导读:本文包含了地面高光谱论文开题报告文献综述及选题提纲参考文献，主要关键词:PROSAIL模型,连续小波变换,偏最小二乘回归,支持向量机
地面高光谱论文文献综述
于汧卉,杨贵军,王崇倡[1]（2019）在《地面高光谱和PROSAIL模型的冬小麦叶绿素反演》一文中研究指出针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。(本文来源于《测绘科学》期刊2019年11期）
石海岗,王瑞军,孙永彬,王诜[2]（2019）在《新疆红山铜金矿床地面高光谱蚀变矿物特征分析》一文中研究指出红山铜金矿床位处东天山成矿带,区域矿产以铜、镍、金为主,北部以铜矿为主,中部以金、铜、铁、银为主,南部以铁、铅锌、钼、金、银为主。该带分布较多矿床、矿点,成矿地质条件优越。前人在该区已开展基础地质、矿产勘查、专题研究和新技术方法示范等工作(姜寒冰等,2012;方同辉等,2002;许英霞等,2008)。该区地表基岩裸露,(本文来源于《第四届全国青年地质大会摘要集》期刊2019-04-13）
王永敏,李西灿,田林亚,贾斌,杨惠[3]（2019）在《土壤有机质含量地面高光谱估测模型对比分析》一文中研究指出采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。(本文来源于《国土资源遥感》期刊2019年01期）
李军玲,彭记永[4]（2018）在《不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究》一文中研究指出为建立不同生育时期冬小麦叶面积指数(LAI)的高光谱遥感预测模型,2017年在荥阳和鹤壁大田区域进行野外试验,利用便携式光谱仪ASD FieldSpec Handheld测量不同生育时期冬小麦冠层高光谱数据,使用LAI2200冠层分析系统采集冬小麦冠层LAI。通过对高光谱数据进行不同形式的变换以及高光谱特征变量的计算,并与叶面积指数进行相关分析。结果表明,在拔节-抽穗期,LAI与Dr(红边幅值)、SDr(红边面积)、VI_3(红边面积SDr与蓝边面积SDb的比值指数)、VI_5(红边面积SDr与蓝边面积SDb的归一化指数)、VI_6(红边面积SDr与黄边面积SDy的归一化指数)的相关性较大,相关系数均大于0.85;在开花-乳熟期,LAI与Rr(红谷反射率)、VI_1(绿峰反射率Rg与红谷反射率Rr的比值指数)、VI_2(绿峰反射率Rg与红谷反射率Rr的归一化指数)、VI_3、VI_5的相关性较大,相关系数均大于0.7,且均通过0.01水平显着性检验。因此,拔节-抽穗期选择变量Dr、SDr、VI_3、VI_5、VI_6作为估算模型的自变量;开花-乳熟期选择变量Rr、VI_1、VI_2、VI_3、VI_5作为估算模型的自变量。拔节-孕穗期叶面积指数单变量估算模型中大部分变量的二次模型决定系数较大,其中VI_3、VI_5、lg(1/ρ676)、dρ750/dλ750的二次模型决定系数超过0.6,拟合程度较高,同时dρ750/dλ750的RMSE值最小,因此认为以dρ750/dλ750为自变量的二次模型最优。开花-乳熟期单光谱变量建立的叶面积指数估算各类模型中大部分参数的指数模型决定系数较大,其中Rr、VI_3、VI_5的指数模型决定系数超过0.7,拟合程度最高,同时VI_5的RMSE值最小,因此认为以VI_5为自变量的指数模型最优。(本文来源于《麦类作物学报》期刊2018年08期）
皮伟强[5]（2018）在《基于地面高光谱植被指数地表微斑块阈值分类》一文中研究指出草原地表微斑块特指鼠洞、裸土与植被,是评价草原退化的重要指标。高光谱微斑块的识别与分类对于遥感的草原退化监测与评价研究起到基础性的工作,对草原区域性规划、系统恢复与重建理起到至关重要的作用。本研究以地面高光谱数据为研究对象,在内蒙古四子王旗境内典型荒漠化草原进行数据采集,利用植被指数阈值法找寻地表微斑块的阈值区间及最佳可分性像元,力求找到一种适合区域特点的阈值分类方法,对地表微斑块进行高精度分类,以实现无人机高光谱遥感对荒漠化草原的定量反演提供理论基础。本研究在试验区对地物样方、鼠洞样方进行地面高光谱影像采集,以地面实测高光谱数据为基础,基于叁种植被指数(比值植被指数、归一化植被指数、土壤调整植被指数)对地面高光谱数据进行处理,采用植被指数阈值法、目视解译法对试验区叁种典型荒漠化草原地表微斑块(植被、裸土与鼠洞)阈值进行统计及分析,并利用Spss进行Kappa系数验证。研究结果表明:基于植被指数阈值法对荒漠化草原地表微斑块进行识别、分类的方法可行;归一化植被指数阈值法对植物群落与非植被群落(裸地、鼠洞)分类效果最佳,最佳可分性像元阈值为0.4,Kappa系数下验证精度达达96.2%;土壤调整植被指数对鼠洞与非鼠洞(植物群落、裸地)分类效果最佳,最佳像元可分性阈值为0.185,Kappa系数下验证精度达达96.7%。本文初步实现了对荒漠化草原地表微斑块的分类与识别,为无人机高光谱遥感对内蒙古典型草原植被指数反演、裸土面积及鼠洞数量统计有一定借鉴意义。(本文来源于《内蒙古农业大学》期刊2018-06-01）
