基于高光谱吸收特征参数的分类研究

在Weka平台上,采用决策树C4.5、朴素贝叶斯、朴素贝叶斯树三种算法进行了带缺失属性值的高光谱分类研究。针对高光谱波段数众多、信息冗余量大的特点,首先对光谱曲线进行光谱特征参数提取,然后再选择合适的吸收峰波段作为输入向量来进行分类。实验表明,由NBTree建立的铀黑-沥青铀矿分类模型的分类误差最小,分类精度最高,其次是NaveBayes和J4.8,但从训练时间来看,NBTree则高于NB和J4.8。最后,对三种分类算法的分类结果进行了分析。

基于高光谱吸收特征参数以及光谱吸收指数的藻类叶绿素a反演分离模型研究

利用ASD地物光谱仪对不同浓度下小球藻、聚球藻及其混合藻的反射光谱进行测量,得到3组藻类在不同叶绿素a(Chl-a)浓度下的反射光谱,同时进行了Chl-a浓度测量。利用Matlab软件神经网络模型中的径向基函数对得到的高光谱数据进行高光谱曲线拟合,在拟合结果基础上,提取小球藻在652nm处、聚球藻在609nm处以及混合藻在652nm和609nm处的光谱吸收指数(SpectralAbsorptionFeatureParameter,SAFP)建立了两种单一藻类的定量模型,单一小球藻Chl-a最优定量模型为吸收峰深度模型Chl-a=10.059e713.97H,聚球藻的Chl-a最优定量模型为吸收峰斜率模型Chl-a=3×1012K2+1×107K+56.555。并在对两种单一藻类的定量模型研究基础上用光谱吸收指数对该两种藻的混合藻进行了Chl-a浓度分离。通过对比模型计算结果的均方根误差(RootMeanSquareError,RMSE),除吸收峰对称度模型分离结果不太理想外,吸收峰深度分离模型、吸收峰斜率分离模型、吸收峰光谱吸收指数(SAI)分离模型的分离结果都很好,分离效果最好的为SAI分离模型。

基于吸收特征参数的有机质含量光谱估算模型研究

连续统去除法是简便、准确而有效地提取光谱吸收特征参数的方法之一。为此,研究利用ASD FieldSpec Pro地物光谱仪在自然环境条件下对不同有机质含量的土壤样本进行光谱测量,提取特征吸收面积来评价与有机质含量的关系,发现基于包含有机质含量敏感波段在内的450～580nm波段范围特征吸收面积建立的有机质含量对数诊断模型预测精度较高。结果表明,土壤有机质吸收特征参数估算模型为土壤肥力的快速测定提供了新的途径。

高光谱吸收特征参数反演草地光合有效辐射吸收率

在植被光合有效辐射吸收率(FAPAR)遥感估算中被广泛采用的植被指数法,其估算精度往往受到"红波段吸收峰"峰值点光谱反射率易饱和特征的影响。考虑到高光谱吸收特征参数能较好地诠释地物光谱吸收特征的细节信息,基于微分法与包络线去除法研发"高光谱曲线特征吸收峰自动识别法"识别对FAPAR敏感的特征吸收峰,再结合连续统去除法以及光谱吸收指数(SAI)提取FAPAR的高光谱吸收特征参数,构建估算天然草地冠层水平FAPAR的高光谱吸收特征参数模型。结果表明:(1)天然草地冠层FAPAR与高光谱吸收特征参数具有很好的相关性,其中,"红波段吸收峰"SAI对FAPAR变化最为敏感,在植被覆盖度较高时,其饱和性相比"红波段吸收峰"峰值点反射率与归一化植被(NDVI)值有较大的提升。(2)以"红波段吸收峰"SAI为变量的对数方程为FAPAR的最佳估算模型,在植被覆盖度处于中与高时,其FAPAR预测精度比NDVI模型有不同程度的提高。研究采用的高光谱吸收特征参数一定程度上弥补了部分植被指数因饱和问题在估算FAPAR时的不足,可作为植被FAPAR反演的新参数,适用于中、高覆盖度的天然草地FAPAR监测。

