高光譜遙感原理技術(shù)與應(yīng)用精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的高光譜遙感原理技術(shù)與應(yīng)用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：高光譜遙感原理技術(shù)與應(yīng)用范文

關(guān)鍵詞：高光譜圖像；數(shù)據(jù)融合；綜合評(píng)價(jià)；最佳方法；地球觀測(cè)1號(hào)

中圖分類(lèi)號(hào)： TP751.1； TP391.41

文獻(xiàn)標(biāo)志碼：A

Abstract： Subject to the imaging principle， manufacturing technology and other factors， the spatial resolution of spaceborne hyperspectral remote sensing imagery is relatively low. Therefore， the thesis proposed the image fusion of hyperspectral imagery and high spatial resolution imagery， and designed the best fusion algorithm to enhance spatial resolution of hyperspectral remote sensing imagery. According to the characteristics of Earth Observing1 （EO1） Hyperion hyperspectral imagery and Advanced Land Imager （ALI） panchromatic imagery， 4 kinds of fusion algorithms were selected to carry out a comparative study of the image fusion effect for the city and mountain regions from 9 kinds of remote sensing image fusion algorithms， namely GramSchmidt spectral sharpening fusion method， transform fusion method of Smoothing Filterbased Intensity Modulation （SFIM）， Weighted Average Method （WAM） fusion method and Wavelet Transformation （WT） fusion method. And it carried out the comprehensive evaluation and analysis of the image fusion effect from 3 aspects of qualitative， quantitative and classification precision， which aims to determine the best fusion method for EO1 hyperspectral imagery and panchromatic imagery. The experimental results show that： 1） from the image fusion effect， GramSchmidt spectral sharpening fusion method is the best in 4 kinds of fusion methods used； 2） from the image classification effect， the classification results based on the fusion image is better than the classification results based on the source image. The theoretical analysis and experimental results show that GramSchmidt spectral sharpening fusion method is an ideal fusion algorithm for hyperspectral imagery and high spatial resolution imagery， and it can provide powerful support to improve the clarity of hyperspectral remote sensing imagery， the reliability and the accuracy of the image object recognition and classification.

Key words： hyperspectral imagery； data fusion； comprehensive evaluation； best method； Earth Observing1 （EO1）

0引言

對(duì)于一套光學(xué)遙感器系統(tǒng)而言，圖像的空間分辨率與光譜分辨率是一對(duì)矛盾，在給定信噪比的條件下，為求得較高的光譜分辨率（窄光譜波段）往往意味著要付出低空間分辨率的代價(jià)[1]。相對(duì)于較高空間分辨率的多光譜圖像而言，當(dāng)前高光譜遙感圖像的空間分辨率還都不夠高，尤其是航天高光譜遙感數(shù)據(jù)。為解決這一矛盾，已經(jīng)（或即將）發(fā)射的搭載成像光譜儀的航天遙感平臺(tái)往往都會(huì)帶有一個(gè)高空間分辨率的全色通道傳感器。例如，地球觀測(cè)1號(hào)（Earth Observing1， EO1）衛(wèi)星上就載有3個(gè)傳感器，即高級(jí)陸地成像儀（Advanced Land Imager， ALI）、高光譜成像光譜儀（Hyperion）和大氣校正儀（Linear Etalon Imaging Spectrometer Array Atmospheric Corrector， LAC）。其中Hyperion高光譜遙感圖像的光譜分辨率為10nm，空間分辨率為30m；而ALI圖像數(shù)據(jù)中就有一個(gè)空間分辨率為10m的全色通道波段。由此為本研究通過(guò)數(shù)據(jù)融合方式來(lái)提高高光譜遙感數(shù)據(jù)的空間分辨率提供了有利的條件，研究高光譜遙感圖像與高空間分辨率圖像的融合將具有十分重要的理論和現(xiàn)實(shí)意義。

將高光譜圖像與高空間分辨率圖像進(jìn)行融合處理，在保持高光譜圖像的光譜物理特性和波形形態(tài)的同時(shí)，還可大幅度改善高光譜圖像的空間解析特性；融合后的圖像仍可為超多波段的圖像數(shù)據(jù)，且具有可定量分析的波譜形狀。目前有關(guān)多光譜遙感圖像與高空間分辨率全色圖像融合的文章很多，但鮮見(jiàn)涉及高光譜圖像融合的報(bào)道，這可能與目前此類(lèi)數(shù)據(jù)源較少及數(shù)據(jù)特性限制有關(guān)。本研究將針對(duì)Hyperion和ALI遙感圖像的特點(diǎn)，選用多種融合方法對(duì)其進(jìn)行數(shù)據(jù)融合實(shí)驗(yàn)，并對(duì)這些方法的融合效果進(jìn)行綜合分析評(píng)價(jià)，旨在尋找最佳的增強(qiáng)高光譜遙感圖像空間分辨率的融合算法，以提高高光譜圖像計(jì)算機(jī)分類(lèi)的精度。

1研究方法

1.1遙感數(shù)據(jù)融合

遙感數(shù)據(jù)融合是將那些在空間或時(shí)間上冗余或互補(bǔ)的多源遙感圖像數(shù)據(jù)按一定的規(guī)則（或算法）進(jìn)行運(yùn)算處理，以獲得比任何單一數(shù)據(jù)更精確、更豐富的信息，從而生成一幅具有新的空間、波譜、時(shí)間特征的合成圖像[2-4]。遙感數(shù)據(jù)融合通?？煞譃?個(gè)層次：像元級(jí)融合、特征級(jí)融合和決策級(jí)融合。其中像元級(jí)融合強(qiáng)調(diào)不同圖像信息在像元基礎(chǔ)上的綜合及必須進(jìn)行基本的地理編碼，即對(duì)柵格數(shù)據(jù)進(jìn)行相互間的幾何配準(zhǔn)，在各像元一一對(duì)應(yīng)的前提下進(jìn)行像元級(jí)的合并處理，以改善圖像處理的效果，使特征提取、圖像分割等工作在更準(zhǔn)確的基礎(chǔ)上進(jìn)行，并可獲得更好的圖像視覺(jué)效果[2]。由于像元級(jí)融合是基于最原始的圖像數(shù)據(jù)，能最大限度地保留圖像原有的真實(shí)感，以提供其他融合層次所不能提供的細(xì)微信息，故其一直是遙感圖像融合研究的熱點(diǎn)。本文所提及的遙感數(shù)據(jù)融合均指像元級(jí)的圖像數(shù)據(jù)融合。

目前，遙感數(shù)據(jù)融合的方法可分為4類(lèi)：光譜變換、頻率的濾波、代數(shù)和多分辨率變換。1）基于光譜變換的融合方法，是將多光譜波段轉(zhuǎn)換到另一光譜域，并用全色高空間分辨率圖像替換其中的相關(guān)波段，然后通過(guò)反變換回到原始光譜域。其具體方法有彩色變換、主成分變換、GramSchmidt變換等。2）基于頻率的濾波融合方法，是在提取高空間分辨率圖像的高頻結(jié)構(gòu)信息的基礎(chǔ)上，與多光譜波段圖像融合，使得在提高后者空間分辨率的同時(shí)保持其原有豐富的光譜信息。其具體方法有高通濾波、平滑調(diào)節(jié)濾波等。3）基于代數(shù)的融合方法，是通過(guò)加、減、乘、除及混合運(yùn)算或?qū)Ω鞑ǘ螆D像數(shù)據(jù)間的相關(guān)性進(jìn)行加權(quán)運(yùn)算來(lái)獲得融合圖像，可不同程度地消除大氣影響，增強(qiáng)相關(guān)的信息特征。其具體方法有加權(quán)平均法、Brovey變換等。4）基于多分辨率變換的融合方法，是先將參加融合的原圖像作多分辨率分解；然后將各相應(yīng)層上的分解系數(shù)按一定的融合規(guī)則進(jìn)行合成處理而得到融合系數(shù)；最后將融合系數(shù)進(jìn)行多分辨率逆變換得到融合圖像。其具體方法有金字塔分解融合法、小波變換融合法等。

1.2高光譜與高空間分辨率圖像融合的特點(diǎn)及方法

高光譜遙感以多達(dá)數(shù)百個(gè)的納米量級(jí)寬度的窄波段對(duì)目標(biāo)實(shí)施連續(xù)的光譜成像，由此可獲得地物在一定范圍內(nèi)連續(xù)而精細(xì)的光譜曲線，故能充分利用地物不同波段光譜響應(yīng)特征的微小差異來(lái)實(shí)現(xiàn)對(duì)地物的精細(xì)探測(cè)。但由于受制于制造技術(shù)及高光譜成像本身的特點(diǎn)，當(dāng)前航天高光譜圖像的空間分辨率還不夠高，由此給對(duì)地物的精確識(shí)別與分類(lèi)帶來(lái)一定的困難。鑒于此，研究高光譜分辨率圖像與高空間分辨率圖像的融合將具有十分重要的意義。高光譜遙感圖像與高空間分辨率遙感圖像融合的目的不僅在于提高高光譜圖像數(shù)據(jù)的空間分辨率，還應(yīng)盡量保持高光譜圖像原有的光譜信息和波形形態(tài)，且仍可為超多窄波段的圖像數(shù)據(jù)，即所要得到的是高空間分辨率的高光譜圖像。采用常規(guī)方法進(jìn)行高光譜圖像融合的困難在于：隨著波段數(shù)目的增加，高光譜圖像不僅數(shù)據(jù)量呈指數(shù)級(jí)增加，且其數(shù)據(jù)的特征空間維度及信息冗余度也在增大，海量的遙感數(shù)據(jù)及其衍生數(shù)據(jù)正極大地挑戰(zhàn)常規(guī)方法的數(shù)據(jù)解析能力。由此可見(jiàn)，傳統(tǒng)的多光譜遙感圖像融合方法不宜直接應(yīng)用于高光譜遙感圖像融合，尋求適合于高光譜圖像的融合方法是高光譜遙感應(yīng)用的一個(gè)有意義的研究方向。

由以上分析可知，高光譜數(shù)據(jù)的特點(diǎn)要求融合處理算法應(yīng)能同時(shí)提高n個(gè)光譜波段的空間分辨率，且同時(shí)應(yīng)盡量保留原始的光譜信息。在上述所列舉的9種具體的遙感圖像融合方法中，彩色變換和Brovey變換這兩種融合方法因僅能用于3個(gè)波段的多光譜圖像與全色波段圖像的融合，故不適用于高光譜圖像；主成分變換融合方法是把信息量最大的第一主成分替換掉，故難免會(huì)造成一定的光譜失真；高通濾波融合方法因采用大小固定的濾波器，故難以對(duì)圖像數(shù)據(jù)進(jìn)行任意尺度的分解，且融合圖像仍包含較大的噪聲；金字塔分解融合方法雖能對(duì)不同傳感器的圖像進(jìn)行較好的融合運(yùn)算，但因其層間分解量之間具有相關(guān)性而導(dǎo)致其融合結(jié)果不夠理想。因此，本文舍棄這5種方法而選用其余4種方法對(duì)Hyperion高光譜圖像和ALI全色波段圖像進(jìn)行融合：即基于光譜變換的GramSchmidt光譜銳化融合法、基于頻率的平滑調(diào)節(jié)濾波融合法、基于代數(shù)的加權(quán)平均融合法和基于多分辨率變換的小波變換融合法，并對(duì)這4種方法的融合效果進(jìn)行綜合評(píng)價(jià)與分析，旨在尋找最佳的增強(qiáng)高光譜遙感圖像空間分辨率的融合算法，以改善高光譜圖像的空間解析特性，且同時(shí)能最大限度地保持其原有的光譜物理特性和波形形態(tài)。

1.3.4小波變換融合法

小波變換（Wavelet Transformation， WT）建立于傅里葉分析基礎(chǔ)之上，具有良好的時(shí)頻局部化特點(diǎn)，因而能有效地從信號(hào)中獲取信息。它通過(guò)伸縮、平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度的細(xì)化處理與分析，解決了傅里葉變換所不能解決的很多難題，故被稱(chēng)為“數(shù)學(xué)顯微鏡”，而正是這種特性使小波變換具有對(duì)信號(hào)的自適應(yīng)性[11]。

小波變換將原始圖像分解成一系列具有不同空間分辨率和不同頻率特性的子圖像，低頻分量反映的是圖像的整體視覺(jué)信息，而高頻分量反映的則是圖像的細(xì)節(jié)特征。將高空間分辨率圖像的高頻分量與相應(yīng)的多光譜圖像的低頻分量組合并進(jìn)行小波重建，所得到的融合圖像既能保留高空間分辨率圖像的空間結(jié)構(gòu)信息，又能融合多光譜圖像豐富的光譜信息，可提高遙感圖像的解譯能力和分類(lèi)精度。但由小波變換得到的融合圖像會(huì)隨小波分解尺度的增大而出現(xiàn)明顯的方塊效應(yīng)，且小波在表達(dá)圖像邊緣的方向特性方面也存在一定的缺陷[12]。

3融合算法綜合評(píng)價(jià)與分析

以下從定性、定量和分類(lèi)精度這3個(gè)方面對(duì)這些融合圖像的效果進(jìn)行綜合評(píng)價(jià)和對(duì)比分析，從而確定適合EO1高光譜與全色圖像融合的最佳方法。

3.1定性評(píng)價(jià)

分別將上述子區(qū)1和子區(qū)2采用4種方法獲得的融合圖像與高光譜源圖像進(jìn)行比對(duì)，發(fā)現(xiàn)融合后的圖像在視覺(jué)效果上均有很大改善，且圖像的空間紋理信息也都有顯著提升，可較好地反映圖像的細(xì)節(jié)特征。由此可見(jiàn)，圖像經(jīng)此融合后，都能在較大程度地保持源有光譜信息的同時(shí)提高了空間分辨率。在這4種融合方法中，GSSS融合方法獲取的融合圖像效果最好，其整體視覺(jué)與原始圖像相差不大，尤其水體等地物的色調(diào)差異較小，道路、建筑物和植被等信息亦較清晰；SFIM融合方法次之；WAM融合方法使圖像變亮；WT融合方法使圖像變暗（如圖5）。此外，SFIM和WT方法的融合圖像存在較明顯的邊界模糊現(xiàn)象，尤其后者的模糊程度更為明顯。

進(jìn)一步隨機(jī)選某一波段（如第48波段），對(duì)比融合前后圖像在該波段的水平方向光譜剖面曲線。由于兩個(gè)子區(qū)光譜剖面曲線的對(duì)比特征基本一致且受篇幅限制，故以下僅給出子區(qū)1的曲線結(jié)果（如圖6）。從圖6中可見(jiàn)，各種融合方法融合后的圖像與原始高光譜圖像在形態(tài)上基本一致，且因圖像空間分辨率的提高，光譜波動(dòng)的細(xì)節(jié)均得到明顯的刻畫(huà)。其中：GSSS融合方法的光譜保真性最好，其水平光譜剖面曲線與源光譜圖像的水平光譜剖面曲線吻合度較高；SFIM融合方法次之；WAM和WT融合方法的水平光譜剖面線中存在某些局部反射率值的放大或縮小。

由表2可見(jiàn)，無(wú)論采用何種分類(lèi)方法，高光譜融合圖像的總體分類(lèi)精度及Kappa系數(shù)均比高光譜源圖像高，由此表明融合圖像的分類(lèi)效果要優(yōu)于源圖像；無(wú)論對(duì)高光譜源圖像或融合圖像進(jìn)行分類(lèi)，支持向量機(jī)分類(lèi)方法的總體分類(lèi)精度及Kappa系數(shù)均高于其他幾種分類(lèi)方法，由此表明Hyperion高光譜圖像采用支持向量分類(lèi)方法要優(yōu)于其他幾種分類(lèi)方法。

4結(jié)語(yǔ)

受制于成像原理及制造技術(shù)等因素，航天高光譜遙感圖像的空間分辨率相對(duì)較低。解決這一問(wèn)題的思路在于：將高光譜圖像與高空間分辨率圖像進(jìn)行融合處理，由此可提高高光譜遙感數(shù)據(jù)的空間分辨率，并較好地保持其光譜物理特性和波形形態(tài)。本研究著眼于高光譜圖像和高空間分辨率圖像各自的特點(diǎn)，開(kāi)展了對(duì)Hyperion高光譜圖像和ALI全色波段圖像的一系列融合與分類(lèi)實(shí)驗(yàn)。選用4種融合方法對(duì)實(shí)驗(yàn)區(qū)數(shù)據(jù)進(jìn)行融合：即GramSchmidt光譜銳化融合法、SFIM變換融合法、WAM融合法和WT融合法，并分別從定性、定量和分類(lèi)精度這3方面對(duì)這些方法的融合效果進(jìn)行綜合評(píng)價(jià)與分析。

實(shí)驗(yàn)結(jié)果顯示，從圖像融合效果看，在所采用的4種融合方法中，GramSchmidt光譜銳化融合法的效果最好；從圖像分類(lèi)效果看，基于融合圖像的分類(lèi)效果要優(yōu)于基于源圖像的分類(lèi)效果。由此表明，對(duì)于EO1高光譜與全色圖像的融合，GramSchmidt光譜銳化融合法是最佳融合方法，該方法不僅能較大程度地保留高光譜圖像中原有的光譜信息，同時(shí)也增強(qiáng)了其空間結(jié)構(gòu)信息，由此可為提高高光譜遙感圖像的清晰度、可靠性及圖像的地物識(shí)別和分類(lèi)的準(zhǔn)確性提供有力的支持。

參考文獻(xiàn)：

[1]ZHANG B. Hyperspectral data mining supported by temporal and spatial information [J]. Beijing： Chinese Academy of Sciences， Institute of Remote Sensing Applications， 2002.（張兵.時(shí)空信息輔助下的高光譜數(shù)據(jù)挖掘 [D].北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2002.）

[2]ZHAO Y. Analysis principles and methods of remote sensing applications [M]. Beijing： Science Press， 2003.（趙英時(shí).遙感應(yīng)用分析原理與方法 [M].北京：科學(xué)出版社，2003.）

[3]EHLERS M. Multisensor image fusion techniques in remote sensing [J]. ISPRS Journal of Photogrammetry and Remote Sensing， 1991， 46（1）： 19-30.

[4]SIMONE G， FARINA A， MORABITO F C， et al. Image fusion techniques for remote sensing applications [J]. Information Fusion， 2002， 3（1）： 3-15.

[5]CLAYTON D G. GramSchmidt orthogonalization [J]. Applied Statistics， 1971， 20（3）： 335-338.

[6]LABEN C A， BROWER B V. Process for enhancing the spatial resolution of multispectral imagery using Pansharpening： USA， 6011875 [P]. 20000104.

[7]LI C， LIU L， WANG J， et al. Comparison of two methods of fusing remote sensing images with fidelity of spectral information [J]. Journal of Image and Graphics， 2004， 9（11）： 1376-1385.（李存軍，劉良云，王紀(jì)華，等.兩種高保真遙感影像融合方法比較[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（11）：1376-1385.）

[8]LIU J G. Smoothing filterbased intensity modulation： a spectral preserve image fusion technique for improving spatial details [J]. International Journal of Remote Sensing， 2000， 21（18）： 3461-3472.

