叶绿素a（Chlorophyll-a, Chl-a）浓度是监测浮游植物和水质状况的代表性指标, 对湖泊富营养化评价具有重要意义。 为了探求南漪湖多时相的Chl-a浓度高光谱特征及反演方法, 选取2020年—2021年间南漪湖8次走航式水体实验同步采集的98组高光谱数据和Chl-a浓度数据, 分析不同Chl-a浓度条件下南漪湖实测光谱的变化特征, 同时考虑水质组分变化和采样时间变化对光谱的影响, 提取能反映Chl-a浓度信息的特征波段。 然后引入峰谷距离法、 荧光基线高度法、 峰面积法和基于峰面积法改进的谷上峰面积法共同反演南漪湖Chl-a浓度, 并利用5折交叉验证法比较不同反演算法的优劣。 研究结果表明: （1）随着Chl-a浓度的增大, 荧光峰位置向红外方向移动, Chl-a吸收谷和荧光峰分别有加深和升高的趋势, 峰谷差异更加明显, 荧光峰附近谱段能够有效反映Chl-a浓度变化; （2）利用5折交叉验证法将样本分为5组, 依次作为验证集进行建模, 对于不同组别的验证集各方法的RMSE和 MAPE极差平均值分别为0.437 5 μg·L-1和28.27%, 可见样本建模集与验证集的选取会显著影响精度评价结果, 5折交叉验证的方法可以减小上述误差, 在样本范围内最大程度地比较出各方法的优劣; （3）结合Chl-a浓度吸收谷极小值处水平切线提出的谷上峰面积法取得了最优的反演结果, 其验证精度分别为R2=0.756 7, RMSE=1.653 1 μg·L-1, MAPE=40.77%, 相较于峰谷距离法、 荧光基线高度法和峰面积法精度均有提升, 为叶绿素a浓度荧光反演提供了新的思路。

山地环状构造能提供丰富的深部地质作用信息, 为深化对此特殊地质构造的探索研究, 基于GF-5卫星影像, 对禄丰恐龙谷南缘的环状构造进行土地利用/覆盖分类, 再对分类后的地类进行高光谱特征分析, 最后对环状构造内外的同种地类的高光谱特征进行差异分析。得到如下结论: 研究区内, 未利用地占比最大, 约36.14%, 主要以环状形式分布, 林地次之, 约29.03%, 草地占比17.80%; 对比光谱库数据, 6种地类的光谱曲线与相应特征地物的光谱曲线变化特征一致, 可知基于面向对象的分类结果具有效性; 环状构造内外的同种土地利用/覆盖类型的高光谱曲线整体变化趋势相似, 但仍存在差异。环状构造内外的未利用地、林地和草地的反射率差值最大分别为6.61%、4.33%和4.05%, 但也存在反射率差值仅为0.01%的波段。通过本文研究结果为建立滇中特殊地质构造的土地利用/覆盖类型的星载高光谱数据库提供理论依据和技术支持, 同时也为后续进行基于高光谱技术的深入研究和精细研究提供基础数据。0.<英文标题>Land use / cover classification and hyperspectral characteristics difference analysis of the circular structure in the south of Dinosaur Valley

地上生物量(above-ground biomass, AGB)是评价作物长势及其产量估测的重要指标, 对指导农业管理具有重要的作用。 因此, 快速准确地获取生物量信息, 对于监测马铃薯生长状况, 提高产量具有重要的意义。 于马铃薯现蕾期、 块茎形成期、 块茎增长期、 淀粉积累期、 成熟期获取成像高光谱影像、 实测株高(heigh, H)、 地上生物量和地面控制点(ground control point, GCP)的三维空间坐标。 首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM(digital surface model, DSM), 利用DSM提取马铃薯的株高(Hdsm); 然后利用无人机高光谱影像计算一阶微分光谱、 植被指数和绿边参数, 进而分析高光谱特征参数(hyperspectral characteristic parameters, HCPs)和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性, 每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs); 最后基于HCPs, HCPs加入OGEPs, HCPs加入OGEPs和Hdsm的组合利用偏最小二乘回归(partial least square regression, PLSR)和随机森林(random forest, RF)估算不同生育期的AGB。 结果表明: (1)提取的Hdsm与实测株高H高度拟合(R2=0.84, RMSE=6.85 cm, NRMSE=15.67%); (2)每个生育期得到的最优绿边参数不完全相同, 现蕾期、 块茎增长期和淀粉积累期OGEPs为Rsum, 块茎形成期和成熟期OGEPs分别为Drmin和SDr; (3)与仅使用HCPs估算AGB相比, 使用HCPs加入OGEPs, HCPs加入OGEPs和Hdsm在马铃薯不同生育期可以提高AGB估算精度, 且以后者为自变量提高精度的幅度更大; (4)每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势, 随后开始降低, 整体上R2呈先上升后下降的趋势, 通过PLSR方法构建的估算AGB模型效果优于RF方法, 其中块茎增长期表现效果最好。 因此, 高光谱特征参数中结合最优绿边参数和株高, 并使用PLSR方法可以改善马铃薯AGB的估算效果。

