科技动态

近红外光谱与化学计量学用于地表信息测量

发布:HPLSElaser阅读:2149时间:2017-12-25 15:56:39

测量并收集地面近红外反射率可用于高光谱数据校准以及地球表面信息的定量提取。

近红外光谱(NIRS)以及多元化学计量学校准技术如偏最小二乘回归法,可应用于高光谱遥感成像中以定量提取地球表面信息。自20世纪60年代以来,近红外光谱技术与化学计量学一直广泛应用于大型计算机中;20世纪80年代,美国农业部大力推广近红外光谱技术与化学计量学用于动物饲料分析。


高光谱成像技术可用于创建植被生化特性地图,即使是地球上最偏远的区域。

同一时期,Alexander Goetz作为遥感与光谱成像领域的先驱者提出高光谱遥感概念,而第一批成像仪器则由美国宇航局的喷气推进实验室开发并使用。数年后,由威斯康星大学环境遥感中心的John Aber领导的研究小组首次将化学计量学技术应用于高光谱成像中,并展示了在景观尺度上测量森林树冠氮和木质素浓度的功能,构建了新一代景观尺度下的生态系统模型。

其后,近红外光谱化学计量学和高光谱成像技术应用于植物冠层、土壤碳等地球表面性质的测量已得到进一步的开发、测试和验证。该方法由以下几个步骤组成。首先,测量已知物理或化学特性的材料的地表近红外光的反射率,该步骤在遥感领域被称为“地面实况调查”(见图1)。


图1:地面实况调查为基于地理位置收集的地表信息。在遥感中,地面实况调查可将图像数据与地表真实信息联系在一起。地表真实信息的收集使遥感数据校准成为可能,并有助于解释和分析所感测的信息。图片来源:ASD。

这些数据随后将用于高光谱成像的定量校准。将初始辐射值转换为反射系数,然后重新测量地表反射率以与匹配高光谱成像器的光谱采样和光谱分辨率。

光谱与图像匹配

高光谱成像中使用近红外光谱化学计量学校准必须首先将图像从辐射单位转换为反射率单位。ENVI是一种用于分析高光谱图像的最常用图像处理软件,其扩展功能光谱超立方体的快速视线大气分析常用于该种转换。

根据水蒸气在图像上的变化,ENVI大气校准模块首先确定每个像素的气柱水汽含量,然后对发生散射或空间变化的水蒸气以及其他完全混合的大气气体进行校准(见图1)。之后通常对反射光谱进行润色,以消除反射光谱计算时出现的任何系统性人为影响。在单个像素的基础上,对高光谱图像进行校正,以匹配图像中已知点的场光谱,可以进一步细化得到的图像光谱。

与高光谱图像传感器相比,场反射光谱仪具有超过2000个波长的反射率值。由于其目标为使用现场收集的反射光谱生成一个可用于高光谱成像的校准方程。因此必须对场光谱进行重新采样,以匹配高光谱成像传感器的波长和波段。该项工作中广泛使用的光谱库重采样函数已包含在ENVI图像处理包内,该函数将高光谱传感器的已知中心波段作为输入,并通过以下三种方式确定传感器的带通值:1)由用户为每个波段提供滤波函数;2)全半宽最大值;3)如果没有给出其他信息,ENVI将进行临界采样,并使用高斯模型,即半高全宽等于带间距。

近红外光谱化学计量学校准

近红外光谱化学计量学校准模型的开发包括计算基于光谱采样的回归方程、所收集的反射光谱以及收集光谱时观察到物质的已知或测量性质。场光谱的收集范围应当跨越使用近红外光谱校准技术的各个区域。最常用的基于回归的校准方法包括多元线性回归、主成分回归和局部最小二乘。一般来说,后两种方法更适合用于高光谱成像的校正,因为它们能够利用所有的波长信息。

在使用主成分回归或偏最小二乘回归建立校准模型时,需要对几个参数进行优化和评估:因子、负载及分数。当选择因子的数量(也称为主成分或特征向量)时,应当避免合并太少或太多的因子。如果选择的变量数量过少,由于可能遗漏有用信息,做出的预测便不具备可靠性。如果选择的因子过多,那么在校准结果中会出现更多的不确定性,从而导致预测误差。分数用于检查样本均匀性和可能属于的集群,而负载则用于解释变量在主成分空间中的加权方式。

在使用高光谱图像之前,必须对近红外光谱化学计量学校准的有效性进行测试。通常将收集到的样本集分成两组,一组用于校准,另一组用于验证。若没有足够的样本,则可进行“留一法”交叉验证,即留下一个样本,使用其余的样本建立一个校准模型,然后使用模型来预测最初被留下的样本。将该过程重复N次,N为校准数据集的样本数量。交叉验证的优点在于被预测的样本不包含在校准模型中。且化学计量软件包将提供计算和验证近红外光谱化学计量校准方程时所需的一切功能。

