基于因子分析的苜蓿叶片叶绿素高光谱反演研究

因子分析是一种能够将具有错综复杂关系的变量归结为少数几个综合因子的多变量统计分析方法,在降低数据维数的同时又可以保存足够的信息,这为处理信息量丰富但冗余较大的高光谱数据提供了一种有效方法。本文利用2010年9月23日采集的16个样点的苜蓿叶片反射率及叶绿素含量数据,采用因子分析方法,分别提取苜蓿叶片反射率光谱400～900nm,以及可见光400nm～760nm和近红外760～900nm光谱区的公共因子,分析因子载荷分布、载荷总量对公共因子与叶绿素含量相关性的影响。利用逐步回归法建立基于公共因子的叶片叶绿素反演模型,并将反演模型与光谱指数建立的模型进行对比。研究表明,1）公共因子与叶片叶绿素的相关性,在更大程度上是与该因子在各个波段上载荷分布有关,而不是总载荷量;2）对波谱进行分区建立的反演模型略优于全区因子分析建立的反演模型;3）与常用于叶片叶绿素含量反演的光谱指数CARI、MCARI、mND680、mND705、mSR705、TVI、DmSR、BGI、BRI相比,因子分析建立的叶绿素反演模型精度更高。     

典型龟裂碱土土壤水分光谱特征及预测

以不同含水量的宁夏典型龟裂碱土为研究对象,系统分析了土壤光谱与土壤含水量的相关性,并建立了含水量预测模型.结果表明:随着含水量的增加,土壤光谱反射率逐渐降低,当土壤含水量高于田间持水量时,土壤光谱反射率随着含水量的增加呈增加趋势.土壤光谱反射率原始数据(r)、平滑后的反射率(R)和反射率对数(lgR)与龟裂碱土水分含量呈极显著负相关关系,整个波段R与土壤水分含量的相关系数平均比r和lgR分别高0.0013和0.0397;反射率倒数(1/R)和反射率倒数的对数[lg(1/R)]2种变换形式与龟裂碱土水分含量呈正相关关系,在950~1000 nm的相关系数平均比400~950 nm高0.2350;3种一阶微分变换形式与土壤水分的相关性不稳定.基于r、lg(1/R)、反射率的一阶微分R’和反射率对数的一阶微分(lgR)’采用不同回归模式建立的龟裂碱土含水量预测模型平均决定系数分别为0.7610、0.8184、0.8524和0.8255,其中R’的幂函数模式决定系数高达0.9447,该模型预测的土壤含水量与室内实测值拟合度为0.8279,说明该模型预测精度最高,采用r建立的模型预测精度最低.研究结果可为龟裂碱土含水量预测和当地农田灌溉提供科学依据.     

一种估测土壤有机质含量的近红外光谱参数

通过系统分析我国中、东部地区5种不同类型土壤风干样本的有机质含量与近红外(1000～2500 nm)光谱反射率和一阶导数两波段构成的比值、差值及归一化指数之间的关系,构建了适合土壤有机质含量估测的光谱参数及定量反演模型.结果表明：用多元散射校正及Savitzky-Golay平滑方法对原始光谱反射率进行预处理后,其两波段组成的光谱参数与土壤有机质含量的相关性明显优于原始光谱反射率组成的光谱参数,而由上述预处理后的反射率一阶导数的两波段构成的光谱参数介于二者之间;不同类型光谱参数构成形式中,以差值指数的预测性最好,其次为比值和归一化指数;与土壤有机质含量相关程度最高的光谱参数,是以近红外合频区1883和2065 nm 2个波段的反射率经多元散射校正和Savitzky-Golay平滑后构建而成的差值指数DI(CR₁₈₈₃, CR₂₀₆₅),两者呈极显著的直线相关.经不同类型土壤的观测资料检验,模型的决定系数为0.837,均方根误差为4.06;与偏最小二乘法的全谱建模结果相比,尽管DI(CR₁₈₈₃, CR₂₀₆₅)的预测精度略低于后者,但该指数只使用了2个波段的反射率,且所建模型比较简单,能为便携式监测仪的研制提供更有效的信息,可作为一种良好的土壤有机质估测光谱参数.     

