核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京100029
为了解决基于深度学习的开展矿物高光谱丰度反演研究中标签数据不足的问题，提出一种基于添加填充系数的Hapke混合模型的小样本矿物高光谱数据增强方法，用于生成大量带标签的数据集。在实验室内选择5种常见矿物按照质量比例对矿物粉末进行多元混合，并对混合矿物开展光谱量测。基于线性混合模型、Hapke混合模型、填充系数分别为0.1，0.2和0.3的Hapke混合模型共5种模型，按照对应的质量比例生成模拟的混合矿物光谱，与实验室实测光谱进行比较。最后，基于Monte Carlo法随机生成多元“和为一”的丰度矩阵，利用5种混合模型开展数据增强，分别生成40 000条模拟光谱作为堆栈自编码网络的训练集，反演矿物高光谱数据的丰度信息。研究结果表明：Hapke模型以及添加填充系数后的光谱模拟精度均优于线性混合模型的模拟精度，当Hapke模型的填充系数为0.1和0.2时，光谱角距离误差均值分别为0.053 5和0.053 7，模拟的矿物光谱更接近实测光谱，且优于未添加填充系数时的光谱角距离误差0.074 8。利用填充系数为0.1和0.2的Hapke模型生成的模拟数据作为深度学习训练集，矿物高光谱丰度反演的均方根误差（RMSE）为0.124 8，优于其他4种模型的反演结果。基于添加填充系数后的Hapke混合模型生成的模拟数据更接近真实光谱，可为深度学习的小样本矿物丰度反演研究提供数据支撑。
高光谱技术 深度学习 模拟光谱 混合模型 Hapke模型 数据增强 丰度反演 hyperspectral technique deep learning simulating spectra mixing model Hapke model data augmentation abundances inversion 光学 精密工程
2023, 31(11): 1684
1 南京航空航天大学 航天学院，江苏 南京 210016
2 中国科学院紫金山天文台，江苏 南京 210034
月球表面没有大气层的保护，岩石矿物长期在太空风化的作用下，逐渐演化为月壤。太空风化过程是月壤产生、成熟的过程，由于物质形态结构的改变，导致月表光谱特征产生变化。因而，作为风化产物的月壤的光谱特性，包含了月表的太空风化信息。月壤成熟度，是描述太空风化程度的重要指标，利用高光谱遥感数据进行亚微观铁（SMFe）的反演进而获取月壤成熟度，是目前研究月表太空风化的主要手段。原位探测数据，由于没有受到其他因素的干扰，获得的反演结果相对更加准确、可靠。我国嫦娥四号(CE-4)玉兔二号巡视器搭载了能直接获取月表原位高光谱数据（450~2395 nm）的科学载荷红外成像光谱仪，为研究月表的太空风化提供了很好的机会。选取了CE-4卫星着陆器登陆点附近的两处光谱数据，采用Hapke模型和光谱角匹配法对CE-4卫星登陆点附近月壤的SMFe进行了反演。根据Morris模型和FeO含量进一步反演CE-4卫星登陆点附近月壤的成熟度。结果表明，该处月壤成熟度为11.5，较大概率为不成熟月壤。
月球高光谱 Hapke模型 嫦娥四号 亚微观铁含量 成熟度 lunar hyperspectra Hapke model Chang''e-4 SMFe maturity 红外与激光工程
2020, 49(5): 20190460
1 中国科学院月球与深空探测重点实验室,北京 100012
2 中国科学院国家天文台,北京 100012
3 中国科学院大学,北京 100049
Hapke模型是描述行星表面光度行为的辐射传输模型,利用行星表面多角度反射率数据可以反演得到Hapke模型参数,研究行星表面的物理和光度特性.Hapke模型参数的反演需要覆盖相角范围足够大的反射率数据,而行星遥感和就位探测时很难覆盖足够大的相角范围.因此,如何利用有限的多角度数据获取准确的模型参数是一个重要的研究课题.实验室提供了获取大范围角度下反射率数据的实验条件,可以在实验室条件下研究Hapke模型参数反演方法.通过实验室ASD光谱仪和Chang’E-3红外成像光谱仪鉴定件获取的橄榄石和模拟月壤多角度反射率数据进行实验,结果表明有限观测角度可以获取比较准确的模型参数；通过分析Hapke模型参数得到橄榄石和两种模拟月壤的光度和物理特征.
二向反射 红外成像光谱仪 反射率 光度校正 Hapke模型 辐射传输 最小二乘 bi-directional reflectance Chang’E-3 VIS-NIR Imaging Spectrometers Chang’E-3 reflectance photometric correction Hapke model radiation transfer the least squares algorithm
1 复旦大学 电磁波信息科学教育部重点实验室, 上海 200433
2 北京师范大学 地表过程与资源生态国家重点实验室, 北京 100875
3 复旦大学 信息学院智慧网络与系统研究中心, 上海 200433
介绍了近年来非线性光谱解混方法的发展状况, 主要包括矿物沙地地区的紧密混合模型和植被覆盖区域的多层次混合模型, 以及基于这些模型的非线性解混算法和利用核函数、流形学习等方法的数据驱动非线性光谱解混算法及非线性探测算法.最后分析总结了现有非线性解混模型与算法的优势与缺陷及未来的研究趋势.
高光谱遥感 混合像元 非线性光谱解混 Hapke模型 双线性混合模型 核方法 流形学习 hyperspectral remote sensing mixed pixel nonlinear spectral unmixing Hapke model bilinear mixture model kernel method manifold learning
1 中国科学院遥感与数字地球研究所, 数字地球重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
3 中国电力工程顾问集团华北电力设计院有限公司, 北京 100120
针对利用线性模型提取矿物含量精度较低的问题, 以波长范围为350～2 500 nm的岩石光谱为数据源, 基于光谱匹配方法进行矿物识别, 应用简化的Hapke模型将岩石样品反射率转换为单次反照率, 利用线性模型分解单次反照率进行含量提取, 并通过分段滤波及建立区域光谱库的方法提高识别精度, 建立了一种基于实测光谱数据的矿物含量提取方法。 通过对包古图V号岩体光谱数据的分析, 与X射线衍射结果相比, 该方法对长石类矿物的识别精度为100%, 含量提取精度为80.5%; 对粘土类蚀变矿物的识别精度为92.2%, 含量提取的精度为92.36%。 该方法将矿物学共生关系加入到矿物识别方法中, 保证了结果的可靠性; 提出了分段滤波的预处理思路, 避免了滤波算法对光谱波形及吸收特征的影响, 并且据有较好的去噪效果; 应用Hapke模型进行实测的岩石光谱解混, 能避免复杂的光谱非线性分解计算, 从理论上提高矿物含量提取的精度和计算的效率。 该方法对快速分析蚀变信息等工作具有一定的指导意义。
高光谱 矿物含量 Hapke模型 单次散射反照率 Hyperspectral Mineral content Hapke model Single scattering albedo 光谱学与光谱分析
2015, 35(6): 1700
