利用MODIS近红外数据反演大气水汽含量研究

大气水汽含量(precipitable water vapor, PWV)对遥感定量化及生态环境方面研究具有重要意义。针对传统水汽探测方法存在的问题,提出一种基于多通道表观反射率的ICIBR(improved continuum interpolated band ratio)水汽遥感反演方法。该方法结合MODIS数据第17,18和19三个近红外通道的水汽吸收特点,利用MODTRAN模型模拟大气含水量与三个通道ICIBR之间的关系,构建了适用于MODIS数据的ICIBR大气水汽含量定量反演模型。基于提出的ICIBR水汽反演方法,选择北美洲南部典型干旱、半干旱区德克萨斯州、俄克拉荷马州等地区为研究区,使用不同时间的四期MODIS 1B数据进行水汽反演实验。同时,选择SuomiNet提供的GPS水汽地基观测数据对反演结果进行精度验证以及MODIS大气水汽产品(MOD05)进行对比评价。验证和对比结果表明：该算法水汽反演结果与GPS水汽实测数据具有较高的一致性(r=0.967),均方根误差为0.276 cm,有71.08%的观测点对满足水汽反演误差精度(EE~±0.05+0.15PWV_gps)要求,同时与MOD05大气水汽产品相比,该方法在反演精度和准确估计方面有了较大提高,能够有效降低61%的水汽反演高估现象。该方法较传统算法更为简易、实用,具有较高的整体水汽反演精度。     

基于无人机高光谱遥感的冬小麦全氮含量反演

氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。XGBoost（extreme gradient boosting）作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作: （1）以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;（2）分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;（3）构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。结果表明: （1）176个波段（400~1 000 nm）的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;（2）基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度（R2=0.76,RMSE=2.68）;（3）基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

基于成像光谱仪MODIS的近十年武汉水汽含量变化分析

应用中分辨率成像光谱仪近红外通道数据进行大气水汽含量反演.采用三通道比值加权平均法用于武汉地区大气水汽含量反演,将反演结果与EOS发布的水汽产品进行对比,验证了该反演算法的可信性.借助遥感影像处理软件ENVI,利用三通道比值加权平均法反演了武汉地区近十年(2001-2011)的大气水汽含量,结合武汉地区实际地理位置、气候条件和城市发展现状,分析了武汉地区大气水汽含量变化.结果表明:武汉地区大气水汽含量在秋季和冬季呈明显减少趋势.借助统计软件SPSS对中分辨率成像光谱仪反演的大气水汽含量与地面气象探测因子气压、气温和相对湿度之间做回归分析,结果表明:大气水汽含量与气温呈正相关,气压呈负相关,和相对湿度的相关性不大,但在温度一定时,两者呈正相关.     

基于近红外差分吸收光谱技术的大气中水汽柱浓度反演

基于近红外被动差分吸收光谱技术(IR-DOAS)反演了大气中水汽柱浓度。从Hitran数据库中获取高分辨率截面,利用Voigt线型进行不同温压条件下的线性展宽,获得不同反演吸收截面。以仰角为90°的光谱作为参考谱,对光谱进行反演,获取垂直柱浓度。通过与太阳光度计(CE-318)进行对比发现,结果具有很好的趋势一致性,线性相关系数为0.99,且IR-DOAS的反演值与CE-318结果的差值在IR-DOAS反演误差范围内。将其应用于水汽斜柱浓度的空间分布获取发现,垂直方向水汽斜柱浓度随仰角的变化呈梯度变化,水平方向水汽斜柱浓度随观测方位角的变化几乎不变,分布均匀。     

基于高光谱数据的地表水化学需氧量反演

化学需氧量(COD)是地表水质量评价的重要指标。传统的COD检测方法存在需使用有毒试剂、易造成二次污染等缺点,高光谱法可避免上述缺点,在COD检测方面有着广阔的应用前景。为了探索在室内利用高光谱技术反演地表水COD浓度的可行性方法,以吉林省内流域的129个地表水样本为研究对象,将样本集以3∶1划分为训练集和测试集,使用高光谱成像系统收集样本的DN值并计算相应的水体光谱反射率,采用导数法进行数据预处理,通过Pearson相关性分析判断光谱数据与COD浓度实测值间的相关程度并提取特征谱数据。利用全谱数据和特征谱数据分别建立基于粒子群算法优化的最小二乘支持向量机(PSO-LSSVM)反演模型,通过决定系数R²、均方差RMSE和相对偏差RPD分析比较这几种模型的预测精度和可靠性。研究结果表明：经过导数法预处理后,地表水COD浓度与光谱反射率的相关性明显增强;利用导数光谱数据建模的预测结果优于用原始光谱数据建模的预测结果;提取特征谱数据所建立的模型比利用全谱数据建立的模型有更好的预测效果。其中采用一阶导数预处理方法并利用特征谱建立的地表水COD浓度反演模型预测结果最好,验证...     

