高光谱遥感原理技术与应用精选(九篇)

第1篇：高光谱遥感原理技术与应用范文

关键词：遥感岩石矿物识别；矿化蚀变信息提取；地质构造信息提取；植被波谱特征；多光谱遥感技术；高光谱遥感技术；遥感生物地球化学技术；地质找矿

中图分类号：TP7文献标识码： A 文章编号：

一、遥感技术的地质应用

地质是指地球的性质和特征。主要指地球的物质组成、结构、构造、发育历史等，包括地球的圈层分异、物理性质、化学性质、岩石性质、矿物成分、岩层和岩体的产出状态、接触关系，地球的构造发育史、生物进化史、气候变迁史，以及矿产资源的赋存状况和分布规律等。遥感图像提供了大量的地质信息，包括矿产和环境地质信息，利用这些信息，可以使地质工作者预先熟悉工作区的地质情况，科学决策拟投入的工作量、工作方法和研究目的。所谓遥感地质制图就是利用遥感的方法完成地质图的绘制。分为航天遥感地质制图和航空遥感地质制图。

1、航天遥感地质制图

航天遥感是指以航天器为传感器承载平台的遥感技术。航天遥感实践中，针对具体应用需求，选择不同的传感器，如成像雷达、多光谱扫描仪等，通过卫星地面站获取合适的覆盖范围的最新图像数据，利用遥感图像专业处理软件对数据进行辐射校正、增强、融合、镶嵌等处理。同时，借助应用区域现有较大比例尺的地形数据，对影像数据进行投影变换和几何精确纠正，并从地形图上获得主要地名点、主干构造、底层、岩体，以及矿床矿点、物化探异常信息，进行相应的标注和整饰，制作地质数字正射影像图。

2、 航空遥感地质制图

所谓航空遥感是指以航空器如飞机、飞艇、热气球等为传感器承载平台的遥感技术。根据不同的应用目的，选用不同的传感器，如航空摄影机、多光谱扫描仪、热红外扫描仪、CCD 像机等，获取所需航摄像片和扫描数据进行地质制图。实践表明，遥感地质制图是一项新技术，不仅有它的优点而且也有它的缺点。遥感地质制图比常规的地质制图节省了大量的野外工作量，而且对客观现象的表示优于常规地质图，其主要的优势在于周期短、成本低。但是，因为野外工作量少，也带来一定的缺点。例如地质观测点的数量、样品种类和数量、地层和构造产状等不如常规地质图详细充实。

二、遥感技术的找矿应用

1、直接应用———遥感蚀变信息的提取岩浆热液或汽水热液使围岩的结构、构造和成分发生改变的地质作用称为围岩蚀变。围岩蚀变是成矿作用的产物，围岩蚀变的种类（组合）与围岩成分、矿床类型有一定的内在联系，围岩蚀变的范围往往大于矿化的范围，而且不同的蚀变类型与金属矿化在空间分布上常具规律可循，因此，围岩蚀变可作为有效的找矿标志。

1.1 蚀变遥感异常找矿标志围岩蚀变是热液与原岩相互作用的产物。常见的蚀变有硅化、绢云母化、绿泥石化、云英岩化、夕卡岩化等。

1.2 信息提取的实现与地物发生反射、透射等作用的电磁波是地物信息的载体，地物的光谱特性与其内在的物理化学特性紧密相关，物质成分和结构的差异造成物质内部对不同波长光子的选择性吸收和反射。具有稳定化学组分和物理结构的岩石矿物具有稳定的本征光谱吸收特征，光谱特征的产生主要是由组成物质的内部离子、基团的晶体场效应或基团的振动效果引起的。各种矿物都有自己独特的电磁辐射，利用波谱仪对野外采样进行光谱曲线测量，根据实测光谱与参考资料库中的参考光谱进行对比，可以确定出样品的吸收谷，识别出矿物组合。根据曲线的吸收特征，选择合适的图像波段进行信息提取。根据量子力学分子群理论，物质的光谱特征为各组成分子光谱特征的简单叠加。传感器在空中接收地表物质的光谱特性，因为探测范围内有干扰介质存在（白云、大气、水体、阴影、植被、土壤等），因此，在进行蚀变矿物信息提取时，根据干扰物质的光谱曲线出发，进行预处理消除干扰。目前遥感找矿蚀变异常信息的提取有多种方法，例如波段比值法、主成分分析法、光谱角识别法和MPH 技术（MaskPCAandHIS）、混合象元分解等。

2、遥感技术间接找矿的应用

2.1 地质构造信息的提取内生矿产在空间上常产于各类地质构造的边缘部位及变异部位，重要的矿产主要分布于板块构造不同块体的结合部或者近边界地带，在时间上一般与地质构造事件相伴而生，矿床多成带状分布，成矿带的规模和地质构造变异大致相当。遥感找矿的地质标志主要反映在空间信息上。从与区域成矿相关的线状影像中提取信息（主要包括断裂、节理、推覆体等类型），从中酸性岩体、火山盆地、火山机构及深部岩浆、热液活动相关的环状影像提取信息（包括与火山有关的盆地、构造），从矿源层、赋矿岩层相关的带状影像提取信息（主要表现为岩层信息），从与控矿断裂交切形成的块状影像及与成矿有关的色异常中提取信息（如与蚀变、接触带有关的色环、色带、色块等）。当断裂是主要控矿构造时，对断裂构造遥感信息进行重点提取会取得一定的成效。遥感系统在成像过程中可能产生“模糊作用”，常使用户感兴趣的线性形迹、纹理等信息显示得不清晰、不易识别。人们通过目视解译和人机交互式方法，对遥感影像进行处理，如边缘增强、灰度拉伸、方向滤波、比值分析、卷积运算等，可以将这些构造信息明显地突现出来。除此之外，遥感还可通过地表岩性、构造、地貌、水系分布、植被分布等特征来提取隐伏的构造信息，如褶皱、断裂等。提取线性信息的主要技术是边缘增强。

2.2 矿床改造信息标志矿床形成以后，由于所在环境、空间位置的变化会引起矿床某些性状的改变。利用不同时相遥感图像的宏观对比，可以研究矿床的剥蚀改造作用;结合矿床成矿深度的研究，可以对此类矿床的产出部位进行判断。通过研究区域夷平面与矿床位置的关系，可以找寻不同矿床在不同夷平面的产出关系及分布规律，建立夷平面的找矿标志。另外，遥感图像还可进行岩性类型的区分应用于地质填图，是区域地质填图的理想技术之一，有利于在区域范围内迅速圈定找矿靶区。

三、遥感找矿的发展前景

1、高光谱数据及微波遥感的应用

高光谱是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。它利用成像光谱仪以纳米级的光谱分辨率,成像的同时记录下成百条的光谱通道数据, 从每个像元上均可以提取一条连续的光谱曲线, 实现了地物空间信息、辐射信息、光谱信息的同步获取, 因而具有巨大的应用价值和广阔的发展前景。成像光谱仪获得的数据具有波段多, 光谱分辨率高、波段相关性高、数据冗余大、空间分辨率高等特点。高光谱图像的光谱信息层次丰富, 不同的波段具有不同的信息变化量, 通过建立岩石光谱的信息模型, 可反演某些指示矿物的丰度。充分利用高光谱的窄波段、高光谱分辨率的优势, 结合遥感专题图件以及利用丰富的纹理信息, 加强高光谱数据的处理应用能力。微波遥感的成像原理不同于光学遥感, 是利用红外光束投射到物体表面, 由天线接收端接收目标返回的微弱回波并产生可监测的电压信号, 由此可以判定物体表面的物理结构等特征。

2、3S 的结合。

3S 是遥感（RS）、地理信息系统（GIS）及全球定位系统（GPS）的简称。利用GPS 能迅速定位，确定点的位置坐标并科学地管理空间点坐标。海量的遥感数据需庞大的空间，因此要有强大的管理系统，随着当今人力资源价格的升高，在区域范围内找矿时，遥感表现出最小投入获得最大回报的优势，那么RS 与GIS 的结合也就势在必行，因为GIS 更有利于区域范围的影像管理及浏览。随着3S 技术的进展，遥感数据的可解译程度与解译速度得到进一步提高。目前，地质工作者尝试将3S 与VS（可视化系统）、CS（卫星通讯系统）等技术综合应用，取得了较好的效果.

3、地物化遥的有机融合

矿床的形成是多种地质作用综合的结果，矿床形成后又会经历后期的破坏或者叠加成矿作用，因此，任何一种单一的找矿手段都不可避免地遭遇地质多解性的困扰，实现地物化遥多种找矿方法与手段的有机融合，能有效地提高找矿效果，并从总体上降低找矿成本。目前，以遥感信息为主体，结合地质、地球物理、地球化学等多源地学数据的综合信息找矿法已经形成。

4、遥感植物地球化学

在高植被覆盖区实现遥感波谱数据与矿致植物地球化学异常的有机融合，将会较好地推进遥感找矿技术在植被覆盖区的应用。

四、结束语

遥感技术应用于地质找矿必须以现代成矿理论为指导, 以图像处理手段和综合解译分析为主要工作方法, 密切结合野外地质调查, 建立遥感地质找矿模式, 预测找矿远景区, 缩小找矿靶区, 实现遥感找矿的日的。遥感技术应用于地质找矿, 在地质工作程度较低、地形条件较差、交通不便的高寒地区具有常规地质方法不可替代的优越性, 应综合运用多种手段, 进行综合分析研究, 才能充分发抨遥感技术的优势, 取得更好的找矿效果。

参考文献

[1]耿新霞.杨建民.张玉君等．遥感技术在地质找矿中的应用及发展前景［J］.地质找矿论丛.2012，23（2）：89－93．

第2篇：高光谱遥感原理技术与应用范文

关键词： 高光谱分类； 组合光谱特征； 光谱导数特征； 导数光谱技术

中图分类号： TN919?34； TP751.1 文献标识码： A 文章编号： 1004?373X（2013）14?0104?04

Research on combinational spectral features of hyperspectral images

CHANG Wen?juan， HE Ming?yi

（Earth Observation Research Center， Shaanxi Key Lab of Information Acquisition and Processing， Northwestern Polytechnical University， Xi’an 710129， China）

Abstract： The spectral characteristic curves of typical vegetation， minerals， soil and water body， and similarities and differences of their first?order and second?order derivatives are analyzed. The research demonstrates that the relevant characteristics of the reflection peak and the absorption valley bands of hyperspectral spectral characteristic curves can be quickly obtained by analysis and spectrum derivative technology， and there are different sensitive bands between original spectral curve and various order spectral derivative curves of different categories objectives. Therefore， it is proposed that the composition of these sensitive bands of hyperspectral original data and each order derivative curve can constitute combinational spectral features to optimize the performance of hyperspectral features and reduce the classification difficulty. The experimental results show that this combinational spectral features can realize the effective classification of hyperspectral images.

