格雷码因具有良好的鲁棒性和抗噪性，被广泛应用到结构光投影三维成像方法中。在三维测量过程中，由于设备以及其他环境噪声的影响，格雷码方法解码条纹级次边沿和截断相位边沿通常无法处于理想的对齐状况，使得展开的相位出现跳变现象。为了更好地避免级次跳变误差，使得边沿跳变区域的容错宽度更大，提出基于格雷码的分区间相位展开方法。在互补格雷码基础上增加一幅格雷码图像，利用所有格雷码解得附加码字，通过对附加码字进行不同位移量的条纹级次映射，得到2个辅助条纹级次。利用所有条纹级次，对截断相位进行分区间相位展开，在边沿跳变区域错误大于半个周期时，仍能获取到无跳变现象的展开相位。实验结果表明，当边沿错误区域宽度小于3/4个条纹周期宽度时，可以有效避免级次跳变产生的误差。

矿产资源开采中产生的废渣废液长期堆存后产生的渗滤液向土壤中扩散易造成周围土壤的重金属污染, 影响作物生长; 人类通过食物链食用含重金属元素的果实后, 会引起神经系统的神经衰弱、 手足麻木, 消化系统的消化不良, 血液中毒和肾损伤等症状; 这种对生态环境和人身安全的污染和损害是十分严重的。 因此如何快速有效摸清矿区周围农作物土壤污染情况尤为重要。 多光谱遥感由于具备光谱分辨率高、 实时无损、 大面积监测等优势, 在突破植被屏障监测土壤重金属上具有巨大的潜力。 以平谷区主要的农作物桃树为研究对象, 利用桃叶的高光谱数据、 土壤采样数据, 分析桃叶光谱曲线的响应特性, 对桃叶反射光谱进行一阶/二阶微分、 标准正态、 连续去统等四种变换, 结合相关分析及多元线性回归模型确定光谱特征变量, 构建植被指数HMSVI; 结果表明HMSVI与土壤中Cd, AS和Pb含量的相关性较常用植被指数高。 运用线型回归方法进行元素含量与植被指数HMSVI建模后, 选取拟合较好的模型, 实现了叶片高光谱与土壤重金属含量的统计建模, 最后利用Sentinel-2遥感影像反演三种重金属含量空间分布, 并对结果进行精度验证。 结果表明: 受重金属胁迫叶片的平均光谱反射率高于正常叶片且红边位置发生了“蓝移”现象。 780, 945和1 375 nm三个波段对三种重金属污染都较为敏感, 利用三个波段构建的植被指数建立的反演模型能较好的用于桃林土壤重金属元素含量预测, 其预测模型分别为Y=0.44X+0.193, Y=7.436lnX+13.161, Y=-15.359X+13.583X²+23.541, 且具有较好稳定性和适宜性。 空间反演结果表示, 三种重金属高值区均大面积的分布在平谷区刘家店尾矿库、 万庄尾矿库、 金海湖尾矿库附近, 西部相比东部矿区重金属污染更为严重。 研究结果可以为北京平谷区桃林重金属污染的预防与治理提供基础数据支持。

森林生态系统水源涵养具有调节气候, 维持生态水平衡等生态功能。 青藏高原作为高寒地区, 由于其高海拔, 环境恶劣的特征, 无法实地人工观测水源涵养量。 为更好地获取高寒地区的水源涵养量, 通过遥感反演的方式得到特定地区的水源涵养价值量。 以林芝巴宜区为研究区, 研究区内林芝云杉、 高山栎、 高山松和雪层杜鹃四种植被为主要树种, 遥感影像无法直接获得水源涵养信息, 但可以通过构建植被叶片光谱信息与水源涵养量之间的定量关系来反演水源涵养价值量。 研究不同植被与水源涵养量的定量关系, 每种植被采集10个样点共1 000个叶片样本和水源涵养数据, 利用ASD光谱仪获取高光谱数据, 通过相关性选取拟合参数, 构建水源涵养回归模型。 利用Sentinel-2遥感影像反演研究区内植被的水源涵养分布, 并对反演结果进行验证。 结果表明, 四类植被叶片的反射光谱, 均呈现出相似的规律性, 在可见光波段差异不明显, 近红外到中红外波段呈现出明显四个水吸收带, 在红光到近红外波段(700~1 400 nm)反射率最高。 光谱反射率大小表现为高山栎>高山松>林芝云杉≈雪层杜鹃。 通过实验获取植被冠层截流量、 枯落物持水量和土壤含水量, 三者之和代表植被的水源涵养量, 分析植被的光谱特征与水源涵养量的关系, 并通过Pearson系数评价波段参数与水源涵养的定量化关系, 确定R₅₄₀, R_{1 950}, NDWI和NDVI四个参数与水源涵养量显著相关。 根据上述参数与四类植被的水源涵养量构建水源涵养回归模型, 并通过模型反演研究区内植被水源涵养量, 检验模拟精度, 整体反演精度R²大于0.7, RMSE基本小于10, 说明预测模型反演效果较好, 模型可有效估算森林生态系统的水源涵养量。

