高光谱遥感技术篇1

关键词：高光谱遥感；叶面积指数（LAI）；反演模型

Abstract:Highspectrumremotesensingtechnologyastheinversionofcropleafareaindex(LAI)areapowerfultool,inrecentyearsithasbeenpaymoreandmoreattentionofbothdomesticandforeignscholars.ThepapersystematicallysummeduptheuseofhyperspectralremotesensinginversionofLAIvaluegeneralmethods,includingexperimentalfieldestablishment,dataacquisition,LAIvalue,HVIvaluecalculation,determinationofinversionmodelisgeneratedinfivesteps.SummarizessomecommoncropoptimalLAIvaluequantitativeinversionmodelforfuturerelatedresearch,consulting.

Keywords:remotesensing;leafareaindex(LAI);inversionmodel

中图分类号：S127文献标识码：A文章编号：

引言

遥感技术是指远距离、在不直接接触目标物体情况下,通过接收目标物体反射或辐射的电磁波,探测地物波谱信息,并获取目标地物的光谱数据与图像,从而实现对地物的定位、定性或定量的描述。随着遥感技术的不断发展，遥感传感器的数据获取技术趋向于“三多”和“三高”方向发展，“三多”是指多平台、多传感器、多角度获得遥感数据；“三高”则指高空间分辨率、高光谱分辨率和高时相分辨率遥感数据的获取[1]。

现代遥感技术应用于农业生产已经有20多年的历史,该技术在作物认别、面积计算、作物长势监测、灾害评估和产量估计等方面取得了重大成绩。高光谱遥感是高光谱分辨率遥感（(HyperspectralRemoteSensing）的简称，是指利用高光谱传感器以高光谱分辨率获取连续的地物光谱图像的遥感技术，这里的高光谱分辨率是指传感器用于探测地物的电磁波总波段宽度较宽（如MODIS传感器达到了0.4~14.5um）、波段数较多（如美国AnalyticalSpectralDevic公司生产的FieldSpecProFR2500型背挂式野外高光谱辐射仪输出波段数多达2150个）、每个子波段的波段宽度较窄（如MODIS传感器的最小子波段宽度为5~10nm）[2]。高光谱遥感与常规遥感的区别在于常规遥感又称宽波段遥感,每个子波段的波段宽度一般为100nm,且波段在波谱上不连续,并不完全覆盖整个可见光至红外光(0.4～2.4μm)光谱范围[3]。高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质在高光谱遥感中能被探测到。

目前，国内外在利用高光谱遥感手段反演植物的绿色叶面积指数，进而控制精准农业生产的技术方面有很多的研究。植物的绿色叶面积指数（LAI）是表征植被光合面积大小和冠层结构的重要参数。它参与许多生物和物理过程，与植物的呼吸蒸腾、太阳光吸收、通风透光、雨水的吸收等密切相关，同时还是作物生产中判断作物长势优劣的重要参数。因此，实时、动态监测作物LAI值状况具有重要意义。而高光谱遥感技术以其快速、无损和大面积探测等特点，正逐步成为LAI值估测的有力工具。

叶面积指数反演的一般建模方法及精度评定

近年来，虽然在高光谱遥感技术反演植物的绿色叶面积指数，进而指导精准农业这一领域的相关研究较多，但综合地总结并指导相关反演模型建立方法的文献却不多。本文在该领域各位先驱研究学者的研究、实践基础上，比较系统地总结出了高光谱植被指数与农作物叶面积指数之间定量模型的建立方法应当包括试验田建立、光谱数据采集、LAI值测定、HVI值计算、反演模型的生成五个步骤，并阐述了反演模型用于实际生产中的农作物LAI值的反演评估情况。

2.1试验田的建立

为了确定农作物叶面积指数（LAI）与农作物光谱特性之间的定量关系，一般需要针对欲研究的农作物建立试验田，试验田要充分模拟自然界中该农作物在各种生长情况下的理化特征，如农作物的正常生长情况、缺少肥料的情况、施肥过量的情况、缺水情况、过渡灌溉情况等等，便于之后采集的农作物高光谱数据具有一般性。

目前国内外主要采取物理胁迫以及化学胁迫的方法对试验田中的农作物作相关处理，使试验田中的农作物尽可能全面的包含在自然界中的各种生长情况。通过胁迫实验使所采集到的农作物光谱数据包含了农作物在各种生长条件下的反射光谱,可保证之后所建立的定量模型有较广泛的适应性和一般性。

2.2农作物高光谱数据测量

高光谱遥感技术篇2

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（syntheticapertureradar，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LandsatTM2、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LandsatTM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]KempeneersP，eta1.Genericwavelet―basedhyperspectralclassificationapp]iedtovegetationstressdetection[J].IEEETransactionsonGeoscienceandRemoteSensing，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.