Keywords： hyperspectral classification； combinational spectral feature； spectrum derivative feature； derivative spectrum technology

0 引 言

近年来，高光谱遥感数据处理受到特别关注，IEEE高光谱遥感图像与信号处理?遥感进化（IEEE Workshop on Hyperspectral Image and Signal Processing ?Evolutional Remote Sensing，WHISPERS1）2009在法国召开首届大会，第4届大会于2012年6月在上海召开，IEEE遥感学报、传感器学报及图像处理学报等近来先后出版了有关高光谱遥感数据处理的多个专辑[1?4]。

高光谱遥感影像具有光谱分辨率高及图谱合一等特点，包含了丰富的空间、辐射和光谱三类直接信息，提供了比多光谱传感器更丰富和更精确的光谱信息，极大地提高了对目标与环境的识别能力，可有效地用于目标及环境的全像素、单像素、甚至亚像素级分类、识别与混合成分分析。

高光谱分类是高光谱数据分析和信息提取的重要工具，在当前乃至今后一段时间内都将是遥感领域的研究热点。与传统分类方法相比，高光谱分类面临的两个主要问题是：一是光谱分辨率高、光谱曲线近乎连续、数据量大、数据冗余严重、谱间相关性强；另一是空间分辨率有限、存在大量混合像元，“Hughes”现象凸现。影响目标分类与识别结果的主要因素包括3个方面：

（1）问题本身的复杂度，包括目标形态及尺寸，特别是目标材料对光谱的吸收、反射及散射特性，以及所处的时空、电磁及气象等环境情况；

（2）描述目标的高光谱图像特征的性能；

（3）分类器的分类能力与推广性。因此，高光谱特征中新信息的挖掘和高性能计算的技术在高光谱图像分析系统中变得非常重要。本文主要讨论优化高光谱图像特征的性能来提高高光谱遥感数据分类性能。

优化高光谱特征的方法有多种，其中一种有效的方法是从原始高光谱数据中寻找最有用的特征信息来挖掘有利于分类的光谱特征，譬如（1）采用从高光谱遥感数据中选择或保留敏感的有代表性的波段形成的数据集，称为特征选择或波段选择；（2）将高光谱遥感数据中经过某种测度指标和变换形成的新的数据集，称为特征提取。

另外一种优化高光谱特征的方法是使用附加信息，通常组合多种特征都能得到良好的分类性能。大多数高光谱处理技术的传统方法通常仅仅使用图像的光谱强度信息。近年来，已有研究人员在高光谱数据处理中利用从高光谱遥感原始数据中通过导数光谱技术提取的光谱梯度特征。在高光谱遥感特征分析等数据处理中，利用光谱梯度特征作为附加信息可以提升高光谱处理的性能。Wessman等使用森林光谱的一阶、二阶导数对树冠化学成分进行研究，并确定树冠化学成分与生物量以及导数光谱数据相关最密切的波段组合[5?6]。Demetriades?shah等综述了遥感中高分辨率导数光谱的应用潜力[7]。童庆禧等利用导数光谱分析方法对鄱阳湖湿地进行了生物量填图[8]。Tsai等研究了在高光谱数据分析中应用导数信息探测光谱特征[9]。Chang等提出使用光谱导数来提高光谱识别和鉴定的性能，提出一种称作光谱导数特征编码的方法用于高光谱特征分析[10]。

1 组合光谱特征

1.1 导数光谱技术

导数光谱（Derivative Spectrum）技术来源于测谱学，利用相邻波段间的梯度变化特征化高光谱光谱的变化信息，是分析高光谱遥感数据较为常用的一种有效技术和强有力的波形分析手段。采用如下公式分别计算光谱反射率的一阶、二阶和三阶导数：

（1）

（2）

（3）

式中：是波段i的波长值；；；分别是波长处的一阶、二阶、三阶导数；是波长的光谱反射率；是波长到的波段间隔。导数光谱技术具有一系列优越性：

导数光谱技术通过数学模拟反射光谱，计算不同阶数的微分值以便迅速地确定光谱弯曲点及最大最小反射率的波长位置，强调曲线的变化和压缩均值的影响。一般用的较多的是一阶或二阶导数技术。利用不同阶数的导数光谱则可以提取吸收波段的位置信息。对原始光谱反射率求解一阶导数光谱，即光谱曲线的斜率值，可以反映原始光谱曲线的变化速率，正极值处代表的是反射率增速最大的波段，负极值则是反射率减速最大的波段。而在一阶导数的基础上可以进一步计算二阶导数光谱，反映原始光谱曲线的曲率变化，正值代表反射率吸收区域，即“凹形”光谱曲线处，负值代表反射率反射区域，即“凸形”光谱曲线处。

导数光谱技术可以消除光谱数据之间的系统误差、减弱大气辐射、散射和吸收对目标光谱特征的影响，以便提取可识别地物的光谱吸收峰参数；亦可分辨重叠光谱，减缓光谱失真，去除背景噪声或不理想的信息影响，因而可能得到更好的精度。

1.2 组合光谱特征

物质的光谱特性是由物质本身包含的原子、分子与电磁波的关系所决定的，因此分析物质的光谱特性曲线是识别物质的有效手段。地物光谱特性研究在高光谱遥感技术及应用的研究发展中占有重要地位。根据地物的光谱特性不同可将地物分成植被、岩矿、土壤、水体和人工地物五大类。在给定目标情况下，根据光谱曲线上各个物体的特点，例如吸收谱、峰值谱及敏感谱等特点，可以用较少的谱段来有效区分并鉴别出各种目标，通常把这样的谱段组合称为目标的光谱特征。

由于组合多种特征作为优化的特征通常可以取得更好的分类性能，而且导数光谱技术虽是高光谱特征分析的有效手段，但是光谱梯度特征通常包含的信息量较少，致使仅仅使用光谱梯度特征的高光谱图像分类性能较差。因此本文提出组合光谱强度特征和导数特征作为组合光谱特征来提升高光谱分类的性能。

计算原始高光谱特性的一阶导数，由于一阶导数光谱曲线上量值为零的点，对应于原反射率光谱曲线上的极值点，由此可得出反射率光谱中极值点波长位置。在此基础上进行二阶微分处理后，可进一步区分原反射率光谱的极大值点与极小值点，即二阶导数大于零的一阶导数光谱过零点为原反射率光谱的极小值点，二阶导数小于零的一阶导数光谱过零点为原反射率光谱的极大值点。因此，利用不同阶数的导数光谱便可以迅速确定原始光谱曲线的吸收谷和反射峰的位置信息和相关特征信息，获得目标的敏感波段信息。而在给定目标的情况下，根据各个物体的吸收谱、峰值谱和敏感谱等特点，便可以用较少的谱段来有效区分、鉴定出各种目标。如此可将原始高光谱遥感特性曲线的敏感波段、一阶导数特征的敏感波段、二阶导数特征的敏感波段组合构成特征波段，有效实现高光谱遥感分类。

然而由于大量的光谱梯度特征附加在原始高光谱遥感数据上，简单的组合这些特征必然加重高光谱遥感的维数灾难，引起过维问题，因此须在分类之前，采用特征提取或特征选择方法降低高光谱数据的维数，提升运算效率，利于后续高光谱分类。

2 实验与结果分析

2.1 典型地物光谱特征分析

实验说明：绘制典型植被、岩矿、土壤、水体的高光谱特性曲线及其一阶导数和二阶导数曲线，分析各类典型地物高光谱原始数据及一阶、二阶导数的特点。

如图1所示，植被的光谱特征与其他地物迥然不同，有非常鲜明的特点，利用植被的光谱特征可以区分植被与其他地物。观察不同植被的原始及其一阶、二阶导数光谱曲线，可以看出不同植被的光谱曲线虽形态各异，但植被的光谱特征及其一阶和二阶导数均呈现相似性。不同植被的反射率光谱曲线，光谱曲线总是呈现明显的“峰和谷”的特征。植被一阶、二阶导数值虽各不相同，但是一阶导数过零点的位置以及相应位置二阶导数的正负值却惊人的相似，说明原各植被光谱曲线的吸收谷和反射峰位置相近，即这些光谱曲线在0.55 μm，1.6 μm，2.2 μm左右存在反射峰，在0.65 μm，1.4 μm，1.9 μm左右存在吸收谷，0.7～1.3 μm范围内反射率值较高，反映了植被的光谱特性的相似性。总之，不同植被之间的光谱变化主要体现在吸收谷、反射峰和反射率平台的强度上的差别，然这些特征的反射峰、吸收谷所在的位置基本没有变化。

不同矿物原始及其各阶导数光谱曲线图说明不同类型的矿物其反射率光谱曲线及其一阶和二阶导数曲线大不相同，吸收谷、反射峰所在位置及特性差别较大，通过主要特征和次要特征不同组合的分析比较，便可得到每类矿物区别于其他矿物的有效参数和无效参数。

不同土壤原始及其各阶导数光谱曲线图表明不同土壤的光谱反射率均随着波长的增加而逐渐升高。二阶导数基本围绕零值上下波动，且波动幅度较小，无明显规律。因此导数光谱技术能消除植被光谱分析中土壤成分的影响，土壤光谱的影响可在很大程度上得以消除，二阶导数便可非常好的消除土壤背景。

不同水体原始及其各阶导数光谱曲线图表明水体的反射率总体上比较低，不超过10%，一般为4%～5%，并随着波长的增大逐渐降低，二阶导数基本为零。

综上所述，通过导数光谱技术，可以快速分析出高光谱特性曲线的反射峰和吸收谷谱带的相关特征，这些特征可作为附加信息与其他特征构成组合光谱特征应用于高光谱检测、分类与识别中。

2.2 组合光谱特征的建立

实验说明：采用原始、一阶导数及二阶导数光谱特征的组合光谱特征对斜辉石和天青石进行分类。实验数据来自USGS光谱库。实验结果表明组合光谱特征可有效实现高光谱分类。图2（a），（b）分别为斜辉石的反射率曲线和组合光谱特征，（c），（d）分别为天青石的反射率曲线和组合光谱特征。可见，组合光谱特征差异较大，易于分类。

图2 组合光谱特征高光谱分类

3 结 语

本文研究了光谱一至三阶导数特征，分析了典型植被、岩矿、土壤和水体地物的特性曲线及其一阶和二阶导数的特点与异同。研究表明不同类别地物目标在原始光谱曲线和各阶光谱导数曲线上存在不同敏感波段。进而提出了将原始数据和各阶导数曲线的敏感波段综合起来构成组合光谱特征用于高光谱遥感分类的方法，实验表明综合利用这些特征波段可大大降低对分类器的要求并可提高分类性能。关于多类别组合光谱特征的建立等另文讨论。

参考文献

[1] CHANUSSOT J， CRAWFORD M M， KUO B C. Foreword to the special issue on hyperspectral image and signal processing [J]. IEEE Trans. on Geoscience and Remote Sensing， 2010， 48（11）： 3871?3876.

[2] PLAZA A， DU Q， BIOUCAS?DIAS J M， et al. Foreword to the special issue on spectral unmixing of remotely sensed data [J]. IEEE Trans. on Geoscience and Remote Sensing， 2011， 49（11）： 4103?4110.