[9]XU H. Classification of fused imagery base on the SFIM algorithm [J]. Geomatics and Information Science of Wuhan University， 2004， 29（10）： 920-923.（徐涵秋.基于SFIM算法的融合影像分類(lèi)研究 [J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2004，29（10）：920-923.）

[10]TONG Q， ZHANG B， ZHENG L. Hyperspectral remote sensing―principles， techniques and applications [M]. Beijing： Higher Education Press， 2006.（童慶禧，張兵，鄭蘭芬.高光譜遙感――原理、技術(shù)與應(yīng)用 [M].北京：高等教育出版社，2006.）

[11]QIN Q， YANG Z. Practical wavelet analysis [M]. Xian： Xidian University Press， 1994.（秦前清，楊宗凱.實(shí)用小波分析 [M].西安：西安電子科技大學(xué)出版社，1994.）

[12]MAN W， YUAN Y， HUANG Y. A new remote sensing fusion algorithm based on curvelet transform [J]. Journal of Yangtze University： Natural Science Edition， 2010， 7（2）： 70-73.（滿旺，袁瑩，黃于同.一種基于曲波變換的遙感圖像融合新算法[J].長(zhǎng)江大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，7（2）：70-73.）

[13]U.S. Geological Survey. Earth Observing 1 （EO1） [EB/OL]. [20111113]. http：//eo1.usgs.gov.

[14]WU P. From Earth Observing1 satellite to see the new satellite technology in the 21st century [J]. International Space， 2001（8）： 10-16.（吳培中.從地球觀測(cè)1衛(wèi)星看21世紀(jì)衛(wèi)星新技術(shù)[J].國(guó)際太空，2001（8）：10-16.）

[15]UNGAR S G， PEARLMAN J S， MENDENHALL J A， et al. Overview of the Earth Observing One （EO1） mission [J]. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（6）： 1149-1159.

[16]TOET A. Multiscale contrast enhancement with applications to image fusion [J]. Optical Engineering， 1992， 31（5）： 1026-1031.

[17]LIU T， CHENG J. Remote sensing image fusion with wavelet transform and sparse representation [J]. Journal of Image and Graphics， 2013， 18（8）： 1045-1053.（劉婷，程建.小波變換和稀疏表示相結(jié)合的遙感圖像融合[J].中國(guó)圖象圖形學(xué)報(bào)，2013，18（8）：1045-1053.）

第2篇：高光譜遙感原理技術(shù)與應(yīng)用范文

關(guān)鍵詞：遙感水質(zhì)監(jiān)測(cè)遙感數(shù)據(jù)

1水體遙感監(jiān)測(cè)的基本理論

1.1水體遙感監(jiān)測(cè)原理、特點(diǎn)。影響水質(zhì)的參數(shù)有：水中懸浮物、藻類(lèi)、化學(xué)物質(zhì)、溶解性有機(jī)物、熱釋放物、病原體和油類(lèi)物質(zhì)等。隨著遙感技術(shù)的革新和對(duì)物質(zhì)光譜特征研究的深入，可以監(jiān)測(cè)的水質(zhì)參數(shù)種類(lèi)也在逐漸增加，除了熱污染和溢油污染等突發(fā)性水污染事故的監(jiān)測(cè)外，用遙感監(jiān)測(cè)的水質(zhì)數(shù)據(jù)大致可以分為以下四大類(lèi)：渾濁度、浮游植物、溶解性有機(jī)物、化學(xué)性水質(zhì)指標(biāo)。

利用遙感技術(shù)進(jìn)行水環(huán)境質(zhì)量監(jiān)測(cè)的主要機(jī)理是被污染水體具有獨(dú)特的有別于清潔水體的光譜特征，這些光譜特征體現(xiàn)在其對(duì)特定波長(zhǎng)的光的吸收或反射，而且這些光譜特征能夠?yàn)檫b感器所捕獲并在遙感圖象中體現(xiàn)出來(lái)。如當(dāng)水體出現(xiàn)富營(yíng)養(yǎng)化時(shí)，浮游植物中的葉綠素對(duì)近紅外波段具有明顯的“陡坡效應(yīng)”，故而這類(lèi)水體兼有水體和植物的光譜特征，即在可見(jiàn)光波段反射率低，在近紅外波段反射率卻明顯升高。

1.2水質(zhì)參數(shù)的遙感監(jiān)測(cè)過(guò)程。首先，根據(jù)水質(zhì)參數(shù)選擇遙感數(shù)據(jù)，并獲得同期內(nèi)的地面監(jiān)測(cè)的水質(zhì)分析數(shù)據(jù)?，F(xiàn)今廣泛使用的遙感圖象波段較寬，所反映的往往是綜合信息，加之太陽(yáng)光、大氣等因素的影響，遙感信息表現(xiàn)的不甚明顯，要對(duì)遙感數(shù)據(jù)進(jìn)行一系列校正和轉(zhuǎn)換將原始數(shù)字圖像格式轉(zhuǎn)換為輻射值或反射率值。然后根據(jù)經(jīng)驗(yàn)選擇不同波段或波段組合的數(shù)據(jù)與同步觀測(cè)的地面數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，再經(jīng)檢驗(yàn)得到最后滿意的模型方程（如圖）。

圖1：遙感監(jiān)測(cè)水質(zhì)步驟簡(jiǎn)圖

2水質(zhì)遙感監(jiān)測(cè)常用的遙感數(shù)據(jù)

2.1多光譜遙感數(shù)據(jù)。在水質(zhì)遙感監(jiān)測(cè)中常用的多光譜遙感數(shù)據(jù)，包括美國(guó)Landsat衛(wèi)星的MSS、TM、ETM 數(shù)據(jù)，法國(guó)SPOT衛(wèi)星的HRV數(shù)據(jù)，氣象衛(wèi)星NOAA的AVHRR數(shù)據(jù)，印度遙感IRS系統(tǒng)的LISS數(shù)據(jù)，日本JERS衛(wèi)星的OPS(光學(xué)傳感器)接收的多光譜圖像數(shù)據(jù)，中巴地球資源1號(hào)衛(wèi)星（CBERS--1）CCD相機(jī)數(shù)據(jù)等。

Landsat數(shù)據(jù)是目前應(yīng)用較廣的數(shù)據(jù)。1972年Landsat1發(fā)射后，MSS數(shù)據(jù)便開(kāi)始被用于水質(zhì)研究中。如解亞龍等用MSS數(shù)據(jù)對(duì)滇池懸浮物污染豐度進(jìn)行了研究，明確了遙感數(shù)據(jù)與懸浮物濃度的關(guān)系；張海林等用MSS和TM數(shù)據(jù)建立了內(nèi)陸水體的水質(zhì)模型；Anne等人用TM和ETM 數(shù)據(jù)對(duì)芬蘭的海岸水體進(jìn)行了研究。

SPOT地球觀測(cè)衛(wèi)星系統(tǒng)，較陸地衛(wèi)星最大的優(yōu)勢(shì)是最高空間分辨率達(dá)10m。SPOT數(shù)據(jù)應(yīng)用于水質(zhì)研究中，學(xué)者們也做了一些研究。如可以利用SPOT數(shù)據(jù)來(lái)估算懸浮物質(zhì)濃度和估計(jì)藻類(lèi)生物參數(shù)。

AVHRR(高級(jí)甚高分辨率輻射計(jì))是裝載在NOAA列衛(wèi)星上的傳感器，每天都可以提供可見(jiàn)光圖像和兩幅熱紅外圖像，在水質(zhì)監(jiān)測(cè)等許多領(lǐng)域廣泛應(yīng)用，如1986年，國(guó)家海洋局第二海洋研究所用NOAA數(shù)據(jù)對(duì)杭州灣懸浮固體濃度進(jìn)行了研究。

2.2高光譜遙感數(shù)據(jù)

2.2.1成像光譜儀數(shù)據(jù)。成像光譜儀也稱(chēng)高光譜成像儀，實(shí)質(zhì)上是將二維圖像和地物光譜測(cè)量結(jié)合起來(lái)的圖譜合一的遙感技術(shù)，其光譜分辨率高達(dá)納米數(shù)量級(jí)。國(guó)內(nèi)外的學(xué)者主要利用的有：美國(guó)的AVIRIS數(shù)據(jù)、加拿大的CASI數(shù)據(jù)、芬蘭的AISA數(shù)據(jù)、中國(guó)的PHI數(shù)據(jù)以及OMIS數(shù)據(jù)、SEAWIFS數(shù)據(jù)等進(jìn)行了水體水質(zhì)遙感研究，對(duì)一些水質(zhì)參數(shù)，如葉綠素濃度、懸浮物濃度、溶解性有機(jī)物作了估測(cè)。

2.2.2非成像光譜儀數(shù)據(jù)。非成像光譜儀主要指各種野外工作時(shí)用的地面光譜測(cè)量?jī)x，地物的光譜反射率不以影像的形式記錄，而以圖形等非影像形式記錄。常見(jiàn)的有ASD野外光譜儀、便攜式超光譜儀等。如對(duì)我國(guó)太湖進(jìn)行水質(zhì)監(jiān)測(cè)時(shí)，水面光譜測(cè)量就用了GRE-1500便攜式超光譜儀，光譜的響應(yīng)范圍0.30~1.1um，共512個(gè)測(cè)量通道，主要將其中0.35~0.90um的316個(gè)通道的數(shù)據(jù)用于水質(zhì)光譜分析。并且非成像光譜儀與星載高光譜數(shù)據(jù)的結(jié)合，可望研究出具有一定適用性的水質(zhì)參數(shù)反演模型。

2.3新型衛(wèi)星遙感數(shù)據(jù)。新的衛(wèi)星陸續(xù)升空為水質(zhì)遙感監(jiān)測(cè)提供了更高空間、時(shí)間和光譜分辨率的遙感數(shù)據(jù)。如美國(guó)的LandsatETM 、EO--1ALI、MODIS，歐空局的EnvlsatMERIS等多光譜數(shù)據(jù)和美國(guó)的EO-1Hyperion高光譜數(shù)據(jù)。Koponen用AISA數(shù)據(jù)模擬MERIS數(shù)據(jù)對(duì)芬蘭南部的湖泊水質(zhì)進(jìn)行分類(lèi)，結(jié)果表明分類(lèi)精度和利用AISA數(shù)據(jù)幾乎相同；Hanna等利用AISA數(shù)據(jù)模擬MODIS和MERIS數(shù)據(jù)來(lái)研究這兩種數(shù)據(jù)在水質(zhì)監(jiān)測(cè)中的可用性時(shí)發(fā)現(xiàn)；MERIS以705nm為中心的波段9很適合用來(lái)估算葉綠素a的濃度，但是利用模擬的MODIS數(shù)據(jù)得到的算法精度并不高。Sabine等把CASI數(shù)據(jù)和HyMap數(shù)據(jù)結(jié)合，對(duì)德國(guó)梅克萊堡州湖區(qū)水質(zhì)進(jìn)行了監(jiān)測(cè)，為營(yíng)養(yǎng)參數(shù)和葉綠素濃度的定量化建立了算法。

3水質(zhì)遙感存在的問(wèn)題與發(fā)展趨勢(shì)

3.1存在的問(wèn)題：①多數(shù)限定于定性研究，或進(jìn)行已有的航空和衛(wèi)星遙感數(shù)據(jù)分析，卻很少進(jìn)行定量分析。②監(jiān)測(cè)精度不高，各種算法以經(jīng)驗(yàn)、半經(jīng)驗(yàn)方法為主。③算法具有局部性、地方性和季節(jié)性，適用性、可移植性差。④監(jiān)測(cè)的水質(zhì)參數(shù)少，主要集中在懸浮沉積物、葉綠素和透明度、渾濁度等參數(shù)。⑤遙感水質(zhì)監(jiān)測(cè)的波段范圍小，多集中于可見(jiàn)光和近紅外波段范圍，而且光譜分辨率大小不等，尤其是缺乏微波波段表面水質(zhì)的研究。

3.2發(fā)展趨勢(shì)

3.2.1建立遙感監(jiān)測(cè)技術(shù)體系。研究利用新型遙感數(shù)據(jù)進(jìn)行水質(zhì)定量監(jiān)測(cè)的關(guān)鍵技術(shù)與方法，形成一個(gè)標(biāo)準(zhǔn)化的水安全定量遙感監(jiān)測(cè)技術(shù)體系，針對(duì)不同類(lèi)型的內(nèi)陸水體，建立多種水質(zhì)參數(shù)反演算法，實(shí)現(xiàn)實(shí)驗(yàn)遙感和定量遙感的跨躍，從中獲得原始創(chuàng)新性的成果。

3.2.2加強(qiáng)水質(zhì)遙感基礎(chǔ)研究。加深對(duì)遙感機(jī)理的認(rèn)識(shí)，特別是水質(zhì)對(duì)表層水體的光學(xué)和熱量特征的影響機(jī)理上，以進(jìn)一步發(fā)展基于物理的模型，把水質(zhì)參數(shù)更好的和遙感器獲得的光學(xué)測(cè)量值聯(lián)系起來(lái)；加深目視解譯和數(shù)字圖象處理的研究，提高遙感影象的解譯精度；增強(qiáng)高光譜遙感的研究，完善航空成像光譜儀數(shù)據(jù)處理技術(shù)。

3.2.3開(kāi)展微波波段對(duì)水質(zhì)的遙感監(jiān)測(cè)。常規(guī)水質(zhì)遙感監(jiān)測(cè)波段范圍多數(shù)選擇在可見(jiàn)光或近紅外，尤其是缺乏微波波段表面水質(zhì)的研究情況。將微波波段與可見(jiàn)光或近紅外復(fù)合可提高對(duì)表面水質(zhì)參數(shù)的反演能力。

3.2.4拓寬遙感水質(zhì)監(jiān)測(cè)項(xiàng)?，F(xiàn)階段水質(zhì)遙感局限于某些特定的水質(zhì)參數(shù)，葉綠素、懸浮物及與之相關(guān)的水體透明度、渾濁度等參數(shù)，對(duì)可溶性有機(jī)物、COD等參數(shù)光譜特征和定量遙感監(jiān)測(cè)研究較少，拓寬遙感監(jiān)測(cè)項(xiàng)是今后的發(fā)展趨勢(shì)之一。應(yīng)加強(qiáng)其他水質(zhì)參數(shù)的光譜特征研究，以擴(kuò)大水質(zhì)參數(shù)的定量監(jiān)測(cè)種類(lèi)，進(jìn)一步建立不同水質(zhì)參數(shù)的光譜特征數(shù)據(jù)庫(kù)。

3.2.5提高水質(zhì)遙感監(jiān)測(cè)精度。研究表明利用遙感進(jìn)行水質(zhì)參數(shù)反演，其反演精度、穩(wěn)定度、空間可擴(kuò)展性受遙感波段設(shè)置影響較大，利用星載高光譜數(shù)據(jù)進(jìn)行水質(zhì)參數(shù)反演，對(duì)其上百的波段寬度為10nm左右的連續(xù)波段與主要水質(zhì)參數(shù)的波譜響應(yīng)特性進(jìn)行研究，確定水質(zhì)參數(shù)診斷性波譜及波段組合，形成構(gòu)造水質(zhì)參數(shù)遙感模型和反演的核心技術(shù)，提高水質(zhì)監(jiān)測(cè)精度。

3.2.6擴(kuò)展水質(zhì)遙感監(jiān)測(cè)模型空間。系統(tǒng)深入的研究水質(zhì)組分的內(nèi)在光學(xué)特性，利用高光譜數(shù)據(jù)和中、低分辨率多光譜數(shù)據(jù)進(jìn)行水質(zhì)遙感定量監(jiān)測(cè)機(jī)理研究，進(jìn)行水質(zhì)組分的

定量提取和組分間混合信息的剝離，消除水質(zhì)組分間的相互干擾，建立不受時(shí)間和地域限制的水質(zhì)參數(shù)反演算法，形成利用中內(nèi)陸水體水質(zhì)多光譜遙感監(jiān)測(cè)方法和技術(shù)研究低分辨率遙感數(shù)據(jù)進(jìn)行大范圍、動(dòng)態(tài)監(jiān)測(cè)的遙感定量模型。

3.2.7改進(jìn)統(tǒng)計(jì)分析技術(shù)。利用光譜分辨率較低的寬波段遙感數(shù)據(jù)得到的水質(zhì)參數(shù)算法精度都不是很高，可以借鑒已在地質(zhì)、生態(tài)等領(lǐng)域應(yīng)用的混合光譜分解技術(shù)，人工神經(jīng)網(wǎng)絡(luò)分類(lèi)技術(shù)等，充分挖掘水質(zhì)信息，建立不受時(shí)間和地域限制的水質(zhì)參數(shù)反演算法，提高遙感定量監(jiān)測(cè)精度。

3.2.8綜合利用“3S”技術(shù)。利用遙感技術(shù)視域廣，信息更新快的特點(diǎn)，實(shí)時(shí)、快速地提取大面積流域及其周邊地區(qū)的水環(huán)境信息及各種變化參數(shù)；GPS為所獲取的空間目標(biāo)及屬性信息提供實(shí)時(shí)、快速的空間定位，實(shí)現(xiàn)空間與地面實(shí)測(cè)數(shù)據(jù)的對(duì)應(yīng)關(guān)系；GIS完成龐大的水資源環(huán)境信息存儲(chǔ)、管理和分析。將“3S”技術(shù)在水質(zhì)遙感監(jiān)測(cè)中綜合應(yīng)用，建立水質(zhì)遙感監(jiān)測(cè)和評(píng)價(jià)系統(tǒng)，實(shí)現(xiàn)水環(huán)境質(zhì)量信息的準(zhǔn)確、動(dòng)態(tài)快速，推動(dòng)國(guó)家水安全預(yù)警系統(tǒng)建設(shè)。參考文獻(xiàn)：

[1]張繼賢，喬平林.水資源環(huán)境遙感監(jiān)測(cè)與評(píng)價(jià)[M].北京:測(cè)繪出版社，20__.

[2]謝歡，童小華.水質(zhì)監(jiān)測(cè)與評(píng)價(jià)中的遙感應(yīng)用[J].遙感信息，20__.

[3]齊峰，王學(xué)軍.內(nèi)陸水體水質(zhì)監(jiān)測(cè)與評(píng)價(jià)中的餓遙感應(yīng)用[J].環(huán)境科學(xué)進(jìn)展，1999.

[4]解亞龍，李勃，王星捷等.滇池懸浮物污染豐度的遙感檢測(cè)分析[J].昆明理工大學(xué)學(xué)報(bào)，20__.

[5]張海林，何報(bào)寅.遙感應(yīng)用于湖泊富營(yíng)養(yǎng)化評(píng)價(jià)的研究[J].上海環(huán)境科學(xué)，20__.

