光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。 可见光和近红外反射光谱(Vis-NIR)为研究土壤重金属污染提供了一个有用的工具。 于新疆准东露天煤矿区采集51个0～10 cm深度的土壤样品, 在实验室中分别测定样品的有机质(SOM)含量、 重金属砷(As)含量与高光谱; 使用基于JAVA语言自主开发的两波段组合软件V1.0(No: 2018R11S177501)计算不同高光谱数据变换形式(原始反射率(R), 倒数(1/R), 对数(lgR)和平方根(R)下Vis-NIR区域(400~2 400 nm)所有两波段组合得到的优化光谱指数(NPDI)与As的相关性, 在最优光谱指数(|r|≥0.73和p=0.001)中通过变量重要性准则(VIP)进一步筛选VIP≥1的指数作为模型自变量, 基于地理加权回归(GWR)模型估算As含量并使用四个交叉验证度量标准: 相对分析误差(RPD), 决定系数(R2), 均方根误差(RMSE)和最小信息准则(ACI)评价模型精度, 从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。 结果表明: (1)研究区As含量离散度较高, 所有样品中SOM含量均小于2％, 且As含量与SOM含量在0.01的显著性水平上无显著相关性(|r|=0.113)。 (2)As含量与单波段光谱反射率的相关性很低(|r|≤0.228), 而通过R, 1/R, lgR, R计算的NPDIs与As含量的相关性在近红外(NIR, 780~1 100 nm)和短波红外(SWIR, 1 100~1 935 nm)光谱中发现最高的相关系数和最低的p值(｜ｒ｜≥0.73和p=0.001), 在长波近红外(LW-NIR)区域基于R形成的NPDIs与As含量相关性最高(｜ｒ｜=0.74)。 (3)VIP方法分别筛选NPDIR(1 417/1 246), NPDI1/R(799/953, 825/947)、 NPDIsqrt-R(1 023/1 257, 1 008/1 249, 1 021/1 250, 1 020/1 247)和NPDIlgR(801/953, 811/953, 817/951, 825/947, 828/945)为GWR模型自变量。 (4)从4个预测模型的表现可以看出, Model-a(R)与其他三个模型(Model-b(1/R), Model-c(R)和Model-d(lgR))相比, 它具有最高的验证系数(R2=0.831, RMSE=4.912 μg·g-1, RPD=2.321)和最低的最小信息准则值(AIC=179.96)。 优化光谱指数NPDIR(1 417/1 246)有助于快速准确地估算As含量, 为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考, 促进露天煤矿区环境污染快速有效调查和生态可持续发展。

遥感是开展地面/近地面、 航空及航天层次无损伤探测植物叶绿素信息的主要手段。 目前多波段计算光谱指数方法已被广泛地应用于植被冠层叶绿素含量的经验/半经验反演及应用中。 考虑不同作物及同种作物不同品种间存在着一定的植被叶倾角分布(LAD)特征差异, 针对叶倾角分布对光谱指数反演冠层叶绿素含量(CCC)的影响进行分析, 并开展针对叶倾角分布变化不敏感的叶绿素相关光谱指数优选和冠层叶绿素反演建模研究。 基于PROSAIL辐射传输模型模拟了不同叶片叶绿素含量(LCC)、 叶面积指数(LAI)和LAD对应的冠层反射率数据。 模拟结果显示, 在相同LAI和LCC条件下, 不同LAD对应的冠层反射率有明显差异, 冠层反射率随着平均叶倾角的增加而降低。 通过计算12个常用的叶绿素相关光谱指数与CCC的相关性指标, 来评估光谱指数在不同LAD下反演叶绿素含量的敏感性差异, 并依次优选出MTCI, MNDVI8, MNDVI1和CIred-edge4个对LAD变化较不敏感的叶绿素相关光谱指数。 利用玉米实测数据对光谱指数进行冠层叶绿素估测的建模和模型检验, 模型的建立和验证结果显示, MNDVI8对LAD变化最不敏感, 反演模型的精度最高, 决定系数R2=0.70, 均方根误差RMSE=22.47 μg·cm-2。 CIred-edge(R2=0.63, RMSE=24.06 μg·cm-2), MNDVI(R2=0.66, RMSE=24.07 μg·cm-2)和MTCI(R2=0.65, RMSE=26.76 μg·cm-2)反演模型的精度较为接近并稍弱于MNDVI8。 通过对反演结果分析得出结论, 不同的光谱指数对LAD变化的敏感性不同, 优选的光谱指数普遍对叶绿素含量具有较好的相关性和敏感性, 其中MNDVI8受LAD影响最小, 能较高精度的反演LAD变化下的玉米冠层叶绿素含量。 优选的其他光谱指数MTCI, CIred-edge和MNDVI1反演能力虽然稍弱于MNDVI8, 但受LAD影响较小, 同样具有较好的反演能力。 该工作开展LAD对光谱指数叶绿素反演的敏感性分析和光谱指数优选研究, 其实测数据的检验结果和模拟数据的分析结果一致; 基于优选光谱指数的冠层叶绿素含量反演建模结果及精度分析结论, 对开展缺乏叶倾角分布差异先验知识下的大范围作物叶绿素含量遥感估测和应用具有借鉴意义。

