粘度是反映纸张纤维素分子聚合度和力学性能的重要指标, 实时、 准确地获取粘度含量对于珍贵纸质材料的修复和保护具有重要的意义。 然而, 传统的纸张粘度分析方法主要采用化学手段, 该化验过程耗时较长, 且会对纸张不可避免的产生二次损伤。 针对这一问题, 高光谱遥感凭借其丰富信息量、 实时、 无接触的特点, 是无损获取纸张粘度含量的有效途径。 首先, 在实验室获得不同老化程度的实验纸张测得其粘度含量, 采集纸张样本的光谱影像数据, 通过光谱降噪、 光谱变换和光谱信息扩展实现纸张高光谱数据的预处理, 建立不同老化程度下的纸张粘度含量光谱数据库, 分别构建不同光谱变换方式下的光谱差值、 比值和归一化指数, 再结合相关性分析筛选其中与粘度相关性最强的12种最优光谱指数, 最后将其作为自变量搭建关于粘度含量的回归模型, 通过模型精度对比来优选其中最能有效表征纸张粘度含量变化的光谱指数及模型。 研究结果表明: (1)相对于原始光谱而言, 经过光谱变换处理后提取的粘度高相关特征子集占比得到大幅提升, 同时其中的相关系数均值与中位数也得到提高; (2)通过光谱信息扩展后得到的光谱信息参量与粘度的相关性高于原本的光谱谱段, 且提取的12种最优光谱指数中大部分有扩展信息参量的参与; (3)不同光谱变换结果下提取的最佳光谱指数与粘度含量的相关性都在0.89以上, 由其中筛选得到的三种具备代表性的光谱指数都有效反映纸张粘度在400~500 mL·g-1时的变化情况; (4)纸张光谱经过对数一阶微分处理后, 由光谱积分(SI)和光谱吸收深度(SAD)构建的归一化指数与粘度相关性最大, 达到了-0.917, 由该指数建立的模型在训练集和测试集上R2分别为0.84和0.76, 其在测试集中MRE为0.089, RMSE为40.29 mL·g-1。 研究结果可为纸张粘度含量遥感反演提供科学的理论与技术支撑, 对纸质文物无损分析体系的构建具有重要参考意义。

作为遥感领域的新兴技术, 高光谱成像为遥感影像处理分析和计算机视觉提供了海量内容。 高光谱图像的优势在于电磁波谱的范围广度与高分辨率, 能够将地物目标的光谱反射特性和差异特征更全面地表现出来, 广泛地应用于地物分类、 目标识别、 异常检测等领域。 但是, 高光谱图像由于数据量繁重、 信息重叠冗杂等问题, 给图像处理、 存储和传输带来一定挑战。 选择合适的光谱波段可以在不改变原图像物理信息的情况下, 达到较好的图像处理成果。 为设计适合数据降维和目标地物分类的波段选择方法, 提出将视觉显著性模型应用到波段选择方法中。 首先引入基于图像空间分布的目标显著性算法进行波段图像处理得到目标显著图; 其次, 利用目标显著图分析地物之间在每一波段图像中的可分离程度定义为波段显著性。 为避免波段信息重叠, 在波段选择之前利用谱聚类算法将波段划分为若干子空间。 然后在子空间内依据波段显著性降序排列, 选择各子空间中目标显著性表现较好的波段组成波段子集; 最后, 在GF-5采集的高光谱图像数据进行方法验证, 筛选有效的目标显著性算法, 与常用的波段选择算法进行分类精度比较。 结果表明, 基于LC目标显著性算法的波段选择子集, 在SVM分类器中具有优异分类结果, 总体分类精度和Kappa系数达87.780 0%和0.805 3, 优于应用全波段和其他三种波段选择方法的结果子集。

