基于RMS误差分析的高光谱图像自动端元提取算法--《遥感技术与应用》2005年02期
基于RMS误差分析的高光谱图像自动端元提取算法
【摘要】：提出了一种基于RMS(rootmeansquare)误差分析的自动端元提取算法。对图像每做一次线性解混合,就得到一幅以均方根RMS误差表示的残余误差图像,从中选出误差较大的像素作为新的端元开始下一次解混合,通过多次迭代,直到得到了要求数目的端元。该算法克服了以往端元提取方法监督特性的局限,减少了对先验信息的依赖,同时保留了图像中的异常。利用仿真和实验数据验证了该算法的有效性。
【作者单位】：
【关键词】：
【基金】：
【分类号】：TP751【正文快照】：
1　引　言高光谱遥感器所获取的地面反射或反射光谱信号是以像元为单位纪录的,它是像元所对应的地表物质光谱信号的综合。受传感器分辨率的影响,图像中每个像元往往包含不止一种地物(土地覆盖)类型,称为混合像元(mixedpixel)。端元(endmember)是描述混合像元的主要参数,它代
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【引证文献】
中国期刊全文数据库
吴剑;程朋根;何挺;王静;;[J];测绘科学;2008年01期
马恒;张帅;洪林;;[J];安全与环境学报;2012年04期
郑淑倩;张友静;邓世赞;;[J];遥感信息;2012年05期
中国博士学位论文全文数据库
王钦军;[D];中国科学院研究生院（遥感应用研究所）;2006年
中国硕士学位论文全文数据库
吴斐;[D];华中师范大学;2011年
胡涛;[D];电子科技大学;2008年
谢秋昌;[D];长安大学;2008年
【共引文献】
中国期刊全文数据库
蔡薇;郭洪海;隋学艳;杨丽萍;;[J];山东农业科学;2009年05期
纪启国;;[J];安徽职业技术学院学报;2008年01期
戴晓琴;;[J];安徽农学通报;2008年23期
陈会明;;[J];安徽农学通报(上半月刊);2009年19期
陈会明;;[J];安徽农学通报(上半月刊);2009年21期
张莉娜;;[J];安徽农学通报(上半月刊);2010年17期
邢炜光;;[J];安徽农学通报(上半月刊);2012年11期
黄树春;李书;薛重生;;[J];安徽农业科学;2007年02期
申海建;郭荣中;江艺明;黎雄5;;[J];安徽农业科学;2008年11期
李京忠;殷学勇;蔡清华;王洪明;;[J];安徽农业科学;2008年18期
中国重要会议论文全文数据库
饶欢;张智勇;;[A];河南地球科学通报2008年卷（下册）[C];2008年
许军强;白朝军;孙珂;王明常;;[A];河南地球科学通报2009年卷（上册）[C];2009年
郭朝辉;龚亚丽;;[A];全国旱情监测技术与抗旱减灾措施论文集[C];2009年
傅新;刘高焕;黄翀;刘庆生;;[A];全国地质制图与GIS学术论坛论文集[C];2011年
邓书斌;秦禹;;[A];全国农业遥感技术研讨会论文集[C];2009年
郭朝辉;亓雪勇;龚亚丽;;[A];全国农业遥感技术研讨会论文集[C];2009年
王卓君;;[A];全国农业遥感技术研讨会论文集[C];2009年
马智宏;王秋平;朱大洲;黄文江;王北洪;周全;;[A];全国农业遥感技术研讨会论文集[C];2009年
王斐斐;魏建兵;文雅;吴志峰;;[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年
邓孺孺;秦雁;;[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年
中国博士学位论文全文数据库
周兴东;[D];山东科技大学;2010年
汤春瑞;[D];哈尔滨工程大学;2009年
陈韶斌;[D];华中科技大学;2010年
陈雁;[D];中国科学技术大学;2010年
