近年来氢氟化碳HFC气体丰度不断增加，其温室潜能值巨大，对全球变暖产生影响的同时也间接造成臭氧层的破坏。国内外学者开展了广泛的地面原位测量来获取其全球丰度，同时遥感技术可以大范围、长时间、快速监测HFC气体的变化，成为该气体浓度反演的重要手段。对原位测量方法、示踪物比值法、卫星反演传感器发展和卫星反演方法4个方面的内容进行阐述，结合载荷特征分析比较不同反演方法的优缺点，最后对当前反演存在的问题和未来的发展趋势进行了讨论和展望。
近年来，为提高地物分类精度，突破单一传感器的技术擎制，弥补单一数据源应用的局限性，多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案，打破了单一传感器的技术上限，为目标三维空间—光谱信息一体化获取提供了一种新的解决途径，同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程，论述其在特征级和决策级的主要融合方法和研究进展，将常用特征级融合和决策级融合方法进行详细介绍，并对最新几种研究算法进展进行小结和概述，探讨了其面临的挑战和未来发展与应用前景，最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。
森林是世界上生产力最高的可再生自然资源之一，但由于火灾、洪水、砍伐等多种自然或人为因素干扰，森林的生态环境受到严重威胁。准确掌握林地资源变化的情况，可以为森林资源的管理与保护提供有效信息。由于林地类别及树种差异较大，在林地变化检测任务中传统的机器学习变化检测方法难以捕捉深层次语义信息，存在提取特征适应性差、识别能力弱以及因季相导致的伪变化等问题。提出以孪生残差神经网络构建深度学习模型，进行林地变化的检测实验。分别采用残差神经网络ResNet50、添加不同轻量级注意力机制如卷积注意力机制模块CBAM和压缩和激励模块SE 3种不同特征提取方法作为主干特征提取模块。3种主干特征提取网络都基于预训练权重进行训练，通过将提取的多尺度的特征图进行融合，使得不同特征图中信息粗略细节和精细细节互补，从而改善变化检测效果，同时具有相同数量的参数，共享权值的优点。以浙江省建德林场为实验区，获取2015年和2020年两期高分二号卫星影像，构建一套分辨率为1 m的林地变化检测数据集。对孪生残差神经网络变化检测的结果和真实变化标签进行比较，其中主干特征提取网络SE-ResNet50综合结果最好，精确率为0.91，召回率为0.78，F1分数为0.83，要优于主流的变化检测模型FC-Siam-conc、FC-Siam-diff。证明孪生残差神经网络在高分辨率遥感影像林地变化检测任务中能够准确捕捉林地变化，为森林资源管理部门提供了新的林地变化检测方法。
相比于传统的人工实地调查的方法，通过无人机倾斜摄影测量技术多角度拍摄提取单木树冠信息，具有高效、准确和低成本等优势。以内蒙古自治区赤峰市喀喇沁旗西南部旺业甸林场的落叶松近成熟林为研究对象，以倾斜摄影测量技术获取的无人机影像为数据源，提出一种结合可见光植被指数和分水岭算法的单木冠幅提取方法。首先通过数字正射影像计算可见光波段超绿超红差分指数；选择合理阈值对图像进行二值化，并利用中值滤波对树冠区域图进行去噪处理，分离出植被与非植被区域；以植被区域为掩膜范围对冠层高度模型进行掩膜；最后，利用分水岭分割算法提取单木树冠进行精度验证。在树冠区域提取过程中，基于超绿超红差分指数结合阈值法成功分离出植被与非植被区域；通过中值滤波有效地去除了因亮度不均、阴影及非植被区域的纹理等信息所造成的斑点和噪声，保证了树冠边缘的完整性及树冠内部的连通性，同时减少了分水岭算法的过分割现象。单木尺度上，树冠参数信息提取的准确率分别为88.72%和79.38%，召回率分别为93.29%和88.60%，
激光雷达（Light Detection and Ranging， LiDAR）在林业调查中应用广泛，但单独利用地基或无人机LiDAR难以完整描述复杂的森林垂直结构，地基和无人机的结合可以获取更完整的森林空间结构信息。对地基与无人机点云进行配准融合并提取单木主干，使用随机Hough变换分段拟合树干点云，由分段树干直径拟合削度方程并使用区分求积法计算单木材积，累加单木材积得到样地蓄积量。与二元材积模型计算值进行对比，结果表明：基于融合点云计算单木材积的精度优于地基点云，
