成像光谱技术及其在土地动态监测中的应用

20世纪80年代出现并于20世纪90年代蓬勃兴起的成像光谱遥感技术已经受到国内外学术界的广泛重视,代表了遥感定量化的发展方向。成像光谱技术提供的连续窄波段成像技术,使它在地质填图、精细农业、资源调查等定量遥感应用中具有极大的潜力。土地动态监测是土地管理工作中的重要环节,研究成像光谱技术在土地动态监测中的应用具有十分重要的意义。本文介绍了成像光谱技术及其在土地动态监测中的应用,并对利用成像光谱技术进行土地动态监测的关键技术进行了阐述。     

蚀变矿物信息与构造在高光谱遥感找矿中的应用初探

高光谱遥感蚀变信息提取是地质找矿和蚀变矿物填图的重要方法之一,研究基于现有的机载HyMap高光谱遥感影像模拟的星载高光谱遥感数据,通过光谱特征分析、降噪、端元提取、蚀变矿物填图等高光谱遥感技术结合实验区线性构造,对实验区进行星载高光谱遥感数据找矿应用初探,提取的蚀变矿物组合分布区,可以作为靶区开展进一步预查工作。     

高光谱成像技术在火腿品质检测中的应用进展

近年来,高光谱成像技术（Hyperspectral Imaging Technology,HSI）作为一种新的无损检测技术在肉类工业上的检测应用研究逐渐增多。HSI不仅能够检测火腿中的盐、水分、蛋白质和脂肪等理化指标以及火腿的黏性、颜色、环颜色、结壳和大理石花纹等感官指标,还能将这些检测指标的空间分布情况以图像的形式展示出来。本文分别从整只火腿与切片火腿这两个方面总结HSI技术在火腿品质检测中的应用进展,分析国内外学者们的相关研究成果,以期为未来火腿品质的优化提供有价值的参考。     

基于高光谱遥感影像技术的土地覆盖监测研究

根据地表不同物质的光谱信息,高光谱遥感影像技术能够有效提升遥感探测的能力,因此被广泛的应用到农业生产、土地覆盖监测等方面。作为遥感技术应用的重要方面之一,高光谱遥感技术为土地覆盖分类监测提供了更加精确数据。因此如何借助高光谱遥感成像技术来实现对土地覆盖的精度识别,成为国内外研究的热点内容。     

多光谱成像技术在食品营养品质检测方面的应用方法

食品的营养品质一直是人们评价食品时的一项重要指标,但采取何种方式才能在了解食品营养品质的同时保证效率和食品的完整性一直是研究的热点,其中,对于多光谱成像技术在食品营养品质检测上的应用的研究最为突出,其作用也很突出.本文主要通过对有关文献的分析和对以往经验的总结,对多光谱成像技术在食品营养品质检测方面的应用方法进行研究,...     

基于松弛策略和多分类器的半监督高光谱图像分类

高光谱图像分类是高光谱遥感研究的热点之一.然而高光谱地物标签难以获取,包含噪音点等特征使得分类困难.基于不连续松弛和多分类器策略,本文提出了一种高光谱图像半监督分类方法,可以达到去噪和改善分类精度的目的.实验结果编码,在有限标记样本的情况下,所提出方法能够获得良好的分类结果.     

物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响

获取农作物叶面积指数(leaf area index,LAI)及其动态变化对于农作物长势监测和产量估测等应用具有重要的意义。基于冠层反射率模型(物理模型)的LAI遥感反演方法具有良好的普适性,对地面数据依赖较少,近年来广泛应用于农作物LAI高光谱反演研究。然而,当物理模型参数取值尽可能准确(代入参数实测值或依据先验知识取值)时,模拟光谱与实测光谱间仍然存在误差,研究称之为"光谱模拟误差"。该研究通过比对实测冬小麦冠层光谱与ACRM(a two-layer canopy reflectance model)模型最优模拟光谱,展示了光谱模拟误差在各波段、不同样本点的分布规律。据此,根据对光谱模拟误差与高光谱数据降维的不同考虑,制订了4种LAI反演波段选择方案。通过对比基于不同波段选择方案的LAI反演精度,分析了光谱模拟误差对LAI反演的影响;讨论了综合考虑高光谱数据降维与光谱模拟误差的LAI反演波段选择方法。通过合理的波段选择,限制了光谱模拟误差的影响,提高了LAI反演精度。该研究结果有助于探索合理的LAI高光谱反演波段选择方法,为合理利用高光谱数据反演农作物LAI提供科学参考。     

基于快速定点学习算法的高光谱遥感信息提取

高光谱遥感通过航空或航天成像光谱仪获得地物的连续光谱信息,可探测到普通遥感不能探测到的物质。而独立成分分析技术是一种基于信号高阶统计特性的分析方法,在利用该方法进行高光谱数据处理时,将待识别的地物作为独立成分表示出来,可得到地物之间的分离度最大化。通过对高光谱遥感图像数据的特性进行分析,使用USGS光谱库中的矿物光谱作为端元信号,构造模拟的高光谱遥感图像,证明了快速定点学习算法在高光谱遥感矿物蚀变信息提取中的有效性。     