水源涵养是生态系统重要的服务功能, 森林作为一种复杂的生态系统, 其组成部分对于水源涵养的贡献率各不相同; 森林枯落物直接覆盖于地表, 既来自于林冠层也抑制土壤层的水分蒸散, 因此枯落物层在水源涵养功能中发挥了重要作用。 遥感和高光谱技术为远距离识别面状区域的水源涵养能力提供了解决方案, 特别在高原地区, 遥感是获取地表信息的快速手段。 以雅鲁藏布大峡谷为研究区, 用ASD(便携式地物)光谱仪测定主要树种(高山松、 林芝云杉和川滇高山栎)的叶片高光谱数据并构建植被指数, 同时, 通过样地采样获取枯落物样本并计算样本的持水拦蓄性能, 然后建立植被指数与有效拦蓄量的多元回归模型。 在此基础上, 基于Sentinel-2影像反演大峡谷主要树种枯落物的水源涵养能力分布情况, 最后结合验证点对反演模型进行精度评价。 结果显示: (1)三类树种的叶片反射率趋势相似, 川滇高山栎的反射率最高, 高山松次之, 林芝云杉最低; (2)枯落物的有效拦蓄量从大到小排序为: 林芝云杉(48.36 t·ha^-1)>川滇高山栎(39.24 t·ha^-1)>高山松(32.32 t·ha^-1)。 林芝云杉枯落物的分解程度和蓄积量均最高, 因此持水拦蓄能力最强; 川滇高山栎的革质叶片不利于分解堆积, 进而限制蓄水能力; 高山松含有较多油脂, 不易被水浸湿, 导致持水能力较弱。 (3)通过Person相关系数分析和多元线性回归模型得知, 叶片蜡质参数和衰减程度越高, 枯落物的水源涵养能力越弱; 植被生长态势越好、 色素和叶片水分含量越高, 其水源涵养能力越强。 (4)枯落物水源涵养能力反演模型的精度评价结果良好, 高山松、 林芝云杉和川滇高山栎的样本检验点拟合优度R²分别为0.943, 0.815和0.812, 均方根误差RMSE分别为1.597, 2.270和1.953, 表明模型可以用于大峡谷森林枯落物水源涵养能力的预测分布研究。

重金属污染是土壤环境污染中亟待解决的问题之一, 重金属通过土壤向植物富集, 危及人体健康, 对生态环境产生巨大隐患。 传统的土壤污染监测以化学方法为主, 不仅费时费力且监测范围有限, 而基于植被高光谱技术的土壤重金属监测方法能够快速准确地获取土壤重金属含量, 突破植被屏障, 提高土壤重金属监测效率。 近年来, 国内外许多学者致力于使用盆栽实验定量研究土壤污染物对植物光谱特征影响, 而野外环境下的实验研究相对缺少, 因此建立合适准确的野外土壤重金属预测模型具有重要意义, 为改善耕地土壤质量提供参考。 以北京市优势经济果树桃树为研究对象, 在研究区均匀设置了50个采样点, 利用FieldSpec 4便携式地物波谱仪测量桃树叶片光谱数据, 同时采集土壤样本带回实验室检测分析获得土壤重金属含量数据。 通过分析不同污染下桃树叶片在重金属胁迫下的叶片光谱特征, 计算不同土壤重金属与叶片光谱之间的相关关系, 确定土壤As元素与光谱反射率相关性更大, 因此选择土壤As元素计算其与不同植被指数之间的相关系数, 并用合适的植被指数构建土壤As元素预测模型。 结果表明: 污染区桃叶光谱反射率总体上比背景区的光谱反射率更高, 其中760~1 300 nm波长范围内对土壤重金属更加敏感, 土壤重金属对叶片红、 蓝、 黄边位置干扰不明显, 对红、 蓝、 黄边斜率敏感, 且均呈正向相关性。 光谱反射率与土壤Cr, Cu和Hg元素相关性较弱, 与As, Pb和Cd元素在某些波段范围内达到0.1级显著相关, 且总体相关曲线趋势相同, 相关性大小依次排序为As>Pb>Cd。 以相关性更强的土壤As元素与植被指数进行相关分析表明, 土壤As元素与PRI1和PRI3均显著相关。 使用SPSS数据分析软件以PRI1和PRI3为自变量, 土壤As元素为因变量分别进行回归分析, 检测结果发现, PRI3的指数预测模型(y=e^{43.644x-39.386}, R²=0.937, RMSE=0.161)效果最好且具有更好的稳定性。