![基于ENVI二次開(kāi)發(fā)的Resonon高光譜圖像拼接與幾何校正評(píng)估]( "基于ENVI二次開(kāi)發(fā)的Resonon高光譜圖像拼接與幾何校正評(píng)估")
摘要：針對(duì)推掃式成像光譜儀獲取的狹帶影像需要經(jīng)過(guò)幾何校正才能拼接形成空間二維影像的問(wèn)題，提出了基于ENVI二次開(kāi)發(fā)的高光譜推掃圖像拼接技術(shù)?；趩螒?yīng)映射建立光譜儀傾斜狀態(tài)下與正射狀態(tài)下圖像上的二維點(diǎn)之間的關(guān)系，校正由姿態(tài)變化引起的圖像畸變，結(jié)合GPS數(shù)據(jù)修正因飛行速度變化引起的狹帶重疊將校正后的狹帶影像拼接起來(lái)。在ENVI二次開(kāi)發(fā)平臺(tái)上進(jìn)行技術(shù)集成，實(shí)現(xiàn)了Resonon推掃高光譜狹帶影像的自動(dòng)校正拼接。對(duì)河北保定郊區(qū)高光譜影像的校正拼接實(shí)驗(yàn)證明，該方法與光譜儀自帶拼接軟件校正結(jié)果接近經(jīng)緯度坐標(biāo)差均在1m以?xún)?nèi)，均方根誤差約為0.7389，能夠滿(mǎn)足一般高光譜遙感應(yīng)用中的地理精度要求。研究目的：根據(jù)單應(yīng)映射原理，建立光譜儀傾斜和正射狀態(tài)下像點(diǎn)的映射關(guān)系，利用GPS/INS組合導(dǎo)航數(shù)據(jù)校正狹帶影像中的畸變，拼接成一幅完整的影像，并在ENVI二次開(kāi)發(fā)平臺(tái)上實(shí)現(xiàn)推掃狹帶影像的自動(dòng)校正和拼接。推掃成像畸變?cè)颍和茠呤匠上袷抢蔑w行平臺(tái)的向前運(yùn)動(dòng)，借助于與飛行方向垂直的掃描線(xiàn)記錄而構(gòu)成二維圖像。推掃型成像光譜儀通常采用一個(gè)垂直于運(yùn)動(dòng)方向的面陣CCD來(lái)感應(yīng)地面響應(yīng)，在飛行平臺(tái)向前運(yùn)動(dòng)中完成二維空間掃描，平行于平臺(tái)運(yùn)動(dòng)方向，通過(guò)光柵和棱鏡分光完成光譜維掃描，因此，CCD上一個(gè)點(diǎn)對(duì)應(yīng)一個(gè)譜段，一條線(xiàn)對(duì)應(yīng)一個(gè)譜面。CCD探測(cè)器每次成像是空間一條線(xiàn)上的光譜信息。為了獲得空間二維圖像，再通過(guò)機(jī)械推掃，完成整個(gè)...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：526
![通過(guò)高光譜成像利用機(jī)器學(xué)習(xí)評(píng)估麥草畏對(duì)麥草畏不耐受性大豆的農(nóng)作物損害]( "通過(guò)高光譜成像利用機(jī)器學(xué)習(xí)評(píng)估麥草畏對(duì)麥草畏不耐受性大豆的農(nóng)作物損害")
在大豆的種植中，對(duì)雜草的管理有利于作物產(chǎn)量最大化。研究發(fā)現(xiàn)麥草畏可有效防除數(shù)種一年生和多年生的闊葉雜草。然而，麥草畏噴霧偏離目標(biāo)漂移或蒸氣漂移會(huì)嚴(yán)重危害易感作物，包括麥草畏不耐受性作物。因此評(píng)估麥草畏漂移對(duì)農(nóng)作物的損害對(duì)于有效控制雜草具有重要的意義。目前，作物損害主要是通過(guò)評(píng)估生理和生化變化（葉面積，葉色，植物高度，產(chǎn)量等）來(lái)確定的。但是，這些評(píng)估需要耗費(fèi)大量的勞動(dòng)力。對(duì)于大尺度農(nóng)田的評(píng)估，則需要更快速且經(jīng)濟(jì)高效的方法。高光譜成像（HSI）可以快速掃描植物樣品且能獲得圖像中每個(gè)像素的完整反射光譜，已用于植物生理和生化特性的鑒定以及有毒金屬，鹽和病蟲(chóng)害引起的植物脅迫的檢測(cè)。同時(shí)結(jié)合許多機(jī)器學(xué)習(xí)（ML）算法，例如貝葉斯決策，最大似然分類(lèi)，K均值聚類(lèi)，隨機(jī)森林，支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)可以檢測(cè)，監(jiān)測(cè)和量化作物損害。