马铃薯是继水稻、 小麦、 玉米之后的一种重要的粮食作物, 其优化种植和生产对于保障粮食安全具有重要的意义。 作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关, 常常被直接用来参与作物产量预测和健康状态参数评估。 现有的研究表明, 遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性, 即“饱和现象”, 这制约了作物生长中后期AGB的准确监测。 采用了一个新型垂直生长作物AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的AGB估算研究。 针对多生长时期遥感光谱指数开展作物生物量监测中存在的“饱和问题”, VGC-AGB定义了叶片干物质含量(Cm)和垂直器官干物质含量(Csm)2个参数, 分别描述马铃薯叶片和茎的平均干物质含量, 并通过叶面积指数(LAI)×Cm计算叶片的地上生物量(AGBl), 通过种植密度(Cd)、 马铃薯株高(Ch)和Csm的乘积, 即Cd×Ch×Csm计算垂直器官的地上生物量(AGBv)。 基于国家精准农业研究示范基地2019年马铃薯田间实验, 分别获取了马铃薯4个关键生长时期的地面ASD高光谱数据、 实测株高、 AGB和LAI数据等, 并利用高光谱反射率数据构建了高光谱特征参数, 分别对比了(1)高光谱特征参数+株高, (2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的3种马铃薯AGB估算模型的性能。 结果表明, 与传统的高光谱遥感植被指数+株高的AGB估算方法相比, 新型VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯AGBl、 AGBv和总AGB估算结果, 该方法可为马铃薯AGB的快速无损监测提供技术支撑。

藏北高原地区草地不断退化, 荒漠化日剧严重; 估算砾石粒径对于荒漠化评价及动态监测具有重要意义。 基于高光谱遥感技术, 结合地面调查、 GPS定位、 砾石光谱测定和砾石粒径测定, 优选出与砾石粒径相关性最高的波段, 并建立砾石粒径与敏感波段之间的线性拟合模型, 利用高分五号高光谱影像对实验区的砾石粒径空间分布特征进行了提取。 主要结论: 相关性较好的波段在369.9、 371.5和910.5 nm, 其中一阶导数在910.5 nm处的光谱值与砾石粒径的拟合效果是最好的（R2=0.738）; 不同光谱吸收参数与砾石粒径的拟合对比, 在2 340 nm附近的吸收面积与砾石粒径建立的拟合回归模型的拟合精度是比较高的（R2=0.728）; 对砾石粒径进行空间遥感反演, 精度达到70%, 并简要分析砾石粒径的空间分布特征, 为藏北高原的荒漠化分析提供了参考依据。

目前星载高光谱传感器较少, 基于高光谱影像的土壤盐分含量估算研究仍处于探索之中。 高分五号（GF-5）是目前国内光谱分辨率最高的卫星。 目的是研究高分五号高光谱影像大面积估算干旱区盐渍化土壤盐分含量的可行性。 选择新疆焉耆为研究区域, 采集了198个土壤样本。 首先, 检测土壤样本中的全盐量、 Na+、 Ca2+、 SO2-4、 Cl-的含量, 利用ASD FieldSpec3地物光谱仪在实验室测定土壤样本的光谱反射率。 然后, 对实验室土壤光谱进行SG（Savitzky-Golay）平滑预处理, 采用竞争自适应重加权采样法选择土壤盐分的特征波段, 再利用偏最小二乘、 岭回归和支持向量机建立土壤盐分含量的回归模型, 发现实验室光谱反演土壤盐分的模型精度较高, 五种土壤盐分反演模型的校正集决定系数均大于0.97, 预测集决定系数均大于0.90。 接着, 获取土壤采样同期的高分五号高光谱影像数据并进行预处理, 根据采样点位置在影像上提取了198个土壤样本的光谱曲线, 使用与实验室光谱相同的反演方法, 建立了高分五号影像光谱与土壤盐分的反演模型, 五种土壤盐分（全盐量、 Na+、 Ca2+、 SO2-4、 Cl-）反演效果最好的模型预测集决定系数分别是0.76、 0.66、 0.76、 0.63、 0.77。 最后, 根据高分五号影像光谱对土壤盐分的反演结果, 选择精度最高的特征波段组合和建模方法, 用于整个研究区域的土壤盐分含量估算。 估算结果按盐渍化等级划分, 研究区盐土占比76%, 土地已无法耕作, 非盐渍土占比16%, 可种植农作物, 弱盐渍土、 中盐渍土和强盐渍土分布面积较小, 共占8%。 五种土壤盐分的估算图与全盐量插值图的空间分布趋势一致。 结果表明, 高分五号高光谱影像估算本研究区域的土壤盐分含量结果可信度较高。

