基于量子遗传光谱角分类算法的高光谱植被特征波段选取

高光谱数据往往具有数百个连续的窄波段,能够反应地物必要且详细的光谱反射信息,因而被广泛应用于地物精细分类中。然而,由于高光谱窄波段间较强的相关性和冗余性,将整个原始高光谱数据应用于实际分类中,并不能获得令人满意的精度。因此,特征波长或波段选择一直以来都是高光谱实际应用的关键和难点所在。前期的特征波段选择方法不仅计算效率低,容易陷于局部优化,而且波段指向性和解释性不强。以鄱阳湖湿地连续极端干旱情况下1月—5月份枯水期植被物种精细分类中的特征波段选择为例,采用便携式地物光谱仪(SVC HR1024)实测的包括青蓼、藜蒿、紫云英、风花菜、长刺酸模、看麦娘、虉草、苔草、南荻、芦苇等10种湿地植物物种的高光谱反射数据,引入量子遗传算法(QGA),综合基于k近邻分类器的光谱角分类方法(KNN-SAM),提出基于量子遗传k近邻光谱角分类算法(QGA-KNN-SAM),获取适用于湿地植被高光谱精细分类的特征波长,同时采用k中心点聚类算法确定特征波段区间。该算法与基于传统遗传k近邻光谱角分类算法(GA-KNN-SAM)进行对比实验发现,QGA-KNN-SAM的平均分类精度为95%左右,明显高于GA-KNN-SAM的平均分类精度90%;且基于QGA-KNN-SAM算法的特征波长点及波段相对聚焦,其跨度为589~634.4 nm,明显低于GA-KNN-SAM的1107.6~1205 nm。与传统植被的精细分类不同,湿地植被的精细分类除考虑反应植被的光谱波段外,还需要考虑反应地表水文特征的波段信息。与目前常见的多光谱及高光谱卫星影像的波段分布对比发现,QGA-KNN-SAM算法选取的特征波段的指向性和可解释性更优。该算法既提高了波段选择的计算效率和可解释性,又弥补了在波段选择研究中QGA方法的缺失,可为同类研究提供科学支撑。

自然状态下水泥路面温度与其发射率耦合关系研究（英文）

地表发射率是地表温度遥感反演中不可缺少的参数之一。常规获取地表发射率的遥感方法中,存在温度和发射率病态反演的问题;而实验室实测方法在恒定的自然条件下测定,对于遥感实用有一定的局限性。为解决上述问题,本研究利用温度和发射率相互耦合的关系,剔除温度效应的影响,提高发射率的精度,进而提高遥感反演地表温度的精度。对于不同地表物质而言,发射率和温度耦合关系又不同,本研究针对典型的城市人造地表类型之一——水泥路面,基于合理的自然状态下水泥路面发射率和温度观测实验,筛选理想大气环境下实测数据;利用最优发射率与温度分离算法取代光谱仪自带算法,提取精度较高发射率数据;分析时序水泥路面温度和发射率数据的耦合关系,建立耦合模型,并进行验证。研究结果表明:水泥路面的发射率二阶导数与温度相关性最高,相关系数为-0.925 1。以发射率二阶导数为自变量的逐步回归模型为最佳关系模型,判定系数R2达到0.886,验证结果的均方根误差RMSE为0.292 1。水泥路面温度与其发射率耦合关系模型的建立为提高遥感反演地表温度的精度提供了一种途径。

植被恢复与气候变化影响下的鄱阳湖流域蒸散时空特征

蒸散是地球表层物质循环与能量交换过程的重要组成部分，了解其时空特征和影响因素具有重要的科学意义。以鄱阳湖流域为研究区，基于 Wa SSI-C 生态水文模型，利用气象数据、叶面积指数数据和土壤数据等估算1983-2011年鄱阳湖流域蒸散，分析其时空特征，并通过情景模拟定量分析植被恢复和气候变化对蒸散的影响。研究表明：鄱阳湖流域蒸散多年均值变化范围为741~914 mm/a，植被和降水量分布是造成流域蒸散空间差异的主要原因；近三十年来鄱阳湖流域蒸散呈阶段性增长趋势，增长率为 1.495 mm/a；植被、气温和降水对鄱阳湖流域蒸散的单独影响均为正向，但气温和降水的联合效应会导致蒸散下降；鄱阳湖流域蒸散变化的主导因素具有空间差异性，从整体上看，植被恢复是驱动蒸散呈增加趋势的主要原因，而气候变化是导致蒸散年际波动的主要原因。