[6]劉燦德，何報(bào)寅.水質(zhì)遙感監(jiān)測(cè)研究進(jìn)展[J].世界科技研究與發(fā)展，20__.

[7]萬(wàn)余慶，張鳳麗，閆永忠.高光譜遙感技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用研究[J].國(guó)土資源遙感，20__.

[8]周藝，周偉奇，王世新等.遙感技術(shù)在內(nèi)陸水體水質(zhì)監(jiān)測(cè)中的應(yīng)用[J].水科學(xué)進(jìn)展，20__.

[9]李嶸.遙感技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用研究[J].江西化工，20__.

[10]顧先冰，司群英.國(guó)內(nèi)外遙感衛(wèi)星發(fā)展現(xiàn)狀[J].航天返回與遙感，20__.

作者簡(jiǎn)介：

第3篇：高光譜遙感原理技術(shù)與應(yīng)用范文

【關(guān)鍵詞】海上溢油；遙感；監(jiān)測(cè)

中圖分類(lèi)號(hào)：C35文獻(xiàn)標(biāo)識(shí)碼： A

0.引言

在各類(lèi)海洋污染中，造成主要污染的因素就是海上溢油。由于輪船的碰撞、海上油井的破裂、翻船、海底油田泄露等各種不同的意外事故，造成大海大面積的石油污染，不僅損害海洋、自然環(huán)境，對(duì)生態(tài)環(huán)境、人體健康也是一種危害。溢油對(duì)海洋的污染已經(jīng)引起了各國(guó)政府的重視，很多國(guó)家都建立了海上溢油的探測(cè)系統(tǒng)，對(duì)近海領(lǐng)域進(jìn)行巡視、監(jiān)測(cè)和管理。一旦發(fā)生溢油事故，能夠在最短的時(shí)間內(nèi)了解到溢油發(fā)生的位置以及擴(kuò)散趨勢(shì)。通過(guò)建立完整的監(jiān)測(cè)系統(tǒng)，大范圍有效了解海洋面積的動(dòng)態(tài)信息，對(duì)于海洋溢油污染進(jìn)行定量分析，準(zhǔn)確反映溢油污染的情況與程度。

1.遙感技術(shù)監(jiān)測(cè)海上溢油范圍

海面發(fā)生溢油災(zāi)害后，溢油區(qū)域水面的電磁波譜特性發(fā)生變化，相對(duì)于沒(méi)有石油區(qū)域的水面有明顯差別，利用這種光譜特性的差異可以劃分油水分界線，從而確定溢油范圍。

1.1可見(jiàn)光、近紅外紅外遙感技術(shù)

利用可見(jiàn)光、近紅外紅外波段的遙感監(jiān)測(cè)技術(shù)是我國(guó)針對(duì)溢油污染發(fā)展最為成熟的監(jiān)測(cè)技術(shù)。在其波段的范圍內(nèi)，入射物表面的電磁波與物體發(fā)生光學(xué)作用，監(jiān)測(cè)系統(tǒng)的傳感器通過(guò)記錄來(lái)源物與入射電磁波發(fā)生的反射作用，由于物體不同，對(duì)電磁波的反射率也不同。實(shí)驗(yàn)表明，油種的類(lèi)型以及厚度都會(huì)對(duì)海面油膜的光譜曲線造成影響，衛(wèi)星遙感的最佳敏感波段也存在差異[1]。

1.2微波雷達(dá)遙感技術(shù)

合成孔徑雷達(dá)（synthetic aperture radar，SAR）和側(cè)視機(jī)載雷達(dá)（side-looking radar，SLAR）是微波雷達(dá)的遙感技術(shù)用于溢油范圍監(jiān)測(cè)的兩種雷達(dá)。前者是利用多普勒效應(yīng)，依靠短天線達(dá)到高空間分辨率。后者是一種傳統(tǒng)雷達(dá)，造價(jià)低，空間分辨率與天線長(zhǎng)度成正比?，F(xiàn)階段，合成孔徑雷達(dá)已經(jīng)被廣泛運(yùn)用到溢油范圍監(jiān)測(cè)。SAR傳感器通過(guò)接收儀器發(fā)出的電磁波信號(hào)，對(duì)物體進(jìn)行識(shí)別。海面的毛細(xì)波是可以反射雷達(dá)的波束，從而造成海面雜波，在SAR傳感器的圖像上呈現(xiàn)亮圖像，油膜覆蓋海水表面，致使雷達(dá)傳感器接收到的波束減少，無(wú)法在SAR傳感器上體現(xiàn)亮的顏色。

2.遙感技術(shù)監(jiān)測(cè)海上溢油類(lèi)型

如何判斷海面上的溢油類(lèi)型，是遙感技術(shù)中的模式識(shí)別問(wèn)題，也是遙感監(jiān)測(cè)中較難實(shí)現(xiàn)的問(wèn)題。

2.1激光熒光遙感技術(shù)

激光熒光法是利用激光作為激勵(lì)光源，激發(fā)物質(zhì)的熒光效應(yīng)，利用物質(zhì)的熒光光譜作為信息的參照，通過(guò)SAR傳感器的監(jiān)測(cè)，進(jìn)行輸入遠(yuǎn)的熒光光譜分析方法。當(dāng)物質(zhì)被光波照射時(shí)，基態(tài)的物質(zhì)分子吸收光能量，由原來(lái)的能級(jí)躍轉(zhuǎn)移到較高的第一電子單線激發(fā)態(tài)或者第二電子激發(fā)態(tài)。所謂的熒光效應(yīng)，就是指通常情況下，轉(zhuǎn)移的電子會(huì)急劇地降落，降至最低振動(dòng)能級(jí)，并且以光的形式釋放能量。每種物質(zhì)的熒光譜不同，由于石油油膜中所含有的熒光基質(zhì)種類(lèi)的不同以及各種基質(zhì)比例不同，在相同激光照射條件下所反饋的熒光也不同，熒光譜通常具有不同的強(qiáng)度和形狀，這就是激光熒光遙感技術(shù)鑒別溢油種類(lèi)的原理[2]。

2.2紅外偏振遙感技術(shù)

作為一種新穎的遙感監(jiān)測(cè)手段，被動(dòng)傅里葉變換紅外遙感（Fourier transform infrared spectroscopy，F(xiàn)TIR）是一種檢測(cè)多原子分子的方法，可以實(shí)現(xiàn)多組目標(biāo)的同時(shí)進(jìn)行檢測(cè)與鑒別。這和傳統(tǒng)的紅外遙感技術(shù)不同，紅外偏振遙感技術(shù)是能夠獲取物質(zhì)表面的狀態(tài)以及物質(zhì)的信息等相關(guān)偏振信息，這樣有助于識(shí)別石油的種類(lèi)。

2.3高光譜遙感技術(shù)

在針對(duì)溢油種類(lèi)進(jìn)行檢測(cè)時(shí)，需要得到足夠多的光譜信息，高光譜遙感技術(shù)是以其寬度與龐大的波段數(shù)量為主要特點(diǎn)，使其成為溢油種類(lèi)的一種可行手段。通過(guò)光譜混合分析的方法對(duì)溢油高光譜數(shù)據(jù)進(jìn)行研究分析。利用Hyerion高光譜衛(wèi)星數(shù)據(jù)進(jìn)行溢油監(jiān)測(cè)研究，對(duì)多種原油的高光譜波譜進(jìn)行分析，同時(shí)利用GA-PCA特征進(jìn)行提取法與SAM-SFF方法對(duì)不同的油種的高光譜波進(jìn)行提取，以達(dá)到鑒別油種的差異。

3.遙感技術(shù)監(jiān)測(cè)海上溢油量

溢油量取決于溢油油膜的厚度，根據(jù)油膜的厚度對(duì)其進(jìn)行分布以及估算，可以大致得出溢油總量。

3.1紫外遙感技術(shù)

紫外遙感技術(shù)是通過(guò)紫外傳感器油膜油層進(jìn)行探測(cè)，對(duì)于小于0.05um的薄油層即使在紫外波段也具有很高的反射，通過(guò)紫外光與紅外光的疊加，大致可以得到油膜的厚度。但是，紫外遙感技術(shù)有一個(gè)很大的缺點(diǎn)，就是紫外遙感很容易受到外界環(huán)境因素的干擾，一旦受到外界因素的干擾紫外遙感就很容易出現(xiàn)虛假信息。

3.2熱紅外遙感技術(shù)

由于油膜在吸收太陽(yáng)輻射之后會(huì)將一部分能量以熱能的形式進(jìn)行釋放，所以采用熱紅外遙感技術(shù)，這種技術(shù)中紅外波段包含地物的溫度信息，所以能夠辨別油層的厚度，較厚油層表現(xiàn)為“熱”的特性，中等厚度油層表現(xiàn)為“冷”的特性。經(jīng)相關(guān)研究表明，發(fā)生“冷”、“熱”的油膜厚度范圍大致為50-150um之間，而這種技術(shù)的最小探測(cè)油層厚度大約為20-70um之間，由于厚度的區(qū)間很小，所以SAR傳感器的敏感性因此受到限制[3]。

3.3微波雷達(dá)遙感技術(shù)

由于海洋的海水本身會(huì)發(fā)射微波輻射，而海上溢油發(fā)生以后油膜區(qū)域會(huì)發(fā)射比海水更強(qiáng)的微波信號(hào)，水的微波輻射發(fā)射率約為0.4，而油的發(fā)射率約為0.8，因此在海水背景中，溢油區(qū)域呈現(xiàn)亮信號(hào)，并且信號(hào)強(qiáng)弱與油膜厚度具有一定的比率。通過(guò)微波雷達(dá)遙感技術(shù)監(jiān)測(cè)溢油量，一方面能夠監(jiān)測(cè)海上溢油的范圍，一方面可以通過(guò)被動(dòng)式的微波輻射大致計(jì)算油膜厚度。但是，我國(guó)這方面的技術(shù)還不是很發(fā)達(dá)，油膜厚度的微波遙感定量技術(shù)受到環(huán)境、傳感器等多方面因素的影響，其精度仍然有待提高[4]。

4.結(jié)語(yǔ)

本文介紹了海上溢油的三大監(jiān)測(cè)指標(biāo)，海上溢油監(jiān)測(cè)指標(biāo)分為溢油范圍、溢油類(lèi)型和溢油量。但是，針對(duì)溢油類(lèi)型和溢油量的監(jiān)測(cè)技術(shù)仍不成熟，隨著我國(guó)海上溢油監(jiān)測(cè)系統(tǒng)的不斷完善，溢油遙感技術(shù)不斷發(fā)展，為實(shí)現(xiàn)全面監(jiān)測(cè)海上溢油指標(biāo)而不懈努力。

【參考文獻(xiàn)】

[1]李棲筠，陳維英，肖乾廣,等．老鐵山水道溢油事故衛(wèi)星監(jiān)測(cè)[J].環(huán)境遙感，2010，9（4）：256-262.

[2]李四海．海上溢油遙感探測(cè)技術(shù)及其應(yīng)用進(jìn)展[J].遙感信息，2012,03（2）：:53-56.

第4篇：高光譜遙感原理技術(shù)與應(yīng)用范文

Vol.43No.3

紅外與激光工程

Infrared and Laser Engineering

2014年3月

Mar .2014

基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

李子揚(yáng)1,2，錢(qián)永剛1，申慶豐3，馬靈玲1，孔祥生4王寧1，劉耀開(kāi)1，(1.中國(guó)科學(xué)院光電研究院定量遙感信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100094；2. 中國(guó)科學(xué)院大學(xué)，北京100049；3. 中國(guó)運(yùn)載火箭技術(shù)研究院，北京100076；

4. 魯東大學(xué)地理與規(guī)劃學(xué)院，山東煙臺(tái)264025)

摘

要：文中耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)，基于高光譜載荷通

道設(shè)置，模擬高光譜冠層反射率數(shù)據(jù)；利用模擬數(shù)據(jù)深入分析了不同植被指數(shù)與葉面積指數(shù)之間的敏感性；通過(guò)敏感性分析發(fā)現(xiàn)改進(jìn)型葉綠素吸收植被指數(shù)(MCARI2)具備抗土壤背景因素的影響能力，而且對(duì)葉面積指數(shù)較為敏感，因此該研究建立植被指數(shù)MCARI2與葉面積指數(shù)之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型，并用于高光譜數(shù)據(jù)進(jìn)行葉面積指數(shù)反演；最后利用飛行同步測(cè)量的葉面積指數(shù)對(duì)反演模型進(jìn)行精度分析。結(jié)果表明：相比實(shí)測(cè)葉面積指數(shù)，文中建立的反演模型約低估0.42，該反演模型能夠較好的反映出地物真實(shí)葉面積指數(shù)。

關(guān)鍵詞：葉面積指數(shù)；植被指數(shù)；高光譜數(shù)據(jù)中圖分類(lèi)號(hào)：TP701

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-2276(2014)03-0944-06

Leaf area index retrieval from remotely sensed hyperspectral data

Li Ziyang 1,2, Qian Yonggang 1, Shen Qingfeng 3, Wang Ning 1, Liu Yaokai 1,

Ma Lingling 1, Kong Xiangsheng 4

(1.Key Laboratory of Quantitative Remote Sensing Information Technology, Academy of Opto -Electronics, Chinese Academy

of Sciences, Beijing 100094, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China;

3. China Academy of Launch Vehicle Technology(CALT),Beijing 100076, China; 4. College of Geography and Planning, Ludong University, Yantai 264025, China)

Abstract:An experimental leaf area index (LAI)retrieval model was proposed with the aid of a leaf -radiative transfer model (PROSPECT)and a canopy bidirectional reflectance model (SAILH)to simulate the canopy reflectance in this paper. Then, the vegetation indices (VIs)were introduced, and the sensitivities were analyzed between LAI and VIs, soil background. Based on the sensitivity analysis, a modified chlorophyll ratio index II (MCARI2)was proposed by Haboudane et al.

(2004)was used to

build the LAI retrieval model, because it is rather sensitive to the LAI and insensitive to soil background. Finally, the retrieval model proposed was performed to estimate LAI from the hyperspectral data. Compared with the ground -measured LAI, the LAI retrieved from hyperspectral data underestimate approximately 0.42. Key words:leaf area index;

收稿日期：2013-07-21；

vegetation index; hyperspectral data

修訂日期：2013-08-25

基金項(xiàng)目：國(guó)家863計(jì)劃(2012AA12A302)；國(guó)家自然科學(xué)基金(41101330，41371353，40901176，41271342)

作者簡(jiǎn)介：李子揚(yáng)(1977-)，男，研究員，碩士生導(dǎo)師，博士，主要從事遙感地面系統(tǒng)及遙感應(yīng)用方面的研究。Email:zyli@aoe.ac.cn通訊作者：錢(qián)永剛(1980-)，碩士生導(dǎo)師，博士，主要從事定量遙感地表參數(shù)反演及應(yīng)用方面的研究。Email:qianyg@aoe.ac.cn

第3期

李子

揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

945

反演過(guò)程的流程圖。

0引言

葉面積指數(shù)(LeafArea Index ，LAI) 是表征植被冠層結(jié)構(gòu)最基本的參數(shù)之一，影響著植被的生物、物理過(guò)程[1]。LAI 通常被定義為單位地面面積上總?cè)~面積的一半[2]。目前大區(qū)域范圍內(nèi)LAI 獲取通常采用遙感反演的方式。LAI 遙感反演方法主要有經(jīng)驗(yàn)統(tǒng)計(jì)法和物理模型反演法。

經(jīng)驗(yàn)統(tǒng)計(jì)方法從植被獨(dú)有的光譜特征出發(fā)，利用健康綠色植物在紅光和近紅外波段的反射特性差異建立植被指數(shù)，進(jìn)而利用植被指數(shù)與LAI 的統(tǒng)計(jì)關(guān)系進(jìn)行反演。該類(lèi)方法形式簡(jiǎn)單，需要的參數(shù)少，被廣泛應(yīng)用于局部LAI 參數(shù)反演，并發(fā)展了基于多種植被指數(shù)(如歸一化植被指數(shù)[3]或者改進(jìn)葉綠素吸收指數(shù)) 的反演模型。然而該方法缺乏物理基礎(chǔ)，建

[4]

圖1植被指數(shù)方法反演葉面積指數(shù)流程圖

Fig.1Flowchart of leaf area index retrieval from vegetation index

文中通過(guò)PROSPECT 和SAILH 模型聯(lián)合模擬植被冠層反射率，在此基礎(chǔ)上分析了不同條件下8種植被指數(shù)與LAI 的敏感性，選取其中最敏感的葉綠素吸收植被指數(shù)(MCARI2)并建立其與LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型?；谠撃Ｐ秃蜔o(wú)人機(jī)獲取的高光譜遙感數(shù)據(jù)，反演得到研究區(qū)的LAI ，最后利用實(shí)測(cè)不同地物類(lèi)型的LAI 數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行了驗(yàn)證，并給出了精度分析。

立的經(jīng)驗(yàn)關(guān)系僅適用于特定的時(shí)間和區(qū)域。相對(duì)而言，物理模型反演法從植被的輻射傳輸原理出發(fā)，具備較強(qiáng)的普適性和較高的反演精度。物理模型反演法可分為幾何光學(xué)模型法、輻射傳輸模型法以及混合模型法。幾何光學(xué)模型法考慮了植被冠層的二向性反射，但沒(méi)有考慮冠層內(nèi)多次散射；輻射傳輸模型法考慮了植被多次散射，但無(wú)法模擬植被冠層的二向性反射，盡管可加入熱點(diǎn)效應(yīng)模型[6]，仍難以直接得到LAI 的解析解。由于不同方法具備獨(dú)特的優(yōu)勢(shì)，近年來(lái)出現(xiàn)了各種混合模型，如基于物理模型與統(tǒng)計(jì)模型相結(jié)合的核驅(qū)動(dòng)模型，取得了較好的反演精度。還出現(xiàn)了查找表法和非參數(shù)方法(如神經(jīng)網(wǎng)

[7]

[5]

[5]

1.1輻射傳輸模型介紹

該研究耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)得到大量模擬數(shù)據(jù)，為

LAI 反演模型建立提供數(shù)據(jù)源。

(1)PROSPECT 模型

PROSPECT 是一個(gè)基于“平板模型”的輻射傳輸模型。該模型以植被結(jié)構(gòu)參數(shù)、葉片色素含量、等效水厚度和干物質(zhì)含量為輸入?yún)?shù)，能夠模擬葉片從

絡(luò)方法等) 。

中國(guó)科學(xué)院光電研究院牽頭在內(nèi)蒙古包頭與貴州安順建立了遙感載荷綜合驗(yàn)證場(chǎng)，驗(yàn)證場(chǎng)配備有光譜、輻射和幾何特性靶標(biāo)，能夠利用驗(yàn)證場(chǎng)開(kāi)展光學(xué)、