高光谱遥感技术篇3

【关键词】Worldview-2;高分辨率;遥感地质

0引言

遥感是20世纪60年代迅速发展起来的一门综合性探测地球表面及其它星球表面的技术，自产生以来，由于其包含信息量丰富，具宏观观测、动态监测特征，且耗时短、经济实惠，在城市规划、环境保护、地质勘探、农业、林业、军事等各个领域得到广泛应用。自遥感技术被引进地质调查工作，在其中扮演了重要的角色，不仅提高了地质研究的理论水平和制图精度，也提高了工作效率和成果质量，同时节约了经费[1-2]。

进入21世纪，随着航天遥感技术和卫星传感器技术的飞速发展，高空间分辨率遥感数据（空间分辨率达到厘米级）逐渐进入国民生产生活的各个领域，如土地利用现状调查及动态监测[3-4]、植被种类识别[5]、地质灾害监测[6-7]以及事故搜索营救（如马航失联飞机搜索）等。地质方面，在“重要成矿带矿产资源综合调查”项目中得到应用，并取得显著成果。高分辨率数据的应用使遥感技术在宏观观测基础上，更兼具了微观观测的特性，信息量显著提高，为地质矿产调查工作带来了新的机遇。但是高空间分辨率遥感数据在区域地质矿产调查中的应用尚不够成熟，现将实际工作中遇到的几个问题做如下探讨。

1数据选择

目前地质调查中常用高分辨率数据有Worldview-2、QuickBird、GeoEye-1、IKONOS、Pleiades、spot等类型，各数据参数如表1所示。

Worldview-2遥感数据与其他高分辨率数据相比，除具相对较高的空间分辨率（全色分辨率46cm）及其他卫星具备的4个常见的波段外（蓝色波段：450～510nm;绿色波段：510～580nm;红色波段：630～690nm;近红外波段：770～895nm），还提供了其他4个彩色波段，包括：海岸波段（400～450nm），黄色波段（585～625nm），红色边缘波段（705～745nm），近红外2波段（860～1040nm），增加了数据的波谱分辨率（图1，Worldview-2、QuickBird等高分辨率数据波段对比），使得Worldview-2数据兼具高分辨率数据与多光谱数据特性，信息量明显增大。

经西部成矿带遥感综合调查中实际应用，我们认为Worldview-2数据得益于其相对宽广的波谱范围，在各类高分数据中对地物识别能力的提高相对明显，可选择、组合的波段较多也提高了地学应用的有效性。但其轨道高度较高（770km），影像的垂向分辨效果受到一定限制，一些基岩区的岩性构造判别需结合低轨的QuickBird数据进行（450km）。

因此，高空间分辨率数据在对岩石、地层等地质信息解析时需灵活配置，但应重点依托Worldview-2数据，这样将更好的提高地质工作效率与工作质量。

2遥感数据处理

高分辨率遥感影像的应用使遥感数据的几何精度和信息量呈几何级数增长，同时也给数据处理带来新的挑战。高分遥感数据处理主要包括数据预处理、彩色合成、正射纠正、数据融合与图像增强等方面。

预处理：主要包括大气校正、几何纠正、辐射校正等内容，以消除天气、卫星扰动、大气散射等因素的影响。

彩色合成：主要利用数据波段间的相关系数及最小值求取结果，根据均值相近、方差最大、相关系数最小的波段组合选取原则，确定影像的波段最优组合方案。

正射校正：WorldView-2数据正射校正采用RPC+DEM+GCP方法进行处理，RPC即有理函数模型，DEM为高程数据，GCP为地面控制点，包括多光谱数据和全色数据的正射处理。

数据融合：高分变率数据融合方法主要有HIS变换、GS变换、主成分分析法（PCA）、小波（Wavelet）变换，pansharpen变换等[8]。通过融合数据多光谱影像与全色影像，可达到二者优势互补的作用，即保证多光谱数据的光谱分辨率，又使其空间分辨率得到增强。

