交通标志等道路设施的空间位置信息是城市三维建模的基本要素之一,也是道路设施养护管理的必要内容。为此,提出一种基于移动测量数据的小型交通标志自动提取方案,基于改进的卷积神经网络SlimNet模型对全景影像上的小交标进行检测,提出一种基于深度图的目标三维空间地理定位方法,并采用以中心点为准的距离判断法提取目标的对角线。选取三类小型交通标志的实测数据对所提方法进行验证分析。实验结果表明,SlimNet模型的平均正确率相比经典的VGG16(Visual Geometry Group 16)模型有4.2个百分点的提升。采用提出的地理定位和矢量化方案,三类目标在实验区的召回率和精确率均达到86%以上,证明整体方案的有效可行性。该方法为城市多类目标的精确三维空间地理定位提供新思路。

烟煤病是我国南方热带、 亚热带地区一种非常普遍的植物病害, 对我国农业生产造成巨大危害, 对其监测预报是实施有效治理措施的重要基础和依据。 为建立以高光谱数据为基础的烟煤病严重程度反演模型, 在重庆北碚城区采集50个银木叶片样本, 利用ASD FieldSpec HandHeld光谱仪获取高光谱数据, 通过数码相机和ENVI软件获取叶面积数据, 将银木叶片烟煤病面积与整个叶片面积的比例作为烟煤病的严重程度, 建立相关性最大波段的烟煤病反演模型, 探究烟煤病严重程度与光谱曲线之间可能存在的关系。 结果表明: 单叶尺度下, 健康叶片在560 nm波段附近有明显的反射峰, 随着烟煤病严重程度增大, 反射峰逐渐消失, 在可见光与近红外波段, 总体上光谱反射率与烟煤病病情严重程度呈负相关性。 500～650和720～850 nm为烟煤病的光谱敏感波段, 其中相关度最大值点为550 nm波段, 相关系数达到-0.72。 在烟煤病严重程度与叶片波段原始光谱信息及多波段组合关系研究中, 单叶尺度下785 nm波段高光谱参数与烟煤病严重程度建立的回归模型的决定系数（R2）最大, 为0.875。 通过模型的显著性检验和预测精度检验, 785nm 处的光谱反射率建立的二次曲线模型为最优。 证明在单叶尺度下, 基于785 nm波段的二次曲线模型反演烟煤病的效果较为理想。

植被叶片的滞尘量可以表征空气污染的程度, 分析城市植被滞尘的空间特征对于制定更为有效的空气污染控制政策具有重要的现实意义。 基于北京市主城区采集的大叶黄杨、 国槐、 毛白杨和山桃等四种典型绿化植被叶片的滞尘量、 光谱反射率和叶面积等数据, 比较四种植被叶片滞尘前后的光谱曲线, 进行窄波段与卫星波段滞尘前后叶片光谱反射率比值与滞尘量的相关分析。 然后, 分别建立相关性最大的卫星波段反射率和NDVI与滞尘量之间的回归模型, 选取拟合较好的模型反演北京城区植被的滞尘量分布, 进而插值得到整个北京城区的尘埃分布。 最后, 根据高滞尘区域周围的土地覆盖和土地利用以及滞尘期间PM10浓度的空间分布对反演的的合理性进行检验。 结果表明: 在780~1 300 nm波段, 大叶黄杨、 国槐、 毛白杨和山桃四种植被的滞尘叶片反射率均明显低于干净叶片; 窄波段反射率与滞尘量在520~650 nm波段和1 390~1 600 nm波段具有较高的相关性, 相关系数的绝对值最高达到0.626; 利用Landsat8的green波段和NDVI构建的滞尘反演模型, 决定系数(R2)分别为0.446和0.465。 NDVI模型反演的北京城区植被的滞尘量分布结果表明, 北京城区滞尘含量呈现出北高南低, 东高西低, 中心城区高于郊区的空间分布格局。 该研究通过高光谱和遥感影像数据反演滞尘量, 可以为快速全面监测城市地区尘埃分布提供参考。

植被指数是表征植被覆盖, 生长状况简单有效的度量参数。 本文以城市绿化主要植被大叶黄杨为例, 研究叶片滞尘对植被指数的影响, 并构建植被指数修正模型对植被指数进行修正优化, 提高植被指数的测量精度。 研究选取北京城区为研究区, 采集20个采样点的200个叶片样本, 利用电子分析天平、 ASD高光谱辐射仪及Win FOLIA叶面积仪, 分别获取叶片尘埃量、 光谱信息、 叶面积等数据。 通过对比分析样本叶片除尘前、 后光谱特征及NDVI、 NDWI、 NDNI、 NDII、 CAI、 PRI植被指数分布特征差异, 结合单位滞尘量与光谱数据, 构建植被指数修正模型, 并对修正模型进行精度检验。 结果表明: 大叶黄杨叶片在除尘前与除尘后的光谱曲线均表现出典型的植被光谱特征, 且蓝边、 红边均出现在520和705 nm处, 然而在350～700, 750～1 350, 1 500～1 850, 1 900～2 100 nm波段范围内, 滞尘对叶片光谱反射率影响显著, 同时对植被指数也有较大影响; 通过对滞尘量定量的研究分析发现, 当尘埃质量增加时, NDVI和PRI植被指数与尘埃量的线性关系变弱, 而NDWI, NDII, CAI植被指数与尘埃量依然保持明显的线性关系。 修正模型NDVI, NDII, CAI, PRI精度验证决定系数(R2)分别为0.547, 0.430, 0.653, 0.960, RMSE分别为0.035, 0.020, 0.112, 0.009。 研究结果表明对以后利用植被指数进行大面积植被反演、 评估时, 根据滞尘量影响进行修正优化, 提高反演精度有一定参考意义。

