基于NIR-Red光谱特征空间的作物水分指数

水分含量是表征作物水分胁迫生理状况的重要指标,及时有效地监测作物水分含量对于评估作物水分亏缺平衡,指导农业生产灌溉具有重要意义。基于NIR-Red二维光谱特征空间,尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。以冬小麦作物植被水分含量估算为尝试对象。首先,利用地面实测小麦冠层高光谱数据,结合对应卫星光谱响应函数,模拟当前常用卫星HJ-CCD和ZY-3多光谱数据;然后,对基于NIR-Red二维光谱特征空间的现有植被指数PDI(垂直干旱指数)和PVI(垂直植被指数)进行改进,通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC)。结果显示:基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果,R2分别达到0.684和0.683,均达到了极显著水平。利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764,3.837%和3.840%,这表明应用提出的新指数PWI估测作物含水量具有一定可行性。同时,也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。

一种基于NIR-RED光谱特征空间的干旱监测新方法

土壤水分作为干旱监测的重要指标,一直是干旱遥感监测研究的重要内容。本研究利用MODIS数据的EVI、红波段反射率、近红外波段反射率数据构建了基于Nir-Red反特率光谱特征空间的EPDI模型进行土壤水分的反演。利用野外同步测量数据对PDI、MPDI、EPDI三种干旱指数模型获取的拉萨河流域土壤水分进行了验证和对比分析,研究结果表明EPDI能够更准确地反演土壤水分,其样本点的相对误差仅为0.1040,线性相关系数为0.9181,反演精度相比PDI、MPDI(0.1646、0.1472)分别提高了36.83%和29.35%,为利用遥感影像数据进行大尺度的干旱动态监测提供了新途径。并且相比MPDI,EPDI模型参数更容易获取,模型构建受人为因素影响小,从而为模型的大范围推广提供了可能,具有很好的应用意义。

基于NIR-Red光谱特征空间的土壤水分监测新方法

干旱是一种频繁发生的自然灾害，而土壤水分作为干旱监测最重要的指标，一直成为干旱遥感监测研究的重点内容．利用经过几何精校正和大气校正的ETM＋近红Pb（Nir）、红光（Red）波段反射率建立Nit—Red光谱特征空间，根据土壤水分在该特征空间的分布规律，提出了遥感监测土壤水分的新方法，并建立了基于Nir—Red光谱特征空间的土壤水分监测模型（SMMRS）．利用野外测定的不同深度土壤水分数据验证了SMMRS模型．计算结果表明SMMRS模型观测值变化曲线和实测土壤水分变化趋势保持一致，与5cm和0～20cm平均土壤水分相关系数分别为0．80和0．87．认为基于Nit—Red光谱特征空间的SMMRS简单、易于构建，有一定的应用价值和推广意义．

NIR-red spectral space based new method for soil moisture monitoring

Drought is a complex natural disaster that occurs frequently. Soil moisture has been the main issue in remote monitoring of drought events as the most direct and important variable describing the drought. Spatio-temporal distribution and variation of soil moisture evidently affect surface evapotranspiration, agricultural water demand, etc. In this paper, a new simple method for soil moisture monitoring is de- veloped using near-infrared versus red (NIR-red) spectral reflectance space. First, NIR-red spectral reflectance space is established using atmospheric and geometric corrected ETM+ data, which is manifested by a triangle shape, in which different surface covers have similar spatial distribution rules. Next, the model of soil moisture monitoring by remote sensing (SMMRS) is developed on the basis of the distribution characteristics of soil moisture in the NIR-red spectral reflectance space. Then, the SMMRS model is validated by comparison with field measured soil moisture data at different depths. The results showed that satellite estimated soil moisture by SMMRS is highly accordant with field measured data at 5 cm soil depth and average soil moisture at 0―20 cm soil depths, correlation coef- ficients are 0.80 and 0.87, respectively. This paper concludes that, being simple and effective, the SMMRS model has great potential to estimate surface moisture conditions.