400~2500nm 的上、下行輻射通量，進(jìn)而得到葉片的光學(xué)特性，即葉片的反射率和透射率[8]。該模型輸入?yún)?shù)較多，并且部分參數(shù)沒(méi)有實(shí)測(cè)方法，參數(shù)設(shè)置帶有主觀經(jīng)驗(yàn)性。Jacquemoud 等人根據(jù)實(shí)驗(yàn)室測(cè)量的玉米反射率和透過(guò)率，通過(guò)PROSPECT 模型估算得到葉肉結(jié)構(gòu)參數(shù)的均值約為1.4[9]。Haboudane 等人將等效水厚度、干物質(zhì)含量和葉肉結(jié)構(gòu)參數(shù)分別設(shè)置為0.0015、0.0035和1.55作為各種莊稼(如玉米、大豆和小麥等) 的均值輸入PROSPECT 模型[4]。

文中研究利用LOPEX ′93(LeafOptical Properties

SAR 載荷飛行測(cè)試實(shí)驗(yàn)。文中研究基于863項(xiàng)目“無(wú)人機(jī)遙感載荷綜合驗(yàn)證系統(tǒng)”對(duì)內(nèi)蒙古包頭驗(yàn)證場(chǎng)無(wú)人機(jī)高光譜遙感載荷數(shù)據(jù)開(kāi)展葉面積指數(shù)反演研究。

1方法

植被指數(shù)法是建立不同植被類(lèi)型的植被指數(shù)與

LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)關(guān)系實(shí)現(xiàn)遙感反演。植被指數(shù)法是一種經(jīng)驗(yàn)性方法，因而要求研究區(qū)內(nèi)有足夠的資料。文中研究基于植被指數(shù)方法反演LAI ，圖1是

Experiment) 植物生化參數(shù)數(shù)據(jù)庫(kù)作為PROSPECT 模型輸入?yún)?shù)的選擇基礎(chǔ)。該數(shù)據(jù)庫(kù)是由歐盟委員會(huì)聯(lián)合中心的空間應(yīng)用研究所實(shí)測(cè)獲取的[10]，包含70個(gè)

946紅外與激光工程第43卷

葉片樣本，代表了50種木本和草本植物。數(shù)據(jù)體現(xiàn)了葉片內(nèi)部結(jié)構(gòu)、色素含量、水分含量和其他組分含量的多樣性。能夠保證參數(shù)設(shè)置的合理性。

致植被指數(shù)與LAI 經(jīng)驗(yàn)的關(guān)系不一致且系數(shù)各異。考慮到無(wú)人機(jī)獲取的遙感影像高空間分辨率較高，土壤背景信息和植被信息都能很好的從影像中反映出來(lái)，因此，選擇能夠具有抵抗背景因素影響的植被指數(shù)對(duì)于LAI 反演尤為重要。

文中研究采用了歸一化敏感性分析函數(shù)分析

(2)SAILH 模型

SAILH 模型是在SAIL(Scatteringby Arbitrarily Inclined Leaves) 模型的基礎(chǔ)上加入了熱點(diǎn)效應(yīng)發(fā)展而來(lái)的。通過(guò)求解四流線性微分方程組以及引入考慮冠層熱點(diǎn)效應(yīng)的雙向相關(guān)概率模型，進(jìn)而計(jì)算連續(xù)植被冠層的方向反射率。SAILH 模型的輸入?yún)?shù)包括角度參數(shù)、結(jié)構(gòu)參數(shù)和光譜參數(shù)三部分，其中

LAI 與植被指數(shù)的敏感性[11]，其公式如下：

Y

N X =X lim Y =X d Y =d Y /Y =dln Y

Y

(1)

式中：N X 為歸一化敏感性分析函數(shù)；X 為自變量

PROSPECT 模型的輸出為SAILH 模型提供葉片的反射率和透射率。SAILH 模型涉及到多個(gè)輸入?yún)?shù)，針對(duì)角度參數(shù)，文中研究采用無(wú)人機(jī)飛行中的觀測(cè)角度、太陽(yáng)角度等信息；結(jié)構(gòu)參數(shù)主要有LAI 、葉傾角分布函數(shù)、熱點(diǎn)因子，其中LAI 取值范圍為0.2~

(LAI)；Y 為因變量(光譜反射率/植被指數(shù)等) 。歸一化敏感性分析函數(shù)的含義是參數(shù)X 變化某一固定比率時(shí)，因變量Y 變化的百分比。

圖2給出了3種亮度不同的土壤背景下LAI 與植被指數(shù)之間的敏感性。從圖2可以看出：8種植被

7；葉傾角分布函數(shù)采用橢球體葉傾角分布參數(shù)。1.2植被指數(shù)

現(xiàn)有用于反演LAI 的植被指數(shù)種類(lèi)繁多，文中分析了較為常用的8種植被指數(shù)(見(jiàn)表1) 。

表1植被指數(shù)計(jì)算公式

Tab.1Equations of vegetation indices

Vegetation index Normalized difference

vegetation index (NDVI)Renormalized difference vegetation index (RDVI)Simple ratio index (SR)Modified simple ratio

index (MSR)Soil -adjusted vegetation

index (SAVI)Modified soil-adjusted vegetation index (MSAVI)Modified chlorophyll absorption ratio index

(MCARI)Modified chlorophyll absorption ratio index 2

（MCARI2）

Formulas

ρ800-ρ670800670

姨[1**********]0ρ800/ρ670

ρ800670

-1/

姨姨800670

+1

(1+L ) ρ800-ρ6708006701[2ρ+1-800

姨800800670][(ρ700-ρ670)-0.2(ρ700-ρ550)]

(ρ700/ρ550) 1.5[2.5(ρ800-ρ

670)-1.3(ρ800-ρ550)]

姨(2ρ800+1)2-(6ρ800-5姨670

) -0.5

注：ρ表示反射率，下標(biāo)表示特定的波長(zhǎng)。

1.3植被指數(shù)與LAI 敏感性分析

不同植被指數(shù)所考慮到的因素各不相同，因此土壤背景反射率、植被結(jié)構(gòu)和葉綠素含量等因素導(dǎo)

圖2基于歸一化敏感性函數(shù)的植被指數(shù)與葉面積指數(shù)的敏感性

Fig.2Sensitivity of leaf area index to vegetation indexes with

normalized sensitivity analysis

第3期

李子

揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

947

指數(shù)的敏感性隨著LAI 增大先增大后減?。籖DVI 和表反射率需要經(jīng)過(guò)大氣校正。利用大氣輻射傳輸模型逐像元進(jìn)行大氣校正是非常復(fù)雜的計(jì)算，需要占用大量的計(jì)算機(jī)時(shí)間和資源。因此，文中研究根據(jù)無(wú)人機(jī)高光譜成像儀的性能特點(diǎn)，通過(guò)大氣輻射傳輸模型MODTRAN 建立了以氣溶膠光學(xué)厚度、大氣水汽含量、飛行高度、地表高程、太陽(yáng)天頂角、觀測(cè)天頂角和相對(duì)方位角為索引的多維大氣參數(shù)查找表。利用與飛行試驗(yàn)同步探空氣球測(cè)量的氣溶膠光學(xué)厚度和大氣水汽含量，結(jié)合太陽(yáng)以及無(wú)人機(jī)載荷觀測(cè)的幾何參數(shù)(天頂角、方位角等) ，基于大氣參數(shù)查找表反演無(wú)人機(jī)高光譜數(shù)據(jù)地表反射率。

NDVI 的敏感性最弱；MCARI 和SR 的敏感性最強(qiáng)，MCARI2和MSR 次之；隨著土壤亮度的增強(qiáng)，MCARI 、SR 和MSR 的敏感性增強(qiáng)，MCARI2和MSAVI 對(duì)土壤背景表現(xiàn)出很小的敏感性。顯然，各種植被指數(shù)對(duì)小于3的LAI 表現(xiàn)出最大的敏感性。同時(shí)可以看出，當(dāng)LAI 范圍在2.5~3.0時(shí)，NDVI 、

RDVI 、MCARI 、SAVI 和MSAVI 基本達(dá)到飽和狀態(tài)；MSAVI 和MCARI2對(duì)土壤背景的敏感性最弱，盡管SR 和MSR 表現(xiàn)出更高的飽和性，但是當(dāng)LAI 在小于3.5時(shí)對(duì)土壤背景影響敏感。

相比其他植被指數(shù)，MCARI2對(duì)LAI 具有更高的敏感性及高的抗土壤背景干擾能力。因此，文中研究選擇MCARI2反演無(wú)人機(jī)高光譜數(shù)據(jù)的LAI 。兩者之間的統(tǒng)計(jì)模型采用如下形式：

LAI 反演時(shí)需要依據(jù)不同植被類(lèi)型進(jìn)行模型建模，因此，首先采用監(jiān)督分類(lèi)方式對(duì)無(wú)人機(jī)高光譜數(shù)據(jù)進(jìn)行了分類(lèi)(見(jiàn)圖3) 。

LAI=a ×exp(b ×MCARI2)+c ×exp(d ×MCARI2) (2)

式中：a ，b ，c ，d 為擬合系數(shù)。擬合系數(shù)的獲取方法如下：利用不同LAI 值，結(jié)合葉片和冠層輻射傳輸模型

(PROSPECT+SAILH)模擬冠層反射率數(shù)據(jù)，進(jìn)而構(gòu)建植被指數(shù)MCARI2，最后基于不同植被類(lèi)型分別擬合MCARI2和LAI ，得到上述4個(gè)擬合系數(shù)。

圖3無(wú)人機(jī)高光譜載荷地表分類(lèi)圖

Fig.3Classification of the UAV hyperspectral data

2數(shù)據(jù)

2.1無(wú)人機(jī)高光譜數(shù)據(jù)和地面測(cè)量數(shù)據(jù)

2011年9月3日，基于863項(xiàng)目“無(wú)人機(jī)遙感載荷綜合驗(yàn)證系統(tǒng)”，由中國(guó)科學(xué)院光電研究院組織在內(nèi)蒙古(包頭烏拉特前旗，經(jīng)度：109.53°，緯度：40.88°) 開(kāi)展了光學(xué)載荷科學(xué)試驗(yàn)飛行。此次試驗(yàn)沿飛行航線布設(shè)了經(jīng)過(guò)嚴(yán)格測(cè)試的多種用途靶標(biāo)，并同步獲取了靶標(biāo)地面光譜測(cè)量數(shù)據(jù)及場(chǎng)地氣象參數(shù)數(shù)據(jù)，用于開(kāi)展光學(xué)載荷輻射、幾何、光譜性能定標(biāo)與評(píng)價(jià)的工作。無(wú)人機(jī)平臺(tái)所搭載的高光譜成像儀光譜范圍為400~1030nm ，光譜分辨率為5nm ，瞬時(shí)視場(chǎng)角

3結(jié)果與分析

3.1葉面積指數(shù)反演結(jié)果

根據(jù)無(wú)人機(jī)高光譜數(shù)據(jù)的特點(diǎn)，針對(duì)不同的植被類(lèi)型，利用PROSPECT+SAILH模型獲取反演模型

(公式(2))的系數(shù)(詳見(jiàn)表2) 。

表2不同植被類(lèi)型下MCARI2與LAI 的擬合系數(shù)

Tab.2Fitting coefficients between MCARI2

and LAI

Vegeta -tion type Grass Rice

Fitting coefficient

R 2

a 8.148e-7

b 15.6

c 0.28520.23310.36040.31340.28240.3148

d 2.4582.8362.7923.2982.5822.368

0.94380.47870.92320.55970.96940.35310.92590.54990.9549

0.429RMSE

0.2mrad ，128個(gè)波段，地面分辨率1.6m@8km 。

LAI 反演及驗(yàn)證的工作主要在農(nóng)業(yè)示范區(qū)開(kāi)展。同時(shí)，飛行過(guò)程中在農(nóng)業(yè)示范區(qū)內(nèi)利用葉面積指數(shù)儀(LAI2200) 采集了3種作物(馬鈴薯、向日葵、玉米) 共13組的LAI 測(cè)量數(shù)據(jù)?？紤]到作物的非均一性，每組試驗(yàn)測(cè)量3次，取其平均值作為驗(yàn)證數(shù)據(jù)。

2.845e-717.19

21.3611.215.9

Sunflower 4.353e-9Corn Potato

7.821e-55.919e-7

2.2載荷數(shù)據(jù)處理

機(jī)載平臺(tái)載荷傳感器獲得的輻射亮度轉(zhuǎn)換為地

Broadleaf

5.116e-410.45

forests

0.90140.6341

948紅外與激光工程第43卷

研究通過(guò)利用PROSPECT+SAILH模型模擬出冠層反射率，再耦合無(wú)人機(jī)高光譜成像儀通道響應(yīng)函數(shù)模擬出無(wú)人機(jī)高光譜地表反射率數(shù)據(jù)，并建立不同植被類(lèi)型的LAI 反演模型，最終將模型應(yīng)用于真實(shí)無(wú)人機(jī)高光譜數(shù)據(jù)中反演出地物的LAI ，圖4是利用2011年9月3日的無(wú)人機(jī)高光譜數(shù)據(jù)反演的LAI 結(jié)果。

果能夠較好反映出地物的LAI ，證明采用的

MCARI2能夠反演得到精度較高的LAI 。

圖6無(wú)人機(jī)葉面積指數(shù)地面實(shí)測(cè)反演結(jié)果圖

Fig.6Measured and retrieved LAI from UAV hyperspectral data

圖4北方場(chǎng)無(wú)人機(jī)葉面積指數(shù)反演結(jié)果

Fig.4Results of the retrieved LAI from UAV in the North Site

影響到反演精度的因素可能有以下幾點(diǎn)：從地面測(cè)試實(shí)驗(yàn)中可以發(fā)現(xiàn)，傳感器測(cè)量的是地物的“面”信息，而地面測(cè)量?jī)x器測(cè)量的是地物“點(diǎn)”信息，尺度效應(yīng)問(wèn)題影響了LAI 的對(duì)比精度；其次，地面測(cè)試過(guò)程中發(fā)現(xiàn)向日葵地和馬鈴薯兩種植被覆蓋的均勻性較差，測(cè)量過(guò)程中不可避免地會(huì)引起一定的誤差；再次，隨著LAI 的增大，近紅外通道趨于飽和，會(huì)對(duì)LAI 反演精度產(chǎn)生影響；同時(shí)，植物生化數(shù)據(jù)庫(kù)(LOPEX′93) 測(cè)量的地物特性因地域差異、氣候差異等因素也會(huì)有所不同，同樣會(huì)對(duì)LAI 的反演精度產(chǎn)生一定的影響；最后，測(cè)量?jī)x器本身也存在一定的測(cè)量誤差，對(duì)驗(yàn)證結(jié)果的精度也會(huì)產(chǎn)生一定的影響。

3.2模型自身精度分析

模型自身精度分析主要利用模擬數(shù)據(jù)對(duì)反演模型進(jìn)行評(píng)價(jià)。為了檢驗(yàn)LAI 反演的模型精度，通過(guò)模擬數(shù)據(jù)對(duì)LAI 反演模型進(jìn)行了模型精度評(píng)價(jià)。利用PROSPECT 和SAILH 模型模擬的地表反射率數(shù)據(jù)反演出不同地物的葉面積指數(shù)，再與輸入到

PROSPECT 和SAILH 模型中的LAI 進(jìn)行對(duì)比，得到LAI 反演的模型精度。模擬獲取了六種植被類(lèi)型(草地、水稻、向日葵、玉米、馬鈴薯、闊葉林) 的LAI 反演模型，圖5是利用高光譜數(shù)據(jù)反演LAI 的誤差結(jié)果圖，可以看出，LAI 的反演誤差均在7%以內(nèi)。

4總結(jié)

文中利用葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)模擬植被冠層反射率，分析了不同條件下LAI 與植被指數(shù)的敏感性。發(fā)現(xiàn)常用于LAI 反演的歸一化差值植被指數(shù)(NDVI)受土壤背景因素影響嚴(yán)重，而且當(dāng)LAI>2時(shí)，基本處于飽和狀態(tài)。此研究建立了具備抗土壤背景影響、對(duì)LAI

圖5高光譜葉面積指數(shù)反演模型精度評(píng)估結(jié)果

敏感的改進(jìn)型葉綠素吸收植被指數(shù)(MCARI2)與LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型，并成功用于無(wú)人機(jī)高光譜數(shù)據(jù)的LAI 反演。經(jīng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證表面，模型反演結(jié)果可以取得比較好的精度。盡管如此，考慮到經(jīng)驗(yàn)統(tǒng)計(jì)方法的局限性，所建立的經(jīng)驗(yàn)關(guān)系是針對(duì)特定的時(shí)

間和研究區(qū)

，

模型不具備普適性。今后對(duì)MCARI2的應(yīng)用范圍還需要進(jìn)一步探討。

Fig.5Accuracy assessment of the LAI retrieval model

3.3地面測(cè)量驗(yàn)證分析

地面同步獲取的LAI 以玉米、向日葵和馬鈴薯這三類(lèi)自然植被類(lèi)型為主。利用地面準(zhǔn)同步測(cè)量的

LAI 驗(yàn)證結(jié)果如圖6所示。相比地面實(shí)測(cè)的數(shù)據(jù)，模型反演值偏低，均方根誤差RMSE 為0.42。但反演結(jié)

第3期

李子揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

949

劉曉臣, 范聞捷, 田慶久, 等. 不同葉面積指數(shù)反演方法比

參考文獻(xiàn)：

[1]

Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J].Remote Sensing of Environment , 1996, 55:153-162. [2]

Chen J M, Pavlic G, Brown L, et al. Derivation and validation of Canada -wide coarse -resolution leaf area index maps using high -resolution satellite imagery and ground measurements [J].Remote Sensing of Environment , 2001, 80:165-184. [3]

Price J C, Baush W C. Leaf area index estimation from visible and near -infrared reflectance data[J].Remote Sensing of Environment , 1995, 52:55-65. [4]

Haboudane D, John R M, Patteyc E, et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies:modeling and validation in the context of precision agriculture [J].Remote Sensing of Environment , 2004, 90:337-352. [5]

Liu Xiaochen, Fan Wenjie, Tian Qingjiu, et al. Comparative analysis among different methods of leaf area index inversion [J].Acta Scientiarum Naturalium Universitatis Pekinensis , 2008, 2:57-64. (inChinese)

[11][9][8][7][6]

較研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 2:57-64.

Jupp D L B, Strahler A H. A hot spot model for leaf canopies [J].Remote Sensing of Environment , 1991, 38:193-210.

Li Xiaowen, Strahler A H. A hypid geometric optical radiative

transfer

approach

for

modeling

albedo

and

directional reflectance of discontinuous canopies [J].IEEE Transactions Geoscience Remote Sensing , 1995, 33:466-48Jacquemoud S. Prospect:A model of leaf optical properties [J].Remote Sensing of Environment , 1990, 34:75-91. Jacquemoud S, Bacour C, Poilve H, et al. Comparison of four radiative transfer models to simulate plant canopies reflectance:direct and inverse mode [J].Remote Sensing of Environment , 2000, 74(3):471-481.

