Хуан Юй1, Бо Конг2, Цин Ван3, Сянь Лю4, Сянмэн Лю1
1 КОЛЛЕДЖ НАУК О ЗЕМЛЕ, ЧЭНДУСКИЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ, ЧЭНДУ,
PR КИТАЙ
2 ИНСТИТУТ ГОРНЫХ ОПАСНОСТЕЙ И ОКРУЖАЮЩЕЙ СРЕДЫ, КИТАЙСКАЯ АКАДЕМИЯ
НАУКИ, ЧЭНДУ, КНР
3 ОТДЕЛ ГЕОГРАФИИ И ЭКОЛОГИЧЕСКИХ РЕСУРСОВ ЮЖНОГО
УНИВЕРСИТЕТ ИЛЛИНОЙСА, КАРБОНДЕЙЛ, Иллинойс, США
4 ОТДЕЛЕНИЕ БИОЛОГИИ РАСТЕНИЙ, УНИВЕРСИТЕТ ЮЖНОГО ИЛЛИНОЙСА, КАРБОНДЕЙЛ, Иллинойс, США
Датчик | Метод | Цель | Исследовательская организация | |
---|---|---|---|---|
AHS | Анализ удаления континуума | Карьеры с бурым углем | Notesco et al. (2014) | |
AISA | Линейное спектральное разделение (LSU) | Литологическое картирование | Feng et al. (2018) | |
AVIRIS | Согласование формы спектра тетракодера система Диагностические спектральные характеристики (DSF) | Расширенные изменения глинистых руд Геотермальные минералы-индикатор | Swayze et al. (2014) Littlefield and Calvin (2014) | |
CASI/SASI | Согласованная фильтрация, настроенная на смесь (MTMF) | Изменение идентификации минералов | Zhao et al. (2015) | |
Tiangong-1 - китайская гиперспектральная камера | Устройство отображения спектрального угла (SAM) Согласованная фильтрация (MF) | Золотоносные жилы | Liu et al. (2017) | |
HyMap | DSF Метод опорных векторов MTMF | Изменения минералов, включая каолинит, монтмориллонит, серицит (мусковит/иллит), кальцит, хлорит, эпидот и гетит. Геотермальные минералы-индикаторы Карта реголит-геологии для разведки никеля Минеральные ассоциации для различения потенциальных высоко сульфидикационный эпитермальных месторождений | Molan et al. (2014) Littlefield and Calvin (2014) Boissieu et al. (2017) Carrino et al. (2018) | |
Hyperion | MTMF Линейное спектральное разделение (LSU) Согласованная фильтрация (MF) Подбор спектральных характеристик, SAM, SAM | Порфировая медь Изменение минералов золота Разведка полезных ископаемых Изменения минералов Гидротермически измененные и выветрившиеся минералы | Zadeh et al. (2014) Pour et al. (2014) Liu et al. (2016) Rani et al. (2017) Govil et al. (2018) | |
ProSpecTIR | DSF, Частичная регрессия по методу наименьших квадратов Нормирование полосы (BR), Относительная глубина полосы поглощения (RBD), Картографирование спектральной корреляции (SCM), MF | Геотермальные индикаторные минералы Нефтяные углеводороды Прямое обнаружение углеводородов | Littlefield and Calvin (2014) Scafutto et al. (2017) Asadzadeh and Filho (2016) | |
SEBASS | MTMF LSU MF | Породообразующие минералы Литологическое картирование Метановые шлейфы | Riley et al. (2017) Feng et al. (2018) Scafutto et al. (2018) | |
Specim - гиперспектральная система | Визуальный осмотр SAM SAM SAM | Поле кристаллов трехвалентного железа, Кварц и полевые шпаты, Каолинит, кальцит, доломит, кварц, полевые шпаты, и гипс, Изменения горных пород, вызванные углеводородами. | Murphy et al. (2014) Notesco et al. (2015) Notesco et al. (2016) Sun and Khan (2016) | |
WorldView-3 | BR, RBD, SCM, MF | Прямое обнаружение углеводородов | Asadzadeh and Filho (2016) |
Исследовательская организация | Датчик | Метод | Заключение |
---|---|---|---|
Ben-Dor et al. (2002) | DAIS | Анализ в видимом и ближнем инфракрасном диапазоне (VNIRA) | Метод VNIRA был многообещающей стратегией количественного картирования поверхности почвы, более того, метод можно было бы даже улучшить, если бы использовались данные HRS более высокого качества. |
Dehaan and Taylor (2003) | HyMap | Выпуклая геометрия | Спектральные конечные элементы, не связанные со снимками, могут составить карту индикаторов засоления как почвы, так и растительности. |
Shrestha et al. (2005) | HyMap | Линейное спектральное разделение (LSU) | LSU предоставил более реалистичные результаты для картирования «пустынных» особенностей поверхности, чем метод сопоставления спектральных углов. |
Farifteh et al. (2007) | HyMap | Частичная регрессия наименьших квадратов (PLSR), искусственная нейронная сеть (ANN) | Связь между засолением почвы и отражательной способностью почвы можно аппроксимировать линейной функцией. |
