岩石定量遥感是矿产资源探测与地质环境监测的主要手段, 光谱解混是岩矿定量遥感的重要方法。 在实际应用中, 由于卫星对地观测受地形起伏的影响, 观测具有一定的角度, 导致所测发射率光谱产生变异。 但在目前的研究中, 解混所采用的矿物端元光谱, 是在实验室垂直试样表面观测得到的, 忽略了观测角度对发射率光谱的影响, 降低了光谱解混精度。 因此, 有必要将观测角度作为影响岩石光谱解混的因素, 研究其对光谱解混精度的影响。 首先, 将常见的石英、 正长石和斜长石矿物表面制作成一般粗糙度, 并设计0°~77°共9个观测角度实测发射率光谱, 分析观测角度对矿物热红外光谱特征的影响。 其次, 利用观测角度13°~77°的矿物端元, 构建相应角度虚拟岩石光谱, 并用0°的矿物端元光谱解混9个观测角度的岩石光谱, 分析观测角度对岩石热红外光谱解混的影响。 结果表明: (1）在0°~20°范围, 观测角度对光谱影响较弱, 从30°开始, 影响显著。 基本规律是: 随着角度的增加, 光谱吸收深度增加, 但各波段处的情况不尽相同。 CF特征在观测角度大于50°之后向短波方向移动明显; RF特征处的吸收谷在观测角度大于20°之后显著加深, 且谷底位置向短波方向移动; TF特征在观测角度大于40°之后发射率显著降低。 表明观测角度的变化, 会引起光谱特征的明显变化。 (2）在0°~20°范围内, 观测角度对光谱解混影响不明显, 解混误差小于5%; 当观测角度大于20°时, 观测角度对光谱解混有显著影响, 30°~77°解混误差均大于5%, 平均解混误差达到17.2%, 解混精度较低。 这表明, 在基于光谱解混方法进行岩石矿物组分定量反演时, 需要考虑观测角度的影响, 这对于提高反演精度、 准确确定岩石类型具有重要意义。

矿物化学成分的精确确定对矿产资源开发利用具有重要意义, 利用热红外光谱反演铁矿中SiO2含量弥补了传统方法耗时长等方面的不足。 然而铁矿的热红外光谱受表面粗糙度(roughness, Rq)等因素影响, 导致SiO2含量反演精度降低。 现有研究在没有考虑矿石表面粗糙度对成分反演影响的情况下, 利用热红外光谱数据对铁矿石中SiO2含量进行定量反演, 反演精度对精确圈定矿体范围及配矿难以提供有效帮助。 因此, 将粗糙度作为影响反演铁矿中SiO2含量的考虑因素, 研究对反演SiO2精度的影响。 以辽宁省的“鞍山式”铁矿为研究对象, 为满足热红外光谱观测要求, 将铁矿试样制备成直径6 cm、 厚度1 cm的圆柱形块体共14块, 按其SiO2含量多少形成序列。 每件试样正反两面制作成两个等级的粗糙度, 并利用Surtronic S128粗糙度仪观测表面粗糙度。 采用红外光谱辐射计Turbo FT观测试样热红外光谱发射率, 利用归一化指数(NDI)分析光谱指数与SiO2含量的相关性, 确定两个等级粗糙度试样SiO2含量的敏感波段分别位于8.12, 8.13和8.02, 8.03 μm处, 相关系数分别为0.947和0.972。 建立敏感波段与试样SiO2含量的定量反演模型, 分析粗糙度对反演SiO2含量的影响。 结果表明: (1)粗糙度Rq增加对RF(reststrahlen features)特征区域光谱发射率增加影响明显。 平均粗糙度Rq由1.05 μm增加到2.47 μm, 使得同一块试样粗糙面与光滑面发射率的最大差值为0.17(相对差42.9%)。 (2)相同等级粗糙度进行含量反演时, 反演误差小, 平均相对误差1.88%, 大部分试样的反演精度能够满足地质矿产行业标准的误差要求。 (3)实验结果较不考虑铁矿表面形态反演SiO2含量精度3.57%有较大提高, 相对提高精度为47.3%。 因此, 考虑粗糙度的影响对提高SiO2含量的反演精度, 实现铁矿的精确区划, 合理、 高效的开采铁矿资源具有重要意义。