针叶害虫爆发将会削减林木针叶水分和叶绿素含量, 导致林木冠层颜色发生变化, 甚至使林木死亡。 这严重威胁森林生态系统健康安全。 通过遥感技术监测受害林木冠层颜色变化, 可对虫害林生态系统安全进行快速评估。 因此, 虫害林木冠层不同颜色判别研究极为重要。 基于此, 选择蒙古国肯特省和杭爱省的3个雅氏落叶松尺蠖爆发林区（binder, Ikhtamir和Battsengel）为试验区, 开展落叶松受害过程冠层颜色变化信息调查和光谱测量试验, 并利用高光谱特征和机器学习算法判别了落叶松冠层不同颜色。 首先通过虫害灾区林木调查对冠层颜色进行了分色, 即绿色、 黄色、 红色和灰色。 同时根据不同危害程度下林木冠层不同颜色, 从试验区选取66棵样本树, 并对其冠层进行了光谱测量。 其次以样本树光谱反射率曲线为基础数据, 计算平滑光谱反射率（SSR）、 微分光谱反射率（DSR）和平滑光谱连续小波系数（SSR-CWC）等高光谱特征, 并借助方差分析法揭示了这些高光谱特征对冠层不同颜色的敏感性。 再次采用Findpeaks函数和连续投影算法结合模式（Findpeaks-SPA）快速提取了SSR, DSR和SSR-CWC等高光谱特征的敏感特征。 最后通过随机森林分类（RF）和支持向量机分类（SVMC）算法构建雅氏落叶松尺蠖虫害林木冠层不同颜色判别模型, 并与费歇尔判别（FD）模型进行比较, 评价了判别模型精度。 研究发现: (1)可见光的多个波段, SSR-CWC对冠层不同颜色表现出了极显著的敏感性。 (2)基于Findpeaks-SPA模式能够有效提取敏感高光谱特征, 该模式不仅大大降低高光谱特征数量, 而且改善了多重共线性问题。 (3)判别冠层不同颜色最有潜力的高光谱特征为SSR-CWC, 其Daubechies系、 Biorthogonal系、 Coiflets系和Symlets系的最优小波基分别为db9, bior1.5, coif1和sym4, 其中db9-RF（SVMC）达到了最高的判别总体精度（0.900 0）。 这比SSR-RF（SVMC）和DSR-RF（SVMC）模型分别提高了0.250 0（0.450 0）和0.250 0（0.100 0）。 (4)基于DSR和SSR-CWC的RF和SVMC模型判别精度优于FD模型, 尤其db9-RF（SVMC）模型更为明显, 其判别总体精度和Kappa系数比db9-FD模型分别提高了0.150 0和0.167 0。 可见, 在虫害林木冠层不同颜色判别中db9-RF（SVMC）有极大潜力。 这为林业和生态安全相关部门对森林虫害严重程度进行遥感监测提供重要参考和实用价值。

精确估算吸收性光合有效辐射分量(EPAR)对于检测植被水分、 能量及碳循环平衡具有重要意义。 应用ASD地物光谱仪与SUNSCAN冠层分析仪对冬小麦整个生育期内冠层光谱反射和光合有效辐射进行监测, 并利用冠层反射率数据构建了24个高光谱特征参量, 通过分析不同光谱特征参量与冬小麦FPAR的相关关系, 建立冬小麦FPAR光谱参量估算模型。 结果表明: 除蓝边幅值Db外其余高光谱参量均与冬小麦FPAR呈极显著相关(p＜0.01)。红边面积SDr与蓝边面积SDb的比值(VI4)与FPAR的相关系数最高, 达到0.836。 提取相关性较高的7个光谱参量分别与冬小麦FPAR建立最优线性与非线性估算模型, 通过精度检验分析, 优选了冬小麦FPAR最合适的模型。 对于线性模型, 绿峰位置λg与FPAR的反演模型最好, 其预测模型的R2, RMSE和RRMSE分别为0.679, 0.111和20.82%; 对于非线性模型, 绿峰反射率Rg与红谷反射率Rr的归一化比值(VI2)与FPAR的反演模型最好, 其预测模型的R2, RMSE和RRMSE分别为0.724, 0.088和21.84%。 为进一步提高模型精度, 分别运用多元线性逐步回归与BP神经网络建立多个高光谱参量同时参与的模型, 与单参量模型相比, BP神经网络模型的反演精度明显提高(R2=0.906, RMSE=0.08, RRMSE=16.57%)。 利用高光谱特征参量测定冬小麦FAPR具有可行性, 这为实时、 有效、 准确监测冬小麦生长过程中FPAR的动态变化提供了一种新的方法和理论依据。

