基于辐射传输模型探究机载高光谱激光雷达的植被垂直生化组分探测能力

自然环境下的植被群落,由于各种群之间以及种群与环境间的竞争与选择,常呈现出一定的垂直结构,对于同一植株的不同生长阶段,在垂直方向也有着不同的生理生化参数。对这种三维立体分布特征进行探测,能够进行生态环境立体化定量评价,对森林碳储量估算和生物多样性保护等具有重要意义。传统的被动光学遥感以及激光雷达在植被生化参数垂直探测方面有较大的局限性,而高光谱激光雷达(Hyperspectral LiDAR,HSL)这一新型探测仪器的出现为探测植被生理生化参数垂直分布提供了新的手段。但由于受到硬件方面的限制,HSL在机载平台下对森林复杂立体场景的适用性尚未得到充分研究。故首先基于HSL原型样机在实验室开展小尺度的室内测量,以火炬花植株为目标,验证其对空间信息和光谱信息的一体化提取能力;随后进一步使用三维辐射传输模型构建具有垂直异质性特征的森林场景,模拟机载HSL设备实现森林的高光谱三维点云提取,结合植被指数和随机森林模型对场景中三种不同植被冠层的叶绿素浓度和类胡萝卜素浓度进行反演。结果表明:室内实验证实了HSL回波信息可以有效区分植株不同高度处光谱曲线的差异,火炬花上部红色叶片和下部绿色叶片的归一化植被指数分别小于和大于0.5;基于三维辐射传输模型成功构建了虚拟森林场景的机载HSL高光谱三维点云,在得到的24组植被指数中,有17组指数表现出良好的探测精度(平均绝对百分比误差MAPE<13%);植被叶绿素反演模型R^(2)达到0.93,上层、中层和下层的平均绝对误差MAE分别为6.26、3.40和2.81;类胡萝卜素反演模型R^(2)为0.91,上层、中层和下层的MAE分别为1.59、2.58和0.39。该研究显示出HSL设备是一种立体化提取植被光谱信息的有效手段,在探测森林等复杂植被场景的生化组分垂直分布方面具有巨大的应用潜力。

基于高光谱激光雷达的多视角木叶三维重建研究

高光谱激光雷达(HSL)能实现空间-光谱信息的同步采集,为树木的木叶三维重建提供了可能。利用自研的HSL系统获取不同视角的树木点云数据,进行了多视角下的木叶分离,并根据分离结果完成了的木叶三维重建。针对传统最近邻迭代(ICP)算法严格的点云初始条件需求,提出了改进的点云配准方法。首先,采用快速点特征直方图(FPFH)描述点云的局部特征,然后基于随机抽样一致性(RANSAC)算法实现不同视角点云的粗配准,最后利用ICP算法实现精配准。在选出特征通道的基础上,利用随机森林(RF)和支持向量机(SVM)完成木叶分离,最终完成木叶三维重建。实验表明,在15°和30°的视角差下,提出的改进点云配准方法均达到较好的配准精度,同时基于特征通道选择的RF方法木叶分离准确度分别达到98.17%和98.87%。

利用高光谱激光雷达检测木材的霉变与含水量

为了快速无损地检测评估木材的霉变及含水量,利用高光谱激光雷达系统主动获取木材的高光谱数据,设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本,进行时长为4个月的间隔性测量,分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化;然后在分析样本不同含水量光谱特性的基础上,采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长;最后分别建立偏最小二乘回归预测模型。结果表明,正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时,光谱反射率随时间变化缓慢并趋于稳定;基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳,预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测,为木质建筑的快速无损检测提供了新思路。

基于高光谱激光雷达的绿萝叶绿素3维重建

为了准确重建正反面叶片叶绿素3维分布,利用高光谱激光雷达,采集了不同生长状态的绿萝叶片与植株的空间-光谱域点云数据,设计了一种基于分类预测的重建方法。通过偏最小二乘回归构建叶片正面与反面光谱的叶绿素含量预测模型,采用光谱自适应阈值选择方法实现植株点云中叶片正反面的分类,并根据类别标签选择模型计算叶绿素含量,重建植株的叶绿素3维分布。结果表明,该方法得到的植株叶绿素3维分布更接近真实值,决定系数达到0.69,均方根误差为4.97。这一结果可为植物表型研究提供新的数据基础和理论方法。

