矿区植被重金属胁迫高光谱分辨率数据分析
SOC710高光谱成像技术对胁迫状态下小麦叶片的光谱分析
SOC710高光谱成像技术对胁迫状态下小麦叶片的光谱分析高光谱成像技术集光谱检测和图像检测的优势为一体，在作物养分诊断、病虫害程度判别方面具有明显优势。
近几年来国内外一些学者已将高光谱成像技术成功用于作物养分、病害胁迫诊断研究，取得了显著进展。
由于高光谱成像具有图谱合一的优势，可以精确到叶片上一个点去探测作物不同胁迫症状的特征，又可获取受胁迫作物面状的光谱信息，点面结合地综合反映作物遭受胁迫的程度。
所以，高光谱成像已经成为国内外研究的热点。
目前，学者们利用高光谱成像技术定量化地提取作物所遭受的各种胁迫特征，根据高分辨率的图像对叶片及叶片的局部区域进行分析，最终定性其遭受胁迫的程度，从而在更加微观的尺度上进行机理探测研究。
利用美国SOC 公司的SOC710/SOC730高光谱成像光谱仪，可采集遭受养分、病虫害胁迫下的小麦叶片的高光谱图像，采用逐像素平均法增强光谱特征，然后对不同叶位的叶片光谱特征，不同病害、虫害胁迫的叶片光谱特征进行提取分析，为高光谱成像技术用于作物各种胁迫诊断提供理论探索。
一、养分胁迫下叶片(不同叶位叶片)光谱特征提取与分析根据作物的生长发育规律，不同叶位叶片的养分会在层次上出现差异，同时，叶片的光谱信息也会不同。
本文从叶片高光谱图像上提取不同叶位叶片面状的光谱信息，目的是消除叶片因光照分布不均造成的点状数据误差，更准确地探查作物垂直梯度上因养分缺失引起的光谱差异。
在可见光波段，下层叶片的反射率最高，中层次之，上层最低，尤其住550～650nm 的红绿波段表现明显；其次，在680nrn附近出现吸收谷，下层和中上层差异较大；700～760nm 波段为植被特有的红边特征，中上层叶片因长势状况良好，所以红移，而下层叶片因养分缺失而发黄，红边向蓝波方向移动。
造成上述光谱特征差异的主要原因是叶片中叶绿素含量不同所致。
这和前人的研究结果一致，即叶绿素含量是解析光谱变化的敏感因子，可见光波段以叶绿素a，叶绿素b在蓝绿光区的强反射与红光区的慢吸收为特征。
重金属污染土壤植物修复效果评价方法高光谱遥感
山总第511期2（）19年第1期Series No. 51 1January 2019金 属 矿METAL MINE重金属污染土壤植物修夏数黑评价方法----寫芜谱遥感迟晓杰「谷海红心李富平I"艾艳君I 袁雪涛'(1.华北理工大学矿业工程学院，河北唐山()6321();2.河北省矿业工程开发与安全技术重点实验室，河北 唐山()6321();3.唐山市矿区生态修复产业技术研究院，河北 唐山063210)摘要重金属污染土壤修复是当今全球生态修复中面临的一项难题：植物修复因其成本低、环保等优点 在重金属污染土壤治理中展现出良好的应用前景 高光谱遥感技术可以高效、无损、实时地获取植物的生理生化 参数信息•可为评价植物修复效果提供技术支撑：阐述了高光谱遥感技术在重金属污染土壤植物修复中的应用进展，探讨了高光谱遥感反演植被理化参数含量的估算模型，并对基于微分光谱、基于“三边”参数、基于植被指数等估算模型进行了分析比较，为有效评价矿区植物修复效果提供参考关键词高光谱遥感植物修复重金属污染 土壤修复反演估算模型中图分类号X171.4,X751 文献标志码A 文章编号1001-1250(2019)-01-016-08DOI 10.19614/ki.jsks.201901003Evaluation Method for Phytoremediation Effect of Heavy Metal Contaminated Soil:Hyperspectral Remote SensingChi Xiaojie 1 Gu Haihong 1,2 3 Li Fuping 1 2 ' Ai Yanjun 1 Yuan Xuetao 1(1. College of M ining Engineering , North China University of S cience and Technology .Tangshan 063210, C/zi>?o ;2. Hebei Key Uiboratory of Mining Development and Security Technology , Tangshan ()6321 (), C /心。
高光谱植被遥感数据光谱特征分析
关键 词 ： 植被 遥 感 收 特 征 ； 吸 生化 组 分 预 测 ； 感 生 物 化 学 遥
文 章编 号 ： ０ ２ ８ ３ （ ０ ６ ３ — ２ ３ ０ 文 献标 识 码 ： 中图分 类 号 ： Ｐ ５ １０ — ３ １ ２０ ） １０ １— ３ Ａ ７ ｒ
ｅ ｌ ｅ Ｂ ｎ Ｄｅ ｔ ｎ ｅ （ ＤＩ ｎ Ｓ ｎ，ｌｏ ｔｉｉｇ ｅｅ ｔｄ ｒａｉ ｄ ａ ｄ ｚ ｐｈ Ｉ ｄ ｘ ＮＢ ）ａ ｄ Ｏ ｏ ａｓ ｕｉ ｚ ｓｌｃｅ ｗａ ｅｅ ｇｈ ｂ ｓｅ ｗ ｓ ｉｅｒ ｅ ｒｓｉｎ ｍｏ ｅ ｌｎ ｖ ｌｎ ｔｓ ｙ ｔｐ ｉｅ ｌ ａ ｒｇ ｅｓ ｄ ｌ ｎ ｏ
维普资讯
高光谱植被遥感数据光谱特征分析
杨 可明 ，郭达志 ，陈 云浩
（． １中国矿业 大 学（ 北京 ） 测绘 与土地科 学 系， 北京 １０ ８ ； ００ ３ ２北 京 师 范大学 资 源科 学研 究所 ， ． 北京 １０７ ） ０８ ５
Ｅ ｍａｌｙ ｍ＠ｃｍｔ．ｄ ．ｎ － ｉ：ｋ ｕ ｂｅ ｕｃ
Ｔ ｃ ｎｌｇ （ ｅ ｉｇ ， ｅ ｉｇ １０ ８ ， ｈｎ ； ｅｈ ｏ ｙ Ｂ ｉｎ ）Ｂ ｉｎ ０ ０ ３ Ｃ ｉａ ｏ ｊ ｊ ２Ｉｓ ｔｔ ｏ ｅｏ ｒｅ ｃｅ ｃｓＢ ｉｎ ｏｍ ｌＵ ｉｅｓ ｙ Ｂ ｉｎ ０ ８ ５ Ｃ ｉａ ， ｔｕｅ ｆＲ ｓｕｃ ｓＳ ｉ ｅ ， ｅ ｉｇ Ｎ ｒ ａ ｎｖ ｒ ｔ， ｅ ｉｇ １ ０ ７ ， ｈｎ ） ｎｉ ｎ ｊ ｉ ｊ
摘
要 ： 用植 被 的 光谱 数据 。 讨 了植 被 冠层 的 光谱 反 射特 征 和诊 断 性 光谱 吸 收特 征 。根 据 植 被 光谱 特 征 和 连 续统 去 利 探
土壤重金属污染高光谱遥感监测方法综述
土壤重金属污染高光谱遥感监测方法综述作者：郭学飞曹颖焦润成来源：《城市地质》2020年第03期摘要：近年来土壤重金属污染日益严重，对生态环境安全和人类健康构成了严重威胁。
高光谱遥感技术具有快速、宏观地获取地物信息的能力，为快速高效获取土壤重金属含量开展污染防治提供了科学手段。
本文总结了基于土壤光谱分析和植被光谱分析的两类土壤重金属污染高光谱遥感监测的方法及原理，介绍了土壤重金属含量反演建模过程及建模方法。
土壤光谱分析法预测重金属含量主要基于实验室土壤光谱展开，具有较高的预测精度，但很难实现大范围土壤重金属污染监测;植被光谱分析法多是基于野外实测光谱数据展开，预测精度相对较低，但较易与高光谱影像相结合进行区域土壤重金属污染预测，是今后研究的热点方向。
多元逐步线性回归和偏最小二乘回归是土壤重金属含量反演应用最为广泛的建模方法，但反演模型往往缺乏普适性和稳定性，随着高光谱传感器和数据获取平台的发展，普适性更好稳定性更强的建模方法将不断出现。
关键词：土壤重金属;高光谱遥感;监测方法;反演模型Abstract： Heavy metal pollution in soil is a serious threat to ecological environment and human health. Hyperspectral remote sensing technology has the ability to acquire ground object information quickly and macroscopically. It provides a scientific method for fast， efficiently and quantitatively acquiring the heavy metal contents in soil and pollution prevention. In this paper， the methods and principles of hyperspectral remote sensing monitoring of soil heavy metal pollution were summarized based on soil spectral analysis and vegetation spectral analysis. The process and modeling method of soil heavy metal content inversion were introduced. The prediction of heavy metal contents by soil spectral analysis is based on the laboratory soil spectrum， which has high prediction accuracy， but it is difficult to realize the large-scale monitoring of heavy metal pollution in soil. Vegetation spectral analysis is mostly