基于珠海一號(hào)高光譜衛(wèi)星的巢湖葉綠素a濃度反演

馮天時(shí)， 龐治國(guó)*， 江 威

1. 流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室， 北京 100038

2. 中國(guó)水利水電科學(xué)研究院， 北京 100038

3. 水利部防洪抗旱工程技術(shù)研究中心， 北京 100038

引 言

近年來(lái)， 經(jīng)濟(jì)的發(fā)展與人類(lèi)活動(dòng)頻繁使得湖泊生態(tài)環(huán)境惡化愈發(fā)嚴(yán)重， 給居民的日常生活以及經(jīng)濟(jì)的可持續(xù)發(fā)展帶來(lái)阻礙。 以湖泊水質(zhì)監(jiān)測(cè)為基礎(chǔ)， 實(shí)時(shí)獲得湖泊的水環(huán)境狀況是科學(xué)評(píng)價(jià)與治理湖泊的依據(jù)[1]。 遙感技術(shù)憑借快速、 大范圍、 多時(shí)相等優(yōu)勢(shì)， 現(xiàn)已被廣泛地應(yīng)用于湖泊水環(huán)境情況的調(diào)查與監(jiān)測(cè)中。 葉綠素a是重要的水質(zhì)參數(shù)， 是藻類(lèi)植物的重要色素[2]， 可以反映不同藻類(lèi)植物的生物總量以及分布情況， 衡量水體的富營(yíng)養(yǎng)化程度。

內(nèi)陸湖泊的水環(huán)境極為復(fù)雜， 光譜特征同時(shí)受到浮游植物、 懸浮物、 有色可溶性有機(jī)物等物質(zhì)的影響， 這為獲取葉綠素a的光譜特征帶來(lái)阻礙。 現(xiàn)階段內(nèi)陸水體水色遙感理論尚未成熟， 還未有專(zhuān)門(mén)針對(duì)內(nèi)陸水體而設(shè)計(jì)的衛(wèi)星傳感器[3]， 水質(zhì)遙感仍以寬波段的多光譜遙感數(shù)據(jù)為主， 難以獲取較為精細(xì)的光譜特征， 反演精度有待提高。 人們?cè)趯?duì)湖泊遙感進(jìn)行理論創(chuàng)新， 改進(jìn)反演模型的同時(shí)也在積極找尋適合內(nèi)陸湖泊水質(zhì)參數(shù)遙感反演的數(shù)據(jù)源。 高光譜遙感在近年來(lái)取得了極大的發(fā)展， 其核心技術(shù)成像光譜儀具有“圖譜合一”的優(yōu)勢(shì)， 可在空間、 光譜等維度上獲取三維圖像立方體， 影像光譜分辨率較高， 從而能夠捕捉連續(xù)且精細(xì)的地物光譜信息[4]。

珠海一號(hào)高光譜小衛(wèi)星星座由8顆高光譜衛(wèi)星(orbita hyper spectral, OHS)組成， 衛(wèi)星的輻射性能穩(wěn)定， 信噪比低， 空間、 時(shí)間分辨率等參數(shù)優(yōu)越， 為遙感的定量分析與信息挖掘提供了優(yōu)質(zhì)的數(shù)據(jù)源。 洪韜[5]基于珠海一號(hào)OHS影像， 通過(guò)構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ瞳@取了洞庭湖葉綠素a濃度的分布， 并對(duì)太湖的水華與水草進(jìn)行識(shí)別。 李?lèi)?ài)民等[6]對(duì)天德湖的可溶性有機(jī)物進(jìn)行反演， 指出OHS影像的11波段與CDOM在440 nm處的遙感反射率具有最大相關(guān)性。 殷子瑤等[7]基于珠海一號(hào)OHS數(shù)據(jù)， 通過(guò)經(jīng)驗(yàn)回歸的方法提取了天津于橋水庫(kù)的懸浮法與透明度， 相對(duì)誤差分別為8.6%和11.7%。