基于一维查找表的相移结构光实时相位计算

We propose a fast phase decoding algorithm based on a one-dimensional look-up table. Firstly, according to the property of the arctangent function in the phase calculation formula, the phase relationship between the four quadrants is obtained. A linear function is used to map the coordinate points in the first quadrant to a discrete integer interval, and a one-dimensional look-up table of phases is established in advance by combining the interval with the linear function. In the process of phase calculation, firstly, the index of the one-dimensional look-up table is calculated by using relevant information to directly obtain the phase value, and then the phase value is adjusted by the linear interpolation method and phase relationship to obtain the final real phase. Experiments have verified the effectiveness of the proposed algorithm. Compared with the traditional phase calculation method, the proposed method can improve the speed by 3.97 times, 1.29 times compared with the traditional polynomial approximation algorithm, and 1.20 times compared with the traditional one-dimensional look-up table algorithm.     

基于Sentinel-2卫星数据的水稻叶片叶绿素含量反演研究

叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获取农作物叶片叶绿素含量对监测农作物生长状况具有重要意义.遥感是获取区域和全球农作物叶片叶绿素含量的有效途径,但已有的作物叶片叶绿素含量遥感反演研究未充分考虑下垫面背景的干扰,影响了反演精度.为此,以Sentinel-2遥感卫星影像为数据源,...     

基于高光谱数据和模型反演植被叶面积指数的进展

植被叶面积指数(Leaf Area Index , LAI)是陆面过程中影响陆-气交换的重要参数,也是表征植被冠层结构最基本的参量之一。准确而快速地获取LAI是植被-气候相互作用、植被生态和农作物估产研究不可缺少的工作。本文首先针对LAI和高光谱遥感进行概述,然后从不同平台高光谱传感器数据和不同反演方法两个角度总结了国内外近些年来高光谱遥感LAI的研究进展,最后分析了高光谱遥感反演LAI的未来发展方向。     

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。     

基于多重分形谱的高光谱数据特征提取

针对单一分形维数在高光谱数据处理中的不足,提出了一种基于多重分形谱的光谱信号奇异性特征提取方法,引入多重分形谱表征光谱曲线的奇异性特征.该方法根据分形测度将光谱曲线进行划分,用光谱概率测度计算配分函数,通过尺度指数的Legendre变换实现光谱曲线多重分形谱的提取,根据各类地物间的类别可分性准则Bhattacharyya距离选择有效特征,最后利用地物分类实验来验证该方法的有效性.实验结果表明,多重分形谱用于分类时分类精度达95.2%,当其维数为原数据波段数的10%时,总体分类精度仍可达82.2 %.多重分形谱表征了具有相同奇异性的波段子集的分形维数,准确的描述了光谱曲线的奇异性和分布特点,该方法能够有效地实现高光谱数据的特征提取.     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

迭代最小二乘法气体光谱自动水汽差减算法

傅里叶红外光谱法具有测量速度快、信噪比高、检测范围广等优势,在针对污染源废气排放的快速检测及长时间在线监测中具有巨大的发展潜力。水汽是红外光谱污染气体检测中的主要干扰物,影响NO_X,SO₂等重要污染物的检测,差减水汽背景谱消除光谱中水汽干扰可提高这些污染物的检测精度,具有重要意义。气体光谱中水汽吸收峰由于受到水分子团簇、仪器线型函数等影响,通过数值方法对其计算的误差较大;为此,水汽背景谱一般需采用同一台光谱仪实测获得。主要有两种方法： 第一种是通过反复调节水汽/氮气混合气中的水汽浓度,使水汽背景谱中的水汽吸收峰与污染气体光谱中水汽吸收峰相同,此方法耗时较长,且受环境条件制约很难在现场检测中使用;第二种方法是预先测量不同浓度的水汽光谱,在检测污染气体时选取两幅与污染气体光谱中水汽吸收峰最为接近且将其夹在中间的水汽光谱作为参考谱,使用这两幅参考谱线性拟合与污染气体光谱中水汽吸收峰相同的水汽背景谱,此方法可获得高度近似的水汽背景谱,但当前缺乏相关自动算法妨碍了其在快速自动消除水汽干扰方面的应用。为此,提出一种选取水汽参考谱及拟合水汽背景谱的自动算法,用于自动差减消除水汽干扰。在参考谱选取中,使用污染气体光谱依次减去浓度由低至高的水汽光谱,依据差减后光谱中水汽吸收峰所在波数的吸光度正负性来选取参考谱。在水汽背景谱计算中,基于迭代最小二乘法逐步剔除光谱中受污染物吸收峰干扰的波数,采用剩余波数上的数据拟合水汽背景谱,使其与污染气体光谱中水汽吸收峰相一致。使用水汽背景谱对污染气体光谱进行差减即可消除污染气体光谱中的水汽干扰。对含有NO₂的污染气体光谱进行了差减消除水汽干扰实验,结果表明所提出的自动算法可快速准确消除水汽干扰;NO₂在消除水汽干扰后可由其位于1 629 cm-1的强吸收峰检测,相比消除水汽干扰前使用不受水汽干扰的位于2 917 cm-1的弱吸收峰检测,其检出限得到了大幅提高。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

