玉米叶绿素高光谱遥感估算模型研究

对不同品种玉米测定了不同层位叶片（上、中、下）以及叶片不同部位（叶尖、叶中、叶基和叶脉）的室内光谱反射率及其对应的叶绿素含量,采用单变量线性与非线性拟合分析技术,对叶绿素含量与原始光谱反射率、高光谱特征参数（如红边波长、红边位置以及红边面积等）以及植被指数之间的关系进行了分析。结果表明：叶绿素含量与原始光谱在713nm处具有最大相关系数（R=-0.815）．并且基于此波长所构建的指数估算模型明显优于线性模型;基于光谱位置和光谱面积的变量与叶绿素都呈负相关,植被指数与叶绿素含量均呈正相关,并且植被指数相关性优于单一的特征变量。比值植被指数（RVI）相关性优于归一化植被指数（NDVI）;模型精度检验结果表明以蓝边面积变量（SDb）为自变量所构建的指数模型对叶绿素含量估算较好。     

高光谱遥感数据解译的最佳波段选择方法研究

分析了遥感图像解译中多光谱遥感数据选择最佳波段组合所用信息量诸方法的内在联系,说明了信息量方法用于高光谱遥感数据最佳波段选择的局限性,提出了基于类间可分性的最佳波段选择原则和方法．通过试验,说明了各种处理方法的有效性、局限性和计算复杂度     

高光谱影像加权波段指数波段选择算法

高光谱图像间存在的大量冗余信息,可以通过波段指数方法有效地去除冗余信息从而减少计算量。针对该指数中的组内波段与所在组内其他波段相关系数忽视了空间信息,提出了加权的波段指数方法。首先求取各波段的相关系数,并据此划分子空间。然后,根据熵值进一步删除冗余波段。最后求取波段指数,得到需要选择的波段号码。通过实验证明了方法的有效性。     

基于改进遗传算法的高光谱图像波段选择

在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94.     

松嫩平原土壤有机质含量高光谱反演研究

采集松嫩平原典型类型土壤样本252个.室内条件下测定了风干后土样的光谱.对原始光谱数据作预处理后,分别运用多元线性逐步回归法和偏最小二乘法建立土壤有机质含量高光谱预测模型.结果表明,采用2种方法建立的模型均可满足有机质含量速测要求,但偏最小二乘法得到的模型更具稳健性.     

华南地区土壤汞含量高光谱反演模型的构建

土壤中的重金属汞元素是对人体毒害最大的5种重金属之一,为了实现快速土壤重金属汞的监测,本文采集了广东省75个土壤样品,对其进行室内高光谱测定和化学测试分析,获取高光谱数据及土壤重金属汞含量。为了获取土壤汞的高光谱反演的最佳模型,本研究对土壤高光谱数据进行平滑、连续统去除、光谱微分、倒数对数、倒数、对数、双波段组合等处理,同时,对土壤汞含量作对数变换,通过反复试验,筛选出与对数变换后的土壤汞含量相关性最高的光谱指标。研究结果表明:土壤汞的最佳光谱指标为反射率一阶微分的波段组合(700*R_((587. 705nm))-250*R_((1373. 48nm))),相关系数高达-0. 744;由反射率一阶微分光谱指标构建的土壤汞的高光谱反演模型最佳(y=0. 1491x~3-0. 53x~2+0. 0358x+1. 2596),其决定系数R~2为0. 60,均方根误差RMSE为0. 183。其验证样本预测值与实测值比较,平均相对误差为0. 169。由此可知该模型用来快速估算广东省土壤汞含量是可靠的。     

叶肉结构对叶片光谱及生化组分定量反演的影响研究

深入研究了PROSPECT模型中叶肉结构参数N对叶片反射和透射光谱的影响，利用迭代法使全波段代价函数达到最小来计算LOPEX93数据集中样品的最优N值，对在最优N值下的模拟光谱与实测光谱进行比较，并对N在不同取值情况下，叶绿素与水分的反演进行了研究。研究认为：（1）N对整个光谱波段产生影响，并随N的增大而减小；（2）构造全波段代价函数，利用迭代法得到的最优N值可以很好地模拟实际光谱；（3）在高估N值情况下的叶绿素和水分反演精度明显高于低估N值的情况；（4）水分反演的效果明显优于叶绿素反演的效果，原因与代价函数的选取有关。     

