基于近地高光谱遥感数据的茶树分类和生化参数反演
发布时间：2021-11-03 07:44
遥感技术可以通过远距离、非接触物体,实现对目标的探测。遥感的发展经历了全色、彩色、多光谱扫描成像等多个阶段,高光谱遥感的出现,使光学遥感进入了一个全新的阶段。高光谱遥感技术是指在特定光谱域（可见光,近红外以及短波红外波段）以高分辨率同时获得连续的地物光谱信息,拥有波段数众多、波段间隔窄的特点,利用高光谱遥感手段为区分具有诊断性光谱特征的地表信息提供了可能。目前,高光谱遥感数据已经成为监测植被、土壤、水资源等质量信息的有力的工具。包括已经被广泛研究的植被叶绿素浓度和氮含量的测定以及新兴的对植被叶片其他化学成分如磷,钾,钙,镁和酚类物质的测定;对土壤中有机质含量、离子含量、湿度、土壤侵蚀和退化等方面研究;水环境遥感中对水质的监测等。但是,利用成像高光谱技术,对地物的空间分布,生物化学参数反演的潜力还有待于进一步的挖掘,如将高光谱分析技术应用于植被亚种分类和多种化学参数的探测,对植物亚种精准识别等等。然而高光谱分辨率,往往伴随着各波段的高相关性、高冗余和高噪声,对高光谱数据的降维、降噪等预处理,对高光谱影像选择合适的分类、建模手段,也成为能否有效利用高光谱影像进行目标分类、反演、识别等研究的...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１离光谱成像方式??
成像光谱仪??用ＣｕｂｅｒｔＵＨＤ１８５成像光谱仪采集茶树高光谱数据，其Ｄ１８５机载高速成像光谱仪拥有全画幅、非扫描、实时成像全画幅高光谱成像技术，是目前高速成像光谱仪的最轻版虑了髙速相机的易用性与高光谱精度。通过这款光谱仪图像，而不需要惯性测量单元（虹ｅｒｔｉａｌ?Ｍｅａｓｕｒｅｍｅｎｔ?Ｕｎｉｔ，正，并可在１／１０００秒内得到高光谱立方体。它采用独特的与光谱分辨率之间的合理平衡，实现了快速光谱成像而不需无伪影的清晰高光谱成像。在机载高光谱成像仪飞行测量至地面站，现场分析高光谱图像。Ｃｕｂｅｒｔ搭载的小型无人Ｖ型８旋翼设计，在提供充裕动力的同时也做到了动力用时，即使某一轴被意外停止工作也能最大幅度保证飞机谱仪自带的ＣｕｂｅＰｉｌｏｔ光谱处理软件可进行光谱批量处理、功能，并提供开源代码便于用户后期开发与系统集成。??
１１４°２１＇４５＂Ｅ－１１４°２ｒ４７＂Ｅ），位于邮邻南湖，包含８种茶树品种（福安大白、乌牛??早、台茶１２＃、梅占、黄旦、铁观音、迎霜、福鼎大白）。实验设计无人机飞行高??度为１００ｍ，航线设计如图４．２所示。??隨誦Ｊ??图４．２实验区概况??４．１．３高光谱影像采集??光谱数据采集选择在天空云少、风力较小的条件下进行，为了减少太阳高度??角的影响，本次实验高光谱具体测量时间为２０１６年３月２３日上午１１：５５－１２：４０。??测量时保持仪器镜头垂直向下，飞行时保持平稳、匀速飞行，由于后续对无人机??影像自动拼接的要求，要求采集图片航向重叠率大于７０％，旁向重叠率大于５０％。??１６??
【参考文献】：
期刊论文
[1]基于植被特征库的高光谱植被精细分类（英文）[J]. 尚坤,张霞,孙艳丽,张立福,王树东,庄智. 光谱学与光谱分析. 2015(06)
[2]利用光谱指数反演植被叶绿素含量的精度及稳定性研究[J]. 姜海玲,杨杭,陈小平,王树东,李雪轲,刘凯,岑奕. 光谱学与光谱分析. 2015(04)
[3]基于类别可分性的高光谱图像波段选择[J]. 许明明,张良培,杜博,张乐飞. 计算机科学. 2015(04)
[4]PROSAIL模型模拟下的植被指数土壤调节能力比较与适用环境分析[J]. 徐雯靓,王少军. 遥感学报. 2014(04)
[5]基于空间信息的高光谱遥感植被分类技术[J]. 吴见,彭道黎. 农业工程学报. 2012(05)
[6]支持向量机在高光谱遥感图像植被分类中的应用[J]. 马心璐,任志远,王永丽. 农业系统科学与综合研究. 2009(02)
[7]从高光谱遥感影像提取植被信息[J]. 温兴平,胡光道,杨晓峰. 测绘科学. 2008(03)
[8]植被高光谱遥感分类方法研究[J]. 陶秋香. 山东科技大学学报(自然科学版). 2007(05)
[9]棉花冠层高光谱参数与叶片氮含量的定量关系[J]. 吴华兵,朱艳,田永超,姚霞,刘晓军,周治国,曹卫星. 植物生态学报. 2007(05)
[10]高光谱遥感技术综述[J]. 袁迎辉,林子瑜. 中国水运(学术版). 2007(08)
博士论文
[1]基于高光谱遥感的茶叶生物化学参数提取的研究[D]. 卞萌.武汉大学 2010
硕士论文
[1]基于混合样本和支持向量机的城市地物信息提取[D]. 孙晓霞.河南大学 2014
[2]基于降维的Hyperion高光谱数据的树种识别研究[D]. 郭啸川.福建师范大学 2013
[3]高光谱遥感图像的降维与分类研究[D]. 陈宏达.复旦大学 2013
[4]基于叶片和冠层级别的高光谱城市树种识别[D]. 何诗静.华中农业大学 2011
[5]红树林高分辨率遥感监测技术研究[D]. 高宁.山东科技大学 2008
本文编号：3473308
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１离光谱成像方式??