但是，高分辨率数据仅仅做上述处理就拿来做地质解译是远远不够的。实际应用中我们发现，高分辨率数据需重点做好图像增强工作，并针对山区普遍存在的山体阴影区做一些技术处理，这对提高高分辨率数据的地质解析力效果明显。

2.1图像增强

遥感图像增强处理可选择波段组合法、比值组合法、主成分分析法、HIS彩色空间变换法和融合技术等，使需要的专题因子信息得到突出，扩大不同影像特征之间的差别，提高对图像的解译和分析能力（图2）。

WV-2数据862波段融合并经DEM校正图（左）与经上下频率截除拉伸、色调空间转换增强图（右）

2.2阴影区处理

高分变率数据卫星具有低轨道、侧扫描特性，山区影像上不可避免地出现一些阴坡阴影区，为提高连续阴坡区可解译程度而不破坏全区影像色调影纹特征，图像处理过程中对连续阴坡区须进行掩膜+低频扩展处理（图3）。

3高分辨率数据地质应用

WorldView-2数据具高分辨率与多光谱双重性质，信息量非常丰富，实际应用中如何充分挖掘其所蕴含的地质信息，是地质应用的难点所在。

3.1多组影像合成比对解译

遥感解译若只在彩色合成好的影像上进行，WorldView-2多波段信息损失在所难免，难以充分挖掘数据所具有的丰富地质信息，实际工作中我们采用灵活的融合方式，针对具体岩性进行多组影像合成做比对解译，并对解译目标信息实施针对性增强处理，可有效的挖掘地质信息（图4，WorldView-2数据在同一地区的不同融合方式显示效果对比图）。

3.2利用岩石实测波谱制取针对目标的专题影像

多组影像合成比对解译虽能有效的挖掘地质信息，但同时使解译工作强度呈几何级数增强，为减少解译工作量，可通过岩石波谱，寻找在Worldview-2数据上各目标岩石的光谱响应特征，并据此锁定目标岩石在整个波谱段上的吸收-反射高值区间，制取针对目标岩石的不同波段组合的专题图像。这在某些解译窗口上进行即时的、针对性明确的图像处理时尤其有用。

但该方法选择波段融合方式并非对任何岩石或任何地区均有效，岩石波谱与影像波谱之间的关系存在众多变量，仍须加强研究，如对解译区的主要岩石进行波谱实测，以实测结果作为实现影像上的岩性识别提取的依据之一。如根据岩石波谱实测结果进行分析，西昆仑塔县地区灰白色斑状花岗岩识别的有利波段组合为842（图5）。

3.3多源数据综合应用

“重要成矿带矿产资源综合调查”工作中，应用了ETM、aster、Worldview-2、QuickBird等多源数据，建立了高中低分辨率数据协作机制[9]，地质解译由低分（ETM+、Aster）到高分（Worldview-2、QuickBird）、由宏观到局部逐步展开，实现了调查区遥感地质信息的充分提取。

李淑琴等[10]提出的不同光谱特性和不同的空间分辨率遥感数据融合方法，可充分发挥各数据优势，达到图像信息上的互补，提高了遥感影像判读的精度和可靠性。

3.4地质应用效果分析

WorldView-2等高分辨率遥感数据具有丰富空间纹理信息与色彩信息，能够较好的辨别岩性[11]，划分第四纪成因类型，圈定岩脉，识别层理、节理、劈理、小断裂等构造[12]，还可圈定地表出露的矿化蚀变带[13]及矿化体[14]，为地质矿产调查提供丰富的基础信息（图6，高分辨率遥感解译与1：20万地质图信息量对比），从而节省野外工作量，提升地质调查的效率。

4结论

4.1通过多种高分辨率遥感数据参数对比，认为地质调查工作中需灵活配置高分辨率数据，应重点依托Worldview-2数据，这样将更好的提高地质工作效率与工作质量。

4.2对高分辨遥感数据处理，应在常规处理基础上，重点加强图像增强与山体阴影处理，以提高高分辨率数据的地质解析力。

4.3WorldView-2数据具高分辨率与多光谱双重性质，信息量非常丰富，遥感地质解译中采用灵活的融合方式，针对具体岩性进行多组影像合成做比对解译，可有效的挖掘地质信息。

4.4利用岩石实测波谱制取针对目标的专题影像，作为实现影像上的岩性识别提取的依据之一，可提高地质解译准确性与工作效率。但岩石波谱与影像波谱之间的关系存在众多变量，需要遥感地质工作者不断探索。