陈春雷;[D];北京林业大学;2011年
郑光辉;[D];南京大学;2011年
丁晓东;[D];浙江大学;2010年
邓睿;[D];浙江大学;2010年
曾和平;[D];昆明理工大学;2009年
李爱民;[D];解放军信息工程大学;2009年
中国硕士学位论文全文数据库
李硕;[D];华中农业大学;2010年
韩筱婕;[D];华中农业大学;2010年
胡红;[D];山东科技大学;2010年
张京钊;[D];山东科技大学;2010年
邢著荣;[D];山东科技大学;2010年
唐红梅;[D];山东科技大学;2010年
李新芝;[D];山东科技大学;2010年
周建辉;[D];广西师范学院;2010年
汤传勇;[D];广西师范学院;2010年
侯洪升;[D];山东农业大学;2009年
【同被引文献】
中国期刊全文数据库
孙世昌;张盼月;孙德智;肖凌鹏;马欣;;[J];安全与环境学报;2010年05期
徐伟,王波;[J];北京邮电大学学报(社会科学版);2000年02期
唐世浩,朱启疆,闫广建,周晓东;[J];北京师范大学学报(自然科学版);2002年02期
谢岩,陈圣波;[J];吉林大学学报(地球科学版);2004年S1期
孙华山,赵鹏大,张寿庭,夏庆霖;[J];成都理工大学学报(自然科学版);2005年01期
江涛,朱运海,董凤宝;[J];测绘工程;2004年02期
吴剑;程朋根;何挺;王静;;[J];测绘科学;2008年01期
罗红霞,龚健雅;[J];测绘通报;2005年05期
术洪磊,毛赞猷;[J];测绘学报;1997年04期
黄胜,王斌,丁桑岚,陈秀眉,陈德川;[J];重庆环境科学;2003年02期
中国博士学位论文全文数据库
张洪恩;[D];中国科学院研究生院（遥感应用研究所）;2004年
耿修瑞;[D];中国科学院研究生院（遥感应用研究所）;2005年
吴昊;[D];国防科学技术大学;2004年
李兴;[D];中国科学院研究生院（遥感应用研究所）;2006年
张明伟;[D];华中农业大学;2006年
中国硕士学位论文全文数据库
陶秋香;[D];山东科技大学;2004年
宋江红;[D];西北工业大学;2006年
范旻昊;[D];南京信息工程大学;2007年
【二级引证文献】
中国期刊全文数据库
陈伟;余旭初;刘伟;杨国鹏;;[J];测绘科学;2009年05期
黄昕;李平湘;张良培;;[J];测绘科学;2009年06期
刘伟;杨天克;郑明清;赵宝强;;[J];测绘科学;2010年01期
肖和业;盛美萍;任杰安;;[J];工程力学;2012年07期
李海飞;王敏庆;张教超;;[J];振动与冲击;2012年12期
郭芬芬;范建容;汤旭光;陈阳;刘青;李瑾杨;;[J];遥感信息;2013年01期
中国博士学位论文全文数据库
姚伏天;[D];浙江大学;2011年
刘汉湖;[D];成都理工大学;2008年
杨佳佳;[D];吉林大学;2012年
中国硕士学位论文全文数据库
何莹;[D];大连海事大学;2011年
吴斐;[D];华中师范大学;2011年
赵钊;[D];新疆农业大学;2011年
刘艳杰;[D];中南大学;2011年
何中海;[D];电子科技大学;2011年
顾桂华;[D];哈尔滨工业大学;2008年
郑丽;[D];重庆交通大学;2010年
蔡薇;[D];山东师范大学;2010年
聂飞;[D];电子科技大学;2010年
刘宇;[D];东北大学;2009年
【相似文献】
中国期刊全文数据库
郭山;孙卫东;;[J];高技术通讯;2008年12期
赵春晖;王楠楠;;[J];应用科技;2009年09期
贺霖;潘泉;赵永强;;[J];电子学报;2007年01期
李智勇;郁文贤;赵和鹏;;[J];系统工程与电子技术;2008年12期
吴泽彬;韦志辉;孙乐;刘建军;;[J];南京理工大学学报;2011年04期
谌德荣;宫久路;曹旭平;;[J];北京理工大学学报;2010年01期