成像光谱仪??用ＣｕｂｅｒｔＵＨＤ１８５成像光谱仪采集茶树高光谱数据，其Ｄ１８５机载高速成像光谱仪拥有全画幅、非扫描、实时成像全画幅高光谱成像技术，是目前高速成像光谱仪的最轻版虑了髙速相机的易用性与高光谱精度。通过这款光谱仪图像，而不需要惯性测量单元（虹ｅｒｔｉａｌ?Ｍｅａｓｕｒｅｍｅｎｔ?Ｕｎｉｔ，正，并可在１／１０００秒内得到高光谱立方体。它采用独特的与光谱分辨率之间的合理平衡，实现了快速光谱成像而不需无伪影的清晰高光谱成像。在机载高光谱成像仪飞行测量至地面站，现场分析高光谱图像。Ｃｕｂｅｒｔ搭载的小型无人Ｖ型８旋翼设计，在提供充裕动力的同时也做到了动力用时，即使某一轴被意外停止工作也能最大幅度保证飞机谱仪自带的ＣｕｂｅＰｉｌｏｔ光谱处理软件可进行光谱批量处理、功能，并提供开源代码便于用户后期开发与系统集成。??
１１４°２１＇４５＂Ｅ－１１４°２ｒ４７＂Ｅ），位于邮邻南湖，包含８种茶树品种（福安大白、乌牛??早、台茶１２＃、梅占、黄旦、铁观音、迎霜、福鼎大白）。实验设计无人机飞行高??度为１００ｍ，航线设计如图４．２所示。??隨誦Ｊ??图４．２实验区概况??４．１．３高光谱影像采集??光谱数据采集选择在天空云少、风力较小的条件下进行，为了减少太阳高度??角的影响，本次实验高光谱具体测量时间为２０１６年３月２３日上午１１：５５－１２：４０。??测量时保持仪器镜头垂直向下，飞行时保持平稳、匀速飞行，由于后续对无人机??影像自动拼接的要求，要求采集图片航向重叠率大于７０％，旁向重叠率大于５０％。??１６??
【参考文献】：
期刊论文
[1]基于植被特征库的高光谱植被精细分类（英文）[J]. 尚坤,张霞,孙艳丽,张立福,王树东,庄智. 光谱学与光谱分析. 2015(06)
[2]利用光谱指数反演植被叶绿素含量的精度及稳定性研究[J]. 姜海玲,杨杭,陈小平,王树东,李雪轲,刘凯,岑奕. 光谱学与光谱分析. 2015(04)
[3]基于类别可分性的高光谱图像波段选择[J]. 许明明,张良培,杜博,张乐飞. 计算机科学. 2015(04)
[4]PROSAIL模型模拟下的植被指数土壤调节能力比较与适用环境分析[J]. 徐雯靓,王少军. 遥感学报. 2014(04)
[5]基于空间信息的高光谱遥感植被分类技术[J]. 吴见,彭道黎. 农业工程学报. 2012(05)
[6]支持向量机在高光谱遥感图像植被分类中的应用[J]. 马心璐,任志远,王永丽. 农业系统科学与综合研究. 2009(02)
[7]从高光谱遥感影像提取植被信息[J]. 温兴平,胡光道,杨晓峰. 测绘科学. 2008(03)
[8]植被高光谱遥感分类方法研究[J]. 陶秋香. 山东科技大学学报(自然科学版). 2007(05)
[9]棉花冠层高光谱参数与叶片氮含量的定量关系[J]. 吴华兵,朱艳,田永超,姚霞,刘晓军,周治国,曹卫星. 植物生态学报. 2007(05)
[10]高光谱遥感技术综述[J]. 袁迎辉,林子瑜. 中国水运(学术版). 2007(08)
博士论文
[1]基于高光谱遥感的茶叶生物化学参数提取的研究[D]. 卞萌.武汉大学 2010
硕士论文
[1]基于混合样本和支持向量机的城市地物信息提取[D]. 孙晓霞.河南大学 2014
[2]基于降维的Hyperion高光谱数据的树种识别研究[D]. 郭啸川.福建师范大学 2013
[3]高光谱遥感图像的降维与分类研究[D]. 陈宏达.复旦大学 2013
[4]基于叶片和冠层级别的高光谱城市树种识别[D]. 何诗静.华中农业大学 2011
[5]红树林高分辨率遥感监测技术研究[D]. 高宁.山东科技大学 2008
本文编号：3473308
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3473308.html
最近更新
教材专著