多光譜遙感影像中所提取的反射率曲線(xiàn)含有的拐點(diǎn)極少， 幾乎就是一條折線(xiàn)， 因此以往的反演建模必須依靠光譜儀所采集的光譜曲線(xiàn)來(lái)確定敏感波段， 然而光譜儀價(jià)格昂貴， 易受到天氣、 水文、 地域等因素的干擾， 采集樣本有限。 OHS影像所獲取的遙感反射率曲線(xiàn)近乎平滑， 可以精準(zhǔn)地提取每個(gè)像元的光譜特征， 這一龐大的數(shù)據(jù)為反演建模、 機(jī)器學(xué)習(xí)訓(xùn)練樣本等工作提供了強(qiáng)有力的支撐， 然而珠海一號(hào)衛(wèi)星投入使用時(shí)間較短， 這些工作的具體方法有待進(jìn)一步探索。 鑒于此， 以巢湖為例， 對(duì)OHS-2A星獲取的巢湖地區(qū)影像進(jìn)行處理， 從影像中提取遙感反射率曲線(xiàn)， 進(jìn)而得到水體的光譜特征， 并由此篩選出用于建模的敏感波段， 獲取與葉綠素a濃度相關(guān)性最大的波段組合。 OIF指數(shù)是選取最佳波段組合的方法之一， OIF指數(shù)越大， 則波段間的相關(guān)性越小， 波段的標(biāo)準(zhǔn)差越大， 波段組合所含的信息量越多。 OHS影像共有32個(gè)波段， 相鄰較近的波段間往往存在一定的相關(guān)性， 因此借助OIF指數(shù)對(duì)波段組合所含有的信息量進(jìn)行對(duì)比。 最終構(gòu)建三波段模型對(duì)巢湖的葉綠素a濃度進(jìn)行反演， 給出巢湖2019年5月10日的葉綠素a濃度分布， 較好地反映了巢湖不同湖區(qū)的葉綠素a濃度情況。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概括

巢湖( 31°25′28″—31°43′28″N， 117°16′54″—117°51′46″E)位于安徽省巢湖市， 是我國(guó)五大淡水湖之一， 處于長(zhǎng)江中下游流域， 湖泊面積約為760 km2， 東西長(zhǎng)55 km， 沿湖共有河流35條， 其中較大的河流有杭埠河、 白石山河、 派河、 南淝河、 烔煬河、 柘皋河、 兆河等， 巢湖具體地理位置如圖1所示。 在過(guò)去的30多年間， 隨著巢湖周邊地區(qū)城市化的加快， 工業(yè)的發(fā)展與人口的增長(zhǎng)， 過(guò)量的工業(yè)、 生活污水排放以及無(wú)節(jié)制地消耗湖水資源導(dǎo)致巢湖的生態(tài)問(wèn)題日益突出， 每年均會(huì)出現(xiàn)大面積的水華暴發(fā)， 水體富營(yíng)養(yǎng)化程度較高的狀況[8]。

1.2 水面采樣

水華暴發(fā)時(shí)， 水體絕大部分區(qū)域的葉綠素濃度一般都超過(guò)了100 mg·m-3， 此時(shí)葉綠素a濃度已難以作為水華的預(yù)警[9]， 在水華暴發(fā)前夕或初期， 對(duì)水體的葉綠素a濃度進(jìn)行監(jiān)測(cè)可以得到水體藻類(lèi)的生物量以及水質(zhì)狀況， 對(duì)于水華預(yù)警以及有針對(duì)性的預(yù)防具有重要意義。

巢湖藍(lán)藻水華主要發(fā)生在每年的5月—11月之間， 因此在掌握了衛(wèi)星的過(guò)境日期與重訪(fǎng)周期后， 確定實(shí)地采樣日期為2019年5月10日。 該日天氣晴朗， 云量較少， 氣溶膠對(duì)水體反射的影響較小。 野外工作通過(guò)手持GPS定位測(cè)量?jī)x獲取經(jīng)緯度， 利用DSC有機(jī)玻璃采水器采集水面下深度10 cm處的水樣， 送至實(shí)驗(yàn)室采用分光光度法測(cè)量葉綠素a的濃度值， 最終獲得有效樣本12個(gè)， 其位置如圖2所示， 樣本葉綠素a濃度的均值為76.96 mg·m-3， 標(biāo)準(zhǔn)差為44.53， 表1給出了具體的葉綠素a濃度值。