[10]Hosgood B, Jacquemoud S, Andreoli G, et al. Leaf optical

第5篇：高光譜遙感原理技術(shù)與應(yīng)用范文

【關(guān)鍵詞】航測(cè)；遙感；裝備；技術(shù)；發(fā)展

引言

隨著科學(xué)技術(shù)的不斷推進(jìn)與發(fā)展，航空攝影測(cè)量學(xué)也歷經(jīng)多重變革，其中航測(cè)制圖的技術(shù)分為三個(gè)發(fā)展階段分別是模擬、解析與數(shù)字化。在不斷的變革中航空攝影測(cè)量?jī)x器、相關(guān)設(shè)備、生產(chǎn)形式、構(gòu)造理論、使用方法都在不斷革新。

1 航測(cè)裝備與技術(shù)

1.1 新型航測(cè)傳感器

1.1.1 面陣傳感器DMC

主要產(chǎn)品有Z/I公司的DMC和VEXCEL公司的UCD（U1traCAM-D）。以下是二者的特點(diǎn)優(yōu)勢(shì)：

（1）Z/I Imaging與Carl Zeiss二者合作，提供鏡頭部分零件，其自身獨(dú)特的性能是畸變小、分辨率高以及勻質(zhì)響應(yīng)。

（2）DMC在部分零件尺寸限制上，采用了新的技術(shù)，將八臺(tái)CCD連接安置于光學(xué)光架結(jié)構(gòu)內(nèi)，這樣能夠有效的減少干擾，從而提高了影響的成像質(zhì)量。

（3）DMC具有FMC功能，能夠在較少的光照環(huán)境中保持高分辨率，在飛機(jī)航拍的使用中不會(huì)因?yàn)樗俣鹊淖兓绊懙匠上竦馁|(zhì)量。

（4）分辨率高達(dá)12bit、彩色模型采用四頻段，在此基礎(chǔ)上DMC能夠完成一次性排設(shè)，同時(shí)能夠存儲(chǔ)影像兩千張。

1.1.2 不線陣和多線陣傳感器

瑞士LH公司與德國(guó)宇航中心DLR共同合作制成的、最具代表性的一款傳感器為ADS40，其中結(jié)構(gòu)是航天傳感器材，全色波段三條、彩色波段三條以及CCD陣列傳感器，具有紅外線波段，在操作過(guò)程中能夠獲取三點(diǎn)影響，分別是前視、底點(diǎn)以及后視，其成像的特點(diǎn)是百分之六十的三度重疊以及連續(xù)性的立體成像。自身的儲(chǔ)存器是MM40，存儲(chǔ)能力非常雄厚，而且能夠在航測(cè)過(guò)程中記錄四個(gè)小時(shí)的數(shù)據(jù)影響信息。

1.1.3 航空三維激光掃描與成像技術(shù)（LIDAR ）

LIDAR技術(shù)中綜合了GPS、IMS以及激光測(cè)高計(jì)這三中技術(shù)，在操作過(guò)程中使用激光測(cè)距以及航空攝影測(cè)量的技術(shù)原理，在飛機(jī)上安置航空攝像機(jī)以及三維激光掃描儀器，這樣能夠保證在航測(cè)過(guò)程中盡可能多的獲取地球表面的三位信息以及影像數(shù)據(jù)。

1.2 低空航測(cè)平臺(tái)

1.2.1 超輕型飛機(jī)低空遙感平臺(tái)

超輕型飛機(jī)中安置低空數(shù)碼遙感系統(tǒng)時(shí)，是要滿足遙感系統(tǒng)操作基本要求的，超輕型飛機(jī)自身必須輕便靈活、操作簡(jiǎn)單、運(yùn)行穩(wěn)定、可以不使用專(zhuān)用飛機(jī)機(jī)場(chǎng)，能夠滿足在公路、草地以及任何空曠場(chǎng)地降落的要求。這種遙感系統(tǒng)在操作過(guò)程中能夠保持航測(cè)工作連續(xù)進(jìn)行三個(gè)小時(shí)，而且運(yùn)輸性能非常好，遙感系統(tǒng)的投入成本與后期的檢修維護(hù)費(fèi)用非常低廉，在操作過(guò)程中支持無(wú)遮擋垂直攝影，同時(shí)可以忽略振動(dòng)以及油煙的影響。

1.2.2 無(wú)人飛行器低空遙感系統(tǒng)

無(wú)人飛機(jī)設(shè)備的特點(diǎn)：投入成本低廉、運(yùn)行安全、行動(dòng)敏捷、維護(hù)簡(jiǎn)單。應(yīng)用范圍：以一種理想的平臺(tái)模式被應(yīng)用在軍事與民事中。新型傳感器的特點(diǎn)：設(shè)備體積較小、整體機(jī)具重量較輕、操作精準(zhǔn)度較高。

1.2.3 GPS/IMU輔助航空攝影測(cè)量

GPS/IMU技術(shù)中有機(jī)融合了DGPS （ Differential GPS）以及Inertial Navigation System技術(shù)，在航測(cè)過(guò)程中能夠?qū)σ苿?dòng)物體進(jìn)行監(jiān)測(cè)，并及時(shí)獲取其空間位置以及三軸姿態(tài)的數(shù)據(jù)信息。于航空影像技術(shù)來(lái)說(shuō)，這是一種更加快捷、方便的測(cè)量方式。

2 高分辨率遙感

表1列舉了幾種載有高分辨率光學(xué)傳感器的遙感衛(wèi)星系統(tǒng)

衛(wèi)星類(lèi)別 EROS-l ARS-1D IKONOS-2 QuickBird-2 SPOT-5 OrbVIew3 Cartosat-1 ALOS

發(fā)射時(shí)間 2000-12- OS 1997-09-30 1999-09-24 2001一10-18 2002-OS-04 2003-06 2005-OS-OS 2006-01-24

國(guó)家 以色列 印度 美國(guó) 美國(guó) 法國(guó) 美國(guó) 印度 日本

主遙感器 CCD PAN+LISS DI 全色/多光譜 CCD 全色l多 光譜

CCD HRG/ HRS 全色l多光譜 CCD 2臺(tái)全色

CCD PRIS-MAVNIR-2 PAISAR

Pan波段

Ms波段Swir波段 /m 0.50-0.90 0.50-0.75

0.52-0.59

0.62-0.68 0.77-.0.86

1.55-1.75 0.44-0.90

0.450.52

0.520.60

0.60-0.69

0.760.90 0.44-.0.90

0.45-0.52

0.52-.0.60

0.600.69

0.76-0.90 0.51-0.73

0.50--0.59

0.61～ 0.68

0.79-0.89

1.581.75 0.45-0.90

0.45-0.52

0.52-0.60

0.6250.695

0.76 -0.90 0.50-0.85

0.520.77

0.42-0.5

0.52-0.69

0.61～ 0.69

0.76-0.89

量化等級(jí)/bit 11 7 11 11 8 11 10 8 8 5/3

地面 分辨率//m 1.8（ Pan）

5.8 （Pan ） 23（Ms） 70（ Swir ） 1.0（Pan ） 4.0（Ms） 0.61（ Pan ）

2.44（ Ms ） 2.5/5.0（ Pan ）

10（HRS） 10（Ms） 20（ Swir ） 1（pan） 4（Ms） （8） 20 2.5 2.5

幅寬/km 12.5 142 13 16.5 60（HRG） 120（ HRS ） 8

8 30 70/35

自主定位精度水平 100 m 10 m 12 m

10 m 23 m 10-15 m

10m 小于220 m

平面/ 立體成像 前后傾擺

掃描洞軌

立體成像 左右側(cè)擺

掃描/異軌

立體成像 左右側(cè)擺

掃描/異軌

立體成像 左右側(cè)擺

掃描/異軌

立體成像 左右側(cè)擺

掃描洞軌

立體成像 左右側(cè)擺

掃描/同軌

立體成像 同軌

立體成像 同軌

立體成像

高分辨率遙感衛(wèi)星的技術(shù)主要分為以下幾點(diǎn)：

（1）高分辨率遙感衛(wèi)星中光學(xué)傳感器在操作中的分辨率升至一米之內(nèi)，測(cè)繪選用比例尺可以是1：10000。

（2）在遙感技術(shù)中被廣泛使用得是傳感器類(lèi)型是線陣列掃描式的，這種設(shè)備自身能夠發(fā)揮較強(qiáng)的指向功能。

（3）技術(shù)中立體成像能力被強(qiáng)化，同歸立體能夠憑借單一傳感器進(jìn)行獲取。

（4）操作過(guò)程中影像的精準(zhǔn)度被提高。

3 微波遙感與高光譜遙感

微波遙感技術(shù)在操作過(guò)程中可以分為主動(dòng)與被動(dòng)兩種形式。高光譜的形式是由電磁光譜范圍內(nèi)多窄波段傳感器獲取的圖像而構(gòu)成的。在監(jiān)測(cè)過(guò)程中，這種技術(shù)帶來(lái)的信息不僅僅是信息量與光譜空間信息的增加，同時(shí)對(duì)于地面環(huán)境的監(jiān)測(cè)提供了更多的數(shù)據(jù)信息，也就是實(shí)現(xiàn)了遙感監(jiān)測(cè)目標(biāo)質(zhì)量上的升華。

4 結(jié)論

綜上所述，是集中對(duì)新型航測(cè)遙感技術(shù)與裝備的分析，不斷發(fā)展這種檢測(cè)技術(shù)、完善設(shè)備質(zhì)量與功能，用以獲取我國(guó)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展所需要的時(shí)空信息，從而為航測(cè)與遙感工作人員提供更縝密的工作環(huán)境，使之有效發(fā)揮科學(xué)技術(shù)能力。

參考文獻(xiàn)：

第6篇：高光譜遙感原理技術(shù)與應(yīng)用范文

由于水中懸浮物微?；蛘吒∮紊锪Ｗ拥挠绊懀涞剿w中的太陽(yáng)光會(huì)被一定程度地吸收和散射。任何地物包括水體都具有光譜反射特征，遙感就是通過(guò)水體在光譜影像上的差異來(lái)判定水體污染的變化。胡舉波等研究發(fā)現(xiàn)，隨著懸浮物質(zhì)數(shù)量的增加，光譜衰減系數(shù)不斷增大，最容易透過(guò)的波段從0．50μm附近向紅色區(qū)移動(dòng)。隨著渾濁水泥沙濃度的增大和懸浮沙粒徑的增大，入射光被散射的深度變淺，水的反射率逐漸增高，其峰值逐漸從藍(lán)光移向綠光甚至向黃色變化。Gitelson等研究證明，500～600nm波段適合用來(lái)監(jiān)測(cè)水體的懸浮物，700～900nm波段的反射率對(duì)懸浮物質(zhì)的濃度變化最敏感，也是遙感用來(lái)估算水體懸浮物質(zhì)濃度的最佳波段。通過(guò)遙感拍攝水體的圖像，觀察圖像上波峰出現(xiàn)的位置區(qū)域，就能夠清楚地了解水體渾濁度的變化。

1.1城市污水的監(jiān)測(cè)

城市大量排放的工業(yè)廢水和生活污水中帶有大量有機(jī)物，使水質(zhì)惡化。衛(wèi)星遙感技術(shù)通過(guò)水體在光譜影像上的差異來(lái)判定水體污染的變化，不僅能夠?qū)崟r(shí)觀察污染物的運(yùn)動(dòng)特點(diǎn)，還可以根據(jù)水中的懸浮物作為判定指示物來(lái)追蹤污染源。韓陽(yáng)等針對(duì)不同濃度的3個(gè)生活污水樣本，采用二向反射光度計(jì)的方法，測(cè)定了不同樣本在2π空間的多角度偏振反射光譜數(shù)據(jù)，建立了探測(cè)方位角、光線入射角、探測(cè)天頂角、偏振角、波段等因素與所測(cè)水體的偏振數(shù)據(jù)的關(guān)系。黃妙芬等利用2006年4月6～7日在甘肅省慶陽(yáng)市境內(nèi)環(huán)江、柔遠(yuǎn)和馬蓮河實(shí)測(cè)的水體波譜數(shù)據(jù)，以及化學(xué)需氧量COD測(cè)定數(shù)據(jù)，采用Fisher判別方法，建立了基于地面實(shí)測(cè)光譜數(shù)據(jù)和適用于該研究區(qū)的水環(huán)境COD遙感識(shí)別模式。水環(huán)境COD污染遙感模式的建立為從遙感影像上快速、大面積獲取COD信息提供了一種技術(shù)手段。ChuqunChen等利用衛(wèi)星數(shù)據(jù)來(lái)評(píng)估珠江水質(zhì)，結(jié)合綜合污染（CPI）法，測(cè)得水體COD和養(yǎng)分的含量，定量分析了珠江口水污染的狀況。鞏彩蘭等提出了利用多光譜、高光譜遙感技術(shù)對(duì)水環(huán)境情況進(jìn)行大面積、多時(shí)相、低成本監(jiān)測(cè)和評(píng)價(jià)的新方法，并通過(guò)水樣采集、光譜測(cè)量、模型建立、圖像處理、水質(zhì)反演和系統(tǒng)演示等實(shí)現(xiàn)了對(duì)黃浦江和淀山湖的水環(huán)境情況的宏觀監(jiān)測(cè)和評(píng)價(jià)，并驗(yàn)證了該方法的有效性。通過(guò)監(jiān)測(cè)水體的反射光譜數(shù)據(jù)、光譜數(shù)據(jù)，再結(jié)合實(shí)測(cè)水體的波譜數(shù)據(jù)建立相關(guān)關(guān)系和模型，實(shí)現(xiàn)對(duì)水體全方位快速、準(zhǔn)確地監(jiān)測(cè)。

1.2水體熱污染的監(jiān)測(cè)

廢水中懸浮物千差萬(wàn)別，導(dǎo)致特征曲線反射峰的位置和強(qiáng)度也不一樣。一般采用多光譜合成圖像來(lái)監(jiān)測(cè)廢水污染，也可以根據(jù)溫度的差異選擇熱紅外的方法進(jìn)行調(diào)查、監(jiān)測(cè)。由于熱紅外傳感器對(duì)熱源比較敏感，能夠準(zhǔn)確、有效地探測(cè)出熱污染排放源。吳傳慶等利用多時(shí)相的TM熱紅外數(shù)據(jù)對(duì)大亞灣核電站周?chē)乃疁貓?chǎng)變化進(jìn)行監(jiān)測(cè)，通過(guò)對(duì)信息的提取分析，有效地對(duì)核電站周?chē)沫h(huán)境影響進(jìn)行了評(píng)價(jià)。石登榮等利用多時(shí)相航空熱紅外掃描，獲取水體熱輻射場(chǎng)變化資料，結(jié)合數(shù)學(xué)模擬，研究上海地區(qū)感潮水體熱污染的時(shí)間和空間的動(dòng)態(tài)變化，建立了相應(yīng)的動(dòng)態(tài)方程，數(shù)學(xué)擬合的誤差平均在±2．7％左右。說(shuō)明，利用航空熱紅外掃描結(jié)合數(shù)學(xué)模式，可以較好地反映水體熱污染的動(dòng)態(tài)變化。采用熱紅外遙感技術(shù)對(duì)水溫變化進(jìn)行時(shí)空監(jiān)測(cè)，根據(jù)影像上的熱輻射信息，能夠準(zhǔn)確地識(shí)別熱污染的分布，較好地完成對(duì)熱污染的監(jiān)測(cè)和評(píng)價(jià)。

1.3水體富營(yíng)養(yǎng)化的監(jiān)測(cè)

水體富營(yíng)養(yǎng)化是水體接納的N、P等營(yíng)養(yǎng)元素超過(guò)了自身的最大負(fù)荷量，造成水體中浮游植物大量繁殖，這是水質(zhì)富營(yíng)養(yǎng)化的顯著標(biāo)志。遙感技術(shù)根據(jù)浮游植物中的葉綠素與可見(jiàn)和近紅外光之間具有特殊的陡坡效應(yīng)，即葉綠素含量高的地方反射率的峰值也大的現(xiàn)象來(lái)監(jiān)測(cè)富營(yíng)養(yǎng)化的分布范圍，然后，從彩色紅外圖像上的顏色變化來(lái)監(jiān)測(cè)富營(yíng)養(yǎng)化的污染程度。宋瑜等結(jié)合高光譜的實(shí)驗(yàn)數(shù)據(jù)，建立了基于MODIS數(shù)據(jù)對(duì)太湖水體富營(yíng)養(yǎng)化識(shí)別的模型，實(shí)現(xiàn)了水富營(yíng)養(yǎng)化遙感信息的有效提取。XiaoqinXue等采用水體富營(yíng)養(yǎng)化狀態(tài)指數(shù)（TSI）對(duì)西安渭河水體富營(yíng)養(yǎng)化的研究證明，使用TM遙感數(shù)據(jù)對(duì)水體富營(yíng)養(yǎng)化的遠(yuǎn)程監(jiān)測(cè)和評(píng)估是可行的。吳傳慶等研究證明，從葉綠素a和懸浮物濃度反饋角度的遙感評(píng)價(jià)方法，可行性強(qiáng)，能夠充分運(yùn)用遙感數(shù)據(jù)源很好地完成湖泊富營(yíng)養(yǎng)化狀態(tài)的評(píng)價(jià)工作。遙感技術(shù)能夠多角度對(duì)水體富營(yíng)養(yǎng)化進(jìn)行監(jiān)測(cè)和評(píng)價(jià)，為動(dòng)態(tài)監(jiān)測(cè)水體富營(yíng)養(yǎng)化提供了有效的監(jiān)測(cè)技術(shù)手段。

1.4石油污染的監(jiān)測(cè)

海上或港口的石油污染是一種常見(jiàn)的水體污染，也是污染數(shù)量多、范圍廣、危害深的一種污染。遙感技術(shù)利用油和水對(duì)太陽(yáng)輻射的反射不同，在遙感影像上表現(xiàn)為同物異譜和同譜異物現(xiàn)象來(lái)監(jiān)測(cè)水體是否有油層覆蓋。張永寧等在可見(jiàn)光波段對(duì)不同厚度煤油、輕柴油、油和重柴油的監(jiān)測(cè)中發(fā)現(xiàn)，油膜反射率的大小與油膜的厚度有關(guān)。趙冬至等總結(jié)了油膜在可見(jiàn)光近紅外波段的地物光譜特征，為識(shí)別油膜的厚度提供了參考。Palmer等利用小型的機(jī)載成像光譜儀分析了發(fā)生在英國(guó)設(shè)得蘭（Shetlands）的溢油事故，證明440～900nm是油膜提取的最有效波段。ShiL等搜集了中國(guó)東海西部2002—2005年石油泄漏的（SAR）圖像，分析了不同類(lèi)型的石油泄漏量晝夜性變化和季節(jié)性變化的規(guī)律，為控制和治理大面積的石油污染提供了科學(xué)的指導(dǎo)。不同厚度的油膜對(duì)太陽(yáng)光的反射不同，通過(guò)對(duì)水面影像上反射率的變化監(jiān)測(cè)水體的油污染以及油層的覆蓋厚度，從遙感影像上觀察石油泄漏的時(shí)空分布特點(diǎn)和擴(kuò)散規(guī)律實(shí)現(xiàn)對(duì)石油污染的快速準(zhǔn)確的監(jiān)測(cè)。