[3] CAMPS?VALLS G， BENEDIKTSSON J A， BRUZZONE L， et al. Introduction to the issue on advances in remote sensing image processing [J]. IEEE Journal of Selected Topics in Signal Processing， 2011， 5（3）： 365?369.

[4] JENSEN J O， TREW R J， WOOLARD D L， et al. Editorial special issue on enhancement algorithms， methodologies and technology for spectral sensing [J]. IEEE Journal of Sensors， 2010， 10（3）： 373?378.

[5] WESSMAN C A， ABER J D， PETERSON D L. An evaluation of imaging spectrometry for estimating forest canopy chemistry [J]. Int. J. of Remote Sensing， 1989， 10（8）： 1293?1316.

[6] WESSMAN C A， ABER J D， PETERSON D L， et al. Remote sensing of canopy chemistry and nitrogen cycling in： temperate forest ecosystems [J]. Nature， 1988， 335： 154?156.

[7] DEMETRIADES?SHAH T H， STEVEN M D， CLARK J A. High resolution derivative spectra in remote sensing [J]. Remote Sensing of Environment， 1990， 33（1）： 55?64.

[8] 童庆禧，郑兰芬，王晋年，等.湿地植被成像光谱遥感研究[J].遥感学报，1997（1）：50?57.

[9] TSAI F， PHILPOT W D. Derivative analysis of hyperspectral data for detecting spectral features [C]// IEEE Geoscience and Remote Sensing. Singapore： IGARSS， 1997： 1243?1245.

[10] CHANG C I， CHAKRAVARTY S. Spectral derivative feature coding for hyperspectral signature analysis [J]. Proceedings of the SPIE， 2006， 6302： 1?12.

[11] TSAI F， PHILPOT W D. A derivative?aided hyperspectral image analysis system for land?cover classification [J]. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（2）： 416?425.

[12] DEMIR B， ERTRUK S. Spectral magnitude and spectral derivative feature fusion for improved classification of hyperspectral images [C]// Proc. of IEEE Geoscience and Remote Sensing. Boston， MA： IGARSS， 2008， 3： 1020?1023.

[13] WANG Qing?yan， ZHANG Jun?ping， CHEN Jia?wei， et al. An improved spectral reflectance and derivative feature fusion for hyperspectral image classification [C]// IEEE Geoscience and Remote Sensing Symposium. Vancouver： IGARSS， 2011： 1696?1699.

第3篇：高光谱遥感原理技术与应用范文

关键词：地质勘探;矿产;遥感找矿;国土资源

近年来，随着科学技术的进步和国际环境的影响与促进，我国的遥感技术也逐步发展并趋于成熟，目前已经建立了集信息的采集、处理、应用等环节于一体的国土资源遥感技术体系。可以说，我国已经把遥感技术应用于地质调查、矿产勘查、矿山开发、环境监测、城市规划等重要领域。

1 遥感找矿技术概述

随着科学技术的不断发展与进步，国际、国内的地质矿产勘探工作都不同程度地得到了很大的技术支撑，地质勘探业迅速崛起，遥感找矿技术已经成为一项较为成熟的地质找矿方法。

遥感找矿技术主要是指运用遥感技术进行地质矿藏的发现、开采等工程。该技术的理论支撑是遥感技术，按照光谱分为可见光遥感、红外遥感和微波遥感。遥感技术用于地质找矿作业，能够全面、客观地记录和分析矿山的物质成分和结构，大大提高和改善了发现矿藏的几率和速度，并且分析结果更加精确和科学。

遥感找矿技术主要是依据大地层中的各种物理化学物质所发生的反射、透射等物理作用而产生的电磁波，来传递各种地质成分的特征信息。各种物质的物理化学特性与其发出的光谱的特息相关，物质成分及结构的差异使得不同物质的内部对不同波长的光子进行选择性的吸收和反射、透射等物理作用。一般而言，具有稳定的物理结构和稳定的化学性质的物质具有稳定的光谱吸收特征，而不同的矿物质又具有不同的电磁波辐射能力。在遥感找矿技术中，我们利用波谱仪等遥感设备对野外采集的样品进行光谱试验，获取数据并测量其光谱曲线，再与资料库中的已知光谱进行比较，可以确定矿物质中所含有的各种成分，并进一步判断其含量与纯度。这样，我们就利用遥感找矿技术，成功地为决策者开发利用矿山资源提供了可靠资料。

2 遥感找矿技术在地质勘探中的运用

遥感找矿技术可以用以提取地质构造，对地质勘探具有重要意义。根据现有资料，重要的矿产主要分布在地壳板块的边界地带以及不同块体的结合部位。遥感找矿技术能够对地质成分进行全面的分析和反馈，帮助地质勘探工作者提供可靠信息，如地表岩层、地质构造、地貌特征、水体和植被分布等。地质勘探测量工作者，可通过这些信息提取潜伏的地质构造特征，比如地表褶皱、地层断裂等。

遥感找矿技术主要利用金属矿床形成的特定光谱异常区进行工作，通过遥感技术形成图形和图像。质地中存在的各种矿物质的光谱曲线波动不一样，比如围岩的光谱曲线会相对很平缓，每个波段之间的差值也十分小;而矿化蚀变岩的光谱曲线波动较大，每个波段之间的差值也很大。这样，根据不同的光谱曲线，就能确定地质的性质，为地质勘探工作提供数据。

可以看出，提取蚀变信息是遥感技术在地质找矿工作中的一项主要手段。那么，遥感找矿技术是如何进行处理蚀变信息的？目前可以用单一的热红外波段或者比值分析，也可以将二者结合，再对蚀变信息进行增强，然后与已知的大量数据进行对比分析。例如，在植被覆盖非常广泛或者冰雪大量覆盖的地区，为了在不遗失任何信息的前提下去除干扰，我们可以采用比值处理法，这就是通常所说的图像预处理;我们也可以利用热红外光谱技术探测物体的辐射能量，从而压抑森林植被和积雪造成的信号干扰。

目前，地质矿产勘探遥感找矿技术已经为我国的基础地质调查、矿产资源勘查和环境地质调查与评价提供了重要的数据资料。我国目前已经形成了关于地质矿产勘探遥感找矿技术运用的工作流程和技术方法，开发了"野外调查微机辅助遥感图像解译系统"，为中国地质调查局制定了1∶25万遥感地质调查的技术规定，绘制了相关精度和比例的影像图，并做了详细的遥感地质解译，编制了航磁系列图、推断地质图和地球地质物理断面图等图件。成功运用该项技术进行了不同地区的区域地质岩性填图，确定各类火成岩体的分布，准确圈定了火山岩及火山机构，为直接或间接找矿等工作服务。这一系列的科研成果，都标明地质矿产勘探遥感找矿技术在我国地质勘探工作领域所发挥的积极作用。

3 地质矿产勘探遥感找矿技术的发展前景

在我国，地质勘查技术方法不断取得创新，找矿方式方法也取得突破性进展。国家也在不断加强地质矿产勘探遥感找矿技术开发体系的建设，提高地质勘查的能力。根据目前我国的国家需求和社会需求，结合我国地质矿产勘探遥感找矿技术的发展现状，未来几年将重点加强开展并加强以下3个业务体系的建设：

（1）矿产资源航空物探与遥感勘查应用体系;（2）环境地质、工程地质、地质灾害调查与监测多领域应用与服务体系;（3）海洋与陆域油气资源航空物探遥感调查体系;上述业务体系体现了遥感找矿技术在地质矿产勘探领域的重要应用和拓展。开发和完善以上体系，需要我们不断加强技术创新，坚持自主开发为主与引进外部技术为辅相结合的机制，不断提高和完善我国地质矿产勘探遥感找矿技术的自主创新能力。

4 对当前遥感找矿技术的几点建议

4.1 加强技术装备建设，加大投资力度。

我国疆土地域跨越较大，而且国土资源复杂，如果只采用单一的运载工具，就无法适用于中西部地区的测量作业，同时又缺少适合于高原地区和山区遥感勘查飞行的直升机。对于海洋资源，大航程超低空海洋航空物探专用飞机的开发运用将成为严重制约海洋资源调查能力的关键资源。国内设备对数据的记录、处理能力精度不高，缺乏航重、航电以及航空气测设备等，这就造成一部分遥感信息源的缺乏。国外高精度遥感数据价格昂贵，而国产资源卫星数量少、分辨率和精度难以满足自身要求，严重制约我国地质矿产勘探工程的快速发展。

4.2 需要提高技术层次，深化应用技术的研究与开发。

地质矿产勘探遥感找矿技术的应用领域不断扩展与遥感技术工程化能力不足的矛盾比较突出，因此随着我国国土资源管理对遥感找矿技术的业务化应用的迫切需求，遥感技术的自动化、工程化程度有待提高。

结束语

遥感找矿技术作为矿产勘查领域内的新生力量，在易找矿日益减少的情况下，将会起到越来越重要作用。许多遥感找矿的成功经验所带来的有益启示是，遥感应用必须与物化探、磁力、重力、地震探矿方法相结合，还需要进一步重视地热、地气的热力作用，深入研究生物地球化学效应、地球化学填图方法、生物成矿和数字地质的空间统计分析方法。只有加深对地表成矿信息的理解和诠释，才有可能对深部的、海底的隐伏矿床由此及彼、由表及里，从地球系统科学与地质信息科学的深度作出科学的推论和预测。

参考文献

第4篇：高光谱遥感原理技术与应用范文

关键词：遥感；信息提取；数据源

中图分类号：C93文献标志码：A文章编号：1673-291X（2011）12-0305-03

引言

遥感是20世纪60年展起来的综合性对地观测技术，它的产生和发展是人们认识和探索自然界的客观需要[1]。它拓展了人眼观察的光谱范围，大大提高了数据获取的空间详细程度，可应用于军事、农业、林业、地矿、水利和环保等领域。但通过遥感器观测的遥感数据，由于受到太阳和大气等条件的影响，必须经过人工判读或计算机处理，才能最终应用于各种领域。本文综述了基于遥感影像提取地物信息的方法，并列举一些应用实例。

一、多源遥感数据概述

遥感技术作为一种准确、客观、及时获取宏观信息的手段，在城市规划、土地利用监测、农业、林业以及自然灾害预报等方面越来越得到广泛的重视和应用[2]。准确选取适当的遥感数据是快速、精确地发现并提取遥感图像中所需信息的前提[3]。地物信息提取常用的遥感图像可以分为以下几类。

1.多光谱和全色影像。全色影像具有较高的空间分辨率，而多光谱图像可以更精细地描述目标光谱。全色图像与多光谱图像融合，既可以利用全色图像的高分辨改善多光谱图像分辨率，又可以充分利用多光谱图像有的对目标某些独特特征的精细描述，使融合图像包含更丰富的信息[4]。多光谱影像及融合影像是目前地物信息提取研究的主要信息源。