圖1 巢湖地理位置示意圖

圖2 巢湖采樣點(diǎn)地理位置示意圖

表1 采樣點(diǎn)葉綠素a濃度

2 數(shù)據(jù)處理與建模

2.1 遙感數(shù)據(jù)預(yù)處理

珠海一號(hào)系列衛(wèi)星星座包含8顆OHS高光譜衛(wèi)星， 均采用掃推式成像方式， 其主要性能參數(shù)與常用的遙感數(shù)據(jù)源對(duì)比如表2所示。

使用ENVI5.3影像處理軟件， 在安裝“中國(guó)國(guó)產(chǎn)衛(wèi)星支持工具V5.3”后可以對(duì)珠海一號(hào)OHS影像數(shù)據(jù)進(jìn)行打開(kāi)與預(yù)處理。 對(duì)影像進(jìn)行幾何粗校正與輻射定標(biāo)， 得到較為準(zhǔn)確的大氣頂層輻射亮度。 水體輻射信息屬于弱信號(hào)， 因此需要通過(guò)大氣校正消除大氣對(duì)水體輻射傳輸所造成的影響， 增強(qiáng)水體輻射信號(hào)[10]。 選用FLAASH方法對(duì)影像進(jìn)行大氣校正， 充分考慮獲取影像所處的季節(jié)以及研究區(qū)的位置， 選取MLW大氣模型， 選擇820 nm標(biāo)準(zhǔn)進(jìn)行水汽反演， 并利用ENVI5.3自帶的DEM數(shù)據(jù)計(jì)算影像地區(qū)平均高程作為輸入?yún)?shù)。 最后進(jìn)行幾何精校正、 研究區(qū)裁剪并導(dǎo)入實(shí)測(cè)點(diǎn)的經(jīng)緯度， 提取相應(yīng)的光譜特征。

表2 珠海一號(hào)OHS數(shù)據(jù)源與其他遙感數(shù)據(jù)的衛(wèi)星典型參數(shù)比較

2.2 大氣校正結(jié)果驗(yàn)證與光譜特征曲線(xiàn)的提取

光譜儀實(shí)地采集的光譜特征曲線(xiàn)最為精準(zhǔn)， 但是光譜儀價(jià)格昂貴， 實(shí)際測(cè)量工作耗費(fèi)人力物力且獲取的曲線(xiàn)數(shù)量有限。 從遙感影像可提取任意像元的地表反射率， 可以極好地反映地物的光譜特征， 高光譜遙感影像的波段數(shù)較多， 可從中提取較為精準(zhǔn)的地物光譜特征曲線(xiàn)。

圖3給出了不同遙感數(shù)據(jù)源在不同內(nèi)陸湖泊所獲得的大氣校正之后的光譜曲線(xiàn)圖對(duì)比， 可以看出， 寬波段遙感影像幾乎無(wú)法獲取精細(xì)的光譜特征曲線(xiàn)， 必須依靠實(shí)測(cè)的地物光譜曲線(xiàn)才能獲取建模所需的敏感波段。 珠海一號(hào)所獲取的光譜特征曲線(xiàn)峰谷位置明顯， 在一定程度上能反應(yīng)水體組分的光譜特征， 波段范圍涵蓋了可見(jiàn)光至近紅外波段， 為葉綠素a、 懸浮物等具有明顯光譜特征的水質(zhì)參數(shù)的建模反演提供了更多的選擇。

圖3 不同遙感數(shù)據(jù)源所獲取的典型湖區(qū)光譜特征曲線(xiàn)對(duì)比

對(duì)大氣校正前后的巢湖12個(gè)實(shí)測(cè)點(diǎn)處的光譜曲線(xiàn)進(jìn)行提取， 如圖4(a)所示， 對(duì)特征波段進(jìn)行提取得到圖4(b)， 可以看到大氣校正在675 nm出現(xiàn)吸收峰， 在705 nm處出現(xiàn)熒光峰， 近紅外波段處的反射率明顯升高， 與以往巢湖水體的光譜特征研究[11]對(duì)比， 可認(rèn)為本實(shí)驗(yàn)大氣校正較為精確。 尋找光譜特征時(shí)應(yīng)盡量做到同一垂直方向上， 不同點(diǎn)光譜特征的情況盡可能的相同， 由圖4(b)可得， 600 nm前波譜曲線(xiàn)均呈現(xiàn)出“先升后降”的趨勢(shì)， 但大部分曲線(xiàn)的波峰所處波長(zhǎng)不同， 差距在2～3個(gè)波段以上， 因此難以確定出具體的波峰位置， 而在一些波段附近出現(xiàn)了較明顯的“峰谷”， 如表3所示。