based on field measuring spectral data， with relatively low prediction accuracy. However， it is easy to combine with hyperspectral images to predict regional soil heavy metal pollution. Therefore， it is a most popular research field in the future. Multiple stepwise linear regression and partial least squares regression are the most widely used modeling methods for inversion of soil heavy metal contents， but the inversion model often lacks universality and stability. With the development of hyperspectral sensors and acquisition platforms， modeling methods with better universality and stability will continue to emerge.Keywords： Soil heavy metals; Hyperspectral remote sensing; Monitoring method; Inversion model0 前言近年來我国工农业生产发展迅速，土壤环境污染日益严重，其中以铜（Cu）、铅（Pb）、锌（Zn）、汞（Hg）、镉（Cd）、铬（Cr）、砷（As）、镍（Ni）等为代表的生物毒性显著的重金属污染尤其突出（庄国泰，2015;周建军等，2014）。
高光谱成像技术在环境监测中的应用研究
高光谱成像技术在环境监测中的应用研究高光谱成像技术是一种高分辨率遥感技术，在多个领域都有广泛的应用。
在环境监测领域中，高光谱成像技术可以检测出大气污染、水体水质、土地利用、植被生长以及土壤污染等环境指标，对环境监测具有重要的意义。
一、高光谱成像技术简介高光谱成像技术是一种遥感技术，可以在多个波段对物体进行成像。
与传统的遥感技术不同，高光谱技术可以获取数百甚至上千个波段的数据，从而可以更准确地反映物体的光谱特征。
例如对于植被来说，不同种类的植被在不同波段的反射光谱特征不同，高光谱技术可以获取这些差异从而进行植被分类。
二、高光谱成像技术在环境监测中的应用1.大气污染监测高光谱技术可以通过检测大气中不同波段的气体成分，来监测大气中污染物的类型和浓度。
例如可以通过几种重要的气体分子的吸收光谱特征来监测到二氧化碳、二氧化硫、氮氧化物等污染物的浓度。
2.水体水质监测高光谱技术可以通过对水体的反射光谱进行分析，来对水体的浊度、色度、总有机碳、藻类浓度等指标进行检测。
例如可以利用不同波段的水体反射光谱特征，对有机物和无机物进行区分，并结合机器学习算法对水体进行分类。
3.土地利用与植被分类高光谱技术可以通过检测植被不同波段的反射光谱特征，来对不同类型的植被进行分类。
同时也可以通过检测土地不同波段的反射光谱特征，来对不同类型的土地进行分类。
例如可以检测到植被的冠层长度、覆盖度、植被水分等指标。
4.土壤污染检测土壤污染是一个严重的环保问题，高光谱技术可以通过检测土壤中不同波段的反射光谱特征，来检测土壤中有机物、重金属等指标。
例如对于重金属铜来说，其吸收特征在近红外波段比较明显，高光谱技术可以通过检测这一特征来监测土壤中铜的含量。
三、高光谱成像技术的未来发展随着技术的发展，高光谱成像技术也在不断更新和改进。
未来高光谱技术可以在以下方面进行发展：1.高光谱技术与深度学习算法的结合深度学习算法可以更加有效地处理高光谱数据，将提高高光谱技术在环境监测中的精度和效率。
高光谱数据光谱分辨率对矿物识别的影响分析
第35卷，增刊红外与激光工程2006年10月V bl．35SupD l em ent IⅢ砌and Las er Engi ncc ri ng oct．20()6高光谱数据光谱分辨率对矿物识别的影响分析张萌，赵慧洁，李娜(北京航空航天大学仪器科学与光电工程学院，北京100083)摘要：本文针对光谱分辨率对矿物识别的影响进行了实验，在腰L广1光谱库中选择了6种含不同离子团的矿物光谱曲线，利用DⅣ14．2对其进行重采样，模拟不同光谱分辨率条件下得到的光谱曲线。
分别运用图示和sA M法进行定性和定量的分析，并将重采样的物质特征光谱在不同的光谱范围内与原光谱进行比较，通过分析各种矿物不同光谱分辨率条件下的光谱特征，得到的模拟实验结论，可以为用于地质调查的成像光谱仪在光谱分辨率的确定和优化等方面提供理论基础和技术支持。
关键词：高光谱数据；光谱分辨率；重采样；矿物识别中图分类号：rI聊5文献标识码：A文章编号z1007．2276(2006)增D-0493．06A na l ys i s of t he i nnuence of hype r spect r a l s pect r al r es ol ut i on0n m e m l ner al r eC ognl non■●■■■J■Z H A N G M eng，Z H A O H u巧ie，LI N a(s chool ofh啦嘲t sci曲∞＆0l't o卅ec咖i cs EⅡgi l lccri ng．B刨i ng uIl i vc倦ny of A er on叫吐c s蛆d A sⅡD加I ni璐，B蜘i n g100083．c岫m)A bs t r ac t：Si x spect m l c ll】Ⅳes of tl l e m i I l er a l s c ont a i l l i ng di f艳r e nt i o ns a r e cho s en f如m廿l e J PL-l s pcc廿al l i b删了aI l d ar e re sa Il l pl e d by us i ng t lle DⅣ14．2，in or d er t o si I I l ul at e m e spec缸l c urve s ac qui I司under con di t i o ns of tt le di脏rent spe ct ra l r es ol ut i on．The s i m ul at i ng r e sul t s a Jl al yz ed w i t l l t l le SA M a r e s i m i l ar t o m e t l l eor ct i ca l aI lal ys i s．T1l r oug h a Il al yz i ng m e di髋r ences be t w ee n t l leori gi na l s pecm d cur ve and吐l e spect l m c urve s acqu i r ed by re s卸1pl ed，吐le qual iⅢV e aI l d quaI l t i t a t i V e con cl us i o ns a r e gi V en，and t ll e i n nuenc e of s pec缸铂r es ol u t i on o n m e l l l j m e船1 r e cogI l i t i on i s show n．T he r e sul t can help t o fⅨonⅡ1e spe c仃a l r es ol ut i on w henⅡl e i m agi ng s pec仃D m et er w雒desi gI l ed．K ey w叫ds：H yper spc仃al data；Spec臼m聆sol ut i衄；R e s锄叩l e；M i ne r al r∞ogni t i∞O引言从20世纪90年代开始，高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段。
植被覆盖区高光谱蚀变矿物填图
段存在 “ 椒盐”噪声 ，可能影响蚀变矿物识别的结果 ，
高光谱 遥感 是指 高光 谱分辨 率 遥感 ， 国际上 通常 把 在具 体应 用 中应该 尽可 能去 除 噪声较 大 的波段 ， 因此 实
光 谱分辨 率 在 １ ２ｎｌ的成像 遥感 技 术称 为高 光谱 遥 际可 以利用 波段 要小 于 １６个（ １ｏ ０ ５Ｉ ｌ ７ 表 感 ， 测谱 学与 远距 离 成像技 术 的结 合 。由于绝 大多 数 是 的矿物 诊断性 波谱 带 宽为 ３ ｎ ０ ｍ，因此 利用 高光谱 遥 感 技 术可 以识别 绝大 多数 矿物 … 。进 而 根据 蚀变 矿物 组 合 及其 分布 规律 ， 以直 接 应用 于地质 找 矿 。国 内外遥感 可
墼壁重复速壁 塑亘： 全这壁！自 型金 王苤些这
本文 由 河 北 省 国 土 资 源厅 科 技 处项 因此， 本文基于综合光谱信息模型， 在植
［ 第一作者简介 ］吕Ｎ ￥（９ ３ ５ ） ， １ ７ ． 一 ，男，辽宁沈阳人 ，博士 ， 主要 从事遥感与地理 信息 系统科研 工作 ，现 已公开 发表论 文 １ 余篇 ０
２ ０ 年第 １ ０９ 期