在這篇文章中，科學(xué)家們利用Resonon Pika Ⅱ VNIR高光譜成像系統(tǒng)進(jìn)行了相關(guān)的研究，旨在：（1）了解不同麥草畏噴霧比率下生理參數(shù)，產(chǎn)量和相應(yīng)光譜響應(yīng)的變化；（2）確定適當(dāng)?shù)墓庾V特征，以評(píng)估麥草畏比率對(duì)植物的影響；（3）基于高光譜成像，使用機(jī)器學(xué)習(xí)算法建立模型，評(píng)估麥草畏比率。 1 研究區(qū)域田間試驗(yàn)于美國(guó)密西根州斯通維爾市農(nóng)作物生產(chǎn)系統(tǒng)研究農(nóng)場(chǎng)的美國(guó)農(nóng)業(yè)部農(nóng)業(yè)研究處4.5公頃的區(qū)域內(nèi)進(jìn)行。試驗(yàn)場(chǎng)布設(shè)如圖1所示。大豆于2014年5月7日播種。2014年3月下旬...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：147
Hyperspectral imaging for presumptive identification of bacterial colonies on solid chromogenic culture mediaauthor：Mathilde Guillemota,Rony Midahuena, Delphine Archenyb,Corine Fulchironb,Regis Montvernaya,Guillaume Perrina, Denis F. Leroux*a aTechnology Research Department, Innovation Unit,bioMérieux SA, Marcy l’Etoile, France； bR&D Microbiology,bioMérieux SA, La Balme les Grottes,FranceBioMérieux致力于研究自動(dòng)化微生物學(xué)實(shí)驗(yàn)室，以降低成本 (更少的人力和耗材), 提升性能 (提升靈敏度,機(jī)器算法)，并通過(guò)優(yōu)化臨床實(shí)驗(yàn)室工作流，獲得可追溯性。在這項(xiàng)研究中， 我們?cè)u(píng)估了采用高光譜成像技術(shù)（HIS）代替人類(lèi)視覺(jué)觀測(cè)微生物培養(yǎng)解讀的可能性。在顯色...
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：118
本文旨在利用高光譜數(shù)據(jù)建立一個(gè)準(zhǔn)確、可解釋的植物病害識(shí)別模型。由真菌引起的大豆炭腐病是一種嚴(yán)重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個(gè)不同的波長(zhǎng)處捕獲高光譜圖像。針對(duì)大豆炭腐病，科學(xué)家建立了3D卷積分網(wǎng)絡(luò)模型，模型分類(lèi)精度為95.73%，并利用可視化顯著圖檢驗(yàn)訓(xùn)練模型、敏感像素位置以及分類(lèi)的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的?！驹囼?yàn)方法】感染炭腐病的大豆：分別在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測(cè)量病害程度之前，實(shí)時(shí)采集健康的和收到感染的莖稈的高光譜圖像。測(cè)量?jī)x器：美國(guó)Resonon高光譜成像儀，型號(hào)：Pika XC （包含安裝支架、移動(dòng)平臺(tái)、操作軟件和2個(gè)70 w鹵素?zé)簦?。Pika XC性能：光譜通道數(shù)：240；波段范圍400-1000 nm；分辨率：2.5 nm。（a）室內(nèi)高光譜成像系統(tǒng)（b）不同光譜波段的大豆莖稈樣品高光譜圖像 （c）大豆莖稈內(nèi)外部RGB圖像病害程度比較3D-CNN模型由兩個(gè)連接的卷積分模型組成，其中，一個(gè)小的構(gòu)架用于防止訓(xùn)練模型過(guò)飽和。2個(gè)圖層（3*3mm空間維度，16個(gè)波段的光譜維度）作為第一個(gè)卷積分分層，4個(gè)3*3*16的圖層作為第二個(gè)卷積分層，修正線(xiàn)性輸入模型作為輸出層。【結(jié)果分析】1....