目前针对土壤重金属的高光谱反演方法大多集中在单一的研究区域或未考虑土壤类型对反演结果的影响, 而土壤类型和成土因素的不同会对土壤属性参数的高光谱反演模型的普适性产生一定程度影响。 该研究提出一种顾及土壤类型的重金属高光谱遥感反演方法, 根据研究区土壤类型, 从土壤样本的实验室光谱中提取对重金属起主要吸附作用的土壤光谱活性物质的特征谱段, 分别建立基于土壤光谱活性物质特征谱段的重金属含量估算模型。 使用改进的遗传算法（IGA）对特征谱段进行波段优选, 使用偏最小二乘回归算法（PLSR）建模, 使用决定系数（R2）、 相对偏差（RPD）和预测均方根误差（RMSEP）三个指标对不同的建模方法进行评价。 以湖南省郴州市东河流域铅锌矿矿区的黄壤和红壤样本数据为例, 采集38个黄壤样本和35个红壤样本, 从土壤样本的实验室光谱中提取对Zn起主要吸附作用的土壤有机质和黏土矿物的特征谱段, 均采用IGA+PLSR方法进行建模。 结果表明: 不考虑土壤类型即利用全部土壤样本进行建模时, 与全谱段建模结果相比, 基于土壤有机质和黏土矿物特征谱段的重金属Zn含量反演精度的R2由0.624提升到0.755, RPD由1.668提升到2.069, RMSEP减少40.591; 与不考虑土壤类型的建模相比, 黄壤样本特征谱段的估算精度R2由0.761提升到0.879, RPD由2.137提升到3.001, RMSEP减少74.737, 红壤样本特征谱段的估算精度R2由0.866提升到0.939, RPD由2.848提升到4.212, RMSEP减少89.358, 黄壤和红壤样本的反演模型均达到了出色模型的标准。 因此, 土壤光谱活性物质特征谱段的提取以及土壤类型的考虑均有助于提高土壤Zn含量的反演精度, 为应用高光谱遥感图像进行大范围土壤重金属污染监测奠定方法基础。

为了探究新冠疫情防控措施对乌鲁木齐市NO2污染的影响, 更有效的推动大气污染治理, 基于OMI(Ozone Monitoring Instrument)卫星遥感高光谱技术与地面监测资料相互结合, 估算了NO2干沉降通量, 并利用聚类分析与PSCF(潜在源贡献因子)潜在源方法, 对2019年—2021年疫情防控期间乌鲁木齐市NO2扩散轨迹与潜在源进行研究。 利用夜间灯光数据, 百度地图热力图工具, 高德地图POI(Point of Interface)功能区情况, 进一步分析讨论了乌鲁木齐市NO2污染来源。 研究表明: (1)乌鲁木齐市NO2浓度整体表现为: 新市区>沙依巴克区>天山区>水磨沟区>米东区, 2020年(疫情爆发期)与2019年(疫情爆发前期)同期对比发现, 各城区NO2浓度下降明显, 其中沙依巴克区减少幅度最大, 为47.63%, 2021年(后疫情时代)与2020年(疫情爆发期)同期对比发现, 各城区NO2浓度逐渐回升, 其中沙依巴克区增长幅度最大, 为60.09%。 城市热力情况表现为: 天山区>沙依巴克区>水磨沟区>新市区>米东区。 城市热力情况与NO2浓度变化情况大致相同, 米东区城市人口集聚度最低, 故城市热力值与NO2浓度均最低。 (2)长支流为远距离西北方向输送, 距离最远来自于哈萨克斯坦, 气流占比最大, 达80.32%。 短支流主要来自于乌鲁木齐市周边, 气流占比为19.69%, NO2为短寿命气体, 故气流短距离输送对乌鲁木齐NO2影响较大。 各类气流所经过的潜在源区的概率等在空间分布较为一致。 PSCF分析法模拟的潜在源贡献具有较大的可信度。 (3)将大气系统作为一个灰色系统进行分析, 按灰色关联度大小划分为: 标准煤消耗量＞第二产业＞工业总产值＞工业用电量＞人口密度＞汽车拥有量＞第三产业＞第一产业。 在静稳天气条件下基于OMI卫星遥感资料估算乌鲁木齐市各区干沉降通量结果, 该方法可以弥补地面监测的不足, 为干沉降通量的估算提供证据。

