高光譜遙感的應用

高光譜遙感的應用第一頁，共四十二頁，2022年，8月28日高光譜遙感定義：

高光譜遙感是在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內(nèi)，利用成像光譜儀獲取許多非常窄的光譜連續(xù)的影像數(shù)據(jù)的技術。高光譜遙感具有較高的光譜分辨率，通常達到10~2λ數(shù)量級。第二頁，共四十二頁，2022年，8月28日高光譜遙感技術簡介高光譜遙感技術是近些年來迅速發(fā)展起來的一種全新的遙感技術,它是集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的綜合性技術。在成像過程中,它利用成像光譜儀以納米級的光譜分辨率,以幾十或幾百個波段同時對地表地物成像,能夠獲得地物的連續(xù)光譜信息,實現(xiàn)了地物空間信息、輻射信息、光譜信息的同步獲取,因而在相關領域具有巨大的應用價值和廣闊的發(fā)展前景。同其他常用的遙感手段相比,成像光譜儀獲得的數(shù)據(jù)具有以下特點:波段多;光譜分辨率高;相鄰波段的相關性高,數(shù)據(jù)冗余大;空間分辨率較高。高光譜遙感由于具有很高的光譜分辨率,因而能夠提供更為豐富的地面信息。其正在受到國內(nèi)外的廣泛關注,并在諸如農(nóng)業(yè)、海洋、林業(yè)、軍事、宇宙和天文學等領域發(fā)揮著越來越重要的作用,越來越多的地物因子可以用高光譜數(shù)據(jù)反演,而且精度不斷提高。筆者主要介紹高光譜遙感在植被信息提取研究中的進展和應用展望。第三頁，共四十二頁，2022年，8月28日高光譜具有的特點：1.坡段多，波段寬度窄2.光譜響應范圍廣，光譜分辨率高3.可提供空間域信息和光譜域信息4.數(shù)據(jù)量大，信息冗余多5.數(shù)據(jù)描述模型多，分析更加靈活第四頁，共四十二頁，2022年，8月28日1.坡段多，波段寬度窄。成像光譜儀在可見光和近紅外光譜區(qū)內(nèi)有數(shù)十甚至數(shù)百個波段。與傳統(tǒng)的遙感相比，高光譜分辨率的成像光譜儀為每一個成像像元提供很窄的（一般為<10nm)成像波段，波段數(shù)與多光譜遙感相比大大增多，在可見光和近紅外波段可達幾十到幾百個，且在某個光譜區(qū)間事連續(xù)分布的，這不只是簡單的數(shù)量的增加，而是有關地物光譜空間信息量的增加。第五頁，共四十二頁，2022年，8月28日2.光譜響應范圍廣，光譜分辨率高。成像光譜儀響應的電磁波長從可見光延伸到近紅外，甚至到中紅外。成像光譜儀采用的間隔小，光譜分辨率達到納米級，一般為10nm左右。精細的光譜分辨率反映了地物光譜的細微特征。第六頁，共四十二頁，2022年，8月28日3.可提供空間域信息和光譜域信息，即“譜像合一”，并且由成像光譜儀得到的光譜曲線可以與地面實測的同類地物光譜曲線相類比。在成像高光譜遙感中，以波長為橫軸，灰度值為縱軸建立坐標系，可以使高光譜圖像中的每一個像元在各通道的灰度值都能產(chǎn)生一條完整、連續(xù)的光譜曲線，即所謂的“譜像合一”。第七頁，共四十二頁，2022年，8月28日4.數(shù)據(jù)量大，信息冗余多。高光譜數(shù)據(jù)的波段眾多，其數(shù)據(jù)量巨大，而且由于相鄰波段的相關性高，信息冗余度增加。第八頁，共四十二頁，2022年，8月28日5.數(shù)據(jù)描述模型多，分析更加靈活。高光譜影像通常有三種描述模型：圖像模型、光譜模型與特征模型。第九頁，共四十二頁，2022年，8月28日高光譜遙感應用在哪些方面：一、高光譜遙感在地質(zhì)調(diào)查中的應用二、高光譜遙感在植被研究中的應用三、高光譜遙感在其他領域中的應用第十頁，共四十二頁，2022年，8月28日高光譜地質(zhì)應用的歷史國內(nèi)外高光譜地質(zhì)應用技術與方法國內(nèi)外高光譜地質(zhì)應用主要進展高光譜地質(zhì)應用的領域與實例存在的主要問題一、高光譜遙感在地質(zhì)調(diào)查中的應用第十一頁，共四十二頁，2022年，8月28日高光譜地質(zhì)應用的歷史從20世紀70年代末至80年代初美國提出高光譜遙感概念模型并研制成像光譜儀以來，世界各國進行高光譜遙感的應用。80年代以來，高光譜遙感被廣泛地應用于地質(zhì)、礦產(chǎn)資源及相關環(huán)境的調(diào)查中。我國在20世紀80年代末開展了高(成像)光譜技術的研究,取得了極大的進展第十二頁，共四十二頁，2022年，8月28日國內(nèi)外高光譜地質(zhì)應用技術與方法1.光譜微分技術（spectralderivative）2.光譜匹配技術（spectralmatching）3.混合光譜分解技術（spectralunmixing）4.光譜分類技術(spectralclassification)5.光譜特征提取（spectralfeatureextraction）6.模型方法（modeling）第十三頁，共四十二頁，2022年，8月28日1.光譜微分技術