为精确揭示区域土壤盐分的三维分异特征, 将由区域遥感影像解析获得的光谱指数、 面域电磁感应大地电导率仪测得的土壤表观电导率和控制点位土壤采样实测数据进行有效耦合, 应用多元回归方法建立土壤盐分解译模型, 利用反距离权重方法对区域土壤盐分三维特征进行插值解析与评价, 创建了基于多源数据的区域土壤盐渍化精确评估方法。 应用实践表明: 案例研究区域各土层土壤盐分含量的变异系数在1.281~1.527之间, 表现为强度变异性; 土壤盐分含量高值主要集中在案例研究区域的中西部地带; 区域盐渍土剖面类型大部分属“表聚型”, 即随着深度增加土壤盐分逐渐减小; 对案例研究区域土壤盐分三维特征解析精度达到相关系数为0.908。 解决了以往多源数据耦合协同以更高精度解析区域土壤盐分特征的难题, 为精确评估区域土壤盐分三维特征和其他地学空间属性解析提供了可靠方法借鉴。

为了给冬枣采收后成熟度分级提供理论指导, 运用高光谱技术获取特征波长和计算光谱指数对其成熟度可视化分级。 采集三类成熟度冬枣(未成熟果、 白熟-初红果、 半红-全红果)样本共336个并获取其高光谱信息, 通过Savitzky-Golay(S-G)平滑对原始光谱降噪后再用Kennard-Stone(K-S)方法将样本分为训练集(226个)和测试集(110个)。 选用连续投影法(SPA)和竞争性自适应重加权采样法(CARS)选择特征波长(CWs); 同时从水果生理成分变化角度引入7个光谱指数(SIs)。 基于SPA和CARS选取的CWs和引入的SIs分别建立偏最小二乘判别分析(PLS-DA)模型, 并比较了3个模型的分级效果。 结果表明: 基于SPA和CARS选择的特征波长和引入的SIs建立的PLS-DA模型判别精度分别为: 97.27%, 95.45%和98.18%。 为了直观展现判别结果, 选用SIs建立的PLS-DA回归系数拟合判别向量Y的回归方程, 依据Y中最大值元素所在类别为该样本预测类别的规则, 将结果用不同颜色直观显示。 该研究为冬枣成熟度可视化分级提供了思路, 引入的SIs参数为开发适于多种水果成熟度分级的设备提供了技术支撑。