水色要素垂直分布对其遥感反演算法精度的影响

基于辐射传输模型模拟得到叶绿素和悬浮颗粒物在不同垂直分布条件下的遥感反射率数据集,利用该数据集对现有叶绿素、悬浮颗粒物浓度和固有光学量模型进行检验,研究了垂直分布对遥感反演算法反演精度的影响。结果表明：在悬浮颗粒物垂直分布、叶绿素及其垂直分布的影响下,悬浮颗粒物波段比值模型高估的悬浮颗粒物浓度要大于单波段模型;叶绿素波段比值模型和三波段模型能够较好地降低由叶绿素垂直分布、悬浮颗粒物及其垂直分布引起的叶绿素浓度高估的程度。悬浮颗粒物和叶绿素及其垂直分布对固有光学量反演具有双重效应,悬浮颗粒物垂直分布将使得吸收系数和后向散射系数被高估,而叶绿素垂直分布将使得吸收系数和后向散射系数被低估。在悬浮颗粒物和叶绿素共同作用下,固有光学反演结果具有较大的不确定性。     

新型车载式拉曼激光雷达测量对流层水汽

水汽体积比仅仅占整个空气的0.1%~3%,但它却是大气中时空变化最为活跃的气体。拉曼激光雷达由于其测量精度高、探测范围广以及自动化程度高,成为现今测量大气水汽含量的新型工具。介绍了中国科学院安徽光学精密机械研究所于2004年10月自行研制的国内首台车载式拉曼激光雷达的总体结构和主要技术参量,给出其相应激光雷达数据的反演方法,该激光雷达在合肥地区进行了实际测量和对比实验。测量结果显示:该激光雷达夜晚探测水汽的高度范围可以从近地面到达对流层中部8 km左右。同时,该激光雷达还尝试进行了白天水汽探测实验,并首次得出突变层内的水汽混合比垂直廓线。     

渤海固有光学量高光谱遥感反演

水体固有光学量是重要的海洋光学参数,是辐射传输模型最基本的输入参数,对于海洋光学遥感和水色研究具有重要意义。基于2005年渤海高光谱实测遥感反射率和总吸收系数数据,首次利用非线性最小化优化模型,反演水体总吸收系数等固有光学量。经过实测数据的检验,412,440,510,555,650和676 nm波段总吸收系数的反演平均相对误差分别为33.8%,20.4%,27.7%,37.5%,9.5%和10.8%。模型误差源主要为模型参数的不确定性和测量误差,通过讨论发现,光谱斜率S对总吸收系数的反演影响相对较少,而光谱指数Y导致的反演误差是不可忽略的。模型适用于高光谱数据,填补渤海固有光学量的最优化反演研究的空白,并可用于高光谱遥感数据的固有光学量遥感反演研究。     

水体氮磷高光谱遥感实验研究初探

水体中氮、磷含量是衡量水质的主要指标,遥感技术在环境监测中具有重要意义。利用高光谱遥感技术,通过测定实验室纯水条件下配比不同浓度氮、磷溶液的反射光谱,探索水体中有效态氮、磷的特征光谱。结果表明,氮在波长404和477 nm各有一反射峰,磷在350 nm处有一明显反射峰,且与浓度有很好的相关性,并以这些特征值建立了氮、磷浓度的遥感模型,为进一步遥感定量研究湖泊、水库和河流等大型内陆水体中的氮、磷奠定了基础。     

利用偏最小二乘回归从冬小麦冠层光谱提取叶片含水量

通过人为控制灌溉水平,在冬小麦3个发育期(孕穗、开花、乳熟)测定了冠层光谱和叶片含水量(leaf water content,LWC)。针对每期数据,结合偏最小二乘回归和迭代特征去除,建立了基于诊断波段的LWC回归模型。结果表明,叶片水分的光谱响应及反演精度受小麦生长状态的影响。在孕穗、开花和乳熟3个发育阶段,回归模型中光谱数据的最佳利用形式分别为对数光谱、导数光谱和反射率光谱;重要光谱区间为SWIR,NIR和SWIR;模型交叉验证决定系数(R2_CV)为0.750,0.889和0.696。研究结论对今后监测冬小麦旱情和开发作物水分遥感产品具有重要的指导作用。