前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇高光譜遙感技術(shù)范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

高光譜遙感技術(shù)范文第1篇

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，錢永剛1，申慶豐3，馬靈玲1，孔祥生4王寧1，劉耀開1，(1.中國科學(xué)院光電研究院定量遙感信息技術(shù)重點(diǎn)實驗室，北京100094；2. 中國科學(xué)院大學(xué)，北京100049；3. 中國運(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)驗統(tǒng)計模型，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量的葉面積指數(shù)對反演模型進(jìn)行精度分析。結(jié)果表明：相比實測葉面積指數(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)中圖分類號：TP701

文獻(xiàn)標(biāo)志碼：A

文章編號：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

基金項目：國家863計劃(2012AA12A302)；國家自然科學(xué)基金(41101330，41371353，40901176，41271342)

作者簡介：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)驗統(tǒng)計法和物理模型反演法。

經(jīng)驗統(tǒng)計方法從植被獨(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)計關(guān)系進(jìn)行反演。該類方法形式簡單，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)驗統(tǒng)計模型?；谠撃Ｐ秃蜔o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 ，最后利用實測不同地物類型的LAI 數(shù)據(jù)對反演結(jié)果進(jìn)行了驗證，并給出了精度分析。

立的經(jīng)驗關(guān)系僅適用于特定的時間和區(qū)域。相對而言，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，近年來出現(xiàn)了各種混合模型，如基于物理模型與統(tǒng)計模型相結(jié)合的核驅(qū)動模型，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證場，驗證場配備有光譜、輻射和幾何特性靶標(biāo)，能夠利用驗證場開展光學(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)沒有實測方法，參數(shù)設(shè)置帶有主觀經(jīng)驗性。Jacquemoud 等人根據(jù)實驗室測量的玉米反射率和透過率，通過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 載荷飛行測試實驗。文中研究基于863項目“無人機(jī)遙感載荷綜合驗證系統(tǒng)”對內(nèi)蒙古包頭驗證場無人機(jī)高光譜遙感載荷數(shù)據(jù)開展葉面積指數(shù)反演研究。

1方法

植被指數(shù)法是建立不同植被類型的植被指數(shù)與

LAI 之間的經(jīng)驗統(tǒng)計關(guān)系實現(xiàn)遙感反演。植被指數(shù)法是一種經(jīng)驗性方法，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)庫作為PROSPECT 模型輸入?yún)?shù)的選擇基礎(chǔ)。該數(shù)據(jù)庫是由歐盟委員會聯(lián)合中心的空間應(yīng)用研究所實測獲取的[10]，包含70個

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)驗的關(guān)系不一致且系數(shù)各異?？紤]到無人機(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，因此，選擇能夠具有抵抗背景因素影響的植被指數(shù)對于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)展而來的。通過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 模型涉及到多個輸入?yún)?shù)，針對角度參數(shù)，文中研究采用無人機(jī)飛行中的觀測角度、太陽角度等信息；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，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)種類繁多，文中分析了較為常用的8種植被指數(shù)(見表1) 。

表1植被指數(shù)計算公式

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。

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??；RDVI 和表反射率需要經(jīng)過大氣校正。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)雜的計算，需要占用大量的計算機(jī)時間和資源。因此，文中研究根據(jù)無人機(jī)高光譜成像儀的性能特點(diǎn)，通過大氣輻射傳輸模型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、太陽天頂角、觀測天頂角和相對方位角為索引的多維大氣參數(shù)查找表。利用與飛行試驗同步探空氣球測量的氣溶膠光學(xué)厚度和大氣水汽含量，結(jié)合太陽以及無人機(jī)載荷觀測的幾何參數(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 對土壤背景表現(xiàn)出很小的敏感性。顯然，各種植被指數(shù)對小于3的LAI 表現(xiàn)出最大的敏感性。同時可以看出，當(dāng)LAI 范圍在2.5~3.0時，NDVI 、

RDVI 、MCARI 、SAVI 和MSAVI 基本達(dá)到飽和狀態(tài)；MSAVI 和MCARI2對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時對土壤背景影響敏感。

相比其他植被指數(shù)，MCARI2對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反演無人機(jī)高光譜數(shù)據(jù)的LAI 。兩者之間的統(tǒng)計模型采用如下形式：