红树林是全球净初级生产力最高的生态系统之一，其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用。快速且准确地获取大范围红树林空间分布，对于红树林资源的有效管理和开发利用具有重要意义。Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源。选取华南沿海的英罗湾和珍珠港作为实验区，利用Landsat-8 OLI影像结合归一化差异红树林指数（Normalized Difference Mangrove Index， NDMI）、综合红树林识别指数（Combined Mangrove Recognition Index， CMRI）、模块化红树林识别指数（Modular Mangrove Recognition Index， MMRI）、红树林指数（Mangrove Index， MI）和红树林植被指数（Mangrove Vegetation Index， MVI）5种指数来提取红树林分布信息，并对比5种指数用于红树林提取的效果，筛选适用于Landsat-8 OLI影像的最佳红树林提取指数。提出了结合归一化差异水体指数（Normalized Difference Water Index， NDWI）优化的红树林分布信息提取方案，以提升红树林分布信息的遥感监测能力，并应用于广西沿海大范围红树林空间分布的提取。研究结果表明：①基于Landsat-8 OLI影像和指数法可以有效提取红树林分布信息；用于提取红树林的5种指数中MVI指数的提取效果最好，CMRI指数的提取效果最差。②结合NDWI指数可以进一步提高红树林提取精度，优化后的MVI指数应用于广西沿海红树林的提取结果最佳，总体精度达到97.10%。本文提出的研究方案和红树林指数阈值范围，可为大范围红树林分布提取提供参考和决策支持。
毛竹（Phyllostachys edulis）是我国南方集约经营广泛且十分重要的森林资源之一，叶绿素含量（CCI，chlorophyll content index）是反映植物健康状况和生长情况的重要指标，实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义。本研究以毛竹为对象，基于卫星遥感影像与无人机多光谱数据，通过运用HSV（Hue-Saturation-Value）变换、GS（Gram-Schmidt Pan Sharpening）变换、PCA（Principal Component Analysis）变换3种方式，实现Landsat 8多光谱影像与无人机（UAV，Unmanned Aerial Vehicle）高分辨率单波段影像数据融合；选取8种植被指数，利用K邻近（KNN，k-Nearest Neighbor）回归、随机森林（RF，Random Forest）回归和CatBoost回归3种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型。结果表明：①就融合效果而言，GS为最优模型，其变换均值、标准差、平均梯度联合熵、空间频率均最高，分别为73.407 8、80.672 9、29.699 2、9.765 5、74.876 9；②在基于融合多光谱数据、Landsat 8多光谱数据和无人机数据验证集上，最优算法均为RF算法（R2分别为0.687 6、0.576 1、0.425 4，RMSE分别为2.918 4 μg/cm2、3.559 5 μg/cm2、3.974 5 μg/cm2）。③基于融合数据的叶绿素含量反演效果优于仅使用Landsat 8数据和无人机数据的反演效果。本研究耦合多源遥感数据实现毛竹林叶绿素含量遥感反演，可为动态监测毛竹林健康情况提供科学参考。
研究毛竹扩张机制可为推进森林资源科学经营和提升林权制度改革成效提供依据，遥感难以直接探测毛竹地下茎的生长潜向，必须依赖毛竹扩张的表面特征变化，方可监测毛竹扩张过程的变化。为此研究以竹—杉混交林为对象，选择毛竹扩张杉木林过程中遥感可量化的表观因子（林分光谱特征、林分密度、林分叶面积指数），构建表观特征综合监测模型，分析表观特征综合指数与扩张程度的内在关系，揭示毛竹向杉木林扩张过程的动态变化。其中各表观因子的获取方式为：①通过无人机多光谱影像的植被指数获得林分光谱特征和林分叶面积指数；②采用面向对象多尺度分割获取林分密度。结果表明：林分光谱特征中复合植被指数、林分密度、林分叶面积指数均随扩张程度的加深呈上升趋势，林分光谱特征中的黄色因子反之；表观特征综合指数为0.348×复合植被指数+0.054×黄色因子+0.041×林分密度+0.558×林分叶面积指数，表观特征综合指数与扩张程度呈较正相关（R2=0.574），利用表观特征综合指数指示毛竹扩张程度具有合理性，表观特征综合指数随扩张程度的加深而上升。