4.5高、中、低分辨率数据协作应用与多源数据融合方法可充分发挥各数据优势，达到图像信息上的互补，实现遥感地质信息的充分提取，提高遥感影像判读的精度和可靠性。

4.6WorldView-2数据具有丰富空间纹理信息与色彩信息，能够较好的提取地质信息，可为地质矿产调查提供丰富的基础资料。随着高分辨率数据应用方法的不断成熟，其在地质矿产调查中的作用将更为突出。

高分辨率数据在地质矿产调查中仍处于探索阶段，如何合理科学的应用高分辨率遥感数据服务于地质找矿，仍是遥感地质工作者需要探索的重要方向。

【参考文献】

[1]曾云.陆地卫星与遥感地质技术方法概述[J].湖北地矿，2000，14（3、4）.

[2]刘刚，于学政.浅谈遥感技术在1∶5万区调中的应用[J].国土资源遥感，1997，1（31）.

[3]余泽江，杨杰全等.高分辨率遥感影像在土地利用现状调查中的应用[J].中国科技信息，2008，（21）.

[4]燕琴，张继贤等.IKONOS数据在土地利用动态监测中的应用方法研究[J].测绘科学，2002，27（2）.

[5]李姗姗，田庆久.基于GeoEye-1影像光谱特性的红树林冠层种类识别[J].光谱学与光谱分析，2013，33（1）.

[6]曾涛，杨武年等.面向对象的高空间分辨率遥感影像信息提取：汶川地震城市震害房屋案例研究[J].自然灾害学报，2010，19（5）：81-87.

[7]孙娅林.高分辨率遥感技术在地质灾害监测中的应用[J].科技信息，2011（20）.

[8]李丹，甘宇亮等.基于WorldView-2卫星的影像融合处理技术研究[C]//第十三届华东六省一市测绘学会学术交流会.

[9]张磊，包平.高分辨率影像数据在遥感地质调查中的应用[J].科技视界，2012（29）.

[10]李淑琴，李华.高分辨率遥感影像融合方法应用研究[J].河南水利与南水北调，2012（16）.

[11]金剑，田淑芳等.基于地物光谱分析的WorldView-2数据岩性识别：以新疆乌鲁克萨依地区为例[J].现代地质，2013，27（2）.

[12]赵佳楠，田淑芳.新疆塔什库尔干地区柯岗断裂性质及遥感地质解译[J].新疆地质，2013，31（2）.

高光谱遥感技术篇4

关键词遥感估产;类型;现状;展望

遥感起源于20世纪60年代,这是一种在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。随着遥感技术的发展,宏观大尺度的估产越来越多地使用遥感方法,并结合地理信息系统和全球定位系统等技术,可以构建出不同条件下植被的生长模型和估产模型[2]。遥感技术估产与传统的估产方式相比,前者的工作量少,精准性更强,在实际应用中显示出了独有的优越性。前人做了大量有关运用遥感技术对作物、草地、森林及海洋生态系统的植被估产的研究。遥感估产已从试验研究阶段逐步进入到实际业务使用阶段。现探讨有关遥感估产的原理及估产模型的基本类型。

1遥感估产的原理及建模基础

任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。相同的物体具有相同的波谱特征,不同的物体,其波谱特征也不同,遥感技术就是基于该原理,利用搭载在各种遥感平台上的传感器接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态[1]。卫星遥感数据具有高度的概括性,卫星获取的光谱植被指数反映了植物叶绿素和形体的变化[3]。大量的研究也表明,植物的叶面积系数、生物量、干物重与光谱植被指数间存在着较好的相关关系[4]。wWW.133229.COM因此,利用从卫星获取的植被光谱信息估测产量成为了可能。用于区域植物生物量估测的遥感模型基础是从光合作用即植被生产力形成的生理过程出发,在建立模型的过程中,根据植物对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输,结合植被生产力的生态影响因子,最后在卫星接收到的信息之间建立完整的数学模型及其解析式[5]。

2遥感估产模型的类型

20世纪70年代后期估产模型将遥感信息作为变量加入到模型中,建立了大量的遥感估产模型。理论上探讨植物光合作用与植物光谱特征间的内在联系以及植物的生物学特性与产量形成的复杂关系等,方法上从单纯建立光谱参数与产量间的统计关系,发展到考虑植物生长的全过程,将光谱的遥感物理机理与植物生理过程统一起来,建立基于成分分析的遥感估测模型,使估算精度不断提高[6]。由于研究对象的不同,选用的估产参数也不尽相同,模型种类也较多,基本上可以分为2类[7-8],即统计模型和综合模型。