植被覆盖 区高光谱蚀 变矿物填图 吕凤军等
植被 覆盖 区高光谱 蚀 变矿物填 图
吕凤 军 郝跃生 王 娟
（ 河北省遥感 中心，河北 石家庄 ０ ０２ ５０１ ０ ０２ ） ５ ０ １ 河北省地矿局水文工程地质勘查院，河北 石家庄
摘 要 ：根 据 典型 蚀 变矿物 诊 断性 波 谱特征 ，在 基 岩裸 露 区利 用高光 谱遥 感技 术进 行 蚀 变填
３ 建立分谱段谱系识别准则
在植 被 覆盖 区 ， 用 多光谱 遥感 数据 提取 矿化 蚀变 利
光谱分析在植被重金属污染监测中的应用探讨
光谱分析在植被重金属污染监测中的应用探讨[摘要]目前，我国土地的重金属污染日益加重，生长在其上的植被也不同程度地受到重金属污染，针对植被重金属污染的研究也相继展开。
光谱分析法是土壤重金属污染监测中较为常用的方法之一，该方法在植被重金属污染监测中的应用研究相对较少。
基于此点，本文首先阐述了光谱分析的特点和原理，并在此基础上对光谱分析在植被重金属污染监测中的应用进行研究。
[关键词]光谱分析；植被；重金属污染物中图分类号：x830 文献标识码：a 文章编号：1009-914x（2013）22-0039-01一、光谱分析的特点和原理所谓光谱分析法是指以光谱学原理为指导，运用实验手段分析物质化学成分和物理结构的方法。
由于不同结构物质的特征光谱均有其特殊性，所以广谱分析法可利用特征光谱对物质结构以及化学成分进行研究。
常见的光谱分析法包括原子吸收光谱法、红外光谱法、原子发射光谱法、紫外-可见吸收光谱法等。
随着科学技术的日新月异，光谱分析法的新型衍生技术随之应运而生，如激光诱导荧光光谱技术、太赫兹时域光谱技术、激光烧蚀-快脉冲放电等离子体光谱技术等。
光谱分析技术的优点主要体现在以下方面：其一，分析速度快，可在1-2分钟内对20多种元素进行分析，并给出分析结果；其二，操作简单，部分样品无需经过化学试剂处理，便可以直接运用光谱分析法进行监测分析；其三，不需要提供纯样品，只要利用已知图谱就能进行光谱定性分析，这是光谱分析法最为突出的优势；其四，可对多种元素或化合物进行同时测定，也可测定化学性质相近的元素或化合物，对其进行痕量分析，充分发挥光谱分析法选择性好、灵敏度高、样品损坏少的优势。
光谱分析法在具备诸多优点的同时，也存在一些局限性，如光谱定量分析必须有一套标准样品作为基准，并且保证标准样品的结构和组成要与被分析样品的结构和组成保持一致，如此一来给实际操作增加了难度。
就土壤植被污染物监测分析而言，光谱分析法以其简便、无损、快速的特点，以及能够分析多种土壤组分的优势，成为了广泛使用的监测方法之一。
铜胁迫下玉米污染特征波段提取与程度监测
金属污染成为研究焦点。传统的监测方法步骤繁琐，耗时费 力，具有一定的破坏性，而高光谱遥感具有光谱分辨率高， 波段多，图谱合一的优点，为实时高效监测重金属污染提供 了可能⑷。
目前，国内外学者对利用高光谱遥感监测重金属污染进 行了研究。郭辉⑸等基于一阶微分与谐波分析，构建光谱微 分差信息爛与谐波振幅诊断玉米铜铅污染程度；DunaganE6] 等认为“红边”位置和比值植被指数能够较好的判别菠菜叶片 汞污染程度；Hede®等构建绿波短波红外指数探测植被重金 属污染程度，发现该指数监测结果优于归一化植被指数；杨
收稿日期：2019-01-08,修订日期：2019-05-25 基金项目：国家自然科学基金项目(41271436, 41971401),煤炭资源与安全开采国家重点实验室2017年开放基金课题
(SKLCRSM17KFA09),宁夏农林科学院科技创新引导项目(NKYG-18-01),宁夏农牧厅东西部合作项目资助 作者简介：高 鹏，1994年生，中国矿业大学(北京)硕士研究生 Lmail： 1292724050@
关键词 重金属污染；光谱分析；特征波段；植被指数；农作物
中图分类号：TP75
文献标识码：A
DOI： 10. 3964/j. issn. 1000-0593(2020)02-0529-06
引言
近年来，我国农田土壤重金属污染形势严峻，污染面积 逐渐增大，污染程度不断提高旳。工业生产排放、污水灌溉、 矿产资源开采、农药化肥使用和大气沉降等是我国农田土壤 重金属污染的主要来源⑵。土壤中的重金属富集后不易分 解，当其积累到一定程度后会污染农作物，破坏农作物细胞 结构，影响农作物生长发育，降低农产品质量，进而通过食 物链进入人体，危害人体健康页。因此，快速有效地监测重
摘要我国农田重金属污染形势不容乐观。土壤中的重金属被作物根系吸收后会影响作物正常的生长发 育，降低农产品质量，进而通过食物链进入人体，危害人体健康。高光谱遥感为实时动态高效监测作物重金 属污染提供了可能。设置不同浓度CE+胁迫梯度的玉米盆栽实验，并采集苗期、拔节期和穗期玉米老、中、 新叶片光谱数据，测定不同生长时期叶片叶绿素含量、叶片Cf+含量。基于所获取的光谱数据、叶绿素含量 和叶片Cu2+含量，结合相关分析法、最佳指数法(OIF)和偏最小二乘法(PLS)构建OIF-PLS法提取含有 Cx?+污染信息的特征波段。首先依据苗期、拔节期和穗期叶片叶绿素含量及穗期叶片Ct?+含量与相应叶片 光谱的相关系数初步筛选特征波段；然后，从中选取三个波段计算最佳指数因子，并以该三个波段为自变 量，对玉米叶片C(+含量进行偏最小二乘回归分析，计算均方根误差；最后根据最佳指数因子最大、均方根 误差最小的原则选取最佳特征波段。基于0IF-PLS法所选取的特征波段构造植被指数0IFPLSI监测重金属 铜污染，并与常规的红边归一化植被指数(NDVI705 ).改进红边比值植被指数(mSR705 ).红边植被胁迫指数 (RVSI)和光化学指数(PRI)监测结果做比较，验证0IFPLSI的有效性和优越性。另外利用在相同的实验方 法下获取的不同年份的数据对0IFPLSI进行检验，验证OIFPLSI的适用性和稳定性。实验结果表明，基于 OIF-PLS法提取的特征波段(542, 701和712 nm)比基于OIF法提取的特征波段(602, 711和712 nm)能更 好地反映Ci?+污染信息；植被指数OIFPLSI与叶片Ci?+含量显著正相关，相关性优于NDVI7O5, mSR705 , RVSI和PRI； OIFPLSI与叶片叶绿素含量显著负相关，与土壤中Cu2+含量显著正相关；不同生长时期OIFPLSI与土壤中Ci?+含量的相关性高低依次为拔节期、穗期、苗期。基于不同年份数据验证结果表明，OIFPLSI与叶片含量显著正相关，OIFPLSI具有较强的稳定性。基于OIF-PLS法所提取的特征波段构建 的OIFPLSI能够较好地诊断分析玉米叶片铜污染水平，可为作物重金属污染监测提供一定的技术参考。
重金属铜胁迫下玉米的光谱特征及监测研究
染进行了研究,而基于植被指数（vegetation indices, VIs）的 重金属胁迫监测技术是最常用方法之一（其中，基于可见光 和近红外波段的庆亭等⑹揭示了红边特征、归一化植被指数（nor malized difference vegetation index, NDVI）与盐木叶片中重 金属铜含量关系显著, 可以作为植被铜污染遥感图像特征提 取的参考（Liu等⑦利用红边叶绿素指数（red-edge chloro phyll index, CI宀dge）、红边位置（red-edgeposition, REP）和 归一化红边指数（normalized differences red edge, NDRE）, 并结合Sentinel-2影像数据对水稻镉胁迫进行了监测，结果 表明基于红边植被指数的时空异常探测法可有效区分水稻镉 胁迫和与病害胁迫（Asmaryan[8]利用World View-2影像的 红边波段成功地提取了植被胁迫异常信息；Deventer等利
关键词 玉米；铜胁迫；植被指数；特征波段；高光谱
中图分类号：X87 文献标识码：A
DOI： 10. 3964/j. issn. 1000-0593（2019）09-2823-06
引言
矿物加工、废水灌溉及矿物肥料使用等工农业活动造成 的土壤重金属污染问题日益严重，给人类的生产生活带来严
"! 重影响 1 （ 土壤中的重金属具有不可降解、不易迁移等特
摘要农作物重金属污染监测是当今高光谱遥感研究的重要内容之一，旨在设计一种新的窄带植被指数, 以实现不同培育期的两种玉米品种的重金属铜胁迫监测（研究设计了不同浓度的铜污染实验，采用 SVCHR-1024I型高性能地物光谱仪测量不同浓度铜离子（Cu2+ ）胁迫下玉米叶片的光谱反射率,并同步获取 了玉米叶片中Cu2i含量数据（首先，对玉米叶片原始光谱数据进行一阶差分处理，并计算一阶差分反射率 与叶片中Cu2i含量的相关系数（％筛选对铜胁迫敏感的波段。计算结果显示，489〜497, 632和677 nm波 长附近的一阶差分反射率与叶片中Cu2i含量显著相关，可将其视为敏感波段（其次，根据以上3个敏感波 段,建立基于一阶差分反射率的铜胁迫植被指数（dVI）对所有可能的dVIs和Cu2i含量进行一元回归分析,
植被物镜高光谱数据分析与农作物监测研究
植被物镜高光谱数据分析与农作物监测研究随着科技的不断进步与发展，高光谱遥感技术在农作物监测、土壤质量评估、植被覆盖分析等领域得到了广泛应用。
特别是在当前全球气候变化不断加剧的背景下，有效利用高光谱遥感数据，对农业生产进行精细化管理，提高农业生产效益与质量，有着重要的意义。
本文旨在探究植被物镜高光谱数据在农作物监测研究中的应用与发展趋势。