王晓飞;张钧萍;张晔;;[J];红外与毫米波学报;2010年03期
顾聚兴;;[J];红外;2006年10期
尹继豪;王艳;王义松;;[J];电子学报;2010年09期
张培强,柴焱,张晓玲,沈兰荪;[J];中国图象图形学报;2005年04期
中国重要会议论文全文数据库
高云;李小昱;刘长举;周竹;;[A];中国农业工程学会2011年学术年会论文集[C];2011年
高洪燕;毛罕平;张晓东;周莹;;[A];中国农业工程学会2011年学术年会论文集[C];2011年
高连如;张兵;孙旭;李山山;张文娟;;[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
罗春生;薛龙;刘木华;黎静;;[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
刘超;何元磊;黄世奇;刘志刚;王长海;;[A];国家安全地球物理丛书（六）——空间地球物理环境与国家安全[C];2010年
何元磊;黄世奇;易世华;刘志刚;齐玮;;[A];国家安全地球物理丛书（六）——空间地球物理环境与国家安全[C];2010年
薛龙;黎静;刘木华;;[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年
彭妮娜;易维宁;方勇华;;[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;[A];成像光谱技术与应用研讨会论文集[C];2002年
陶斐斐;李永玉;王伟;彭彦昆;;[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
中国重要报纸全文数据库
于洪涛;[N];电脑商报;2004年
冰河洗剑;[N];中国电脑教育报;2004年
张红菊;[N];科技日报;2004年
;[N];中国计算机报;2004年
张向冰 李青滨;[N];中国海洋报;2003年
王昌友;[N];贵州民族报;2007年
NinJ[N];电脑报;2004年
;[N];网络世界;2002年
记者朱永坤;[N];中国化工报;2003年
本报记者 张广彬;[N];计算机世界;2004年
中国博士学位论文全文数据库
梅锋;[D];哈尔滨工程大学;2009年
高恒振;[D];国防科学技术大学;2011年
石吉勇;[D];江苏大学;2012年
姚伏天;[D];浙江大学;2011年
齐滨;[D];哈尔滨工程大学;2012年
王晓飞;[D];哈尔滨工业大学;2011年
陈进;[D];国防科学技术大学;2010年
谭琨;[D];中国矿业大学;2010年
周爽;[D];哈尔滨工业大学;2010年
刘丽娟;[D];东北林业大学;2011年
中国硕士学位论文全文数据库
邵涛;[D];哈尔滨工业大学;2010年
胡倩;[D];中国地质大学（北京）;2010年
唐雪飞;[D];哈尔滨工业大学;2010年
包海燕;[D];大连海事大学;2011年
殷晓平;[D];江苏大学;2010年
徐长健;[D];大连海事大学;2011年
魏然;[D];哈尔滨工业大学;2010年
王爽;[D];江南大学;2012年
张亚南;[D];中国地质大学（北京）;2010年
严萌;[D];哈尔滨工业大学;2011年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
同方知网数字出版技术股份有限公司
订购热线：400-819-82499
在线咨询：
传真：010-
京公网安备74号高光谱遥感中典型地物目标的光谱特征分析和信息提取模型―几个关键问题的研究报告
优秀研究生学位论文题录展示高光谱遥感中典型地物目标的光谱特征分析和信息提取模型―几个关键问题的研究报告专　业: 地理学关键词: 高光谱遥感 高光谱图像 相关拟合分析模型 高光谱滤波方法分类号: TP751形　态: 共 163 页　约 106,765 个字　约 5.107 M内容阅　读:
内容摘要该报告以高光谱遥感中一些典型地物目标如岩石、农作物、城市人工建筑和机载OMIS、PHI高光谱图像为研究对象,在精细分析和理解它们的光谱特征及主要影响因子的响应规律的基础上,提出并论证了：基于8个特征位置的植被光谱物征参数分析模型、相关似合分析模型CSAM、水稻地块的综合视反射率光谱模型IARS及基于CSAM+IARS的水稻高光谱图像信息提取算法、基于光谱维判断空间维光滑的智能化自适应模板高光谱滤波方法SRSSHF、正态吸收收带分解拟合模型NASM、基于POS的PHI图像几何纠正和镶嵌算法、基于GPS+稳定平台姿态参数的OMIS图像几何纠正和镶嵌算法等,并对这些模型或方法进行了应用验证。另外还对导数光谱分析方法进行了补充论证……
全文目录文摘英文文摘1前言1.1本报告中所试图提出并验证的一些模型1.2研究背景：高光谱遥感的发展及存在问题1.3基本情况介绍：数据、技术和研究对象1.4所拟涉及的几个问题1.5报告的主要内容简介1.6报告的一些主要成果2高光谱遥感在植被和农业遥感中的应用模型研究2.1植被的可见光-近红外光谱特征和光谱分析模型2.1.1植被的可风光-近红外光谱特征2.1.2植被光谱分析中的难点：问题的提出2.1.3对导数光谱分析方法的补充：存在问题的证明2.1.4特征参数分析模型：8个特征位置2.1.5相关拟合分析模型CSAM：原理、优点、启示2.2水稻地块的综合视反射率光谱模型及水稻地块在高光谱图像中的识别提取方法：CSAM应用之一2.2.1水稻的综合视光谱特征及其规律2.2.2问题的提出：为什么水稻的综合视反射率光谱是这样的?2.2.3水稻的综合视反射率光谱模型2.2.4模型的应用验证-常州地区PHI图像中水稻地块的信息提取2.2.5模型的再次验证-日本长野地区水稻及其他农作物的信息提取2.3一种基于光谱维判断、空间维光滑的自适应模板的高光谱图像优化方法-农田高光谱图像的优化和信息提取能力的改善：CSAM应用之二2.4基于图像特点和相关模型的对高光谱植被遥感的要求探讨3岩石的正态吸收带分鳃拟合模型：新疆部分典型沉积地层的光谱0.4-2.5μm特性分析及在图像处理上的应用3.1高光谱遥感地质应用：现状和问题3.2基本情况介绍3.3模型发展3.3.1正态吸收带分解拟合模型3.3.2原理探讨3.3.3根据特征吸收带对岩土样品进行矿物组成解读3.4岩石地球化学和光谱特征参数的关系分析3.4.1岩性类的光谱分类：光谱与图像的结合3.4.2光谱特征参数与地球化学的关系3.4.3正态吸收带参数与地球化学的关系3.5本章小结4高光谱图像城市地物探测可行性研究的初步结果4.1高光谱城市遥感应用及其发展情况4.2油漆实验及其启示4.3城市地物目标初探：实例4.4本章结论及启示4.5今后的研究建议5利用机载定位和姿态参数进行高光谱图像几何纠正和镶嵌的方法探讨5 1利用机载POS数据对无稳定平台PHI图像进行几何纠正和镶嵌5 2利用机载GPS数据和稳定平台姿态参数进行OMIS图像纠正和镶嵌5 3本章小结及意义总结参考文献
相似论文,74页,TP75,73页,TP75,126页,TP75,115页,TP75,112页,TP75,46页,TP75,68页,TP75,48页,TP75,57页,TP75,141页,TP75,64页,TP75,64页,TP75,48页,TP75,72页,TP75,60页,TP75,52页,TP75,82页,TP75,176页,TP75,51页,TP75,78页,TP75中图分类:
> TP751 > 工业技术 > 自动化技术、计算机技术 > 遥感技术 > 遥感图像的解译、识别与处理 > 图像处理方法
& 2012 book.13面向精准农业的高光谱遥感作物信息获取-第3页
上亿文档资料，等你来发现
13面向精准农业的高光谱遥感作物信息获取-3
