1 国防科技大学气象海洋学院，湖南 长沙 410073
2 中国气象局高影响天气重点开放实验室，湖南 长沙 410073
回顾和总结了远红外高光谱大气遥感的理论基础，从大气吸收和冰晶粒子散射敏感性的角度介绍了远红外高光谱遥感冰云参数的优势。对远红外高光谱大气遥感仪器的发展脉络进行了梳理和总结，重点对相关仪器的参数及关键技术问题进行了讨论。概述了远红外高光谱冰云特性遥感的主要方法，展望了远红外高光谱技术未来在冰云探测中的应用潜力，并提出了研究思路与方案，以为后续远红外高光谱大气遥感技术研究提供一定的参考。
遥感 远红外 高光谱 冰云
1 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642
2 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642岭南现代农业科学与技术广东省实验室, 广东 广州 510642
3 华南农业大学电子工程学院(人工智能学院), 国家精准农业航空施药技术国际联合研究中心, 广东 广州 510642岭南现代农业科学与技术广东省实验室, 广东 广州 510642农业农村部华南智慧农业公共研发中心, 广东 广州 510520
随着杂交水稻育种技术的快速发展, 杂交水稻品种日益繁多, 品质与价格也千差万别, 利用智能化手段对杂交水稻种子进行快速分类、 分级和品质检测成为杂交水稻研究领域的热点。 首先研究了不同预处理方式对基于近红外光谱的一维卷积神经网络分类模型对杂交水稻种子的分类效果的影响, 研究结果表明利用Savitzky-Golay卷积平滑算法预处理后的一维卷积神经网络分类模型可获得最佳的分类效果, 其验证集与测试集的分类精度为95.4%和92.9%。 利用随机森林特征波长选择算法选取3个最重要的特征波长分别构建基于单波长灰度图像数据集和基于3波长重构的伪彩色图像数据集, 研究了基于图像数据集的卷积神经网络VGG和残差网络ResNet的杂交水稻种子分类模型, 其研究结果表明基于伪彩色图像数据集的VGG卷积神经网络模型能够获得最优的分类效果, 其验证集与测试集的分类精度分别为92.8%和92.8%, 相比基于伪彩色图像数据集的ResNet分类模型, 其验证集提升3.6%, 测试集提升4.9%。 为了进一步提高分类的精度, 提出了一种图像信息与光谱信息融合的杂交水稻种子分类方法, 该方法利用1D-CNN网络分支提取种子的光谱特征, 利用2D-CNN网络分支提取种子图像的空间维度特征, 最终构建基于图谱融合的2Branch-CNN卷积神经网络分类模型, 其验证集与测试集的分类精度都得到明显改善, 分别达到98%和96.7%。 并利用混淆矩阵评估了2Branch-CNN分类模型对于各个种类的杂交水稻种子的分类效果。 研究结果表明通过图谱融合能有效提升卷积神经网络模型的分类精度, 构建基于光谱与图像数据融合的二分支卷积神经网络模型将为杂交品种的种子快速筛选与分级提供新思路。
深度学习 近红外高光谱 杂交水稻种子 特征融合 Deep learning Near-infrared hyperspectrum Hybrid rice seeds Feature fusion 光谱学与光谱分析
2023, 43(9): 2935
中山大学地球科学与工程学院，广东 广州 510275
针对土壤硒含量光谱数据冗余、模型复杂度较高等问题，本研究系统采集含硒土壤若干份，并获取样本硒含量和光谱信息，对原始光谱进行平滑多元散射校正一阶微分（SG-MSC-FD）光谱增强处理，利用稳定性竞争自适应重加权采样（sCARS）等特征提取算法筛选特征波长，建立土壤硒含量的偏最小二乘（PLSR）、支持向量机（SVM）、随机森林（RF）、海鸥优化随机森林（SOA-RF）预测模型，通过对比不同特征筛选下模型的决定系数（R2）、均方根误差（RMSE）和相对分析误差（RPD），寻找最佳的组合模型。结果表明：不同特征筛选下的模型精度均有较大提升，其中变量组合集群分析法结合遗传算法（VCPA-GA）精度最高，sCARS算法提取的变量数最少，仅占全波段的0.49%；RF较SVM和PLSR模型有更好的鲁棒性，SOA-RF模型的参数最佳，极大地提升了模型的反演精度。综上，经VCPA-GA特征提取下的SOA-RF模型是最佳的预测模型（R2=0.92、RMSE为0.08、RPD为2.911），该模型能够实现对土壤硒含量快速、高效反演。
土壤硒 高光谱 特征筛选 海鸥优化算法 随机森林 激光与光电子学进展
2023, 60(17): 1730001