利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据, 首先对芦苇和香蒲的地面实测光谱进行重采样, 以模拟WorldView-2影像的光谱, 然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI), 通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系, 选择与CWC显著相关的植被指数, 并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数, 建立估算模型；结合覆盖研究区的WorldView-2高分辨率多光谱影像, 对研究区的挺水植物群落CWC进行反演及制图.结果表明, 基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高；SR(8,3)芦苇为估算CWC芦苇的最优植被指数, 估算模型为y=0.005x+0.003, NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数, 估算模型为y=2.461x2-0.313x+0.032, 通过交叉检验, CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%, 预测精度较为理想；利用实测数据对反演的CWC空间分布图进行了验证, 通过验证, 芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052, 估算精度分别为83.56%和80.31%, 表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.

为建立以高光谱数据为基础的叶片滞尘质量反演模型, 沿北京市区采集了30个大叶黄杨叶片样本。 利用电子分析天平和光谱仪(analytical spectral devices ASD FieldSpec Pro)测定“除尘前”与“除尘后”叶片质量及光谱反射率曲线, 以获取叶片尘埃量、 光谱信息等数据。 随后以传统意义和偏最小二乘(PLS)回归模型为基础, 以探究空气尘埃量与光谱曲线之间可能存在的关系, 阐述了叶片尺度上尘埃量对植物光谱特征的影响。 结果为: 除尘前后叶片光谱曲线在350～700, 780～1 300, 1 900～2 500 nm波段区间内有较大差异, 同时尘埃量与叶片单波段光谱反射率比值呈负相关, 相关度最大值点为737波段, 属于近红外波段, 相关系数可达-0.8左右。 在尘埃量与叶片光谱多波段组合关系研究中得到, 948和945波段构成的NDVI指数与尘埃量的相关度最大, 相关系数可达0.76。 在叶片滞尘量反演研究中, 对比传统意义滞尘量回归模型, 引进的偏最小二乘算法(PLS)可使叶片滞尘量反演精度略有提高, 最后由回归模型精度评定可得偏最小二乘法反演效果较传统回归好。

湿地植物在生态水分、 物质能量循环中起到重要作用， 能够综合反映湿地的生境特征。 分别选取典型沉水植物、 浮水植物、 挺水植物、 湿生植物和中生植物， 采用导数法和包络线去除法， 分析不同水分环境梯度下植物的光谱特征和变化趋势。 挺水植物、 湿生植物和中生的反射率值最高， 其次为浮水植物类型， 沉水植物受到水体的强烈影响， 反射率值最低。 导数法能够将原始光谱曲线的变化趋势放大， 呈现出更多的特征波段。 光谱曲线在520和710 nm附近达到增长最快点， 并可作为区别沉水植物与其他植物类型的特征波段。 挺水植物香蒲和湿生植物三叶鬼针草的绿峰值最高。 依照水分环境由高到低变化， 沉水植物、 浮水植物和挺水植物的红边值逐渐上升， 湿生植物和中生植物的红边值略低。 包络线去除法将原始的光谱曲线转化成吸收曲线， 吸收深度变化表现为沉水植物<浮水植物<挺水植物<湿生植物， 而中生植物值要略低于湿生植物。 除中生植物外， 植物在500和675 nm附近的吸收面积随着水分环境梯度的降低而升高。

随着再生水越来越多的应用于城市湿地, 湿地植物生长状态的大面积监测对于利用再生水的湿地恢复与重建具有重要意义。 目前遥感技术已成为植物生长状态大面积监测的重要手段。 本研究以北京市典型再生水城市湿地奥林匹克公园南园湿地为研究区, 以反映植物生长状态的重要指标全氮(TN)为研究对象, 在测定研究区湿地植物芦苇(Phragmites australis)和香蒲(Typha angustifolia)的叶片光谱及TN含量的基础上, 对数据进行预处理并建立二者的关系模型, 包括单变量模型(比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型), 与多变量模型(逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型), 并利用交叉验证决定系数(R2CV)和均方根误差(RMSECV)对模型精度进行检验。 结果表明, 不同湿地植物类型相比, 利用芦苇反射光谱建立的各种预测模型的精度都高于香蒲； 不同回归模型相比, 多变量回归模型的精度较高； 多变量回归模型中, PLSR模型的精度高于SMLR模型, 其R2CV可达0.80, RMSECV仅为0.24, 是建立湿地植物光谱与TN含量关系的最优模型。 研究成果不仅为湿地植物生长状态遥感探测提供参考借鉴, 而且可以为利用再生水的城市湿地监测与管理提供有力的科学依据。