0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

基于高光谱影像的南矶湿地光谱特征分析2.0

莱森光学 来源:莱森光学 作者:莱森光学 2024-07-31 14:22 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

一、典型地物光谱特征分析

不同类型的地物具有独特的光谱特征。通过分析光谱曲线之间的差异,可以有效地识别不同类型的地物。本章节继续对研究区内典型地物的原始光谱曲线进行分析,然后采用不同的光谱数学变换方法对原始曲线进行处理,增强地物之间的光谱差异,为后续的地物光谱特征波段筛选和地物分类提供基础。

原始光谱特征分析

2.1 其他地物光谱特征分析

不同时期、不同传感器的遥感影像所表现出来的同种地物的光谱特征也不同,根据不同光谱特征所采用的识别分类方法也有所区别,因此,对不同时期影像的不同地物进行光谱特征分析是很有必要的。

2020年3月15日获取的影像只包含了少量建设用地(研究区内的道路)和裸滩,缺少居民地。建设用地和裸滩的光谱曲线趋势几乎相同,在865nm和940nm处建设用地的反射率小于裸滩,其余波段建设用地的反射率均大于裸滩,且大部分波段二者差异为0.1左右,说明建设用地和裸滩的可区分性大。2020年6月17日3类其它地物的光谱曲线趋势相似,光谱差异明显,可区分性强。居民地和建设用地在可见光区域反射率呈上升趋势,裸滩光谱曲线平缓,且居民地和建设用地的反射率远高于裸滩,建设用地和居民地之间差异较小,反射率由高到低依次为:建设用地>居民地>裸滩;在近红外区域,除最后一个波段外,其余波段的反射率顺序依然是建设用地>居民地>裸滩,且三者之间的差异均衡,居民地和建设用地之间的差异增大。总之,该时期其它地物之间差异显著。2020年10月10日3类其它地物的反射率由高到低的顺序与2020年6月17日的顺序一致。区别在于该时期其它地物的光谱曲线呈现上升趋势,三者之间在500nm之后的波长差异显著,可分性强。2020年11月11日的3类其它地物光谱曲线趋势相似,在510nm和760nm附近均形成一个明显的反射峰,在440~550nm波长范围内,3类地物的反射率顺序由高到低为:建设用地>居民地>裸滩,在550nm处裸滩反射率超过居民地,在550~880nm范围内,反射率顺序变为建设用地>裸滩>居民地,总体来看,3类其他地物有一定可分性。

wKgZomap2CKAW-pXAALM6eW8Oi4215.png

图9不同时期其它地物原始光谱均值曲线

2021年1月18日4类其它地物总体呈上升趋势,裸滩反射率最低,且与其余3类差异明显,可以区分识别,浅水滩在440~700nm范围内与居民地、建设用地的光谱曲线几乎重合,在700nm之后,反射率高于居民地和建设用地,在该波长范围内可以被有效识别,建设用地和居民地的光谱曲线在全波段几乎重合,需进一步进行变换,以放大二者的差异。

三、包络线去除光谱特征分析

3.1 包络线去除法

包络线去除法是一种非线性方法,用于处理光谱曲线,通过标准化地物的光谱曲线,分析其反射和吸收特征。这种方法最初是Clark等人在反射光谱遥感方面提出的。该方法对于反射率较小且相似的波段非常有效,可以增强不同地物之间的光谱差异性,有助于进行光谱曲线特征的数量比较,并筛选出具有代表性的特征波段,最终用于地物的分类和识别。原始光谱曲线可有效区分水体、植被和其它地物三大类,为了进一步增强地物的吸收反射特征,获取精细识别地物的特征波段,在大类可区分的基础上,分别对研究区3大类地物的光谱数据进行包络线去除,获得其包络线去除光谱曲线,本文利用Matlab软件实现了对地物原始反射率数据的包络线去除变换。