圖4 珠海一號(hào)OHS影像提取的巢湖實(shí)測(cè)點(diǎn)光譜特征曲線(xiàn)

表3 巢湖水體光譜特征波段

2.3 模型建立

波段組合指將若干個(gè)波段進(jìn)行微分， 加減乘除等一系列數(shù)學(xué)運(yùn)算組合而成的有理式， 該方法可以提高波段反映地表信息的能力， 增強(qiáng)地波波段特征間的微小差異， 消除地形、 陰影和其他參數(shù)所帶來(lái)的影響， 常見(jiàn)的波段組合有單波段、 波段比值、 三波段等。

單波段模型通常使用特定波長(zhǎng)處遙感反射率光譜的一階微分值， 或者反射峰的波長(zhǎng)建模， 波段比值則是使用反演參數(shù)光譜曲線(xiàn)吸收峰與吸收谷處的遙感反射率比值建模。 以上方法是基于多光譜遙感數(shù)據(jù)波段數(shù)較少的條件下， 使用1～2個(gè)波段盡可能的體現(xiàn)出目標(biāo)反演參數(shù)對(duì)光譜特征的影響， 對(duì)于水體中其他組分的影響未能消除。 高光譜遙感數(shù)據(jù)波段數(shù)較多， 為葉綠素a濃度的反演建模提供了更多選擇， 選取多個(gè)波段的組合不僅可以突出葉綠素a的光譜特征， 也弱化了水體重其他組分的影響。 三波段模型是目前反演葉綠素a濃度精度較高的經(jīng)驗(yàn)?zāi)Ｐ停?其一般形式為

chla∝(Rrs(λ1)-1-Rrs(λ2)-1)×Rrs(λ3)

(1)

式(1)中， chla為葉綠素a濃度反演值，Rrs為遙感反射率。

模型中波段波段的選取原則： (1)λ1要求處于葉綠素a紅光波段的吸收峰處。 (2)λ2應(yīng)位于λ1附近， 對(duì)于葉綠素a的吸收較小。 (3)λ3位于水體中各組分吸收系數(shù)最小的波段附近。 OHS影像經(jīng)大氣校正后， 光譜的吸收峰谷往往會(huì)發(fā)生偏移， 且不同地區(qū)、 不同季節(jié)的湖泊水體組分光譜特征不同， 因此根據(jù)表4中的備選波段， 按序號(hào)與波段一一對(duì)應(yīng)的原則分別代入[Rrs(λ1)-1-Rrs(λ2)-1]×Rrs(λ3)-1， 驗(yàn)證不同組合與葉綠素a濃度的相關(guān)系數(shù)R2數(shù)， 依次迭代至選出現(xiàn)相關(guān)度最高的組合， 將其作為建模的反演因子。

高光譜影像必然存在著數(shù)據(jù)冗余以及波段間相關(guān)大等問(wèn)題， 因此借助最佳指數(shù)OIF來(lái)衡量波段組合所含有信息量。 OIF指數(shù)計(jì)算原理如下： 波段的標(biāo)準(zhǔn)差越大， 蘊(yùn)含的地表信息量越豐富， 波段間的相關(guān)系數(shù)越小， 表明波段間的信息冗余度小， 所含信息的獨(dú)立性高[12]， 計(jì)算式(2)所示。

(2)

式(2)中，si為第i個(gè)波段的標(biāo)準(zhǔn)差，Rij為i和j兩個(gè)波段的相關(guān)系數(shù)。

OIF指數(shù)越大說(shuō)明波段組合的信息量包含越大， 蘊(yùn)含的水體信息越多， 證明了波段組合與葉綠素a相關(guān)性較高的可信度。

2.4 模型評(píng)價(jià)