2.1遥感统计模型

目前,基于统计的遥感估产有3种技术路线:一是遥感光谱绿度值(植被指数)-生物量关系模式。在对作物、草原、森林的估产中,这是一种常用的思路,但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况;二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式,即先分析实测地物光谱绿度值与生物量之间的关系,建立相应模型,再分析卫星遥感植被指数与地物光谱绿度值的关系,建立卫星遥感植被指数与生物量之间的关系模型,最后利用光谱监测模型和卫星遥感监测模型进行监测与估产;三是遥感-地学综合模式。该方法将气温、降水等环境因子引入模型,与遥感-生物量模型互相补充,克服各自存在的缺陷,可进一步提高估产精度。建立的统计模型有线性、幂函数、指数、对数等,回归的方法也有一元回归、多元回归、逐步回归等,得到的系数差别较大,并且应用也局限于建模的时间和地点,在很多情况下地面资料的数也影响模型的精度。

2.2遥感综合模型

综合模型借助遥感信息和植被信息、气象因子等来建立,其包含了更多的信息量,可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔,但受到模型中大量的参数和变量获取的限制(例如呼吸、衰老、光合作用、碳分配、凋落物的分解等),以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响,部分模型只适用于当时的研究区域,如何通过“尺度扩大”来改进模式中的区域限制,更好地适应遥感信息的同化需要,也是亟需解决的一个关键问题。

3展望

遥感技术经过几十年的发展,已经日趋成熟,遥感估产的优点是可以得到长时间尺度和大空间尺度的生产力资料,因而它仍是未来生产力探测方法的发展方向。目前国际上对各类生态系统的估产模型有很多,建立的模型和所选择的数据源并不是任何时期、任何区域都适用,应该根据研究区域的实际情况来改进生物量模型和选择合适的遥感数据源。基于遥感技术的生物量估算需要运用多种技术,综合多种方法,使估算模型达到最优。新的数学方法的不断探索和试验是充分发挥遥感信息作用的前提和途径,数量化理论、神经网络方法、cwsi理论、灰色系统理论、数值模拟等

理论的尝试将可能实现高精度定量估测。

4参考文献

[1]梅安新,彭望琭,秦其明,等.遥感导论[m].北京:高等教育出版社,2001.

[2]李海亮,赵军.草地遥感估产的原理与方法[j].草业科学,2009,26(3):34-38.

[3]冯奇,吴胜辉.我国农作物遥感估产研究进展[j].世界科技研究与发展,2006,28(3):32-36,6.

[4]申广荣,王人潮.植被光遥感数据的研究现状及其展望[j].浙江大学学报,2001,27(6):682-690.

[5]张佳华.生物量估测模型中遥感信息与植被光合参数的关系研究[j].测绘学报,1999,28(2):128-132.

[6]赵英时.遥感应用分析原理与方法[m].北京:科学出版社,2003.

[7]陶伟国,徐斌,杨秀春.草原产草量遥感估算方法发展趋势及影响因素[j].草业学报,2007,16(2):1-8.

高光谱遥感技术篇5

关键词：遥感；光谱地质；矿产勘查

引言：

煤炭资源对于任何国家及其人民来说都是不可或缺的，离开了煤炭资源，国民经济建设与人民的生活都进行不下去，而矿产勘查工作直接影响甚至是决定着煤炭的开采效率与安全性，煤炭开采企业的经济效益与社会效益的获取都直接受到矿产勘查工作的影响，毕竟能否在短时间内找到较多数量的矿井，直接决定着可开采的煤矿数量，与此同时，我国在煤炭开采过程中出现了大量的浪费。所以，必须投入较多的人力、物力以及财力创新勘查勘查技术和方法，以满足国家的经济建设需求和人民的日常生活需求。随着科学技术的进步与发展，遥感和光谱地质技术逐渐在我国的找矿工作中得到了普遍的应用和推广，其在提高煤矿开采效率、促进勘查勘查工作进行等方面发挥着不可替代的作用。笔者从事矿产勘查这方面的理论研究和亲身实践已经有数年的时间，经验相对丰富，接下来就有针对性的对遥感和光谱地质进展及其对矿产勘查的实践应用进行全面的分析与探讨，希望为有关方提供绵薄之力。