3.2 水体包络线去除光谱特征分析

在包络线去除的光谱曲线中,可以清晰地观察到不同地物的吸收特征,这些吸收特征通常出现在不同的波段,并且吸收强度也存在差异。

wKgaomap2CKAMcJkAAOISaT0WbI532.png

图10不同时期水体包络线去除均值光谱曲线

在2020年3月15日的包络线去除光谱曲线中,可以看出,青色水体有2个吸收波段,第1个吸收波段位于443~580nm波长范围内,吸收强度较弱,第2个吸收波段位于596~926nm波长范围内,该吸收谷吸收强度大于第一个吸收波段;蓝色水体有3个吸收波段,第1个吸收波段为443~490nm,吸收宽度仅有2个波段,第2个吸收波段为490~580nm,但吸收强度弱,第3个吸收波段吸收强度最大,为580~920nm波长范围内;蓝绿色水体和深蓝色水体只有1个吸收波段,均为443~920nm波长范围内,其光谱曲线趋势相似,无法有效区分二者。

在2020年6月17日的包络线去除光谱曲线中,青色水体和蓝绿色水体均有3个吸收波段,深蓝色水体有两个吸收波段,青色水体吸收强度最强的吸收波段为596~910nm,蓝绿色水体为640~910nm,深蓝色水体为580~896nm,吸收强度最大处均为760nm处,且该波段处的吸收强度从大到小依次是:深蓝色水体>青色水体>蓝绿色水体,差异明显,可以有效区分3类水体。

在2020年10月10日的包络线去除光谱曲线中,3类水体的包络线去除光谱曲线趋势几乎一致,在520~566nm波长范围内,均有1个小型强吸收波段,在该波段范围内,蓝色水体的吸收强度最大处为550nm,而深蓝色水体和蓝黑色水体的均为536nm,且吸收强度从大到小依次是:蓝黑色水体>深蓝色水体>蓝色水体;该时期包络线去除光谱曲线吸收强度最大处位于686~716nm波长范围内,吸收强度差别不大,在700nm之后,深蓝色水体和蓝黑色水体曲线几乎重叠,不可区分,二者吸收强度小于蓝色水体。

在2020年11月11日的包络线去除光谱曲线中,明显可区分5类水体的波长为500nm处,吸收强度从大到小依次是:蓝黑色水体>深蓝色水体>蓝绿色水体>蓝色水体>青色水体,与原始光谱曲线的反射分析一致,在其余波段处均有不同程度的交叉重叠,不利于区分5类水体。在2021年1月18日的包络线去除光谱曲线中,4类水体的包络线去除光谱曲线趋势相似,吸收波段一致,吸收强度有所不同,可以分为4个区间,分别为443~490nm、500~580nm、580nm~709nm和709~926nm。其中,青色水体和蓝色水体在第4区间,最大吸收深度为0.12左右,符合青色水体和蓝色水体高反射的特征,深蓝色水体在第1、3、4区间的最大吸收深度相近,吸收深度在0.12~0.14范围内,蓝黑色水体的最大吸收强度位于第1个吸收区间,吸收强度达到0.33,这与蓝黑色水体的低反射,高吸收特性相符合。总体来说,在665~670nm波长范围内,4类水体可分性明显。

3.3植被包络线去除光谱特征分析

图11各个时期植被均表现出明显的植被特征,其中在可见光区域的吸收强度大于近红外区域,符合植被在可见光区域反射率低、近红外区域高反射的特性。不同种类的植被在不同的吸收波段表现出不同的吸收强度,而同一种植被在同一吸收波段的吸收强度也可能存在差异。通过包络线去除变换后,植被在可见光区域吸收强度大的波段具有明显差异,可以用于区分不同种类的植被。但在近红外区域,不同种植被的光谱曲线存在严重的交叉重叠,光谱特征差异较小,因此不适合用于植被分类。2020年3月15日的3类植被包络线去除光谱曲线中,芦苇-南荻群落和薹草-虉草群落的“蓝谷”特性不明显;在650~700nm波长范围内,两类植被的吸收强度最大,在可见光区域的绝大多数波段都明显可分。而在近红外区域,由于植被的高反射特性,植被吸收强度弱,差异小。