为探索机载点云与无人机可见光影像在乔木树种识别与分类领域的应用潜力，提出了一种多模态特征与决策混合融合的无人机单木尺度树种分类识别方法。首先使用Kendall Rank相关系数法与排列重要性分析（Permutation Importance， PI）进行特征选择，采用高效低秩多模态融合算法（Low-rank Multimodal Fusion， LMF）融合点云与影像特征。再引入集成学习，将点云、影像及融合特征分别输入Stacking集成的极限梯度提升机（eXtreme Gradient Boosting， XGBoost）、轻型梯度提升机（Light Gradient Boosting Machine， LightGBM）与随机森林（Random Forest， RF）3个基分类器，最后采用元分类器—朴素贝叶斯进行决策融合。实验数据表明：所提方法独立测试精度达99.4%，较传统的特征串联融合随机森林分类器提升了22.58%，Kappa系数提升了0.285 4。与卷积神经网络（Convolutional Neural Network， CNN）对比实验证明：所提算法在小样本训练的优势明显，且具有更好的泛化能力。
利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数（CODMn），对于区域水环境管理和丰富水质反演理论具有重要意义。以贵阳市红枫湖与百花湖为研究区，基于Sentinel-2 MSI影像和CODMn浓度数据，使用随机森林回归（RFR）、支持向量回归方法（SVR）、高斯过程回归（GPR），构建CODMn反演模型，获得2018~2020年不同时期的CODMn空间分布。结果表明：①RFR模型估算精度最高，验证集RMSE为0.222 mg·L-1，MAPE为5.84%，R2为0.841；②红枫湖CODMn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征。百花湖除了上游，整体湖区CODMn浓度较低且随时间变化不大。研究揭示了RFR模型与Sentinel-2数据在喀斯特高原深水湖库CODMn浓度反演具有良好的适用性。
以北部湾为研究对象，基于Sentinel-3A卫星搭载的OCLI水色传感器，探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区，结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子，包括波段比值、波段差值和波段差比，构建了叶绿素a浓度的遥感反演模型。研究结果表明：①北部湾海域的遥感反射率曲线呈现明显的分区的特征，结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体；②不同水体类型适用不同的反演因子构建模型，其中Rrs（764.375）/Rrs（681.25）用于近岸水体，［1/Rrs（620）-1/Rrs（708.75）］/Rrs（753.75）用于过渡水体，Rrs（708.75）-Rrs（764.375）用于离岸水体，均取得了较好的拟合效果，相应的R2值分别为0.67、0.80和0.8；③分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentinel-3A卫星OCLI数据的分区模型，成功实现了对北部湾水体叶绿素浓度的遥感反演，同时，实现了北部湾叶绿素浓度的遥感监测，并为提升海洋生态环境管理和保护提供了重要的科学依据。
针对传统河流水质监测成本高、地面监测站点稀疏等问题，基于哨兵2卫星多光谱遥感数据，结合MODIS地表温度、植被指数、气溶胶光学厚度数据产品，以及ERA5气象数据产品中的地表风速数据，以非光学活性参数溶解氧（DO）、化学需氧量（COD）和氨氮（NH3-N）的地面水质监测站的监测数据为参照，采用支持向量回归（SVR）、随机森林（RF）和多层感知机（MLP）3种机器学习方法，通过对比实验选出每种水质参数最优反演模型及其对应的输入特征组合。模型性能测试实验结果表明，利用多源遥感及气象数据反演出的DO、COD以及NH3-N的决定系数（R2）分别为0.896、0.781、0.529，均方根误差（RMSE）分别为0.263 mg/L、0.383 mg/L、0.061 mg/L。与仅使用哨兵2卫星多光谱遥感数据的反演结果相比，R2分别提高了7.04%、19.05%、18.34%，RMSE分别降低了34.58%、37.42%、14.08%。表明多源遥感及气象数据对提高DO、COD以及NH3-N水质参数反演准确性有重要意义。最后，模型鲁棒性评估实验表明，当模型训练数据的代表性与全局数据较为接近时，训练的模型具有较好的时空鲁棒性。