无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用

[目的]无人机高光谱遥感是获取田间尺度作物生长参数的新型手段,如叶面积指数(leaf area index,LAI)的无人机快速观测对作物生长监测具有重要意义。[方法]研究以河北省衡水市冬小麦为研究对象,利用以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器获取了冬小麦乳熟期的无人机高光谱影像数据;在无人机飞行的冬小麦试验田,利用LAI 2200进行了同步观测试验。该研究利用植被辐射传输模型PROSAIL模拟小麦冠层反射率数据,进而模拟9种植被指数(RVI,NDVI,EVI2,OSAVI,MSAVI2,TCARI/OSAVI,RENDVI(red edge NDVI),MSI,S2REP)。将模拟的植被指数与LAI进行相关性分析,分别构建LAI反演模型并通过拟合效果选择最优的反演模型。然后基于LAI最优反演模型利用无人机高光谱遥感数据反演冬小麦乳熟期的LAI。最后利用地面实测LAI数据对反演结果进行了验证。[结果]9种植被指数中包含红边波段的RENDVI和S2REP与LAI具有高度相关性,而且消除了在小麦LAI高值区时其他植被指数对LAI饱和的问题。基于RENDVI指数模型模拟的LAI与模型模拟的LAI之间RMSE为0.51,无人机高光谱数据LAI反演结果与地面实测值高度拟合(R2=0.83,RMSE=0.16,NRMSE=10%,n=25,P0.001),因此RENDVI是用于估算LAI的较理想的植被指数。[结论]无人机高光谱是获取小麦LAI的有效手段,该研究为利用无人机高光谱数据监测作物生理生态参数提供了参考。     

一种基于低通滤波的宜兴市OMIS-Ⅰ成像光谱数据辐射畸变校正方法

研究目的:探讨模型简单、实用的机载成像光谱数据辐射畸变校正算法,为土地利用/覆被研究提供辐射质量优化的图像.研究方法:理论分析与实证研究法.研究结论:由于"太阳-目标-传感器"的相对几何关系发生变化,使得不同空间位置的相同地物辐射亮度值发生变化,这种辐射畸变称其为几何辐射畸变更为合理;基于低通滤波的辐射畸变校正算法,模型简单、方法实用,实现了研究区128波段OMIS-Ⅰ机载成像光谱数据图像辐射畸变的有效校正.     

不同地域冬小麦叶片SPAD高光谱估算研究

叶绿素（SPAD）是重要的植被生物参量。针对传统的SPAD监测方法效率低的问题,该研究探讨 了利用高光谱遥感技术构建SPAD估算模型,实现大范围的冬小麦叶绿素快速无损检测和预测。首先,选 取我国江汉平原的湖北省潜江市后湖管理区和黄淮海平原的山东省济南市长清区作为研究区域,分别采集 冬小麦生育期的冠层反射光谱和倒二叶片SPAD数据。方差分析发现,两个地区冬小麦SPAD在各生育期 存在显著差异。之后,选取和计算RVI、DVI、NDVI和GRVI四种植被指数,利用回归模型建立了不同地 区的冬小麦叶片SPAD测算模型。模型精度检验表明,NDVI估算模型对两个样区的冬小麦叶片SPAD的总 体估算效果较好,满足精度要求,可以应用于大区域的SPAD遥感估测。该研究结果可以为不同区域大面 积的作物SPAD遥感监测提供技术和方法。     

基于高光谱曲线的马铃薯与其他主要作物光谱差异性分析

[目的]文章以马铃薯关键生长期——结薯期为测量时点,以马铃薯和玉米、大豆、水稻为研究对象,开展高光谱曲线特征差异性研究。[方法]为更好地描述马铃薯与其他作物的光谱差异,创建高光谱反射率差异性指数、高光谱一阶导数差异性指数、高光谱红边幅值差异性指数、高光谱曲率差异性指数及高光谱植被指数差异性指数。[结果](1)马铃薯与玉米、大豆、水稻3种作物光谱曲线具有明显差异,马铃薯与玉米的反射率值在480nm附近蓝色波段位置差异最显著,差异性指数值为67.866%,与大豆、水稻的最大差异性指数值分别为49.068%、57.559%,均位于550nm附近绿色波峰位置;(2)作物光谱曲线经一阶导数变换运算,马铃薯与其他作物间的光谱差异被显著放大,在近红外波段放大程度最显著;(3)马铃薯与玉米、大豆、水稻高光谱曲率差异性指数最大值均位于波长750nm附近,差异性指数值分别为78.365%、63.471%、80.882%;(4)常用植被指数中,比值植被指数、增强型植被指数可显著区分马铃薯与玉米、大豆、水稻。[结论]差异性分析结果为农作物空间分布遥感识别提供了技术支撑。     

高光谱遥感主成分分析算法并行计算研究

针对高光谱遥感数据量大、运算时间长的问题,探讨高光谱遥感数据处理算法的并行化策略,研究并行处理技术在高光谱遥感数据处理中的应用模式,并以高光谱遥感中的主成分分析算法为例,对该算法进行并行优化,通过实验验证了该技术方法的有效性。实验数据表明,采用并行处理方式对解决海量高光谱遥感数据处理时间长的问题具有很好的效果。     