LAI 反演時需要依據(jù)不同植被類型進(jìn)行模型建模，因此，首先采用監(jiān)督分類方式對無人機(jī)高光譜數(shù)據(jù)進(jìn)行了分類(見圖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型分別擬合MCARI2和LAI ，得到上述4個擬合系數(shù)。

圖3無人機(jī)高光譜載荷地表分類圖

Fig.3Classification of the UAV hyperspectral data

2數(shù)據(jù)

2.1無人機(jī)高光譜數(shù)據(jù)和地面測量數(shù)據(jù)

2011年9月3日，基于863項目“無人機(jī)遙感載荷綜合驗證系統(tǒng)”，由中國科學(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°) 開展了光學(xué)載荷科學(xué)試驗飛行。此次試驗沿飛行航線布設(shè)了經(jīng)過嚴(yán)格測試的多種用途靶標(biāo)，并同步獲取了靶標(biāo)地面光譜測量數(shù)據(jù)及場地氣象參數(shù)數(shù)據(jù)，用于開展光學(xué)載荷輻射、幾何、光譜性能定標(biāo)與評價的工作。無人機(jī)平臺所搭載的高光譜成像儀光譜范圍為400~1030nm ，光譜分辨率為5nm ，瞬時視場角

3結(jié)果與分析

3.1葉面積指數(shù)反演結(jié)果

根據(jù)無人機(jī)高光譜數(shù)據(jù)的特點(diǎn)，針對不同的植被類型，利用PROSPECT+SAILH模型獲取反演模型

(公式(2))的系數(shù)(詳見表2) 。

表2不同植被類型下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個波段，地面分辨率1.6m@8km 。

LAI 反演及驗證的工作主要在農(nóng)業(yè)示范區(qū)開展。同時，飛行過程中在農(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 測量數(shù)據(jù)?？紤]到作物的非均一性，每組試驗測量3次，取其平均值作為驗證數(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

研究通過利用PROSPECT+SAILH模型模擬出冠層反射率，再耦合無人機(jī)高光譜成像儀通道響應(yīng)函數(shù)模擬出無人機(jī)高光譜地表反射率數(shù)據(jù)，并建立不同植被類型的LAI 反演模型，最終將模型應(yīng)用于真實無人機(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無人機(jī)葉面積指數(shù)地面實測反演結(jié)果圖

Fig.6Measured and retrieved LAI from UAV hyperspectral data

圖4北方場無人機(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)：從地面測試實驗中可以發(fā)現(xiàn)，傳感器測量的是地物的“面”信息，而地面測量儀器測量的是地物“點(diǎn)”信息，尺度效應(yīng)問題影響了LAI 的對比精度；其次，地面測試過程中發(fā)現(xiàn)向日葵地和馬鈴薯兩種植被覆蓋的均勻性較差，測量過程中不可避免地會引起一定的誤差；再次，隨著LAI 的增大，近紅外通道趨于飽和，會對LAI 反演精度產(chǎn)生影響；同時，植物生化數(shù)據(jù)庫(LOPEX′93) 測量的地物特性因地域差異、氣候差異等因素也會有所不同，同樣會對LAI 的反演精度產(chǎn)生一定的影響；最后，測量儀器本身也存在一定的測量誤差，對驗證結(jié)果的精度也會產(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)對反演模型進(jìn)行評價。為了檢驗LAI 反演的模型精度，通過模擬數(shù)據(jù)對LAI 反演模型進(jìn)行了模型精度評價。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)行對比，得到LAI 反演的模型精度。模擬獲取了六種植被類型(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，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LAI

圖5高光譜葉面積指數(shù)反演模型精度評估結(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)驗統(tǒng)計模型，并成功用于無人機(jī)高光譜數(shù)據(jù)的LAI 反演。經(jīng)實測數(shù)據(jù)驗證表面，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)驗統(tǒng)計方法的局限性，所建立的經(jīng)驗關(guān)系是針對特定的時

間和研究區(qū)

，

模型不具備普適性。今后對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地面測量驗證分析

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

LAI 驗證結(jié)果如圖6所示。相比地面實測的數(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(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