一、植被物镜高光谱数据分析植被物镜是指能够捕捉反射波长范围在400~2500nm的遥感传感器，可以获得非常详细的植被谱线数据。
通过对植被物镜高光谱数据的分析，可以获得各种植物的生长状况、叶绿素含量、水分含量以及植被的类别等信息，从而实现农作物生长情况的分析与评估。
1. 数据获取植被物镜高光谱数据的获取需要使用特殊的传感器，目前市场上主要有的Landsat-8 OLI、GF-2、MODIS等。
这些传感器都可以提供高空间、高时间、高分辨率的定量信息，为农作物监测、植被覆盖分析和土壤质量评估等工作提供了坚实的数据基础。
2. 数据预处理为了减少植被物镜高光谱数据受大气干扰等环境因素影响，需要对数据进行预处理。
常用的预处理方法包括比较气泡、差分法、反距离加权法等。
这些预处理方法可以生效地减少外界干扰，增强植被物镜高光谱数据中农作物表现。
3. 数据分析与应用通过对植被物镜高光谱数据的分析，可以获得农作物的生长情况、营养状况、水分含量等关键指标。
这些指标可以帮助农民、农业科研人员及政府部门等对农作物进行实时监测、病虫害预警、灾害估计以及精确施肥等工作。
二、农作物监测研究植被物镜高光谱数据在农作物监测研究领域的应用，主要包括农作物灾害响应、农作物品种识别、种子繁育等方面。
1. 农作物灾害响应对于风灾、洪涝、霜冻等自然灾害，农作物的生长状态极易受到影响。
利用植被物镜高光谱数据，可以实时监测农作物的生长情况，并及时对受灾地区进行救援和保护工作，尽可能减小灾害带来的经济损失。
2. 农作物品种识别在大规模的农田中，农作物的品种多种多样。
基于光谱特征的矿区土壤重金属迁移与修复研究
基于光谱特征的矿区土壤重金属迁移与修复研究随着工业化进程的不断加快，矿区土壤中重金属污染问题日益突出。
重金属污染会影响土壤质量和生物多样性，甚至对人类健康造成潜在风险。
因此，研究矿区土壤重金属迁移和修复，对于保护环境和人类健康具有重要意义。
光谱技术具有非破坏性、快速、准确等优点，因此被广泛应用于土壤污染物的检测和分析。
近年来，越来越多的研究表明，光谱数据可以用于矿区土壤重金属迁移和修复的研究。
本文将详细探讨基于光谱特征的矿区土壤重金属迁移与修复研究。
一、基于光谱特征的矿区土壤重金属污染检测通过对矿区土壤样品进行光谱分析，可以获取多种波段的反射率数据。
这些数据可以用于检测和分析土壤中的重金属污染物。
研究表明，重金属元素的光谱特征与其含量之间存在着一定的关系。
因此，利用光谱技术可以快速、准确地测定土壤中重金属元素的含量。
二、基于光谱特征的矿区土壤重金属迁移规律研究矿区土壤中的重金属污染物会随着时间和环境的变化而发生迁移。
通过对不同时间点和不同位置的土壤进行光谱分析，可以了解土壤中重金属元素的迁移规律。
通过研究重金属元素的光谱特征和其他环境因素之间的关系，可以探讨重金属元素迁移的机制和规律。
这对于制定矿区土壤重金属污染控制措施具有重要意义。
三、基于光谱特征的矿区土壤重金属修复技术研究针对矿区土壤重金属污染问题，发展有效的修复技术具有重要的现实意义。
利用光谱技术可以实现对不同修复技术的效果进行评估。
通过对修复前后土壤光谱数据的比对，可以评估修复技术的效果。
此外，还可以利用光谱技术探索修复机制和优化修复方案。
总之，基于光谱特征的矿区土壤重金属迁移与修复研究具有重要的理论意义和应用价值。
未来，我们可以进一步深入探讨其机制和可行性，为矿区土壤重金属污染治理提供更加科学的思路和技术支持。
关于矿区土壤重金属光谱检测方法的研究
管理及其他M anagement and other关于土壤重金属光谱检测方法的研究李鹏飞摘要：从我国矿区现状来看，重金属的开采和检测技术需求越来越高。
矿区的区域地质成矿背景、成矿构造条件、物源和热源条件对重金属开采都非常有利,在采矿过程中，可以发现在许多土壤当中，都存在着重金属超标的现象。
且近年来，矿区土壤中的重金属含量呈现出不断上升的趋势。
而且土壤中的重金属不能通过微生物的分解作用而消除掉，因而会通过食物链，对人类的身体健康带来极大的威胁。
因此，我们必须要重视对土壤重金属的检测。
随着科学技术的不断发展，光谱检测技术也不断提升，其在矿区土壤重金属检测方面有着较好的应用成效。
本文对常用的几种矿区土壤重金属光谱检测的方法，进行了深入的研究。
关键词：土壤；重金属；光谱检测；方法随着时代的进步，我国矿区规模不断加大。
在重金属开采过程当中，常常会出现大量的废弃物，产生大量废水，在这这些废弃物与废水当中，一般包含大量的重金属元素，如若对其不加控制地排放，将会带来非常严重的环境污染问题，尤其是矿区的土壤污染。
因而，对于土壤当中重金属的检测，是我们应当重点关注的工作，当前的土壤重金属检测已经成为环境检测中的一个重点内容。
我国的矿区土壤重金属光谱检测技术虽然起步比较晚，但是却在近些年来得到了迅速的发展，获得了较大程度的提升，无论是检测的效率、检测的灵敏度，还是检测结果的精准度，都越来越高。
1 新时代背景下矿区土壤重金属污染简析在影响土壤环境的各种无机污染物当中，重金属是非常突出的一类，其无法被土壤中的微生物所降解，比较易于积聚，并被逐渐转变成危害性很大的甲基化合物，它们还可能会经过食物链，在人类的机体里进行积聚，为人体的身体健康带来极大危害。
通常而言，矿区土壤当中的重金属污染物有铜、铁、锌、锰、镉、铬、铅、镍、砷、汞等元素，其中的砷元素，其本身并不是重金属，但是它的来源、行为以及危害，都和重金属比较类似，因此也常常把砷划到重金属的类别当中，进行一并检测和讨论。
高光谱的矿区植物异常信息提取
高光谱的矿区植物异常信息提取崔世超;周可法;丁汝福【摘要】白茎绢蒿是一种广泛分布于新疆富蕴县各个矿区的一种植物.在矿区进行矿产勘查时,由于植物等障碍信息的存在,传统的勘查方法已经难以发挥作用,急需一些新方法、新思路.遥感植物地球化学方法可以巧妙地利用植物这一天然的信息源,把植物从障碍信息转换为了有用信息.帮助人们快速、经济地获取植物屏障下的矿产有用信息.由于其具有大面积、快速、无损性等优点,受到了越来越多学者的关注,成为当下的研究热点.近些年虽然有学者综合考虑\"吸收系数\"和\"衬度系数\"这两个指标,证明了白茎绢蒿是对隐伏矿床的勘查具有较好指示性作用的植物,生在在矿床上部的植物可以较好的吸收土壤中的成矿元素,在其体内形成地球化学异常,相比于其他植物异常信息更加清晰可见.但是目前没有人研究是否可以从光谱的角度来发现白茎绢蒿体内的地球化学异常,进而为隐伏矿床的勘查提供参考.因此,本研究首次尝试从白茎绢蒿的光谱信息中寻找出与地球化学异常密切相关的特征波段或者特征值,然后构建基于植物光谱的隐伏矿床预测模型.采取的方法是首先利用ASD FieldSpec3型光谱仪分别对生长在矿床上部和背景区的植物进行光谱测定,然后从原始光谱、一阶导数光谱、二阶导数光谱、一阶导数的分形维数、二阶导数的分形维数五个层面对生长在这两个区域的植物光谱进行对比分析,最终优选出了10个差异显著的特征波段,分别为:R′824,R′834,R′1533,R′1573,R′1633,R′1643,R″1284,R″1703,一阶导数的分形维数以及二阶导数的分形维数.这些特征波段可以作为植物地区寻找隐伏矿床的植物地球化学标志.以优选出的10个特征波段作为输入参数,分别用随机森林(RF)和偏最小二乘-支持向量机(PLS-SVM)构建了基于植物光谱数据的隐伏矿床预测模型.结果表明:(1)两种模型均可以取得较好的效果,但是相比于随机森林模型,偏最小二乘-支持向量机模型具有更好的鲁棒性,泛化能力也更强;(2)利用植物的光谱异常寻找隐伏矿床具有较大的潜力,因为相比于传统方法,更加简单、快速.课题组已经利用动力三角翼和HySpex成像高光谱传感器构建了\"超低空探测平台\",可以实现对地\"亚米级\"的观测.但是如何有效的解决\"空间尺度\"和\"光谱尺度\"问题,如何把地面试验场建立的模型更好的应用于超低空探测平台,实现研究区大面积地、快速地植物异常信息提取将是我们下一步的研究重点.【期刊名称】《光谱学与光谱分析》【年(卷),期】2019(039)001【总页数】9页(P241-249)【关键词】高光谱;隐伏矿床;偏最小二乘-支持向量机;随机森林;地球化学标志【作者】崔世超;周可法;丁汝福【作者单位】中国科学院新疆生态与地理研究所新疆矿产资源研究中心 ,新疆乌鲁木齐 830011;新疆矿产资源与数字地质重点实验室 ,新疆乌鲁木齐 830011;中国科学院大学 ,北京 100049;中国科学院新疆生态与地理研究所新疆矿产资源研究中心 ,新疆乌鲁木齐 830011;新疆矿产资源与数字地质重点实验室 ,新疆乌鲁木齐830011;有色金属矿产地质调查中心 ,北京 100012【正文语种】中文【中图分类】P627引言随着经济的快速发展, 社会对矿产资源的需求量越来越大。
稀土复垦矿区典型植被高光谱特征分析及判别研究
稀土复垦矿区典型植被高光谱特征分析及判别研究近年来,高光谱遥感技术因其波段数目多且具有纳米级的光谱分辨率被普遍应用于农业、林业及草原等相关领域的植被类型精细识别,解决了传统遥感只能识别地物大类的问题,然而不同植被类型由于地域的不同,受到的制约因素也有所不同,因此对于植被光谱特征的参数选取、分析方法也有所不同,矿区植被由于地域的特殊性更被鲜少研究。