高光谱成像检测芒果早期损伤的可行性研究

为快速识别芒果早期损伤,本文提出了基于高光谱图像特征和光谱特征的芒果损伤检测方法。图像特征检测方法总体检测准确率为98.22%;光谱特征检测方法总体检测准确率为98.67%。实验表明,利用高光谱图像特征和光谱特征可以对芒果早期损伤进行识别。     

高光谱遥感矿产资源探测软件研制与问题探讨

针对高光谱遥感矿产资源探测的处理流程和实施算法,从光谱特征提取、光谱解混及地物分类识别和填图3个方面涉及的关键技术展开了简述。在此基础上基于IDL研发了高光谱遥感资源探测软件。软件集成了影像特征分析、影像信息提取、端元提取、混合像元分解、蚀变填图、成矿远景区分析等功能模块。同时,对存在的问题,从波谱库构建、基于高光谱的资源深部探测、岩矿光谱特性机理分析、高光谱遥感影像高性能处理等方面进行了探讨。     

无人机载框幅式高光谱影像的波段配准研究

[目的]高光谱成像技术在卫星遥感平台上由于飞行高度与技术限制等原因无法满足当前对于智慧农业与精准农业的需求,无人机平台的出现可以有效地弥补这一问题,给精细化、定量化研究农田信息提供数据支持。受平台稳定性,荷载能力等因素的制约,传统的推扫式高光谱成像仪不适用于无人机平台,而框幅式成像仪的应用前景较为广泛。但此类成像仪由于成像原理等因素的影响,获取的波段图像间存在姿态与位置差异,无法直接投入到后期应用中,在投入使用前需要进行波段配准。[方法]结合传统基于特征点的配准方法针对波段配准展开研究,对图像间灰度与位置差异对配准精度的影响进行了深入分析,针对传统的研究方法在匹配灰度存在非线性变换的图像上不足等问题,设计了两组匹配策略实验,分别为拍摄顺序的配准实验对比与波段顺序的配准实验对比。[结果]通过实验对比证明在引入拍摄顺序的变换基准的匹配策略下可以自动且稳定完成配准任务,此方法下配准精度可以达到亚像元级。[结论]文章所提方法兼顾了波段顺序与拍摄顺序,匹配结果可达亚像元级,是较优的匹配策略。     

一种基于低通滤波的宜兴市OMIS-Ι成像光谱数据辐射畸变校正方法

研究目的:探讨模型简单、实用的机载成像光谱数据辐射畸变校正算法,为土地利用/覆被研究提供辐射质量优化的图像。研究方法:理论分析与实证研究法。研究结论:由于“太阳-目标-传感器”的相对几何关系发生变化,使得不同空间位置的相同地物辐射亮度值发生变化,这种辐射畸变称其为几何辐射畸变更为合理;基于低通滤波的辐射畸变校正算法,模型简单、方法实用,实现了研究区128波段OMIS-I机载成像光谱数据图像辐射畸变的有效校正。     

光谱技术在水稻品种鉴别中的应用

水稻品种鉴别一直是农业生产、种子检测和作物育种上的重要问题。传统的鉴别方法过程繁琐、耗时长、效率低,光谱技术为水稻品种的快速、无损、准确鉴别提供了新途径。文章从非成像光谱技术和成像光谱技术两方面总结了光谱技术在水稻品种鉴别中的国内外研究进展,分析其存在的问题,并提出了一些今后研究的设想。     

基于Landsat-TM和测量地物光谱耦合分析——以开封地区为例

地物光谱数据是遥感技术之基础资料,是建立地面数据和遥感数据关系的桥梁;在对遥感机理和地物光谱理论深入理解的基础上,用回归分析思想探讨遥感影像光谱与实测相应地物光谱的耦合程度,两者的相关系数ρ=0.8689,相关性较好,因此可以将经过大气校正后的影像光谱值代替实测地物的光谱值进行相关的分析。     

基于高光谱成像技术的稻谷中霉菌定量检测及模型建立

采用可见/近红外高光谱成像技术,并结合主成分分析(principal component analysis, PCA),利用偏最小二乘回归PLSR算法,构建稻谷储藏过程中典型霉菌(黄曲霉、黑曲霉与杂色曲霉)污染的无损检测方法。结果表明:稻谷分别接种3种霉菌后,黄曲霉菌繁殖速率最快,对比霉变过程下稻谷在400～1 000 nm波段信号发现,光谱反射率随霉变时间延长关联下降,其中黑曲霉对应的光谱信号变化幅度最为明显;结合PCA结果,不同霉变阶段性下稻谷光谱信号存在差异;霉变稻谷中黄曲霉、黑曲霉与杂色曲霉含量预测模型的相关系数分别为0.77、0.76和0.81,均方根误差分别为1.15、1.19和0.95 lg(CFU/g),能够做到对3种霉菌的准确预测。该结果可以为稻谷霉变的无损预测提供技术支持和理论依据。