高光譜遙感技術(shù)范文第2篇

關(guān)鍵詞：馬蹄金；營養(yǎng)狀況；反射光譜特征；光合色素含量

中圖分類號：S 688.4文獻(xiàn)標(biāo)識碼：A文章編號：10095500(2014)03006205

基金項目：云南省自然科學(xué)基金面上項目（2010CD061），云南省教育廳科學(xué)研究基金重點(diǎn)項目（2011Z033）和云南省教育廳科學(xué)研究基金項目（2011Y0477）資助

高光譜遙感監(jiān)測是快速、準(zhǔn)確、無損傷探測植物色澤和葉綠素含量的新方法\[1\]。近年高光譜遙感技術(shù)被廣泛應(yīng)用于植物氮素營養(yǎng)的定量分析、產(chǎn)量估測以及色素監(jiān)測等方面。目前，已有研究利用高光譜技術(shù)監(jiān)測植物的葉綠素含量、密度、濃度等信息，進(jìn)而通過估測葉綠素含量等信息來評價植物的長勢、產(chǎn)量和確定最佳施肥量\[2-6\]。也有研究報道利用統(tǒng)計分析的方法分析了植物的氮素營養(yǎng)和葉綠素含量與光譜特征的相關(guān)關(guān)系，并進(jìn)一步建立了植物氮素營養(yǎng)和葉綠素含量的高光譜反演模型\[7-12\]。諸多研究表明，應(yīng)用高光譜遙感技術(shù)來監(jiān)測植物的營養(yǎng)狀況確實可行。利用高光譜遙感技術(shù)獲取植被光合色素信息對于光合能力估測、產(chǎn)量動態(tài)觀測和精確施肥等有著重要意義。

在草坪色澤、外觀質(zhì)量、水分及營養(yǎng)狀況評價方面，張文等\[13,14\]開展了利用高光譜遙感技術(shù)評價單播草坪色澤的研究，結(jié)果表明，利用高光譜參數(shù)評價草坪色澤，操作簡單，快捷方便，經(jīng)過相關(guān)參數(shù)的計算即可評價草坪色澤，克服了分光光度法等評價草坪色澤手續(xù)繁瑣，取樣不均勻，或因個人喜好而評價精度不高的缺點(diǎn)，適用于大面積的草坪色澤評價，以及草坪草種的外觀質(zhì)量評價。龍光強(qiáng)等\[15\]對干旱脅迫下馬蹄金草坪光譜反射特征和葉綠素含量的相關(guān)性的研究表明，當(dāng)馬蹄金草坪土壤含水量高于23%，草坪蓋度大于30%時，可用可見光某些波段光譜反射率對草坪葉片相對含水量和葉綠素含量進(jìn)行回歸預(yù)測。楊峰等\[6\]、錢育榮等\[16\]利用高光譜數(shù)據(jù)快速估算高羊茅營養(yǎng)狀況及光合色素含量的研究，結(jié)果表明，利用高光譜特征變量與光合色素含量的相關(guān)關(guān)系建立的回歸模型，為有效、快速、無損傷的探測草坪的營養(yǎng)狀況及草坪質(zhì)量提供了理論支持。許岳飛等\[17\]研究報道，反射光譜技術(shù)在園林綠化工程中為快速評價草坪質(zhì)量提供了新的途徑。綜上所述，應(yīng)用高光譜遙感技術(shù)來監(jiān)測黑麥草、高羊茅、草地早熟禾等禾草單播草坪的色澤、外觀質(zhì)量及營養(yǎng)狀況確實可行，但高光譜遙感是否能用于馬蹄金草坪草等雙子葉草本植物營養(yǎng)狀況的監(jiān)測，目前報道較少。以馬蹄金為供試材料，研究不同施氮水平馬蹄金草坪草光合色素含量和反射光譜特征的變化，分析馬蹄金草坪高光譜反射率與光合色素含量的相關(guān)性，構(gòu)建馬蹄金草坪草光合色素含量的高光譜監(jiān)測模型，指導(dǎo)馬蹄金草坪的肥料管理，以期促進(jìn)高光譜遙感技術(shù)在草坪營養(yǎng)狀況監(jiān)測中的應(yīng)用。