wKgZomap2CKALHp6AAM_WbPQODs165.png

图11不同时期植被包络线去除均值光谱曲线

2020年6月17日的5类植被包络线去除光谱曲线中,在500~550nm波长范围内,四类植被均表现出了由“蓝谷”引起的小型吸收谷,但在吸收强度和吸收显著度上有所不同,吸收深度从大到小依次为:薹草-虉草群落>林地>芦苇-南荻群落>农田,且农田的吸收谷更为明显,林地和薹草-虉草群落的吸收谷较小;四类植被的最大吸收深度依然是650~700nm的“红谷”区域,农田的吸收深度最小,林地和薹草-虉草群落的吸收深度最大,在可见光区域,林地和薹草-虉草群落的光谱曲线几乎重叠,说明包络线去除未能放大二者之间的差异,其余两类植被可分性明显。在近红外区域,5类植被交叉重叠严重,不可依此区分识别。

wKgaomap2COAP62qAAOuXmfxdyg788.png

图12同种植被不同时期包络线去除均值曲线

2020年10月10日的2类植被包络线去除光谱曲线中,全波段来看,二者在某些波段有一定的可分性,例如,536nm、596~700nm、730~760nm和760~806nm波长范围内,但是差异并不显著,最大吸收深度依然位于“红谷”区域,二者之间的可区分识别波段需要进一步定量分析来确定。2020年3月15日的3类植被包络线去除光谱曲线中,4类植被在550nm附近均有一个吸收深度较深的吸收谷,对应植被的“蓝谷”,在该吸收谷处,林地的吸收深度最大,其余3类植被的吸收深度几乎相同,在580~700nm波长范围内4类植被的差异明显,吸收深度从大到小为:林地>农田>芦苇-南荻群落>薹草-虉草群落,在776~806nm波长范围内,4类植被也有一定差异,但是差异较小,是否能区分4类植被,还需要进一步定量分析。2020年3月15日的3类植被包络线去除光谱曲线中,由于冬季植被存在枯萎现象的原因,该时期植被的吸收反射较为混乱,以“红谷”为例,林地的“红谷”位于640nm处,芦苇-南荻群落的位于670nm处,薹草-虉草群落的“红谷”不明显,其最大吸收深度位于580nm处,农田的“红谷”位于686nm处,但总体来看,4类植被在可见光区域的大多数波段差异明显,可以认为4类植被可以被区分。

图12可以看出:林地、芦苇-南荻群落以及薹草-虉草群落三类自然植被的最大吸收强度均发生在夏季,而农田的最大吸收强度则在秋季,四类植被在冬季时吸收强度均最弱。

3.4其他地物包络线去除光谱特征分析

整体来看,由于不同时期影像卫星传感器的差异,以及样本选取存在的一定误差,使得同种地物的吸收反射特征都存在一定差异。如2020年3月15日所示的包络线去除后的光谱曲线,由于该时期原始光谱曲线的趋势基本一致,所以,经过包络线去除变换后,二者光谱曲线趋势依然很相似,但二者在大多数波段都有明显的差异,光谱变换前后,2类地物的可区分性都很强。从2020年6月17日的光谱曲线可以看出,3类其它地物在可见光区域的吸收强度小于近红外区域,最大吸收深度均位于746~760nm波长范围内,分析光谱曲线可以看出,在596~716nm和836~880nm范围内。3类其它地物光谱曲线差异显著,可作为区分3类地物的依据。分析2020年10月10日的光谱曲线可知,在520~700nm波长范围内,3类其它地物的光谱曲线差异显著,可认为在此范围内,可有效区分3类地物,在近红外区域,3类地物光谱曲线交叉重叠严重,差异小,不足以区分识别地物。2020年11月11日的其它地物包络线去除变换后光谱曲线趋势一致,3类地物均有3个吸收波段,分别为443~500nm、500~760nm和760~926nm。

wKgZomap2COAWSliAANbkTXOLS4046.png

图13不同时期其它地物包络线去除均值光谱曲线

在第1个吸收波段,3类地物在446~490nm范围内存在差异,吸收深度从大到小为:建设用地>居民地>裸滩;在第2个吸收波段,通过观察可知,在531~560nm范围内,3类地物存在差异;在第3个吸收波段,在833~865nm范围内,3类地区存在差异,且相差0.1左右,因此,认为该范围可区分3类其它地物。从2021年1月18日的光谱曲线可以明显看出,在可见光区域,裸滩的吸收强度远大于其余3类地物,达0.46,而其余3类地物在全波段都有交叉重叠现象,浅水滩在近红外区域的高反射特征经过变化反而与其余地物的差异变小了。