第一章引言；线具有波峰的形态和中等的反射率数值（大多在１０－；（１０）２３５０．２５００ｎｍ谱段：此谱段是植物；在对植被典型光谱特征具有上述初步认识的基础上，各；１．２．２高光谱数据提取植被生物物理信息的研究进；生物物理信息在植被生态学研究中具有重要意义，常规；ＧｏｎｇＰ等（１９９１）利用ＣＡＳＩ成像光谱数据；Ｅｌｖｉｄｇｅ等（１９９０；ＰｕＲ．Ｌ和Ｇｏｎｇ
第一章引言线具有波峰的形态和中等的反射率数值（大多在１０－２３％之间）；（１０）２３５０．２５００ｎｍ谱段：此谱段是植物所含水分和二氧化碳的强吸收带，故植被在此谱段的反射光谱曲线具有波谷的形态和较低的反射率数值（大多在８－１２％之间）。在对植被典型光谱特征具有上述初步认识的基础上，各国学者针对植被生物物理信息和生物化学信息提取展开了大量的研究。生物物理信息主要是指叶面积指数（ＬＡＤ、生物量、植物种类、植冠郁闭度、光合有效辐射、净生产率及其它冠层结构参数等；生物化学信息主要是指植物体内的各种色素（如叶绿素、叶黄素、类胡萝Ｉ－素等）．各种营养成分（如Ｎ、Ｐ、Ｋ）及纤维素、半纤维素、木质素、糖、油、淀粉和蛋白质等ｐＪ。１．２．２高光谱数据提取植被生物物理信息的研究进展生物物理信息在植被生态学研究中具有重要意义，常规遥感已在植被指数、叶面积指数等信息获取方面得到应用，高光谱遥感的出现对常规遥感所能获取的生物物理信息的准确性和可靠性带来明显改善。尤其是高光谱遥感以其极具潜力的信息获取能力将生物物理信息和生物化学信息获取融为一体（～并解决），为促进人类对植被生态系统的深入了解，解决现代信息农业建设中的农田信息获取这一瓶颈问题创造了条件。ＧｏｎｇＰ等（１９９１）利用ＣＡＳＩ成像光谱数据对美国俄勒冈州某针叶树林的ＬＡＩ成功地进行了试验性预测１９１：Ｅｌｖｉｄｇｅ等（１９９０。１９９３）利用成象光谱数据证实能够检测低于５％覆盏度的痕量植被１８Ｊ；ＧｏｎｇＥ等（１９９４）利用ＣＡＳＩ成像光谱数据对美国俄勒阏州西部的卡斯卡特山脉东坡森林进行郁闭度信息获取试验。取得了郁闭度信息分量图像比彩红外航片判读值高出２－３％，且郁闭度信息分布合理的结果州：ＰｕＲ．Ｌ和ＧｏｎｇＰ等（１９９６）利用ＰＳＤｌ０００（美国海洋光学公司，１９９５）光谱数据对美国北加州乃至北美西海岸的６种重要针叶树种（花旗松ＤＦ、美国巨杉ＧＳ、香肖楠Ｉｃ、美国西黄松ＰＰ、糖松ｓＰ和白冷杉ＷＦ）进行识别试验，达到了８５．９８％的识别精度【９】：童庆禧等（１９９７）利用ＭＡＩＳ成象光谱仪对潘阳湖地区湿地植被生态进行了广泛深入的研究㈣［３８１。童庆禧、郑兰芬等（１９９９）利用ＰＨＩ成像光谱数据对江苏常州五七农场同期种植的３种作物（水稻、红薯、大豆）进行分类识别，种类识别精度达９８％。地块面积估计精度达９５％１１０ｌ；赵永超、张兵等（２０００）利用ＰＨＩ成像光谱数据对江苏常州五七农场同期种植的６个不同水稻品种ＷＸ４、ＷＸ８３１３、ＷＪ￥０１６、ＷＹ５０２１、９９一１５和９５２０成功地进行了识别，对同期生长的同种作物不同生育时期实现了区分…ｌ１３１ｌ；张兵、赵永超等（２００１）利用Ｐｉｌｌ成像光谱数据对日本长野县盐尻市南部的４种作物和果树（水稻、葡萄、梨、人豆）成功地进行了识别，并提取了作物长势空间分布信息‘“１Ｉ”１。６表１．２４００－２４００ｎｍ光谱范围内４２个吸收特征与干爆捣碎叶子生化成分的关系９１４６０电子跃迁十叶绿熏ｂ天气瓢刖６４０电子跃迁＋叶绿素ｂ９１０Ｃ．Ｈ键伸展，三次谐波蛋白质１０２０Ｎ－Ｈ键伸展蛋白质１２００Ｏ－Ｈ键弯曲，一次谐波＋水，纤维素，淀粉，木质素１４５０Ｏ．Ｈ键伸展，一次谐波淀粉，糖大气吸收１５１０Ｎ－Ｈ键伸展．一次谐波＋蛋白质。＋Ｎ１５４０Ｏ－Ｈ键伸展，一次谐波淀粉，纤维素１６９０Ｃ．Ｈ键伸展．一次谐波＋木质素．淀粉，蛋白质，Ｎ１７８０Ｃ－Ｈ键伸展，一次谐波＋纤维素。＋糖．淀粉１８２０Ｏ－Ｈ键伸展．Ｃ－Ｏ键伸展，二次谐波纤维素１９４０Ｏ－Ｈ键伸展，Ｏ．