一种基于高光谱激光雷达技术的涂改车牌识别方法

利用高光谱激光雷达系统采集涂改车牌空间-光谱域信息,根据车牌逆反射特性,设计基于光谱特征的两次阈值法实现涂改车牌识别。首先计算光谱特征波长,利用一次阈值法分离车牌部分和涂改部分;其次,计算特征波段内车牌部分各点的光谱反射率曲线的梯度值,利用二次阈值法判别涂改类型(背景转字符涂改和字符转背景涂改);最后,根据涂改类型重建正确车牌字符,将重建信息与二维平面数据融合得到正确的二维车牌图像,送给车牌识别系统进行识别。实验结果表明该方法可实现多种涂改材料以及多种涂改类型的涂改车牌识别。

高光谱激光雷达植被叶片方向反射特性及对叶绿素反演的影响

不同于传统被动光学传感器,高光谱激光雷达发射主动式全波段高斯脉冲激光,和植被叶片表面相互作用后,不同波段后向散射强度返回至接收器并被记录下来。以往的高光谱激光雷达植被叶片反射特性研究只聚焦于零度角入射的情况,对多入射角方向反射光谱特性以及方向反射特性对叶片叶绿素含量估算带来的误差尚未进行过深入研究。利用实验室研发的32波段高光谱激光雷达获取了不同入射角下的植被叶片反射光谱,对高信噪比波段下植被叶片的复杂方向反射特性进行了深入分析,随后选择光谱指数研究了高光谱激光雷达测量条件下植被方向反射特性对叶绿素含量反演的影响。结果表明,(1)高光谱激光雷达植被叶片回波强度随入射角增大逐渐降低,但二向反射率因子并不逐渐减小,在可见光和近红外波段,二向反射率因子随入射角增大分别呈现出两种不同形状特征,可见光波段反射率因子最大值出现在0°~10°,近红外波段最大值出现在60°,反射率因子最小值均出现在45°处,最大和最小反射率因子间可差0.1左右,可见光和近红外波段10°~60°内二向反射率因子均呈现先减小后增大的趋势;(2)通过对不同入射角下光谱指数与叶绿素含量的回归分析发现,方向反射特性对反演精度有非常大的影响,R^(2)和RMSE并不随着入射角增大统一呈现同步增大或同步减小的趋势,具体地,R^(2)随入射角的变化趋势是先减小,再增大,再减小,50°左右时最小,增大发生在60°, RMSE则反之。对于不同光谱指数,R^(2)随入射角增大变化可达4倍,波动范围为0.14~0.63, RMSE最大变化为1.5倍左右,在0.5~0.8 mg·g^(-1)内波动。R^(2)和RMSE的重大变化揭示了高光谱激光雷达植被叶片方向反射特性对叶绿素含量反演的重要影响。

深度学习理论的高光谱激光雷达弱信号检测

为了精准检测弱信号并确定其类型,提出深度学习理论的高光谱激光雷达弱信号检测方法。采用小波多分辨率分析法去除高光谱激光雷达回波信号中噪声,利用分数域傅里叶变换法搜索分数域,将之作为高光谱激光雷达弱信号的分数域包络曲线特征向量,利用深度信念网络学习高光谱激光雷达弱信号特征,完成弱信号检测及类别识别。实验结果表明:本方法高光谱激光雷达信号去噪后信号具有最大信噪比、最小均方差;可实现高光谱激光雷达弱信号检测,检测精度达到95%以上,并可分类弱信号类别,检测性能突出。

高光谱激光雷达后向散射强度的粗糙表面二向反射模型

高光谱激光雷达是同时获取光谱和空间信息的主动遥感探测方法。在激光扫描过程中,激光入射角是重要的影响因素之一。在实际应用中,目标表面粗糙度会使其入射角效应偏离朗伯模型。因此,基于Oren-Nayar模型对粗糙表面建立二向反射模型,研究了入射角效应的辐射校正方法。选取8种典型的粗糙表面作为实验对象,分析了各波段后向散射强度与入射角的关系,并量化了粗糙度对强度的影响。基于构建的模型,对该研究样本的入射角效应进行辐射校正。辐射校正后,不同入射角反射率的标准差均不大于0.06;与校正前相比,标准差平均改善率为67.86%。结果表明,所提出的方法提高了提取目标反射特性的准确性,为高光谱激光雷达更好地为开展数据分析与应用提供良好的物理基础。