1材料和方法

1.1試驗設(shè)計

試驗在云南農(nóng)業(yè)大學(xué)草坪基地的溫室大棚進(jìn)行，試驗材料為普通馬蹄金，土壤為基地采集的酸性紅壤，pH 6.7，有機(jī)質(zhì)1.74%，有效氮116.67 mg/kg，速效磷33.11 mg/kg，速效鉀65.2 mg/kg。2011年8月將馬蹄金播種于口徑為22 cm，高20 cm的花盆中，播種量為20 g/m2(折合每盆播量為0.242 g)。正常培養(yǎng)成坪后，于2012年4月8日進(jìn)行施肥處理，肥料種類為尿素，含N 46.4%，施氮量設(shè)計4個水平，即N1 0、N2 4、N3 8、N4 12 g/m2（折合每盆中施氮量為0、0.152、0.304、0.456 g），施肥方法為將肥料溶于100 mL水中進(jìn)行葉面噴施，每處理10次重復(fù)。4月18日施肥10 d后，天氣晴朗、無風(fēng)進(jìn)行光譜反射率的測定，同步取樣測定葉綠素含量。

1.2指標(biāo)測定

1.2.1光譜反射率（R）的測定

采用美國Ocean公司的HR2000光譜儀（波長200~1 100 nm，分辨率約為1 nm）進(jìn)行測定，時間為10∶00~13∶00。測定時固定光譜儀探頭垂直向下，探頭距離草坪10 cm，每處理測量值為10次，平均值作為該處理的光譜反射值。測量時及時進(jìn)行標(biāo)準(zhǔn)白板校正。

1.2.2光合色素含量的測定

對應(yīng)觀測馬蹄金冠層高光譜的葉片，隨機(jī)剪切葉片0.1 g，按照丙酮∶無水乙醇∶蒸餾水=4.5∶4.5∶1.0的混合液提取葉片色素，測量D663 nm，D646 nm和D470 nm的值，然后計算葉綠素和類胡蘿卜素含量\[17\]。

1.3數(shù)據(jù)分析

用SPSS 13.0進(jìn)行數(shù)據(jù)統(tǒng)計分析，用Excel 2003作圖。

2結(jié)果與分析

2.1施氮水平對馬蹄金草坪光合色素含量的影響

與未施氮相比，施氮4，8和12 g/m2后馬蹄金草坪的葉綠素及類胡蘿卜素含量均顯著增加(P

表1不同施氮水平下馬蹄金光合色素含量

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

處理 光合色素含量/mg?g-1

葉綠素a葉綠素b 類胡蘿卜素 總?cè)~綠素

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

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

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

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

注：同列中不同小寫字母表示差異顯著（P

2.2施氮水平對馬蹄金草坪冠層光譜反射率的影響

在綠光510~570 nm時，不同施氮水平馬蹄金草坪的冠層光譜反射率差異較大，尤其在綠峰550 nm處反射率差異尤其明顯，綠峰處不施氮時馬蹄金草坪的冠層反射率最大，達(dá)10.74，隨著施氮量的增加，綠峰處馬蹄金草坪的冠層光譜反射率逐漸降低，當(dāng)施氮量增加到12 g/m2時，馬蹄金草坪的冠層光譜反射率下降為7.59%。

2.3馬蹄金草坪光合色素含量與冠層光譜反射率的相關(guān)關(guān)系

將不同施氮水平下馬蹄金草坪光和色素含量與綠波段510~570 nm光譜反射率分別進(jìn)行相關(guān)分析（表2）。結(jié)果表明，馬蹄金草坪光合色素含量與綠波段草坪冠層光譜反射率呈負(fù)相關(guān)關(guān)系，以570 nm處相關(guān)

表2馬蹄金草坪光合色素含量與光譜反射率的相關(guān)性分析

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

光合色素 光譜反射率/%

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

葉綠素a -0.941 -0.927 -0.888 -0.947 -0.906 -0.961* -0.978*

葉綠素b -0.994** -0.990** -0.962* -0.995** -0.971* -0.994** -0.994**

類胡蘿卜素 -0.935 -0.925 -0.895 -0.947 -0.912 -0.963* -0.980*

總?cè)~綠素 -0.871 -0.873 -0.869 -0.903 -0.885 -0.931 -0.952*

注：*為0.05 水平顯著相關(guān)；**為 0.01 水平極顯著相關(guān)