留一交叉驗(yàn)證法是每次從n個(gè)樣本中取一點(diǎn)進(jìn)行作為驗(yàn)證點(diǎn)， 剩下n-1個(gè)樣本用于建模， 以此迭代n次， 將n次檢驗(yàn)的誤差均值作為模型的誤差， 可以弱化潛在異常值帶來(lái)的誤差， 比較適合樣本點(diǎn)較少的模型評(píng)價(jià)[13]。 本研究在使用留一交叉驗(yàn)證法的基礎(chǔ)上， 借助平均相對(duì)誤差(mean relative error, MRE)和均方根誤差(root mean square error, RMSE)等統(tǒng)計(jì)參數(shù)對(duì)葉綠素a濃度的反演精度進(jìn)行驗(yàn)證， 計(jì)算公式如式(3)和式(4)所示。

(3)

(4)

式(3)和式(4)中，X為Y分別為葉綠素濃度的實(shí)測(cè)值和反演值。

3 結(jié)果與討論

3.1 模型構(gòu)建結(jié)果

將12個(gè)實(shí)測(cè)點(diǎn)全部用于建模， 最終選取效果較好的波段組合， 其OIF指數(shù)以及與葉綠素a濃度的相關(guān)性R2如表4所示。

表4 不同波段組合的OIF和R2對(duì)比

由R2可知， 可用于建模的組合序號(hào)為2， 5和6， 且他們的OIF指數(shù)較高， 且大小順序與R2一致， 這可以認(rèn)為這些波段組合與葉綠素a濃度具有較高的相關(guān)性并非偶然。 值得注意的是， OIF和R2不一定存在嚴(yán)格正相關(guān)關(guān)系， OIF是用來(lái)衡量波段組合中信息冗余量與所含地表信息量的參數(shù)， 越大則證明波段組合蘊(yùn)含更多地物信息， 對(duì)于任何一種待反演參數(shù)來(lái)說(shuō)， 波段組合的OIF較高是該波段組合與目標(biāo)反演參數(shù)相關(guān)性較高的必要不充分條件。 基于以上分析， 最終選取組合6作為構(gòu)建模型的波段組合， 根據(jù)實(shí)測(cè)樣本點(diǎn)進(jìn)行擬合， 采用線(xiàn)性擬合的方式， 擬合度為0.721 5， 模型構(gòu)建如圖5所示。

圖5 模型構(gòu)建示意圖

3.2 模型精度評(píng)價(jià)

根據(jù)留一交叉驗(yàn)證法對(duì)模型精度進(jìn)行驗(yàn)證， 最終驗(yàn)證結(jié)果得出巢湖傭綠素a濃度反演三波段模型的平均相對(duì)誤差和均方根誤差分別為19.97%和10.85 mg·m-3。 反演值與實(shí)測(cè)值的散點(diǎn)大致評(píng)價(jià)分布在1∶1曲線(xiàn)兩側(cè)， 如圖6所示。 12個(gè)樣本點(diǎn)中結(jié)果誤差在20%以?xún)?nèi)占有67%， 最小誤差為9.20%， 最大誤差發(fā)生在8號(hào)點(diǎn)， 為43.96%。 該點(diǎn)位于西巢湖的北部， 靠近入湖河流， 該地區(qū)水質(zhì)情況較差， 采樣當(dāng)天附近有漂浮藻類(lèi)植物， 水流及風(fēng)力作用可能導(dǎo)致采集水樣中含有一定的懸浮物與藻類(lèi)雜質(zhì)， 此外， 遙感影像混合像元等因素導(dǎo)致了反演值偏低。

3.3 巢湖葉綠素a濃度反演結(jié)果

通過(guò)圖5中的反演模型， 基于珠海一號(hào)遙感影像繪制出2019年5月10日巢湖葉綠素a濃度分布圖， 如圖7所示。

西巢湖的葉綠素a濃度是三個(gè)湖區(qū)中最高， 其北部沿岸地區(qū)葉綠素a濃度最高， 水質(zhì)情況較差， 間接可以說(shuō)明該地區(qū)富營(yíng)養(yǎng)化較為嚴(yán)重， 出現(xiàn)了一定面積的水華， 南部水域葉綠素a維持在50 mg·m-3以?xún)?nèi)， 中部水域葉綠素a含量較低。 中巢湖地區(qū)靠近中西巢湖分界線(xiàn)地區(qū)有少部分水域葉綠素a濃度超過(guò)了100 mg·m-3， 并由北向南呈現(xiàn)帶分布， 整體來(lái)看， 葉綠素a濃度從西北向東南逐漸降低。 東巢湖的其葉綠素a濃度均值控制在了60 mg·m-3以下， 僅在中西巢湖分界線(xiàn)以東出現(xiàn)了部分湖區(qū)葉綠素a濃度高于60 mg·m-3， 東北部地區(qū)的葉綠素a濃度最低。 巢湖葉綠素a濃度均值最高的水域位于西巢湖北部， 該地區(qū)緊鄰合肥市包河區(qū)， 有著南淝河與派河兩條入湖河流， 受生活污水、 工業(yè)廢水大量排放以及人類(lèi)活動(dòng)的影響導(dǎo)致該區(qū)域的水環(huán)境情況較差， 葉綠素a濃度較高。

