氧化亚氮是一种重要的温室气体和臭氧损耗物。 利用热红外反演大气温湿廓线, 由于大气氧化亚氮含量较少且变化幅度不大, 一般都当作常量处理。 但是在反演氧化亚氮时, 由于大气温湿廓线和地表温度等参数相对氧化亚氮变化较大, 可能很小的扰动就会覆盖掉氧化亚氮的吸收信号。 因此有必要在上千个通道中, 选取信噪比最高的通道, 反演分析氧化亚氮浓度的时空变化特征, 进而掌握我国氧化亚氮浓度的变化规律, 为研究我国氧化亚氮排放对气候变化的贡献, 制定合理的氧化亚氮减排政策等, 提供可靠数据支撑。 采取一种优化后的最优敏感廓线通道选取法, 利用AIRS数据, 基于最优估计法反演氧化亚氮浓度, 与TCOON观测网中加拿大站点进行比对, 结果显示卫星遥感与地面观测结果一致性较好, 相关系数r为0.73, 该算法可以推广到IASI和CrIS等热红外高光谱数据, 使对氧化亚氮的观测数据增加到20多年, 这种长时间序列的产品是对目前地面观测的有效补充。 在氧化亚氮反演验证的基础上分析了我国氧化亚氮的年均值变化和月均值变化情况, 以及它的空间分布特征。 时空变化结果显示, 我国氧化亚氮浓度在低纬度地区浓度相对较高, 每年在华南地区的夏季达到峰值, 月度间变化幅度较大, 相比于月度变化, 年度之间的变化幅度相对较小。 监测结果同时显示, 印度、 巴基斯坦等国在紧邻我国地区, 夏季氧化亚氮浓度较高, 因此我国氧化亚氮浓度的时空变化特征除本地排放贡献外, 也有一定的外部区域传输影响。
热红外数据 氧化亚氮浓度 时空分布特征 Thermal infrared data Nitrous oxide concentration Temporal and spatial distribution characteristics
西安理工大学 机械与精密仪器工程学院, 陕西 西安, 710048
为了更好地研究叶绿素荧光特性和分析植物生长状况, 提出了从植物叶片微观结构的特点出发分析影响叶绿素荧光测量的一种研究方法。采用波长为460nm的LED作为光源激发叶绿素荧光, 经滤光片后, 通过CCD分别获取宏观叶绿素荧光和微观叶绿素荧光, 对荧光图像进行预处理并获得叶绿素荧光比率Rfd均值; 在显微镜下用CMOS获取叶片的显微图像, 测量上表皮厚度、栅栏组织厚度和叶片厚度等微观结构几何参数; 统计分析了叶片微观结构对宏观荧光测量的影响情况。结果表明, 对于像植物这种复杂的活体被测对象, 测量时应该考虑植物叶片微观结构对植物叶绿素荧光测量的影响。
光学测量 叶绿素荧光 激发光源 微观结构 叶绿素荧光比率 optical measurement chlorophyll fluorescence excitation light source microstructure chlorophyll fluorescence ratio
为了提高多特征融合图像检索的效果, 本文提出了一种基于分块颜色直方图和GWLBP的图像检索算法。算法采用K-means均值聚类对RGB颜色空间进行颜色聚类, 再将4×4均匀分块图像分成9个子块, 提取每个子块的颜色体积直方图, 并赋予不同权值计算颜色特征；利用Gabor滤波器组对输入图像进行不同分辨率和方向滤波, 然后将不同方向上局部滤波器输出结果与全局滤波器输出结果的平均值进行比较, 并进行二值化, 据此提出3种不同的GWLBP算子来提取纹理特征。最后对图像的颜色和纹理特征高斯归一化, 采用加权平均来融合颜色和纹理的特征距离。通过实验仿真可知, 与其他3种算法相比, 本算法对正常和有旋转倾向的图像都有较高的查全率和查准率。
图像检索 颜色聚类 分块颜色直方图 局部Gabor二元模式(GWLBP) Gabor小波滤波器 image retrieval color clustering block color histogram local gabor wavelets binary patterns gabor wavelet filter