Ｈ链变形十水，木质素。蛋白质大气吸收１９６０Ｏ－Ｈ键伸展。Ｏ－Ｈ键弯曲糖，淀粉大气吸收１９８０Ｎ－Ｈ键不对称蛋白质大气吸收２０００Ｏ－Ｈ健变形．Ｃ－Ｏ键变形淀粉大气吸收２０６０Ｎ＝Ｈ链弯曲，二次谐波，Ｎ－Ｈ键蛋白质。Ｎ大气吸收２０８０Ｏ－Ｈ键伸展，Ｏ－Ｈ键变形糖．淀粉大气吸收２１００Ｏ＝Ｈ键弯曲．Ｃ－Ｈ键伸展＋淀粉。纤维素大气吸收２２４０Ｃ－Ｈ键伸展蛋白质信噪比迅速下降２２５０Ｏ－Ｈ键伸展．Ｏ．Ｈ键变形淀粉信噪比迅速下降２２７０Ｃ．Ｈ键伸展，Ｏ．Ｈ键伸展，ＣＨ２弯曲，纤维素。淀粉，糖信噪比迅速下降２２８０Ｃ．Ｈ键伸展，ＣＨ２弯曲淀粉，纤维素信噪比迅速下降＋：化学成分有一个较强的吸收波长。７第一章引言生物化学信息是研究和理解植被生态系统过程和生理机制（如光合作用，碳氮循环等）的重要参数，是诊断植物营养状况的重要依据。商光谱技术提取植被生物化学信息首先是从非成像光谱数据取得突破的，经历了从干燥捣碎植物叶片光谱分析，到新鲜叶片的光谱分析，再到植物冠层水平的光谱测试分析，最后到实用水平的航空航天成像光谱技术应用研究几个渐进过程。２０世纪６０．７０年代，美国农业部（ＵＳＤＡ）的研究人员详细测定和分析了干燥和捣碎的多种植物叶子光谱，获得在４００－２４００ｎｍ光谱范围内大约４２处对应～定生物化学成分的吸收特征，如表卜２．表ｌ－２总结了由于化学成分分子键弯曲振动或伸展、电子跃迁所形成的４２个吸收特征波长的对应的生化成分。相对于新鲜叶片和冠层来说，由于多次散射和相互干扰。使得大多数吸收特征都会比捣碎干叶情形变宽［９１。但表１－２成果可以帮助我们理解光谱吸收特征的生物学意义，并对新鲜叶片和冠层水平的光谱分析具有指导意义。Ｔｈｏｍ等１９７２年通过测定反射光谱来估计甜椒叶片的氢素含量，研究发现在５５０ｎｍ和６７０ｒｉｍ波段反射率对甜椒叶片氮素营养水平的影响大，并利用这两个波段建立了估计氮素含量的相关模型，达到近９０％精度。ＡｉＡｌｉａｓ等（１９７４）研究了玉米在不同营养（Ｎ、Ｐ、Ｋ、Ｃｈ、Ｍｇ、Ｓ）胁迫下不同叶位叶片的光谱特性，认为在所有营养胁迫条件下叶片的叶绿素含量都会降低，但降低程度不一ｔ缺氮时叶绿素含量最低：光谱反射率的差异主要在５３０ｎｍ波段，不同营养胁迫与正常生长条件下的玉米在该波段光谱反射率方差分析结果表明，营养胁迫对５３０ｎｍ波段处植物光谱反射率有显著影响．研究结果还表明，叶片叶龄对光谱反射率也有很大影响。Ｔｈｏｍａｓ等（１９７７）研究了七种植物（甜瓜、玉米、黄瓜、莴苣、高粱，棉花、烟草）在不同氮素营养水平下的叶片光谱特性，发现所有植物在缺氮时其可见光波段的反射率增加，但不同植物其反射率的增加程度不一。反射率与叶绿素和类胡罗ｈ素含量呈负相关，叶绿素和类胡罗ｈ素解释了６３．５～９５％的绿光反射率。Ｓｈｉｈａｙａｍａ等（１９８６）研究了氮素营养对水稻叶片光谱特性的影响．认为缺氮时的水稻叶片和正常营养水平的水稻叶片的光谱特征显著不同。并且认为叶绿素是导致光谱特征差异的主要内在因素。ＧＥＢｏｎｈａｍ―Ｃａｒｔｅｒ，Ｍｉｌｌｅｒ等（１９８８）年定义了以６６０．７５０ｎｍ之间一阶微分光谱最大值为“红边”位置，并开始了“红边”位移与叶绿素等色素关系的研究㈣。Ｊ．Ｒ．Ｍｉｌｌｅｒ等（１９９０）提出和完善了一种用４个简单参数描述的倒高斯反射模型在６７０－８００ｎｍ光谱范国内拟合植被反射光谱“红边”的方法Ｉｌｌｌ。ＦＢｏｏｃｈｓ，Ｇ．ｋｕｐｆｅｒ（１９９０）对分属于不同处理地块的植物反射光谱红边的差异情况进行了研究?结果显示，红边不仅可由主转换点完整描述，而且可看着是所有不同特征的集８气毒堡主堕苎亘塑堕堡查些塑塞垄堕堡堕堡塑堕璺茎墼堡鱼堕垒皇塑兰壅堕―――量里堕兰！查：兰中表现。认为由高光谱分辨率光谱曲线所得红边，可提供足够的信息以探测出植物形态和生化状况的微小差异Ｉｌ”。ＰａｕｌＪ．