圖1不同施氮水平馬蹄金草坪冠層光譜反射率

Fig.1Effects of nitrogen levels on spectral reflection

rate of canopy

性最高，達(dá)顯著水平（P

2.4馬蹄金草坪光合色素含量的高光譜反演模型

在570 nm處馬蹄金草坪光合色素含量與光譜反射率具有較好的線性回歸關(guān)系，利用光譜反射率的變化來反演光合色素含量的變化可以達(dá)到較好的擬合效

圖2馬蹄金草坪葉綠素a含量與R570 nm之間的相關(guān)性

Fig.2Relationship between Chla and R570 nm

of Dichondra repens

圖3馬蹄金草坪葉綠素b含量與R570 nm之間的相關(guān)性

Fig.3Relationship between Chlb and R570 nm

of Dichondra repens

圖4馬蹄金草坪類胡蘿卜素含量與R570 nm之間的相關(guān)性

Fig.4Relationship between Cars and R570 nm

of Dichondra repens

圖5馬蹄金草坪總?cè)~綠素含量與R570 nm之間的相關(guān)性

Fig.5Relationship between Chls and R570 nm

of Dichondra repens

果（R2達(dá)0.85以上，P

3討論與結(jié)論

（1）植物光合色素含量是植物生長和營養(yǎng)狀況的指標(biāo)器，同時與氮素之間具有較高的相關(guān)性\[18\]。試驗結(jié)果表明，馬蹄金草坪光合色素含量和光譜反射率對施氮反映敏感，隨著施氮量的增加，馬蹄金草坪葉綠素a、葉綠素b、類胡蘿卜素和總?cè)~綠素含量增加，葉片顏色變深，進(jìn)而導(dǎo)致可見光區(qū)光譜反射率降低。馬蹄金草坪在綠波段510~570 nm的光譜反射率與光和色素含量呈顯著負(fù)相關(guān)關(guān)系，以綠波段570 nm處的反射率（R570 nm）與光合色素含量相關(guān)性最高，利用R570 nm的變化來反演其光合色素含量的變化可以達(dá)到較好的擬合效果（R2達(dá)0.85以上，P

（2）草坪是覆蓋度較高，低矮、致密、整齊、均一的人工植被，土壤背景、枯葉等因素對其影響較小，研究高光譜遙感技術(shù)在草坪上的應(yīng)用比天然植被、農(nóng)作物具有更高的精確度\[14\]。但試驗所用材料馬蹄金為暖季型C3 植物，無論從形態(tài)、生長習(xí)性上都與其他廣泛使用的禾本科草坪草建植的草坪有較大的差別\[19,20\]，所以，對于以禾本科草坪草建植的草坪，其營養(yǎng)狀況的高光譜監(jiān)測模型有待進(jìn)一步研究。另外，在紅外長波范圍，馬蹄金草坪光譜反射率與光合色素含量間的相關(guān)性還待進(jìn)一步研究。

（3）高光譜技術(shù)操作簡單、結(jié)果可靠，與NTEP法和實測法(分光光度法)等評價草坪顏色的方法相比，可節(jié)省人力、物力，避免人為因素的影響，并且可以用在大面積草坪營養(yǎng)狀況和外觀質(zhì)量的評價上\[17\]。此次試驗結(jié)果為利用高光譜遙感技術(shù)快速的、有效的、無損傷的探測馬蹄金草坪的營養(yǎng)狀況提供了理論支持和數(shù)據(jù)儲備。

參考文獻(xiàn):

\[1\]張文，張建利，陳功.葉面施肥對草坪高光譜反射率及色澤的影響\[J\].草業(yè)學(xué)報，2009,18（2）:115-121.

