可见近红外非成像光谱分析技术已被广泛用于土壤有机碳(SOC)含量估测, 然而该技术的使用受土壤粗糙度的影响, 对样本的前处理要求较高, 导致模型的实用性受限。 针对这一问题, 以美国爱荷华州农田土壤为研究对象, 使用成像及非成像光谱仪获取土壤样本研磨前后的可见近红外反射光谱, 采用去包络线(CR)、 吸光度变换(AB)、 S-G平滑(SG)、 标准正态变换(SNV)、 多元散射校正(MSC)5种光谱预处理手段, 利用偏最小二乘回归(PLSR)和支持向量回归(SVR)算法构建并对比土壤SOC光谱估算模型, 探究利用成像光谱数据估测高粗糙度样本SOC含量的可行性。 实验结果表明, 使用成像光谱数据能够实现高粗糙度样本的SOC含量估算, 而使用非成像光谱数据则无法估算高粗糙度样本的SOC含量; 基于成像光谱数据建立的高粗糙度SOC最优PLSR估算模型R²能够达到0.739以及最优SVR估算模型R²为0.712, 而基于非成像光谱数据建立的高粗糙度SOC最优PLSR和SVR估算模型R²仅仅分别为0.344和0.311。 基于AB, SG, SNV和MSC这4种预处理手段之后的成像光谱数据建立的土壤样本研磨前的PLSR模型性能优于样本研磨之后建立的PLSR模型, 而SVR模型性能正好相反。 而对于非成像光谱数据来说, 土壤样本研磨后建立PLSR和SVR模型精度总是强于样本研磨前建立的模型精度。 对于这两种光谱数据和两个估算模型而言, 不同的光谱预处理方法提高模型估算精度的能力不同。 土壤样本研磨前后, 基于成像光谱数据建立的PLSR和SVR模型性能均优于非成像光谱数据所构建的模型。 成像光谱技术能够增强高粗糙度土壤样本可见近红外光谱与SOC的相关性, 从而提高模型估算精度; 能够克服土壤粗糙度的影响; 为野外大尺度估测SOC含量提供了新的手段。

叶面积指数(LAI)是评价作物长势和作物产量的重要参数。 为有效利用高光谱信息, 优选出最佳波段进而构建新型双波段指数来提高LAI估测精度, 以冬小麦为研究对象, 获取冬小麦孕穗期无人机高光谱数据和实测地面LAI数据, 开展冬小麦LAI反演研究。 首先采用连续投影算法(SPA)、 最佳指数法(OIF)以及逐波段组合法(E)分别进行无人机高光谱数据最佳波段筛选, 进而将所选最佳波段构建新型双波段指数(VI_OIF, VI_SPA, VI_E); 然后将构建的新型双波段指数和常规双波段指数(VI_F)与LAI进行相关性对比分析, 最后结合支持向量回归(SVR)、 偏最小二乘回归(PLSR)和随机森林回归模型(RFR)进行LAI估算, 并对比分析常规双波段指数的估算精度, 验证最佳波段选择方法构建新型双波段指数的最佳回归模型反演LAI的可行性。 结果表明: (1)新构建双波段指数VI_OIF, VI_SPA, VI_E和VI_F与冬小麦LAI的相关性均达到0.05的显著水平, 其中VI_SPA和VI_E与LAI的相关系数高于0.65, 且RSI_SPA和RSI_E与LAI的相关性较高(r>0.71); (2)对比分析VI_OIF、 VI_SPA、 VI_E和VI_F构建的SVR模型、 PLSR模型和RFR模型的冬小麦LAI估测精度, VI_SPA_PLSR模型估测精度最高, R²和RMSE分别为0.75和0.90。 该方法可为无人机高光谱数据波段选择以及冬小麦LAI反演提供技术支持和理论参考。