2遙感技術(shù)在大氣污染監(jiān)測(cè)中的應(yīng)用

大氣遙感是利用遙感傳感器來(lái)監(jiān)測(cè)大氣結(jié)構(gòu)、狀態(tài)及變化，不需要直接接觸目標(biāo)而進(jìn)行區(qū)域性的跟蹤測(cè)量，能夠快速地進(jìn)行污染源的定點(diǎn)定位，從而獲得全面的綜合信息。由于水汽、二氧化碳、臭氧、甲烷等微量氣體成分具有各自分子所固有的輻射和吸收光譜，通過(guò)選擇合適的波段來(lái)測(cè)量大氣的散射、吸收及輻射的光譜，然后，從其結(jié)果中推算出污染氣體的成分。白亮通過(guò)對(duì)幾種主要大氣污染物定量反演方法的分析，論述了定量遙感技術(shù)在福建省大氣環(huán)境監(jiān)測(cè)中的應(yīng)用。楊嵐簡(jiǎn)述了大氣環(huán)境遙感監(jiān)測(cè)技術(shù)的基本原理，著重闡述被動(dòng)式空基遙感和主動(dòng)式空基遙感在大氣環(huán)境中的應(yīng)用。

2.1大氣氣溶膠的監(jiān)測(cè)

氣溶膠是指懸浮在大氣中的各種液態(tài)或固態(tài)微粒，通常所指的煙、霧、塵等都是氣溶膠。在遙感圖像中工廠排放的煙霧、大規(guī)模的沙塵暴、火山噴發(fā)產(chǎn)生的煙柱、森林失火導(dǎo)致的濃煙都有清晰的影像。氣溶膠光學(xué)厚度則是氣溶膠粒子各個(gè)特性參量的綜合反映，氣溶膠光學(xué)厚度能夠反映大氣污染渾濁的程度，利用氣溶膠光學(xué)厚度反應(yīng)氣溶膠的變化，方法種類(lèi)多，內(nèi)容也各不相同。程立剛等介紹了應(yīng)用于大氣環(huán)境遙感監(jiān)測(cè)的多種方法，并著重闡述了被動(dòng)式空基遙感和主動(dòng)式地基遙感在大氣環(huán)境遙感中的應(yīng)用以及探測(cè)氣溶膠的衛(wèi)星傳感器的發(fā)展歷程和特點(diǎn)。王耀庭等針對(duì)大氣氣溶膠性質(zhì)及其衛(wèi)星遙感反演的研究發(fā)現(xiàn)，氣溶膠光學(xué)厚度對(duì)低地表反射率比較敏感，而與太陽(yáng)光的相互作用主要表現(xiàn)為吸收。孫娟等證明，MODIS的氣溶膠光學(xué)厚度（AOD）資料與能見(jiàn)度之間具有較好的相關(guān)性，利用MODIS產(chǎn)品來(lái)反演能見(jiàn)度是可行的。此外，毛節(jié)泰等對(duì)MODIS衛(wèi)星遙感氣溶膠的方法與地面多波段太陽(yáng)光度計(jì)的觀測(cè)法進(jìn)行對(duì)比，發(fā)現(xiàn)二者有較好的相關(guān)性。MODIS衛(wèi)星遙感能夠精確地識(shí)別每一地區(qū)氣溶膠細(xì)微的變化，利用MODIS產(chǎn)品來(lái)監(jiān)測(cè)氣溶膠的變化，為大氣污染監(jiān)測(cè)提供了非常有效的手段。

2.2有害氣體的監(jiān)測(cè)

有害氣體通常指人為或自然條件下產(chǎn)生的二氧化硫、氟化物、乙烯、煙霧等對(duì)生物有機(jī)體有害的氣體。遙感監(jiān)測(cè)有害氣體主要有2種方法，一類(lèi)是根據(jù)有害氣體污染區(qū)地物反射率的發(fā)生變化、邊界模糊的情況來(lái)對(duì)有害氣體的污染情況進(jìn)行估計(jì)，另一類(lèi)是利用間接解譯標(biāo)志－實(shí)際反演來(lái)推斷某地區(qū)大氣污染的程度和性質(zhì)。魏合理等利用地面可見(jiàn)光（430～450m）波段的太陽(yáng)光譜和大氣上界的參考太陽(yáng)光譜，反演出大氣中NO2的柱總含量，得到了該地區(qū)上空NO2含量及其變化，其變化與當(dāng)?shù)丨h(huán)境監(jiān)測(cè)站用常規(guī)法測(cè)量的NO2濃度的變化基本一致。趙春雷等選取2010年的資料制作了河北省SO2的遙感圖像，與地面監(jiān)測(cè)情況基本符合，還通過(guò)光學(xué)厚度資料和地面觀測(cè)資料進(jìn)行遙感效果檢驗(yàn)，平均遙感監(jiān)測(cè)精度達(dá)86％，基本可以滿足大范圍大氣環(huán)境動(dòng)態(tài)監(jiān)測(cè)的需要。白文廣開(kāi)發(fā)了基于優(yōu)化擬合的CH4物理反演算法，用于實(shí)際反演，與官方反演結(jié)果比較一致性較好；并首次在中國(guó)區(qū)域開(kāi)展地基FTIR大氣成分遙感監(jiān)測(cè)研究，用于衛(wèi)星反演產(chǎn)品的地基驗(yàn)證。對(duì)中國(guó)區(qū)域CH4時(shí)空分布特征進(jìn)行監(jiān)測(cè)，并給出分析結(jié)果，為政府決策提供科學(xué)依據(jù)。無(wú)論是直接觀測(cè)污染物的反射光譜還是通過(guò)間接解譯的方法，最終都是通過(guò)觀測(cè)反射率的變化來(lái)監(jiān)測(cè)有害氣體的存在，為監(jiān)測(cè)大氣中其他污染物提供了科學(xué)的借鑒。

2.3城市熱島效應(yīng)的監(jiān)測(cè)

城市熱島效應(yīng)是城市中的空氣溫度高于城市周?chē)紖^(qū)的溫度，從而形成了從城市流向郊區(qū)的一種環(huán)流。城市熱島效應(yīng)是環(huán)境遙感中經(jīng)久不衰的研究課題，對(duì)城市環(huán)境而言，城市熱島也是一種大氣熱污染現(xiàn)象。目前，針對(duì)城市熱島的環(huán)境遙感監(jiān)測(cè)是通過(guò)研究城市下墊面的熱紅外遙感進(jìn)行的，通過(guò)對(duì)不同時(shí)相的遙感資料的收集，總結(jié)出城市熱島的日變化和年變化規(guī)律。XuhanQiu等提出了城市熱島比例指數(shù)（URI），可以用來(lái)定量分析近一個(gè)時(shí)期的城市熱島效應(yīng)隨時(shí)間的變化。根據(jù)植被、水分和表面溫度之間的相互關(guān)系，對(duì)照目標(biāo)城市，根據(jù)城郊植被的差異，選出2幅不同時(shí)期的TM（4．5．6波段）彩色合成圖像，大致定出城市熱島的范圍。Zak－sek等采用歐洲高空間分辨率SEVIRI來(lái)估算地表的溫度，再根據(jù)陸地表面溫度（LST）來(lái)分析城市熱島的日變化，結(jié)果證明，該方法可以用來(lái)分析城市熱島的日變化分析，為監(jiān)測(cè)和治理城市熱島的變化提供了一種科學(xué)的方法。Gallo等用NOAA／AVHRR數(shù)據(jù)獲得歸一化植被指數(shù)（NDVI）估算城市熱島對(duì)城郊?xì)鉁夭町惖挠绊?，結(jié)果表明，植被指數(shù)和城郊?xì)鉁夭町愔g存在顯著的相關(guān)性。

LinLiu等觀察香港一天的熱島效應(yīng)與植被指數(shù)（NDVI）的相關(guān)性時(shí)發(fā)現(xiàn)，熱島效應(yīng)和NDVI存在著負(fù)相關(guān)，同時(shí)表明了綠色土地可以削弱城市的熱島效應(yīng)；熱島效應(yīng)和歸一化差異指數(shù)（NDBI）存在著正相關(guān)，可以用于城市熱島效應(yīng)案例的分析研究。遙感技術(shù)能夠從時(shí)空中分析城市熱島的變化趨勢(shì)，為監(jiān)測(cè)城市熱島效應(yīng)提供了科學(xué)手段。

3結(jié)論與展望

3.1結(jié)論

目前，遙感技術(shù)正從單一遙感資料的分析向多時(shí)相、多數(shù)據(jù)源（包括非遙感資料數(shù)據(jù)）的信息復(fù)合與綜合分析過(guò)渡。利用多時(shí)相監(jiān)測(cè)方法對(duì)環(huán)境污染的種類(lèi)進(jìn)行追蹤，能夠及時(shí)、客觀、準(zhǔn)確地反應(yīng)污染物的信息，如污染源的位置、污染物的種類(lèi)、擴(kuò)散方向等，并能夠?qū)Υ竺娣e的環(huán)境污染通覽全貌，在環(huán)境污染監(jiān)測(cè)中有巨大的技術(shù)優(yōu)勢(shì)。

3.2展望

隨著各領(lǐng)域?qū)b感技術(shù)需求的提高，遙感技術(shù)仍有待于從以下幾方面加強(qiáng)研究。

1）實(shí)現(xiàn)環(huán)境遙感信息的定量化，對(duì)全球環(huán)境監(jiān)測(cè)的數(shù)據(jù)進(jìn)行定量分析、預(yù)測(cè)和管理。隨著RS與GIS、GPS結(jié)合越來(lái)越多地運(yùn)用到環(huán)境中，而GIS的發(fā)展更需要遙感信息的定量化，實(shí)現(xiàn)遙感信息的定量化，才能使RS與GIS結(jié)合擁有更廣闊的應(yīng)用前景。

2）發(fā)展環(huán)境遙感監(jiān)測(cè)的網(wǎng)絡(luò)化，借助互聯(lián)網(wǎng)的資源共享性，將全國(guó)范圍監(jiān)測(cè)數(shù)據(jù)實(shí)現(xiàn)網(wǎng)絡(luò)化及資源共享，充分利用一個(gè)最新的研究成果并促進(jìn)其運(yùn)用，可以節(jié)省監(jiān)測(cè)時(shí)間和成本。

3）提高衛(wèi)星遙感的分辨率。由于大氣中云和霧的干擾，在進(jìn)行大氣校正時(shí)會(huì)產(chǎn)生誤差，造成誤判。高分辨率和高頻率的傳感器的建立，可以對(duì)突發(fā)性環(huán)境污染事故進(jìn)行實(shí)時(shí)監(jiān)測(cè)和預(yù)警，且高空間和高光譜分辨率已是衛(wèi)星遙感技術(shù)的發(fā)展趨勢(shì)。

4）提高信息提取的精度和可靠性。應(yīng)發(fā)展神經(jīng)網(wǎng)絡(luò)、認(rèn)知模型和影像處理系統(tǒng)的集成技術(shù)，目前遙感技術(shù)正朝著多時(shí)相、多光譜、多平臺(tái)、多角度、多傳感器以及多空間分辨率之間的融合技術(shù)的方向發(fā)展。

第7篇：高光譜遙感原理技術(shù)與應(yīng)用范文

關(guān)鍵詞：教改；遙感；農(nóng)業(yè)院校

中圖分類(lèi)號(hào)：G642.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2013）09-0059-03

遙感是農(nóng)業(yè)高等院校一些專(zhuān)業(yè)（如資源環(huán)境與城鄉(xiāng)規(guī)劃、土地資源管理、農(nóng)業(yè)資源與環(huán)境、環(huán)境科學(xué)等）的本科生必修的專(zhuān)業(yè)核心課程。遙感技術(shù)已經(jīng)廣泛應(yīng)用于社會(huì)生產(chǎn)的各個(gè)領(lǐng)域，培養(yǎng)遙感應(yīng)用型的高級(jí)技術(shù)人才非常重要，但目前農(nóng)業(yè)院校的遙感課程的教學(xué)體系、教學(xué)內(nèi)容和教學(xué)方式難以適應(yīng)遙感技術(shù)的快速發(fā)展，存在不少問(wèn)題，使培養(yǎng)的人才與社會(huì)產(chǎn)生脫節(jié)。

一、農(nóng)業(yè)院校遙感教學(xué)存在的主要問(wèn)題

1.遙感課程理論多而雜、抽象化等特點(diǎn)，抑制了學(xué)生的學(xué)習(xí)興趣。遙感技術(shù)具有理論抽象、知識(shí)點(diǎn)龐雜的特點(diǎn)，其多學(xué)科交叉，基礎(chǔ)知識(shí)面廣而雜，技術(shù)性和實(shí)踐性較強(qiáng)且多應(yīng)用于大型項(xiàng)目。農(nóng)業(yè)院校的本科生一般是第一次接觸，缺乏與課程相關(guān)的預(yù)備基礎(chǔ)知識(shí)和背景知識(shí)，學(xué)習(xí)遙感課程太抽象，實(shí)際生活中也很難接觸到遙感應(yīng)用方面的項(xiàng)目，這樣會(huì)導(dǎo)致學(xué)生覺(jué)得遙感課程“遙不可測(cè)”，具有一定的距離感和陌生感。另外，遙感課程在農(nóng)業(yè)類(lèi)院校中一般屬于專(zhuān)業(yè)基礎(chǔ)性學(xué)科，得不到足夠的重視，以及學(xué)時(shí)不多等原因都在一定程度上抑制了學(xué)生的學(xué)習(xí)興趣。

2.教材內(nèi)容過(guò)于突出前沿科學(xué)，忽略了其應(yīng)用性?，F(xiàn)在的農(nóng)業(yè)院校遙感教材已經(jīng)采用國(guó)家農(nóng)林類(lèi)普通高等教育“十一五”、21世紀(jì)規(guī)劃教材，雖然教學(xué)內(nèi)容進(jìn)行了更新，基本上不存在以前的內(nèi)容過(guò)于陳舊的問(wèn)題，但仍然出現(xiàn)不少問(wèn)題。主要存在教學(xué)內(nèi)容過(guò)于突出其前沿科學(xué)以及發(fā)展趨勢(shì)，導(dǎo)致部分教學(xué)內(nèi)容或過(guò)于深?yuàn)W，或與農(nóng)業(yè)類(lèi)等相關(guān)專(zhuān)業(yè)的結(jié)合性不大，在農(nóng)業(yè)院校等相關(guān)領(lǐng)域中幾乎應(yīng)用不到；如“微波遙感原理”深?yuàn)W難懂，在農(nóng)業(yè)院校相關(guān)專(zhuān)業(yè)幾乎很少用到；又如“高光譜的影像分析”過(guò)于深?yuàn)W，對(duì)于遙感課程學(xué)時(shí)很有限的農(nóng)業(yè)院校本科生關(guān)聯(lián)系不多且過(guò)于深?yuàn)W?，F(xiàn)在國(guó)民生產(chǎn)的各領(lǐng)域中廣泛應(yīng)用的遙感技術(shù)或結(jié)合性較強(qiáng)的教學(xué)內(nèi)容，很少有教材提及或提及極少。如近年在災(zāi)害監(jiān)測(cè)中廣泛應(yīng)用高分辨率的QUICKBIRD、WORLDVIEW衛(wèi)星數(shù)據(jù)WORLDVIEW；又如在農(nóng)業(yè)中應(yīng)用較多的測(cè)定地物光譜儀的設(shè)備和我國(guó)“北京一號(hào)”小衛(wèi)星在北京近郊農(nóng)業(yè)監(jiān)測(cè)中應(yīng)用等內(nèi)容卻無(wú)體現(xiàn)。脫離生產(chǎn)實(shí)踐與應(yīng)用的前沿技術(shù)，就像是沒(méi)有方向的深海之舟，與農(nóng)業(yè)類(lèi)院校本科生的教學(xué)宗旨與教學(xué)目標(biāo)背道而馳。

3.教學(xué)手段不夠豐富，學(xué)生參與不夠，缺乏學(xué)習(xí)熱情。農(nóng)業(yè)院校遙感課程雖然普遍使用了多媒體教學(xué)技術(shù)，但仍是以教師講授為核心，缺乏形象教學(xué)必要的教學(xué)手段與輔助教學(xué)資料，很少有本科生參與教師的科研項(xiàng)目或大型的工程應(yīng)用項(xiàng)目。由于時(shí)間等種種原因，也很少本科生參加課內(nèi)外的遙感應(yīng)用的體驗(yàn)與交流報(bào)告，缺乏學(xué)習(xí)遙感課程的源動(dòng)力與熱情。

4.現(xiàn)有的考試制度抑制了學(xué)生的創(chuàng)新?，F(xiàn)有的考試制度以考試為主，側(cè)重卷面成績(jī)，試卷考核方式很難考驗(yàn)學(xué)生對(duì)理論體系的系統(tǒng)性掌握、知識(shí)點(diǎn)的內(nèi)在聯(lián)系以及實(shí)際技能的掌握程度與應(yīng)用程度。農(nóng)業(yè)院校的遙感實(shí)驗(yàn)課程學(xué)時(shí)設(shè)置少，實(shí)驗(yàn)個(gè)數(shù)少，實(shí)驗(yàn)成績(jī)占課程成績(jī)的比重不大，一般隸屬于遙感課程理論教學(xué)的一部分，很少單獨(dú)開(kāi)設(shè)，實(shí)踐環(huán)節(jié)教學(xué)得不到足夠的重視，且多側(cè)重實(shí)驗(yàn)報(bào)告成績(jī)，忽視了實(shí)踐環(huán)節(jié)學(xué)生能力的表現(xiàn)?，F(xiàn)有的課程成績(jī)構(gòu)成缺乏討論、專(zhuān)題制作、文獻(xiàn)檢索、學(xué)習(xí)報(bào)告等多手段，在一定程度上抑制了學(xué)生參與的積極性和主觀能動(dòng)性，導(dǎo)致學(xué)生自主學(xué)習(xí)的熱情不夠，缺乏創(chuàng)新的激情。