花叶病是苹果叶片常见的病毒性病害, 患病叶片的花青素含量出现异常。 以叶片花青素含量作为病害严重程度的定量化指标, 使用高光谱成像技术获取感染花叶病的苹果叶片的高光谱图像, 分析叶片的光谱特征, 通过任意两个波段的反射率的不同数学组合, 构建并筛选对染病叶片花青素含量高度敏感的最优光谱指数, 进而建立苹果叶片花青素含量的高光谱估算模型, 最终实现苹果叶片花青素含量分布状况的可视化表达。 结果表明, 随着病害严重程度的增大, 苹果叶片的花青素含量升高; 叶片染病区域的光谱反射率在整个可见光区域明显增加, 而且出现了红边蓝移现象。 通过两两波段组合构建的三种光谱指数(NDSI(770, 722), RSI(717, 770), DSI(581, 520))与苹果叶片花青素含量的相关系数绝对值均达到0.8以上。 在构建的四种苹果叶片花青素含量估算模型中, 选用三个光谱指数为参数、 并使用偏最小二乘回归方法建立的Anth-PLSR模型精度最高(R2=0.823, RMSE=0.056)。 采用Anth-PLSR模型对患病叶片的高光谱图像进行逐像元解算, 得到苹果花青素含量分布图。 进一步通过叶片花青素含量分布图计算苹果叶片整叶的花青素含量平均值, 作为苹果叶片健康程度的定量化指标。 此外, 通过提取整叶光谱均值、 使用同样模型可简洁有效地估算苹果整叶花青素含量平均值。 为苹果叶片花叶病病害监测提供了一种直观、 快速的技术手段。

叶绿素含量是评价水稻光合效率的重要指标, 实时无损监测叶绿素含量对水稻生长诊断具有重要意义。以水稻P88S(绿叶)和黄1S(黄叶)为试验材料, 分析高光谱指数与水稻叶绿素含量的关系, 并构建冠层反射光谱与水稻叶绿素含量监测模型。研究结果表明: 水稻不同叶色的冠层光谱反射率随着植株生长而不断变化, 在绿叶材料P88S的502-711 nm和黄叶材料黄1S的487-716 nm可见光波长范围内, 叶绿素含量与一阶微分光谱的相关系数呈极显著正相关。以P88S RVI(363, 675)和黄1S DVI′(639, 680)作为光谱参数, 与叶绿素含量建立估算模型拟合效果最佳, 说明利用高光谱技术结合一阶微分光谱的方法可以监测水稻叶绿素含量。

多波段激光雷达是获取光谱的一种新型手段。 与传统的光谱仪仅能获取二维层面上的光谱不同, 它基于超连续谱激光光源, 利用激光的穿透性和高集中性, 依靠光栅分光系统能够获得植被垂直方向上的光谱信息, 从而得到植被在三维层面上的光谱分布。 利用32波段激光雷达, 首先在暗室条件下, 将多波段激光雷达获取的光谱与ASD光谱仪获取的光谱进行了比较, 发现在458～865 nm内, 两者有相同的形状特征, 能准确的表示出植被的反射特征, 然后通过对光谱指数与叶绿素含量的相关性分析发现, 基于两者的光谱指数与叶绿素含量均有较好的拟合关系, 其中, 基于多波段激光雷达光谱的优化比值植被指数（MSR）与叶绿素含量存在极显著相关关系, 决定系数R2达到0780 2, 均方根误差（RMSE）仅为0508 1。 最后, 利用多波段激光雷达, 实现了垂直方向上的光谱获取, 通过多次扫描的方式, 得到了植被光谱的三维点云分布, 并利用MSR与叶绿素含量之间的最优拟合方程, 反演得到了叶绿素含量的三维分布图。