基于叶绿素含量的玉米长势遥感监测的研究

本项目以试验区域有效期内的与长势相关的气象和统计数据为辅助。汇集野外样方内玉米作物生长期叶绿素含量等地面实测数据。采用对应时间和地点的玉米生长期的环境卫星数据计算NDV(I归一化植被指数)值,分别与最重要的长势相关参数叶绿素含量进行拟合,针对玉米、玉米生长期的生长状况,把长势情况分为优、良、中、差四个等级,以野外现场长势采集等参数构建长势指标体系,而后以模拟数据进行长势监测评定长势等级,再以野外现场实际观测到的长势数据作为标准进行精度评价。     

基于OC3M模型的MODIS海洋数据叶绿素反演理论和实现

OC3M模型是NASA采用的叶绿素a浓度经验反演方法,即MODIS1B数据转为L2级叶绿素浓度产品时采用的默认算法为OC3M模型。本文通过使用OC3M模型对我国渤海地区2003年的7月1号的MODIS影像进行叶绿素a浓度反演并对反演结果进行了分析。     

雪中污染物对积雪光谱的影响研究

分析了积雪光谱与其中污染物含量的关系.研究发现随污染物含量的增加,350～850nm处积雪的反射率急剧降低.用非线性回归方法,对污染物含量敏感的波长进行分析.结果显示,在384nm处,随污染物含量的增加,反射率以对数的形式变小;而在1495nm处,随污染物含量的增加,反射率以指数的形式增加.同时从所测光谱中,选择TM各个波段的中心波长与污染物进行相关分析,得到和逐波段与污染物进行相关分析一致的趋势,因此可以将该方法结合TM影像来预测积雪中污染物的含量.     

基于位置敏感哈希的海量文本数据查询算法研究

提出了一种基于位置敏感哈希算法的海量文本数据查询算法,通过位置敏感哈希算法将文本数据的特征向量映射到哈希桶中,从而有效地降低了计算复杂度并提高了数据检索的效率。首先,利用TF-IDF特征表示文本的特征向量,并根据给定的哈希函数集把文本的特征向量映射至哈希桶;接下来,利用哈希表为给定的文本计算出与之对应的直方图,通过直方图距离计算文本的相似度;最后,通过计算目标文本集中的文本与待查询文本的相似度进行文本排序,排序分值高的文本作为相关文本返回给用户。实验结果表明,对比已有方法文本提出的算法在MAP以及查全率-查准率曲线两个测度上都获得了较好的性能。     

基于决策树和MODIS数据的土地利用分类

土地利用类型的识别是土地利用/土地覆盖研究中的重点内容,如何准确、快速的获得大尺度范围的土地覆盖信息进行土地变化的动态实时监测一直是关注的重点。本文针对MODIS数据多光谱的特点,以山东省为例,选取8月份8-day的一期MODIS09Q1、MODIS09A1产品及全年16-day的MODIS13Q1NDVI时间序列产品,通过分析各种土地利用类型的光谱间关系,同时选择NDVI、EVI、NDWI、NDMI、NDSI等分类指数,并构造新的波段B2/B1、B7/B6(B1、B2、B6、B7分别代表1波段、2波段、6波段、7波段),利用决策树分类法,进行土地利用分类试验。结果表明,仅利用MODIS数据自身信息对宏观的土地利用分类就可以达到较高的精度,分布范围完整的土地利用类型如耕地、城市居民点精度较高,零星分布的土地利用类型如农村居民点、草地分类精度较低。决策树分类法充分发挥了MODIS数据的多光谱特点,总体精度达到71.4%,kappa系数为0.68。相对于最大似然法,总体精度提高近10个百分点,对耕地及沼泽等类型的精度提高20%到25%。     

基于研究数据评价的引证优化：高被引数据集特征视角

【目的/意义】研究数据在科学研究中占据重要的基础性地位,高价值研究数据的引用对推动科学研究起着重要作用,因此如何评价出高价值研究数据并对此进行引证显得尤为关键。【方法/过程】本文从DCI近十年社会科学领域的数据集入手,确立研究数据评价指标和方案。【结果/结论】低被引数据集作者总被引频次与高被引数据集差距悬殊;高被引数据集具有数据作者篇均被引频次较高;基金资助数量较多;数据仓储机构的数据平均被引频次较高;关键词数量、操作方式较多;提供DOI号及元数据描述方式较详细等。为数据引证影响因素的分析带来一定启发。【创新/局限】得出数据引证行为的优化实施建议：促进评价体系多元化、培养数据伦理意识、规范数据引证形式、加强各个环节的数据治理。     

谱科研旋律 抒遥感情怀——记中国科学院遥感应用研究所高光谱研究室主任张立福

为了在生产生活中更充分地发挥高光谱遥感技术的作用,我国一代又一代的遥感专家们辛勤耕耘,创新不息,用他们的智慧和努力、坚毅和执着不断地谱写着高光谱遥感技术的新篇章。中国科学院遥感应用研究所高光谱研究室主任张立福就是其中一位。     

