喀斯特山区因地形复杂、 地表破碎等特点使得遥感影像中阴影、 混合像元及光谱变异现象普遍存在, 传统基于多光谱遥感的像元二分法(DPM)在光谱变异和阴影显著的区域难以准确的对喀斯特石漠化(KRD)信息进行提取。 采用高光谱遥感的混合像元分解技术可将复杂的混合像元分解为纯净的地物光谱与各地物光谱对应的混合比例, 为复杂山区获取更高精度的石漠化信息提供可能。 然而, 由于光照、 环境及大气等诸多因素的变化会引起端元发生不同程度变异, 导致在混合像元分解过程中出现显著的误差, 其次要从地形复杂、 地表异质性强的山区影像上直接获取地物纯净光谱建立用于应对光谱变异的光谱库极其困难。 因此, 如何在这种情况下应对光谱变异和地形效应, 获取有效、 准确的对石漠化信息进行提取是当前研究的重点。 针对以上问题, 采用通过模拟由光照条件造成的地物反射率变化, 并考虑每个波长间隔光谱变异情况的广义线性混合模型(GLMM), 以减轻喀斯特地区石漠化信息提取过程中光谱变异与地形效应的影响。 首先, 从GF-5高光谱影像中提取喀斯特地区主要地物(植被、 裸岩、 裸土)的典型代表性光谱, 然后基于提取的地物光谱模拟不同光照下每个像元光谱的变异情况, 选择最适合的光谱组合对像元进行分解, 得到最优的解混效果。 为了验证方法的可靠性, 利用高分辨率影像目视解译的结果作为参考对方法预测结果进行验证, 同时选择未考虑端元变异的全限制最小二乘法(FCLSU)和DPM进行对比。 结果表明, 在地形高度复杂的喀斯特山区, 考虑阴影、 混合像元及光谱变异是必要的, GLMM在石漠化信息提取中总精度达到了84.89%, 明显高于其他两种方法的59.68%和67.34%。 通过对光照区和阴影区分别进行精度检验, 发现GLMM在光照区与阴影区有着相似的精度表现, 而另外两者则差异较大, 阴影区明显低于光照区。 这反映GLMM能较为有效地减轻地形效应的影响, 对喀斯特石漠化信息提取的精度有一定提升。

叶片氮含量极大程度上影响植被生物化学过程, 有重要的研究意义。 利用机载高光谱数据反演叶片氮含量在农业遥感领域有广泛应用, 但其反演精度不能完全满足精细农业的需要, 有一定提升空间。 叶片氮含量遥感反演精度受机理误差和算法误差的影响, 机理误差主要来源于叶片表面反射。 传感器探测到的反射辐射既包含叶片内部多次散射, 又包含叶片表面镜面反射部分, 只有前者是携带叶片内部生化组分(如氮含量)信息的, 由于后者是入射光在叶表蜡质层发生的直接反射, 因此该部分并不携带叶片内部信息。 根据菲涅尔定律, 叶表镜面反射是部分偏振的, 而内部散射是非偏振的, 因而通过偏振反射建模可部分去除叶表镜面反射影响, 以消除机理误差。 算法误差主要来源于不同氮含量反演算法对于高光谱数据挖掘能力的差别。 比较了偏最小二乘法、 主成分回归、 支持向量机、 K-近邻算法和随机森林回归在高光谱叶片氮含量反演中的表现, 在调整算法参数之后, 选择使用随机森林回归算法以减少高光谱反演算法误差。 以常绿针叶林、 落叶阔叶林和针阔混交林为研究对象, 利用多角度偏振卫星POLDER/PARASOL的多光谱数据库构建二向偏振反射模型, 用以模拟和分析研究区森林的偏振反射率; 从HySpex传感器系统获取的机载高光谱数据中去除偏振反射率带来的光谱机理误差, 以实现叶片氮含量的精确反演。 以均方根误差为主要指标评估精度变化可获得以下结论: 在高光谱叶片氮含量反演中, 消除偏振反射率带来的机理误差后, 各算法反演精度均有提升, 平均提升了4.244%。 其中, 随机森林回归可以最大程度减小反演算法误差(可决系数达到0.803, 均方根误差达到0.252), 且对光谱偏振信息最为敏感, 去除偏振后精度提高了13.103%。 相比于广泛使用的偏最小二乘算法, 去除光谱机理误差并减小反演算法误差后, 叶片氮含量反演精度整体提高了32.440%。 该研究实现了基于机载高光谱数据的叶片氮含量精确反演, 证明了在叶片氮含量反演中去除偏振反射率的必要性, 体现了在高光谱氮含量反演中随机森林算法的应用潜力。