1 长安大学地质工程与测绘学院，陕西 西安 710064
2 长安大学土地工程学院，陕西 西安 710064
及时准确地掌握土壤重金属含量和分布尤为重要，基于高分五号卫星高光谱影像，对潼关县土壤Cd含量进行大范围反演。为准确筛选Cd元素的特征波段，提高模型反演精度，通过特征编码和随机变异，耦合竞争性自适应重加权算法与遗传算法（CARS-GA），按照先全局后局部的搜索策略对Cd元素的特征波段进行搜索，并在标准正态变换（SNV）、一阶微分（FD）两种光谱增强方式下，比较基于CARS-GA方法与其他波段选择方法（相关系数分析法、CARS算法）构建的偏最小二乘模型（PLSR）精度，最后选择最优模型应用到整个潼关县裸地区域。实验结果表明：采用CARS-GA算法进行波段选择时，基于2种光谱变换数据构建的PLSR模型精度均明显高于相关系数分析法和CARS算法所构建的模型精度，FD光谱变换中验证集的决定系数分别提高了0.288、0.093，SNV变换光谱中验证集的决定系数分别提高了0.372、0.088。该结果表明了利用CARS-GA算法进行波段选择可有效增强Cd含量估测模型的鲁棒性，从而为环境污染评价及生态保护提供更好的数据支撑。
高光谱 遥感 土壤重金属 波段选择 竞争性自适应重加权算法 遗传算法 激光与光电子学进展
2023, 60(17): 1728001
吉林大学地球探测科学与技术学院，吉林 长春 130026
为探究典型地物间光谱特征差异以及针对传统光谱分类方法预处理复杂、精度较低等问题，以大豆、玉米、水稻和裸土4类地物为例，充分挖掘变量在分类中的重要性，进行深度学习方法与传统方法的对比分析与验证。首先利用连续投影算法（SPA）进行基础波段筛选，对比分析在原始光谱、特征波段以及部分特征波段条件下一维卷积神经网络（1DCNN）和长短时记忆人工神经网络（LSTM）两种深度学习模型的分类精度，探究特征波段对原始光谱的信息承载能力；然后针对错分问题，采用进阶式波段筛选方法，在基础变量组合条件下，对各类地物错分样本进行再次训练，如此循环，直到分类精度无明显增加，研究错分样本的光谱特征及错分规律；最后比较不同方法的分类精度。研究结果表明：基础波段筛选可以剔除光谱数据中大量的冗余信息，简化网络结构，提高模型效率；进阶式波段筛选方法可以递进增补针对错分样本的有效光谱信息，对提高传统方法的分类精度具有较大意义；在不经过光谱变换等预处理步骤时，深度学习方法也能取得较高的分类精度，明显优于传统方法，但训练过程较为复杂，可解释性较差。
高光谱 分类识别 深度学习 波段筛选 激光与光电子学进展
2023, 60(15): 1530002
1 新疆大学地理与遥感科学学院，新疆 乌鲁木齐 830046
2 新疆绿洲生态重点实验室，新疆 乌鲁木齐 830046
3 智慧城市与环境建模自治区普通高校重点实验室，新疆 乌鲁木齐 830046
土壤有机质（SOM）对改善干旱区土地盐碱化、沙漠化和草场退化等环境问题发挥着重要作用。为了探索分数阶微分方法在SOM高光谱反演的可行性，以渭干河-库车河绿洲73个土壤样本为研究对象，通过测定其SOM含量与光谱反射率，利用0.2阶微分为步长，进行0~2阶分数阶微分的数学变换，分析分数阶处理光谱与SOM含量间的相关性，运用支持向量机回归、偏最小二乘回归和随机森林（RF）等方法对SOM含量进行定量反演。结果表明：采用RF的1.2阶微分建立的SOM含量反演模型预测精度最高，决定系数为0.93，均方根误差为1.62，相对分析误差为3.65。研究结果为精准反演该地区的SOM提供了依据，也为其他地区的SOM反演提供一定的参考。
分数阶微分 高光谱 土壤有机质 模型估测 激光与光电子学进展
2023, 60(7): 0730005
1 中国科学院西安光学精密机械研究所光谱成像技术重点实验室，陕西 西安 710119
2 中国科学院大学，北京 100049
3 北京应用气象研究所，北京 100029
4 国家卫星气象中心（国家空间天气监测预警中心）中国气象局空间天气重点开放实验室，北京 100081
5 中国地质大学（武汉）地球物理与空间信息学院，湖北 武汉 430074
6 国防科技大学气象海洋学院，湖南 长沙 410073
7 中国科学院国家空间科学中心空间天气学国家重点实验室，北京 100088