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

\[3\]王秀珍，黃敬峰，李云梅．水稻葉面積指數(shù)的多光譜遙感估算模型研究\[J\]．遙感技術(shù)與應(yīng)用，2003，18（2）：57-65．

\[4\]王秀珍，黃敬峰，李云梅．水稻地上鮮生物量的高光譜遙感估算模型研究\[J\]．作物學(xué)報，2003，29（6）：815-821．

\[5\]李云梅，倪紹祥，王秀珍．線性回歸模型估算水稻葉片葉綠素含量的適宜性分析\[J\]．遙感學(xué)報，2003，9（5）：364-371．

\[6\]楊峰，錢育蓉，李建龍．利用高光譜技術(shù)無損傷探測高羊茅草坪草營養(yǎng)狀況研究\[J\]．中國草地學(xué)報，2009，31（1）：86-91．

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

\[8\]方慧，宋海燕，曹芳．油菜葉片的光譜特征與葉綠素含量之間的關(guān)系研究\[J\]．光譜學(xué)與光譜分析，2007，27（9）：1731-1734．

\[9\]郭曼，常慶瑞，曹曉瑞．不同氮營養(yǎng)水平與夏玉米光譜特性關(guān)系初報\[J\]．西北農(nóng)林科技大學(xué)學(xué)報，2008，36(11):123-129．

\[10\]楊紅麗，陳功，吳建付．氮肥水平對多花黑麥草葉綠素及高光譜反射特征的影響\[J\].云南農(nóng)業(yè)大學(xué)學(xué)報，2009，24（4）：534-538．

\[11\]張俊華，張佳寶．夏玉米光譜特征對其不同色素含量的響應(yīng)差異\[J\]．西北農(nóng)業(yè)學(xué)報，2010，19（4）：70-76．

\[12\]王磊，白由路，盧艷麗．不同形式的光譜參量對春玉米氮素營養(yǎng)診斷的比較\[J\]．農(nóng)業(yè)工程學(xué)報，2010，26（2）：218-223．

\[13\]張文，陳功，龍光強(qiáng),等.利用高光譜參數(shù)評價單播草坪色澤的研究\[J\]．草原與草坪，2007（5）：6-10.

\[14\]張文，張建利，陳功.以高光譜植被指數(shù)研究草坪色澤\[J\]．草地學(xué)報，2008，16（5）：530-535.

\[15\]龍光強(qiáng)，陳功，郭濱，等.干旱脅迫下馬蹄金草坪反射光譜研究\[J\]．云南農(nóng)業(yè)大學(xué)學(xué)報，2008，23（4）：468-473.

\[16\]錢育蓉，楊峰，李建龍等.利用高光譜數(shù)據(jù)快速估算高羊茅牧草光合色素的研究\[J\]．草業(yè)學(xué)報，2009，18（4）：94-102.

\[17\]許岳飛，金晶煒，孫小玲，等.基于反射光譜技術(shù)評價草坪質(zhì)量模型的研究\[J\]．草業(yè)學(xué)報，2009，18（4）：256-259.

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

\[19\]初曉輝，岳信龍，陳功，等.水分脅迫下4種冷季型草坪草抗旱性比較研究\[J\].草原與草坪，2012，32（4）：15-19.

\[20\]單貴蓮，羅富成，黃多多，等.馬蹄金草坪雜草發(fā)生特點(diǎn)及防除方法研究\[J\].草原與草坪，2012，32（2）：45-49.

Effects of nitrogen levels on reflection spectrum

and photosynthetic pigment content

of Dichondra repens

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

CHEN Xingtao1,SHAN Guilian1

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

Lvsheng Landscape Limited Company,Kunming 650501,China）

高光譜遙感技術(shù)范文第3篇

[關(guān)鍵詞]地質(zhì)勘探 遙感技術(shù) 發(fā)展前景

[中圖分類號] TP7 [文獻(xiàn)碼] B [文章編號] 1000-405X（2015）-9-265-1

遙感技術(shù)的出現(xiàn)在很大程度上提高了人類原本及其狹小的視野范圍和視覺能力，帶給了人類宏觀、多角度、多層次看待地理事物的機(jī)會，遙感技術(shù)發(fā)展到當(dāng)今社會，已經(jīng)成為人們必不可少的一個地質(zhì)勘查技術(shù)手段，對人類的地質(zhì)調(diào)查、礦產(chǎn)查詢都起著十分重要的作用。