李园园,楚光明,牛攀新,李明艳,刘烈[6]（2018）在《基于地面高光谱遥感数据的梭梭地上生物量估算模型》一文中研究指出梭梭(Haloxylon ammodendron)是准噶尔盆地建群种和优势种,梭梭生物量是评价荒漠生产力和生态功能的重要指标。以古尔班通古特沙漠南缘石河子地区沙地和盐碱地梭梭为研究对象,利用个体植株冠层高光谱数据提取的植被指数(Ⅵ)与实测的地上生物量进行6种单变量线性和非线性回归分析。结果表明:二次函数和幂函数与植株个体冠层NDVI呈现较强相关,其中二次函数拟合方程为B=7.8-112.61*NDVI+447.37*NDVI~2(R_(adj)~2=0.813,RSS=5.583),幂函数拟合方程为B=856.33*NDVI~(3.41)(R_(adj)~2=0.817,RSS=5.469),并利用这2种拟合方程估算梭梭地上生物量。分析发现,两个方程估算的梭梭个体地上生物量均值偏高,而对于不同径级梭梭地上生物量估算效果无明显规律。该研究对于利用地面高光谱数据无损、定量提取梭梭地上生物量进行了有益尝试,可为今后利用高光谱以及光学影像数据进行梭梭地上生物量的大范围估测提供一些参考。(本文来源于《干旱区资源与环境》期刊2018年07期）
皮伟强,杜健民,陈程,朱相兵,刘浩[7]（2018）在《基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别》一文中研究指出草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。(本文来源于《内蒙古农业大学学报(自然科学版)》期刊2018年04期）
徐海舟,周国英,臧卓,林辉,董文统[8]（2016）在《基于地面高光谱遥感的降香黄檀黑痣病病情指数反演》一文中研究指出利用美国Spectra Vista Corporation(以下均用简称SVC)HR-1024i非成像高光谱仪采集不同病情程度的降香黄檀冠层光谱数据,并结合地面同步调查获得的降香黄檀黑痣病病情指数数据,对光谱数据进行重迭校正(scan matching/overlap correction)和白光板反射率校正(white plate reflectance correction)。采用主成分分析法(PCA法)对与降香黄檀黑痣病病情指数相关性较高的敏感波段进行降维。利用53个训练集,将敏感波段和PCA法处理后的敏感波段分别作为输入变量,训练降香黄檀黑痣病的BP神经网络。两种输入变量建立的神经网络计算出的预测值与实际值之间的决定系数(R2)均达到99%。利用27个验证集做进一步精度检验,结果表明,通过这两种输入变量训练的BP神经网络,得到的预测值与实际值之间的决定系数(R2)分别为0.951 9和0.706 0,均方根误差(RMSE)分别为5.998 0和12.919 3。直接以敏感波段作为变量输入和PCA法处理后的敏感波段作为变量输入训练BP神经网络是一种有效的方法,其中,直接以敏感波段作为变量输入精度更高。(本文来源于《植物保护》期刊2016年05期）
王瑞军,李名松,汪冰,牛海威,孙永彬[9]（2016）在《新疆红山铜金矿床基于地面高光谱遥感找矿模型构建》一文中研究指出选择新疆红山铜金矿床,使用美国ASD公司的FieldSpec Pro FR地面波谱仪,在铜金矿区及外围地段分别对各地质体的英安岩、蚀变英安岩、花岗岩、花岗闪长岩、流纹斑岩、片理化带、矿体等开展地面波谱测试,获取各地质体的波谱曲线,综合剖析各吸收峰的波谱特征和蚀变矿物的反映特征,同时结合镜下鉴定和X射线衍射分析结果,研究和总结红山铜金矿区从矿体、矿化体、近矿围岩、外围蚀变围岩至外围正常围岩的地面高光谱蚀变矿物和蚀变矿物组合分布特征,结合矿床的地质矿产特征和地面围岩蚀变特征,形成地面高光谱蚀变矿物组合分布图,构建红山铜金矿床基于地面高光谱遥感找矿模型,为后期开展航空高光谱遥感调查、高光谱蚀变矿物信息提取和找矿预测提供地面高光谱波谱数据支持和典型矿床模型基础。(本文来源于《现代地质》期刊2016年03期）