基于三波段模型的大豆叶绿素a含量估算模型

基于实测大豆冠层高光谱及叶绿素a数据,利用植被指数和三波段方法建立大豆叶绿素a的高光谱反演模型.通过IDL(interactive data language)实现NDVI和RVI波段的重新选择,提高了基于2种植被指数的模型反演精度.比较而言,三波段方法建模反演大豆叶绿素a含量的精度较改良后植被指数的更高(R2=0.81).研究结果表明,利用波段重新组合的植被指数建立的估算模型可以提高大豆叶绿素a的估算精度;三波段模型法可以筛选更好的波段来构建模型,并在一定程度上提高大豆叶绿素a反演精度.     

基于模型模拟的NDVI对叶片生化组分参数的敏感性及叶绿素估算

归一化植被指数(NDVI)能够反映绿色植物的生长状况、监测作物长势,并与叶片尺度和冠层尺度的植被生化参数密切相关。研究方法主要是通过PROSAIL模型来分析NDVI的敏感性。在叶片尺度上,对NDVI变化的敏感性最高的参数是叶绿素含量(Cab),其次是叶肉结构参数(N);而干物质含量(Cm)和含水量(Cw)变化的敏感性较弱。在冠层尺度,NDVI对叶面积指数(LAI)的敏感性最高,其次是观测天顶角(VZA);叶倾角分布(LAD)和太阳高度角对NDVI的敏感性也较大。2017年5月16～18日野外实验采集数据及冬小麦叶片,通过实验室测得叶绿素浓度,结合2017年5月15日河北省石家庄市栾城区Landsat OLI影像,计算出采样点小麦的NDVI,建立叶绿素含量估算模型,生成栾城区冬小麦叶绿素含量分布图,得到研究区叶绿素浓度大部分在30～70μg·cm~(-2)。     

基于高光谱成像技术下的物证鉴定领域的研究综述

在物证鉴定的研究中,高光谱成像技术作为一种新型的物证鉴别技术,相较于紫外-可见荧光光谱、拉曼光谱等鉴别方法,具有高效、快速、无损的优点。通过综合比较各类检验方式与高光谱成像技术,进一步加强了对高光谱成像技术的认识与了解。高光谱成像是通过高光谱仪器设备对被检测物体在连续多个离散波段下扫描获得一个综合图像,同时记录物证的光谱信息和图像信息的技术。在物证鉴定中,通常借助其图像数据的完整性结合各类数据算法,对物证检材进行分析鉴别。     

海量高光谱遥感图像数据库的高效挖掘算法研究

在对海量高光谱遥感图像数据库进行挖掘的过程中,容易出现数据缺失与噪声干扰的情况,导致传统主元分析方法由于依据数据差异特征进行挖掘,无法实现海量高光谱遥感图像数据库的高效挖掘,提出一种时空二维联合的海量高光谱遥感图像数据库挖掘方法,分析了海量高光谱遥感图像数据库的挖掘原理,将数据库与背景结合起来,获取最佳分组次数,依据所提方法的基本原理,采用Apriori算法对高光谱遥感图像层与层之间的关系进行处理,按照顺序对由查询方案引起的候选数据存储空间的干扰进行消除,引入空间维度,完成各种监测点的层次划分,采用适应度函数对所提方法的效率进行改进,避免陷入局部最优解,从而实现海量高光谱遥感图像数据库的高效挖掘。实验结果表明,所提方法具有很高的挖掘效率和精度。     

基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究

穗颈瘟的发生会导致稻米产量降低和品质下降,对穗颈部发生侵染但并未引起倒伏的水稻（D）、穗颈部侵染严重已发生倒伏的水稻（L）和正常水稻（H）进行准确地识别和区分是采取病虫害防治措施和灾害评估的基础。本研究选用水稻黄熟期田间冠层测定的27个H的冠层样本、9个D的冠层样本和10个L的冠层样本数据,并以这些样本数据的红边斜率、红边面积、绿波峰值和绿峰面积等4个高光谱变量作为分析数据,分别运用概率神经网络和系统聚类法进行分类识别,识别精度可以分别高达到93.5%和91.3%,显然,在进行分类识别时概率神经网络这种新方法优于传统的系统聚类法。研究表明,概率神经网络具有更为强大的分类功能,应用于穗颈瘟的高光谱识别,可以实现对D、L和H精确分类,能够补充和完善传统的肉眼观测。