在创建和验证校准模型后,其将应用于先前被转换为反射率单位的高光谱图像数据。且由于使用了之前重新采样的场反射光谱来匹配高光谱成像仪的波长和波段,NIRS的校准过程被简化了。由于ENVI图像处理包在交互式显示语言(IDL)环境下运行,因此编写一个简单的ENVI + IDL例程来将衍生的NIRS校准方程系数应用于高光谱图像是相对简单的。该程序的输出即为近红外光谱化学计量学校准所得到的特性图像。

揭秘茶叶特性

茶叶的质量和风味由几种可使用近红外光谱测量的化合物来决定:氨基酸影响茶叶的新鲜度和外观,多酚主要影响其苦味和涩味,而糖类则影响甜度。荷兰特温特大学及中国武汉大学的研究人员们表示,这三种特性的存在确定了高光谱成像技术的使用。

虽然近红外光谱对植物材料的分析通常使用干燥的研磨叶片,但由于高光谱成像利用遥感技术来创建植被生化特性图像,因此需要测量完整植物树冠的光谱来进行近红外光谱校准。

在2013年的研究中,近红外光谱校准是通过使用ASD FieldSpec光谱仪在三个层面上收集的反射光谱获得的:干燥的研磨叶片、新鲜叶片以及在太阳照射下测量的完整茶树冠。该研究为首次证明近红外光谱校准技术在各种环境下可行性的研究之一。由于新鲜叶片中的水成分在近红外光谱中产生强烈的吸收特性,该部分将掩盖其他化合物的吸收特性,因此根据新鲜叶片获得的校准结果比从干燥的研磨叶片样本中得到的结果准确率要低得多。从完整的茶树冠采集的光谱更为复杂,由于增加了诸如土壤背景和冠层结构等易影响光谱测量的因素,但其校准结果不差于使用新鲜叶片所得到的结果,甚至更精确。这可能是由于测量全冠层反射光谱时受到冠层结构参数(如叶密度、叶与树枝的角度以及植物冠的形状)的影响。这些特征又可能与目标的生化特性浓度相关。


图为使用ASD FieldSpec光谱仪和FieldSpec双收集软件系统在现场收集光谱数据。图片来源:ASD。

总的来说,作者认为该方法在植物冠层的精确度能够证明利用高光谱传感器在景观尺度上快速绘制茶叶质量特性的可行性,从而能够更好地管理茶园。

土壤有机碳

农业土壤可作为碳汇,大气中的二氧化碳通过作物残留物被转移到土壤中,从化石燃料的燃烧中获得抵消。此外,土壤有机碳(SOC)水平还会影响土壤的健康和生产力。因此,需要了解土壤有机碳水平的空间分布来改进农业方式。作为快速碳评估项目的一部分,美国自然资源保护局的土壤科学部门开发了一种基于NIRS的方法来测量美国各地的基准土壤有机碳水平,并对干燥和新鲜(潮湿)样品进行校准。结果与茶叶质量研究结果相似:尽管新鲜样品的校准精确度较低,但足以快速进行大片区域测量。

澳大利亚悉尼大学某研究小组进行的一项研究中,使用ASD便携式光谱辐射计,以及从Hyperion高光谱图像中提取的反射光谱,证明了在景观尺度上测量土壤有机碳的可行性。该研究中,由于土壤表面条件、植被覆盖以及土壤湿度过高都将掩盖潜在的土壤有机碳反射特征,因此场光谱及Hyperion高光谱图像均在一年中土壤干燥且无植被的情况下收集的。由于土壤有机碳校准基于反射光谱,该团队在生成土壤有机碳图像之前对Hyperion高光谱数据进行了辐射 至反射率的转换。尽管由Hyperion高光谱成像仪生成的土壤有机碳图像无法达到便携式光谱仪点测量的精确度,但其有助于在区域范围内实施数字土壤测绘。


现场采集的地面真值特征及光谱库中的索引对于许多分析方法都是至关重要的。图片来源:ASD。

现场收集的反射光谱、近红外光谱化学计量校准和高光谱图像的结合,提供了定量获取大量物质特性信息的方法。其应用范围远远超出本文给出的两个例子(茶叶质量和土壤有机碳);随着全球可用的超光谱图像的出现,我们将有可能在太阳反射的波长范围内定量获得任何自然或人造材料的物质特性信息。这种方法需要对已知参考值的材料或表面的代表性反射光谱进行现场采集。尽管耗时过长,但建立足够庞大的近红外光谱的校准数据库,其中包含图像场景中可能遇到的可变性和准确的参考值,对于校准结果的准确性来说至关重要。

来源: https://www.photonics.com/Article.aspx?AID=62575&PID=5&VID=141&IID=972

本文受译者委托,享有该文的专有出版权,其他出版单位或网站如需转载,请与本站联系,联系email:mail@opticsjournal.net。否则,本站将保留进一步采取法律手段的权利。

> 免责声明
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如对文、图等版权问题存在异议的,请于20个工作日内与我们取得联系,我们将协调给予处理(按照法规支付稿费或删除),联系方式:021-69918579。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。 最终解释权归《中国激光》杂志社所有。

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!