福州市土壤铬含量高光谱预测的GWR模型研究

通过系统分析不同光谱分辨率和光谱变换对土壤铬高光谱预测模型的不确定性影响,筛选出最优的光谱分辨率及光谱变量进行土壤铬含量预测的地理权重回归(GWR)模型构建,利用该模型进行福州市土壤铬含量预测,并将预测结果与普通最小二乘法回归(OLS)结果进行比较分析,探讨GWR模型在土壤铬高光谱预测中的适用性及局限性。结果表明:(1)在10 nm分辨率尺度下,以土壤全铬含量为因变量,反射率的二阶微分和反射率倒数的二阶微分为自变量构建的GWR模型对土壤铬预测的效果最好。GWR模型的R~2和调节R~2分别为0.821和0.716,较OLS模型分别提高了0.529和0.450,而AIC值为720.703,较OLS模型减少了22个单位,残差平方和仅为OLS模型的1/4,说明GWR模型的预测效果较OLS模型有了显著提高。(2)土壤铬预测模型的精度受光谱分辨率影响。对于OLS预测模型来说,3 nm分辨率的模型预测效果最好,而对于GWR预测模型来说,10nm分辨率的模型不仅预测效果最好,其相较于OLS模型的改善作用显著,为土壤铬含量GWR预测的最佳光谱分辨率。(3)光谱的一阶微分变换可以有效增强土壤铬的光谱特征,而其余的光谱变换对土壤铬的光谱特征则未起到增强作用,但可以很好地提高模型的预测效果。(4)研究得出土壤铬GWR模型预测的最佳光谱分辨率为10 nm,为EO-1 Hyperion影像的光谱分辨率,而且随着采样点的增加,GWR模型的预测效果趋于稳定,适合空间异质性大的区域尺度土壤铬预测。故该模型与高光谱影像结合,实现模型从实验室尺度向区域尺度的推广,为格网尺度土壤铬的空间预测提供可能。     

干旱条件下春玉米高光谱特征及土壤含水量反演

通过辽宁锦州地区春玉米不同生育时期的土壤水分控制试验,利用ASD Field Spec Pro FR分光辐射计观测不同生长状况的玉米冠层高光谱反射率,分析光谱反射率变化特征,建立光谱参数对土壤水分的反演模型。结果表明:玉米在七叶-拔节期受到干旱胁迫后,750~1400 nm波段冠层光谱反射率、红边幅值、红边面积均出现降低,350~750、1400~2300 nm反射率出现升高趋势;750~1400 nm、红边幅值、红边面积对土壤干旱胁迫的响应时间较短,且存在异于正常灌溉处理的光谱特征;反演方法中,逐步回归方法利用高光谱反射率反演土壤含水量的误差小于一阶导数光谱,反演10 cm土壤含水量的效果好于30 cm。     

大型沉水植物苦草的光谱特征识别

地物特征与其光谱特征的关系是解译遥感影像的关键.利用地物光谱仪在实验室和上海“梦清园”人工湿地中,分别实测了不同盖度沉水植物苦草的反射光谱特征.结果表明随着苦草盖度的增加,其光谱反射率也相应增加,不同盖度苦草的光谱反射率差异主要表现在500～650 nm和700～900 nm 波段范围.受水体环境影响,实验室模拟试验与室外控制试验测得的苦草光谱反射率差异主要表现在近红外波段（700～900 nm）.分别将苦草的不同盖度与其在QuickBird多光谱遥感影像4个波段与盖度相关性最大波段处的光谱反射率进行回归分析,得到了较好的线性关系.应用回归分析得到的线性方程,可以根据测定的光谱反射率定量反演水体中的苦草盖度.研究结果可为监测沉水植物的高光谱遥感影像判读和解译分类提供技术支撑,为大尺度遥感监测沉水植物的分布和动态变化提供科学依据.     