南方离子型稀土矿区大量开采后导致生态环境恶化,造成诸如水土流失、植被破坏等问题,其主要治理方法依靠人工复垦技术,但复垦植被难以从遭到破坏的土壤中吸取养分,致使其长势普遍较差,复垦效果不尽如人意;同时,矿区多采用混种方式栽种复垦植被,对植被理化参数高光谱遥感反演工作造成困难。
本文实测了赣州定南县坳背塘稀土矿点四种典型复垦植被(红叶石楠、马尾松、油桐和竹柳)高光谱数据,研究了其光谱曲线特征并构建了复垦植被识别方法,能够为植被反演工作提供实验基础,也为南方离子型稀土矿区典型复垦植被长势监测、反映矿区复垦效果提供了理论依据和技术支持。
首先,将实测四种典型复垦植被高光谱反射率数据进行预处理后,运用一阶导数(FDR)、倒数的对数(Log(1/R))和去包络线(CR)等光谱变换技术放大其谱间的差异性,然后基于马氏距离和均值置信区间带的方法对植被光谱数据进行降维处理,最后,使用费希尔(Fisher)和贝叶斯(Bayes)法对四种复垦植被进行识别,并做了分类精度分析与判别方法比较,得到主要结论如下:(1)四种植被的光谱曲线具有基本的峰谷特征,符合普通生长状况良好的绿色植被光谱曲线走势。
可见光波段范围内存在“两谷一峰”和“红边”特征,且由于受到矿区环境因素影响,四种植被均存在不同程度的“蓝移”,以马尾松和竹柳影响最为明显。
四种复垦植被在导数光谱中的三边参数、Log(1/R)中“两峰一谷”及CR中的吸收深度、斜率K和对称度S均存在差异,表明运用这些光谱变换技术区别复垦植被种类是有效的。
高光谱分辨率遥感在植被监测应用中的关键技术及应用
第5卷 第1期2006年3月 太原师范学院学报(自然科学版)JOU RN A L O F T A IY U A N N O RM A L U N IV ERSIT Y(N atural Science Edit ion)V o l.5N o.1 M ar.2006高光谱分辨率遥感在植被监测应用中的关键技术及应用柯丽娜1 王权明2(1.辽宁师范大学,辽宁大连116029;国家海洋环境监测中心,辽宁大连116029) 〔摘要〕 高光谱遥感数据已成为地表植被地学过程中对地观测的强有力的工具.综述了利用高光谱遥感数据进行植被监测的研究进展,主要包括以下二个部分:(1)高光谱遥感用于植被监测中的关键技术(2)高光谱遥感数据在植被生长监测中的应用.〔关键词〕 高光谱遥感;植被;监测〔文章编号〕 1672-2027(2006)01-0074-04 〔中图分类号〕 T P72 〔文献标识码〕 A1 高光谱分辨率遥感在植被监测应用中的关键技术1.1 高光谱遥感信息处理技术高光谱遥感数据具有多、高、大、快等特点,即波段多(几十个到几百个),光谱分辨率高(纳米数量级),数据量大(每次处理数据一般都在千兆以上),数据量高(从每秒数兆到每秒数百兆),因此如何快速、准确地从这些数据中提取植被的生物化学和物理信息,识别不同的植被,揭示目标的本质,则需要依据实际应用的具体要求选择最佳波段进行处理和解译.另外,高光谱的出现,使植物化学成分的遥感估测成为可能[1],因而,建立各种从高光谱遥感数据中提取各种生物物理参数(例如,LAI、生物量,植被种类、冠层结构、净生产率等参数)、生物化学参数(例如,叶绿素等各种色素、各种糖类、淀粉、蛋白质和各种营养元素等)的分析技术,在植被生态系统研究中是十分重要的内容.1.1.1 高光谱数据的预处理1.1.1.1 定标与大气纠正高光谱遥感数据易受一些外部因素的影响,诸如遥感器老化、地物二向性反射、大气效应、地形因子等,这些因子会削弱高光谱遥感数据赖以区分地物的敏感性[2].高光谱遥感信息的光谱—图像转换,必须进行定标和大气辐射校正,以消除这些因子的影响,这是遥感定量化研究的一个关键环节.定标和大气辐射校正主要是研究大气辐射传输的问题,即通过传感器的辐射定标、大气校正模型计算等,反演地物真实的反射率.实际工作中,首先通过高光谱数据提供的传感器辐射校正参数,将编码的影像灰度值转换为卫星高度传感器入瞳亮度数据.然后,根据研究区地质、地理及大气环境等实际状况,选取气溶胶模式和大气校正模型,进行大气辐射校正.最后,根据地面实测的高分辨率的地物光谱数据,计算高光谱影像中每个像元的反射率值.1.1.1.2 条带噪声去除高光谱遥感数据有时候由于在成像过程中机械或光学部件不稳定产生明暗交替的条带噪声,可以通过滤波运算,一方面消除了噪声,突出目标地物,另一方面也可以方便进一步的导数运算.1.1.2 高光谱数据的深化处理——最佳波段的选择一般来说,选择波段的一个主要依据是该波段的幅射量的方差应尽可能大,因为方差的大小体现了所含信息的多少.但由于景物各波段的幅射特性之间的相关性,用三个方差最大的波段合成的结果并不一定能获X收稿日期:2006-01-17 作者简介:柯丽娜(1978-),女,辽宁大连人,硕士,辽宁师范大学讲师,从事遥感和地理信息系统的研究.得最多的信息.当三者之间相关很强时,各波段所包含的信息之间有着大量的重复和冗余.因此,选择三个波段的组合时,必须同时考虑各单波段方差要大而波段间相关性要小这样两个条件,即考虑组合图像的信息量最大.以下为目前用于波段选择的几种方法对比.1.1.2.1 熵和联合熵目前人们通常根据波段组合前后信息量的变化来评价波段选择效果的好坏,熵和联合熵就是经常被采用的评价指标[3].图像的熵值是衡量图像信息丰富程度的一个重要指标,熵值的大小表示图像所包含的平均信息量的多少.熵是和信号值(如亮度或灰度值)出现的概率相联系的.对于所有可能出现的亮度值或灰度值的自信息求加权和,就得到了熵,即:H (x )=-∑N i =1P (x i)log 2P (x i ) 式中x 为输入图像,P (x i )为图像像素灰度值为I 的概率,N 相当于亮度或灰度等级数(动态范围),一般N =2n ,n 为比特数.同理,三个波段的联合熵为:H (x 1,x 2,x 3)=-∑Ni =1P (xi 1,x i 2,x i 3)log 2P (x i 1,x i 2,x i 3) 一般来说,熵值越大,图像直方图也就越平滑,亮度值的动态范围也大,因此,代表的信息量越多.该方法常用于多波段遥感,对高光谱遥感来说,由于波段众多,波段间相关程度高,不仅运算量大,而且容易形成最佳波段的不唯一性[4].1.1.2.2 最佳指数(OIF )美国查维茨提出了用于波段选择的最佳指数概念,它的基本原理是根据图像的统计特征来选定,即:OI F =∑3i =1S i /∑3j =1ûR ijû式中S i 为第i 个波段的标准差,R i ,j 为i ,j 两波段的相关系数.它依据的原理是图像数据的标准差越大,所包含的信息量就越大,波段间的相关系数越小,各波段图像数据的独立性就越高,信息的冗余度就越小.对于N 个波段来说,计算其相关系数矩阵,再分别求出所有可能的三个波段组合的OI F ,OIF 越大,相应的图像的信息量也越大[5].1.1.2.3 优化分类波段选择波段指数法是从高光谱数据具有的特点出发,综合考虑图像的信息量和相关性两个因素,并且对高光谱数据进行分组分块,从而选择出最佳波段组合的方法.设R ij 为波段i 与j 之间的相关系数,高光谱数据被分为n 组,每组的波段数分别为n 1,n 2,n 3…,n n ,那么波段指数为p i =S i R i ,其中R i =R w +R a ,R w =1n n ∑n n i =1R ij (i ≠j ),S i 为第i 波段的标准差,R w 为第i 波段与所在组内波段相关系数的绝对值之和的平均值,R a 为第i 波段与所在组外的其他波段之间的相关系数的绝对值之和.从公式可以看出,标准差越大,波段的离散程度越大,所含的信息量越丰富,而波段的总体相关系数的绝对值越小,表明波段数据的独立性越强,信息冗余度越小.上述波段的选择方法中,由于相邻高光谱波段间的高度相关性及高光谱数据波段数目众多,相对来说,前两种运算数据量庞大,所求的结果不唯一,不适于最佳波段选择,但对多波段遥感(如ET M +、M SS 、TM 等)的波段选择比较适合.波段指数方法运算数据量合理,结果唯一,能够较好地用于高光谱遥感的最佳波段选择中.1.2 高光谱遥感信息分析技术现有的高光谱分析技术可从高光谱数据以及他们的各种变换形式中提取、估计和预测各种生物物理、化学参数.结果之优劣取决于具体的技术方法、数据特征和数据质量.现从不同的角度将适用于植被分析的一些技术方法归纳为以下几类.1.2.1 多元统计分析技术多元统计分析技术在高光谱植被研究中是最为普遍采用的技术,它以光谱数据或它们的变换形式(如各75 第1期 柯丽娜等:高光谱分辨率遥感在植被监测应用中的关键技术及应用76太原师范学院学报(自然科学版) 第5卷 种植被指数,倒数后的对数变换等)作为自变量,生物物理、生物化学参数(如叶绿素含量,生物量等)为因变量,建立多元回归估计模型.通常在采用的实测样本中,一部分作为建立统计回归模型之用,另一部分用来测试已构建的回归模型的执行性能[1].董庆禧在1997年利用成像光谱数据波长K1和K2之间的导数波形积分作为归一化植被因子,再将实地测量的生物量数据与归—化因子进行统计回归分析,得到它们之间的对数关系;最后由归—化植被因子计算出每个像元的生物量,并产生研究区内的生物量分布图,此分布图较真实地反映了研究区内的生物量分布现状.1.2.2 光学模型分析方法对于某一特定时间的植被冠层而言,一般辐射传输模型为:S=F(K,H s,7s,H v,7v,C) 其中K为波长,H s,7s为太阳天顶角和方位角,H v,7v为观测天顶角和方位角,C为一组关于植被冠层的物理特性参数[1].