5.實(shí)踐學(xué)時(shí)偏少，缺乏針對(duì)農(nóng)業(yè)院校的上機(jī)教材。遙感實(shí)踐課程少，難以培養(yǎng)學(xué)生的感性認(rèn)識(shí)，動(dòng)手能力的提高更是無(wú)從談起。目前，與遙感課程配套上機(jī)的教材多是針對(duì)高等院校測(cè)繪類(lèi)專(zhuān)業(yè)，缺乏與農(nóng)業(yè)院校遙感課程配套的上機(jī)實(shí)驗(yàn)教材，市場(chǎng)上偶見(jiàn)農(nóng)業(yè)院校專(zhuān)用教程，在內(nèi)容的設(shè)置上與上機(jī)實(shí)驗(yàn)數(shù)據(jù)或樣例數(shù)據(jù)方面卻與測(cè)繪類(lèi)專(zhuān)業(yè)并無(wú)多大區(qū)別。農(nóng)業(yè)院校類(lèi)本科生感覺(jué)不到遙感實(shí)踐與專(zhuān)業(yè)的相關(guān)性或結(jié)合性，無(wú)法滿足農(nóng)業(yè)院校專(zhuān)業(yè)學(xué)生的實(shí)踐教學(xué)的需求。

二、教學(xué)改革的基本內(nèi)容與途徑

1.教學(xué)內(nèi)容的完善與改革。（1）教學(xué)內(nèi)容的設(shè)置應(yīng)重點(diǎn)突出。在農(nóng)林院校遙感課程學(xué)時(shí)很有限，而遙感技術(shù)體系本身內(nèi)容非常龐雜，教學(xué)內(nèi)容與學(xué)時(shí)的設(shè)置除了體現(xiàn)理論的系統(tǒng)性，一定要注重各部分內(nèi)容的內(nèi)在的邏輯聯(lián)系，突出主要內(nèi)容和重要內(nèi)容，必要時(shí)，應(yīng)進(jìn)行取舍。使學(xué)生對(duì)整個(gè)教學(xué)有一個(gè)比較宏觀、層次清晰的印象，能夠抓住遙感主要的原理和難點(diǎn)內(nèi)容。農(nóng)業(yè)院校的遙感課程主要內(nèi)容包括航空像片與遙感相關(guān)的基本概念、地物的反射光譜特性、航空攝影測(cè)量的基礎(chǔ)知識(shí)、遙感圖像的像點(diǎn)誤差、航空攝影測(cè)量的內(nèi)外業(yè)、衛(wèi)星傳感器數(shù)據(jù)、遙感圖像的目視判讀與調(diào)繪、遙感數(shù)字圖像處理原理與操作技能，以及遙感技術(shù)的應(yīng)用案例，尤其是在農(nóng)業(yè)領(lǐng)域的應(yīng)用實(shí)例。（2）根據(jù)應(yīng)用情況對(duì)前沿性內(nèi)容取舍?，F(xiàn)在很多教學(xué)改革過(guò)于突出課程的前沿性內(nèi)容，但受到學(xué)時(shí)的限制，很難與生產(chǎn)實(shí)踐或?qū)I(yè)聯(lián)系起來(lái)，學(xué)生感覺(jué)很陌生、很抽象，教學(xué)效果甚不理想。農(nóng)林院校的遙感課程學(xué)時(shí)一般都很有限，在突出課程內(nèi)容的系統(tǒng)性和重點(diǎn)內(nèi)容的前提下，對(duì)于前沿性的內(nèi)容，可結(jié)合授課專(zhuān)業(yè)情況進(jìn)行靈活調(diào)整。若在相應(yīng)專(zhuān)業(yè)領(lǐng)域中很少應(yīng)用的可略講或不講（如微波遙感、高光譜）；若在相應(yīng)專(zhuān)業(yè)領(lǐng)域?qū)嵺`中有應(yīng)用或應(yīng)用較多的（如在農(nóng)業(yè)和土壤學(xué)科應(yīng)用較多的便攜式地物波譜儀），可側(cè)重于先進(jìn)的儀器以及在科研或生產(chǎn)實(shí)踐中的作用與功能。這樣學(xué)生既不會(huì)感到深?yuàn)W難懂，又會(huì)覺(jué)得該課程很貼合實(shí)際需求，這樣就可在有限的學(xué)時(shí)取得較好的教學(xué)效果。（3）實(shí)驗(yàn)內(nèi)容的調(diào)整。遙感課程實(shí)驗(yàn)內(nèi)容的設(shè)置應(yīng)與基本理論、基本方法相呼應(yīng)，突出其主要技能、實(shí)踐技能，平衡傳統(tǒng)方法與現(xiàn)代作業(yè)方法，采用的實(shí)驗(yàn)器材或軟件應(yīng)與當(dāng)?shù)厣a(chǎn)部門(mén)基本保持一致，若有條件應(yīng)盡量將實(shí)驗(yàn)課單獨(dú)開(kāi)設(shè)。遙感技術(shù)在實(shí)際作業(yè)中，數(shù)據(jù)源以及產(chǎn)品都是采用遙感數(shù)字圖像，因此，傳統(tǒng)的遙感課程實(shí)驗(yàn)內(nèi)容應(yīng)根據(jù)行業(yè)發(fā)展情況適當(dāng)?shù)貏h除過(guò)時(shí)的實(shí)驗(yàn)，保留主要的遙感實(shí)驗(yàn)外，應(yīng)盡量根據(jù)授課對(duì)象的就業(yè)方向、科研情況以及學(xué)時(shí)情況選擇性地增加設(shè)置遙感數(shù)字圖像處理的實(shí)驗(yàn)內(nèi)容與課時(shí)數(shù)，如“熟悉ERDAS或ENVI遙感圖像處理軟件的基本操作”、“遙感數(shù)字圖像的增強(qiáng)處理”、“遙感數(shù)字圖像的幾何處理”、“遙感數(shù)字圖像的計(jì)算機(jī)自動(dòng)分類(lèi)”。

2.教學(xué)手段與教學(xué)方法的改革。（1）從興趣點(diǎn)或生產(chǎn)應(yīng)用入手展開(kāi)教學(xué)。由于遙感課程理論知識(shí)點(diǎn)多而雜，在教學(xué)內(nèi)容的組織上可從學(xué)生感興趣的知識(shí)點(diǎn)入手，適當(dāng)引用遙感在測(cè)繪、國(guó)土、農(nóng)業(yè)等重要部門(mén)的一些視頻資料。闡述基本原理與基本方法時(shí)注重加強(qiáng)學(xué)生思維的引導(dǎo)，主要內(nèi)容與重點(diǎn)內(nèi)容可采用精講、細(xì)講，生產(chǎn)中不常用的原理與方法采取學(xué)生課外自主學(xué)習(xí)為主，遙感在實(shí)踐中應(yīng)用可采取具體案例分析，這樣既可保證激發(fā)學(xué)生學(xué)習(xí)的興趣，在面上對(duì)遙感有全面的把握，又可在重點(diǎn)內(nèi)容上有所深入。除了現(xiàn)代常用的多媒體教授的教學(xué)方法，可布置與課程內(nèi)容相關(guān)且很有趣的課外小作業(yè)，如可通過(guò)讓學(xué)生在Google Earth上查找校舍或旅游目的地的方式對(duì)衛(wèi)星遙感數(shù)據(jù)的認(rèn)識(shí)。（2）制作遙感教學(xué)輔助材料。遙感教學(xué)輔助材料包括航空?qǐng)D像與衛(wèi)星遙感圖像樣片的制作、各類(lèi)教學(xué)視頻的制作、試題庫(kù)與習(xí)題庫(kù)的制作、遙感精品課程在線網(wǎng)址的收集，完善各種網(wǎng)絡(luò)教學(xué)資源庫(kù)的建設(shè)等。將生澀難懂且方便用于直觀教學(xué)的遙感圖像的分類(lèi)與遙感圖像的解譯標(biāo)志等內(nèi)容制作教學(xué)樣片，如可將全色圖像、紅外、彩紅外、多光譜等航空像片與各種常用的衛(wèi)星遙感數(shù)據(jù)制作樣片，形象而直觀，易于理解與記憶。對(duì)于比較抽象、生活中接觸較少的知識(shí)點(diǎn)用于制作1～5分鐘的輔助視頻，如航空拍攝的過(guò)程、衛(wèi)星遙感以及傳感器的工作原理等。將近年來(lái)遙感技術(shù)應(yīng)用于現(xiàn)實(shí)生活中有影響力的重大事件的新聞視頻片段制作教學(xué)視頻資料，如“國(guó)土部：用衛(wèi)星遙感圖片嚴(yán)查違法用地”、“我國(guó)‘北京一號(hào)’、‘小衛(wèi)星’監(jiān)測(cè)北京近郊農(nóng)作物長(zhǎng)勢(shì)”、“汶川地震前后遙感圖像前后對(duì)比”等新聞視頻片段。教學(xué)輔助材料在有些教學(xué)內(nèi)容方面可發(fā)揮很大的教學(xué)作用與效果。（3）重視遙感技術(shù)應(yīng)用案例分析。一般農(nóng)業(yè)院校的遙感技術(shù)的應(yīng)用所占學(xué)時(shí)極少，與專(zhuān)業(yè)結(jié)合性不夠。一般只是泛泛地提到或者一帶而過(guò)，沒(méi)有具體的案例或應(yīng)用視頻，學(xué)生缺乏對(duì)遙感技術(shù)實(shí)際應(yīng)用情況的了解。可根據(jù)授課對(duì)象與專(zhuān)業(yè)方向選擇教學(xué)輔助材料，根據(jù)授課對(duì)象及專(zhuān)業(yè)方向播放其相關(guān)內(nèi)容，重點(diǎn)分析應(yīng)用案例。如面向土管專(zhuān)業(yè)授課時(shí)可側(cè)重土地資源調(diào)查與土地執(zhí)法的案例分析；面向農(nóng)資專(zhuān)業(yè)時(shí)，可側(cè)重農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)、光譜反射率的野外測(cè)定與分析等案例分析，面向環(huán)境類(lèi)專(zhuān)業(yè)，可側(cè)重環(huán)境監(jiān)測(cè)與災(zāi)害監(jiān)測(cè)的案例分析。（4）實(shí)現(xiàn)教學(xué)手段的多元化，激發(fā)學(xué)生學(xué)習(xí)熱情。除了常用的多媒體教學(xué)與板書(shū)等教授方式外，還可適當(dāng)采取學(xué)生教學(xué)的方式，加強(qiáng)與學(xué)生互動(dòng)交流，提高學(xué)生自主學(xué)習(xí)的能力。利用課前與課間的時(shí)間或借助網(wǎng)絡(luò)平臺(tái)，與學(xué)生進(jìn)行充分交流，及時(shí)掌握他們的興趣、學(xué)習(xí)難點(diǎn)以及就業(yè)意向等，因材施教。利用國(guó)家、省和校級(jí)精品課程建設(shè)的成果，建立網(wǎng)絡(luò)實(shí)踐教學(xué)平臺(tái)，實(shí)現(xiàn)網(wǎng)絡(luò)互動(dòng)式教學(xué)，設(shè)置“課件下載”、“實(shí)驗(yàn)報(bào)告上載”、“答疑”、“FTP”等功能。可借助與測(cè)量學(xué)等課程的重疊交叉知識(shí)，進(jìn)行觸類(lèi)旁通式的教學(xué)。通過(guò)小型專(zhuān)題報(bào)告的形式，促使學(xué)生課外收集文獻(xiàn)資料學(xué)習(xí)實(shí)踐應(yīng)用性強(qiáng)、與專(zhuān)業(yè)結(jié)合緊密的內(nèi)容，擇優(yōu)以多媒體的形式課堂交流并點(diǎn)評(píng)，并作為學(xué)生課程考核的一部分，有意識(shí)地將教學(xué)內(nèi)容與科研、就業(yè)與生產(chǎn)項(xiàng)目管理等結(jié)合起來(lái)，引導(dǎo)學(xué)生自主學(xué)習(xí)，激發(fā)學(xué)習(xí)的創(chuàng)造性。

3.建立考試制度的改革，提高其學(xué)習(xí)的積極性。進(jìn)行課程考試制度的改革，改進(jìn)考核方法，建立考察學(xué)生全面素質(zhì)的考核體系、建立科學(xué)的考察學(xué)生綜合知識(shí)、綜合素質(zhì)、綜合能力的實(shí)踐考核體系，采取靈活多樣的考試方式。在課程考試構(gòu)成增加小型專(zhuān)題報(bào)告制作、文獻(xiàn)檢索與總結(jié)等，理論環(huán)節(jié)可增加課堂互動(dòng)環(huán)節(jié)（如提問(wèn)、討論等）考核的比重；實(shí)踐環(huán)節(jié)可強(qiáng)化動(dòng)手實(shí)踐與儀器操作的考核，淡化實(shí)驗(yàn)報(bào)告等書(shū)面成績(jī)。通過(guò)建立考試制度的改革，促進(jìn)學(xué)生積極學(xué)習(xí)。

三、教改效果分析

近年來(lái)遙感課程改革探索初步取得較為明顯的成效，具體表現(xiàn)在以下幾個(gè)方面。

1.學(xué)習(xí)態(tài)度的改變。學(xué)生對(duì)教學(xué)內(nèi)容的興趣和注意力明顯提高，課堂互動(dòng)變得更為積極，課外自主學(xué)習(xí)的激情提高，教學(xué)氛圍良好，“教與學(xué)”變成了一件較為愉快的教學(xué)活動(dòng)，學(xué)生對(duì)遙感方向的學(xué)術(shù)報(bào)告與畢業(yè)論文選題感興趣的人數(shù)明顯增加。

2.學(xué)生對(duì)遙感教學(xué)的評(píng)價(jià)。每學(xué)期都對(duì)全部遙感課程進(jìn)行教學(xué)評(píng)估，學(xué)生無(wú)記名網(wǎng)上評(píng)教，結(jié)果表明總體優(yōu)良。說(shuō)明學(xué)生對(duì)于教學(xué)內(nèi)容與教學(xué)形式是認(rèn)可與肯定的。

3.學(xué)生的收獲。國(guó)土資源管理、農(nóng)業(yè)資源與環(huán)境等專(zhuān)業(yè)分別成立了興趣小組，在老師的指導(dǎo)下能夠獨(dú)立完成校級(jí)創(chuàng)新型實(shí)驗(yàn)項(xiàng)目。學(xué)生的動(dòng)手實(shí)踐能力明顯得到鍛煉與提高，有機(jī)會(huì)參與到多項(xiàng)遙感技術(shù)應(yīng)用的工程項(xiàng)目，特別優(yōu)秀的學(xué)生能在測(cè)繪遙感相關(guān)的事業(yè)單位就業(yè)。也有本科生在國(guó)內(nèi)的學(xué)術(shù)期刊上公開(kāi)發(fā)表遙感領(lǐng)域內(nèi)的科研論文。

雖然筆者針對(duì)農(nóng)業(yè)類(lèi)院校的遙感課程實(shí)踐教學(xué)改革進(jìn)行了探索與實(shí)踐，然而，許多問(wèn)題有待進(jìn)一步探討，諸如教學(xué)平臺(tái)的完善、教學(xué)形式的改進(jìn)、產(chǎn)學(xué)研實(shí)習(xí)基地建立、專(zhuān)業(yè)實(shí)踐素材庫(kù)的建立等。面向未來(lái)，我們需要更好地根據(jù)社會(huì)需求，積極進(jìn)行遙感教學(xué)課程改革，為社會(huì)培養(yǎng)出更多的遙感應(yīng)用型的高級(jí)人才。

參考文獻(xiàn)：

[1]尹占娥.現(xiàn)代遙感導(dǎo)論[M].北京：科學(xué)出版社，2008.

[2]鄧良基.遙感基礎(chǔ)與應(yīng)用[M].北京：中國(guó)農(nóng)業(yè)出版社，2009.

[3]常慶瑞，蔣平安，周勇.遙感技術(shù)導(dǎo)論[M].北京：科學(xué)出版社，2004.

[4]彭望.遙感概論[M].北京：高等教育出版社，2010.

第8篇：高光譜遙感原理技術(shù)與應(yīng)用范文

【關(guān)鍵詞】遙感技術(shù)；大氣環(huán)境；監(jiān)測(cè)？

環(huán)境問(wèn)題越來(lái)越嚴(yán)峻，各類(lèi)的污染給人類(lèi)的生活和工作帶來(lái)了很大的影響，破壞了人們的日常生活并且威脅到人們的生命安全。遙感技術(shù)主要有兩種類(lèi)別：一為主動(dòng)式遙感監(jiān)，二為被動(dòng)式遙感監(jiān)測(cè)，主要以環(huán)境監(jiān)測(cè)為主，利用遙感傳感器監(jiān)測(cè)大氣結(jié)構(gòu)，對(duì)污染源進(jìn)行定位追蹤，直接對(duì)污染物進(jìn)行區(qū)域跟蹤測(cè)量，從而獲取某一區(qū)域大氣污染的綜合信息，以及時(shí)制定治理措施來(lái)減少大氣污染的不利影響，對(duì)大氣環(huán)境的治理產(chǎn)生了無(wú)法忽視的影響。？

1、大氣環(huán)境遙感監(jiān)測(cè)技術(shù)的基本原理？

遙感監(jiān)測(cè)就是用儀器對(duì)一段距離以外的目標(biāo)物或現(xiàn)象進(jìn)行觀測(cè)，是一種不直接接觸目標(biāo)物或現(xiàn)象而能收集信息，對(duì)其進(jìn)行識(shí)別、分析、判斷的更高自動(dòng)化程度的監(jiān)測(cè)手段。它最重要的作用是不需要采樣而直接可以進(jìn)行區(qū)域性的跟蹤測(cè)量，快速進(jìn)行污染源的定點(diǎn)定位，污染范圍的核定，污染物在大氣中的分布、擴(kuò)散等，從而獲得全面的綜合信息。根據(jù)所利用的波段，？遙感監(jiān)測(cè)技術(shù)主要分為紫外、可見(jiàn)光、反射紅外遙感技術(shù)；熱紅外遙感技術(shù)和微波遙感技術(shù)三種類(lèi)型。？

大氣環(huán)境遙感監(jiān)測(cè)作為遙感技術(shù)應(yīng)用中較為重要的內(nèi)容之一，在業(yè)務(wù)上不同于常規(guī)氣象要素的監(jiān)測(cè)。常規(guī)氣象要素遙感監(jiān)測(cè)[1]？主要是指測(cè)量大氣的垂直溫度剖面、大氣的垂直濕度剖面、降水量及頻度、云覆蓋率（云量和云層厚度）？和長(zhǎng)波輻射、風(fēng)（風(fēng)速和風(fēng)向）？、地球輻射收支的測(cè)量等。而大氣環(huán)境遙感則是監(jiān)測(cè)大氣中的臭氧（O3？）、CO2、SO2、甲烷（CH4）？等痕量氣體成分以及氣溶膠、有害氣體等的三維分布。這些物理量通常不可能用遙感手段直接識(shí)別，但由于水汽、二氧化碳、臭氧、甲烷等微量氣體成分具有各自分子所固有的輻射和吸收光譜特征，如影響水汽分布的主要光譜波長(zhǎng)在017μm，？O3在0155～0165μm？之間存在一個(gè)明顯的吸收帶等，因此我們實(shí)際上可通過(guò)測(cè)量大氣散射、吸收及輻射的光譜特征值而從中識(shí)別出這些組分來(lái)。研究表明，在衛(wèi)星遙感中，有兩個(gè)非常好的大氣窗可以用來(lái)探測(cè)這些組分，即位于可見(jiàn)光范圍內(nèi)的0140～0175μm？的波段范圍和在近紅外和中紅外的0185μm、1106μm、1122μm、1160μm、2120μm？波段處。？