基于Hyperion影像植被光谱的土壤重金属含量空间分布反演——以青海省玉树县为例

本研究主要探讨了利用Hyperion影像植被光谱估算土壤重金属含量的可行性.以野外采集的三江源区玉树县48个表层土壤样品As、Pb、Zn、Cd实验室测定含量值,以及从两景Hyperion影像提取的48个土壤样本点相应的176个植被光谱反射率波段及构建的5种植被指数为数据源,利用偏最小二乘回归方法(PLSR)建立土壤各重金属含量与上述两套Hyperion影像上提取的变量之间的估算模型.模型分别为176个植被光谱反射率波段与土壤各重金属含量间的估算模型(植被光谱反射率模型),和以5种植被指数作为自变量,与土壤各重金属含量建立的估算模型(综合植被指数模型).运用验证样本的4种重金属元素实测含量值的标准差与均方根误差的比值(RPD)作为检验标准,As、Pb两种模型RPD均小于1.4,不具备粗略估算能力;Zn、Cd两种模型RPD分别为1.53、1.46与1.46、1.42,均具备粗略估算能力.根据上述结果将Zn的光谱反射率估算模型与Hyperion影像相结合反演得到土壤重金属Zn含量的空间分布,Zn含量在214国道、308省道和乡镇附近偏高,主要受到较强的人类活动影响.表明运用Hyperion高光谱影像植被光谱反射率可以间接估算土壤Zn、Cd元素含量.     

小麦叶面积指数与冠层反射光谱的定量关系

在分析不同氮素水平下小麦叶面积指数（LAI）和冠层光谱反射率随生育期变化模式的基础上,确立了LAI与冠层光谱反射率及光谱参数的相关关系,提出了小麦LAI的敏感光谱参数及预测方程.结果表明,小麦LAI和近红外短波段（760～1 220 nm）反射率都随施氮量的增加呈上升趋势,可见光波段反射率则相反;从拔节期到成熟期,LAI和近红外短波段反射率均表现为先上升后下降的趋势,而可见光波段（460～710 nm）反射率随生育期的推进先降低后升高,以孕穗期反射率最低,近红外长波段区域（1 480～1 650 nm）反射率的变化与可见光部分相同.LAI与可见光波段反射率呈负相关,与近红外短波段反射率呈极显著正相关,其中以810 nm相关性最好.可以选择RVI(810,510)和DVI(810,560)作为反演小麦LAI的光谱参数.另外,在证明垂直植被指数PVI和转换型土壤调整指数TSAVI对LAI预测能力的同时,发现利用RVI(810,510)、DVI(810,560)和PVI 3个植被指数共同推算小麦LAI的准确度更高.     

不同干旱条件下夏玉米全生育期冠层吸收光合有效辐射比的高光谱遥感反演

冠层吸收光合有效辐射比(fAPAR)是植被生产力遥感模型的重要参数.但关于不同干旱条件下作物全生育期的fAPAR遥感反演研究仍未见报道.本研究利用2015年夏玉米5个灌水处理模拟试验的高光谱反射率和fAPAR观测资料,分析了不同干旱条件下夏玉米关键生育期fAPAR和高光谱反射率变化特征,探讨了fAPAR与反射率、一阶导数光谱反射率和植被指数的关系.结果表明: 轻度水分胁迫和充分供水条件下,fAPAR较高;重度水分胁迫和重度持续干旱条件下,fAPAR较低.冠层可见光、近红外光和短波红外光区的反射率与fAPAR分别呈负相关、正相关和负相关关系.fAPAR与可见光和短波红外光区的383、680和1980 nm附近的反射率的相关性最强,相关系数均达-0.87.一阶导数光谱反射率与fAPAR相关性强且稳定的波段为580、720和1546 nm,相关系数分别为-0.91、0.89和0.88. 9个常用植被指数与fAPAR呈线性或对数关系,其中,增强型植被指数、复归一化植被指数、土壤调节植被指数和修正的土壤调节植被指数与fAPAR的关系模型最好,决定系数(R²)均在0.88以上,平均相对误差分别为16.6%、16.6%、16.7%和16.2%;基于一阶导数光谱反射率与fAPAR的对数关系在(720±5) nm波段处的模拟效果较好,R²达0.86;直接选择反射率数据估算fAPAR的效果较差,R²最高为0.81.研究结果可为fAPAR的准确反演及评估作物干旱状况提供支撑.     