工矿业城市区域易受工业活动、 矿产开采影响, 使其水环境遭受不同程度的破坏, 以至于水体污染问题突出。 当前常规水质监测主要采用“以点代面”的工作方式进行野外采样及其室内化验分析, 然而环境复杂多变, 空间差异大, 导致调查点代表性受限, 整体精度不高, 效率低下, 更难以实现区域性动态监测。 以因矿兴市的矿业重镇湖北黄石大冶市为研究区, 同步开展无人机高光谱航飞、 地面光谱测量和水体样品采集测试, 分别获得具有49个波段的高光谱影像数据和光谱分辨率为1 nm的水体光谱曲线, 其中影像数据波谱范围为505~890 nm, 光谱分辨率为778 nm, 空间分辨率为30 cm。 对获取的高光谱影像和光谱数据剔除异常值、 光谱定标、 辐射校正等预处理后, 对比分析研究区内水体的不同光谱吸收、 反射及光谱曲线形态特征信息, 从而提取出高光谱影像和测量光谱的反射光谱曲线形态特征、 去包络线后光谱曲线形态特征、 三阶求导后光谱曲线形态特征和光谱四值编码共四大类25个光谱特征。 采用皮尔森相关系数分析样品水质参数与光谱特征之间的相关性, 以此筛选出存在显著相关的水质参数与光谱特征。 在此基础上, 采用逐步回归分析方法筛选出最大反射率及其波长位置、 对称度、 光谱编码Ⅲ、 三阶导最大及最小值等光谱特征作为模型变量, 构建出水质参数的多元线性反演模型, 并对模型进行F检验和t检验。 将检验后的反演模型推广运用于研究区内高光谱影像, 获得尾矿库、 河流、 湖泊等典型区域的水质参数反演结果, 从而实现“由点到面”水质参数信息的快速获取。 结果显示水质参数pH、 硬度（Ca2++Mg2+）、 钾与氯离子比值（K+/Cl-）、 镁与碱度比值［Mg2+/(HCO3-+CO2-3)］的反演精度较高, 其pH的判定系数R2最小为0669, 镁与碱度比值的判定系数R2最大为0895, 相对均方根误差均小于28%; 而总溶解固体（TDS）反演精度较低, 其判定系数R2仅为0463, 相对均方根误差达36762%。 提出了一种基于光谱曲线形态特征的高光谱遥感水质参数定量反演模型方法, 实现了pH值、 硬度、 镁离子与碱度之比等水质参数的高光谱定量反演, 为区域水环境动态监测提供了新方法。

运用光谱测量技术来测量土壤、 矿物、 植物的光谱吸收特征, 并将其用于物质成分的分析中, 是高光谱遥感技术近些年来的一个新的发展方向, 具有速度快、 效率高、 费用低、 损耗少的优点。 稀土是战略元素, 因具有特殊的物理化学性质, 在多个领域都能发挥其独特的作用。 近年来对稀土资源需求量的不断增加使得稀土价值不断提高, 使得如何快速大面积探测稀土资源, 合理对稀土矿进行布设开采成为了当前社会面临解决的重要科学问题。 通过对稀土矿物进行光谱采集与分析从而对稀土元素及其化学特征之间的相关性进行研究分析展开了一系列的工作。 在研究过程中, 实地采集了广西崇左市六汤稀土矿区内的12个稀土矿样, 并在实验室控制环境内使用SVC HR1024I便携式地物波谱仪测得其对应的反射光谱数据。 对所测得的矿样波谱特征进行了连续统去除处理, 并对凸显的特征吸收波段进行相对吸收深度的计算分析, 从而运用其波谱特征建立起波谱与矿样稀土总含量、 各稀土元素含量间的线性关系。 通过实验发现, 稀土元素的五个特征吸收波段在可见光和近红外波长分别为370, 950, 1 400, 1 900和2 200 nm。 这五个吸收带的强度与总稀土含量呈线性相关, R2达到0.69, 同时发现稀土含量值与可见光波段相关性较大, 对可见光波段与样本稀土总含量进行相关分析, 提取出部分可见光波段中与稀土总含量建模相关性最强的10个波段, 分别为340, 350, 360, 370, 390, 400, 420, 480, 550和760 nm。 运用线性回归的方法得到上述波段处的反射率值与样本总稀土含量值的预测模型精度较高, R2大于0.95。 运用可见光波段与15种稀土元素含量值也进行了线性建模, 相关系数均可以达到0.89以上, 表明各单一稀土元素与可见光波段之间的相关性同样较好。 通过研究稀土矿样的光谱特性及化学分析, 通过5个稀土特征吸收波段和可见光波段与矿样的稀土总含量、 15种稀土元素含量进行回归建模, 得到了矿样稀土含量的定量预测模型, 对稀土矿快速定量-半定量评估具有一定参考价值, 同时为进行稀土矿物及其元素高光谱遥感信息提取研究提供了科学启发, 为最终实现对稀土资源高效开采的基础上, 从源头上降低消耗和生产成本, 减少对环境的破坏和污染, 为促进中重稀土资源的战略开发和使用提供了科学有效的理论依据。