融入可见光-近红外高光谱吸收特征的新型植被指数估算天然草地FAPAR

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合"高光谱曲线特征吸收峰自动识别法"与"光谱吸收特征参量化法",提取对FAPAR敏感的高光谱吸收特征参数,借鉴可见光-近红外植被指数的数学形式,尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率,构建新型植被指数估算植被FAPAR,并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。结果表明:新型植被指数"SAI-VI"不仅有效提高了单个光谱吸收特征参数在高、低覆盖区域估算FAPAR的精度,而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,标准误差与平均误差系数也相应最小)。研究表明:融入可见光-近红外高光谱吸收特征的新型植被指数"SAI-VI",强化了可见光波段与近红外波段光谱吸收特征的差别,相较单一光谱吸收特征参数,在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。同时,"SAI-VI"有效综合了对植被FAPAR敏感的光谱吸收特征信息,相较原始光谱反射率,能表达植被光合有效辐射吸收特征的更多细节信息,可作为植被冠层FAPAR反演的新参数,一定程度上弥补当前植被指数法估算FAPAR的不足。

花岗岩型铀矿床水云母化的诊断性光谱特征

揭示铀矿床各种蚀变类型的光谱特征是最佳铀矿勘查遥感谱段选择的前提,是利用成像光谱技术进行铀矿蚀变带遥感填图的基础。文章以201铀矿床为例对花岗岩型铀矿床水云母化(实际为伊利石化)的光谱特征进行研究,提取水云母单矿物的诊断性光谱特征,对其主要吸收峰的成因进行分析,发现此水云母化的光谱特征与国外光谱库公布的伊利石的光谱特征具有显著区别。

黄土覆盖区油气微渗漏地表蚀变高光谱特征响应机理研究

以甘肃庆阳油气区为例,根据油气微渗漏的物理化学过程,通过地面实测黄土样品的波谱曲线,以及其中碳酸盐、粘土矿物、二、三价铁离子含量的测试分析,检测黄土覆盖区油气微渗漏所引起的特征光谱响应。根据黄土样品的测试分析,已知油气区碳酸盐矿物含量明显高于未知油气区,而且二价铁离子含量增加引起红层褪色现象明显,但粘土化蚀变特征不明显。从实测土壤光谱曲线包络线去除后,提取的土壤光谱吸收特征参数中,碳酸根和二价铁离子对应的吸收深度、吸收面积和对称度等三个特征参数与其含量相关性强,拟合度好。由此,对地面实测的14条土壤光谱曲线聚类分析能够有效区分油气微渗漏明显的已知油气区类和油气微渗漏不明显的未知油气区类。

北京城市彩叶系植物秋季高光谱特征研究及差异性分析

北京持续推进增彩延绿科技示范工程,彩叶植物在城市园林建设和人居环境改善方面发挥着越来越重要的作用。如果能够利用高光谱技术实现快速、无损地观测城市彩叶植物区域分布特点及其生长特征变化,可为进一步优化城市彩叶植物布局,加快城市彩叶植物系统建设提供重要理论依据和数据支撑。高光谱遥感技术的快速发展,不仅提供了大量地被植物光谱信息,而且也提高了光谱分辨率及其响应范围。植物光谱具有一系列特征吸收谱带,能够指示不同树种间的差异,是高光谱进行树种识别的基础。以北京城市常见不同色系彩叶植物15种为研究对象,运用SR-3501便携式地物光谱仪分析了不同色系植物叶片秋季高光谱反射曲线特征;通过对原始光谱数据进行微分变换和特征参数提取,进一步研究了不同色系植物反射特征波段及特征参数差异性和变化规律。结果表明:大叶黄杨具备典型绿色植被光谱曲线特征,即呈"峰"和"谷"的变化特征,紫色系植物表现为同绿色系植物近似的光谱反射特征,红色系植物与黄色系植物光谱反射特征相似;从光谱吸收特征参数角度分析,不同色系植物绿峰/红峰位置表现为红色系植物>紫色系植物>黄色系植物>绿色系植物,而绿峰/红峰反射率、红谷位置和红谷反射率均表现为黄色系植物>红色系植物>紫色系植物>绿色系植物;不同色系植物叶片光谱三边特征参数具有一定的规律性,三边参数可以作为区分不同彩色叶植物与绿色系植物的特征参数,其中红边幅值与红边面积、黄边幅值与黄边面积、蓝边幅值与蓝边面积可分别作为紫色系植物、红色系植物与黄色系植物区别于其他色系植物的重要光谱特征参数。

基于光谱特征参数组合的高光谱数据矿物填图方法

受大气环境等因素的影响,高光谱遥感矿物识别难以达到较高的精度.为解决该问题,根据光谱吸收特征参数在大气变化中能保持相对稳定的特点,提出一种基于光谱特征参数组合的高光谱矿物类型识别方法.文中计算了多种光谱特征参数,通过最佳指数因子(optimum index factor,OIF)优选特征参数组合,选定最佳特征参数组合,利用模式识别方法实现矿物识别.利用机载可见/红外成像光谱仪(airborne visible infrared imaging spectrometer,AVIRIS)高光谱数据,在美国内华达州Cuprite矿区进行了该方法的应用试验研究,并与前人矿物填图结果做了对比.结果表明:吸收波谷位置-吸收面积-吸收右肩位置(P-A-S2)光谱特征参数组合的矿物识别效果最优,整体精度达到74.68%.

