导读:本文包含了光谱指数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,指数,水体,盐渍,土壤,叶面积,高温。
光谱指数论文文献综述
孙红,邢子正,张智勇,马旭颖,龙耀威[1]（2019）在《基于RGB-NIR图像匹配的作物光谱指数特征可视化分析》一文中研究指出归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°, 54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF, SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性叁个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R~2分别为0.78, 0.76, 0.74, 0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。(本文来源于《光谱学与光谱分析》期刊2019年11期）
杨嘉葳,刘成玉,舒嵘,谢锋[2]（2019）在《城市河网尺度的水体光谱指数适宜性分析研究》一文中研究指出城市地表水是城市生态环境的重要组成部分,地表水环境高光谱遥感是高光谱遥感的重要应用方向,水体提取是地表水环境高光谱遥感的第一步,其主要任务是从高光谱遥感数据中提取地表水水体轮廓。基于光谱指数的水体提取方法充分利用光谱信息,计算简单,实现容易,提取效果优异。归一化植被指数(NDVI)、归一化水体指数(NDWI)、高光谱差异化水体指数(HDWI)和基于指数的水体指数(IWI)等光谱指数已经广泛应用于湖泊、大江大河等开阔水体提取。近些年来,随着成像光谱技术的发展,高光谱遥感数据的获取能力也突飞猛进,空间分辨率和光谱分辨率不断提高。与江河湖基本在流域内沿地形分布不同,城市地表水一般细小,纵横交错,形成河网。在高光谱遥感数据用于城市体表水提取时,其面临的图像空间分辨率、地物类型和地物复杂等,与江河湖水体提取有很大不同。因此,需要对这些常用的光谱指数在城市地表水提取中的适宜性进行评价。以此做为出发点和目标,以河网密布的江南水乡中国浙江省嘉兴市为研究对象,以应用型航空成像光谱仪(Airborne imaging spectrometer for applications,AISA)获取的高空间分辨率机载高光谱遥感数据为数据源,通过Youden指数确定最佳阈值,将总体分类精度、错分误差、漏分误差、 Kappa系数作为衡量指标,分析评价了NDVI, NDWI, HDWI和IWI 4种光谱指数在城市河网提取中的适宜性。结果表明,阴影与水体光谱变化趋势类似,是造成水体提取过程中高错分误差的主要因素。四种指数都可以准确抑制落在植被中的阴影,但无法有效抑制落在建筑物中的阴影。HDWI虽然可以在一定程度上抑制建筑物中的阴影,但是无法有效地抑制亮建筑物背景。通过对不同类型水体和阴影(笼罩下地物)光谱的进一步分析,虽然水体和阴影光谱曲线变化趋势相似,均在560～600 nm附近存在波峰,但是水体和阴影波峰高度存在差异,水体波峰值较大而阴影波峰值较低。因此,通过充分挖掘水体和阴影在560～600 nm处光谱反射信息,有望进一步抑制建筑物阴影,提高城市河网水体提取精度。(本文来源于《光谱学与光谱分析》期刊2019年11期）
许鹤,潘军,蒋立军,孙也涵,仲伟敬[3]（2019）在《蔬菜作物水分胁迫遥感光谱指数构建实验研究》一文中研究指出蔬菜作物干旱程度是影响其长势及产量的关键因素,实时掌握其各生长阶段的干旱程度在农业估产、旱情监测等方面具有重要的意义。利用遥感监测技术可以快速、方便地获取作物的生长信息,对其各生长阶段的干旱程度进行实时监控和防治。通过同种小白菜在不同供水量条件下的室内实验,用ASD光谱仪实测其整个生长周期的冠层光谱。通过分析小白菜在不同供水量条件下的光谱特征,利用可分性度量方法构建归一化水分指数,实现了对小白菜整个生长阶段水分含量信息的识别;之后在已有卫星遥感器波段设置的基础上,通过可分性度量与因子分析相结合的数学方法构建两个光谱指数:生长指数(GI)和干旱指数(DI),实现了对小白菜的生长阶段及干旱程度的准确识别。室内实验直接观测得到的结果也为星载数据的使用提供了依据。(本文来源于《科学技术与工程》期刊2019年28期）