1地質(zhì)勘探中遙感技術(shù)的應(yīng)用范圍

1.1對于地質(zhì)構(gòu)造信息的獲取

利用遙感技術(shù)進(jìn)行相關(guān)的地質(zhì)勘探工作最為主要的一個標(biāo)志就是反映在相關(guān)的空間信息上。從地理環(huán)境所處的區(qū)域成礦線狀影像圖上就可以提取到許多十分重要的信息，包括酸性、堿性的巖體，火山形成的盆地，火山的構(gòu)造以及熱液活動等一系列的地理環(huán)境都可以為遙感系統(tǒng)提供許多重要的內(nèi)容。當(dāng)斷裂是一個較為主要的控礦構(gòu)造的時候，對于斷裂地區(qū)的構(gòu)造遙感信息的重點(diǎn)提取可以收獲常規(guī)手段收獲不到的內(nèi)容。遙感技術(shù)在地質(zhì)勘探中的成像過程中還有可能會產(chǎn)生“模糊作用”，常使用戶感興趣的線性型際，紋理等重要信息顯得模糊不清，難以令相關(guān)的工作人員進(jìn)行辨識工作，從而給遙感技術(shù)的進(jìn)一步擴(kuò)大使用留下了隱患。

1.2基于植被波譜的找礦意義

從生物的角度來說，在地下微生物和低下暗河的參與下，礦區(qū)內(nèi)部的很多金屬元素或者是金屬礦物質(zhì)都會引發(fā)礦區(qū)上層地質(zhì)結(jié)構(gòu)的構(gòu)造變化，從而導(dǎo)致礦區(qū)上層地表覆蓋土壤成分的變化。而在礦區(qū)上層地表覆蓋有土壤的地方，往往生長著許多的植被，而這些植物對于金屬元素都能夠產(chǎn)生不同程度的吸收和聚集作用，進(jìn)而影響到綠葉體內(nèi)的葉綠素的含量，從而使得遙感衛(wèi)星所觀察到的植被波譜出現(xiàn)異常。在礦區(qū)上方生長的這些植物的變化在沒有遙感技術(shù)之前，是很難被地質(zhì)勘探的工作人員總結(jié)出來的，而遙感技術(shù)的出現(xiàn)在很大程度上幫助地質(zhì)勘探工作有了一個更好的手段發(fā)現(xiàn)礦區(qū)構(gòu)造。

1.3礦產(chǎn)改造信息的標(biāo)志性

當(dāng)?shù)V區(qū)的主題礦床形成之后，受到礦床所在地區(qū)地理環(huán)境、地理空間位置變化的影響，往往會導(dǎo)致礦床的某些性狀發(fā)生一個根本性的變化，從而導(dǎo)致地質(zhì)勘查人員的工作難度增大。而通過遙感技術(shù)獲取到的宏觀遙感技術(shù)圖像的對比，就可以十分輕易的研究出礦床的剝蝕改造作用，進(jìn)而結(jié)合礦床進(jìn)行成礦深度的詳細(xì)研究。通過深入的研究區(qū)域內(nèi)平面構(gòu)造關(guān)系圖和礦床位置的關(guān)系，就可以找到不同礦床在不同的區(qū)域構(gòu)造圖中的變化規(guī)律，進(jìn)而建立一個較為完善的地質(zhì)勘探標(biāo)志體系，從而有利于后續(xù)開發(fā)工作的進(jìn)展。

2地質(zhì)勘探過程中遙感技術(shù)的發(fā)展前景

2.1高光譜數(shù)據(jù)及遙感微波的運(yùn)用

高光譜技術(shù)是指集探測器技術(shù)、精密光學(xué)儀器、微弱信號檢測、計算機(jī)技術(shù)等多種高精技術(shù)于一體的綜合性技術(shù)，對于地質(zhì)勘探工作效率的提升有著十分顯著的作用?；诟吖庾V技術(shù)的遙感微波可以以納米級的光譜分辨率，在完成的生成圖像的同時記錄下多達(dá)上百條的光譜數(shù)據(jù)通道。而從每個成像單元上提取出的光譜數(shù)據(jù)則可以建立一條連續(xù)的光譜曲線，從而進(jìn)一步的實現(xiàn)了地理物理空間信息、輻射數(shù)據(jù)信息和光譜成像信息之間的同步，因此這種基于高光譜技術(shù)的遙感微波有著十分光明的應(yīng)用前途和發(fā)展前景，我們應(yīng)該充分的關(guān)注這種技術(shù)的發(fā)展，并不斷的與自身的實際情況相結(jié)合，將其應(yīng)用到自身的實際工作當(dāng)中，為地質(zhì)勘查工作做出應(yīng)有的貢獻(xiàn)。