發(fā)布時(shí)間:
2020
-
07
-
09
瀏覽次數(shù)：185
摘要：了解再生物種的水分利用特征對(duì)于理解土壤與植物之間的相互作用機(jī)制以及指導(dǎo)水資源受限生態(tài)系統(tǒng)中的生態(tài)恢復(fù)策略具有深遠(yuǎn)的意義。盡管植樹(shù)造林是改善退化生態(tài)系統(tǒng)功能和服務(wù)的重要途徑，但對(duì)不同人工林類(lèi)型中優(yōu)勢(shì)種的水分利用特征的了解甚少。作者調(diào)查了黃土高原三種代表性人工林（三種落葉樹(shù)種刺槐、山杏和臭椿組成的混合人工林，純刺槐人工林，純山杏人工林）的植物水分利用特征。作者測(cè)量了每種人工林中優(yōu)勢(shì)種葉片的δ13C以及木質(zhì)部和土壤（400 cm）水分的δ2H和δ18O。結(jié)果表明，混合人工林中三個(gè)主要樹(shù)種在水源貢獻(xiàn)比例上表現(xiàn)出顯著的差異（P＜0.05），表明植物具有水源隔離作用。與純山杏人工林相比，混合人工林中的山杏利用更大比例的淺層土壤水，相應(yīng)地減少了對(duì)深層土壤水的消耗。然而，在不同人工林中，刺槐水分吸收比例未表現(xiàn)出顯著差異?；旌先斯ち种兄参锶~片的δ13C顯著高于純?nèi)斯ち值?。不同人工林中，刺槐葉片的δ13C與SWC呈正相關(guān)關(guān)系，而山杏中未觀察到這種關(guān)系。結(jié)果表明人工林類(lèi)型會(huì)影響植物水分利用特征，具有對(duì)人工林類(lèi)型的物種特異性響應(yīng)，以及種間競(jìng)爭(zhēng)和種內(nèi)競(jìng)爭(zhēng)之間不同的水源競(jìng)爭(zhēng)效應(yīng)。研究區(qū)域該研究是在陜西省羊圈溝流域進(jìn)行的（36°42′45″ N，109°31′45″）。該流域是黃土高原中部的黃土丘陵溝壑區(qū)。樣品采集作者于2016年植物生長(zhǎng)季節(jié)5-9月采集了植物葉片樣品用于δ13C的測(cè)定...
發(fā)布時(shí)間:
2020
-
05
-
29
瀏覽次數(shù)：216
摘要：采礦后地區(qū)受到大規(guī)模和嚴(yán)重的干擾，會(huì)對(duì)周?chē)鷳B(tài)系統(tǒng)產(chǎn)生重要的影響。原本的生態(tài)系統(tǒng)被破壞，而植樹(shù)造林可以恢復(fù)這些生態(tài)系統(tǒng)。但其成功和速度取決于所挖出棄土基質(zhì)的特性。熱紅外遙感為棄土基質(zhì)的標(biāo)測(cè)和分類(lèi)帶來(lái)了優(yōu)勢(shì)，從而確定了其特性。棄土基質(zhì)庫(kù)包含光譜發(fā)射率（Designs and Prototypes Model 102便攜式FTIR光譜儀）和化學(xué)性質(zhì)，可以促進(jìn)遙感活動(dòng)。該研究提供了從捷克共和國(guó)褐煤開(kāi)采場(chǎng)提取的棄土基質(zhì)發(fā)射率的光譜庫(kù)。通過(guò)干燥和篩分將提取的樣品均質(zhì)化。每個(gè)樣品的光譜發(fā)射率通過(guò)光譜平滑算法來(lái)確定，該算法適用于傅立葉變換紅外（FTIR）光譜儀測(cè)得的數(shù)據(jù)。同時(shí)測(cè)量了每個(gè)樣品的化學(xué)參數(shù)（pH、電導(dǎo)率、Na、K、Al、Fe、灼燒損失和多酚含量）和毒性。本文中光譜基因庫(kù)以地理坐標(biāo)的形式提供了獲取位置的有價(jià)值的信息，呈現(xiàn)的數(shù)據(jù)本質(zhì)上是唯一的，可以在長(zhǎng)波紅外電磁頻波中為許多遙感活動(dòng)提供服務(wù)。1總結(jié)露天采礦過(guò)程中，煤層上方大量的基質(zhì)被清除并重新堆放，覆蓋了廣闊的區(qū)域，這些從幾百米深處挖出的材料被稱(chēng)為棄土基質(zhì)。其物理和化學(xué)特性會(huì)發(fā)生變化，異質(zhì)性很大程度上受地質(zhì)及采礦和堆放方法的影響，由于這個(gè)原因，基質(zhì)與最近的土壤有很大的不同。它們有極端的pH值，高濃度的重金屬、多酚（即煤分解產(chǎn)物）和鹽含量。這些性質(zhì)會(huì)影響采礦后地區(qū)植被發(fā)展的成功和速度。因此，在土地...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數(shù)：84