叶片含水量是反映作物生理特性的一个重要参数, 对生态环境的研究具有重要意义。采用小波分析方法, 分析叶片含水量对反射率的影响特征, 建立综合利用多波段信息的作物叶片水分含量反演模型。基于PROSPECT模型的辐射传输理论, 推导出由叶片反射率光谱的小波系数反演叶片水分含量CW的理论模型。利用六种常用的小波函数, 对叶片组分水、干物质和白化基本层的吸收光谱进行小波分解。选取对水分变化最敏感, 同时对其他组分不敏感的分解尺度和波段位置, 找到能稳定突出水的光谱特征的小波系数。结果表明: bior1.5小波函数在尺度为200 nm, 波段位置为1 405和1 488 nm的小波系数具有上述特征。建立由叶片反射率光谱的bior1.5小波系数反演叶片水分含量CW的反演模型, 模型有两个转换系数a和Δ都受叶片结构参数N的影响。利用PROSPECT模型生成模拟光谱数据集, 校正建立的叶片水分含量反演模型中的两个转换系数a和Δ, 并与LOPEX93实验光谱数据集结合验证反演模型。结果表明: 反演模型不仅比传统基于植被指数的统计模型在精度上有提高(反演值与实测值的R2最高达到0.987), 而且更加稳定, 普适性更高。研究表明, 小波分析方法在利用高光谱数据反演作物叶片水分含量方面具有独特的优势。

选取陕北拌沙改良盐碱地为研究对象, 对盐碱地利用障碍因子进行高光谱遥感反演研究。 通过实测研究区域的作物长势, 采集土壤样品和土壤高光谱数据, 并实验测定土壤理化性质分析盐碱地利用的障碍因子, 研究盐碱地利用障碍因子的高光谱特征, 建立其遥感定量反演模型, 并进行精度检验。 研究结果表明: 土壤盐分含量是制约改良盐碱地利用的主要障碍因子, 毛管孔隙度与土壤盐分含量具有良好相关性, 也可以作为障碍因子之一; 利用土壤的高光谱数据对土壤全盐含量及毛管孔隙度进行遥感定量反演具有良好的精度（回归分析决定系数R2分别为0.938和0.973）; 检验样点精度检验结果表明, 盐分含量及毛管孔隙度的实测值与预测值均具有良好的相关性（k均接近于1, R2分别为0.840 4和0.796 5）, 反演精度较高。 通过高光谱数据对盐碱地改良利用的障碍因子进行遥感定量反演, 对于指导盐碱地的整治改良和利用具有重要的推动作用。

通过监测辽宁锦州地区不同干旱胁迫条件下春玉米拔节-吐丝期冠层高光谱分布, 研究其可见光、 红边区和近红外光的光谱分布特征, 分析不同波长光谱反射率与各深度土壤湿度的相关关系, 结果表明: 拔节-吐丝期, 0～20 cm层土壤湿度与350～710 nm区间光谱反射率存在显著的负相关关系, 各层土壤湿度(0～60 cm)与710～1 300 nm区间光谱反射呈正相关关系, 其中40 cm深度土壤湿度与光谱反射率正相关性较好; 红边区(680～760 nm)光谱反射率较好的反映了植株的生长状况, 该区间单位波长光谱反射率变化由增加-减小, 为相对较稳定的光谱区间。 各层土壤湿度与红边参数的多项式回归趋势相似, 表层0和20 cm土壤湿度与红边参数关系曲线呈先增加后减小趋势, 40和60 cm土壤湿度则先减小后增加。

对棉花单叶黄萎病病情严重度与原始及一阶微分光谱反射率、高光谱特征参数进行相关分析,构建病情严重度反演模型。结果表明:可见光和短波红外波段光谱反射率随病情严重度增加而增大,且可见光波段光谱反射率差异比短波红外波段更为显著。以红边面积为自变量的线性模型(r=0.6696)及以波长694 nm 处原始光谱反射率为自变量的对数模型(r=0.6794)均能较好反演病情严重度。通过模型精度检验发现,以714 nm 处一阶微分光谱反射率为自变量的线性模型为病情严重度诊断的最佳模型,即y=-282.3x+3.8112,该模型具有最大相关系数(拟合r=0.6992,预测r=0.9410),最小均方根误差(0.2571)和相对误差(12.74%)。文章结果对深入研究棉花黄萎病遥感监测机理提供了理论依据,对利用高光谱遥感数据获取病害信息具有重要应用价值。