北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

高光谱成像技术在监测物种入侵上的应用

日期: 2016-09-05
浏览次数: 124

INVASIVE SPECIES MAPPING USING LOW COST HYPERSPECTRAL IMAGERY 

Steven Jay1 – Research Assistant

Dr. Rick Lawrence1 – Associate Professor

Dr. Kevin Repasky2 – Associate Professor

Charlie Keith2 – Research Assistant

1Department of Land Resources and Environmental Science Montana State University – Bozeman

2Department of Electrical & Computer Engineering Montana State University – Bozeman 128 AJM Hall Montana State University Bozeman, MT 59717

 

入侵物种的监测长久以来是一个耗时、昂贵且无效的工作。遥感是监测入侵物种的一种手段,然而,由于经费、时间和准确度的问题,限制了这种方法。

 

本研究评估了一款性价比较高的高光谱成像仪监测并区分坐落在草地生态系统的乳浆大戟(Euphorbia esula)。从2008年夏季开始每周搜集地面图像,以识别乳浆大戟可以被准确监测和成像的物候期。高光谱成像仪获取的每周图像同时可用于评价时间序列分类,而传统的方法需要花费大量经费。本研究使用了随机森林模型进行图像分类,分类准确度与使用传统实验室分析手段获取的数据进行了原始匹配,多重时间分类可以提高分类准确度。将来的研究将配合该设备在无人机或低空飞行器上进行低成本且有效的入侵物种监测。

 

研究对象:

乳浆大戟:欧亚大陆入侵植物,有毒。它生长在矿物裸土中,在牧场、荒地、休耕农田泛滥,急需管理措施减小放牧和农田损失,传统的除草剂方法无效,放羊或者人工除草较有效。

 

传统方法监测中的问题:

使用地面观测方法较难监测且价格昂贵,因此对于管理措施的效果评价较难。GPS结合GIS的手段对于监测和制图较有效,但是需要很大的经费和技术支持。

遥感手段成为研究入侵植物的一种广泛使用的方法,由于影像可以覆盖较大研究区域,可以获取地面调查所没有调查到的版块数据。但是绘图相对成本较高,且有些卫星传感器的空间分辨率和光谱分辨率低,时间分辨率有限,准确度有问题,且数据分析和整合要求强大的技术团队。

 

遥感方法监测入侵物种:

  • 高光谱分辨率,低空间分辨率——高光谱传感器

搜集大量的光谱信息,但是价格贵、数据处理难,限制了应用

  • 高空间分辨率,低光谱分辨率

随机森林分类模型被用于对多光谱和高光谱图像进行分类。适用于均匀植物群落,以及混合植物群落。

多时期的高光谱图像数据可以反映植物的物候期。

 

研究方法:

仪器选择:

Pika II(美国Resonon公司)

400-900nm,分辨率:2.1nm,位深度:12,帧频:60/s

隔7-10天获取一张图像(均在上午9-11点拍摄),共获得11幅图像

参考布:2x2m,3块蓝色参考布,像元分辨率5cm

 

如何测量?

PIKA II:用三脚架固定在山顶上,人工定时拍摄山谷区域的高光谱图像

地面实测:随机设置35个参考点,小旗子标记,GPS信息,

1m样方调查,植被密度,0-174株/m2

应用高光谱成像技术监测物种入侵

 

应用高光谱成像技术监测物种入侵

像元分辨率:通过测图像中的参考点和实测GPS位置间的像元数量来计算;

分辨率检验:通过2x2m参考布获得的像元来检验;

原始数据:提取和平均参考布向外0.5m半径内的像元作为练习数据;

使用random forest 算法分析每张图像,处理每个像元,区分为有大戟出现的和无大戟出现的,像元与原始位置进行匹配,绘制了有大戟和无大戟出现的图像区域;

单一时间图像分类:在使用这一技术监测草场的大戟具有一定成效,11幅不同时间获取的估算精度是在72%-95%,估算的最佳时间是在7月初,此时大戟的开花期到达顶峰,后期就开始衰老,早期难以辨识。

 

结论:

1. 本研究的初步结论非常有前景,因为单独一天的数据可与其他高光谱测量数据相匹配,对现有的分析进行进一步研究并减小误差将会使得研究结果更加有价值。

2. 这种高性价比的高光谱传感器的发展将会成为高光谱遥感科学的突破,并将为高光谱数据的应用扩展新天地。

3. 准确、耐用、和低成本的高光谱传感器将为潜在的多时间尺度的高光谱分析和多平台(如无人机和轻型飞机)应用提供更广阔的机遇。

查看原文献:

Invasive species mapping using low cost hyperspectral imager

应用高光谱成像技术监测物种入侵

7766e5c1cb7e4606aab3124d9b6ba74f.pdf (931.07 KB)


News / 相关新闻 More
2022 - 01 - 24
改进积雪密度的估计是目前雪研究的一个关键问题。表征密度时空变异性对于水当量的估算、水力发电和自然灾害(雪崩洪水等)的评估至关重要。高光谱成像是一种监测和估计其物理特性的有前途且可靠的工具。事实上,雪的光谱反射率在一定程度上受其物理特性变化的控制,尤其是在光谱的近红外(NIR)部分。为此,已经设计了几种模型根据光谱信息估算积雪密度。然而,还没有一个实现满意的结果。主要困难之一是积雪密度和光谱反射率之间的关系是非双射的(满射的)。事实上,几个反射振幅与相同的密度相关,反之亦然,所以密度和光谱反射率之间的相关性可能非常弱。基于此,为了解决该问题,本研究中提出了基于光谱数据的积雪密度估计混合模型。主要研究目标是利用高光谱NIR成像(PIKA NIR,RESONON Company)(900-1700 nm)以5.5 nm的光谱分辨率测试混合模型(HM)估计季节性积雪密度的性能。混合模型结合了一个分...
2022 - 01 - 20
PROSDM:PROSPECT模型与光谱导数和相似性度量相结合从双向反射率中提取叶片生化性状的适用性叶片生化性状为理解植物光合功能、动态生长、养分循环和初级生产提供了有价值的信息。叶片叶绿素含量(Cab)、类胡萝卜素含量(Cxc)、含水量(Cw)和干物质含量(Cm)是四个重要的叶片生化性状,与植物光合作用、氮素、胁迫和衰老等健康和生长状态密切相关。能够对这些叶片生化性状进行高通量测量的方法对于表征植物生理状态和关键功能过程至关重要。PROSPECT模型是目前最常用的叶片辐射传输模型之一,可从叶片定向半球反射因子(DHRF)光谱来提取叶片生化性状,然而,在应用于叶片双向反射因子(BRF)光谱提取叶片生化性状方面尚待探索。叶片表面反射率和各向异性性状的存在可能是限制PROSPECT从叶片BRF光谱评估叶片生化性状的主要问题。基于此,在本研究中,研究者们提出了一个方法,整合了PROSPECT模型...
2022 - 01 - 18
生态系统呼吸(Re)和甲烷(CH4)通量是两个重要的土壤-大气碳交换过程,已经在局地尺度上得到充分记录。然而,在流域尺度上,对青藏高原多年冻土区这些过程的空间格局和控制因素尚不清楚。基于此,为了填补研究空白,在本研究中,来自四川大学、中国科学院成都山地灾害与环境研究所、山西农业大学、中国科学院西北生态环境资源研究院和西南民族大学青藏高原研究所的研究团队在青藏高原风火山(34°40′-34°46′ N和92°50′–92°62′ E;4580-5410 m a.s.l.;图1a)测量了两个生长季节(2017年和2018年)不同坡向(北向(阴坡)和南向(阳坡))和不同海拔(低、中和高坡位)的生态系统呼吸(Re)和CH4通量,旨在阐明青藏高原草地流域尺度的Re和CH4通量模式并量化生物和非生物因子调节Re和CH4通量的相对贡献。作者利用LGR UGGA便携...
2021 - 01 - 15
全球气候变化引起的预计人口增长以及土地和农业资源可利用性的压力使未来几十年全球粮食供应的需求增加。提高光合作用能力已成为实现作物增产的目标。目前,测量光合作用的方法是耗时的且具破坏性的,这会减慢鉴定具高光合能力的农作物种质的研究和育种工作。作者在1分钟内收集样地(~2 m×2 m)向阳叶片像素的高光谱反射率以量化光合作用参数和色素含量。在两个生长季节(2017年和2018年)利用田间生长的经基因改变了光合途径的烟草,建立了8个光合参数和色素性状的预测模型。利用偏最小二乘法(PLSR)分析可见近红外(400-900 nm)光谱相机测得的植物反射像素,预测了Rubisco最大羧化速率(Vc,max,R2=0.79)和最大电子传递速率(J1800,R2=0.59),最大光饱和光合作用(Pmax,R2=0.54),叶绿素含量(R2=0.87),叶绿素a/b(...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

深圳办事处:

地址:深圳市宝安区创业二路玖悦雅轩商业裙楼3层瑞思BEEPLUS 3029室 手机:13910499772

武汉办事处:

地址:武汉市洪山区民族大道124号龙安港汇城A座1108 手机:13910499761


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开