圖6 模型驗(yàn)證示意圖

圖7 2019.5.10巢湖葉綠素a濃度分布

近年來(lái)， 國(guó)內(nèi)學(xué)者開(kāi)展了一系列的巢湖水質(zhì)監(jiān)測(cè)工作的研究。 汪順麗等[14]指出巢湖整體富營(yíng)養(yǎng)化程度東半湖低于西部半湖。 張民等[15]分析了2012年—2018年巢湖水質(zhì)的變化趨勢(shì)， 指出巢湖富營(yíng)養(yǎng)化由西向東逐步降低， 西巢湖的南淝河、 十五里河、 派河等入湖河流是主要污染河流。 從光譜特征曲線(xiàn)的角度來(lái)看， 當(dāng)湖泊中出現(xiàn)藍(lán)藻水華時(shí)， 湖泊葉綠素a的濃度升高， 水體的光譜特征不同于以往， 近紅外波段會(huì)出現(xiàn)顯著的植被特征， 反射率升高， 同時(shí)， 紅， 藍(lán)波段的反射率降低[16]， 圖3(b)中光譜曲線(xiàn)與以上描述較為貼近。 綜合上述分析， 可認(rèn)為本實(shí)驗(yàn)結(jié)果可以較為精確的反映巢湖的葉綠素a濃度分布狀況。

4 結(jié) 論

基于珠海一號(hào)高光譜衛(wèi)星數(shù)據(jù)， 通過(guò)提取光譜特征， 進(jìn)行波段相關(guān)性分析等構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)巢湖葉綠素a濃度進(jìn)行反演， 得出以下結(jié)論：

(1)珠海一號(hào)b14， b16， b19波段所組成的三波段模型可以較好地反演巢湖的葉綠素a濃度， 模型擬合度R2為0.721 5， 平均相對(duì)誤差為19.97%， 均方根誤差為10.85 mg·m-3。 反演結(jié)果說(shuō)明巢湖2019年5月10日的葉綠素a濃度由東向西逐漸升高， 這與巢湖周邊人口城市密度以及人類(lèi)活動(dòng)強(qiáng)弱有極大的關(guān)系。

(2)珠海一號(hào)衛(wèi)星憑借其極高的光譜分辨率獲得了更精細(xì)的水體光譜特征， OHS影像波段數(shù)多， 為模型的構(gòu)建提供了更多選擇， 其在光譜特征復(fù)雜的內(nèi)陸湖泊遙感監(jiān)測(cè)中具有一定的優(yōu)勢(shì)。 但高光譜遙感信息量巨大， 數(shù)據(jù)維度高， 影像處理困難， 從而為高光譜遙感在水質(zhì)監(jiān)測(cè)領(lǐng)域的應(yīng)用帶來(lái)一定阻礙。

(3)現(xiàn)階段高光譜遙感相關(guān)理論、 影像處理方法還未成熟， 在未來(lái)仍需借助珠海一號(hào)數(shù)據(jù)開(kāi)展更多的內(nèi)陸水體遙感監(jiān)測(cè)工作， 逐漸實(shí)現(xiàn)高光譜遙感內(nèi)陸水體監(jiān)測(cè)的業(yè)務(wù)化發(fā)展， 推出更多內(nèi)陸湖泊水質(zhì)參數(shù)產(chǎn)品。

致謝：珠海歐比特宇航科技股份有限公司提供了遙感影像數(shù)據(jù)， 巢湖地面實(shí)驗(yàn)數(shù)據(jù)出自“第一屆歐比特杯高光譜大賽”論文集中, 在此向歐比特公司對(duì)本實(shí)驗(yàn)的支持表示衷心的感謝。