植被冠層的光合特性是基于地球系統(tǒng)模型進(jìn)程的重要參數(shù)，可用于理解全球碳循環(huán)。然而這些地球系統(tǒng)模型缺乏光合特性連續(xù)的時(shí)空信息，導(dǎo)致了很大的不確定性，無(wú)法解釋碳的源和匯以及大氣層與陸地生物圈的交換。此外，光合速率的準(zhǔn)確表征對(duì)于重設(shè)光合作用途徑以提高作物產(chǎn)量至關(guān)重要。選擇新品種需要在給定環(huán)境中將基因型與表型聯(lián)系起來(lái)，但尚未以高通量方式實(shí)現(xiàn)，這成為植物育種的主要瓶頸之一。為此，作為全球糧食安全問(wèn)題解決方案的一部分，迫切需要光合特性高通量表征技術(shù)的進(jìn)步，這對(duì)于深刻理解全球環(huán)境變化至關(guān)重要?；诖?，作者研究了安裝在移動(dòng)平臺(tái)上的高光譜成像相機(jī)是否能解決這些問(wèn)題，重點(diǎn)研究三種主要方法-基于偏最小二乘法回歸（PLSR）的反射光譜，光譜指數(shù)以及數(shù)值模型反演，以從11個(gè)煙草品種冠層高光譜反射率估算光合特性。結(jié)果表明，基于PLSR建立的反射光譜和光譜指數(shù)模型預(yù)測(cè)Vcmax和Jmax的R2為~0.8，高于數(shù)值反演的預(yù)測(cè)結(jié)果（R2為~0.6）。與反射光譜的PLSR相比，光譜指數(shù)的PLSR預(yù)測(cè)Vcmax（R2 = 0.84 ± 0.02, RMSE = 33.8 ± 2.2 μmol m?2 s?1）的結(jié)果更好，預(yù)測(cè)Jmax（R2 = 0.80 ± 0.03, RMSE = 22.6 ± 1.6 μmol m?2 s?1）的結(jié)果相似。...
發(fā)布時(shí)間:
2020
-
05
-
28
瀏覽次數(shù)：243
摘要：本研究旨在理解不同缺水脅迫下10個(gè)水稻基本型的表現(xiàn)。記錄了不同脅迫水平下植物的相對(duì)含水量（RWC）以及在350-2500 nm范圍內(nèi)的高光譜數(shù)據(jù)。通過(guò)光譜指數(shù)，多元技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)確定最佳波段，并建立預(yù)測(cè)模型。建立了新的水敏感光譜指數(shù)，并就RWC評(píng)估了現(xiàn)有的水帶光譜指數(shù)。這些基于指數(shù)的模型可以有效地預(yù)測(cè)RWC，R2值為0.73至0.94。在350-2500 nm范圍內(nèi)的所有可能組合中，使用比率光譜指數(shù)（RSI）和歸一化光譜指數(shù)（NDSI）繪制等高線(xiàn)，并量化與RWC的相關(guān)性以確定最佳指數(shù)。光譜反射率數(shù)據(jù)（ASD Field Spec3 spectroradiometer測(cè)量）還用于建立偏最小二乘回歸（PLSR），然后進(jìn)行多元線(xiàn)性回歸（MLR）和人工神經(jīng)網(wǎng)絡(luò)（ANN），支持向量機(jī)回歸（SVR）和隨機(jī)森林（RF）模型來(lái)計(jì)算植物RWC。在這些多元模型中，PLSR-MLR被認(rèn)為是預(yù)測(cè)RWC的最佳模型，校正和驗(yàn)證的R2分別為0.98和0.97，預(yù)測(cè)的均方根誤差（RMSEP）為5.06。結(jié)果表明，PLSR是鑒定作物缺水脅迫的可靠技術(shù)。盡管PLSR是可靠的技術(shù)，但如果將PLSR提取的最佳波段饋入MLR，則結(jié)果會(huì)得到顯著改善。使用所有光譜反射帶建立了ANN模型。建立的模型未取得令人滿(mǎn)意的結(jié)果。因此，使用PLSR選擇的最佳波段作為獨(dú)立x變量開(kāi)發(fā)了模型，發(fā)現(xiàn)PLSR-ANN模型比單獨(dú)的ANN模型...