李永梅,张学俭[4]（2019）在《基于光谱指数的枸杞叶片水分含量遥感监测研究》一文中研究指出以"宁杞7号"枸杞叶片为研究对象,探讨了枸杞叶片光谱随水分含量的变化特征;分析了光谱指数与枸杞叶片水分含量的相关性并构建了叶片水分含量遥感监测模型。研究发现,可见光(500～650 nm)、近红外(900～1 360 nm)及短波红外波段(1 360～2 500 nm),枸杞叶片光谱均随水分含量的降低而升高,其中,近红外波段和短波红外波段增加趋势显着,是监测枸杞叶片水分含量的敏感波段。筛选出枸杞叶片水分含量遥感监测的典型光谱指数为全球植被水分指数(GVWI)、归一化差异水体指数(NDWI)、水分胁迫指数(MSI)、比值/归一化植被指数(R/ND)和光化/生理反射指数(PRI)。基于典型光谱指数构建的多元线性回归模型为枸杞叶片水分含量遥感监测最优模型,其预测精度达到0.750。因此,利用光谱指数监测枸杞叶片水分含量是可行的。(本文来源于《地理与地理信息科学》期刊2019年05期）
郑覃,潘军,蒋立军,邢立新,季悦[5]（2019）在《基于光谱指数的高温目标识别方法》一文中研究指出目前,高温目标遥感识别研究所采用的波段或光谱指数大多局限于定性分析,缺乏定量评价指标与筛选方法。为建立具有普适性的波段筛选原则及评判指标筛选方法,实现高温目标的有效识别,根据方差分析思想,构建可分性度量指标对高温目标与各类常温地物分别进行特征波段筛选,确定高温目标识别的若干有效波段,结合地物波谱特性构建并筛选高温目标最优识别指数。研究表明,经定量筛选综合确定的最优光谱指数能有效将高温目标与绝大多数常温地物区分开;在此基础上,再利用区分高温目标与易与其混淆的彩钢地物的最优识别指数进行二次识别,可进一步提高识别精度,高温目标2次识别精度分别为95. 4%和97. 6%。(本文来源于《国土资源遥感》期刊2019年03期）
亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞[6]（2019）在《基于分数阶微分优化光谱指数的土壤电导率高光谱估算》一文中研究指出土壤电导率与含盐量具有高度相关性,精准的土壤电导率监测有助于了解区域土壤的盐渍化程度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤电导率的最佳高光谱参数,实现土壤盐分信息的高效监测,本研究对土壤样品进行室内高光谱和电导率测定,利用两波段优化算法对简化光谱指数(nitrogen planar domain index, NPDI)进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的5种数学变换)运算下的最敏感高光谱参数,从而建立土壤电导率高光谱估算模型。结果表明:1)NPDIs与土壤电导率之间的相关性显着,在原数据及其平方根、倒数、对数倒数、1.6阶微分变换形式下,优化光谱指数对土壤电导率的敏感程度更强,相关系数绝对值均超过0.80,且基于1.6阶微分变换的(R_(2020nm)+R_(1893 nm))/R_(1893 nm)波段组合相关系数绝对值最高,达到0.888。2)基于1.6阶微分波段优化的预测模型效果最佳,预测精度为R■=0.84,RMSE_(Pre)=2.07mS/cm,RPD=2.94,AIC=158.11。因此,对高光谱数据的适当数学变换有利于优化光谱指数更好地估算土壤电导率,进一步实现土壤盐渍化高精度动态监测。(本文来源于《生态学报》期刊2019年19期）
亚森江·喀哈尔,茹克亚·萨吾提,尼加提·卡斯木,尼格拉·塔什甫拉提,张飞[7]（2019）在《优化光谱指数的露天煤矿区土壤重金属含量估算》一文中研究指出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■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(R~2),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的显着性水平上无显着相关性(|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■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NPDI_(R(1 417/1 246)), NPDI_(1/R(799/953, 825/947))、 NPDI_(sqrt-R(1 