基于透射光谱技术的红提pH和硬度无损检测

红提pH和硬度决定着果实的口感和收获后的品质。本文提出了一种基于透射光谱的红提pH和硬度(Firmness,FI)的检测方法。首先采集360个全生长周期红提样本光谱数据并通过不同光谱预处理建模,以此确定最好的光谱预处理方法。然后分别采用竞争性自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、连续投影算法(Successive Projection Algorithm,SPA)、无信息变量消除算法(Uniformative Variable Elimination,UVE)、CARS-SPA、UVE-SPA数据降维方法对光谱进行特征变量提取,分别建立红提pH和硬度的偏最小二乘回归算法(Partial Least Squares Regression,PLSR)检测模型。红提果粒的pH和硬度的最优预测模型分别为移动平均法(Moving-Average Method,MA)-CARS-SPA-PLSR和MA-UVE-SPA-PLSR,两个模型预测集相关系数(Correlation Coefficient of Prediction,RP)分别为0.9882、0.9588,残差预测偏差(Residual Predictive Deviation,RPD)分别为6.5857、3.5167。结果表明,透射光谱技术可应用于红提果粒pH和硬度的检测,为全生长周期红提果粒pH和硬度的检测提供了一种新思路和新方法。

ADI土壤水分反演方法

土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R^2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R^2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。

基于Landsat和HJ卫星影像的红碱淖面积变化趋势分析

为获取较精确的水体面积数据,基于近红外和红光波段反射率数据,在土壤湿度监测指数(Soil Moisture Monitoring Index,SMMI)基础上,构建一种水体提取方法——尺度化SMMI(Scaled SMMI,即S-SMMI),将红光波段纳入水体提取中,扩展了水体提取的波段范围,丰富了水体提取方法。基于1988-2014年Landsat和HJ卫星影像,利用S-SMMI提取红碱淖湖区面积并结合降雨量数据对其26年来变化趋势进行分析。结果表明:在研究区降雨量没有明显减少的情况下,红碱淖湖区面积不断萎缩,由1988年9月24日的49.92km2减至2013年9月13日的31.92km2,减少了36.06%;湖区面积总体变化趋势可分为两个阶段:1988-1999年湖区面积有增有减,但总体变化不大;从1999年开始,湖区面积呈线性递减趋势;总体上,红碱淖湖区面积平均萎缩速度为0.87km2/a。

关中平原干旱遥感监测指数对比和应用研究

采用2000-2016年5月份MODIS数据,构建NIR-Red特征空间,对比分析基于该特征空间的垂直干旱指数(Perpendicular Drought Index,PDI)、改进型垂直干旱指数(Modified Perpendicular Drought Index,MPDI)、土壤湿度监测指数(Soil Moisture Monitoring Index,SMMI)及改进型土壤湿度监测指数(Modified Soil Moisture Monitoring Index,MSMMI)这四种干旱监测指数的有效性,并与实测土壤湿度进行相关性分析;最后采用精度最高的SMMI分析关中平原的旱情时空分布特征和规律。结果表明:(1) PDI、MPDI、SMMI及MSMMI均与10cm深土壤湿度存在负相关关系,可决系数R2分别为0.60、0.40、0.64、0.40,表明PDI、MPDI、SMMI及MSMMI均可作为旱情监测指标,且SMMI略优于其它三种监测指数;(2)关中平原东部、中部、西部部分地区旱情严重,西南部地区旱情较轻,且旱情呈年际波动显著的特征;(3) SMMI与月平均气温呈正相关关系区域占75.66%,与月降水量呈负相关关系区域占74.34%,其中通过90%显著性检验区域分别占总面积的27.36%、17.26%,说明降雨和温度不是导致旱情变化的主要影响因子。