Ｃｕｒｒａｎ等（１９９２）采用近红外反射光谱（ＮＩＲＳ）方法在可见光―近红外波长范围内对活体鲜叶中叶绿素、蛋白质、淀粉、可溶性糖、紫红素和水分等生化成分与反射光谱的相关性进行了研究，并给出了相应的预测估计模型”“。王人潮、周启发等（１９９３）从“七五”开始对水稻氨素营养水平与光谱特征的关系进行系统深入的研究，认为缺氮使得早稻叶片在６８０ｎｍ波段附近的吸收谷变浅，在近红外区域的反射率降低，在可见光区域的反射率增加，ＮＤＶＩ和ＲＶＩ等植被指数与水稻叶片含氮量间有良好的相关关系．诊断水稻氮素营养水平的叶片光谱敏感波段为７６０～９００ｎｍ、６３０～６６０ｎｍ和５３０～５６０ｎｍ。通过光谱测定及其变换运算，可以区分水稻的不同氮素营养水平。Ｓｈｉｂａｙａｍａ等（１９９３）利用分辨率为５ｒｉｍ和１０ｒｉｍ的地物光谱仪，在４００－１９００ｎｍ范围内分析了受水分胁迫的水稻的光谱反射能力。结果发现：在近红外和中红外波段的反射率及其一阶导数可以用来探测早期水稻冠层的水分胁迫作用ＩＩ“。Ｍａｌｔｈｕｓ等（１９９３）用地物光谱仪研究大豆受蚕豆斑点葡萄孢感染后的反射光谱，发现其一阶导数反射率比原始的反射率要高，可用来监测病虫害的感染发生情况Ｉｌ…。Ｊｂｌｌｄｓｏｒｌ（１９９６）在对高氮和低氮处理过的槭树叶片进行光谱测试与分析发现，在大于１５００ｒｉｍ的短波红外波段的光谱反射率显著低于中氮处理过的械树叶片反射率。同时还发现在２１６０ｒｉｍ波段处叶片反射率的一阶导数与叶片全氮量间的相关性在整个可见光至红外波段范围内最好．、并将光谱分析方法估测鲜叶含氮量的精度提高到了８５％以上。Ｂｌａｃｋｂｕｒｎ等（１９９８）为估计不同枯萎阶段的四种落叶阔叶树种的色素浓度，提出了两Ｂ，Ｄａｒｔ等（１９９９）对几种桉树叶片的可见一近红外反射光谱特性进行了研究，较好地Ｗｈｉｔｅ等（２０００）用ＧＥＲ２６００光谱仪以１０ｒｉｍ分辨率在３００．２６００ｎｍ范围内测定植物９个关于色素的评价指数：特定色素简单比值指数（ＰＳＳＲ，如氏以锄）和特定色素归一化差值指数【ＰＳＤＮ，如（ＲｍｒＲ＿６∞），（＆００＋ｋ曲ｌ。结果显示，这两个指数用于估计叶绿素ａ时，可见光波段用６８０ｎｍ波段：用于估计叶绿素ｂ时，用６３５ｎｍ波段：用于估计胡萝ｈ素时。用４７０ｒｉｍ波段，估计精度优于常规的比值植被指数和归一化差值植被指数纠。改善了叶绿索含量估计偏差。结果显示．波长７１０ｒｉｍ处的反射光谱对叶绿素含量具有最高灵敏度｛在波长５５０ｒｉｍ处的反射光谱对叶绿素含量的灵敏度次之。对几个反射光谱指数的测试发现，作为一种针对较高植株叶绿素含量的遥感估计参数，比值（Ｒ毫＂Ｒ７ｌｏ）／（Ｒ８５０＂氏ｓｏ）效果最好，一阶导数光谱的比值Ｄ１７加ｌⅢ和红边位置与叶绿素含量的相关性最好。＿二阶反射光谱导数的比值Ｄ２７１２／Ｄ２ｍ对于叶绿素含量同样是一个最好的参数叫。冠层的反射能力，通过相关分析，确定了一些区别干燥与新鲜样本的波段口Ｏｌ。第一章引言ＰａｕｌＪ．Ｃｕｒｒａｎ。ＪｅｎｎｉｆｅｒＬ．Ｄｕｎｇａｎ等（２００１）用一阶导数反射光谱（ＦＤＳ）、吸收特征中心深度（ＢＮＣ）和吸收特征面积（ＢＮＡ）三种方法，由砍落地面的干松针叶的反射光谱对１２种叶片生化组分（叶绿素ａ、叶绿素ｂ、叶绿素ａ＋ｂ、木质素、氮、纤维素、水分、磷、蛋白质、氨基酸、糖和淀粉）含量进行预测估计¨“。Ｑ．啊∞，Ｑ．Ｔｏｎｇ等（２００１）用ＦｉｅｌｄＳｐｅｃ－ＦＲ地物光谱仪对不同水分胁迫情况下的小麦叶片进行光谱测量，经光谱归一化处理后，每个叶片的光谱吸收特征：波长位置（ｎｍ）、深度和面积被提取出来。同时也获取了每个测试叶片的相对含水量（ＲＷＣ）。经对１１０个观测样本进行线性回归分析得知：小麦叶片的反射光谱特征在１６５０．１￥５０ｎｍ范围内与叶片水分含量明显相关．随着相对含水量的减少，光谱吸收特征在这一光谱范围内表现得愈加明显。由已建立的反演模型用１２个对照样本对预测相对水分的相对误差和预测的光谱位置的绝对误差进行评定，结果显示：预测水分的相对误差小于６％，波长位置的预测误差小于１２ｍ，ｕ［２２１。