023/1 257, 1 008/1 249, 1 021/1 250, 1 020/1 247))和NPDI_(lgR(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)与其他叁个模型■和Model-d(lgR))相比,它具有最高的验证系数(R~2=0.831, RMSE=4.912μg·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NPDI_(R(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。(本文来源于《光谱学与光谱分析》期刊2019年08期）
孙奇,焦全军,戴华阳[8]（2019）在《基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演》一文中研究指出遥感是开展地面/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CI_(red-edge)4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R~2=0.70,均方根误差RMSE=22.47μg·cm~(-2)。CI_(red-edge)(R~2=0.63, RMSE=24.06μg·cm~(-2)), MNDVI(R~2=0.66, RMSE=24.07μg·cm~(-2))和MTCI(R~2=0.65, RMSE=26.76μg·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, CI_(red-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。(本文来源于《光谱学与光谱分析》期刊2019年07期）
张桂良,潘军,宋智伟,张思航[9]（2019）在《基于光谱指数的高温目标遥感自动识别方法》一文中研究指出高温目标的光谱特性与常温目标具有明显差异,可以利用短波红外波段(1.3～3.0μm)提取高温目标,但在对影像进行大面积提取时一般的提取方法的提取结果中总会夹杂大量建筑区域的彩钢屋顶干扰像元。为了解决大面积提取高温目标时彩钢屋顶易被错误提取的问题,通过模拟实验研究高温目标与彩钢屋顶的光谱特性差异,采用可分性度量指标方法,获得区分高温目标与彩钢屋顶的特征波段,建立判别指数,实现对高温目标和彩钢屋顶的区分。结果表明,该方法能够有效区分高温目标与彩钢屋顶,其区分精度能够达到96.70%。(本文来源于《北京测绘》期刊2019年07期）
亚森江·喀哈尔[10]（2019）在《基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究》一文中研究指出表层土壤水盐是土壤水盐运移模型的重要边界条件参数,准确的表层土壤水盐信息可以提高水盐运移模型的模拟与预测精度,精准的土壤水盐信息监测有助于进一步提高水盐运移模型模拟精度,对区域盐渍化防治与调控,农业可持续发展以及生态文明建设具有重要意义。为寻求预测土壤水、盐的最佳高光谱参数,实现土壤水、盐信息的高效监测,本研究使用ASD FieldSpec3高光谱仪对渭干河-库车河叁角绿洲野外取样的土壤样品进行室内高光谱测定,利用两波段优化算法对光谱指数进行波段优化,筛选不同高光谱数据(原始高光谱反射率及其对应的3种数学变换)运算下的最敏感高光谱参数,从而建立土壤水、盐高光谱估算模型。结论如下:(1)研究区土壤盐分含量以及土壤含水率离散度均较高,土壤酸碱度离散程度较弱,土壤八大离子中主要以钠离子、氯离子和硫酸根离子为主,土壤盐分成分主要就是钠盐,其中,钠离子和氯离子的相关性系数最大。(2)优化后的光谱指数与土壤水、盐之间的相关性显着,与传统的一维相关性方法相比有明显的优势,基本可以将相关性提高0.2,在高光谱建模中可以发挥很大的作用。不管在一维层面上还是二维层面上,合适的高光谱数据预处理方法都在一定程度上对提高相关性有所帮助。(3)变量重要性准则(variable importance in projection,VIP)这种在自变量相关性较强情形下应用的方法在本文中也起到了非常显着的作用,可以提高模型的效率。从估算模型的表现可以看出,基于机器学习的支持向量机模型要优于偏最小二乘模型,并且使用多个优化光谱指数构建的组合模型要优于使用单一优化光谱指数的模型。在土壤盐分估测时,SVM模型能达到最高的预测决定系数0.762。但在土壤含水率估算模型中,最高的为PLSR模型,预测决定系数为0.637,并且单一优化光谱指数模型要优于组合模型。本文得到的优化光谱参数可为快速准确寻求卫星传感器中监测干旱、半干旱地区土壤水、盐含量的最佳波段提供依据,此外,波段的优化也可以为设计特定波段的主动传感器提供理论基础,进一步减少高光谱海量数据处理的工作量,为实现土壤水盐信息的高效监测服务。最后,可以为土壤盐渍化的监测与预测以及生态调控提供相应的措施与对策,对区域生态文明建设具有重大意义。(本文来源于《新疆大学》期刊2019-06-30）