2.SAR影像。合成孔径雷达（synthetic aperture radar，SAR）是一种主动遥感方式，与光学遥感相比，具有全天时、全天候、多波段、多极化工作方式、可变侧视角穿透能力强和高分辨率等特点[5]。SAR影像在水体覆盖区域具有反射值低的特征，能够与其他地物形成明显的反差，在研究水体覆盖变化方面具有独特的优势。SAR图像中还含有丰富的纹理结构信息，不同的地表粗糙度呈现出不同的纹理特征。原始的光谱信息加上纹理信息可以提高影像的精确性，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一 [6~8]。

3.高光谱影像。高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。高光谱遥感数据有更多的波段，更高的波谱分辨率，使得高光谱数据在生态领域有更广泛的应用[9~10]。对高光谱数据特征的研究和分析对于准确地获得目标地物的有用信息是极其重要的。

4.航片。航空影像数据以其直观、信息量丰富、可读性强等诸多优点，使它既是基础地理数据产品的重要组成部分，又是生产或合成其他基础地理数据产品的信息来源与基础。许多学者在城市防震减灾、沟谷侵蚀定量监测以及测绘中都进行了成功应用[11~12]。

二、遥感影像提取地物信息的方法

1.目视解译。卫星影像的解译是应用遥感技术的一个关键环节，目视解译基于专家经验和智能，是遥感应用的一项很重要的基本功，它是根据样本的图像特征和空间特征（形状、大小、阴影、图形、纹理、位置和布局），并与多种非遥感信息资料相结合，运用生物、地学等相关规律，采用对照分析的方法，由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程[13~15]。目视解译的方法目前在遥感解译中的应用非常普遍。赵兴实等[14]在土壤侵蚀现状调查中，张芳等[15]在森林资源调查中都运用了遥感影像目视解译的方法。

2.非监督分类法。遥感影像的非监督分类也称为聚类或点群分析，是在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督算法是按照某种相似性准则对样本进行合并或分类，不需要人工选择训练样本，仅需极少的人工初始输入，计算机按一定规则自动地根据像元光谱或空间特征组成集群组，然后分析者将每个组和参考数据比较，将其划分到每一类中 [16~17]。但由于“同物异谱、异物同谱”等现象的存在，其结果一般不能令人满意。

3.监督分类法。监督分类是在已知类别的训练场地上提取各类别训练样本，通过选择特征变量、确定判别函数或判别式把影像中的各个像元点划归到各个给定类的分类[17]。监督分类方法由于引入了部分先验知识，故其分类精度相对于非监督分类算法往往较高，同时，算法的稳健性也能得到较大程度地提高[18]。

4.最大似然法。最大似然方法通过对研究区域的统计和计算，得到各个类别的均值和方差等参数，从而确定一个分类函数，然后将待分类图像中的每一个像元代入各个类别的分类函数，将函数返回值最大的类别作为被扫描像元的归属类别，从而达到分类的效果[19]。最大似然法分类一直受到许多学者的关注，张亮等[20]将光谱角以概率因子的形式加入到判别函数中构造一种新的判别函数，有机地将光谱角这一特征信息加入影像分类；吴连喜等[21]将一种改进的最大似然法用于地物识别；陈敬柱等[22]提出了“先主要后次要，层次化推进原则”，应用最大似然方法进行植被信息识别提取，降低了“异质同像”的误判率，较大程度上避免了“混合像元”的不确定因素，同时将“混合像元”作为进一步区分不同植被类型的参考依据，使可解译的植被信息量增加，取得良好的效果。

三、实例分析

1.植被信息提取。遥感技术提取植被信息已经有很长的历史，遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。由于植被在不同波段内表现出不同的吸收反射特征，这些特征可以有效地监测出植被的各类信息[23]。丁丽霞等[24]利用TM和SPOT遥感影像，采用目视解译和图像勾绘的方法，得出天目山部级自然保护区毛竹林信息；官凤英等[25]以TM影像为数据源，应用ERDAS提供的非监督分类、最大似然分类和子象元分类三种方法，对典型地物进行了分类和精度评价；李敏等[26]讨论了面向对象的高分辨率遥感信息提取的技术，并从IKONOS影像中提取耕地信息与传统分类方法提取的结果进行了对比。

2.水体信息提取。水资源分布的调查与监测是控制水污染和生态保护的前提，而遥感影像具有监测范围广、获取周期短、地物信息丰富的特点，对调查与监测水资源分布起着重要的作用[27]。黄海波等应用ASTER遥感影像研究了水体信息提取的方法；遥感影像上陆地和水体的边界线被定义为水边线，郑宗生等[28]利用遥感信息提取水边线，可以监测海岸带潮滩的动态变化，也可以利用不同时相的水边线信息构建潮滩的三维地形模型，为淤泥质潮滩剖面的研究提供重要的数据保证。

3.道路信息提取。从遥感数字影像中自动提取道路之类的线性地物信息是遥感信息提取的难点，影像上的道路比其他地物更突出，而且道路成网，关系明晰，但实际提取效果并不理想。如何快速、准确地从遥感影像中提取所需信息已成为研究方向[29~30]。

4.居民地信息提取。居民地是人类从事生产和生活需要而集聚定居的各种形式的居住场所，是自然景观和人造景观的综合体[31]。利用遥感影像快速准确地提取居民地信息可以为灾害评估、城镇扩展和环境变化等相关研究提供必要的基础信息[31~34]。查勇等[32]运用归一化建筑指数，从TM图像成功提取了无锡市城镇用地信息；杨存建等[33]从对居民地的遥感信息机理分析入手，分析了居民地在Landsat TM2、TM3、TM4、TM5、TM7等各个波段上与其他地类的可分性；安如等[34]基于光谱特征分析，建立决策树模型，进行了居民地信息的自动提取。

5.其他地物信息提取。随着遥感技术的不断提高，人们开始考虑使用高分辨率遥感影像对区域人文信息进行提取[35]。遥感在人口估计统计模型中的使用始于20世纪50年代中期，由于与人口信息相关的地表信息在影像上的表达纹理、形状各异，利用某种方法从高分辨率遥感影像中提取人口信息是今后研究的一个突破点[35~36]。

结论与展望

随着遥感技术的迅猛发展，光学、热红外、微波、多光谱、高光谱等大量功能各异的遥感器不断更新换代，遥感已经越来越多地用作提取局域、区域以及全球尺度土地利用、地面覆盖变化特征以及人文特征的信息源。准确选取适当的遥感数据是快速、精确地发现并提取遥感图像中所需信息的前提。全色与多光谱融合影像由于成本较低是目前地物信息提取的主要数据源，不同的研究尺度及研究内容在遥感数据选择上各有侧重。

遥感数据的解译是遥感应用的基本方法，目前采用的解译方法有很多，各有优势，但单一方法得到的解译结果往往不能达到满意的效果。因此许多学者同时使用多种方法进行遥感数据解译。戴昌达等[37]利用Landsat TM数据，采用了图像自动识别分类与目视判读相结合的方法获得城市的面积；陈超等[38]采用目视修改的方法来对监督分类进行补充。

多源遥感数据已经在很多方面有了很大的应用，为人们宏观分类识别地物提供了基础。关于多源遥感数据的处理与信息提取的技术，虽然取得了一些进展，但仍存在一些不足，因此，基于多源遥感数据提取地物信息还有很大的空间值得去研究。

参考文献：

[1]李治洪，段玉山，等.地理信息技术基础教程[M].北京：高等教育出版社，2005.

[2]彭望碌，白振平，刘湘南，等.遥感概论[M].北京：高等教育出版社，2002.

[3]陈永慧，李小娟，胡德勇.遥感图像土地覆被专题信息提取方法综述[J].首都师范大学学报：自然科学版，2009，(1)：59-69.

[4]种占学，杨玉静，焦荣恩.多源全色影像与多光谱影像融合技术研究[J].河北师范大学学报：自然科学版，2009，(2)：267-270.

[5]申邵洪，谭德宝，梁东业.基于马尔科夫随机场的多时相SAR影像变化检测研究[J].长江科学院院报，2010，(1)：49-51.

[6]梁国军，彭明春，王崇云.遥感影像纹理分析方法研究[J].云南地理环境研究，2009，(1)：93-98.

[7]裴亮，谭阳.基于变差函数的遥感影像纹理特征提取[J].地理空间信息，2008，(5)：15-17.

[8]李林宜，李德仁.基于免疫粒子群优化算法的影像纹理分类[J].测绘学报，2008，(2)：185-189.

[9]温兴平，胡光道，杨晓峰.从高光谱遥感影像提取植被信息[J].测绘科学，2008，(3)：66-68.

[10]Kempeneers P，et a1.Generic wavelet―based hyperspectral classification app]ied to vegetation stress detection[J].IEEE Transactions on Geoscience and Remote Sensing，2005，(3).

[11]刘月英，李万辉.利用航片和GIS分析影响滑坡的因素[J].水土保持应用技术，2008，(4)：14-15.

[12]王辉，王天明，杨明博，等.基于航片的黄土高原丘陵沟壑区沟谷侵蚀定量监测[J].应用生态学报，2008，(1)：127-132.

[13]沈璐璐，蔡丽娜.基于非监督分类的遥感信息提取方法尝试[J].科技创新论坛，2010，(14)：162-163.

[14]赵兴实，田中雨，刘岩.卫片目视解译在土壤侵蚀现状调查中的应用[J].水土保持通报，1996，(1)：149-152.

[15]张芳，李鑫，陈佳楠.卫星遥感影像目视解译在森林资源调查中的应用分析[J].内蒙古林业调查设计，2009，(4).

[16]陈富龙，王超，张红.改进最大似然遥感影像分类方法――以SAR影像为例[J].国土资源遥感，2008，(1)：75-78.

[17]薛廉，周春兰.基于监督分类分区域的特征因子提取[J].地理空间信息，2009，(2)：100-102.

[18]郭艳芬，刘志红，谢明元.基于植被物候特征与监督分类的青南高原信息提取[J].遥感技术与应用，2009，(2)：223-229.

[19]刘涛，孙忠林，孙林.基于最大似然法的遥感图像分类技术研究[J].福建电脑，2010，(1)：7-8.

[20]陈亮，刘希，张元.结合光谱角的最大似然法遥感影像分类[J].测绘工程，2007，(3)：40-47.

[21]吴连喜，王茂新.一种改进的最大似然法用于地物识别[J].农业工程学报，2003，(4)：54-57.

[22]陈敬柱，贺瑞霞，郭恒亮.最大似然法在植被信息识别提取中的应用[J].水文地质工程地质，2004，(2)：94-96.

[23]温兴平，胡光道，杨晓峰.从高光谱遥感影像提取植被信息[J].测绘科学，2008，(3)：66-68.

[24]丁丽霞.天目山部级自然保护区毛竹林扩张遥感监测[J].浙江林学院学报，2006，(3)：297-300.

[25]官凤英，范少辉，蔡华利，等.竹林遥感信息提取方法比较研究[J].安徽农业科学，2010，(8).

