1 北京大学地球与空间科学学院, 遥感与地理信息系统研究所空间信息集成与3S工程应用北京市重点实验室, 北京 100871
3 湖南大学电气与信息工程学院, 湖南 长沙 410082
4 贵州师范大学地理与环境科学学院, 贵州 贵阳 550001
叶片氮含量极大程度上影响植被生物化学过程, 有重要的研究意义。 利用机载高光谱数据反演叶片氮含量在农业遥感领域有广泛应用, 但其反演精度不能完全满足精细农业的需要, 有一定提升空间。 叶片氮含量遥感反演精度受机理误差和算法误差的影响, 机理误差主要来源于叶片表面反射。 传感器探测到的反射辐射既包含叶片内部多次散射, 又包含叶片表面镜面反射部分, 只有前者是携带叶片内部生化组分(如氮含量)信息的, 由于后者是入射光在叶表蜡质层发生的直接反射, 因此该部分并不携带叶片内部信息。 根据菲涅尔定律, 叶表镜面反射是部分偏振的, 而内部散射是非偏振的, 因而通过偏振反射建模可部分去除叶表镜面反射影响, 以消除机理误差。 算法误差主要来源于不同氮含量反演算法对于高光谱数据挖掘能力的差别。 比较了偏最小二乘法、 主成分回归、 支持向量机、 K-近邻算法和随机森林回归在高光谱叶片氮含量反演中的表现, 在调整算法参数之后, 选择使用随机森林回归算法以减少高光谱反演算法误差。 以常绿针叶林、 落叶阔叶林和针阔混交林为研究对象, 利用多角度偏振卫星POLDER/PARASOL的多光谱数据库构建二向偏振反射模型, 用以模拟和分析研究区森林的偏振反射率; 从HySpex传感器系统获取的机载高光谱数据中去除偏振反射率带来的光谱机理误差, 以实现叶片氮含量的精确反演。 以均方根误差为主要指标评估精度变化可获得以下结论: 在高光谱叶片氮含量反演中, 消除偏振反射率带来的机理误差后, 各算法反演精度均有提升, 平均提升了4.244%。 其中, 随机森林回归可以最大程度减小反演算法误差(可决系数达到0.803, 均方根误差达到0.252), 且对光谱偏振信息最为敏感, 去除偏振后精度提高了13.103%。 相比于广泛使用的偏最小二乘算法, 去除光谱机理误差并减小反演算法误差后, 叶片氮含量反演精度整体提高了32.440%。 该研究实现了基于机载高光谱数据的叶片氮含量精确反演, 证明了在叶片氮含量反演中去除偏振反射率的必要性, 体现了在高光谱氮含量反演中随机森林算法的应用潜力。
遥感反演 偏振遥感 叶片氮含量 高光谱数据 随机森林回归 双向偏振分布函数 Remote sensing retrieval Polarization remote sensing Leaf nitrogen concentration Hyperspectral data Random forest regression Bidirectional polarization distribution function 光谱学与光谱分析
2021, 41(9): 2911
1 北京大学地球与空间科学学院空间信息集成与3S工程应用北京市重点实验室, 北京 100871
2 北京农业信息技术研究中心, 北京 100097
高光谱遥感为冬小麦氮含量的实时估测提供了技术途径, 然而在实际探测过程中, 接收的信号不仅包含植株叶、 茎等器官内部发生多次散射后的光辐射, 也包含在叶片表面发生镜面反射而没有进入器官内部的光辐射, 原理上只有前者可反映植株的生化组分信息, 因此目前常用的反演算法存在较大不确定性。 拟采用增加偏振测量的方式, 区分与上述两种情形对应的非偏振光和部分偏振光, 通过构建相应的反射率表征因子, 以评估剔除部分偏振反射分量对植株氮含量估算的影响。 实验获取了冬小麦拔节、 挑旗、 开花、 灌浆四个典型生长期共计48组偏振高光谱与氮含量测量样本, 分析后表明, 剔除偏振反射后, 反射率光谱与氮含量的相关性在可见光波段有较明显的提升, 而常用的多个植被指数对氮含量的估算精度有小幅提升, 且不同生长期对应的最优植被指数不同。 上述结果证明了通过测量叶表偏振反射而提升冬小麦氮含量高光谱估算方法的有效性与稳定性, 为提升植被生化组分遥感反演的精度提供了参考。
氮含量 偏振遥感 高光谱遥感 冬小麦 叶面反射 植被指数 Nitrogen content Polarization remote sensing Hyperspectral remote sensing Winter wheat Leaf surface reflection Vegetation index 光谱学与光谱分析
2020, 40(6): 1956
重庆大学 光电技术及系统教育部重点实验室, 重庆 400044
以252Cf中子源驱动噪声分析测量法为依据，利用中子脉冲信号自相关函数与被测核材料(252U)质量的关系，设计了一种基于神经网络的核材料质量识别方法，探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响，利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别，并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验，结果表明：在理想实验条件下，平稳小波变换抑制了统计涨落对信号自相关函数的影响；分布式Elman神经网络能够较好地识别自相关函数的特征，分辨不同质量的核材料，平均识别误差小于0.1。
252Cf中子源驱动噪声分析法 核材料识别 自相关函数 神经网络 平稳小波变换 252Cf neutron source driven noise analysis method fissile material identification autocorrelation function neural network stationary wavelet transform 强激光与粒子束
2011, 23(10): 2557
重庆大学 光电工程学院， 光电技术及系统教育部重点实验室, 重庆 400044
针对252Cf自发裂变中子源构成的核信息系统，以实际所测随机中子脉冲数据的自相关函数为研究对象，借助仿真实验， 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上，通过叠加随机抖动，模拟产生了不同质量核材料的相关函数样本，并将其用于神经网络的训练与测试，实验结果表明，训练过的Elman神经网络能够较好地识别相关函数的特征，分辨不同质量的核材料，平均识别率达到85%，综合平均误差为0.04，且具有较高的鲁棒性。
252Cf源核信息系统 随机中子信号 Elman神经网络 核材料识别 nuclear information system of 252Cf source stochastic neutron signal Elman neural network nuclear material identification