１，２．４商光谱遥感（成像光谱数据）提取植被生物化学信息的研究进展非成像光谱数据的生物化学信息提取研究及其进展是成像光谱技术实际应用的重要基础和依据。将上述实验室光谱分析方法实用性地拓展到遥感应用水平，是一项国际性共识的挑战．如果这种技术能在冠层水平给出准确的叶片生化组分反演，这将成为从局部地区到全球尺度对生态系统过程和营养循环进行描述和建模的强有力工具（Ｗｅｓｓｍａｎ，１９９０）１２３１。Ｊ．Ｃｕｒｒａｎ曾从三个方面论述了用遥感的方法估算叶片的化学组分的必要性和可能性。第一，在研究生态系统时，化学组分是必需的参量，而遥感已显示了其在不同尺度上测量植被的理化特征和养分循环过程的能力．第二，对叶片光谱特征了解的增加．使得用光谱估算植被化学组分成为可能．第三，不断发展的多波段高分辨率的成像光谱仪为实现用光谱监测植被化学组分提供了技术保障。为此，各国学者几乎在非成像光谱数据提取生化信息不断取得进展的同时，开始了成像光谱或称高光谱遥感的应用研究．Ｗｅｓｓｍａｎ等（１９８９）通过落叶树和针叶松的航空成像光谱（ＡＩＳ）数据，结台地面采样（叶片生物总量、冠层氮和木质素含量）用线性回归建立了木质素和氮的预测模型。他们甚至还揭示了冠层木质素含量与氨的年无机化（碱解化）率的强相关现象ｌ”１。Ｊｏｈｎｓｏｎ等（１９９４）通过森林冠层化学组分与航空可见一红外成像光谱仪（ＡＶＩＲＩＳ）反射率转换后ｌｏｇ（１／Ｐ）的一阶导数对应的波长，用回归方法建立了生化组分的相关预测模型，并得出实际含量与预测含量在三个波长位置的强相关关系：氮（Ｒ２卸．９０：＾＝７５２ｎｍ／１５９３ｎｍ／２２８３ｎｍ）、木质素（∥印．９３；＾＝１２９７ｎｍ／１２６Ｉｎｍ／２３５３ｎｍ）和叶绿素（Ｒ２＝０．９４：ｘ＝７５２ｎｍ／１０６９ｎｍ／９３５ｎｍ）［２２１．１０包含各类专业文献、中学教育、外语学习资料、专业论文、文学作品欣赏、应用写作文书、行业资料、幼儿教育、小学教育、13面向精准农业的高光谱遥感作物信息获取等内容。　
　高光谱遥感在精准农业中的发展趋势主要有 (1)精准农业中的作物长势监测。主要利用红外波段和近红外 波段遥感信息,得到的植被指数(NDVI)与作物的叶面积指数和生 物... 　作物长势监测、灾害预测、产量估产以及精准农业管理等方面有更好 和更高精度的...遥感的监测目标发生了很大的变化, 获取 子像元(最终光谱单元信息)的能力得到提高... 　2 高光谱遥感在农业上的应用 高光谱遥感在农业中的应用 ,主要表现在快速、精确地进行作物生长信息的 提取、作物长势监测、估算植被 (作物 )初级生产力与生物量、... 　AVIRIS 高光谱遥感数据的植被信息提取 摘要:以MoffettField的AVIRIS高光谱遥感影像为对象, 应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合, 在此 ... 　农业和 森林调查、海洋生物和物理研究等领域发挥着...等研究方面取得了成 功, 初显了高光谱遥感的魅力...农作物和植被的精细分类、城市地物甚至建筑材料的分类... 　精准农业: 精准农业: 且分类精度较高, 对于大比例尺尺 ①高光谱遥感技术能有效地对作物进行分类和识别, 度上研究地表作物覆盖,提取更加细致的信息提供了有力保障... 　获得了飞速的 发展,目前遥感正进入一个以高光谱遥感... 精确地获取作物生长状态以及环境胁迫的各种 信息,... 为遥感技术_在精准农业中的可能应用奠 定了技术... 　一些农学模型和气象模型),便可获得作物 产量信息。...措施来调整农业生产活动,保证精准 农业的可预见性与... 发展高光谱遥感是遥 感技术应用于精准农业的必由... 　进行识别,能较好地描述杂 草和农作物的外部特征,但是无法获取其内部特征信息 。...将偏振遥感与高光谱相结合,对精确除草具有十分重大的意 义,也对精确农业提供了...