能够将保留信息丰富的波段,分类效果与使用原始 波段相比有所提高,计算复杂度大大降低。     

高光谱遥感的发展及其对军事装备的威胁

高光谱遥感融合了光谱分析和成像遥感的优点,可以利用精细光谱特征分析、识别目标的种类和表面状态,给军事装备带来了新的威胁.介绍了高光谱侦察的基本原理和发展概况.分析了高光谱在军事侦察、伪装识别和热红外探测方面的优势,并指出利用植被的光谱特征识别技术可以有效分辨林地背景中的绿色伪装目标;在热红外波段高光谱可以通过探测目标的真实温度和发射率来检测伪装.     

Fusion of Hyperspectral and LIDAR Remote Sensing Data for Classification of Complex Forest Areas

In this paper, we propose an analysis on the joint effect of hyperspectral and light detection and ranging (LIDAR) data for the classification of complex forest areas. In greater detail, we present: 1) an advanced system for the joint use of hyperspectral and LIDAR data in complex classification problems; 2) an investigation on the effectiveness of the very promising support vector machines (SVMs) and Gaussian maximum likelihood with leave-one-out-covariance algorithm classifiers for the analysis of complex forest scenarios characterized from a high number of species in a multisource framework; and 3) an analysis on the effectiveness of different LIDAR returns and channels (elevation and intensity) for increasing the classification accuracy obtained with hyperspectral images, particularly in relation to the discrimination of very similar classes. Several experiments carried out on a complex forest area in Italy provide interesting conclusions on the effectiveness and potentialities of the joint use of hyperspectral and LIDAR data and on the accuracy of the different classification techniques analyzed in the proposed system. In particular, the elevation channel of the first LIDAR return was very effective for the separation of species with similar spectral signatures but different mean heights, and the SVM classifier proved to be very robust and accurate in the exploitation of the considered multisource data.     

基于红外热图像的棉花水分胁迫指数高光谱遥感估算研究

分别用Fluke公司生产的红外热像仪和ASD公司生产的非成像高光谱仪获取了棉花在5个生育时期的冠层的红外热图像和反射光谱。对红外热图像进行了技术处理,并根据Jones定义的作物水分胁迫指数CWSI计算了CWSI;利用光谱分析技术确定了反射光谱654 nm和一阶微分光谱738 nm处为CWSI的敏感波段;分别建立了它们与CWSI的线性相关模型方程。经检验,CWSI定量模型方程的估算精度分别为72.4%和80.5%。研究结果表明,用红外热图像技术作为获取作物冠层高分辨率空间信息的手段,可以消除背景干扰因素的影响,从而更精确地计算棉花冠层的CWSI。而与反射光谱相比,棉花冠层一阶微分光谱更适用于对棉花水分胁迫指数CWSI进行实时、动态估算。