四、总结

南矶湿地受鄱阳湖水位影响,呈现复杂的湿地生境类型,且湿地内存在南山和矶山两个非湿地岛屿,湿地地物和非湿地地物构成了复杂的地物类型,高光谱遥感的迅速发展为大范围的地物精细分类提供重要研究思路。对地物进行光谱特征分析以及识别光谱差异是高光谱遥感能够精细分类的基础,而对光谱差异特征波段进行选择和组合,从而使其能有效识别分类不同地物一直是高光谱研究的重难点之一。基于高光谱影像对地物的光谱特征,特征波段以及识别分类进行研究,为大范围区域的精细分类提供了便利,也对高光谱技术的发展起到了推动作用。

推荐

地物光谱仪iSpecField-HH/NIR/WNIR

地物光谱仪是莱森光学专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的最新明星产品,独有的光路设计,噪声校准技术、可以实时自动校准暗电流,采用了固定全息光栅一次性分光,测试速度快,最短积分时间最短可达20μs,操作灵活、便携方便、光谱测试速度快、光谱数据准确,广泛应用于遥感测量、农作物监测、森林研究、海洋学研究和矿物勘察等各领域。

wKgaomap2COAXzomAAUGgD2shME018.png

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2577

    文章

    55443

    浏览量

    793722
  • 光谱仪
    +关注

    关注

    2

    文章

    1284

    浏览量

    32747
  • 影像
    +关注

    关注

    0

    文章

    150

    浏览量

    15028
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    光谱与多光谱技术:核心区别与应用选择

    光谱与多光谱技术是遥感领域的两大重要技术,它们在波段数量、光谱分辨率、数据处理和应用场景上存在显著差异。本文将系统解析两者的区别,并为不同应用需求提供选择建议。 一、
    的头像 发表于 03-03 07:42 130次阅读
    <b class='flag-5'>高</b><b class='flag-5'>光谱</b>与多<b class='flag-5'>光谱</b>技术:核心区别与应用选择

    光谱光谱工业相机技术原理与差异

    光谱光谱工业相机通过捕捉传统RGB相机无法获取的波长信息,实现了更精细的分析维数据解读。
    的头像 发表于 01-29 17:33 852次阅读
    多<b class='flag-5'>光谱</b>与<b class='flag-5'>高</b><b class='flag-5'>光谱</b>工业相机技术原理与差异

    红外光谱技术应用与原理分析

    分析检测领域,红外光谱分析技术作为一种高效、准确的分析检测手段,能够快速准确地识别各类化合物的分子结构特征。这项技术基于一个简单却精妙的原理:当红外光照射样品时,分子中的化学键会吸收
    的头像 发表于 11-11 15:21 1203次阅读
    红外<b class='flag-5'>光谱</b>技术应用与原理<b class='flag-5'>分析</b>

    从实验室到田间:便携式/手持式光谱相机如何赋能现场快速检测

    随着精准农业和智慧农业的快速发展,传统农业对作物监测、土壤分析和资源管理的需求日益精细化。光谱成像技术作为多光谱成像的延伸,通过捕捉 数百个连续窄波段
    的头像 发表于 10-20 10:17 625次阅读
    从实验室到田间:便携式/手持式<b class='flag-5'>高</b><b class='flag-5'>光谱</b>相机如何赋能现场快速检测

    光谱成像在作物病虫害监测的研究进展

    光谱成像技术(Hyperspectral Imaging, HSI)是一种将光学成像与光谱分析相结合的多维信息获取技术,其核心在于通过连续窄波段(通常 光谱
    的头像 发表于 10-16 15:53 667次阅读
    <b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像在作物病虫害监测的研究进展

    光谱成像在分析作物长势和产量预估中的应用

    的关键技术路径,并通过典型应用案例分析其在现代农业中的价值与挑战。 光谱成像基本原理 多维数据融合 :同步获取空间(2D图像)+光谱(数十至数百个窄波段)+时间(动态监测)三维信息
    的头像 发表于 09-27 16:04 588次阅读
    <b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像在<b class='flag-5'>分析</b>作物长势和产量预估中的应用

    光谱成像的照明源有哪些?