黄土丘陵沟壑区森林生态系统生态化学计量特征

为了阐明黄土丘陵沟壑区森林生态系统植物与土壤之间的养分循环关系,明确叶片与乔木层整体生态化学计量特征差异性,采用野外调查与室内分析相结合的方法对研究区内主要森林生态系统不同乔木器官和土壤C、N、P含量进行了测定,分析了叶片、乔木层和土壤化学计量特征及之间的关系。结果表明:研究区内森林生态系统乔木层平均C、N、P含量均显著低于叶片水平,表层土壤(0—10 cm)C、N含量以及C∶P、N∶P值均显著高于土壤(0—100 cm)平均值;叶片与乔木层及二者与土壤间的生态化学计量特征关系不同;乔木层平均C含量与降水呈显著正相关,乔木层平均P含量仅与海拔呈显著正相关,影响本地区植物生长状态的主要因素是降水。土壤平均C、N含量仅受土壤容重的影响,土壤平均P含量主要受土壤容重、温度和降水的影响。研究结果可以为黄土丘陵沟壑区人工林的建设和管理提供理论依据。     

冠层水平互花米草叶片光合色素含量的高光谱遥感估算模型

以闽江河口鳝鱼滩湿地互花米草(Spartina alterniflora)的实测冠层高光谱反射率和叶片光合色素含量(LPPC)为数据源,在分析LPPC与原始光谱反射率、一阶导数光谱反射率、22种已报道光谱指数和14种新构建的植被指数相关性的基础上,利用直线回归、指数回归、对数回归以及乘幂回归方法,系统地比较了36种植被指数在估算互花米草LPPC中的表现。研究表明:(1)一阶导数光谱反射率组合的植被指数用于估算互花米草的LPPC优于原始光谱反射率;(2)红边区域一阶导数光谱是估测互花米草LPPC的最佳波段;(3)对于单一色素含量的估算,叶绿素a(Chla)的最佳估算指数为FDNDVI[723,703];叶绿素b(Chlb)的最佳估算指数为FDRVI[723,525];类胡萝卜素(Cars)的最佳估算指数为FDNDVI[723,703];(4)对于使用统一参量同时估算Chla、Chlb、Cars,由FDRVI[723,703]建立的对数估算模型效果最佳。研究成果可为湿地植物生化参量反演提供参考,也可为闽江河口湿地入侵种互花米草的动态监测和生态评估管理提供有力的科学依据。     

基于挺水植物高光谱信息的再生水总氮含量估测——以北京市门城湖湿地公园为例

高光谱信息是探测植物体内氮素含量状况的重要手段,而植物体中的氮素与水体含氮量息息相关.本研究区为以再生水为主要补给水水源的北京门城湖湿地公园,通过获取区内典型的再生水氮净化挺水植物芦苇和香蒲叶片的高光谱数据,并在室内测定对应样点的水体总氮含量指标, 探讨基于典型湿地挺水植物高光谱数据对水体总氮进行遥感探测的可行性.采用4种高光谱参数(光谱指数、归一化差值指数、“三边”参数及吸收特征参数)分别建立一元线性模型、逐步多元回归模型和偏最小二乘模型,根据决定系数(R²)和均方根误差(RMSE)进行模型精度检验.结果表明: 逐步多元回归和偏最小二乘模型的预测精度高于一元线性模型. 3种模型对芦苇的拟合效果均优于香蒲.偏最小二乘模型对芦苇的拟合效果最优(R²=0.854,RMSE=0.647).500～700 nm是反映水氮含量的最佳波段范围,绿峰与红谷反射率的比值与水体总氮含量具有较强的相关性,尤其是吸收特征参数能够较好地预测水体总氮含量.     