叶绿素a浓度可以评估海水富营养化状况，对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响，忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度，根据夜间灯光亮度和沿海叶绿素a浓度间的关系将东南沿海的城市分为3个类型，并同时结合海表温度、风速、太阳辐射、降水等自然因素，通过广义相加模型（GAM）分析不同季节下3类城市中人为和自然等多重因素对沿海叶绿素a浓度的影响。结果表明：在北海、汕头等类型Ⅰ城市中自然因素主导叶绿素a浓度的变化，春季的主导因素为风速，夏、秋、冬季为海表温度；而人类活动对叶绿素a浓度的影响较小且没有显著的影响关系。珠海、东莞等类型Ⅱ城市的叶绿素a浓度受自然因素主导，春、秋、冬季的主导因素为风速，夏季为海表温度；而人类活动在夏、秋季对沿海叶绿素a浓度有较大的促进作用。深圳、香港等类型Ⅲ城市中人为因素主导叶绿素a浓度的变化，春、夏、秋季人类活动对叶绿素a浓度的影响最大且为负相关，冬季海表温度对叶绿素a浓度的影响最大。
地下水水质污染日益加重，监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰，现有研究多数对离子化合物进行简单的定性分析，较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性，通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱（400~1 000 nm），探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法，并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现：①3种离子化合物整体反射率在波长400~1 000 nm处与含量成反比，与离子的电荷数和半径成正比；②基于主成分分析较连续投影法提取的特征谱段，构建的多元线性回归模型能够较好地反演水体离子化合物含量；③KCl最优反演模型的预处理方式为SG滤波，CaCl2和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化；④相较于传统线性反演模型，PCA-BPNN非线性模型取得了最优的反演结果，其中钾离子化合物含量反演结果最优，其训练集R2和RMSE分别达到0.996 4和248.77，测试集R2和RMSE分别达到0.998 8和156.89，研究可为地下水离子化物遥感反演提供重要的理论与技术支撑。
无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势，但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题，限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题，研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机，相机包括面向内陆水体叶绿素a反演的670和700 nm波段；利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像，并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型；将反演模型应用于多光谱影像，反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。