土壤盐渍化是土壤退化的重要原因之一, 快速精确地监测土壤盐渍化对农业可持续发展和生态环境保护有积极作用。 提出一种基于数码相片的滨海地区表层土壤盐分的定量估算方法, 旨在复杂天气状况下快捷方便的获取土壤盐分信息。 以江苏盐城沿海地区裸露地表土壤作为研究对象, 在晴天和多云天气下全天时采样和拍照获取52个土壤样本和相片。 土壤样品通过室内测试获取土壤电导率(EC), pH值和土壤含水量等参数。 利用RStudio软件对土壤相片进行处理, 首先从相片中提取RGB三种颜色参数, 再通过颜色空间转换关系计算另外5种颜色空间(HIS, CIEXYZ, CIELAB, CIELUV和CIELCH), 每个颜色空间有三个颜色参数, 加上RGB颜色空间共有18个颜色参数, 其中CIELAB, CIELUV和CIELCH中L参量表示的意义和数值相同, 因此6个颜色空间共有16个颜色参数。 土壤电导率与颜色参数相关分析结果表明, 相片颜色的纯度和亮度与土壤电导率之间的相关系数较高, 并达到了极显著水平, 相片颜色的色相与土壤电导率之间的相关性较低, 且未达到显著水平。 随机抽取70%的样本数据并用随机森林方法对土壤盐分含量进行建模, 采用留一法(LOOCV)进行交叉验证, 再用余下30%的样本数据进行精度检验, 重复100次以获取精度最高的模型。 最终获取估算土壤盐分的随机森林模型, 验证集数据的模型精度达到$R_{val}^{2}$=0.75, RMSE_val=3.52, RPD_val=2.02。 对颜色参数进行重要性分析发现, 颜色纯度对模型的重要性最大, 其次是颜色亮度, 色相的贡献较小。 综上, 利用数码相机获取表层土壤相片, 通过颜色空间转换得到的颜色参数为有效估算滨海土壤盐分含量提供一个新思路。 该研究对近地表参数定量估算提供了新视角, 将来结合无人机平台能够为精准农业和滨海生态环境的精准管理提供技术支持和有效手段。

由于受激光脉冲宽度的限制，传统激光雷达无法实现几十厘米的浅水层测量。设计了一个双Gm-APD光子计数偏振激光雷达系统，采用宽脉冲获取薄浅水层的高精度距离像。浅水层的表面光滑，能够保偏；底面粗糙，将发生退偏。根据该偏振现象，通过发射水平线偏振光，接收系统中采用一个偏振分光棱镜将前后表面信号光分离，然后分别被两个Gm-APD探测。该系统不受信号光的脉冲宽度限制，并充分利用Gm-APD的死时间机制，针对超薄浅水层实现三维深度测量。利用基于穆勒矩阵和斯托克斯参量表示的偏振传输原理，理论分析了双Gm-APD偏振激光雷达的分光原理。采用信号复原质心算法抑制距离漂移误差获取高精度距离信息。对于深度从4.5cm变化到8 cm渐变的薄浅水层，底面覆盖了黑、白沙子，探测距离为5 m，在实验上采用6 ns激光脉冲获取了薄浅水层的高精度距离像，测距精度为0.8 cm，有效验证了方案的可行性。该方案能够为机载海洋测绘激光雷达的浅水层测量提供一定借鉴。

由于Gm-APD存在第一光子偏移效应，Gm-APD激光雷达存在距离漂移误差，并引起距离像的畸变。提出了两种抑制距离漂移误差的方法，并完成了实验验证。利用信号复原算法从光子计数分布图中复原了信号光电子数分布图。第一种方法采用双高斯函数对光电子数分布图进行拟合，并利用峰值位置计算距离。第二种方法采用质心算法对光电子数分布图进行加权计算并获取距离。采用6 ns脉冲宽度的激光，利用两种方法都获取了目标的高精度距离—强度三维融合像。两种方法的强度测量相对精度都小于3%。信号复原&双高斯拟合寻峰法的测距精度为1.2 cm。信号复原&质心算法的测距精度为0.6 cm。

水下光学成像的探测环境相对复杂。前向散射、后向散射和吸收极大地降低了水下光学成像的成像质量。单像素成像因其较高的抗噪声性而被认为是一种适合于水下光学成像的技术。对于水下单像素成像系统，目前存在的问题是需要采用结构光进行照明，当散斑在水下传播时，前向散射会使预先生成的散斑发生畸变。因此，重建结果的分辨率降低，重建结果模糊不清。为了减小前向散射对单像素成像系统的影响，对傅里叶单像素成像的重建过程进行改进。在空间谱域傅里叶单像素成像系统的水下退化函数进行估计，然后根据估计的退化函数实现目标空间谱反演。最后利用傅里叶变换对反演后的目标空间谱进行变换，最终获得目标的强度图像。理论分析和实验结果证明了该方法的有效性。利用该方法，能够有效地减小前向散射对成像质量的影响，提高了水下傅里叶单像元成像的重建结果质量。