天然气作为一种清洁、 高效的低碳能源, 消费占比日益增大。 无论是地下输气管道还是储气库, 由于管道腐蚀、 老化、 自然灾害, 地下断层、 注入井封存不好等因素, 都会导致天然气泄漏。 从安全、 经济、 环境等方面考虑, 开展地下天然气管道和储气库微泄漏检测是十分必要的。 利用高光谱遥感监测地表植被变化而间接探测天然气微泄漏点, 通过野外可控系统模拟地下储存天然气微泄漏实验, 以冬小麦为研究对象, 采集了9期小麦冠层光谱数据, 通过光谱分析探寻胁迫小麦光谱特征并构建指数识别模型。 首先对小麦冠层光谱进行奇异值剔除和平滑处理, 对连续统去除之后的冠层光谱进行连续小波变换, 选用Mexihat母小波, 在尺度参数为32时, 小波系数有较少的峰值和谷值, 能与原始光谱拟合较好, 且小麦多期数据其峰值和谷值位置都比较稳定。 受胁迫和健康小麦的原始光谱可分性较差, 但小波系数在487, 550和770 nm处受胁迫与健康小麦样本可分性较优, 且具有明显的诊断性特征: (1)受胁迫和健康小麦的小波系数在487 nm处为“吸收谷”, 其小波系数值为负值, 健康小麦小波系数值大于受胁迫小麦的; (2)受胁迫和健康小麦的小波系数在550和770 nm处, 有明显的“反射峰”, 且受胁迫小麦的小波系数值较大。 为更好突出差异性, 增强受胁迫和健康小麦的小波系数差异特征, 构建了CWTmexh(CWTmexh=CW2770/(1-CW487)·CW550)指数用于胁迫与健康小麦的识别; 然后分别与NDVI705, mNDVI705, ARI1, R440/R740, D725/D702指数进行对比分析, 经J-M距离定量检验, 结果显示CWTmexh指数对天然气微泄漏胁迫下的冬小麦具有较好的识别效果, 该指数在天然气胁迫发生20 d后可以稳定区分胁迫和健康两类小麦, 且在全生育期都保持相同的规律, 而NDVI705, mNDVI705, ARI1等指数在整个生育期内无法准确识别健康与胁迫小麦。 CWTmexh指数在稳定性、 普适性与可识别性方面优于其他5个指数。 因此, 高光谱遥感监测地表植被间接识别天然气微泄漏点具有可行性, 研究结果可为星载高光谱遥感监测地下储存天然气泄漏点提供理论依据和技术支持。

茶叶种类识别和等级划分的实践意义重大。 成像光谱技术较传统检测、 识别手段具有图谱合一及快速无损等优势。 获取了君山银针、 无锡白茶、 信阳毛尖、 和六安瓜片4种外观相近的线条形茶叶的短波红外(1 000~2 500 nm)高光谱图像。 首先利用最小噪声分数(MNF)和非参数权重特征提取(NWFE)将高维高光谱数据投影到低维子空间, 然后用单因素方差分析(ANOVA)重新评估投影特征的可分性并选择对茶叶识别较为有效子空间, 同时考虑到“光谱和特征”能较好地表征物质反射属性, 将选择的投影子空间MNF1, MNF2, MNF4, MNF6, MNF8, NWFE1, NWFE2, 及“光谱和特征”一起作为光谱特征集并用SVM分类器获得光谱特征下像元的分类结果。 另一方面, 利用图像本质分解(IID)算法将高光谱图像的光谱分解为自身反射光谱R与阴影成分S; 在均质性较优的光谱范围(1 006~1 900 nm)按照光谱距离对R求取梯度图像并用分水岭算法实现了图像空间分割, 得到空间相关度较高的分割子块。 最后, 将像元分类和图像分割结果进行融合, 具体: 在每个图像分割子块中, 重新统计像元分类结果并按照最大投票法对整个子块的类别进行赋值, 也即联合光谱-空间信息的茶叶识别模型。 结果表明, 构建的模型对4种茶叶的识别结果较为满意, 在仅为约1%水平的训练样本下, 茶叶的总体分类精度达94.3%, Kappa系数为0.92。 该模型还较好地克服了茶叶光谱的“同物异谱”现象, 并期待方法对实践生产具有指导意义。

霉变花生极有可能含强致癌物质-黄曲霉素, 快速识别并分离霉变花生可从源头上阻止其进入食物链, 并降低人类摄入黄曲霉素的风险。 利用可见光-近红外高光谱数据, 通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。 共获取霉变花生样本253个, 健康花生247个, 并取其霉变(或健康)部位的均值光谱。 在对光谱进行连续统去除后, 首先对其求取了不同步长的一阶微分, 并在可分性较优的光谱区域计算了Area500～650指数; 其次, 用连续小波变换提取了光谱的形状和位置信息, 并利用Indexcwt指数识别霉变花生样本。 结果显示, 指数Area500～650的J-M距离为195, Indexcwt模型的J-M距离为199, 表明霉变和健康花生在构建的指数模型Area500～650和Indexcwt的特征空间可分性均较优。

市场上出售的建筑涂料品种繁多, 型号和品质不尽相同。 利用高光谱技术区分不同品质的建筑涂料。 获取同一颜色四个不同品质、 不同品牌建筑涂料（品牌A, B, C, D）的近红外高光谱图像, 利用ANOVA(analysis of variance)方法发现1 283和2 447 nm为区分四个品牌涂料的最优波段。 构建比值指数R1 283/R2 447并对其结果进行阈值分割, 将分割结果与最大似然分类精度进行了对比。 结果表明除品牌C与D之间J-M距离外, 其他涂料间J-M距离均大于1.8; 而R1 283/R2 447指数分割精度最低为87.54%, 相应最大似然分类精度为95.63%, 其他品牌涂料阈值分割与最大似然分类精度均达到90%以上。 因此, R1 283/R2 447指数能够较好地区分不同品牌的建筑涂料。 该研究结果可为建筑涂料识别、 装修质量验收、 合格评定提供技术支持。