基于短波红外的土壤黏土矿物高岭石含量定量建模

土壤中黏土矿物高岭石的含量在地质找矿和环境治理方面有重要意义。对研究区土壤样品的短波红外反射特性进行了分析,通过连续统去除量化计算了光谱吸收特征参数,对比分析并检验高岭石含量与光谱吸收位置、深度、宽度和面积建立的线性方程以及与整个光谱区间(1 300 nm～2 500 nm)反射率建立的多元逐步线性回归方程,确定最优高岭石预测方程,其回归效果显著,预测精度较高。

基于近地高光谱信息的小麦条锈病病情指数反演

为探究小麦条锈病病情状况与冠层光谱的关系,通过田间人工接种条锈病菌,在不同生育期测定各个种植小区的冠层光谱、病情指数,对测定的光谱进行了连续统去除,提取光谱吸收深度、吸收峰总面积、吸收峰左端面积、对称度等吸收特征参数,计算光谱敏感度值,以病害区光谱吸收特征参数和光谱敏感度两个指标定量分析了小麦病害随生育期推进的变化程度,并且以不同生育期的光谱敏感度值和全生育期吸收特征参数为自变量建立回归模型,精确反演了小麦全生育期的病情指数。结果表明,以光谱敏感度值为自变量的组合模型预测值拟合度为0.97,以光谱吸收特征参数为自变量的模型预测值拟合度为0.95,均达到显著水平。

改进的KNN-SMOreg算法及在铀矿床典型蚀变矿物赤铁矿含量预测中的应用

赤铁矿作为铀矿床蚀变带中一种典型的蚀变矿物,在铀矿勘测过程中具有十分重要的指矿作用.传统的建模方法都以同样的概率来处理每个特征参数的重要性,但在实际建模过程中各个参数的重要性是有差别的,忽略此因素会直接影响赤铁矿预测的精度.针对此问题,本文提出一种基于属性关联的加权K近邻和支持向量机的新混合模型WKNN-SMOreg,该模型通过属性关联的方式来赋予赤铁矿各特征参数权值,以此来降低关联程度较低的特征参数在预测过程中所引起的误差.实验结果表明:与K近邻、支持向量机、简单K近邻与支持向量机的混合模型KNN-SMOreg的预测方法相比,本文提出的WKNN-SMOreg方法提高了赤铁矿预测结果的精度,降低了无用信息在预测过程中所造成的负面影响.这说明属性关联加权技术在蚀变矿物含量预测中具有一定的应用价值.

基于实例克隆的ICSMOreg算法及在铀矿床蚀变矿物水云母中的物谱建模研究

水云母是花岗岩型铀矿床蚀变带中的一种典型蚀变矿物,它也是铀矿找矿的一个重要标志。水云母含量的大小能在一定程度上体现铀矿床水云母化的强弱。传统建模方法对水云母含量的预测效果较差。文章将回归支持向量机SMOreg应用到水云母物谱关联建模中,并在验证其有效性的基础上提出一种基于实例克隆的ICSMOreg方法,以构建水云母含量与光谱特征参数的关联模型。该方法首先选择与待测样本亲和度较强的部分样本,运用实例克隆的方法对其进行克隆学习,再将得到的新样本数据输入SMOreg,建立水云母的物谱关联模型。最后将文章提出的算法与SMOreg算法、人工神经网络、模型树及常用的高光谱物谱关联模型中的一元线性回归、多元线性回归的预测结果相比较,表明提出的算法预测结果精度高于现有算法,且通过克隆与待测样本亲和度强的样本降低了无用信息在预测过程中所造成的负面影响。

油砂波谱专题数据库的设计与开发

为建立并进一步完善油砂波谱专题数据库,采用C#语言与SQL Server2008数据库设计并开发了油砂波谱专题数据库,实现了对海量油砂波谱的数据管理,同时将在青海野外采集的90组油砂波谱数据用于数据库测试,可实现对波谱吸收特征参数即吸收波段波长位置、深度、宽度、斜率、面积和对称度进行用户自定义分析;同时也可对未知实测油砂波谱曲线与已知油砂波谱库曲线进行匹配,并得到相匹配的相关系数,达到了数据库的设计要求。