[26]李敏，崔世勇，李成名，等.面向对象的高分辨率遥感影像信息提取――以耕地提取为例[J].遥感应用，2008，(6)：63-89.

[27]黄海波，赵萍，陈志英，等.ASTER遥感影像水体信息提取方法研究[J].遥感技术与应用，2008，(5).

[28]郑宗生，周云轩，沈芳.基于DTM的水边线遥感信息提取方法[J].国土资源遥感，2007，(2)：56-59.

[29]孙晓霞，等.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学，2006，(1)：62-63.

[30]林宗坚，刘政荣.从遥感影像提取道路信息的方法评述[J].武汉大学学报：信息科学版，2003，(1)：90-93.

[31]张源，王仰麟，彭建，等.基于空间概率面的山区居民地遥感信息提取[J].地理与地理信息科学，2006，(4)：6-10.

[32]查勇，倪绍祥，杨山.一种利用图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，(1)：38-39.

[33]杨存建，周成虎.TM影像的居民地信息提取方法研究[J].遥感学报，2000，(2)：146-150.

[34]安如，赵萍，王慧麟，等.遥感影像中居民地信息的自动提取与制图[J].地理科学，2005，(1)：74-80.

[35]韩春峰，米晓飞.基于高分辨率遥感影像的人口信息的提取综述[J].科技资讯，2010，(4)：111.

[36]杜国明，张树文.基于遥感的城乡人口分布模拟――以松原市为例[J].遥感学报，2007，(2)：252-256.

第5篇：高光谱遥感原理技术与应用范文

关键词：多源遥感影像；数据融合；融合方法

1 引言

自20世纪50年代末，航天遥感技术经历了半个世纪的发展和应用，为人类提供了从多维和宏观角度去认识地球乃至宇宙世界的新方法，新手段。地球观测数据量迅猛增长，海量数据的存储，管理，处理，传输，应用等问题成为影响遥感技术发展及应用的一大重要因素，多源遥感影像融合技术是解决这些问题的一个重要方法。

贾永红等（2000）根据大量实验和实际工作总结提出了多源遥感影像数据融合的定义：多源遥感影像数据融合是将同一环境或对象的多源遥感影响数据综合的方法和工具的框架，以获得满足某种应用的高质量信息，产生比单一信息源更精确、更安全、更可靠的估计和判决。

研究遥感影像融合的方法可以从三个方面着手，分别为影响融合所使用的数据类型，融合过程中信息的抽象程度及应用层次，以及融合的最终效果。根据遥感影像融合所使用的数据类型的不同，可以将该技术分为多波段遥感影像数据融合、多时相遥感影像数据融合、多类型遥感影像数据融合、RS信息与地学信息的融合；根据融合过程中信息的抽象程度及应用层次的不同，遥感影像融合分为像素级影像融合、特征级影像融合、决策级影像融合；根据融合的最终效果的不同可将遥感影像融合分为光谱增强型遥感影像融合和几何增强型遥感影像融合。本文主要从这三面入手论述遥感影像融合的方法，阐述了其特点和作用。

2 不同数据类型的遥感影像融合

2.1 多波段遥感数据融合

地物波谱也称地物光谱，地物波谱特性是指各种地物自身所具有的电磁波特性（发射辐射或反射辐射）。不同地物在同一波段的光谱反射率一般不相同，同一地物在不同波段的光谱反射率也有较大差别，因此，遥感上通常分波段记录地物波谱的差异，以便更加准确和有效地识别物体。但是，多波段数据之间往往存在较大相关性，这种数据的冗余在多波段数据融合中必须予以考虑。此外，人们习惯于用彩色来显示一幅图像，彩色显示是由红、绿、蓝三原色组成，它限制了波段选取的数量，即仅能用三个波段组合。为了达到满意的融合效果，融合前必须进行最佳波段组合方案的选择。在选择融合方法的时候，应主要取决于应用目的以及数据的质量特点，对于不同的应用目的，各个波段的分析方法及组成方式各不相同。

2.2 多时相遥感数据数据融合

同一地区的地貌特征随着时间不断变化，多时相遥感图像就是在同一地区在不同时间段拍摄的遥感图像，同一地区不同时间的遥感图像若通过多幅遥感图像来判读，会给解译工作带来很多不便，因此，有必要将多时相遥感数据融合，融合后通过相关算法更有利于判读及解译地区内地貌随时间变化的情况。

2.3 多类型遥感数据融合

遥感数据的来源多种多样，不同类型的遥感器、不同平台都会收集大量的遥感数据，但是任何一个单一类型的遥感数据都不能全面反映目标对象的特征，都有一定的应用范围和局限性。只有将它们结合起来才能在最大程度上发挥它们各自的作用。根据遥感数据类型，可以将遥感数据融合技术分为三大类，分别是多光谱遥感数据与雷达数据的融合，高低分辨率遥感数据的融合，以及不同多光谱数据间的融合。

多光谱遥感系统光谱分辨率高，有助于识别不同地物类型，但易受大气层干扰；成像雷达属于主动遥感系统，不受大气层干扰，雷达波束可以穿透云层，提供地表物理和几何特征信息。将多光谱遥感数据与雷达数据融合，既可以弥补各自的不足，又可以丰富各自的信息内容，应用范围大大扩大。低空间分辨率图像一般用于经过较为简单的区域，或者气象观测等，有利于从宏观上把握地区概况，高空间分辨率图像对地物的细节表达更为突出，有利于局部范围内对重点区域进行研究，二者各有利弊。将高、低分辨率遥感数据融合，有利于在大范围内寻找目标并进行细部研究。根据应用目的，也可进行不同多光谱数据的融合，如多光谱数据与全色影像数据的融合，高光谱与多光谱数据的融合等。

2.4 遥感信息与地学信息的融合

遥感信息只能定性表示研究区域的地表情况，无法读出高程等定量信息，而地学信息最根本特点是每一个数据都按统一的地理坐标进行编码，实现对其定位、定性和定量的描述。将地学信息与遥感信息按照一定算法，有效地融合起来可以使遥感信息更加丰富，表达出更多定量的信息，更全面地表达出地面目标的真实情况，有利于进一步分析研究。

3 不同抽象程度及应用层次的遥感影像融合

3.1 像素级影像融合

像素级影像融合直接在采集到的原始数据层上进行，即在可见光、红外及SAR影像等原始数据基础上进行的数据综合分析，主要方法有：基于IHS变换、主成分变换、比值变换、乘法变换及小波变换。像素级融合可以更多的保留原始图像信息，提供其他融合层次所不能提供的细微信息，但是有一定局限性。

3.2 特征级影像融合

特征级影像融合属于中间层次，其处理方法是首先对来自同传感器的原始信息进行特征提取，然后再对从多传感器获得的多个特征信息进行综合处理和分析，以实现对多传感器数据的分类、汇集和综合。与像素级融合不同，特征级融合强调空间上的一一对应而非一个个像元对应。特征级融合实现了可观的信息压缩，有利于实时处理，且提供的特征直接与决策分析相关，但其融合的精度要低于像素级[5]。

3.3 决策级影像融合

决策级融合是“特征提取”和“特征识别”过程后的融合，是一种高层次的信息融合，其结果将为各种控制或决策提供依据，为此，必须结合具体的应用目标有选择地利用特征信息。决策级融合具有很强的容错性和良好的开放性，仍不成熟。

4 不同融合效果的影像融合

4.1 光谱增强型影像融合

影像的光谱分辨率与所用传感器的波谱段成正相关关系，光谱分辨率越高，波普段越窄，要保持获取影像的信噪比，必须逐渐增大瞬时视场IFOV以采集更多的光，这将导致获取的影像空间分辨率下降。在很多应用场合中，对影像的光谱分辨率和空间分辨率同时有较高要求，这就要求将高空间分辨率的影像与高光谱分辨率的影像进行融合，获得高空间分辨率的多光谱影像，用来满足军事目标判读、植被研究、农业详查等应用需求。

4.2 几何增强型影像融合

增强图像几何信息的数据融合就是从一系列低分辨率图像复原（或重建）出更高分辨率的图像（或图像序列），以增强图像的空间分辨率，这种技术也称之为超分辨率图像重建技术。重建后的图像由于空间分辨率更高，可以显示更多关于地面目标的细部信息。提高空间分辨率的措施较多，最直接的措施就是采用传感器制造工艺减少像元尺寸，但由于该办法超出一定极限后图像质量将下降而使其的发展受到限制。目前较好的办法是超分辨率图像重建技术，成本低而且可以利用现有高分辨率成像传感器。

5 结语

本文从不同角度对多源遥感影像数据融合方法进行了探讨，不同的融合方法具有不同的特点，会产生不同的效果，但均发挥出了多源遥感数据的优势，实现了多源信息的互补，一定程度上消除了冗余和矛盾，提高了数据利用率，使得影像质量得到了很大改善，在进行选择的时候应该充分结合应用目的，根据不同的需求及条件选择相应的融合方法。

参考文献：

[1]贾永红、李德仁、孙家炳，2000，多源遥感影像数据融合，遥感应用与技术，15（1）：41-44.

[2]周荫清、洪信镇，1996，多传感器信息融合技术，遥测遥控，17（1）：16-22.

[3]赵英时，2003，遥感应用分析原理与方法，北京，科学出版社：263-277.

第6篇：高光谱遥感原理技术与应用范文

遥感图像具有多时相、多分辨率(空间分辨率和波普分辨率)、多传感器等特点，使其在我国国民经济建设中发挥了重要作用。高原是青藏高原的主体，幅员面积超过120万平方公里，其中海拔高于4000m的面积超过自治区面积的92，约有110万平方公里面积处于寒冷、寒冬和冰雪作用极为强烈的高寒环境中，环境及其恶劣、交通不便。本文通过对工程地质找矿、机场工程和交通工程的遥感图像信息处理进行分析比较，为高原工程领域的遥感应用提供了新的思路和方法。