1遥感及光谱地质应用技术

遥感技术及很多优点于一身，凭借着自身的诸多优势，其被应用到了很多的领域，煤矿的勘察领域就是十分鲜明的例子，而与此同时，数字图像处理技术的进步与光谱数据的出现使得遥感技术在勘察勘察领域得到了更好的应用，使得矿产勘查水平实现了质的飞跃。接下来就对遥感及光谱地质应用技术进行探讨和分析。

1.1光谱微分析技术

此技术主要包括对反射光谱进行相关的数学模拟以及对于不同阶段微分值的相关计算。通过这一技术可以提高对于光谱弯曲率及其最大、最小的反射率波长位置测定的准确率。通常情况下，可以通过使用一阶微分法将一部分线性的或者一些接近线性的背景、或者噪声光谱对于非线性的目标光谱等产生的影响。

1.2混合光谱分解技术

这种数据的主要作用是对光谱数据做出分析，并确定同一个像元内的不同成分所占比例，或者是识别在已知的端元组分中分析其它的组分。对这一技术进行使用的时候，会在某种程度上受到图像分辨率的制约，所以许多的混合性像元会出现在图像之中。对于混合像元的分解技术则主要是提取像元之中不同地物类别丰度的一种方法。除此之外，光谱吸收指数还可以实现高光谱遥感图像处理以及对于光谱吸收特征的有效识别，也能够对混合光谱进行分解。

1.3光谱特征的提取

光谱特征的提取主要是指依照相关的准则可以直接通过原始空间，选取其中的一个子集，也就是波段选择。另外一类则是指在原始的特征空间以及新的特征空间中找到其相关的一种映射关系，在新的特征空间之中对子集进行相关的选择。

2遥感及光谱地质进展

就目前来说，高光谱遥感地质的应用领域仍然在不断地扩大，而且其影响也是不断深入的。特别是遥感技术的大幅度进步，使得遥感及光谱地质的进展速度特别快，笔者接下来就分析其进展：

2.1精细识别高光谱数据矿物

光谱地质应用的关键点是对高光谱数据矿物成分的识别。开展矿物识别的时候，主要识别对象是矿物的种类、矿物的含量和矿物的成分。在以上三个领域中，最成功的应用是对于矿物种类的识别，其作为光谱遥感研究的重点和关键受到了人们的高度重视

2.2遥感及光谱地质中环境分析

矿物填图虽然是高光谱技术领域应用最为成功的领域，但是其还存在一个很关键和棘手的问题，即不能对其识别的予以有效的利用。通过使用热红外成像仪，可以将其对矿物的识别扩大到架状以及岛状性质的硅酸盐。

3高光谱遥感地质存在的问题及解决策略

3.1存在的问题

（1）对于矿山环境的遥感探测相当复杂与繁琐，矿区土壤、植被与水分从污染中心向周遭大范围的扩散。污染的分布是存在浓度梯度的，这就使得光谱特征也逐渐出现渐进的变异趋势，最终使得识别信息的难度大大提升。

（2）开展矿产勘查工作的时候，遥感与光谱地质的应用仍然受到很多方面的影响和限制，其具体表现在以下几个方面：

第一，数据的获取不够及时和精确特别是在轨的航天高光谱仪，在使用需要投入大量的成本，幅宽也是不够宽的，具有不强的实用性；

第二，商业性标准数据产品的缺乏限制了高光谱遥感的推广和具体应用；

第三，到目前为止，矿山环境污染典型地物光谱数据库在我国仍然建立，不利于识别这些地区的污染物。

3.2解决策略

（1）投入更多的人力、物力以及财力进行遥感与光谱地质方面科学研究与分析，重点研究多角度的高光谱遥感机理模型。多角度的高光谱遥感在应用的时候不需要很高的光谱反射率，但是在在精细反演矿山环境的时候，需要加强多角度与高光谱遥感机理模型的研究工作，以便更好地发挥其实际作用。

（2）国家以及政府要加大对高光谱遥感技术的支持和投入，对遥感光谱技术的应用领域与范围进行大力的扩展。更好地发挥和实现光谱库对于矿产勘查工作的促进作用。

4遥感及光谱地质在矿产勘查的应用

4.1成像光谱技术的应用

遥感技术的组成部分有很多，其中成像光谱技术是极为关键的一个，这种技术的建立基础是近红外光以及可见光。除此之外，这项技术集图像以及光谱于一身，其分辨率极高。

成像光谱技术的最大经常用于矿物以及岩石等各种资源的勘，并且在这些领域的优势要远远高于其他的领域。在这一技术的运用之下，可以实现对于各种矿物类别的识别。为了提高煤矿开采企业的找矿与矿产开采效率，许多企业都表示出了对成像光谱技术的欢迎与普遍青睐，遥感技术的作用得到了最大程度的发挥和实现。