综合近红外-红波段-短波红外三波段光谱特征空间的小麦冠层含水量反演

为提高返青期-拔节期-开花期-灌浆期不同覆盖条件下小麦冠层含水量的遥感反演精度,综合分析基于Nir-Red和Nir-Swir光谱特征空间开展作物含水量监测的优势与局限,利用垂直干旱指数(perpendicular drought index,PDI)和短波红外垂直失水指数(shortwave infrared perpendicular water stress index,SPSI)的比值形式,构建了一种基于近红外-红波段-短波红外(Nir-Red-Swir)三波段光谱特征空间的垂直植被水分指数(three-band perpendicular vegetation water index,TPVWI)。结果表明,在不同生育时期,TPVWI与小麦冠层含水量(vegetation water content,VWC)均具有显著相关关系(P<0.01),且对植被含水量的敏感性优于PDI、作物水分监测指数(plant water index,PWI)、SPSI和NDVI 4种植被指数,且在反映小区域内小麦冠层含水量的时空趋势上有较好的表征能力。对比地面实测数据,利用TPVWI建立的作物含水量估测模型的预测精度较高,r与RMSE分别为0.763和2.296%,说明利用综合Nir-Red-Swir三波段光谱空间特征的植被水分指数在监测不同覆盖条件下的作物含水量具有一定的可行性,可丰富当前作物冠层含水量遥感监测的理论方法。

基于独立主成分和BP神经网络的干红葡萄酒品种的鉴别

为了实现葡萄酒品种的快速无损鉴别,选用五种干红葡萄酒,进行可见和近红外光谱实验,提出了一种用可见和近红外光谱技术快速鉴别葡萄酒品种的新方法。采用独立主成分分析进行模式特征分析,经过选用不同的独立主成分数进行建模和预测,确定最佳独立主成分数为20。将这20个主成分作为神经网络的输入变量,建立三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的葡萄酒样本数均为35,共计175个样本。在神经网络学习中,将其分成训练集样本150个和预测集样本25个。对25个未知样本进行预测,准确率为100%。该研究在独立主成分分析的基础之上,根据干红葡萄酒各独立主成分的混合矩阵向量载荷图,选取了两个波段(400～430nm与512～532nm)作为葡萄酒的独立主成分分析的特征波段。说明该文提出的基于光谱技术和模式识别的方法不仅对葡萄酒具有很好的分类和鉴别能力,并且可以提取出葡萄酒的指纹特征,可用于葡萄酒的检测与技术开发。

CCD近红外光谱分析技术在测定红烟硝酸中的应用

从化学计量学角度研究了CCD近红外光谱技术在无机物领域分析中的应用。使用偏最小二乘法(PLS)建立了红烟硝酸的密度、水分含量等五项指标的快速测定模型,验证了近红外光谱测定红烟硝酸各项指标的可靠性。试验证明,CCD近红外光谱方法具有重现性好、分析速度快、使用样品量少、可以在线分析等优点,可以用于无机物的常规分析。

油菜叶片的光谱特征与叶绿素含量之间的关系研究

叶绿素是作物生长中的重要因素,是植物营养胁迫、光合作用能力和生长状况的良好指示剂。实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实践精细农业的关键技术之一。采用便携式可见-近红外光谱仪,在室外自然光照条件下对不同氮肥水平下油菜叶片的光谱特性进行了研究,并根据作物特有的光谱特征,采用逐步回归分析方法建立了油菜叶片的叶绿素含量与红边位置和绿峰位置之间的定量分析模型。结果表明,将红边位置、绿峰位置二者作为自变量时,建立的模型效果优于采用单一的红边位置为自变量时建立的模型效果。其相关系数分别为0.863和0.848;校正标准偏差SEC分别为5.273和5.459,说明采用红边位置和绿峰位置这两个参数更能很好地预测叶片的叶绿素含量。

光谱自动检索算法在快速建立汽油光谱数据库中的应用

首先采用聚类分析方法将某石油化工企业汽油样本进行适当分类,然后采用光谱库自动检索算法,从RIPP汽油库中有针对性地找到一定量的汽油样本作为校正集,建立汽油重要性质的分析模型。近红外分析方法结合偏最小二乘法具有测量快速、操作简单、无需预处理、重复性好等优点。建立的校正模型对该石油化工企业汽油样本的辛烷值、烯烃含量和芳烃含量的预测标准偏差分别为0.3、1.6%和1.0%,满足快速分析要求。