2遥感信息处理在工程领域中的应用

2．1遥感信息处理在工程地质找矿的应用

在地学信息化中，遥感数据可以直接作为可视化信息来源。由于地处特提斯——喜马拉雅成矿区域，矿产储量远景较好，从现有勘察结果也可以佐证。但由于地域广阔，山地高海拔地区较多，多为人难以到达的区域，为了节省调研成本，提高地质勘察的准确度，遥感应成为工程地质勘察前期工作中的主要应用方法。在地质勘察方面常用的方法为矿物光谱对照法，通过矿物光谱数据库中矿物光谱为基础，以光谱的吸收谱带特征为主，其它光谱特征参量为辅，基于光谱的相似性准则或逻辑关系，构建矿物识别谱系，建立矿物识别规则。识别规则建立后，对高光谱的遥感图像进行解译，得到区域构造解译图，为地质工程选择合适区域，提供参考。以藏东地区找矿为例，藏东地区位于特提斯一喜马拉雅成矿带，有大量的金属矿床。金属矿床通常伴随近矿围岩蚀变，并伴有相关元素的高中度值。因此，金属矿床形成有与之相关的特定光谱异常区，在遥感图像上矿化可以得到很好的显示。矿化蚀变的典型特征是含矿热液的活动。藏东地区的主要蚀变类型有褐铁矿化、云英岩化、孑L雀石化、蓝铜矿化、硅化等。这些蚀变在遥感图像上都有很明显的特征谱带。对矿化蚀变来说，其光谱曲线波动大，波段间的差值较大；而围岩的光谱曲线则相对平缓，波段间的差值也较小。所以遥感数据波段的不同组合可以圈定出围岩和蚀变的范围与强度，而围岩蚀变的范围和强度常常与矿床的规模和质量相关，所以反应围岩蚀变的遥感异常提取可为地质找矿提供重要依据。在藏东地区找矿时，首先对遥感图像进行预处理，尽量除去冰雪和植被两种主要干扰信息，在植被覆盖比较广泛的藏东地区，植扰信息去除的效果，直接影响到找矿的结果；然后对图像信息进行增强处理，突出有用信息；最后引入热红外波段图像信息，突出纹理信息。通过一系列处理，就可以解译出藏东地区蚀变区域。同时通过实地踏勘，得到与遥感解译出的蚀变区域吻合的证据，最终确定出远景成矿区。

2．2遥感信息处理在机场工程中的应用

高原地区尤其是高原地区，环境恶劣、交通不便，随着国民经济的高速发展，航空运输成了最迫切需要的交通工具。因此，开发新机场和扩建老机场已经成为地区发展经济的重要措施。在机场建设前期工程中，如：机场选址、机场工程地质、生态环境等因素的评价中，采用何种技术方法尤为重要，将直接影响机场建设工程进展及经费的投入。遥感技术获取信息的尺度大，具有实时性、宏观性、信息量丰富等特点，选择遥感信息处理作为机场的前期选址的技术手段，可以缩短工程周期、节约工程经费、提高工程效率、增强地勘资料的可信度，最大限度的减少野外踏勘等烦琐工作。以地区阿里机场为例，针对高原工程自然条件十分恶劣、地质条件复杂、各种资料十分缺乏的特点，设计人员选择遥感技术作为工程前期勘察的技术方法。首先，考虑到机场地质勘察既需要宏观区域地质信息的提取，又要有局部场地地址信息的提取，所以遥感信息源选择要既有高空间分辨率的图像，又要有中等空间分辨率的图像。通过对图像数据融合，将不同图像提供的信息加以综合，消除信息见的冗余和矛盾，降低数据的不确定性，减少模糊度，为下一步工作，奠定基础。然后，结合前人区域地质资料及现场的实地踏勘，建立场区及周边环境的工程地质解译(包括滑坡、泥石流、塌方等地质灾害的解译)，同时完成场地的工程地质条件评价。阿里机场最后选定在噶尔昆沙场址。该场址位于噶尔断裂带和阿依拉山断裂带之间。在设计跑道地区，没有断裂带的分布，因此断裂带对该场区构成的威胁甚小。通过“3S”技术综合分析表明，该场区主要呈现的地层为高含水量的中、细、粉砂，结构松散，呈现黑色、白色、浅蓝色等色调。在该场区内，遥感图像上呈现浅灰色、灰白色的为盐碱地。由于该地基极为不均匀，承载力较低，变形大，需要处理后才能满足机场地基要求。在靠近阿依拉山一侧，发育规模不等的泥石流，但距离场区较远，对场区不构成威胁。最后选定噶尔昆沙场址作为阿里机场的最后地点。阿里机场选址使用遥感信息技术，为国家节约了大量建设投资，同时为机场建设争取了宝贵工程施工时间。

2．3遥感信息处理在交通工程中的应用

地区幅员辽阔，地质条件复杂，灾害类型众多，分布广泛。地区基础建设薄弱，严重制约了经济社会发展，为了实现跨越式发展，交通基础设施建设成了优先发展的领域。遥感技术以其所所具有的迅速、宏观、准确、系统和时效性的特点，越来越广泛的应用于交通工程领域。大多数地区为人烟稀少的农牧区，这些地区人迹罕至，实地调查难度大，利用卫星遥感信息处理恰好可以弥补这些问题。利用卫星遥感信息直观、综合、宏观的特点和图像处理识别技术确定地质构造、岩性、不良地质体、河床的冲淤变化和植被等，可以为公路铁路修建、改建、扩建等工程提供依据和地质背景，达到事半功倍的效果。以墨脱公路为例，墨脱县位于南迦巴瓦峰东南侧雅鲁藏布大峡谷中部，受印度洋暖湿气流影响，雨量充沛，有明显的“海洋性”气候特征。由于该地区构造性变复杂，断裂构造较多，特别是断裂的新构造活动非常强烈，沿断裂带出现频繁的地震活动及地热异常，并且断裂活动控制和诱发冰川活动及泥石流、滑坡等灾害，对公路建设产生诸多不利影响。为了给公路选址设计提供科学依据，需要首先对公路进行遥感信息处理。选择卫星遥感图像，对图像进行几何校正和辐射校正，并通过对比度扩展增大图像反差，对图像进行均衡化处理，是图像灰度符合正态分布和突出暗区信息；再通过对断裂构造进行增强处理。根据图像统计特征及南峰地区冰雪和植被覆盖面积大、基岩出露少计断裂带多的特点，采取图像融合、小波滤波增强等方法，从不同侧面突出不同层次、不同形态断裂构造的空间分布特征。通过以上算法，得到南迦巴瓦峰地区断裂带主要有：雅鲁藏布江弧形断裂带、丌走滑断裂带、拉格断裂带、汗密断裂带、玛尼翁断裂带、岗日嘎布山断裂带等。通过对这些断裂带的分析避让可以有效提高墨脱公路的施工效率，降低维护保养成本，减少地质灾害对交通工程的损害。

第7篇：高光谱遥感原理技术与应用范文

关键词：遥感信息；水工环；应用

遥感信息技术经过多年的发展与实践，已经集合了传感器技术、计算机技术等先进的技术，这使得遥感信息技术在水工环中的应用更为深化。现如今，遥感信息技术已经成为水工环不可缺少的技术，随着水工环勘察需求的加大，对该技术会更大的依赖。

1 遥感信息在水工环中的应用发展现状

1.1 传统的遥感信息技术需要人工进行解译，但是随着信息技术的融入，可以进行计算机解译，大大提高了解译效率。如线性影像计算机自动判释专家系统及土地利用（分类）计算机判读模型以及机助信息提取与制图系统等。由于影像的多解性及识别系统的不完善性，虽还需要投入一定的人力工作，但已大幅提高解译工作效率。

1.2 从几何形态解译到充分利用光谱信息。过去的多光谱遥感数据波段划分过少，只有几个波段，使地面波谱测试数据与图像光谱数据难以精确比较。因此，图像解译工作很少考虑地物的波谱特征，主要根据影像的色彩、色调、纹理、阴影等所形成的几何形态特征。随着机载成像光谱仪（高光谱）技术的商业运作及2000年前后的高光谱成像卫星的发射，使得用光谱信息对地物的分析更精细、更准确。

1.3 出现地面温度反演技术。地面温度反演是指从热红外图像数据的辐射亮度值获得地表温度信息。反演方法主要有地表温度多通道反演法和多角度数据进行组分温度反演法等。

1.4 从定性分析评价到依靠计算机数字模型模拟的定量分析评价。如遥感技术在地下水流系统应用中，根据遥感数据建立的地形、流域面积、水系密度等数据集结合气象数据建立空间补给模型。

1.5 使用单一遥感信息源到多元信息拟合。目前的遥感应用技术，已不再是单一使用各种遥感数据，而是根据需要结合利用了其他信息源，如地质、地形、水文、土壤、植被、气象、岩土物理力学特征及人类活动等资料。这样，图像数据的预处理尤其重要，如几何较正、多波段数字合成、镶嵌、数据变换等，而地理信息系统（GIS）在多元信息数据管理中起着重要作用。

1.6 从单一手段应用到多手段应用近年来，遥感技术（RS）与地理信息系统（GIS）和全球定位系统（GPS）的综合应用，即“3S”技术，成为遥感技术应用的主流。GIS是数据库管理、数据图形处理、各主题图件叠加、制图的重要工具。

1.7 数字摄影测量技术的发展。数字摄影技术的成熟，推进了制图工作的现代化，改善了基础图件的质量和成图效率，并影响着遥感技术的调查方法。该技术的产品可直接作为GIS的数据源，便于遥感与GIS一体化研究与开发。如我国自己开发的全数字摄影测量软件VIRTUOZO，具有数字化测图、自动生成DEM/DTM和等高线、生成正射影像等功能。

1.8 遥感技术应用成果向着便于保存、复制、携带及传输方向发展。这意味着遥感技术应用成果的数字化。由于是数字成果，可载于多种介质上，如CD-ROM、磁带及计算机硬盘上，使携带处理更加方便。随着1998年“数字地球”计划的提出及我国国土资源部“数字国土”工程的实施，遥感应用成果数字化显得尤其必要。

2 遥感信息在水工中的应用

2.1 在水文地质中的应用

遥感信息技术主要是用来进行测绘，以此提高水文地质勘查的准确性，同时也便于对水文地质工作展开定量或者是定性分析。遥感信息技术能够进行光谱合成，也可能进行图像处理，而这样的功能正是水文地质勘查需要的，如果地域比较特殊，工作人员借助遥感技术能够分辨出水质与植物，依据水质与植物之间的关系，就此推断出该区域水质的具体情况。遥信信息技术在水文地质中的应用，还便于地下水系统分析，这样工作人员就能够随时对地下水水质情况进行了解，一旦发现污染，会立即展开评价，采取措施。红外热感技术也是应用在水文地质勘查中一项非常重要的技术，该技术主要用来进行地下热水勘察，工作人员利用红外成像，能够直接判断出地表温度，而后再进行精确的计算，即可分析出地下热水情况。

2.2 在工程地质中的应用

目前，我国工程选址中基本上都会应用遥感信息技术，尤其是大型工程选址，遥感信息技术更是不可或缺。工程选址过程中运用遥感技术，能够提升地质评价的准确性，以此实现选址区域内的地质情况进行更为科学的分析，利于工程建设进行有效的规划。工程地质中应用遥感信息技术，能够得到最为直观的图像，工作人员可以依据图像内容进行分析，而且由于图像是通过卫星影像传输的，所以观测质量完全能够保证。借助卫星传输数据，能够对光谱数据展开认真的处理以及科学的计算，这对工程选址来说异常重要，通常情况下，工程选址人员都是依据这些数据来完成选址工作。遥感信息技术能够将地表图像显现出来，而工作人员则可以通过地表图像对该区域内的地貌、地质环境等展开分析，这不仅能够保证工程选线具有真实性，还能够保证工程合理。与此同时，遥感信息技术的应用，还能够对地质灾害情况进行判断，通过构建科学的数学模型，对工程区域内可能会出现的灾害情况进行评估，再充分的利用风险评价，两者统一起来，对工程顺利进展奠定了基础。

2.3 在环境地质中的应用

遥感信息技术的应用，有利于环境监测水平的提高。遥感信息技术的应用，有利于工作人员对水资源污染状态展开分析，针对污染严重程度，工作人员可以进行不同程度的测量。比如对于工业废水，通常是利用遥感信息技术中热感图像，通过图像分析，工作人员能够掌握工业废水污染范围，具体分布情况以及污染程度等。现阶段，遥感信息技术在环境监测中应用程度更加深入，专家学者也对此进行了大力的研究，取得了比较好的效果。目前，遥感信息技术能够对水土流失情况进行密切的监测，同时也能够对地质变化情况展开监测，这对我国水资源保护，提高水资源利用率有着积极的作用。

结束语

综上所述，可知遥感信息技术已经在水工环中得到了深入的应用，当然随着遥感技术研究的深入，技术水平的提升，该技术的应用领域会更加的广泛，优势会更加的突出。因为遥感信息技术的应用，使得水工环工作人员不必经常进行外业测量，以此提升了工作效率。当然具体如何应用遥感信息技术，还需要工作任意结合具体的工程实践而定。

参考文献

[1]胡志文，欧阳燕，罗湘.水工h地质勘察及遥感技术在地质工作中的应用[J].江西建材，2012（05）.