高光谱激光雷达：三维生物物理化学生态测量学

生态测量学为生态学、地理学、林学、野生生物学等提供基础的技术支撑,开发适应上述学科发展的新型生态测量技术日渐重要,尤其随着目前生物地球化学的快速推进,开发三维生物物理化学生态测量技术成为当前的研究热点,然而当前的主流遥感测量技术仍无法做到高效准确。高光谱激光雷达技术的发展为解决该问题提供了可能,这也通过基于连续测量的3种单木高光谱激光雷达数据实现反演光合有效辐射、树冠叶绿素含量与氮含量的三维分布及其昼夜变化趋势得到验证。实验结果预示随着高光谱激光雷达的成熟,三维生物物理化学生态测量学将得以建立,相应的三维生物物理化学生态测量技术将进一步推动地理学、生态学、生物地球化学乃至地球系统科学的发展。

基于小波变换的高光谱激光雷达回波微弱信号处理技术

针对高光谱激光雷达回波信号能量弱导致的波形信息常常淹没在噪声中而难以提取的问题,基于高光谱激光雷达原理验证样机系统采集到的高光谱激光雷达回波信号数据,通过分析小波变换参数选取对信号处理的影响,寻找到一种基于小波变换的高光谱激光雷达回波微弱信号的处理方法,即在sym6小波3层分解下,运用软阈值函数和启发式阈值处理可有效处理高光谱激光雷达回波微弱信号,运用该方法在仅有少量回波样本信号数量情况下,达到高斯拟合在数倍回波样本信号数量情况下的处理效果,降低了提取出波形信息所需要的高光谱激光雷达回波信号探测时间。

基于室内高光谱激光雷达的典型树种叶片光谱观测和分类

高光谱激光雷达综合了高光谱和激光雷达特征,可为植被生理生化参数提取提供更加精确的遥感探测,但其应用潜力尚未得到充分挖掘。以北京10个典型树种的单叶为样本,开展室内高光谱激光雷达的叶片观测试验,并进行树种分类研究,为未来高光谱激光雷达的林业应用提供基础。首先进行可调谐高光谱激光雷达(Hyperspectral LiDAR,HSL)叶片高光谱测量,并完成与ASD地物光谱仪所测数据对比实验;其次,应用随机森林方法实现10种叶片的分类研究,其输入的特征指数为融合全部波段、部分敏感波段的光谱指数。结果表明:(a)HSL在波段650~1000 nm(71个通道)内观测的叶片高光谱和ASD光谱一致(R^2=0.9525~0.9932,RMSE=0.0587);(b)只用原始波段反射率分类精度为78.31%,其中分类贡献率最大波段的是650~750 nm,使用此波段进行分类精度为94.18%,表明利用红边波段(650~750nm)进行树种分类是十分有效的;(c)对树种敏感的波段为680 nm、685 nm、690 nm、715 nm、720 nm、725 nm、730 nm;(d)结合敏感波段光谱指数与植被指数分类精度82.65%。该研究结果表明在单叶级别,利用高光谱激光雷达能够准确地反映目标叶片的光谱特征并且能有效进行树种分类;未来将可能在野外应用中精确提取目标的生理生化参数。

一种适用于古建筑建模的全波形高光谱激光雷达设计与实现

为了获取古建筑完整的空间结构、历史演进及其健康状态等特征信息,研制了一种全波形的高光谱激光雷达系统(HSL)。该系统同时获得目标的空间三维信息和光谱信息,用于古建筑空间和状态特征的建模。利用超连续谱激光器和声光可调滤波器(AOTF)作为发射单元,实现550~1050 nm的连续光谱波长范围内101个光谱通道采样,并利用5 GHz/s高速采集卡完成主波和回波全波形数据采集。设计了静态单点测试和zigzag单点扫描相结合的双模式分步扫描方案,保证三维空间和光谱信息的准确获取。在实验室环境下,对HSL系统反射率稳定性、信噪比以及扫描精度进行了分析测试。利用三维空间和超连续的高光谱信息对古建筑构件样本建模进行验证,并采用随机森林(RF)多分类方法实现不同古建筑构件木种材料的分类。结果表明,HSL系统能够同时获得空间三维信息和连续光谱信息,满足古建筑空间和状态特征建模的信息采集的需求。