近年来，我国卫星高光谱技术发展迅猛，高分五号、高分五号02星、资源一号02D星、资源一号02E 星等相继发射为遥感领域带来了丰富的高光谱数据源。但高光谱卫星在成像过程中不可避免地会受到云及云阴影的影响，如何准确识别成为保障后续应用的关键，Fmask 算法作为国内外诸多算法中的典型代表，已被 Landsat 和 Sentinel 业务化产品生产系统采用。Fmask算法作为国内外诸多算法中的典型代表，已被Landsat和Sentinel业务化产品生产系统采用。但该算法对于缺少热红外波段的数据精度偏低，例如对Sentinel-2数据的云和云阴影识别精度分别为84.5%和50%左右。鉴于此，本文通过在原有算法中优化云及云阴影识别算法结构、增加高亮地物识别辅助判据等改进手段，提出了一种适合高光谱卫星的Fmask改进算法，并在含有城区、山地、平原等三类不同下垫面场景的20景高分五号和资源一号高光谱影像中进行检验，结果表明：云识别的用户精度和生产者精度可达91.26%和99.97%，云阴影识别精度达到78.66%和79.41%，明显优于原始算法。本文算法对于高光谱数据的云及云阴影识别具有精度高、效果稳定和易于工程化实现的特点，可用于支撑国产高光谱卫星数据的业务化处理。

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统端元提取算法忽略了高光谱图像中地物空间分布相关性与非线性结构，制约了端元提取算法的精度。针对高光谱图像的空间关系与非线性结构，提出一种基于同质区分割的非线性端元提取算法。使用超像素分割方法将图像分割为若干同质区，利用流形学习构造高光谱图像数据的非线性结构，最后在同质区内提取端元并利用聚类方法优选端元。模拟和真实图像数据实验表明，该算法能够保证高光谱数据的非线性结构，端元提取结果优于其他传统线性端元提取方法，在低信噪比的情况下，可以保持较好的端元提取结果。

高光谱图像（HSI）在采集过程中易受到环境或者采集设备的干扰，遥感数据信息会受到大幅的损失，因此高光谱图像去噪是图像预处理的基本问题。设计去噪算法，将HSI划分为局部等分块，采用低秩矩阵约束表征局部特征，并在其基础上利用截断核范数最小化方法来分离出稀疏噪声，全局利用空间-光谱全变分正则化实现分离密度噪声和维持空间-光谱平滑性的目的，两者结合能高效去除高斯噪声、椒盐噪声等的混合噪声。对所提优化算法与其他4种近几年发表的去噪算法进行对比，平均结构相似度提高0.13，平均峰值信噪比提高1.10 dB，运用到不同强度的单一类型噪声中，平均结构相似度也能提高0.10。在实际图像的放大对比中，所提优化算法也有着明显的噪点去除效果。实验结果证明，所提方法对高光谱图像在局部特征表述上更加贴近，结合全局正则化方法后获得更明显的去噪效果，能够对高密度噪声和稀疏噪声有清除作用。