4.2蚀变矿物以及矿化带的探测

（1）对于热液蚀变矿物组合的探测以及成矿的分析。实际数据与研究表明。进行矿产勘探工作的时候如果能对HyMap数据进行良好的运用，即便是出露特别差的区域，主要原地存在留有风化的产物，就能够实现矿产资源的勘探。除此之外，在分析相关生成矿物的基础之上，还可以对矿床的相关类型进行分析。这一先进的技术在很大程度上方便了地质勘探工作的进行与开展，特别是那些露头条件相当差的区域，就算某些地区被一些风化产物所覆盖，也照样能实现矿产资源的勘察。

（2）勘察和识别铜矿等种类的矿区。我们国家的航空物探遥感中心以前在对航天高光谱数据的利用之下勘查了相关的蚀变矿物，由此发现了基础矿化异常以及很多比较小的蚀变分布区。不仅仅是我们国家，加拿大通过使用相关技术识别并研究了铜矿矿区，在对几种变质矿物的分析比较的基础上顺利开展了矿区的潜力制图。

5结束语：

通过笔者在文中的详细叙述我们不难发现，我国对于煤炭资源的需求是较为强烈的，但是煤炭开采过程中的资源浪费现象屡禁不止，导致煤炭的数量供不应求，甚至导致我们这样一个能源大国依靠进口煤炭资源来满足生产和建设，为了提高我国煤炭企业的开采效率并保证采矿过程中的安全性，创新和发展新型的矿产勘查技术是当务之急，为了解决这方面的问题，遥感以及光谱技术应运而生，在这一技术的运用之下，矿产勘查工作变得更加容易，在很大程度上满足了国家经济建设与人们生产生活的需要，并促进煤炭开采企业的长远健康与可持续发展。

参考文献

高光谱遥感技术篇6

[关键词]遥感技术地质矿床矿产勘查影像分析

[中图分类号]P627[文献码]B[文章编号]1000-405X（2014）-8-206-1

0引言

遥感技术用于地质找矿是人类成功驾驭遥感技术的一个重要举措，遥感技术能根据探测器感知到的图像，为地质勘查工作提供可行性分析资料，并为找矿、开采过程提供实际地貌资料，地矿勘查工作在密切联系理论和实践的基础上，既有利于顺利开展工作又提高了工作绩效。遥感找矿技术在地质矿产勘查中的应用，其高效、宏观、多光谱、多层次、多时相的技术优势为新疆矿产大区地质勘查工作提供了广阔的前景，在加快国家西部开发战略和新疆开发建设等项目上具有重要的现实意义和战略意义。

1遥感技术概念

任何物体都具有不同的吸收、反射、辐射光谱的特能，在同一光谱区内，不同的物体反映出的光谱特性不同，同一物体在不同光谱区内的反映也有很大差别，或者是同一物体在不同的时间、地点，受太阳光照射角度不同，它们对光谱的吸收和反射也有所不同。遥感技术根据物体的光谱特性原理，从远距离感知目标反射或自身辐射的电磁波、可见光、红外线等目标进行探测和识别，然后对物体做出判断。在数字地球框架下，将遥感技术与传统地质方法、现代信息技术相结合，对遥感信息进行延伸应用和信息化，提高矿产资源的勘查效果。当前，露出地表的矿藏越来越少，勘查目标已转向地下深处隐伏的矿床，找矿难度更大，同时，采用各种地学手段获取丰富信息资源为遥感信息和其他地学信息的集成创造了一定的条件。遥感探测技术通常采用红光、绿光和红外光三种光谱波段，其中红光段用于探测植物生长及变化和水污染等，绿光段用于探测地下水、岩石和土壤特性，红外光段探测土地、矿产及资源。

2不同岩区矿床的遥感技术应用

新疆区域辽阔，地壳经历了漫长曲折的发展过程，最古老的的是由麻粒岩、变粒岩、片麻岩和混合岩组成的晚太古界，构成塔里木古陆的陆核，中上元古代时期，发育了一套浅变质的陆缘碎屑岩和碳酸盐岩，使陆壳扩大、增厚，成熟度明显增高，震旦纪到二叠纪共出现4个板块活动活跃期。板块构造活动造就了新疆境内复杂的地质环境，为新疆提供了多矿种、多类型的矿产资源。多类型矿床使得遥感技术所显示的地质图像多样，因此只有充分了解遥感技术在不同矿床类型中的应用，才能分析矿床类型、了解实际地矿情况。

