Fast-ICA模型及其在高光谱遥感污染弱信息分离中的应用

【摘要】： 土壤污染已对中国粮食安全,可持续发展构成重大威胁。要有效遏制日益严重的环境污染,制定相应策略,必须有实时、准确、有效的监测数据为依托。而高光谱技术可以从光谱学角度分析污染胁迫下作物生化参数的变化,为污染防治决策提供有力支持。 本文运用了Fast-ICA模型分析土壤污染胁迫下作物生化参数的变化进行遥感弱信息分离与提取方法。对于高光谱数据进行独立分量分析后产生的独立分量是每个独立源信号的模拟。作物受污染胁迫后对叶绿素合成的影响会引起混合信息特征变化,因此对混合信息进行独立分量分析后产生的和叶绿素最相关分量必然携带作物受胁迫信息。 为了检验独立分量弱信息分离的有效性,对东北平原、华北平原、长江中下游平原等多个粮食主产区采集的高光谱数据进行了同种作物不同生长阶段、相同生长区域不同作物、相同作物不同生长区域三种方式的独立分量弱信息分离模型实验。在每种实验模式中首先对以425nm、670nm为中心的叶绿素吸收特征最显著波段分别进行独立分量分析,鉴于对作物高光谱数据进行独立分量分解以后产生的独立分量具有无序性,对每组样本产生的多个独立分量和野外采集的叶绿素含量进行相关分析。 实验结果表明,每组数据均会有一个或两个和叶绿素含量高度相关的分量,此分量代表作物叶绿素信息对植被光谱特征的贡献,若作物受污染胁迫,此分量必携带作物叶绿素受损信息。 为了分离该独立分量携带的污染弱信息,结合红边检测污染信息的有效性,建立独立分量、红边特征空间,对每组样本数据计算其样本的红边位置,取每组数据中红边位置最集中的波段作为特征红边波段,计算落在特征红边波段的每个样本在425nm蓝光波段和670nm红光波段独立分量的比值作为作物健康度因子,结合实验室分析的各样地土壤重金属含量,结果表明,未受重金属胁迫时健康度因子小于1;而如果植被受重金属污染胁迫时计算得出的健康度因子大于1,且污染的严重程度和健康度因子值成正比。同时独立分量弱信息提取模型对植被生长阶段变化具有相对稳定性。