基于高光谱特征提取的藻类叶绿素a反演模型

选取自然界中分布较广泛的小球藻和铜绿微囊藻为研究对象,进行室内藻类光谱试验,同步测定其ρ(叶绿素a),并分别建立基于混合高斯函数的小球藻和铜绿微囊藻高光谱信息模型.在此基础上,利用模拟退火算法实现模型的非线性参数拟合,提取这2种藻的高光谱特征,通过非线性回归分析,反演得到分解后的高光谱信息模型的峰高(hi)与ρ(叶绿素a)的定量模型,实现对水体中小球藻和铜绿微囊藻ρ(叶绿素a)的预测.结果表明:藻类高光谱特征提取算法能有效揭示小球藻和铜绿微囊藻的光谱本质特征,并得出相应的小球藻和铜绿微囊藻叶绿素a反演模型.

水体重金属Pb、Cd污染的室内高光谱特征反演研究

针对水体重金属污染水质参数复杂、重金属含量少导致的遥感监测光谱反射率低、特征响应波段不明显等问题,本文以铅(Pb)、镉(Cd)为研究对象,配制室内单一重金属多浓度污染标准溶液,在光谱数学变换的基础上,通过相关性分析获取水体重金属Pb、Cd的污染特征响应波段,并进一步构建单波段非线性及多波段偏最小二乘反演模型。所获水体重金属Pb、Cd污染特征响应波段上的光谱特征与对应标准溶液的重金属污染浓度的相关性分析及其模型反演精度表明:一阶微分与包络线去除可有效提高水体重金属污染特征波段提取精度,且多波段反演模型优于单波段模型。本文可为进一步开展野外水体重金属污染反演研究提供理论支撑。

BP-ANN在荒漠草地高光谱分类研究中的应用

利用高分辨率光谱仪在实地测得的光谱数据来识别新疆阜康地区的7种典型荒漠草种，对原始高光谱数据作预处理（微分和平滑），选取典型荒漠植被的光谱特征（红边、绿峰、红谷、RVI等）作为输入数据，植被类型作为输出数据，构建基于BP神经网络模型的典型荒漠草地分类器，进行了三组基于高光谱特征的草地类型分类实验，结果表明：（1）红边特征较其余吸收特征更能获得精确的分类结果；（2）波段550～790nnl间的窄波段光谱分类间隔中，20nm优于10nm的间隔；（3）草地分类器中BP网络模型的输入层、隐藏层神经元个数与BP网络训练时间、精度具有复杂的耦合关系，不可一概而论。