不同土地利用类型下土壤有机碳含量的高光谱反演

不同土地利用类型下土壤光谱信息存在差异,了解不同土地利用类型下合适的建模方法可以高效准确地进行土壤有机碳含量反演。本研究以江西省奉新县中北部林地、耕地和园地3种土地利用类型共248个土壤样本为对象,首先对土壤原始光谱反射率曲线使用Savitzky-Golay(SG)滤波去噪并进行10 nm重采样减少数据冗余,之后采用偏最小二乘回归(PLSR)、基于网格搜索法的支持向量机回归(GRID-SVR)和基于粒子群算法的支持向量机回归(PSO-SVR)3种方法分别构建土壤有机碳含量的反演模型。结果表明: 构建单一土地利用类型反演模型时,PLSR方法在林地、耕地和园地的相对分析误差(RPD)分别为1.536、1.315和1.493,采用GRID-SVR方法时,其RPD分别提升0.150、0.183和0.502。采用PSO-SVR方法时精度最高,相较GRID-SVR方法,其林地、耕地和园地的RPD分别提高20.8%、10.0%和2.7%,林地和园地的RPD分别为2.036和2.049,可以极好地预测土壤有机碳含量,耕地的RPD为1.647,可以对土壤有机碳含量进行粗略估测。PSO-SVR方法对不同土地利用类型土壤有机碳反演效果最优,林地和园地土壤有机碳含量的反演精度相近且高于耕地。研究区不同土地利用类型对土壤有机碳含量的反演结果存在一定的影响,今后可以考虑在反演土壤有机碳时分不同土地利用类型进行建模。     

叶冠尺度野鸭湖湿地植物群落含水量的高光谱估算模型

利用高光谱遥感技术定量估测野鸭湖湿地植被含水量,对于监测和诊断野鸭湖湿地植被的生理状况及生长趋势具有重要意义,也能够为高光谱遥感影像在野鸭湖湿地植被含水量诊断中的实际应用提供理论依据和技术支持.采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植被冠层和叶片的光谱,并测定了对应的含水量.以上述实测数据为基础,首先以芦苇为例初步探明了不同含水量水平下典型湿地植被冠层和叶片光谱反射率的响应模式,然后采用相关性及单变量线性与非线性拟合分析技术,从冠层和叶片两种层次,对不同尺度下的含水量与“三边”参数及高光谱植被指数进行了分析拟合,并采用交叉检验中的3K-CV方法对估算模型进行了测试和检验,确立了不同尺度下野鸭湖湿地植被含水量的定量监测模型.结果表明:(1)随着含水量水平的增加,芦苇冠层与叶片光谱在可见光波段(350-760 nm)和红外波段(760-2500 nm)的反射率均呈逐渐降低趋势.(2)不同尺度含水量与选取的光谱特征参数整体上相关性较强,与“三边”参数基本上都呈极显著相关,相关系数最大达到0.906;与高光谱指数全部呈极显著相关,相关系数最小为0.455,最大达到0.919,并通过选取不同尺度上相关性最佳的光谱特征参数,分别基于“三边”参数和高光谱植被指数构建了不同尺度下的含水量估算模型.其中,冠层尺度下,黄边面积(SDy)与SRWI( Simple Ratio Water Index)的估算效果最好,估算模型分别为y=-9.462x2 -2.671x+0.608和y=0.219e1.010x;叶片尺度下,红边面积(SDr)与WI( Water Index)的估算效果最好,估算模型分别为y=0.562x+0.376和y=2.028x2 -0.476x-1.009.通过3K-CV的交叉验证,不同尺度下的含水量估算模型均取得了较为理想的预测精度,预测精度的最小值为94.92％,最大值为97.06％,表明估测模型具有较高的可靠性与普适性.(3)高光谱植被指数与含水量拟合方程的拟合度相对高于“三边”参数与之建立方程的拟合度,说明多波段组合的光谱特征参数更适合含水量的判别.     