高分六号中分辨率宽幅相机（GF6-WFV）设计了两个红边波段，具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区，获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证，选取最优反演模型。结果表明，GF6-WFV数据新增红边Ⅰ波段（B5：710 nm）和红波段（B3：660 nm）构建的两波段比值模型反演精度较高，相关系数平方（R2）为0.89，平均相对误差（MRE）为34.71%，均方根误差（RMSE）为13.29 mg/m3。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度，研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型，在中国东部典型湖库具有较好的适用性。
植被物候是监测陆地生态系统和全球气候变化的重要生物指标。基于经典遥感植被指数的陆表物候监测在不同植被类型的精确分析方面存在较大挑战，日光诱导叶绿素荧光（SIF）可以直接反映植被实际光合作用的动态变化，能够更精确地刻画出植被的年际变异。本研究基于2001~2020年GOSIF数据集，通过D-L拟合函数和动态阈值法提取东北地区植被物候参数，结合一元线性回归分析、稳定性和持续性分析，在多时空尺度下分析2001~2020年东北地区植被物候的时空演变特征，并探讨植被物候对气候变化的响应机制。结果表明：①植被生长季开始（Start of Season，SOS）、结束（End of Season，EOS）、生长季长度（Length of Season，LOS）和生长峰值（Position of Peak，POP）整体上分别呈现出提前、推迟、延长和提前趋势；②草丛SOS提前、EOS推迟趋势较为显著，针叶林EOS提前趋势显著；SOS提前、EOS推迟导致LOS延长，除针叶林外，所有植被类型LOS均呈现出延长趋势；除草丛和草原外，其余植被类型POP均呈提前趋势；③20年来植被SOS、EOS、LOS和POP变化较为稳定，变异系数均小于0.1；④大部分区域植被SOS、EOS、LOS和POP的H值介于0.35~0.5之间，说明其变化趋势与过去相反，将呈现微弱延迟、提前、缩短和延长的趋势；⑤整体上气温和降水对植被物候的影响机制相反，即气温升高（降水增加）导致SOS和POP提前（推迟）、EOS推迟（提前）以及LOS延长（缩短）；相对湿度与植被物候参数均呈负相关关系。本研究结果有助于理解植被进行光合作用的时空格局变化及对气候变化的响应机制，也为东北地区生态环境的评估和管理提供参考。
遥感技术在重大自然灾害应急响应中发挥了重要作用，然而现有基于遥感数据的全球应急响应机制仍存在数据共享不充分、启动程序复杂、响应效率低等问题，亟需建立一个高效稳定可持续的遥感灾害应急机制。本文系统梳理了多源遥感数据在灾害应急响应中的价值和当前国际重大自然灾害应急响应机制的不足，基于大规模多源遥感数据共享资源库和一站式服务协同方法，提出了中国GEO全球重大灾害数据应急响应机制理论框架，并在汤加火山喷发和土叙地震等灾害应急响应中实际应用。通过两个代表性应用案例可以看出，该机制从数据汇集、下载、分析和应用等多方面提升了灾害应急响应服务效率，有效补充了现有机制存在的不足。新机制启动程序简化，数据汇聚能力增强，灾情评估能力更专业，共享能力更精准，有望为国际社会提供稳定可持续的共享服务。
作为增加就业、提振消费及带动区域发展的城市消费“新蓝海”，夜间经济在“后疫情时代”逐渐成为研究热点。“夜间经济集聚中心”是夜间经济发展的核心和基础，国内外鲜有研究，它作为社会经济要素，具有非均匀对称和“灰色聚集”的特点，因此无法简单套用传统地理集聚中心的识别方法。研究从夜间经济的集聚机理出发，基于“点—轴系统”理论，提出了一种夜间经济集聚中心的识别提取方法，并利用广义对称图谱解构上海市中心城区夜间经济集聚中心的空间格局及其分异机理。首次为快速准确地识别夜间经济集聚中心，科学地挖掘其空间分布特点提供了系统的方法参考，为推动夜间经济的繁荣和可持续发展提供了决策支持。结果显示：在上海市中心城区范围内，共提取了12个一级夜间经济集聚中心，26个二级夜间经济集聚区，夜间经济平均活力值分别为0.49和0.24。研究表明：①该方法能快速识别和提取夜间经济集聚中心。②上海夜间经济集聚中心呈“中心—外围”空间分布格局，交通导向性强；③基础设施完善程度和距市中心距离，是上海夜间经济空间集聚分异的主要驱动因子。④集聚中心的“色对称”空间格局，表明上海夜经济处于一种合理、可持续的发展阶段；未来规划中，可沿地铁二号线东西扩展并内部填充，亦可将集聚对称中心连接线作为发展轴，以“集聚区”的形式提升夜经济集聚效应。