包括對反射光譜進行數(shù)學模擬和計算不同階數(shù)的微分(差分)值，以確定光譜彎曲點和最大最小反射率的波長位置。光譜微分強調(diào)曲線的變化和壓縮均值影響。一階微分去除部分線性或接近線性的背景、噪聲光譜對目標光譜（須為非線性的）的影響。第十四頁，共四十二頁，2022年，8月28日2.光譜匹配技術

是對地物光譜和實驗室測量的參考光譜進行匹配或地物光譜與參考光譜數(shù)據(jù)庫比較，求得它們之間的相似或差異性，一達到識別的目的。兩個光譜曲線的相似性常用計算的交叉相關系數(shù)及繪制交叉相關曲線圖來確定。第十五頁，共四十二頁，2022年，8月28日3.混合光譜分解技術

用以確定在同一像元內(nèi)不同地物光譜成分所占的比例或非已知成分。因為不同地物光譜成分的混合會改變波段的深度，波段的位置，寬度，面積和吸收的程度等。這種技術采用矩形方程，神經(jīng)元網(wǎng)絡方法以及光譜吸收指數(shù)技術等，求出在給定像元內(nèi)各成分光譜的比例。第十六頁，共四十二頁，2022年，8月28日4.光譜分類技術主要的方法包括傳統(tǒng)的最大似然方法、人工神經(jīng)網(wǎng)絡方法、支持向量機方法和光譜角制圖方法（SpectralAngelMap-per,SAM）。第十七頁，共四十二頁，2022年，8月28日5.光譜維特征提取方法

可以按照一定的準則直接從原始空間中選出一個子空間；或者在原特征空間之間找到某種映射關系。這一方法是以主成分分析為基礎的改進方法。第十八頁，共四十二頁，2022年，8月28日6、模型方法

