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。

如何及时准确探测天然气地下储存库或管道出现的微泄漏点目前尚是一个难题。 通过野外可控系统模拟天然气微泄漏实验, 研究天然气微泄漏对地表植被的影响及遥感特征变化, 从而间接探测天然气微泄漏点。 实验以草地与大豆为研究对象, 测量了胁迫区与对照区植被的冠层光谱, 进行奇异值剔除和平滑处理, 对一阶微分处理后的植被冠层光谱再进行连续小波变换分析, 发现对照组与胁迫组植被冠层光谱小波能量系数在685和715 nm处差异较大, 且规律稳定, 用其构建归一化指数(DW685－DW715)/(DW685+DW715)(DW), 并与PRI, NPCI, NDVI, D725/D702指数进行对比分析, 经J-M距离检验, 结果表明归一化指数DW在识别天然气微泄漏胁迫下的草地和大豆具有较好的识别效果, 且比PRI, NPCI, NDVI, D725/D702指数具有更好的普适性与稳健性。 该结果表明, 通过高光谱技术间接检测天然气微泄漏点具有可行性, 为以后的工程应用提供技术支持和理论基础。

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。

无损检测是高光谱遥感应用研究热点之一。 苹果在采摘、 运输过程中易发生轻微机械损伤而影响其品质。 使用高光谱成像系统分别采集54个轻微损伤的“黄香蕉”与“烟台富士”苹果可见-近红外波段(400~1 000 nm)的图像, 提取苹果损伤区域的均值波谱曲线, 对其进行最小噪声分离变换和基于几何顶点端元原理提取端元波谱, 计算损伤区域波谱和端元波谱的光谱角, 构建了端元提取光谱角苹果轻微机械损伤检测模型。 通过设定光谱角阈值分别检测“黄香蕉”与“烟台富士”苹果轻微机械损伤, 并与MNF变换、 PCA方法检测精度进行对比分析, 结果表明EESA模型检测苹果轻微机械损伤的精度最高, 检测正确率分别达到94.44%和90.07%。

小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害, 在我国小麦产区均有发生, 但它们由不同病原引起, 需要采取不同的防治措施。 因此, 快速、 准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。 遥感数据具有快速、 准确的获取空间上连续信息的特点, 提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。 通过对标准化光谱进行连续小波变换, 分析350～1 300 nm范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性, 以及在不同病害间的差异性, 筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs), 然后采用Fisher判别分析法分别基于SBs, WFs以及结合SBs和WFs建立小麦白粉病、 条锈病及正常小麦识别模型, 分别采用未参与建模的55个地面调查数据和留一法进行验证。 结果显示: (1)基于WFs模型的总体识别精度(分别为92.7%和90.4%)明显高于基于SBs模型的总体识别精度(分别为65.5%和61.5%); (2)SBs和WFs结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于WFs模型的总体识别精度, 在Fisher80-55模型中白粉病和正常样本的生产者精度提高了10%以上。 (3)条锈病样本能在基于WFs和SBs & WFs的模型中准确判别出来, 用户精度和生产者精度均达到100%。 结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害, 为采用遥感影像进行大范围作物病害识别提供了理论基础, 对于指导作物病害防治具有实际应用价值。

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。

温室气体(CO2)过量排放可以导致全球气候变暖, 而碳捕捉与储存(carbon capture and storage, CCS)技术是一种减少CO2气体排放的有效措施。 但存储在地下的CO2有泄漏的风险, 如何快速监测CO2轻微泄漏点是一个值得研究的问题。 该文通过野外模拟实验, 研究草地和大豆在CO2轻微泄漏胁迫下的冠层光谱特征, 构建CO2轻微泄漏点高光谱遥感探测模型。 在2008年5月—9月于英国诺丁汉大学Sutton Bonington校区(52.8N, 1.2W)进行了野外模拟实验。 实验共设置16个小区, 8个草地及8个大豆地, 其中各有4个小区进行CO2泄漏胁迫。 冠层光谱采用美国ASD光谱仪进行测量, 草地测量了6次数据, 大豆地测量了3次数据。 实验结果表明, 草地与大豆地的冠层光谱反射率在580～680 nm波段范围内随CO2泄漏胁迫程度的增大而增大, 且在整个试验期内都保持同样的规律, 因此构建面积指数AREA(580～680 nm)(光谱曲线在580～680 nm波段范围内包围的面积)识别遭受CO2泄漏胁迫下的植被。 通过J-M距离检验, 发现该指数能够较好地识别出CO2轻微泄漏胁迫下center区与core区的草地, 但对edge区草地的识别能力不足(J-M距离小于1.8); 该指数可以可靠且稳健地识别出遭受CO2轻微泄漏胁迫的大豆。 该研究结果可为未来应用高光谱遥感探测CO2轻微泄漏点提供理论依据与方法支持。

随着全球气候变暖, 我国洪涝灾害发生的频率及影响范围都不断增加。 通过野外模拟试验, 研究植被（玉米、 甜菜）在水浸胁迫下的光谱变化特征, 以构建高光谱遥感模型对水涝灾害范围进行监测。 试验于2008年5月—8月在英国诺丁汉大学Sutton Bonington校区(52.8°N, 1.2°W)进行, 每周采集一次样本并在室内测量其光谱数据。 试验结果表明植被光谱在550, 800～1 300 nm区域反射率都稍有降低, 而在680 nm区域反射率则略微增大。 选取NDVI, SIPI, PRI, SRPI, GNDVI及R800*R550/R680共六个植被指数识别水浸胁迫下的植被, 研究表明, 指数SIPI与R800*R550/R680对水浸胁迫玉米比较敏感, 而指数SIPI, PRI及R800*R550/R680对水浸胁迫甜菜比较敏感。 为寻找最优的识别模型, 计算对照与水浸胁迫植被指数之间的归一化均值距离并进行对比分析, 发现植被指数R800*R550/R680的归一化均值距离在胁迫早期即大于其他指数的距离, 说明该指数识别水浸胁迫植被的能力优于其他指数, 且具有较强的敏感性与稳健性。 因此, 可以利用该指数快速地提取水浸面积, 为救灾减灾决策提供信息支持。