1 西安理工大学机械与精密仪器工程学院, 陕西 西安710048
2 北方民族大学电气与信息工程学院, 宁夏 银川750021
活体植物叶片叶绿素含量SPAD值易受叶片厚度、 水分等影响, 提出了基于多参数神经网络建模的叶绿素含量精细反演方法。 通过测量叶片在中心波长分别为650, 940和1 450 nm光照射下的透过率, 获得叶片的SPAD值和水分指数WI(water index), 同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。 利用建模集样本分别建立SPAD值与实测叶绿素含量之间的单参数模型和基于BP神经网络的WI、 厚度及SPAD值与实测叶绿素含量之间的非线性模型。 利用这两种模型分别计算获得验证集样本的叶绿素含量预测值, 对预测值和实测值进行了相关分析和相对误差的分析。 实验以340个三种不同植物叶片为样本, 用以上方法进行了分析。 结果表明, 利用BP神经网络建模后, 每种植物样本的叶绿素含量预测精度都有不同程度的提高, 尤其对于叶片厚度值较大的样本, 效果更为明显。 数据显示所有混合样本平均相对误差绝对值由单参数模型的7.55%降低到5.22%, 实测值与预测值的拟合决定系数由0.83提高到0.93。 验证了利用多参数BP神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。
叶绿素含量 BP神经网络模型 Chlorophyll content BP neural network model SPAD SPAD WI WI 光谱学与光谱分析
2015, 35(9): 2629
1 中国科学院遥感与数字地球研究所, 遥感科学国家重点实验室, 北京 100101
2 环境保护部卫星环境应用中心, 北京 100029
3 国家环境保护卫星遥感重点实验室, 北京 100101
N2O是一种非常重要的温室气体和臭氧损耗物。 由于观测资料有限, 对于N2O在这两方面所发挥的作用定量描述还存在很多的不确定性。 利用热红外卫星数据AIRS可以反演监测甲烷和二氧化碳气体, 但对氧化亚氮的反演还很少见到。 因此该工作首次在国内针对高光谱红外卫星资料AIRS, 开展利用最优估计法反演大气N2O廓线的模拟研究。 讨论了先验廓线的获取方法及反演通道的选取方法, 并将反演结果和HIPPO飞机观测数据进行比较, 发现AIRS观测数据可以很好的捕获N2O的垂直分布, 在300～900 hPa, 与HIPPO数据趋势一致, 且反演精度较高, 相对误差仅为0.1%, 与所选取反演通道的jacobian峰值区间一致。 反演结果相比于特征向量统计法也有显著提高。
最优估计法 大气N2O廓线 AIRS Nitrous oxide Optimal estimate method Jacobian peaks jacobian 光谱学与光谱分析
2015, 35(6): 1690
1 环境保护部卫星环境应用中心， 北京100029
2 北京师范大学地表过程与资源生态国家重点实验室， 北京100875
3 中国科学院遥感应用研究所， 北京100101
随着我国城市的发展， 霾已经成为大气污染的重要形式。 从霾的物理性质出发， 利用米理论和RT3计算了霾的光学性质和反射特性， 表明环境一号(HJ-1)卫星CCD相机的第一和第二波段最适宜霾的反演。 然后， 利用深蓝算法， 基于MODIS地表反射率产品建立地表反射率库， 实现霾的反演。 最后， 以北京为试验区进行了2009年全年的反演试验， 结合地面观测结果的验证表明， HJ-1监测结果与地面结果有着较好的相关性（相关系数大于0.9）， 但整体大于地面监测结果。 讨论表明， 地表反射率库的误差对区分霾影响较小（带来的霾光学厚度误差小于0.1）， HJ-1的CCD传感器的辐射分辨率尚不能完全满足霾监测需求。
遥感 霾 环境一号 深蓝 Remote sensing Haze HJ-1 Deep blue