江西省红壤地区主要土壤类型的高光谱特性研究

土壤光谱是土壤理化性质的综合反映,研究江西省红壤地区主要土壤类型的高光谱特性,对土壤的精准管理和土壤数字制图有重要意义。选择有代表性的吉安县、余江县、兴国县和湾里区,采集443个土壤表层土样,采用ASD光谱仪测量了其可见-近红外反射高光谱(350~2 500 nm)。对光谱进行连续统去除和二阶导数处理后,对四种主要红壤亚类及其土属的高光谱特性进行研究。然后选取反映成土母质、氧化铁(针铁矿和赤铁矿)、土壤有机质含量、黏土矿物等的光谱特征表现变量及高光谱反射率等共19个特征变量,对光谱进行Fastclus聚类分析。结果表明:红壤地区土壤不同亚类光谱反射率差异明显,620 nm^740 nm的特征吸收面积黄红壤>红壤>棕红壤>红壤性土,420 nm和447 nm的二阶导数差值黄红壤>棕红壤>红壤>红壤性土。棕红壤光谱在可见光-短波近红外光谱区域土壤反射率较高,位于1 900 nm范围的吸收强度较其他亚类宽浅。红壤性土光谱曲线最为陡峭,在近红外光谱区域土壤反射率最高,在1 400 nm、1 900 nm有较强的尖锐吸收峰,在2 200有超强吸收峰。红壤亚类光谱曲线整体走势与红壤性土亚类相似,但在900 nm、1 400 nm、1 900 nm和2 200 nm的吸收强度较红壤性土弱,反射曲线位置较高。不同亚类水稻土由于水淹时间的不同,其光谱特征差异较为明显,光谱反射率表现为淹育型水稻土>潴育型水稻土>潜育型水稻土,620 nm^740 nm的特征吸收面积潜育型水稻土>潴育型水稻土>淹育性水稻土,420 nm和447 nm的反射率二阶导数差值为淹育型水稻土>潴育性水稻土>潜育型水稻土,但均高于红壤。选取的特征变量对土壤进行亚类分类的准确率为86.23%,分类的准确度较高,而土属的准确率仅为66.37%。可见-近红外土壤光谱特征可以作为江西红壤地区主要土壤亚类划分的定量参考指标。

垂直干旱指数在湖北漳河灌区遥感旱情监测中的应用(英文)

遥感技术具有覆盖范围广、空间分辨率高、重访周期短、数据获取快捷方便等优点,遥感干旱监测已经成为干旱监测的重要研究方向之一。詹志明(2005)、阿布(2004)等假设裸露土壤的光谱特征满足线性分布,在NIR-Red光谱特征空间中提出了垂直干旱指数(PDI),并在我国西北干旱区-宁夏固原地区进行了模型验证。为了进一步验证PDI在茂密植被覆盖条件下的可行性,选择长江中下游流域的典型灌区湖北漳河灌区作为研究区域,采用ETM+数据计算PDI,与2～5cm平均土壤水分相比较,结果表明:模型观测值变化曲线和实测土壤水分变化趋势保持一致,2～5cm平均土壤水分相关系数为0.76,与实测干旱指标基本吻合。PDI模型能够有效地反映地表覆盖和水热组合,简单实用,具有通用性和普适性,适宜于复杂下垫面条件下的遥感旱情监测。

近红外光谱和电子鼻技术用于葡萄酒发酵过程中酒精度的定量分析

采用近红外光谱和电子鼻对葡萄酒的酒精发酵过程进行了动态采样检测,通过主成分回归和偏最小二乘回归对酒精度变化进行了监控和预测研究。分别建立了近红外光谱、电子鼻以及二者融合数据对酒精度定量分析的主成分回归和偏最小二乘回归模型。结果表明,近红外光谱数据和电子鼻数据的主成分回归和偏最小二乘回归模型的相关系数(r)均大于0.99,但校正均方根误差(RMSEC)和预测均方根误差(RM-SEP)较大。近红外光谱和电子鼻数据融合后,模型质量得到提高,建立的偏最小二乘模型r为0.999 2,RMSEC和RMSEP分别降低为0.206%和0.205%(v/v),定量精度较高。近红外光谱和电子鼻均适用于红酒发酵过程中对酒精度的定量分析,且二者结合应用能提高定量精度。

近红外光谱法预测红参醇提过程中总皂苷的变化研究

目的应用近红外(NIR)光谱技术快速分析红参乙醇回流提取过程。方法采用比色法测定提取液样品的总皂苷质量浓度作为对照值,同时采集提取液样品的NIR光谱。运用正交信号校正算法消除光谱中的干扰信息,采用偏最小二乘回归法建立NIR光谱校正模型。结果NIR光谱校正模型能够准确地预测红参提取过程总皂苷质量浓度。结论NIR光谱技术可用于红参醇提过程快速分析。

