科研成果论文系列十：刘湘南科研组新近发表的SCI论文

2014-12-11     发布：[信息工程学院]Admin    点击：11次

1、石英-铁镁质矿物光谱特征空间：利用ASTER热红外数据提取长英质岩石的方法

长英质岩石是一类重要的岩石类型，但目前没有专门的遥感识别方法。考虑到长英质岩石的矿物组成和光谱特征，以QI和MI构建了二维的光谱特征空间。在这个空间中，不同的地物得到了较好的区分。整体而言，地物呈三角形聚类特征，铁镁质-超铁镁质岩，碳酸岩和石英岩分布于三角形的三个顶点附近，长英质岩位于中心附近。硅酸岩类岩石在此空间中呈带状分布，可通过线性回归的95%置信带求得线性带的上下边界，不同的岩性在此线性带中呈渐变趋势。通过对长英质岩样点的数值统计，得到了其在MI和QI上的最大值和最小值。代表最大值和最小值的直线与线性带的边界得到四个临界点。四个临界点的连成的多边形能很好的描绘长英质岩在特征空间中的聚类特征。多边形的四条边界对应的方程组成了一个不等式组，通过解不等式组就可以将长英质岩石提取出来。采样点的结果表明，85%的长英质岩石可以通过该方法提取出来。将此不等式组，通过GIS中叠加分析的布尔运算，对ASTER影像进行分析，得到研究区的长英质岩分布，通过与地质图对比，证明提取精度较高。

 相关研究成果发表在：

Chao  Ding, Xuqing Li, Xiangnan  Liu*,  Liting Zhao.  Quartzose–mafic spectral feature space model: A methodology for extracting felsic rocks with ASTER thermal infrared radiance data. Ore  Geology  Reviews,  2015,66:  283？292.

2、水稻砷胁迫下冠层叶绿素含量微小变化的敏感高光谱指数

砷胁迫会导致水稻冠层叶绿素含量的微小变化，因此建立一个对冠层叶绿素含量微小变化敏感的光谱指数对于利用遥感手段大区域监测水稻砷胁迫尤为重要。

本研究选定吉林省长春市三个砷积累程度不同的区域作为实验区，运用复合植被指数NDSI(x, y) = (y + x)/(y ？ x)、比值植被指数RSI(x, y) = x/y、结构植被指数NVI(x, y) = (y ？ x)/(y ？ z)以及随机森林叶绿素反演模型和其它同类指数，创建了一个估测冠层叶绿素含量的指数NVI=(R752-R732)/(R732-R640)，对于水稻砷胁迫下冠层叶绿素含量的变化最为敏感。利用这个指数估测叶绿素含量变化从而对砷胁迫程度进行分级，监测砷胁迫污染状况。

 相关研究成果发表在：

Li, X.Q., Liu, X.N. *, Liu, M.L., Wang, C.C., Xia, X.P..A hyperspectral index sensitive to subtle changes in the canopy chlorophyll content under arsenic stress. International Journal of Applied Earth Observation and Geoinformation ,2015, 36: 41–53.

3、基于遥感信息与WOFOST模型同化的水稻镉污染水平动态监测模型

土壤重金属污染对作物根系的生长将产生直接影响，利用遥感与作物生长模型同化可获取水稻根重WRT（Weight of Root）的变化，进而动态监测水稻重金属污染胁迫状况。在WOFOST (World Food Study）作物生长模型中嵌入重金属胁迫因子，模拟重金属积累对水稻生长参数的影响。以2块不同污染水平的水稻种植区为研究对象，以叶面积指数LAI（Leaf Area Index）为结合点，通过粒子群优化算法PSO（Particle Swarm Optimization）实现WOFOST模型与CCD遥感数据的同化。将同化后获取的胁迫因子重新输入WOFOST模型中，逐像元驱动作物模型进行水稻根重的时空域连续模拟。整个生长期内污染严重区域水稻根重比污染较轻区的水稻根重低，采样点内根重比值（胁迫区/非胁迫区）为0.883-0.988，均值为0.908，从140天至200天，根重比值下降至最低。结果表明，重金属污染对水稻根重有较明显影响，该方法能够在水稻生长的早期就监测到重金属污染胁迫。

相关研究成果发表在：

Liu, F., Liu, X.N. *, Zhao, L.T., Ding, C., Jiang, J.L., Wu, L., 2014. The Dynamic Assessment Model for Monitoring Cadmium Stress Levels in Rice Based on the Assimilation of Remote Sensing and the WOFOST Model. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, (Online)

4、基于小波-分形技术分析高光谱数据反演的水稻LAI空间尺度误差

叶面积指数（LAI）是定量监测农作物生长状态的基础参量，同时也是生态学模型和地表-大气交互模型的重要参数。然而，LAI反演模型的非线性以及遥感数据的空间异质性会引起LAI空间尺度转换误差，即尺度误差。本文基于小波-分形技术对单变量（MSAVI）以及双变量（红光波段、近红外波段）的多种LAI反演模型（统计模型、物理模型）结果进行尺度误差评估与修正。结果表明，在双对数坐标下，高频系数和分维数能很好地估测尺度误差；小波-分形可以有效分析并调整误差，该方法具有可行性和普适性。

相关研究成果发表在：

Jiang, J.L., Liu, X.N. *, Liu, C.H., Wu, L., Xia, X.P., Liu, M.L., Du, Z.H.,. Analyzing the Spatial Scaling Bias of Rice Leaf Area Index From Hyperspectral Data Using Wavelet–Fractal Technique. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. (Online)