發(fā)布時(shí)間:
2020
-
05
-
25
瀏覽次數(shù)：215
土壤有機(jī)碳（SOC）源和匯之間的平衡會(huì)影響溫室氣體以及全球氣候。SOC儲(chǔ)量的微小變化會(huì)影響碳循環(huán)，并可能顯著增加或降低大氣中的碳濃度。土壤碳的變化受氣候和土地利用的影響，并且在不同土壤中也會(huì)發(fā)生變化。為了更好地理解土壤有機(jī)碳的動(dòng)力學(xué)及其驅(qū)動(dòng)因子，作者收集了華北和東北地區(qū)1980年代和2000年代的數(shù)據(jù)，其中2000年代的樣品利用ASD Fieldspec ProFR vis–NIR光譜儀進(jìn)行了漫反射光譜的測(cè)定用于土壤碳的預(yù)測(cè)，并對(duì)各個(gè)時(shí)期土壤有機(jī)碳的空間變化進(jìn)行了數(shù)字土壤制圖。在1980年代，在30公里的方格中采集了585個(gè)土壤樣品，并在2003年和2004年對(duì)該區(qū)域進(jìn)行了重新采樣（1062個(gè)樣品）。該地區(qū)土地利用類(lèi)型主要是農(nóng)田，森林和草地。土地利用，地形因素，植被指數(shù)，可見(jiàn)近紅外光譜和氣候因素作為預(yù)測(cè)因子，使用隨機(jī)森林預(yù)測(cè)土壤有機(jī)碳濃度及其時(shí)間變化。1985年平均土壤有機(jī)碳濃度為10.0 g kg-1，而2004年為12.5 g kg-1。在這兩個(gè)時(shí)期中，土壤有機(jī)碳變化相似且從南到北增加。據(jù)估計(jì)土壤有機(jī)碳儲(chǔ)量在1985年為1.68 Pg，在2004年為1.66 Pg，但是不同土地利用下土壤有機(jī)碳變化是不同的。在過(guò)去的20年中，平均氣溫升高，大面積森林和草原轉(zhuǎn)化為農(nóng)田。農(nóng)田土壤有機(jī)碳增加了0.094 Pg（+9％），而森林和草地土壤有機(jī)碳分別損失了0.089 Pg（?25％）和0....
發(fā)布時(shí)間:
2020
-
05
-
15
瀏覽次數(shù)：82
摘要：氣候變化和人類(lèi)活動(dòng)的加劇使管理農(nóng)業(yè)水資源變得更為困難，特別是與作物類(lèi)型和生長(zhǎng)階段有關(guān)的水吸收模式的變化。因此，在華北平原，作者利用全自動(dòng)真空冷凝抽提系統(tǒng)（LI-2100）將植物木質(zhì)部和土壤樣品中的水分提取出來(lái)，利用LGR水同位素分析儀（WIA-35d-EP，912-0026）測(cè)量各水體中δ18O和δ2H以研究冬小麥和夏季玉米輪作田的水分吸收模式。根據(jù)土壤含水量，利用層次聚類(lèi)分析將土壤層分為0-20 cm，20-40 cm，40-120 cm和120-200 cm。夏季玉米在三葉期（77.8%）和拔節(jié)期（48.6%）主要吸收0-20 cm土壤水，孕穗期（33.6%）和抽雄期（32.6%）主要吸收20-40 cm土壤水，吐絲期（32.0%）和乳熟期（36.7%）主要吸收40-120 cm土壤水，成熟（35.0%）和收獲期（52.4%）轉(zhuǎn)為吸收0-20 cm土壤水。冬小麥在越冬期（86.6%），幼苗期（83.7%），拔節(jié)期（45.2%），孕穗期（51.4%），抽穗期（28.8%）和成熟期（67.8%）主要吸收0-20 cm土壤水，在開(kāi)花期（34.8%）和乳熟期（25.2%）主要吸收20-40 cm土壤水。冬小麥干根重密度與水分吸收的貢獻(xiàn)呈正相關(guān)。然而，夏季玉米中未發(fā)現(xiàn)類(lèi)似相關(guān)性?；貧w分析表明冬小麥（CWU=-2.03×SVWC+92.73）和夏季玉米（CWU=-0.91&...
發(fā)布時(shí)間:
2020
-
05
-
15
瀏覽次數(shù)：152