大气风场是表征整个地球大气系统动力学特征的重要参数，也是气象预报、空间天气、气候学等领域业务工作和科学研究必需的基础数据。被动光学遥感是大气风场测量领域的主要技术手段之一。本文综述了基于大气移动目标监测和大气光谱多普勒频移探测的两类天基被动光学大气风场测量技术的研究进展，主要介绍了云导风、红外高光谱水汽示踪、测风干涉仪和多普勒调制气体相关4种风场测量技术的基础物理原理和风速反演基本方法，根据每种星载被动光学测风技术体制分类及特点，介绍了代表性风场探测载荷技术研究进展及应用情况，探讨了星载被动光学大气风场探测技术的未来发展趋势。
大气光学 大气风场 云导风 红外高光谱 测风干涉仪 多普勒调制气体相关
1 国家卫星气象中心, 北京 100081
2 中国科学院上海技术物理研究所红外探测与成像重点实验室, 上海 200083
干涉式红外探测仪(GIIRS)是我国地球静止轨道气象卫星风云四号B星的主要载荷,可观测大气上行红外高光谱辐射,因此可应用于大气温湿度廓线反演和数值天气预报模型同化。为了预测GIIRS在发射后的工作性能,于发射前在地面试验室热真空环境中采用黑体定标试验的方法,对仪器辐射性能进行了测试,测试的性能包括仪器灵敏度、辐射定标精度和动态观测范围。其中,长波红外通道的噪声等效辐射方差低于0.5 mW/(m 2·sr·cm -1),中波红外通道的噪声等效辐射方差低于0.1 mW/(m 2·sr·cm -1),两者均达到灵敏度设计指标。在辐射定标方面,经过非线性校正,长波光谱的平均定标偏差从1 K减小到0.2 K,且在220~315 K观测范围内达到0.7 K的设计指标;仪器在中波通道观测低温目标时受噪声影响较大,但在260~315 K的动态范围内,定标偏差也能够达到0.7 K的指标要求。
光谱学 傅里叶变换光谱学 静止轨道气象卫星 红外高光谱 辐射定标 仪器灵敏度 非线性校正
南京林业大学信息科学技术学院, 江苏 南京 210037
近年来,光谱技术发展极为迅速,可利用物质对光的吸收、反射和透射等特性对物质进行定性和定量分析,是一种快速无损检测技术,被广泛应用于农产品的检测研究。核桃,作为我国栽培历史悠久的一种营养价值丰富的重要农产品,众多学者对其进行了长期而深入的研究。从品种鉴别、长势监测、品质鉴定、分选加工4个方面总结了高光谱和红外光谱技术在核桃检测领域的研究进展,并对比分析了各种光谱检测技术的优劣,提出了核桃相关检测中尚存的问题,并对核桃无损检测研究的发展前景进行了展望。
光谱学 光谱技术 无损检测 核桃 高光谱 红外光谱技术 激光与光电子学进展
2021, 58(22): 2200003
1 昆明理工大学国土资源工程学院, 云南 昆明 650093
2 云南省高校高原山区空间信息测绘技术应用工程研究中心, 云南 昆明 650093
高光谱遥感技术因为具有图谱合一的优势, 并且相较于传统多光谱遥感技术, 可以实现对目标的精确识别, 逐渐运用于地表植被的探测。 选择以滇中地区的竹林、 华山松、 杂木林这三类典型地表植被为研究对象, 基于机载高光谱影像数据, 通过对原始高光谱、 一阶微分处理光谱、 连续统去除处理光谱进行处理与对比分析, 获得滇中三类典型地表植被类型高光谱特征的初步探测认识。 主要结果包括: (1)基于对原始光谱特征分析得出, 三类典型地表植被的原始高光谱的最佳波段窗口出现在690~946 nm, 且在该波段范围内光谱反射率特征为竹林>华山松>杂木林; (2)运用一阶微分处理光谱特征分析得出, 利用光谱微分变换处理能够增强植被的光谱差异。 经过一阶微分处理后光谱的最佳波段窗口出现在670~774 nm, 在该波段范围内的一阶微分系数为竹林>华山松>杂木林。 且发现718 nm为三类植被的敏感波段, 即可用718 nm敏感特征波段区分开三类植被类型; 并且综合运用一阶微分光谱特征参数中的红边位置, 蓝边幅值、 黄边幅值、 红边幅值、 蓝边面积、 黄边面积和红边面积可以将三类植被类型进行区分; (3)最后基于连续统去除处理光谱特征分析得出, 连续统去除方法能够有效地增强植被光谱曲线反射和吸收的特征。 经过连续统去除处理后的光谱, 三类典型植被的最佳波段窗口在458~554和570~690 nm, 这两个波段范围内的连续统去除系数均为竹林>华山松>杂木林, 且发现502和674 nm为三类典型植被的敏感波段, 即可用此特征综合区分三类植被类型。 该研究结果有助于对滇中森林植被精细判别提供技术方法, 同时, 为今后发展天-地-空的高光谱影像数据一体化遥感植被精细分类提供技术支撑。
高光谱 植被 一阶微分 连续统去除 最佳波段窗口 Hyperspectrum Vegetation First derivative Continuum removal Optimum band window 光谱学与光谱分析
2021, 41(10): 3208