童新[10]（2016）在《基于地面高光谱遥感的科尔沁沙地植被盖度估算及生物量模拟》一文中研究指出植被的光谱参数和定量模型是对其生长实时监测与精确诊断研究的关键内容。随着人们对生态环境的持续关注,生态环境监测、评估、治理等方面的发展迫切需要低成本、低耗时、高精度、高密度和高稳定性的信息获取技术。而基于地面高光谱遥感技术的植被生态应用使得快速监测植被长势以及准确估测植被理化性质成为可能。本文以我国内蒙古自治区通辽市科尔沁左翼后旗东南方向的阿古拉生态水文试验区为研究区域,利用美国Analytical Spectral Device (ASD, Inc., Boulder, CO,USA)公司的FieldSpec HandHeld便携式地物光谱仪开展了一系列典型植被野外观测试验,并在此基础上设计控制试验,评估了异向反射率效应(Anisotropic Reflectance Effect, ARE)对基于光谱混合分析(Spectral Mixture Analysis, SMA)的植被盖度反演估算的影响,最后对试验区两个天然草地试验点进行了高光谱植被指数模拟地上干、鲜生物量的研究。取得的主要成果如下：1.由于植被叶片各种色素、液态水分、内部结构的差异,不同植被类型的反射率光谱存在差异性,但也会有“异物同谱”现象的发生；外界环境对植被生长的影响是十分显着的,植被生长情况的差异可以反映在其冠层反射率光谱曲线上,从而引发了“同物异谱”的现象。2.在不考虑异向反射率效应的情况下,运用线性光谱混合分析(分别使用可见光波段和近红外波段)对叁个试验寸苔草盖度的估算效果并不理想,可见光波段和近红外波段的均方根误差RMSE分别高达0.160和0.164。考虑异向反射率效应后,利用近红外波段对寸苔草盖度估算的精度提升明显,均方根误差RMSE由0.164降低到了0.079,降幅高达52%。未来的植被盖度估算研究应该重视异向反射率效应,因为它可以认为是同种端元类型光谱差异性的另一重要来源。3.天然条件下,即使对于具有同一植被类型的区域,其范围内的植被参数也会有较大的空间异质性,尤其在土壤、水分以及地形等局部环境因子存在较大差异的条件下,此现象更为明显。因此通常研究所做的关于特定植被类型叶面积指数和地上生物量等植被参数在一定空间上具有较小异质性的假设是不正确的。4.试验区两个天然草地地上干、鲜生物量与其单波段原始高光谱冠层反射率相关关系很弱,C4试验点最优决定系数R2<0.202,而C3试验点受其植被群落结构空间上分层的影响,最优决定系数R2<0.062。5.基于原表达式波段范围构建的四个植被指数(简单比值植被指数、归一化植被指数、土壤调节植被指数和增强型植被指数)与地上干、鲜生物量的最佳相关系数明显低于基于全波段范围构建的植被指数：结合多元线性逐步回归分析对构建出来的四个最佳植被指数进行筛选,对于C3试验点地上干生物量,挑选出归一化植被指数和增强型植被指数,决定系数R2为0.732,均方根误差RMSE为57.5g/m2,而对于C3试验点地上鲜生物量以及C4试验点地上干、鲜生物量,选出的植被指数都是土壤调节指数和增强型植被指数,其决定系数R2分别为0.769,0.676,0.693,对应均方根误差RMSE分别为184 g/m2、65.8 g/m2、134g/m2。(本文来源于《内蒙古农业大学》期刊2016-06-01）
地面高光谱论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
红山铜金矿床位处东天山成矿带,区域矿产以铜、镍、金为主,北部以铜矿为主,中部以金、铜、铁、银为主,南部以铁、铅锌、钼、金、银为主。该带分布较多矿床、矿点,成矿地质条件优越。前人在该区已开展基础地质、矿产勘查、专题研究和新技术方法示范等工作(姜寒冰等,2012;方同辉等,2002;许英霞等,2008)。该区地表基岩裸露,
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地面高光谱论文参考文献
[1].于汧卉,杨贵军,王崇倡.地面高光谱和PROSAIL模型的冬小麦叶绿素反演[J].测绘科学.2019
[2].石海岗,王瑞军,孙永彬,王诜.新疆红山铜金矿床地面高光谱蚀变矿物特征分析[C].第四届全国青年地质大会摘要集.2019
[3].王永敏,李西灿,田林亚,贾斌,杨惠.土壤有机质含量地面高光谱估测模型对比分析[J].国土资源遥感.2019
[4].李军玲,彭记永.不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究[J].麦类作物学报.2018
[5].皮伟强.基于地面高光谱植被指数地表微斑块阈值分类[D].内蒙古农业大学.2018
[6].李园园,楚光明,牛攀新,李明艳,刘烈.基于地面高光谱遥感数据的梭梭地上生物量估算模型[J].干旱区资源与环境.2018
[7].皮伟强,杜健民,陈程,朱相兵,刘浩.基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别[J].内蒙古农业大学学报(自然科学版).2018
[8].徐海舟,周国英,臧卓,林辉,董文统.基于地面高光谱遥感的降香黄檀黑痣病病情指数反演[J].植物保护.2016
[9].王瑞军,李名松,汪冰,牛海威,孙永彬.新疆红山铜金矿床基于地面高光谱遥感找矿模型构建[J].现代地质.2016
[10].童新.基于地面高光谱遥感的科尔沁沙地植被盖度估算及生物量模拟[D].内蒙古农业大学.2016