基于高光谱的苹果花磷素含量监测模型

在室内条件下,利用ASD FieldSpec 3地物光谱仪,测定了盛花期苹果花的高光谱反射率,在分析苹果花原始光谱反射率及其一阶导数特征的基础上,分析了高光谱反射率与磷素含量间的相关关系,确定其敏感波段,构建了特征光谱参数,并建立了苹果花磷素含量的监测模型.结果表明：苹果花磷素含量与350～370 nm、670～1385 nm、1620～1760 nm波段的原始光谱反射率以及波段500～520 nm光谱反射率的一阶导数呈极显著正相关,与波段670～730 nm一阶导数呈极显著负相关;光谱参数DVI(936,676)、DVI(977,676)、NDVI(936,676)、NDVI(977,676)与苹果花磷素含量的相关性较好,其相关系数均达到0.77以上,由此建立了以4种光谱参数为自变量的磷素含量监测模型,其中,以NDVI(936,676)为自变量构建的监测模型具有最大的决定系数（R²=0.9385）、最小的均方根误差（RMSE=0.6883）和最小的相对误差（RE=7.6%）,预测精度达到92.4%,为最佳监测模型.     

桂北岩溶区与非岩溶区植物叶片含水率高光谱反演

叶片水分状况是反映植被生理状况的重要指标,构建高普适性的植物叶片含水率高光谱反演模型对准确评价岩溶和非岩溶植被生态功能具有重要意义.该文以我国西南典型区域内岩溶区与非岩溶区共17种植物694个样品为研究对象,同步测量叶片含水率和反射光谱,采用单波段、差值型、比值型、归一化型等四类光谱指数模型,对反射光谱及一阶导数光谱进...     

基于小波分析的大豆叶绿素a含量高光谱反演模型

 2003和2004年分别在长春市良种场和中国科学院海伦黑土生态实验站实测了大田耕作与水肥耦合作用下大豆（Glycine max）冠层高光谱反射率 与叶绿素a含量数据,对光谱反射率、微分光谱与叶绿素a含量进行了相关分析;采用归一化植被指数(Normalized diffe rence vegetation index, NDVI)、土壤调和植被指数(Soil-adjusted vegetation index, SAVI)、再归一植被指数(Renormalized difference vegetation index, RDVI)、第二修正比值植被指数(Modified second ratio index, MSRI)等建立了大豆叶绿素a反演模型;应用小波分析对采集的光谱反 射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆叶绿素a进行了估算。研究结果表明,大 豆叶绿素a 与可见光光谱反射率相关性较好,并在红光波段取得最大值(R²>0.70),但在红边处,微分光谱与大豆叶绿素a的相关性较反射率好 得多,在其它波段则相反;由NDVI、SAVI、RDVI、MSRI等植被指数建立的估算模型可以提高大豆叶绿素a的估算精度（R²>0.75）;小波能量系 数回归模型可以进一步提高大豆叶绿素a含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆叶绿素a回归决定系数R²高达 0.78;多变量回归分析结果表明,大豆叶绿素a实测值与预测值的线性回归决定系数R²均高达0.85。以上结果表明, 小波分析可以对高光谱进 行特征变量提取,并可在一定程度上提高大豆生理参数反演精度。     

A spectral analysis of stem bark for boreal and temperate tree species

The woody material of forest canopies has a significant effect on the total forest reflectance and on the interpretation of remotely sensed data, yet research on the spectral properties of bark has been limited. We developed a novel measurement setup for acquiring stem bark reflectance spectra in field conditions, using a mobile hyperspectral camera. The setup was used for stem bark reflectance measurements of ten boreal and temperate tree species in the visible (VIS) to near‐infrared (NIR) (400–1000 nm) wavelength region. Twenty trees of each species were measured, constituting a total of 200 hyperspectral reflectance images. The mean bark spectra of species were similar in the VIS region, and the interspecific variation was largest in the NIR region. The intraspecific variation of bark spectra was high for all studied species from the VIS to the NIR region. The spectral similarity of our study species did not correspond to the general phylogenetic lineages. The hyperspectral reflectance images revealed that the distributions of per‐pixel reflectance values within images were species‐specific. The spectral library collected in this study contributes toward building a comprehensive understanding of the spectral diversity of forests needed not only in remote sensing applications but also in, for example, biodiversity or land surface modeling studies.