2、遙感技術(shù)在大氣污染監(jiān)測(cè)中的作用？

2.1被動(dòng)式空基遙感監(jiān)測(cè)？

被動(dòng)式遙感監(jiān)測(cè)主要作用于臭氧層、大氣氣溶膠、溫室氣體、大氣污染物、大氣熱污染源等等，這些問(wèn)題很多不僅僅是區(qū)域性問(wèn)題，甚至已經(jīng)成為全球性問(wèn)題，影響著全世界的正常發(fā)展。太陽(yáng)直接輻射遙感技術(shù)利用散射和衰減，測(cè)量二氧化碳、臭氧等大氣的主要組成部分，對(duì)有害氣體、污染物、熱污染源等進(jìn)行監(jiān)測(cè)，逐漸成為遙感技術(shù)中最常用的一種監(jiān)測(cè)技術(shù)。現(xiàn)階段，城市工業(yè)不斷發(fā)展，霧霾成為人們生活中的一種普遍現(xiàn)象，嚴(yán)重影響著人們的身心健康，而遙感技術(shù)與地理信息系統(tǒng)技術(shù)相結(jié)合，獲取霧霾地區(qū)的綜合信息，通過(guò)對(duì)圖像以及數(shù)據(jù)的分析得出影響霧霾的主要因素，從而制定相應(yīng)的措施來(lái)消除霧霾。除此之外，隨著城市化的不斷發(fā)展，城市熱島效應(yīng)成為城市發(fā)展的主要問(wèn)題，遙感技術(shù)通過(guò)研究城市下墊面的熱紅外遙感總結(jié)城市熱島變化規(guī)律，對(duì)熱島效應(yīng)的解決提供了一定的事實(shí)依據(jù)。？

2.2主動(dòng)式空基遙感監(jiān)測(cè)？

主動(dòng)式空基遙感監(jiān)測(cè)的載體是雷達(dá)，主要有機(jī)載和星載雷達(dá)，它可以在短時(shí)間內(nèi)發(fā)射大功率的電磁波，再根據(jù)回波信號(hào)的振幅和位相分析得出測(cè)量物的方向、距離等數(shù)據(jù)，主動(dòng)式遙感不依賴(lài)于太陽(yáng)輻射，可以晝夜工作，還可以根據(jù)探測(cè)目的的不同，主動(dòng)選擇電磁波的波長(zhǎng)和發(fā)射方式。主動(dòng)式遙感可以用來(lái)監(jiān)測(cè)大氣中的臭氧、水汽、二氧化硫以及三氧化氮等分布情況，分析這些成分如何影響平流層和對(duì)流層，有利于制定空間雷達(dá)的探測(cè)技術(shù)，對(duì)大氣環(huán)境的治理起著無(wú)法替代的作用。遙感技術(shù)正在經(jīng)歷由單一型遙感監(jiān)測(cè)向多方面監(jiān)測(cè)數(shù)據(jù)的綜合性分析過(guò)渡，即多時(shí)相監(jiān)測(cè)，對(duì)于污染物信息的監(jiān)測(cè)可以做到更準(zhǔn)確及時(shí)客觀，使得大氣污染監(jiān)測(cè)上升到一個(gè)新高度。？

3、遙感技術(shù)的發(fā)展方向？

人們?cè)絹?lái)越重視環(huán)境問(wèn)題，對(duì)環(huán)境的需求也不斷增加，改善環(huán)境成為當(dāng)前社會(huì)發(fā)展的重要任務(wù)，遙感技術(shù)能夠改善環(huán)境，那就應(yīng)該更大限度的開(kāi)發(fā)利用這一技術(shù)。遙感技術(shù)還可以從以下一些方面取得進(jìn)步：？

（1）遙感技術(shù)主要分為主動(dòng)式遙感和被動(dòng)式遙感，把主動(dòng)與被動(dòng)式衛(wèi)星遙感相結(jié)合，可以更加準(zhǔn)確的進(jìn)行對(duì)污染物的監(jiān)測(cè)，把污染物監(jiān)測(cè)的誤差精確到更小，不斷改進(jìn)大氣環(huán)境遙感技術(shù)，對(duì)大氣環(huán)境遙感進(jìn)行定量化研究，形成一套嚴(yán)密的大氣環(huán)境遙感監(jiān)測(cè)技術(shù)運(yùn)行系統(tǒng)，把遙感技術(shù)與地面監(jiān)測(cè)共同運(yùn)用到環(huán)境監(jiān)測(cè)中，以便更加準(zhǔn)確及時(shí)的制定解決環(huán)境污染的措施。？

（2）在當(dāng)今社會(huì)，技術(shù)在任何方面都是不可或缺的，與此相應(yīng)，互聯(lián)網(wǎng)技術(shù)可以充分配置資源，使全球的資源和信息得到共享，實(shí)現(xiàn)遙感技術(shù)的網(wǎng)絡(luò)化，普及遙感監(jiān)測(cè)技術(shù)，可以借鑒其他國(guó)家的遙感技術(shù)創(chuàng)新之處與經(jīng)驗(yàn)，進(jìn)行多國(guó)合作，利用其它國(guó)家的資源環(huán)境衛(wèi)星系統(tǒng)，提高監(jiān)測(cè)的效率。？

（3）人才的進(jìn)步才是社會(huì)的進(jìn)步，必須要保證技術(shù)性人才的培養(yǎng)，國(guó)家要加大人才扶持力度，提供更多的人才發(fā)展機(jī)會(huì)，培養(yǎng)大批實(shí)用型人才和技術(shù)創(chuàng)新型人才，只有如此遙感技術(shù)才可能會(huì)有飛躍性的突破。？

（4）技術(shù)的不完善使得監(jiān)測(cè)數(shù)據(jù)的不準(zhǔn)確，而數(shù)據(jù)分析是制定措施的重要依據(jù)，提高數(shù)據(jù)的準(zhǔn)確度是必須的，對(duì)此，應(yīng)該研發(fā)更高性能的傳感器以提高衛(wèi)星遙感的分辨率，使數(shù)據(jù)精確度更高，更好的判斷污染物信息，避免誤判情況的發(fā)生。？

4、結(jié)束語(yǔ)？

環(huán)境問(wèn)題與人類(lèi)發(fā)展息息相關(guān)，實(shí)現(xiàn)人與自然的和諧相處是社會(huì)發(fā)展的必然要求，在尊重自然的基礎(chǔ)上，通過(guò)自己的一系列活動(dòng)改變環(huán)境對(duì)于自身的不利影響并造福于人類(lèi)是對(duì)每個(gè)人的要求。環(huán)境問(wèn)題種類(lèi)多樣，大氣污染、水污染、固體廢棄物污染等都可以通過(guò)遙感技術(shù)得到一定程度的治理，遙感技術(shù)的應(yīng)用范圍也越來(lái)越廣泛，作為環(huán)境監(jiān)測(cè)的重要技術(shù)力量，遙感技術(shù)應(yīng)該不斷發(fā)展自身，為制定科學(xué)準(zhǔn)確的政策提供更加有理有據(jù)的支持。？

參考文獻(xiàn)：？

[1]劉紅，張清海，林紹霞.等.遙感技術(shù)在水環(huán)境和大氣環(huán)境監(jiān)測(cè)中的應(yīng)用研究進(jìn)展[J].貴州農(nóng)業(yè)科學(xué)，2013（1）.？

第9篇：高光譜遙感原理技術(shù)與應(yīng)用范文

關(guān)鍵詞：遙感影像，監(jiān)督分類(lèi)，非監(jiān)督分類(lèi)，人工智能神經(jīng)元網(wǎng)絡(luò)方法。

引言：遙感影像由于具有豐富的紋理信息，同時(shí)具有獲取方便、經(jīng)濟(jì)、快捷等特點(diǎn)，現(xiàn)已成為探測(cè)地物目標(biāo)綜合信息的最直觀、最豐富的載體, 在數(shù)字城市的建設(shè)中占有重要的地位。遙感影像分類(lèi)技術(shù)是遙感影像處理系統(tǒng)的核心功能之一，無(wú)論是遙感信息提取，動(dòng)態(tài)變化檢測(cè)，還是遙感專(zhuān)題制作，遙感數(shù)據(jù)庫(kù)的建立等等都離不開(kāi)它，因此遙感影像分類(lèi)具有著廣泛的應(yīng)用前景。

遙感影像分類(lèi)方法

1.1遙感圖像分類(lèi)的基本原理

遙感影像分類(lèi)的基本原理是：遙感影像中的同類(lèi)地物在相同條件下（紋理、地形、光照及植被覆蓋等)應(yīng)具有相同或相似的光譜信息特征和空間信息特征， 可以說(shuō)，計(jì)算機(jī)用以識(shí)別和分類(lèi)的主要標(biāo)志是物體的光譜特性。目前的大多數(shù)研究還是基于此特征來(lái)進(jìn)行的。

1.2監(jiān)督分類(lèi)方法

1.2.1監(jiān)督分類(lèi)方法定義

監(jiān)督分類(lèi)，又稱(chēng)為訓(xùn)練分類(lèi)法，即用被確認(rèn)類(lèi)別的樣本像元去識(shí)別其他未知類(lèi)別像元的過(guò)程。在這種分類(lèi)中，分析者在圖像上對(duì)每一種類(lèi)別選取一定數(shù)量的訓(xùn)練區(qū)，計(jì)算機(jī)計(jì)算每種訓(xùn)練樣區(qū)的統(tǒng)計(jì)或其他信息，每個(gè)像元和訓(xùn)練樣本作比較，按照不同的規(guī)則將其劃分到與其最相似的樣本類(lèi)。它是一種由已知樣本外推至未知區(qū)域類(lèi)別的方法。

1.2.2監(jiān)督分類(lèi)的基本步驟及主要方法

監(jiān)督分類(lèi)可分二個(gè)基本步驟:

(1)選擇訓(xùn)練樣本和提取統(tǒng)計(jì)信息

訓(xùn)練樣本的選擇需要分析者對(duì)要分類(lèi)圖像所在的區(qū)域有所了解，或進(jìn)行過(guò)初步的野外調(diào)查，或研究過(guò)有關(guān)圖像和高精度的航空照片，其最終選擇的訓(xùn)練樣本應(yīng)盡可能準(zhǔn)確地代表整個(gè)區(qū)域內(nèi)每個(gè)類(lèi)別的光譜特征差異。其大小、形狀和位置必須能同時(shí)在圖像和實(shí)地容易識(shí)別和定位。

另外，在選擇訓(xùn)練樣本時(shí)，還必須考慮每一類(lèi)別訓(xùn)練樣本的總數(shù)量。作為一個(gè)普遍的規(guī)則，如果圖像有N波段，則每一類(lèi)別應(yīng)該至少有10N個(gè)訓(xùn)練樣本，才能滿足一些分類(lèi)算法中有關(guān)計(jì)算方差及協(xié)方差矩陣的要求。當(dāng)然總的樣本數(shù)量應(yīng)根據(jù)區(qū)域的異質(zhì)程度而有所不同。

對(duì)于不同的應(yīng)用環(huán)境，監(jiān)督分類(lèi)中訓(xùn)練樣本的選擇和對(duì)其統(tǒng)計(jì)評(píng)價(jià)的步驟和方法都會(huì)有所不同。

(2)選擇合適的分類(lèi)算法

在監(jiān)督分類(lèi)中可以采用許多不同的算法，將一個(gè)未知類(lèi)別的像元?jiǎng)澐值揭粋€(gè)類(lèi)別中。常用的幾種算法：①平行算法、②最小距離法、③最大似然法

1.3非監(jiān)督分類(lèi)

1.3.1非監(jiān)督分類(lèi)法概述

非監(jiān)督分類(lèi)，也稱(chēng)為聚類(lèi)分析或點(diǎn)群分析， 是一種無(wú)先驗(yàn)（已知）類(lèi)別標(biāo)準(zhǔn)的分類(lèi)方法。即在多光譜圖像中搜尋、定義其自然相似光譜集群組的過(guò)程。長(zhǎng)期以來(lái)，非監(jiān)督分類(lèi)已經(jīng)發(fā)展了近百種不同的自然集群算法。這里僅簡(jiǎn)述最常用的ISODATA算法。

1.3.2 ISODATA法

ISODATA即重復(fù)自組織數(shù)據(jù)分析技術(shù)。經(jīng)過(guò)ISODATA算法得到的集群組只是一些自然光譜組，需要分析者將每個(gè)集群組歸到其對(duì)應(yīng)的類(lèi)別中，這個(gè)過(guò)程通常還需要參考其他的圖，或者用戶本身對(duì)于該區(qū)的了解。留下難以歸類(lèi)的圖像，對(duì)這個(gè)殘余圖像重新運(yùn)行ISODATA算法，直到所有的集群組都能正確歸類(lèi)。

2.1新的分類(lèi)方法

分類(lèi)是人們獲取信息的一種重要的手段。傳統(tǒng)的分類(lèi)方法是以經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化為歸納原則，只有當(dāng)訓(xùn)練樣本數(shù)趨于無(wú)窮時(shí)，其性能才能達(dá)到理論上的最優(yōu)。然而在光譜遙感影像分類(lèi)中訓(xùn)練樣本往往是有限的。當(dāng)樣本不足時(shí)，傳統(tǒng)的分類(lèi)方法往往不能達(dá)到理想的分類(lèi)精度，尤其在對(duì)高光譜影像的分類(lèi)中，樣本不足的問(wèn)題更為突出。新的分類(lèi)方法目前分為：模糊分類(lèi)、空間結(jié)構(gòu)紋理分類(lèi)、專(zhuān)家分類(lèi)、人工智能神經(jīng)元網(wǎng)絡(luò)方法，本文著重介紹一下人工智能神經(jīng)元網(wǎng)絡(luò)方法。

2.1.2人工智能神經(jīng)元網(wǎng)絡(luò)方法

1943年隨著神經(jīng)元的數(shù)學(xué)模型（MP模型）的首次提出，人工神經(jīng)網(wǎng)絡(luò)的研究先后經(jīng)歷了興起、沉淀和低潮期。20世紀(jì)80年代中期以來(lái)，神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究取得了很大的成績(jī)。近年來(lái)，國(guó)內(nèi)外眾多學(xué)者已經(jīng)將其廣泛應(yīng)用到遙感領(lǐng)域。

所謂人工智能神經(jīng)元網(wǎng)絡(luò)法(簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò)法)是利用計(jì)算器模擬人類(lèi)學(xué)習(xí)的過(guò)程，建立輸入和輸出數(shù)據(jù)之間聯(lián)系的程序。神經(jīng)網(wǎng)絡(luò)法從其本質(zhì)上講應(yīng)屬于非監(jiān)督分類(lèi)的范疇，因?yàn)楹?jiǎn)單實(shí)用, 在一定程度上滿足了遙感影像分類(lèi)的精度, 又恰好能有效解決遙感圖像處理中常見(jiàn)的困難，因此它很快在遙感圖像分析與處理領(lǐng)域得到了廣泛地應(yīng)用，現(xiàn)已日益成為遙感影像分類(lèi)的有效手段。

人工神經(jīng)網(wǎng)絡(luò)具有如下基本特性：

(1)并行分布處理：神經(jīng)網(wǎng)絡(luò)具有高度的并行結(jié)構(gòu)和并行實(shí)現(xiàn)能力，每個(gè)神經(jīng)元都可根據(jù)接收到的信息作獨(dú)立的運(yùn)算和處理，然后將結(jié)果傳送出去，有較好的耐故障能力和較快的總體處理能力；

(2)非線性映射：神經(jīng)網(wǎng)絡(luò)具有固有的非線性特性，這源于近似任意非線性變換能力；

(3)通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)通過(guò)研究系統(tǒng)過(guò)去的數(shù)據(jù)記錄進(jìn)行訓(xùn)練，一個(gè)經(jīng)過(guò)適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力；

(4)適應(yīng)與集成：神經(jīng)網(wǎng)絡(luò)能夠適應(yīng)在線運(yùn)行，并能同時(shí)進(jìn)行定量和定性操作。神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)適應(yīng)和信息融合能力，特別適合復(fù)雜、大規(guī)模和多變量系統(tǒng)的控制。

神經(jīng)網(wǎng)絡(luò)監(jiān)督方法相對(duì)于傳統(tǒng)的遙感影像分類(lèi)方法具有的主要優(yōu)勢(shì)：

(1)可以處理各種非線性映射和求解各種十分復(fù)雜和高度非線性的分類(lèi)和模式識(shí)別問(wèn)題；

(2)統(tǒng)計(jì)方法依賴(lài)于模型而神經(jīng)網(wǎng)絡(luò)依賴(lài)于數(shù)據(jù)本身；

(3)具有并行處理能力，運(yùn)算速度高于其他方法；

(4)能最大限度地利用已知類(lèi)別遙感圖像樣本集的先驗(yàn)知識(shí)，神經(jīng)網(wǎng)絡(luò)可以根據(jù)這些知識(shí)自動(dòng)進(jìn)行學(xué)習(xí)，提煉出規(guī)則；

(5)具有聯(lián)想能力，若訓(xùn)練集中的遙感圖像具有代表性，那么求解這些樣本的合理規(guī)則很可能就是求解原問(wèn)題的一般性規(guī)則，它比其它方法具有更好的聯(lián)想和推廣能力。

結(jié)束語(yǔ)

隨著遙感技術(shù)的縱深發(fā)展，遙感數(shù)據(jù)的時(shí)間、空間和光譜分辨率不斷提高，傳統(tǒng)的分類(lèi)方法(如最大似然法、K-均值法等)已經(jīng)不能滿足分類(lèi)精度的要求，因此應(yīng)采用新的分類(lèi)方法來(lái)提高遙感圖像分類(lèi)精度。但畢竟神經(jīng)網(wǎng)絡(luò)法也存在著一定局限性，我們?cè)诮窈蟮难芯恐杏袔c(diǎn)必須注意：一方面，遙感圖像分析與處理本身具有復(fù)雜性和多目標(biāo)性，這樣就要求我們?cè)诰唧w工作中必須設(shè)計(jì)出適合問(wèn)題的模型，另一方面，人工神經(jīng)網(wǎng)絡(luò)在圖像重建、圖像壓縮、圖像去噪等方面的應(yīng)用，雖然不如在遙感影像分類(lèi)中應(yīng)用的那么廣泛，但也已經(jīng)顯示出其優(yōu)勢(shì)和意義，有待我們進(jìn)一步研究。還要注意將人工神經(jīng)網(wǎng)絡(luò)與其它理論技術(shù)結(jié)合起來(lái)，這樣它將有更加廣闊的應(yīng)用前景。

參考文獻(xiàn)