[2]张灿.谈国内外在水工环领域中遥感技术的应用[J].科技创业家，2012（13）.

第8篇：高光谱遥感原理技术与应用范文

关键词：马蹄金；营养状况；反射光谱特征；光合色素含量

中图分类号：S 688.4文献标识码：A文章编号：10095500(2014)03006205

基金项目：云南省自然科学基金面上项目（2010CD061），云南省教育厅科学研究基金重点项目（2011Z033）和云南省教育厅科学研究基金项目（2011Y0477）资助

高光谱遥感监测是快速、准确、无损伤探测植物色泽和叶绿素含量的新方法\[1\]。近年高光谱遥感技术被广泛应用于植物氮素营养的定量分析、产量估测以及色素监测等方面。目前，已有研究利用高光谱技术监测植物的叶绿素含量、密度、浓度等信息，进而通过估测叶绿素含量等信息来评价植物的长势、产量和确定最佳施肥量\[2-6\]。也有研究报道利用统计分析的方法分析了植物的氮素营养和叶绿素含量与光谱特征的相关关系，并进一步建立了植物氮素营养和叶绿素含量的高光谱反演模型\[7-12\]。诸多研究表明，应用高光谱遥感技术来监测植物的营养状况确实可行。利用高光谱遥感技术获取植被光合色素信息对于光合能力估测、产量动态观测和精确施肥等有着重要意义。

在草坪色泽、外观质量、水分及营养状况评价方面，张文等\[13,14\]开展了利用高光谱遥感技术评价单播草坪色泽的研究，结果表明，利用高光谱参数评价草坪色泽，操作简单，快捷方便，经过相关参数的计算即可评价草坪色泽，克服了分光光度法等评价草坪色泽手续繁琐，取样不均匀，或因个人喜好而评价精度不高的缺点，适用于大面积的草坪色泽评价，以及草坪草种的外观质量评价。龙光强等\[15\]对干旱胁迫下马蹄金草坪光谱反射特征和叶绿素含量的相关性的研究表明，当马蹄金草坪土壤含水量高于23%，草坪盖度大于30%时，可用可见光某些波段光谱反射率对草坪叶片相对含水量和叶绿素含量进行回归预测。杨峰等\[6\]、钱育荣等\[16\]利用高光谱数据快速估算高羊茅营养状况及光合色素含量的研究，结果表明，利用高光谱特征变量与光合色素含量的相关关系建立的回归模型，为有效、快速、无损伤的探测草坪的营养状况及草坪质量提供了理论支持。许岳飞等\[17\]研究报道，反射光谱技术在园林绿化工程中为快速评价草坪质量提供了新的途径。综上所述，应用高光谱遥感技术来监测黑麦草、高羊茅、草地早熟禾等禾草单播草坪的色泽、外观质量及营养状况确实可行，但高光谱遥感是否能用于马蹄金草坪草等双子叶草本植物营养状况的监测，目前报道较少。以马蹄金为供试材料，研究不同施氮水平马蹄金草坪草光合色素含量和反射光谱特征的变化，分析马蹄金草坪高光谱反射率与光合色素含量的相关性，构建马蹄金草坪草光合色素含量的高光谱监测模型，指导马蹄金草坪的肥料管理，以期促进高光谱遥感技术在草坪营养状况监测中的应用。

1材料和方法

1.1试验设计

试验在云南农业大学草坪基地的温室大棚进行，试验材料为普通马蹄金，土壤为基地采集的酸性红壤，pH 6.7，有机质1.74%，有效氮116.67 mg/kg，速效磷33.11 mg/kg，速效钾65.2 mg/kg。2011年8月将马蹄金播种于口径为22 cm，高20 cm的花盆中，播种量为20 g/m2(折合每盆播量为0.242 g)。正常培养成坪后，于2012年4月8日进行施肥处理，肥料种类为尿素，含N 46.4%，施氮量设计4个水平，即N1 0、N2 4、N3 8、N4 12 g/m2（折合每盆中施氮量为0、0.152、0.304、0.456 g），施肥方法为将肥料溶于100 mL水中进行叶面喷施，每处理10次重复。4月18日施肥10 d后，天气晴朗、无风进行光谱反射率的测定，同步取样测定叶绿素含量。

1.2指标测定

1.2.1光谱反射率（R）的测定

采用美国Ocean公司的HR2000光谱仪（波长200~1 100 nm，分辨率约为1 nm）进行测定，时间为10∶00~13∶00。测定时固定光谱仪探头垂直向下，探头距离草坪10 cm，每处理测量值为10次，平均值作为该处理的光谱反射值。测量时及时进行标准白板校正。

1.2.2光合色素含量的测定

对应观测马蹄金冠层高光谱的叶片，随机剪切叶片0.1 g，按照丙酮∶无水乙醇∶蒸馏水=4.5∶4.5∶1.0的混合液提取叶片色素，测量D663 nm，D646 nm和D470 nm的值，然后计算叶绿素和类胡萝卜素含量\[17\]。

1.3数据分析

用SPSS 13.0进行数据统计分析，用Excel 2003作图。

2结果与分析

2.1施氮水平对马蹄金草坪光合色素含量的影响

与未施氮相比，施氮4，8和12 g/m2后马蹄金草坪的叶绿素及类胡萝卜素含量均显著增加(P

表1不同施氮水平下马蹄金光合色素含量

Table 1Effects of nitrogen levels on photosynthetic pigments contents of Dichondra repens

处理 光合色素含量/mg・g-1

叶绿素a叶绿素b 类胡萝卜素 总叶绿素

N1 1.26±0.04b 0.36±0.02c 0.27±0.002c 1.62±0.06b

N2 1.63±0.02a 0.40±0.03b 0.36±0.03b 2.04±0.02a

N3 1.64±0.11a 0.41±0.04b 0.37±0.03b 2.18±0.14a

N4 1.81±0.02a 0.46±0.27a 0.42±0.004a 2.28±0.05a

注：同列中不同小写字母表示差异显著（P

2.2施氮水平对马蹄金草坪冠层光谱反射率的影响

在绿光510~570 nm时，不同施氮水平马蹄金草坪的冠层光谱反射率差异较大，尤其在绿峰550 nm处反射率差异尤其明显，绿峰处不施氮时马蹄金草坪的冠层反射率最大，达10.74，随着施氮量的增加，绿峰处马蹄金草坪的冠层光谱反射率逐渐降低，当施氮量增加到12 g/m2时，马蹄金草坪的冠层光谱反射率下降为7.59%。

2.3马蹄金草坪光合色素含量与冠层光谱反射率的相关关系

将不同施氮水平下马蹄金草坪光和色素含量与绿波段510~570 nm光谱反射率分别进行相关分析（表2）。结果表明，马蹄金草坪光合色素含量与绿波段草坪冠层光谱反射率呈负相关关系，以570 nm处相关

表2马蹄金草坪光合色素含量与光谱反射率的相关性分析

Table 2Correlation analysis between reflectance and photosynthetic pigments of Dichondra repens

光合色素 光谱反射率/%

510 nm 520 nm 530 nm 540 nm 550 nm 560 nm 570 nm

叶绿素a -0.941 -0.927 -0.888 -0.947 -0.906 -0.961* -0.978*

叶绿素b -0.994** -0.990** -0.962* -0.995** -0.971* -0.994** -0.994**

类胡萝卜素 -0.935 -0.925 -0.895 -0.947 -0.912 -0.963* -0.980*

总叶绿素 -0.871 -0.873 -0.869 -0.903 -0.885 -0.931 -0.952*

注：*为0.05 水平显著相关；**为 0.01 水平极显著相关

图1不同施氮水平马蹄金草坪冠层光谱反射率

Fig.1Effects of nitrogen levels on spectral reflection

rate of canopy

性最高，达显著水平（P

2.4马蹄金草坪光合色素含量的高光谱反演模型

在570 nm处马蹄金草坪光合色素含量与光谱反射率具有较好的线性回归关系，利用光谱反射率的变化来反演光合色素含量的变化可以达到较好的拟合效

图2马蹄金草坪叶绿素a含量与R570 nm之间的相关性

Fig.2Relationship between Chla and R570 nm

of Dichondra repens

图3马蹄金草坪叶绿素b含量与R570 nm之间的相关性

Fig.3Relationship between Chlb and R570 nm

of Dichondra repens

图4马蹄金草坪类胡萝卜素含量与R570 nm之间的相关性

Fig.4Relationship between Cars and R570 nm

of Dichondra repens

图5马蹄金草坪总叶绿素含量与R570 nm之间的相关性

Fig.5Relationship between Chls and R570 nm

of Dichondra repens

果（R2达0.85以上，P

3讨论与结论

（1）植物光合色素含量是植物生长和营养状况的指标器，同时与氮素之间具有较高的相关性\[18\]。试验结果表明，马蹄金草坪光合色素含量和光谱反射率对施氮反映敏感，随着施氮量的增加，马蹄金草坪叶绿素a、叶绿素b、类胡萝卜素和总叶绿素含量增加，叶片颜色变深，进而导致可见光区光谱反射率降低。马蹄金草坪在绿波段510~570 nm的光谱反射率与光和色素含量呈显著负相关关系，以绿波段570 nm处的反射率（R570 nm）与光合色素含量相关性最高，利用R570 nm的变化来反演其光合色素含量的变化可以达到较好的拟合效果（R2达0.85以上，P