是模型礦物和巖石反射光譜的各種模型方法。因為高光譜測量數(shù)據(jù)可以提供連續(xù)的光譜抽樣信息，這種細微的光譜模型特征是模型計算一改傳統(tǒng)的統(tǒng)計模型方法建立起確定性模型方法。因而，模型方法可以提供更有效和更可靠的分析結(jié)果。第十九頁，共四十二頁，2022年，8月28日國內(nèi)外高光譜地質(zhì)應用主要進展多層次的高光譜信息獲取體系基于高光譜數(shù)據(jù)的礦物精細識別高光譜影像地質(zhì)環(huán)境信息反演基于高光譜遙感的行星地質(zhì)探測第二十頁，共四十二頁，2022年，8月28日多層次的高光譜信息獲取體系地面光譜儀主要有澳大利亞的PIMA，美國的ASD、GER、熱紅外FT-IR；機載成像光譜儀：美國的VIRIS、澳大利亞的HyMap、加拿大的CASI系列等；中科院開發(fā)的機載OMIS系列、PHI、干涉成像光譜儀。星載成像光譜儀美國的Hyperion，德國的EnMAP和日本的Hyper-X。在外星探測中，有火星探測熱紅外高光譜儀等，中國和印度的探月計劃中也將搭載高光譜儀。第二十一頁，共四十二頁，2022年，8月28日基于高光譜數(shù)據(jù)的礦物精細識別利用高光譜遙感（含熱紅外高光譜）進行礦物識別可分為3個層次：礦物種類識別礦物含量識別礦物成分識別第二十二頁，共四十二頁，2022年，8月28日高光譜影像地質(zhì)環(huán)境信息反演在礦物識別和礦物精細識別的基礎之上，根據(jù)礦物共生組合規(guī)律和礦物自身的地質(zhì)意義指示作用，直觀地反演各種地質(zhì)因素之間的內(nèi)在聯(lián)系，可提高高光譜在地質(zhì)應用中分析和解決地質(zhì)問題的效能。第二十三頁，共四十二頁，2022年，8月28日基于高光譜遙感的行星地質(zhì)探測1996年美國的火星探測器MarsGlobalSur-veyor2003歐空局的火星探測器2007年中國發(fā)射的月球探測衛(wèi)星嫦娥一號2008年印度月船一號探月衛(wèi)星探測火星、月球的礦物種類及其分布、含量，研究水體的存在和演化第二十四頁，共四十二頁，2022年，8月28日高光譜地質(zhì)應用的領域1.高光譜地質(zhì)成因信息探測研究2.高光譜成礦預測研究3.高光譜植被重金屬污染探測4.蝕變礦物與礦化帶的探測5.高光譜礦山環(huán)境分析研究6.油氣資源及災害探測第二十五頁，共四十二頁，2022年，8月28日1.高光譜地質(zhì)成因信息探測研究根據(jù)高光譜所識別出的礦物共生組合的關系進行地質(zhì)成因環(huán)境分析根據(jù)高光譜對礦物組成成分信息的探測來分析地質(zhì)成因環(huán)境第二十六頁，共四十二頁，2022年，8月28日2.高光譜成礦預測研究在巖體侵位以及地質(zhì)構(gòu)造等地質(zhì)作用下,熱液侵入、物質(zhì)置換等使源于礦體的礦物質(zhì)發(fā)生擴散作用，這些成分的變化在礦物光譜中有著或強或弱的表現(xiàn)，通過對這些細微的變化的探測，實現(xiàn)對地質(zhì)作用演化信息的探測。第二十七頁，共四十二頁，2022年，8月28日3.高光譜植被重金屬污染探測植被在可見光波段（400～685nm）的光譜主要受葉色素（葉綠素、葉黃素、胡蘿卜素）的控制，其中以葉綠素的影響最大。在680～750nm區(qū)間急劇上升形成一個發(fā)射陡坡，稱為“紅邊”。重金屬改變或破壞葉細胞的結(jié)構(gòu)，造成光譜紅邊的斜率和位置發(fā)生變化。葉綠素含量的減少會造成紅邊向短波方向位移，稱為藍移。第二十八頁，共四十二頁，2022年，8月28日植被生物變異特征在譜學上重點表現(xiàn)為光譜紅邊的“紅移”(健康,生長旺盛)和“藍移”(不發(fā)育,中毒等)。