光谱指数论文开题报告
（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：
城市地表水是城市生态环境的重要组成部分,地表水环境高光谱遥感是高光谱遥感的重要应用方向,水体提取是地表水环境高光谱遥感的第一步,其主要任务是从高光谱遥感数据中提取地表水水体轮廓。基于光谱指数的水体提取方法充分利用光谱信息,计算简单,实现容易,提取效果优异。归一化植被指数(NDVI)、归一化水体指数(NDWI)、高光谱差异化水体指数(HDWI)和基于指数的水体指数(IWI)等光谱指数已经广泛应用于湖泊、大江大河等开阔水体提取。近些年来,随着成像光谱技术的发展,高光谱遥感数据的获取能力也突飞猛进,空间分辨率和光谱分辨率不断提高。与江河湖基本在流域内沿地形分布不同,城市地表水一般细小,纵横交错,形成河网。在高光谱遥感数据用于城市体表水提取时,其面临的图像空间分辨率、地物类型和地物复杂等,与江河湖水体提取有很大不同。因此,需要对这些常用的光谱指数在城市地表水提取中的适宜性进行评价。以此做为出发点和目标,以河网密布的江南水乡中国浙江省嘉兴市为研究对象,以应用型航空成像光谱仪(Airborne imaging spectrometer for applications,AISA)获取的高空间分辨率机载高光谱遥感数据为数据源,通过Youden指数确定最佳阈值,将总体分类精度、错分误差、漏分误差、 Kappa系数作为衡量指标,分析评价了NDVI, NDWI, HDWI和IWI 4种光谱指数在城市河网提取中的适宜性。结果表明,阴影与水体光谱变化趋势类似,是造成水体提取过程中高错分误差的主要因素。四种指数都可以准确抑制落在植被中的阴影,但无法有效抑制落在建筑物中的阴影。HDWI虽然可以在一定程度上抑制建筑物中的阴影,但是无法有效地抑制亮建筑物背景。通过对不同类型水体和阴影(笼罩下地物)光谱的进一步分析,虽然水体和阴影光谱曲线变化趋势相似,均在560～600 nm附近存在波峰,但是水体和阴影波峰高度存在差异,水体波峰值较大而阴影波峰值较低。因此,通过充分挖掘水体和阴影在560～600 nm处光谱反射信息,有望进一步抑制建筑物阴影,提高城市河网水体提取精度。
（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。
光谱指数论文参考文献
[1].孙红,邢子正,张智勇,马旭颖,龙耀威.基于RGB-NIR图像匹配的作物光谱指数特征可视化分析[J].光谱学与光谱分析.2019
[2].杨嘉葳,刘成玉,舒嵘,谢锋.城市河网尺度的水体光谱指数适宜性分析研究[J].光谱学与光谱分析.2019
[3].许鹤,潘军,蒋立军,孙也涵,仲伟敬.蔬菜作物水分胁迫遥感光谱指数构建实验研究[J].科学技术与工程.2019
[4].李永梅,张学俭.基于光谱指数的枸杞叶片水分含量遥感监测研究[J].地理与地理信息科学.2019
[5].郑覃,潘军,蒋立军,邢立新,季悦.基于光谱指数的高温目标识别方法[J].国土资源遥感.2019
[6].亚森江·喀哈尔,杨胜天,尼格拉·塔什甫拉提,张飞.基于分数阶微分优化光谱指数的土壤电导率高光谱估算[J].生态学报.2019
[7].亚森江·喀哈尔,茹克亚·萨吾提,尼加提·卡斯木,尼格拉·塔什甫拉提,张飞.优化光谱指数的露天煤矿区土壤重金属含量估算[J].光谱学与光谱分析.2019
[8].孙奇,焦全军,戴华阳.基于光谱指数的不同叶倾角分布下玉米冠层叶绿素含量反演[J].光谱学与光谱分析.2019
[9].张桂良,潘军,宋智伟,张思航.基于光谱指数的高温目标遥感自动识别方法[J].北京测绘.2019
[10].亚森江·喀哈尔.基于优化光谱指数的土壤盐渍化水、盐含量高光谱估算研究[D].新疆大学.2019
论文知识图