葡萄酒发酵过程主要参数近红外光谱分析

用近红外光谱结合化学计量学方法对葡萄酒酒精发酵中葡萄糖、果糖、乙醇和甘油4个指标进行了定量分析,化学指标的测定采用高效液相色谱法。通过对近红外数据进行筛选、变量标准化等预处理,比较了主成分回归和偏最小二乘回归定量分析的模型质量,以决定系数、校正均方根误差、预测均方根误差为模型质量的评价指标。通过比较发现,对于葡萄糖和果糖,主成分回归与偏最小二乘回归的预测精度相当;对于乙醇,主成分回归预测结果较优;对于甘油,偏最小二乘回归的预测结果要优于主成分回归。主成分回归所采用的成分数要多于偏最小二乘回归,但二者都可以用于上述4种成分的定量分析,其预测精度也相近。

红光/近红外发射碳点制备、光学调控与应用

红光/近红外发射碳点(简称R/NIR-CDs)具有生物相容性好、空间分辨率高等优势,受到了研究者们的广泛关注。但目前报道的红光碳点往往存在荧光量子效率低、半峰宽较宽且具有激发波长依赖的缺陷,限制了其在生物医学领域的应用。因此,合成制备高荧光量子产率(PLQY)、半峰宽窄且激发非依赖的红光/近红外发射碳点具有十分重要的意义。本文首先阐述了近年来几种具有代表性的典型前驱体及其合成碳点,总结了尺寸效应、杂原子掺杂、表面态等高效的碳点光学调控理论,并简要介绍了红光/近红外发射碳点在生物成像、疾病治疗及白光发光二极管中的应用现状。最后,针对红光/近红外发射碳点的发光机理、制备方法中面临的问题与挑战进行了展望。

水热法合成红色绿柱石的光谱特征研究及应用

采用常规宝石学测试方法,配合紫外可见光谱技术(UV-Vis)及傅里叶变换红外光谱技术(FTIR),对美国犹他州天然红色绿柱石及俄罗斯水热法合成红色绿柱石的宝石学特征、紫外可见吸收光谱特征、中红外光谱(MIR)特征及近红外光谱(NIR)特征进行了综合对比研究。结果表明,常规宝石学测试方法很难将上述两类宝石区别开来;紫外可见光吸收光谱对鉴定天然和合成红色绿柱石的能力很有限;同时这两种宝石的中红外吸收光谱(MIR)没有明显的特征差异,其吸收位置和吸收强度基本一致。但在2 000～9 000cm-1红外波段,天然红色绿柱石与水热法合成红色绿柱石的吸收频率差异明显,因此具有独特的鉴别特征。进一步研究表明,天然红色绿柱石在3 500～4 000cm-1之间没有强吸收峰,几乎不含结构水,但在3 300～3 600cm-1之间有非常弱的吸收带(峰值为3 418cm-1),因此有可能有其他形式的水。水热法合成红色绿柱石样品的近红外光谱特征表明,其在3 500～4 000cm-1之间及5 000～5 800cm-1之间均显示有强烈的水的振动吸收:其在5 000～5 800cm-1有弱的Ⅰ型水吸收峰和强Ⅱ型水吸收峰,可以归属为分子水的弯曲和伸缩的合频振动;其在7 000～7 500cm-1之间显示的弱Ⅰ型水的吸收峰和强的Ⅱ型水的吸收峰可以归属为水的倍频振动。因此,水热法合成红色绿柱石中的结构水归属Ⅰ型水与Ⅱ型水的混合型,其在3 500～4 000及5 000～5 800cm-1范围水的近红外吸收光谱特征可作为区别天然和水热法合成红色绿柱石的依据。通过紫外可见光光谱、中红外光谱以及近红外光谱等光谱分析手段可以初步判断红色绿柱石中是否含水、水的赋存状态、以及不同类型水的相对强度和频率,为区分天然与水热法合成红色绿柱石提供诊断性证据。