利用高光譜對植物光譜的“精細”結(jié)構(gòu)和變異的探測和分析,可以定量、半定量地提取與估計植被生物物理和生物化學參數(shù),快速且定量地評價冠層結(jié)構(gòu)、狀態(tài)或活力,冠層水文狀態(tài),估計冠層生物化學成分。第二十九頁，共四十二頁，2022年，8月28日4.蝕變礦物與礦化帶的探測通過蝕變帶和蝕變礦物的識別，并結(jié)合相關的地質(zhì)資料，找尋潛在的礦產(chǎn)。主要用于：熱液蝕變礦物組合探測與成礦分析金礦礦區(qū)蝕變巖石信息提取銅礦礦區(qū)識別與探測鈾礦礦區(qū)探測等第三十頁，共四十二頁，2022年，8月28日5.高光譜礦山環(huán)境分析研究利用高光譜的技術優(yōu)勢快速且有效地直接識別與提取出污染源的種類、類型，并分析其潛在的污染趨勢。對礦山環(huán)境進行監(jiān)測。例如：歐盟礦區(qū)環(huán)境影響評價與監(jiān)測（MINEO計劃）第三十一頁，共四十二頁，2022年，8月28日6.油氣資源及災害探測油氣微滲漏探測油氣管線監(jiān)測石油泄漏探測第三十二頁，共四十二頁，2022年，8月28日高光譜遙感地質(zhì)研究中存在的主要問題1.數(shù)據(jù)源匱乏2.缺針對性強的數(shù)據(jù)處理方法3.無成型的專用軟件平臺4.人員培訓力度不夠第三十三頁，共四十二頁，2022年，8月28日二、高光譜遙感在植被研究中的應用植被具有獨特的光譜特征且在植被遙感研究中，較多的研究有植被類型的識別與分類，植被制圖，土地覆蓋利用變化的探測，生物物理和生物化學參數(shù)的提取與估計等。在這方面已可以將研究精度提高到對植物葉子內(nèi)的氮、磷、鉀、糖類、淀粉、蛋白質(zhì)、氨基酸、木質(zhì)素、纖維素及葉綠素等的估測，評價植物長勢和估計陸地生物量。第三十四頁，共四十二頁，2022年，8月28日植被遙感研究的分析方法，除了應用于地質(zhì)分析中的一些方法外，主要有以下幾種技術：1、多元統(tǒng)計分析技術用原始的光譜反射率或經(jīng)微分變換、對數(shù)變換、植被指數(shù)變換或其他數(shù)學變換后的數(shù)據(jù)作為自變量，以葉面指數(shù)、生物量、葉綠素含量等作為因變量，建立多元回歸預測模型來估計或預測生物物理模型和生物化學參數(shù)。2、基于光譜波長位置變量的分析技術是根據(jù)波長或其他參數(shù)的變換量為自變量，求得與因變量的關系來估計因變量。3、光學模型方法是基于光學輻射傳輸理論的模型。4、參數(shù)成圖技術根據(jù)所選擇的預測模型，通過高光譜影像對每個像元計算單參數(shù)預測值，并將其分類后成圖。第三十五頁，共四十二頁，2022年，8月28日三、高光譜遙感在其他領域中的應用1.大氣遙感2.水文與冰雪3.環(huán)境與災害4.土壤調(diào)查5.城市環(huán)境第三十六頁，共四十二頁，2022年，8月28日大氣遙感：是指大氣探測儀器與被探測大氣在相隔一定距離的情況下，通過某種輻射波在大氣中傳播所獲得的信息來反演大氣參數(shù)的一種大氣探測方法。大氣遙感技術的應用，使人們能夠在更為廣闊的空間（乃至全球）獲取大氣的多種信息，使大氣探測進入了一個嶄新的發(fā)展階段。這一發(fā)展階段以20世紀40年代微波雷達的采用，60年代衛(wèi)星遙感和激光雷達的采用為標志，至今已經(jīng)取得了迅速的發(fā)展和廣泛的應用。第三十七頁，共四十二頁，2022年，8月28日水文與冰雪：利用高光譜成像光譜儀可以測定沿海，江河，湖泊中的葉綠素，浮游生物，有機質(zhì)，懸浮物，水生植物等以及它們的分布。例如：利用AVIRIS數(shù)據(jù)研究美國Tahoe胡的葉綠素濃度和湖底深度制圖。第三十八頁，共四十二頁，2022年，8月28日環(huán)境與災害：

高光譜圖像可以用來探測危險環(huán)境因素。例如：編制酸性礦物分布圖，特殊蝕變礦物分布圖，評價野火危險的等級等。