（2）草坪是覆盖度较高，低矮、致密、整齐、均一的人工植被，土壤背景、枯叶等因素对其影响较小，研究高光谱遥感技术在草坪上的应用比天然植被、农作物具有更高的精确度\[14\]。但试验所用材料马蹄金为暖季型C3 植物，无论从形态、生长习性上都与其他广泛使用的禾本科草坪草建植的草坪有较大的差别\[19,20\]，所以，对于以禾本科草坪草建植的草坪，其营养状况的高光谱监测模型有待进一步研究。另外，在红外长波范围，马蹄金草坪光谱反射率与光合色素含量间的相关性还待进一步研究。

（3）高光谱技术操作简单、结果可靠，与NTEP法和实测法(分光光度法)等评价草坪颜色的方法相比，可节省人力、物力，避免人为因素的影响，并且可以用在大面积草坪营养状况和外观质量的评价上\[17\]。此次试验结果为利用高光谱遥感技术快速的、有效的、无损伤的探测马蹄金草坪的营养状况提供了理论支持和数据储备。

参考文献:

\[1\]张文，张建利，陈功.叶面施肥对草坪高光谱反射率及色泽的影响\[J\].草业学报，2009,18（2）:115-121.

\[2\]Tremblay N． Integrated narrowband vegetation indices for prediction of crop Chlorophyll Content for application to precision agriculture\[J\]．Remote Sensing of Environment,2002(81):416-426．

\[3\]王秀珍，黄敬峰，李云梅．水稻叶面积指数的多光谱遥感估算模型研究\[J\]．遥感技术与应用，2003，18（2）：57-65．

\[4\]王秀珍，黄敬峰，李云梅．水稻地上鲜生物量的高光谱遥感估算模型研究\[J\]．作物学报，2003，29（6）：815-821．

\[5\]李云梅，倪绍祥，王秀珍．线性回归模型估算水稻叶片叶绿素含量的适宜性分析\[J\]．遥感学报，2003，9（5）：364-371．

\[6\]杨峰，钱育蓉，李建龙．利用高光谱技术无损伤探测高羊茅草坪草营养状况研究\[J\]．中国草地学报，2009，31（1）：86-91．

\[7\]Tarpley L,Raja Reddy K,Gretchen F． Reflectance indices with precision and aecuracy in predicting cotton leaf nitrogen\[J\]．Crop Science,2000,40:1814-1819．

\[8\]方慧，宋海燕，曹芳．油菜叶片的光谱特征与叶绿素含量之间的关系研究\[J\]．光谱学与光谱分析，2007，27（9）：1731-1734．

\[9\]郭曼，常庆瑞，曹晓瑞．不同氮营养水平与夏玉米光谱特性关系初报\[J\]．西北农林科技大学学报，2008，36(11):123-129．

\[10\]杨红丽，陈功，吴建付．氮肥水平对多花黑麦草叶绿素及高光谱反射特征的影响\[J\].云南农业大学学报，2009，24（4）：534-538．

\[11\]张俊华，张佳宝．夏玉米光谱特征对其不同色素含量的响应差异\[J\]．西北农业学报，2010，19（4）：70-76．

\[12\]王磊，白由路，卢艳丽．不同形式的光谱参量对春玉米氮素营养诊断的比较\[J\]．农业工程学报，2010，26（2）：218-223．

\[13\]张文，陈功，龙光强,等.利用高光谱参数评价单播草坪色泽的研究\[J\]．草原与草坪，2007（5）：6-10.

\[14\]张文，张建利，陈功.以高光谱植被指数研究草坪色泽\[J\]．草地学报，2008，16（5）：530-535.

\[15\]龙光强，陈功，郭滨，等.干旱胁迫下马蹄金草坪反射光谱研究\[J\]．云南农业大学学报，2008，23（4）：468-473.

\[16\]钱育蓉，杨峰，李建龙等.利用高光谱数据快速估算高羊茅牧草光合色素的研究\[J\]．草业学报，2009，18（4）：94-102.

\[17\]许岳飞，金晶炜，孙小玲，等.基于反射光谱技术评价草坪质量模型的研究\[J\]．草业学报，2009，18（4）：256-259.

\[18\]Yoder B J，PettigrewCroshy R E．Predicting nitrogen and chlorophyll content and concentrations from reflectance pectra (400~2500 nm) at leaf and canopy scales\[J\]．Remote Sensing of Environment，1995，53(3)：199-211.

\[19\]初晓辉，岳信龙，陈功，等.水分胁迫下4种冷季型草坪草抗旱性比较研究\[J\].草原与草坪，2012，32（4）：15-19.

\[20\]单贵莲，罗富成，黄多多，等.马蹄金草坪杂草发生特点及防除方法研究\[J\].草原与草坪，2012，32（2）：45-49.

Effects of nitrogen levels on reflection spectrum

and photosynthetic pigment content

of Dichondra repens

CHU Xiaohui1,CHEN Gong1,ZHANG Yin2,REN Jian1,JIANG Hua1,

CHEN Xingtao1,SHAN Guilian1

（1.Department Pratacultural Science,Yunnan Agricultural University,Kunming 650201,China； 2.Yunnan

Lvsheng Landscape Limited Company,Kunming 650501,China）

第9篇：高光谱遥感原理技术与应用范文

遥感就是照相？

说起遥感，很多人认为它的主要作用就是“拍照”：从空中拍下照片进而获取有效信息。实际上，遥感绝非这么简单，“拍照”仅是拉开遥感技术系统的一个小“开篇”，遥感技术的真正作用是将信息从“照片”中提取出来并得以应用。

中国科学院遥感所研究员郭子祺说：“遥感不仅仅只是照相，而在于遥感所获取的地物光谱信号中还包含有可见光波段范围以外的有用信息。一张照片通常反映出来的只是可见光波段范围内的信息，也就是人眼能感觉到的光谱信息。”

“目视解释”和“计算机解释”是目前从遥感图像上获取目标地物信息的主要过程。专业人员通过直接观察或借助判读仪器在遥感图像上获取特定目标信息的过程被称为“目视解释”，而“计算机解释”顾名思义，以计算机系统为支撑，利用模式识别技术与人工智能技术，结合专家知识库的解释经验和成像规律等知识进行分析和推理，实现对遥感图像的解释，从而完成信息提取的过程。

目前遥感的光学传感器和微波传感器所能采集到的信息波段范围是很宽泛的，可见光波段只是其中一小部分。按传感器的探测波段的不同，可以把遥感分为紫外遥感、可见光遥感、红外遥感和微波遥感。“而像红外信息、紫外信息等，这些信息普通的照片是反映不了的，只有用专门的成像设备经过转化才能变成人眼看的图像。”郭子祺说。

遥感传输准确无误？

不难想象，假如在高空或水陆进行遥感拍摄，空间距离等多方面因素势必会给遥感传输带来一些不可避免的干扰与影响，而这又直接关系到后期的数据处理能否准确进行。

“通过遥感获得的信息是很丰富的。除可见光波段外，红外与紫外波段或者微波波段的信息，人类的肉眼是看不见的，我们只能通过遥感图像来提取与分析其中所包含的信息。”郭子祺说，“而在这些信息当中，有些信息属于干扰信息。比如用卫星遥感来探测地表信息，太阳光通过反射给卫星传感器，这中间有一个过程跟距离，有云雾的干扰、太阳强弱的干扰等等，所以我们需要将它的信息进行修正处理，这些都是属于处理的部分。”

虽然目前遥感信息获取系统已经较为完善，但由于地球大气、陆地和水体非常复杂，所以导致遥感图像出现误差情况难免会发生。不过我们可以通过后期图像处理来进行校正，从而获取更为精准的信息。“比如在遥感信息获取系统工作正常的情况下，由于大气衰减的原因，获取的数据仍然带有辐射误差，这时就需要进行遥感图像大气校正。有时在提取地表生物量时，如果数据未经校正，就有可能得不到准确的遥感信息。”郭子祺说。

遥感技术无所不能？

资源环境、灾害监测、城市规划等等随处可见遥感应用的影子。它遍布在我们生活的每个角落，但这并不代表它无所不能。至少在目前，它仍存在一些“盲点”需要突破。

郭子祺说：“现在的遥感，一般是指利用光谱和微波信号来对地物进行认识。光谱和微波信号能给我们提供很多有用的信息。但光谱信号本身没有穿透能力，微波信号也非常有限。这样就不能给我们提供地表和水面以下的信息，存在探测盲点。这是它的一个不足之处。”

这是否代表地表以下的信息我们无从获取？当然不是！实际上遥感技术本身早已超越了光谱和微波的范畴。“任何的信息都有它的长处和不足的地方，实际上我们现在真正要想解决一个应用目标的话，最好的办法是综合各种有用的信息。”郭子祺告诉笔者，除了光谱微波这种信息源之外，还要结合比如磁、重、电以及声波等有效信息，将它们综合采纳，这样才能对我们地球有一个更全面的认识。

“遥感可测量的物理量应该是涵盖所有的，概念是广义的才更合理，所有物理探测内容都在其中。”郭子祺说，一般人们对于遥感可测量的物理量的理解，只是测量地物光谱吸收反射量和极化干涉等物理量，这其实是一种相对狭义的概念。“目前人类探测世界采用的重力、磁场、声波、光学方法已经广泛应用在宏观和微观物质探测方面，成为探索物质世界的唯一技术手段。广义遥感应该包含这些人类已知探测技术方法。运用广义的遥感技术对我们生存的物质世界才能进行有效的探测，而不仅仅只是观测。”

连线专家

记者：遥感技术在过去几十年中不断探索发展，是什么在支撑着它一路走来？

郭子祺：“任何学术的发展实际上都需要以实际需求作为牵引。例如目前如火如荼的遥感数据同化技术，它是对标准数据反演技术的延伸，目的是对空间分布的环境参数提供物理意义上一致的估计。这是遥感迈向行业部门实际应用的一个很关键的一步。但是这一部分目前行业部门遥感界我觉得还是远远不够。遥感技术本身应该与实际意义相结合，关注实际行业部门的需求，而并非一味盲目的追求技术上的卓越。任何技术必须要应用于生产为它们而服务，这样的技术才能体现出价值。否则的话，你的空中楼阁高高在上，即使技术高超无与伦比，但也只能是离正确的发展道路越走越远。”

记者：卫星、飞机每天拍摄和获取大量的地表信息，但是真正被提出来的被行业部门用到的有效信息微乎其微，这是否会造成资源浪费？

郭子祺：“存储的数据是海量的，但这些数据到底能产生多少社会效应？问题就在于应用技术的缺乏，遥感技术与行业部门的需求脱节，没有为行业部门服务。比如说同样一幅照片测绘部门可以用，国土部门可以用，环保部门也可以用，它可以被很多的部门使用。很多人认为遥感是很大的一个‘框’，什么都可以往里面装，其实这种观点是错误的。概念模糊是存在于短时间内，长期发展下去肯定要概念明确化、精确化。说简单点就是什么技术为什么服务。比如说以后可能会出现海洋遥感就是专为海洋服务，国土遥感就是为国土服务。如果我们背道而驰，只去追求技术的先进性而不与实际应用结合起来，去博得一个需求对口相互促进的形态的话，那么遥感技术下一步该怎么走恐怕会难以抉择。”