2.1变质岩区矿床

利用常规方法在变质岩区找矿难度较大，而遥感技术则能克服其地形地质复杂的难题，通过对岩区地质基础作深入的了解和分析，对遥感图像中展示出来的特定影纹结构和色调进行图像处理和详细分析，可从中寻找出各种成矿因素以及遗漏的分析要点等成矿信息，而且遥感技术还能对岩区地质图像进行叠加技术处理，有利于地质人员对岩区的复杂构造和活动进行分析，找出岩区含矿迹象和成矿的分布规律，作为有力的寻矿证据指导寻矿工作。

2.2岩浆岩区矿床

岩浆岩区矿床是由岩浆及火山活动侵入矿区造成的，通常出现在火山附近特别是内生金属矿区。受火山活动及岩浆入侵影响，这类矿床距地面较深，大多处于地质断层处，位于火山附近或地质活动活跃的地区，因此利用遥感技术对该矿床进行感知时，呈现在遥感图像上的岩浆岩区矿床具置较为复杂，可通过地形结构图分析地区成矿条件，根据其周围的火山岩石结构特点来分析地矿地点和分布及寻矿工作的可行性，利用遥感图上地质断层的特点来确定地矿具体方位。

2.3表壳矿床

表壳矿床形成受当地地貌影响较大，根据表壳矿床特点可以分为近代风化壳矿床和砂矿，其矿物质大多为化学性质较稳定的锰、铝、金等矿元素。砂矿和近代风化壳矿床分别存在不同的地点，通过遥感图像对地质地貌进行正确分析可发现这两类矿床，其中砂矿主要存在于低山丘陵的河谷区，近代风化壳矿床一般存在地形地质相对平缓稳定的高平台地区，不过一些岩溶洼地、破碎带或凹地也存在这类矿床。

2.4沉积岩区矿床

沉积岩区矿床的形成受某些岩性地层影响偏大，必须利用航空遥感技术才能获取到有价值的研究资料，得以了解矿床区域构造及成矿条件。这是一般遥感图片难以完成的。

3遥感找矿技术在地质勘查中的应用

3.1遥感影像线性结构与成矿的关系

据有关研究表明，大部分遥感影像线性结构所反映的是构造应力作用下的岩石软弱带、变形带或应力集中带，这是导矿和容矿的场所，也可能是一些成矿沉积盆地边界的控制因素。我们可以通过对遥感影像线性结构进行综合分析，了解区域内的成矿规律，从而明确出找矿方向。由地质地貌形成线性结构影响着成矿的各种可能性，通常，大部分矿产都分布在这些地质地貌出现过较大变化的地区，如一些矿田或成矿带分布在巨型断裂带上，不过也有一些具有工业远景的矿床分布在主干断裂斜交或平行的次级断裂和节理带中。分析研究地质矿床遥感图像，我们还可以通过感知地形构造发现一些矿区特点，其中一些岩浆区矿床多分布在岩浆沿大型剪切带侵入扩容拐点区内，研究利用遥感图像，并对图像作相关技术处理后，便可将找矿方向锁定在一定区域内，对这些区域附近一带进行重点勘查即可，节省了大量勘查工作，提高了勘探效率。

3.2利用遥感多波段技术分析矿产分布及成矿关系

矿床出现矿化和蚀变后，其物质的组成和物理、化学性质都会与原岩发生变化，会有构造的显现，地形地貌呈现出异常，以致于在遥感影像上出现光谱反映出来的色调和色度上的差异，具体可表现在各种比例尺的多波段影像上，根据多波段影像色、形、线、纹、环的特征对影像进行目视和机译后提取应有的信息，对蚀变矿化有利的岩性、构造形变情况及过程进行判识，并分析导致这些特征的机制，为综合分析提供前瞻信息。通过红外航空遥感图像等多波段遥感图像对成矿相关的岩石、地层、构造及围岩蚀变带等地质体进行解译，可运用目译解译和遥感图像处理技术提取矿产信息。同时，还可利用机译将矿产解译成果与地球物理勘探、地球化学勘查资料进行综合处理，圈定出成矿远景区，提出预测区和勘探靶区。