Weng et al. (2008) | Hyperion | PLSR, ступенчатая регрессия (SWR) | Метод PLSR оказался более подходящим методом, чем пошаговая регрессия, для количественной оценки содержания солей в почве на большой территории. |
DeTar et al. (2008) | AVNIR | Множественная линейная регрессия (MLR) | Некоторые свойства почвы можно было точно обнаружить с помощью дистанционного зондирования с воздуха на почти голых полях, и можно было создать карту почвы размером с ферму с высоким разрешением, показывающую распределение этих свойств в поле. |
Dutkiewicz et al.(2009) | HyMap,Hyperion,CASI | Частичное спектральное несмешение | Гиперспектральные изображения могут улучшить различение растительных и минеральных индикаторов поверхностного засоления и потенциально могут улучшить традиционное картирование почв и засоления на основе мультиспектральных спутниковых изображений и интерпретации аэрофотоснимков. |
Weng et al. (2010) | Hyperion | Одномерная линейная регрессия | Спутниковые гиперспектральные данные могли предсказать содержание солей в почве на большой территории. |
Wu et al. (2010) | Hyperion | SVM | Процедура оценки степени деградации земель была осуществимой, а алгоритм SVM оказался эффективным методом картирования деградации земель. |
Ghosh et al. (2012) | Hyperion | LSU | Различные классы серьезности засоленных почв можно надежно картировать с помощью анализа LSU. |
Hamzeh et al. (2013) | Hyperion | Линейное регрессионное моделирование | Засоленность почвы можно было оценить с помощью спутниковых гиперспектральных индексов растительности, но проверка полученных моделей на независимых данных была важна для выбора лучшей модели. |
Zhang et al. (2014) | Hyperion | PLSR | Изменение содержания Ca21 соответствовало отложению солей. Корреляция между содержанием Ca21 и отражательной способностью соответствовала эволюции соленого озера. |
Li et al. (2014) | HJ1A | Классификация дерева решений | По сравнению с мультиспектральными данными, гиперспектральные изображения могут быть более точными и эффективными для извлечения информации о засолении земель. |
Lei et al. (2014) | HJ1A | MLR | Как измеренная модель гиперспектрального мониторинга засоления почвы, так и модель инверсии засоления почвы с помощью изображения HRS имели хорошую точность. Модель мониторинга засоления почвы с коррекцией изображения HRS могла бы лучше повысить точность модели в условиях мониторинга засоления почвы в региональном масштабе, и использование этого метода для проведения количественного дистанционного мониторинга засоления почвы было осуществимо. |
Kumar et al. (2015) | Hyperion | Корреляционный анализ момента продукта Пирсона (PPCA), SWR | Данные HRS показали возможность оценки степени засоленности почв на большой территории, что может быть полезно для определения территорий для проведения мелиоративных мероприятий и планирования управления. |
Li et al. (2015) | HJ1A | Нормальный индекс реакции на содержание солей в почве, скорректированный индекс засоления почвы | Новый метод значительно повысил точность картирования содержания соли в почве, а данные HRS можно было использовать для точного картирования содержания соли в почве и они подходили для мониторинга содержания соли в почве в больших масштабах. |
Moreira et al. (2015) | Hyperion | SVM | По сравнению с Operational Land Imager (OLI), узкополосные индексы засоления Hyperion дали меньшую среднеквадратическую ошибку для оценок засоления почвы и лучшее распознавание засоленных и незасоленных почв с использованием классификации SVM. |
Hamzeh et al. (2016) | Hyperion | SVM, SAM, минимальное расстояние, максимальная вероятность | В ходе исследования оценивалась возможность использования гиперспектральных и мультиспектральных спутниковых изображений для категориального и количественного картирования стресса засоления на полях сахарного тростника. Был сделан вывод, что категориальное картирование стресса засоления является лучшим вариантом для мониторинга сельскохозяйственных полей. |