    光谱成像(Hyperspectral Imaging)是一种结合光谱分析与成像技术的多维度数据采集方法,能够获取目标物体在连续窄波段范围内的光谱空间信息。 照明源 (光源)作为
    的头像 发表于 09-17 10:14 947次阅读
    <b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像的照明源有哪些?

    如何搭建一个光谱成像实验场景?

    光谱成像(Hyperspectral Imaging)通过获取目标物体在连续窄波段(通常 构建稳定、可重复的光谱数据采集系统; 实现对目标物体的空间-
    的头像 发表于 09-13 10:36 2620次阅读
    如何搭建一个<b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像实验场景?

    如何有效利用光谱成像技术提升数据分析效率

    随着人工智能和大数据技术的快速发展,光谱成像技术作为一种融合光谱信息与空间影像的新兴技术,正日益成为提升数据分析效率的重要工具。在农业监测
    的头像 发表于 09-11 16:13 968次阅读
    如何有效利用<b class='flag-5'>高</b><b class='flag-5'>光谱</b>成像技术提升数据<b class='flag-5'>分析</b>效率

    光谱光谱工业相机的区别

    光谱相机可应用于自动化检测、质量管理、回收分类、医疗诊断等多个领域
    的头像 发表于 08-08 16:28 1179次阅读
    多<b class='flag-5'>光谱</b>与<b class='flag-5'>高</b><b class='flag-5'>光谱</b>工业相机的区别

    光谱相机赋能耕地用途保护:耕地面积统计、非农非粮识别-守护耕地红线

    费力。而多光谱低空遥感技术凭借大范围监测能力与精准光谱识别特性,正成为耕地用途智慧化监管的核心工具。 一、技术原理:光谱如何“看见”耕地? 1. 耕地光谱指纹
    的头像 发表于 07-22 15:41 691次阅读
    多<b class='flag-5'>光谱</b>相机赋能耕地用途保护:耕地面积统计、非农非粮识别-守护耕地红线

    太阳光模拟器性能的影响参数:光谱匹配度、光谱覆盖率及光谱偏离率

    光谱与标准光谱的契合度,进而影响测试精度。紫创Luminbox深耕太阳光模拟器技术研发,致力于以这三大指标为核心优化方向,提升设备对复杂测试场景的适配能力。下文将具体分析这三项参数对太阳光模拟器性能
    发表于 07-21 15:35

    光谱相机让农林管理进入“光谱级”智能时代

    、病害应激反应等。这种能力使得光谱技术成为研究和管理作物、森林的强大工具。 为什么农林业需要“光谱级”的感知? 作物和林木在受到病害、水分胁迫或营养失衡时,表面可能尚未出现明显症状,但其光谱
    的头像 发表于 06-27 10:50 645次阅读
    <b class='flag-5'>高</b><b class='flag-5'>光谱</b>相机让农林管理进入“<b class='flag-5'>光谱</b>级”智能时代

    光谱成像相机:基于光谱成像技术的玉米种子纯度检测研究

    种子纯度是衡量种子质量的核心指标之一,直接影响农作物产量与品质。传统检测方法(如形态学观察、生化分析)存在耗时长、破坏样本、依赖人工等缺陷。近年来,光谱成像技术因其融合光谱与图像信息
    的头像 发表于 05-29 16:49 771次阅读

    光谱相机在生物医学中的应用:病理分析、智慧中医与成分分析

    光谱成像技术(Hyperspectral Imaging, HSI)通过捕捉物质的连续光谱信息与空间信息,形成“光谱立方体”,能够揭示传统成像技术无法获取的分子级
    的头像 发表于 04-24 11:25 845次阅读