SiO2含量是铁矿石质量控制的主要技术指标, 亦是衡量铁矿石品质好坏的关键指标之一, 对选矿方法、 配矿流程的确定具有重要意义。 传统的SiO2含量测定法虽然准确度高, 但工作量大, 操作繁琐, 花费时间长, 难以快速、 高效确定铁矿石中SiO2含量。 采用红外光谱辐射计Turbo FT对辽宁省鞍钢集团鞍千矿业有限责任公司的“鞍山式”铁矿样品进行热红外光谱测试, 分析了光谱特征, 构建了比值指数(RI)、 差值指数(DI)和归一化指数(NDI), 并确定光谱指数与样品SiO2含量相关性最显著的敏感波段及对应的相关系数值; 优选出与样品SiO2含量相关性最显著的归一化指数(NDI), 构建样品SiO2含量的定量反演模型, 并进行了验证。 结果表明, 三种光谱指数与样品SiO2含量的敏感波段均位于余辉带特征(RF)的左边界8.06与8.2 μm处, 相关系数均达到0.9以上, 其中NDI与样品SiO2含量的相关性最高; 基于NDI构建了实验样品SiO2含量的二次函数反演模型, 预测误差为3.57%。 该方法相对于传统的研磨化验法, 具有工作强度小、 便捷、 快速、 高效、 无污染的优点, 对遥感找矿也具有一定指导意义。

研究氨近红外光谱特性并建立浓度反演算法模型, 重点优化相关性分析和温度修正功能.利用开放式激光吸收光谱技术建立氨区域监测系统, 于2015年在安徽涡阳秸秆还田示范区开展监测实验, 研究玉米和小麦种植情况下的土壤氨挥发特征.研究结果表明, 氨浓度具有日变化趋势: 白天浓度上升在正午达到最高值, 逐步降低到夜间至最小值.夏、秋季典型小时浓度变化范围为0.6×10-3 ~1.34×10-3 mmol/mol和1.14×10-3~1.82×10-3 mmol/mol, 秋季玉米和夏季小麦秸秆还田的最大氨日均浓度为4.6×10-4 mmol/mol和1.7×10-3 mmol/mol, 还田一个多月后氨浓度明显上升, 并存在一定季节性差异.近红外光谱技术为明晰土壤氨排放规律提供了技术支持.

植物冠层色素含量与氮素含量具有高度的相关性, 是农业遥感中的关键研究因素。 本研究的主要目的是: (1)对比偏最小二乘回归和支持向量机两种建模方法对枣树冠层色素的预测精度; (2)构建基于高光谱数据的枣树冠层色素含量定量反演模型, 为枣树冠层色素含量的快速、 无损、 廉价、 环保的测定提供一定的理论依据和技术支持。 相关性分析结果表明, 枣树冠层色素与高光谱数据之间具有较好的相关性, 但叶绿素、 叶绿素a要优于叶绿素b和类胡萝卜素。 独立样本对模型的预测性能检验结果表明, 偏最小二乘回归和支持向量机均能有效的估算枣树色素含量, 但不同色素的偏最小二乘回归模型和支持向量机模型的预测精度存在一定的差异, 叶绿素和类胡萝卜素的支持向量机模型的预测精度要高于偏最小二乘回归模型, 而叶绿素a和叶绿素b则相反。 比较不同色素的最佳反演模型的预测精度表明, 叶绿素、 叶绿素a和类胡萝卜素的预测精度要优于叶绿素b, 前三者的决定系数大于0.8, 残余预测误差高于2.0, 平均相对误差低于13%, 而叶绿素b的对应值分别为0.60%, 20.79%和1.79%。