基于偏振高光谱激光雷达和微波辐射计的大气温度探测和融合算法研究

大气温度作为大气探测领域的基本参数,获得高精度大气温度廓线对于天气预报和气候研究至关重要。本文利用自行研制的偏振高光谱激光雷达实现了边界层内大气温度的全天时、高信噪比测量,提出了利用拼接法进行高光谱激光雷达和微波辐射计的数据拼接和融合,实现了二者的优势互补。结果表明:偏振高光谱激光雷达可实现3.5 km以下的大气温度有效探测,其误差主要在±2 K内,微波辐射计在3 km以内探测误差较低,而在3 km以上误差在-4 K~-2 K,经过拼接后,在3.5 km以内误差为±1 K,相关性由拼接前的0.95提升到0.97。结果表明高光谱偏振激光雷达可有效进行边界层内大气温度的探测,经过与微波辐射计的融合,即可解决激光雷达的盲区问题,又可提升微波辐射计的探测精度。

基于高光谱激光雷达信号强度免校准的煤岩分类

安全性对于深井开采至关重要。基于激光雷达的扫描探测技术可以有效监测巷道和深部煤矿现场的围岩安全状况。新兴的高光谱激光雷达不仅可以提供空间几何信息还可以提供丰富的光谱数据,在深井煤矿安全检测和精细结构分析方面具有良好的应用前景,而精确的煤岩分类是监测分析的基础。在实际应用中,雷达强度信号易受仪器属性和环境因素的影响,需校准才能使用。由于深井煤矿粉尘污染严重,常规校准方法难以达到理想效果。针对这个问题,提出一种信号强度免校准的方法,从激光雷达回波信号中提取新特征实现煤岩精确分类。首先,使用高光谱激光雷达获得煤/岩石样本的回波强度信息,并计算出波形熵(WE)和联合偏斜度-峰度系数(JSKF)作为新分类特征参数。其次,采用随机森林(RF)与支持向量机(SVM)分类器实现煤/岩石分类。最后,笔者进行了光谱分段测试,对特征分类性能进行优化。结果表明,所提的免校准方法,提高高光谱激光雷达直接应用能力的同时能够保持良好的分类性能。

基于高光谱激光雷达的滞尘叶片光谱特征分析

城市绿植为城市生态系统提供自净功能,起到净化空气以及滞尘降尘等多种环境保护作用,而滞尘等因素也会对绿植产生影响。为了研究滞尘对城市绿植叶片光谱特征的影响,采集了四种常绿绿植(八角金盘、石楠、香樟和玉兰)叶片样本,使用高光谱激光雷达系统获取高光谱点云数据,分析了滞尘对叶片光谱特征的影响。分析结果表明:对于不同种类叶片,滞尘对可见光波段反射率均有较大影响;对于同种类叶片,滞尘对近红外波段的反射率差异影响较大,可见光波段的反射率差异为1.21%∼3.41%,近红外为1.76%∼8.49%;线性四点内插法计算和光谱导数分析表明滞尘对四种叶片的红边位置无显著影响;四种叶片的叶面水含量指数(LWI)对滞尘的响应程度最小(均小于3.7%),而比值植被指数(RVI)对滞尘的响应程度最大(除香樟外,均大于20.0%),红边指数(SDr)、简单比值指数(SR)和叶面叶绿素指数(LCI)的响应程度稳定性较差。进一步建立了滞尘植被指数和响应程度的线性相关性拟合模型并进行了检验,其中以LCI为自变量建立的模型为最稳定拟合模型,可表示为b=−1.527a+0.6597,决定系数约为0.88。