基于不同植被指数的植被-土壤混合像元高光谱偏振信息与模型研究

高光谱遥感被越来越多的应用于确定混合像元的地物组分和比例。将不同面积比例的植被-土壤混合像元作为研究对象,使用偏振装置和ASD FieldSpec~3光谱仪得到植被—土壤组成的混合像元的偏振反射光谱曲线,计算得到八种植被指数值,讨论不同面积比例,不同偏振角度下植被-土壤混合像元的高光谱偏振特性。研究发现,随着叶片占混合像元面积比例的增大,植被-土壤光谱曲线越来越明显地表现出植被光谱"五谷四峰"的特性,且峰值与谷底的位置与植被光谱基本相同。偏振角越大,混合像元的光谱偏振反射比越大;混合像元条件下,植被所占混合像元的面积比例越大,光谱受偏振角的影响越大。各植被指数与混合像元中植被面积大小呈线性关系,其中植被衰减指数和改进红边归一化植被指数的相关系数最大,可以达到98%左右,适合用于建立植被指数与植被占混合像元面积比例之间的相关模型。在植被面积发生变化时,改进红边比值植被指数的灵敏性更好。在利用光谱吸收特征参数进行植被指数估算时,发现吸收谷深度与光化学植被指数的二次函数模型拟合度最强,决定系数R2为0.963 3;光谱吸收指数与光化学植被指数的二次函数模型拟合度最强,决定系数R2为0.960 5。

利用随机森林方法优选光谱特征预测土壤水分含量

为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性,以新疆渭干河-库车河绿洲为研究区,采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特征参数,包括最大吸收深度D、吸收谷右面积Ra、吸收谷左面积La、吸收谷总面积A、面积归一化最大吸收深度DA和对称度S,将反射光谱水分吸收特征与SMC进行相关性分析,通过随机森林方法对光谱水分吸收特征参数进行分类,获取各参数对SMC的重要性。运用多元逐步回归模型建立SMC反演模型。结果表明:D、A与SMC的相关性最高,同时2200nm及1400nm波段范围内的光谱吸收特征参数与SMC的相关性优于1900nm波段范围内的光谱吸收特征参数;对SMC影响较为重要的前5个参数分别为D2200、La2200、A2200、D1900和Ra2200;SMC的最佳预测模型是采用A2200、D2200建立的多元逐步回归模型,其建模集决定系数为0.88,建模集均方根误差为2.08,测试集决定系数为0.89,预测均方根误差为2.21,相对分析误差为2.80。随机森林分类能得到对土壤含水量影响较为重要的光谱水分特征参数,为干旱区精准土壤水分快速估测提供了新方法。

原状水稻土土壤湿度高光谱特征及反演模型

室内高光谱遥感定量反演土壤湿度的相关研究,可以为利用星载或机载遥感数据源进行大尺度土壤水分监测提供理论基础;原状土土样相较于当前广泛使用的研磨土土样,能更好地保持土壤的原始光谱特性和持水性能。为了得到更可靠的土壤湿度光谱特征与更具有适用性的反演模型,利用ASD Field Spec 3光谱仪采集了江苏省金坛市竹林镇的62个原状水稻土土样12套不同湿度梯度的可见光-近红外反射光谱,通过反射率、相对反射率以及水分吸收峰特征参数探究原状湿土光谱特征;在此基础上,选择对土壤湿度变化响应明显的变量,采用偏最小二乘回归反演土壤湿度,并对比选出最佳反演模型。结果表明:(1)随着风干过程中土壤湿度的降低:土壤反射率整体先下降后上升,可见光波段在土壤湿度较低时存在误差;1450 nm和1950 nm吸收峰的位置向短波方向偏移,吸收峰深度、宽度和面积不断减小,2 200 nm处吸收峰右肩高度不断降低。(2)土壤水分吸收峰特征参数对土壤湿度响应明显;反射率和相对反射率与土壤湿度相关性较高的波段均出现在>1300 nm以后。(3)反射率(R)反演原状土湿度精度较低,R2val=0.752,RPD=1.81,经过数学形式和相对反射率(Rr)变换后,[lg(1/Rr)]'建模中R2val=0.820,RPD=1.99;基于水分吸收峰特征参数建立的模型R2val=0.800,RMSEP=62.70 g kg-1,RPD=2.29,最佳主成分数为3,是反演原状土土壤湿度的最佳建模变量。