这类模型向前可以计算叶子或冠层的反射率和透射率;向后反演可以用来估计生物物理、生物化学参数.建立植冠光学模型时,以植被参数、光照及传感器的姿态为已知条件,计算双向反射特征.这类模型不仅有助于加深对各类现象的辐射特性和成像机理的理解,而且还能将其反演,以便提取植冠生物物理和生物化学参数.1.2.3 基于光谱位置变量的分析技术基于光谱位置变量的分析技术是根据波长变化量或相应的参数变量与生物物理和生物化学参量的关系来估计因变量的.在基于光谱位置变量的分析技术中应用最多的是“红边”技术.由于植物体内叶绿素吸收作用的影响,植被反射光谱在红到近红外区(660nm～770nm),出现一个陡峭的爬升脊,习惯上称之为“红边”[7].描述红边特性的两个因子,为红边斜率和红边位置.红边斜率主要与植被覆盖度或叶面积指数有关,覆盖度越高或叶面积指数越大,红边斜率越大.红边位置则主要与叶片叶绿素含量有关,当植被中叶绿素含量减少时,红边位置将向短波方向偏移.1.3 其他关键技术1.3.1 光谱微分技术他是对反射光谱进行数学模拟和计算不同阶次的微分,确定光谱曲线的弯曲点和最大最小反射率的对应波长的位置.在植被监测中,可以确定波长位置、深度和波段宽度,以及分解重叠的吸收波段和提取各种参数,从而识别植被.1.3.2 混合光谱分解技术遥感影像以像元为基本单位来检测和获取地物信息.如果空间分辨率越低,则一个像元覆盖的面积越大,其中包含的各种地物的可能性就越大,就越可能形成混合像元.混合像元的形成有两种情况,一种是类间混合,即像元内包含除背景外不同地物的混合.另一种是类内混合,即在单一植被前提下,由背景、岩石环境和阴影产生的混合.严格来说,所有像元都是混合像元,因此,能否在混合像元中分解出所需的植被信息是植被识别精度和定量化的关键.一般来说,在一个像元内引入其他成分就会影响该像元主要光谱参数,例如波段的深度、波段的位置、宽度、面积和吸收的程度,因此,可以根据像元主要光谱参数的变化来提取有用信息.目前用于混合光谱分解的方法主要有FL(Fuzzy Lo gic),GA(genetic Algo rithms),神经网络法(neural netw orks),SA(Simulated annealing)[8]等.2 高光谱分辨率遥感在植被监测的应用2.1 植被信息的提取不同种植物以及同一种植物的不同生长发育阶段,或者是不同植物绿叶之间,由于其叶绿素含量和水分含量的不同,其反射光谱曲线的形态和特征都会产生不同,因此利用高光谱数据可以进行植被信息的提取.通过高光谱遥感植被指数技术可以提取植被冠层结构定量信息[9].蒲瑞良等用小型机载成像光谱仪测得的航空高光谱分辨率数据(光谱范围为417nm～800nm),再结合导数光谱的多项式逐步回归方程进行分析,分别得到总叶绿素(T C)和全氮(T N)的中心波长分别为748nm,507nm,735nm和780nm,764nm,566 nm.表明:使用光谱方式的小型机载成像光谱仪数据及N DVI值提取植被信息,结合光谱微分技术能明显地改善森林族叶化学成分的估算[10].2.2 植被长势监测和估产高光谱遥感的超多波段(几十、上百个)、光谱分辨率高(3nm ～20nm )的特点,使其可探测植被的精细光谱信息(特别是植被各种生化组分的吸收光谱信息),反演各组分含量,监测植被的生长状况.如:可以通过高光谱信息进行植物病虫害的监测.植物病虫害的监测是通过监测叶子的生物化学成分来进行的.病虫害感染导致叶子叶肉细胞结构发生变化,使得叶子的光谱反射率也发生了变化.利用遥感信息进行作物估产总要是利用某种植被指数在作物生长发育之关键期内的和与产量的实测或统计数据间建立起各种形式的相关方程来实现的.如:目前单产估算应用较多的是回归分析方法,其基本原理为y =b 0+b 1x 1+b 2x 2+b 3x 3+…+b i x i +e 式中:y 为作物产量,x i 为经过平滑的光谱反射率或NDVI 指数[11].浙江大学唐延林等结合水稻的生长发育规律,对水稻抽穗后冠层、叶片和穗进行了高光谱反射率测定,根据光谱曲线特征构建了新的高光谱植被指数,利用相关分析方法分析水稻理论产量与实际产量与这些植被指数及冠层红边参数的相关关系,建立了水稻高光谱单产估算模型,促进了高光谱分辨率遥感技术在水稻长势监测和估产中的应用.2.3 植被初级生产力(NPP )与生物量冠层的理化特性在一定程度上控制着植被的初级生产力(NPP).比如叶面积和氮含量通过控制光合作用的传输速率从而影响初级生产力(NPP),因此通过特定生物量(如氮等)的含量将有助于估计年NPP.Hame 等结合地面调查的高分辨率图像用相关分析的方法建立了预测生物量的模型,然后再直接应用到低分辨率的AV HRR 图像上,成功地估算了面积达几百万平方公里的欧洲以针叶林树占优势的北方针叶林的生物量.2.4 其他方面利用植被光谱遥感数据还可进行陆地生态学等其他领域的研究.比如对洪涝、旱情和火灾的监测,对土壤状况、土地覆盖变化的监测以及景观多样性和生物多样性的监测和制图.参考文献:[1] 浦瑞良,宫 鹏.高光谱遥感及其应用[M ].北京:高等教育出版社,2000[2] 李 行,张连蓬.高光谱图像最佳波段选择的快速算法研究[J].测绘通报,2004,(9):10-12[3] 刘秀英,林 辉,熊建利.森林树种高光谱波段的选择应用技术[J].遥感信息,2005,(4):41-44[4] 刘建平,赵英时,孙淑玲.高光谱遥感数据最佳波段选择方法试验研究[J ].遥感信息.2001,(1):7-13[5] 刘建平,赵英时.高光谱遥感数据解译的最佳波段选择方法研究[J].中国科学院研究生院学报,1999,(2):153-161[6] 杨吉龙,李家存,杨德明.高光谱分辨率遥感在植被监测中的应用综述[J ].世界地质,2001,(20):307-312[7] 刘汉湖,杨武年,沙晋明.高光谱分辨率遥感在地质应用中的关键技术及前景[J ].世界地质,2004,23(1):45-49[8] 王 静,何 挺,李玉环.基于高光谱遥感技术的土地质量信息挖掘研究[J ].遥感学报,2005,9(4):438-445[9] 杨金红,尹 球,顾松山.城区高光谱遥感数据假彩色波段组合研究[J].南京气象学院学院学报,2005,28(3):289-295[10] Brian S ing simulated annealing to obtain optim al linear en d-mem ber mix tu res of hyperspectral data[J ].Computer &Geos ciences,2001,(28):09-817[11] Du Peijun ,Fangtao,T an ghong.Spectral featu res extraction in hyperspectral RS data an d its.application to in form ationpr oces sing [J ].acta photonica s nica.2005,34(2):293-298The Key Techniques and Applications of the Hyperspectral RemoteSensing Application to GeologyKe Lina Wang Quanming(1.L iao ning N or mal U niver sity ,D alian 116029;2.Nat ional M ar ine Envir onment M o nito ring Cent er,Dalian 116023,China) 〔Abstract 〕 Vegetation rem ote sensing data plays an important ro 1e in mo nitoring dy namically earth r esource from the space.There describes the reseaching pr ogress of hyperspectral remo te sensing in vegetation monitoring :(1)the key techniques in vegetation monitoring(2)the applications of hyper spectral remo ting sensing in v eg etatio n monitoring.〔Key words 〕 hyper spectral remo te sensing ;vegetation;nonito ring 77 第1期 柯丽娜等:高光谱分辨率遥感在植被监测应用中的关键技术及应用。
水稻重金属污染胁迫光谱分析模型的区域应用与验证