快速准确获取某特种植物种植地块的面积信息对于毒品产量估算和防范毒品犯罪活动等具有重要意义。针对高分辨率遥感影像中现有某特种植物种植地块检测算法无法同时快速获取位置信息与面积信息的问题，提出了一种适用于快速准确提取某特种植物种植地块的改进PSPNet语义分割模型。通过引入通道注意力SE模块解决了某特种植物种植地块分割存在孔洞的问题，加入Dice Loss损失函数改善了正负样本不平衡的问题，引入编码器—解码器结构使提取的某特种植物种植地块轮廓边界更精确。通过使用MobileNetv2骨干网络将模型预测速度提高了90%。改进得到的I-PSPNet模型在某特种植物种植地块提取中MPA和MIoU达到95%和84%，检测效率达到84 fps。通过I-PSPNet与UNet、Deeplabv3+、PSPNet 3个模型的对比实验表明，改进模型的预测精度和速度均优于上述3个模型，其中，MPA提高了24%、7.4%和7.7%，MIoU提高了19%、4.3%和4.9%，预测速度提高了57 fps、56 fps和40 fps。同时，改进后的模型对于RGB波段数据集和GF-2影像也有着良好的适用能力。研究提出的改进模型可用于快速精准获取某特种植物种植地块位置信息和面积信息，可以为禁毒部门快速发现非法种植某特种植物种植地块，客观评估非法种植规模，实施精准打击治理毒品非法犯罪活动提供技术支撑。
2020年“后脱贫时代”，南疆四地州在全国、在新疆地区发展格局中依然属于欠发达地区，因此，对南疆四地州进行长期的经济测量和发展分析具有重要意义。但是传统的测度方式使用社会经济数据存在较大的限制。本研究利用夜间灯光遥感影像客观地反演该贫困地区的经济发展特征。选取南疆四地州为研究区，对NPP/VIIRS和DMSP/OLS数据分别进行噪声和过饱和的校正，在对两种夜间灯光数据整合的基础上，利用33个县（市）城镇用地的夜间灯光总量与第二、三产业之间的相关关系进行基于夜光数据的经济发展模型的反演，采用标准差椭圆、莫兰指数等空间分析方法综合探究2005~2020年南疆四地州经济发展时空格局特征。研究结果表明：①2005~2020年，经济重心向西北方向迁移。经济总量以东北—西南方向为主导，经济发展趋势越来越集中连片。②研究时段内一直存在较高的空间自相关性和聚集性，主要呈现H—H和L—L聚集区，经济水平越高（低）的区域越容易发生聚集现象。③南疆四地州区域经济发展冷点和热点的发生概率具有显著地方性特征。南疆四地州各区域之间的经济协同发展应成为政策重点。
利用无人机高光谱遥感数据技术快速、准确地提取典型草原植被类型，对动态监测草原生态安全具有重要的意义。为此，在退化较严重的白音锡勒牧场典型草原区，采集了空间分辨率为1.8 cm、光谱分辨率为4 nm，共有125个波段（450~950 nm）的高光谱影像。选主要退化指示种—冷蒿为识别目标，经微分变换和包络线去除等光谱变换处理，进行光谱特征差异分析发现冷蒿与其他绿色植被和背景土壤在500、550、670 nm处有明显的光谱差异，因此选择以上3个波段作为特征波段，构建了支持向量机（SVM）和随机森林（RF）的退化指示物种识别模型，并进行了精度验证。结果显示：SVM和RF的识别精度分别为96.92%和97.34%，Kappa系数分别为0.95和0.96。从结果可知，随机森林模型的识别精度更高，退化指示种的像元空间分布更接近自然状况，可以为监测典型草原退化指示种提供技术支持。
以连州地区土壤重金属含量为研究对象，分析包括土壤原始光谱在内的经过数学变换后的光谱数据与重金属含量之间的相关性，再采用VISSA-IRIV算法进行光谱特征提取，分别建立偏最小二乘回归（PLSR）、BP神经网络（BPNN）、粒子群优化BP神经网络、遗传算法优化BP神经网络模型，对比获取土壤重金属元素Cr、Cu含量最优反演模型。结果表明：VISSA-IRIV算法实现了对光谱数据的高效降维；BPNN模型预测效果明显优于PLSR模型；经过优化的BP神经网络模型反演精度和稳定性得到了极大地提升，其中Cr、Cu元素的最佳反演模型组合分别为FD-GA-BPNN（R2=0.87、RMSE=13.82、RPD=2.95）、SNV-FD-PSO-BPNN（R2=0.92、RMSE=4.25、RPD=3.41）。该研究对土壤重金属含量的准确、快速分析提供了一种有效的方法， 对实现土壤重金属污染治理具有重要的现实意义。
甘公网安备 62010202000685号