运用高光谱技术进行植物叶片探测具有快速、 无损、 高精度等特点, 在叶片色素等生化成分含量估算方面应用前景广阔。 类胡萝卜素作为叶片中重要光合色素之一, 因其在可见光区域与叶绿素的光谱吸收特征存在重叠, 且其含量远低于叶绿素, 导致利用光谱信息估算叶片类胡萝卜素含量存在困难, 国内外少有针对类胡萝卜素含量的植被指数。 利用高光谱数据光谱信息丰富的特点, 提出一种以波段组合遍历与相关分析为基础, 通过多指数协同来构建组合式的植被光谱指数的新方法。 在PROSPECT叶片辐射传输模型模拟出大量具有不同生化和生物物理特征的叶片光谱的基础上, 成功构建了一种在叶片水平下具有良好稳定性的类胡萝卜素含量估算新指数RVIDNDVI。 结果表明, 该方法构建的叶片类胡萝卜素光谱指数由两部分组成: 由532和405 nm构建的窄波段NDVI(与类胡萝卜素、 叶绿素均强相关)和由548和498 nm构建的窄波段NDVI(仅与叶绿素强相关)进行比值组合, 能较好消除叶绿素含量对指数的干扰; 通过减去对叶片结构高敏感的916 nm处反射率, 能消除叶肉结构参数的影响, 进一步提高指数的抗干扰能力。 该研究得到的指数RVIDNDVI仅对叶片类胡萝卜素具有高敏感性, 相关系数达到-0.94, 对其进行指数拟合的R2达到0.834 4。 经与模拟数据和实测数据的验证, 该指数有较好的估算效果。

目前光谱指数方法已被广泛地应用于植被叶绿素含量的反演中, 考虑到不同传感器的光谱响应存在差异, 研究了光谱尺度效应对光谱指数反演植被叶片叶绿素含量的影响。 基于PROSPECT模型模拟了不同叶绿素含量(5～80 μg·cm-2)下的5 nm叶片光谱反射率数据, 并利用高斯光谱响应函数将其分别模拟成10～35 nm六种波段宽的光谱数据, 再分析评价5～35 nm波段宽下光谱指数与叶片叶绿素含量的相关性、 对叶片叶绿素含量变化及对波段宽变化的敏感性。 最后, 利用波段宽为40～65 nm的反射率数据对光谱指数反演植被叶绿素含量的光谱尺度效应进行验证。 结果表明, 通用光谱指数(vegetation index based on universal pattern decomposition method, VIUPD)反演叶绿素含量的精度最高, 反演值与真实值拟合程度最好; 归一化差值植被指数(normalized difference vegetation index, NDVI)和简单比值指数(simple ratio index, SRI)其次, 虽然其决定系数R2高达0.89以上, 但反演的叶绿素含量值小于真实值; 其他光谱指数的反演结果较差。 VIUPD对叶绿素含量具有较好的相关性和敏感性, 受光谱尺度效应影响较小, 具有较好的反演能力, 这一结论恰好验证了其“独立于传感器”的特性, 同时证明了VIUPD在多源遥感数据反演植被理化参量的研究中具有更好的应用前景。

冠层是植被进行生态过程的主要层次,森林冠层结构影响冠层生化组分的遥感反演,因此对其光谱特征的分析有助于提高冠层生化组分反演的精度.以长白山温带阔叶红松林为研究对象,利用Hyperion高光谱数据提取不同林冠反射率,运用连续统去除和光谱一阶微分法进行光谱变换,定量分析森林冠层的光谱特征.通过计算样方阔叶树种优势度(BFDI),以及一系列光谱指数(NIR,NDVI,EVI,NDNI,SPRI*NDVI和SPRI*EVI),探讨冠层结构组成对其光谱特征及光谱指数的影响.结果表明:(1)相比阔叶林冠层,针阔混交林、美人松林和樟子松林冠层光谱的红边有左移趋势,斜率明显下降,蓝边、黄边斜率特征也相应减弱,近红外波段反射率明显下降,可见光波段的归一化反射率有上升趋势,表明不同林冠,尤其针叶林与阔叶林林冠之间的光谱特征差异明显.(2)BFDI对冠层NIR反射率和三边斜率有明显的影响,与光谱指数显著相关(P<0.01),表明BFDI影响森林光谱指数.BFDI与NDVI,EVI,SPRI*EVI,NIR,SPRI*NDVI,NDNI的R2分别达到0.90,0.83,0.83,0.81,0.68,0.59,揭示了BFDI对于冠层绿度、叶面积指数、植被生产力以及冠层叶氮浓度等植被参数存在一定影响.研究表明,利用星载高光谱数据结合地面样方调查可以很好地阐明林冠结构组成对于光谱特征的影响,也对优化植被冠层生化组分和森林生态系统生产力的遥感反演具有借鉴意义.