水稻重金属污染胁迫光谱分析模型的区域应用与验证李婷;刘湘南;刘美玲【期刊名称】《农业工程学报》【年(卷),期】2012(28)12【摘要】It is a key issue for identifying crops under heavy-metal contamination on a large scale using satellite remote sensing data based on ground-sample spectral analysis model for evaluating crops with heavy-metal stress level. In this paper, hyperspectral data and leaf chlorophyll concentration of rice, heavy-metal concentration of soil were collected from three different polluted paddies in Changchun city, Jilin province, China, at mean time, Hyperion data were obtained. Spectral indices sensitive to heavy-metal contamination were selected by multiple stepwise regressions, and BP neural network models were created to estimate chlorophyll concentrations in rice under heavy-metal stress, which indicated the level of heavy-metal contamination. It was founded that an optimum ground-sample spectral analysis model was 4-11-7-1 network architecture with logsig thansfer function, and the classification accuracy for each pollution level was 100%. Moreover, it was successful to apply the ground-sample spectral analysis model to Hyperion data, and then achieve large-scale application in monitoring rice under heavy-metal contamination, the classification accuracy for each pollution level was more than 80%. This research may provide important references for large-scale application in the spectral model for assessing rice under heavy-metal contamination.%根据样地试验建立的农作物重金属污染胁迫光谱分析模型通过卫星遥感数据进行大尺度区域应用是农作物重金属污染遥感评价必须解决的关键问题.该文以吉林长春市3块重金属污染程度不同的水稻农田样地为试验区,采集水稻冠层ASD (Analytical Spectral Devices)数据、叶片叶绿素含量和土壤重金属含量,并获取准同步的Hyperion数据,通过多元逐步回归分析筛选与重金属污染胁迫响应敏感的光谱指数,并运用BP人工神经网络模型构建其与表征重金属污染胁迫程度的叶绿素含量的数学关系模型.结果表明,样地水稻重金属污染胁迫光谱分析模型中的BP网络结构为4-11-7-1、传递函数为logsig,其对各类污染胁迫水平的判别精度均为100％；将所建立的样地水稻重金属污染胁迫光谱分析模型通过Hyperion影像,进行大面积推广并验证,得到其对各类污染胁迫水平的判别精度均超过80％.该研究为样地水稻重金属污染胁迫光谱分析模型的大面积推广应用提供了借鉴意义.【总页数】8页(P176-182,封3)【作者】李婷;刘湘南;刘美玲【作者单位】中国地质大学(北京)信息工程学院,北京100083;中国地质大学(北京)信息工程学院,北京100083;中国地质大学(北京)信息工程学院,北京100083【正文语种】中文【中图分类】S127【相关文献】1.土壤重金属污染对水稻高光谱的影响 [J], 赵思颖;张军;倪才英;符文昌;郝金才2.水稻糙米粗蛋白近红外光谱定量分析模型的优化研究 [J], 李君霞;闵顺耕;张洪亮;严衍录;罗长兵;李自超3.基于近红外光谱技术的水稻种子成分分析模型的建立 [J], 余鼎;程维民;王琦;宋乐;刘斌美;陶亮之;吴跃进4.遥感同化WOFOST模型动态监测水稻重金属污染胁迫 [J], 赵利婷;刘湘南;丁超;刘烽;裴松伟;夏小鹏5.基于地面光谱水稻重金属胁迫监测光谱特征尺度识别 [J], 黄芝;刘湘南;赵爽;张仙因版权原因，仅展示原文概要，查看原文内容请购买。
矿山环境污染高光谱遥感监测研究进展
矿山环境污染高光谱遥感监测研究进展
李迎双;李恒凯;徐丰
【期刊名称】《有色金属科学与工程》
【年(卷),期】2022(13)1
【摘要】矿产资源的开发导致了矿区环境的剧烈变化,直接影响了生态的可持续发展。
近年来,高光谱遥感因其分辨率精细、图谱合一解决了传统遥感只能识别地物
大类的问题,被广泛应用于矿区环境监测。
许多学者在矿区环境高光谱遥感监测中
均取得一定的成果,因此,文中在梳理大量文献的基础上,阐述了国内外矿区高光谱遥感研究现状,对研究数据的优缺点进行了整理总结,归纳了高光谱遥感技术在植被理
化参数反演、土壤重金属含量反演、水污染识别及监测等方面的应用,对矿区高光
谱发展前景进行了展望,认为矿区高光谱机理研究仍需提升,地面实测数据与无人机
数据、卫星数据等多尺度空天地协同监测与智能感知体系的建立是未来努力的方向。
【总页数】7页(P108-114)
【作者】李迎双;李恒凯;徐丰
【作者单位】江西理工大学土木与测绘工程学院
【正文语种】中文
【中图分类】TP79;P951
【相关文献】
1.矿山环境污染遥感监测研究进展
2.矿产资源评价与矿山环境监测中高光谱遥感技术方法应用的实例
3.矿山环境高光谱遥感监测研究进展
4.土壤重金属高光谱遥感定量监测研究进展与趋势
5.作物环境胁迫高光谱遥感监测研究进展
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 引言
高光谱分辨率遥 感技术开 始于 20世 纪 80年代 , 在 90 年代得到了 迅速的 发展 。 相 对于 宽波段 遥感 而言 , 它 的发 展历史相对很短 , 但是它 的出 现是人 类在 对地 观测方 面所 取得的重大技术 突破 之一 , 也 是当前 及今 后的 遥感发 展前 沿 [ 1] 。 高光谱分辨 率遥 感利 用成 像光 谱仪 nm 级的 光 谱分 辨率 , 几十甚至 几百 个波段 同时 对地表 成像 , 能 够获 得地 物的连续光谱信 息 , 从而 在相 关领域 尤其 植被 研究方 面具 有巨大的应用 价值和 广阔 的发展 前景 [ 2] 。 近 十几 年来 , 国 内外研究人员在 这方 面已经 取得 很好的 成效 。 高光谱 遥感 技术用于植被研 究主 要涉及 植被 种类识 别 、 植 被化学 成分 估测以及 植被 生态 学评 价三 方 面的 研究 。 W olfgang Busch, Ch ristoph D ittm ann等人利 用 H ym ap高 光谱数 据采 用植 被红 边位置计算 、 反射 特征提 取以 及植被 光谱 曲线 导数分 析技 术提取 煤矿 区 因 采煤 活 动 引起 的 植 被 污染 信 息 。 Ruiliang Pu, P eng G ong, G reg S. 等人利用 H ype rion高光谱 数据估算 森林植被的叶面积指 数 。 A nge la A ndreeva, A na to ly Buznikov 等人利用 高光 谱 技术 估 算植 被重 金 属污 染状 况 。 刘 伟 东 , 项月琴 , 郑兰 芬 , 童庆 禧 , 吴长 山利用 测试 的水 稻高 光谱 数据与其 叶 面积 指 数 , 叶绿 素 密度 进 行相 关 分 析 ;王 磊 , 白由路 , 陈仲新研 究了低 温胁 迫下的 夏玉 米苗 期高光 谱特 征 ;甘甫平 、 刘圣 伟 、 周强 通过 计算受 污染 植被 光谱 的最 大吸收深度来相对地划分植 被污染程 度 。 杨吉龙 、 李 家存 、 杨德明阐述了植被指数 、 “红边 ” 光学参数以及导数光谱技 术在植被监测中 的应 用 。 前人 在矿区 植被 污染 这方面 研究 作出了不少 贡献 , 但 是 , 高光 谱数据 在植 被重金 属胁 迫方 面研究还处 在初级 阶段 , 有 待于 进一步 发展 。 本 文利 用野 外光谱仪测试矿 区植 被的反 射光 谱曲线 , 利用 导数光 谱技 术提取反射曲线 中 “红边 ” 位置 , 并通 过其与 叶绿素 含量 的关系 , 初步断定 铜矿区 植被 主要受 到重 金属 胁迫而 造成 红边 “蓝移 ” 现象 , 从而 为高光 谱分辨 率遥感 技术在 矿区
Po sition)。 红边位置通常指植 被反射光谱一阶导数的最大值
所对应的波长位置 [ 7] 。 研 究表 明红边 位置 则与 叶片的 叶绿
素含量有关 [ 8] 。 当植 被中 叶绿素 含量 减少时 , “红 边 ” 位
置将向短波方向偏移 , 通 常称之 为 “蓝 移 ” [ 9] 。 H or le r D H
第 32卷第 2期 2007年 3月
测绘科学 Sc ience o f Survey ing and M apping
V o l.32 N o.2 M ar.