基于WRF模式高光谱分辨率测温激光雷达系统分析

为了解析大气瑞利-布里渊散射光谱并获取0 km~16 km的大气垂直温度廓线,采用基于菲索干涉仪结合光电倍增管阵列的高光谱分辨率测温激光雷达(HSRL)对不同季节环境下的温度反演能力及系统误差进行了理论分析,得到了利用大气瑞利-布里渊散射光谱在结合Tenti S6模型进行拟合的情况下,不同的大气模型对温度廓线拟合的影响结果。结果表明,使用US76大气模型结合Tenti S6模型,经10000次脉冲积分后,在0 km~16 km范围内的最大随机误差为1.1 K;使用天气预报模式(WRF)提供的温压场代替US76模型的温压场进行模拟,随机误差随季节略有不同,春季不超过0.65 K,夏季不超过0.98 K,秋季不超过0.59 K,冬季不超过0.63 K;使用WRF模式进行HSRL系统探测能力评估结果优于使用US76的评估结果,若精选不同天气类型,该方法还可以拓展到评估不同季节下HSRL的随机误差,体现了将WRF模式用于HSRL评估的优势。该研究为HSRL测温系统在不同季节下的工作能力评估提供了参考。

基于改进随机森林的高光谱激光雷达信号分选研究

高光谱激光雷达数据在频谱维度上具有很高的维度,包含大量的波段或频带,易出现忽视频谱带中有用信息的情况,进而导致高光谱激光雷达信号分选效果较差。为此,提出基于改进随机森林的高光谱激光雷达信号分选研究。首先,采用变分模态分解算法对高光谱激光雷达含噪信号展开去噪处理;然后,采用长短期记忆神经网络算法对去噪后的高光谱激光雷达信号展开特征提取,并利用自编码神经网络对提取的特征展开重构处理,以获取重构后的雷达信号特征;最后,采用随机森林算法根据高光谱激光雷达信号特征完成信号分选。实验结果表明,所提方法的SNR为30.648 dB,RMSE为0.1498,预测分选类别与实际分选类别几乎一致,分析时间始终未超过5 s,表明所提方法的分选性能较好,具有实用性。

高光谱激光雷达谱位合一的角度效应分析

高光谱激光雷达以其谱位合一的技术优势为实现超三维精准遥感观测提供了可行途径,因此成为当前激光雷达与高光谱遥感领域共同大力推进的前沿发展方向。目前已有多型原型系统研发出来并得到了原理性验证,然而针对其数据处理核心环节问题的基础技术仍较为欠缺。典型问题之一是不同波段回波信号受激光入射角度的影响,该角度效应限制了高光谱激光雷达实现高性能遥感。以芬兰空间信息研究所高光谱激光雷达原型系统扫描桦树树干为例探讨了该角度效应,发现了不同激光波段对不同入射角度的回波强度响应模式,推导出了角度效应的基本规律及其精细尺度的统计规律,为后续该方向的系统研发、数据处理及信息提取等提供了可借鉴的底层机理与技术基础。

大气遥感高光谱分辨率激光雷达研究进展

高光谱分辨率激光雷达由于可实现对大气参数的精确反演,在大气遥感领域具有较好的发展前景。介绍了高光谱分辨率激光雷达探测气溶胶、大气温度以及风速的基本原理以及目前国内外的研究进展,并重点介绍了高光谱分辨率激光雷达系统中的鉴频技术、激光技术、锁频技术以及数据处理技术等几项关键技术。

紫外域多纵模高光谱分辨率激光雷达探测气溶胶的技术实现和系统仿真

多纵模高光谱分辨率激光雷达是一种新型的高光谱分辨率激光雷达.本文在研究典型高功率Nd:YAG脉冲激光器的多纵模模式及其在大气中传输的气溶胶米散射和瑞利散射光谱的基础上,设计紫外域多纵模高光谱分辨率激光雷达系统,采用窄带干涉滤光片滤除太阳背景光的影响,设计可调谐马赫-曾德尔干涉仪,分离提取多纵模激光回波中的气溶胶米散射和瑞利散射光谱,并利用马赫-曾德尔干涉仪双通道输出的互补性原理,精确反演气溶胶光学参量.系统仿真结果表明,所设计的紫外域多纵模高光谱分辨率激光雷达能够实现10 km高度内的气溶胶光学参量精细探测.