Neto et al. (2017) | ProSpecTIR, HyspIRI | PLSR,Обычные наименьшие квадраты, многослойный перцептрон, машина для экстремального обучения | В ходе исследования подтверждена применимость изображений, полученных с помощью гиперспектрального бортового датчика, для попиксельной оценки содержания солей в почве, Производительность узкополосных датчиков для оценки содержания солей в почве была лучше, чем производительность широкополосных инструментов. |
Liu et al. (2018) | CASI | Общая линейная модель | Подход принудительной инвариантности позволил повысить точность определения засоления почвы на глубине 10 см. Следовательно, метод подавления растительности потенциально может улучшить количественную оценку свойств почвы с помощью многомерных статистических методов. |
Исследовательская организация | Датчик | Метод | Заключение |
---|---|---|---|
Chabrillat et al. (2002) | AVIRIS, HyMap | Согласованная фильтрация, настроенная на смесь | Такие гиперспектральные методы дистанционного зондирования, наряду с скромными полевыми и лабораторными анализами, могли бы облегчить создание карт опасностей, связанных с глинами, при условии, что почвы будут адекватно обнажены. |
Selige et al. (2006) | HyMap | Частичная регрессия наименьших квадратов (PLSR) и множественная линейная регрессия | Предложенная методология обеспечила средства одновременной оценки органического вещества и текстуры верхнего слоя почвы быстрым и неразрушающим способом, избегая при этом проблем пространственной точности, связанных с пространственной интерполяцией. |
Gomez et al. (2008b) | HyMap | Анализ удаления континуума (CRA), PLSR | Авиационные гиперспектральные данные VNIR/SWIR, обработанные методом PLSR, позволяют точно картировать содержание глины и CaCO3, что внесет значительный вклад в цифровое картирование свойств почвы. |
Lagacherie et al. (2008) | HyMap | CRA | Качество оценок глины и CaCO3 снизилось при переходе от лабораторных к воздушным масштабам. Основными факторами, вызывающими неопределенности в оценках, были неопределенности радиометрии и калибровки длины волны бортового датчика, а также возможные остаточные атмосферные эффекты. |
Hively et al. (2011) | HyperSpecTIR | PLSR | 13 из 19 свойств почвы были предсказаны с помощью R2. 0,5, включая песок, ил и глину. |
Gomez et al. (2012) | HyMap | PLSR | Четыре из восьми свойств почвы (CaCO3, железо, глина и катионообменная способность) подходили для картирования с использованием гиперспектральных данных, при этом наблюдались как точные локальные прогнозы, так и хорошее представление пространственных структур. |
Casa et al. (2013) | MIVIS, CHRIS- PROBA | PLSR | Несмотря на отсутствие диапазонов SWIR и более низкое пространственное разрешение, CHRIS продемонстрировал сопоставимый потенциал с MIVIS с точки зрения точности и способности прогнозировать текстуру почвы (глина, ил и песок). |
Garfagnoli et al. (2013) | Hyper SIM-GA | CRA, PLSR | Сравнение карт глины, полученных с помощью гиперспектральных данных, и соответствующих интерполяций измеренных значений содержания глины, взвешенных по обратному расстоянию (IDW), показало, что результаты были обнадеживающими и надежными. |
Ciampalini et al. (2015) | Hyper SIM-GA | Слияние данных | Показана возможность объединения данных относительно недорогих и эффективных методов зондирования для создания надежных карт содержания глины с высоким разрешением. |
Dutta et al. (2015) | AVIRIS | Анализ в видимом и ближнем инфракрасном диапазоне | Этот подход оказался осуществимым и позволил получить представление о точности и неопределенности подхода к текстурным свойствам почвы (песок, ил и глина). |
Castaldi et al. (2015) | PRISMA | PLSR | Априорное знание класса влажности почвы могло бы уменьшить ошибку оценки глины при использовании данных HRS. |
Castaldi et al. (2016) | Hyperion, EnMAP, PRISMA, HyspIRI | PLSR | Гиперспектральные данные предстоящих спутниковых миссий могут незначительно улучшить картографирование и мониторинг текстуры почвы по сравнению с нынешними сканерами. |
Kanning et al. (2016) | AISA | PLSR | Обеспечение экономически эффективной возможности пространственного прогнозирования параметров почвы. Адаптация к гиперспектральным спутниковым данным позволит провести районирование почв на более крупных площадях. |