矿区植被重金属胁迫高光谱分辨率数据分析
卢 霞① , 刘少峰② , 郑礼全 ①
(①中国矿业大学资源与安全工 程学院 ;北京 100083;②中国地质大学地球科学与资源学院 , 北京 100083)
11 2
测绘科学 第 32卷
主要是由于健康绿 叶中的 海绵 叶肉细 胞反 射大 量入射 能量 所致 [ 5] 。 3. 2 实测胁迫 植被光谱曲线特征
图 2是对铜矿 区一 个长期 沉淀 、 非 流动 酸性 废水 池旁 边的胁迫植被 (芦苇 )测试的 反射波 谱曲线 。 这三条曲 线代 表是同一 种 植被 , 观测 时间 为 正午 时 间 , 观 测 角度 一 样 , 离 废 水 池 的位 置 由 近 到 远 依 次 为 : veg73, veg76, veg82; veg73芦 苇 已 经 过 早 枯 萎 , 生 长 状 况 比 较 差 是 肯 定 的 , veg76, veg82芦 苇是 绿 色 的 ;所 测 的 部位 均 是 冠 层 部 位 。 因此 , 影响红边 位置 的因素 如受 季节性 、 病虫害 以及 年龄 等在这里可以不予考虑 。 veg73曲线中各 点的反射 率实际上 是由测量同一叶片时 产生的 73, 74, 75三条 曲线各 点反射 率值的平均值 ;对于 veg76和 veg82也做了同样 的处理 。 从 图中曲线中 可以 看出 , 与 健康 植被光 谱相 比 , 蓝光 、 红光 波段的吸收特征 明显 削弱 , 近 红外的 反射 高原 也变成 了一 个斜坡 。 veg76和 veg82叶片为 距离废 水池稍 微远一 些的青 芦苇 , 而且 veg76距 离废 水池 要比 veg82 近 4 到 5m。 从明 显抬 升趋 势 , 而绿光反射峰不是很突出 。
性以及反映叶绿 素含 量的增 减引 起的波 形变 化 。 本文 采用
最简单的方法即一阶导 数光谱 技术 , 又因 为 A SD 光 谱仪采
集的是离散型数 据 , 故用 如下 公式来 近似 计算 一阶导 数光
谱数据 [ 11] :
dR
/dλi
=R
(λi+1 ) λi +1
-
R(λi- 1) λi- 1
N 等人发现如果 植被 受重金 属污 染 , 也就 是说 植被中 重金
属含量偏高时 , 就会发生 “蓝移 ” [ 10] 。
为了从高光 谱数据 中有 效地提 取并 确认 植被胁 迫 , 本
文利用 导 数 光 谱 技 术 来 提 取上 面 实 测 的 veg73, veg76 和
veg82曲线的红边位置 。 导数光谱能揭示 光谱峰值 的内在特
【摘 要 】研究矿区植被重金属胁迫 , 植被反射光谱测量必 不可少 。 用 成像光 谱仪野 外测试 江西德 兴铜矿区 典型 植被的冠层反射 波谱曲线 , 利用导数光谱评价植被 “红 边 ” 位 置 。 分析 得知 , 植 被红 边 “蓝移 ”, 最 大 “蓝移 ” 达 11nm。 根据红边位置与叶绿素含量的正相关 关系 , 并 结合铜矿区地质 、 地貌特点以及开采情况 , 初步断定铜矿 区植被主要受到 重金属胁迫而且胁迫程度与植被冠层重金属含量也呈正 相关关系 。 这 可作为高 光谱分辨率 遥感技 术在矿区植被修 复方面的决策支持和参考依据 。 【关键词 】高光谱分辨率遥感 ;导数光谱 ;胁迫 ;德兴铜矿 【中图分类号 】 TP751. 1 【文献标识码 】 A 【文章编号 】 1009-2307(2007)02-0111-03
3. 3 “红边 ” 位置提取与胁迫分析
利用高光谱数 据评价 植被 农学参 数主 要方 法之一 就是
直接计算红边参数 来评 价植被 参数 和健康 状况 [ 6] 。 植 物体
内叶绿素的吸收 , 造成植 物反 射光谱 在红 光到 近红外 波段
(660nm-770nm) 出 现 一个 陡 峭的 爬升 脊 , 常 称 之为 “红
位置最短 ;而距 离废 水池最 远的 veg82, 其红 边位 置最 长 。
相对于 veg82来 说 , veg73的红边位置 “蓝移 ” 了长达 8nm , veg76的红边位置也 “蓝移 ” 了 4nm。 “蓝移 ” 说明 植被的 叶绿素含量减少 了 。 而这 三条 曲线都 是代 表同 一种类 型植 被-芦苇 , 生长环境也基 本一样 。 根 据前人 研究 , 该 废水中 含有大量高浓度的铜 、 铁 、 铝等 阳离子以及 硫酸根阴离 子 。 总之 , 这个废 水池实 际上 是一种 高浓 度的 硫酸 铁 、 铝 、 铜 的混合溶液体系 [ 12] 。 废水中的大量重 金属以 渗透方 式进入 土壤 , 使土壤受 到严 重污染 , 而土壤 中的 重金属 又被 植被 不同程度 地吸 收 了 , 从 而导 致植 被 叶绿 素含 量 大大 减 少 ,
边 ” [ 1] 。 “红边 ” 是描述植被色素状态 和健康 状况的 重要指
示波段 , 它在植 物曲 线中也 最具 诊断性 。 红边是 由于 植被
在红光波段 强烈 地 吸收 与近 红 外波 段强 烈 地反 射 造成 的 ,
因此 , 在红边研 究中 , 主 要采 用两个 参数 来描述 红边 的特
性 , 即红边 位置 (Red Edge Po sition)和红 边 斜率 (R ed W e ll
3 数据处理与分析
3. 1 健康植被反 射光谱特征 利用野外光谱仪测 试了采矿场 、 堆浸场 和酸性废水 池 、
尾矿库以及河道 两旁 等地的 植被 。 图 1是 在矿 区所测 的健 康 、 绿色植被反射波谱曲 线 。 对所有健康 、 绿色植被而 言 , 其反射光谱虽然随物种 、 生长环 境以及季节 有些微的变 化 , 但是总体而 言 , 具有 以下共 同的 特点 :在 可见光 蓝光 和红 光处具有明显的吸收谷 , 其反射 率都较低 , 图中分别为 3% 和 2. 8%;在绿光波段有一个明显的反射峰 , 图中反射率达 7%。 这主要是由于栅栏组织叶肉细胞 内的叶绿素 a 和 b吸 收蓝光和红光 所导 致 。 1450nm 以 及 1940nm 处有 明显 的吸 收谷 , 主要是由于水分子的吸收 导致 。在 近红外波段 7001200nm 具有明显 的反 射高 原 , 图 中反 射率 高 达 40%-60%,
植被修复方面提供 技术思 路并 为矿区 的整 个生 态环境 修复 提供重要依据 。
2 数据获取
德兴铜矿位于江西 省东北部德兴县境 内 , 主要由铜 厂 、 朱砂红 和 富家 坞 矿 床 组成 , 是 一个 世 界 级 的 大型 斑 岩 铜 矿 [ 3] , 日选量高达 9 万吨 。 矿 区多年 采矿 行为 产生了 大量 的废石 (包括 采 矿场 、堆浸 场 和 不堆 浸 废石 场 等 ) 和废 水 (包括选冶废水 、金属酸化反应生成的污染水等 ), 这些废石 富含铁化合 物 , 不断 与氧 气 、 雨水 接触 , 从 而造 成了 金属 离子和酸根离子 等污 染物 , 随 着降雨 过程 在地 表大面 积扩 散 , 同时也向地 下渗 透 ;同时 酸性废 水和 碱性废 水也 向地 势低的河流和土 壤渗 入 , 而植 被又从 土壤 中不 断吸收 重金 属离子 ;另一方 面 , 矿山 开采 造成了 大量 的粉尘 以及 噪声 污染 。 所有这些因素都使矿区周 围植被深受毒害 。