2.2數(shù)據(jù)的融合

隨著在地質(zhì)勘探過程中遙感技術(shù)的不斷發(fā)展，尤其是微波、多光譜等各種新型的傳感器材的不斷問世，他們開始以各種不同的空間尺度和時間周期以及光譜范圍等多個方面反映出目標(biāo)物品的各種特性，構(gòu)成了同一地區(qū)的多源頭數(shù)據(jù)鏈。但是相對于單源頭的數(shù)據(jù)來說，這種多數(shù)據(jù)源頭的數(shù)據(jù)形式可以在多個方面形成一個較為鮮明的對比，從而幫助地質(zhì)勘探人員更好的完成相關(guān)地質(zhì)勘探數(shù)據(jù)匯總工作，從而極大程度上提高了工作的準(zhǔn)確性和效率。基于這方面的數(shù)據(jù)融合主要包括來自遙感衛(wèi)星上個數(shù)據(jù)的融合處理，遙感數(shù)據(jù)和非遙感系統(tǒng)產(chǎn)生的數(shù)據(jù)融合處理。盡管在遙感技術(shù)中數(shù)據(jù)的融合取得了許多令人可喜可賀的進(jìn)展，但是相對來說并不十分成熟的算法公式令數(shù)據(jù)的融合仍然存在著許多的問題。因此，在以后的工作中仍然需要地質(zhì)勘探的相關(guān)工作人員不斷的進(jìn)行相關(guān)的補(bǔ)充和完善。

2.3圖像接受、處理及信息提取技術(shù)的發(fā)展和完善

除了以上幾個方面之外，遙感技術(shù)另外一個十分值得重視的發(fā)展方面就是要不斷的提升遙感圖像的接收成像能力、以及對于遙感系統(tǒng)所產(chǎn)生信息的提取和處理能力。而要想做好這個方面的遙感系統(tǒng)開發(fā)工作，則應(yīng)該從以下方面入手，首先應(yīng)該進(jìn)一步發(fā)展具有高分辨率的傳感器，以便能夠接收更加微弱、更加細(xì)小的地質(zhì)信息信號。其次，加強(qiáng)信息的提取方法還包括應(yīng)該解決計算機(jī)處理的技術(shù)問題，如補(bǔ)償信號在傳遞過程中的丟失以及失真，圖像的不清晰成像等。這些問題都是十分值得重視的方面。另外，加強(qiáng)對于后備人才梯隊的培養(yǎng)也是一個十分重要的方面，只有不斷的提升地質(zhì)勘探人員的技能素養(yǎng)，才能夠滿足相關(guān)技術(shù)的發(fā)展需求。

3結(jié)語

綜上所述，在地質(zhì)勘探的工作當(dāng)中，遙感技術(shù)為其效率的提高和工作范圍的擴(kuò)大提供了強(qiáng)有力的支持并獲得了極大的成功。遙感技術(shù)的直接應(yīng)用是遙感信息的提取，遙感技術(shù)的間接應(yīng)用范圍更加廣泛，包括對于地質(zhì)構(gòu)造信息的獲取、基于植被波譜的尋礦等。因此，地質(zhì)勘探行業(yè)的從業(yè)人員一定要從實際出發(fā)，不斷的加強(qiáng)對于遙感技術(shù)的學(xué)習(xí)，以滿足日益發(fā)展的地質(zhì)勘探行業(yè)的要求。

參考文獻(xiàn)

[1]黨永峰.遙感技術(shù)在森林資源連續(xù)清查中的應(yīng)用---以利用遙感技術(shù)分析森林植被、地類的動態(tài)變化為例[J].林業(yè)資源管理，2004，（06）：94-95.

高光譜遙感技術(shù)范文第4篇

【關(guān)鍵詞】遙感技術(shù)；水質(zhì)監(jiān)測；污染水體；光譜

1水體遙感監(jiān)測的基本理論

水質(zhì)參數(shù)的遙感監(jiān)測過程。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)測的水質(zhì)分析數(shù)據(jù)。現(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，加之太陽光、大氣等因素的影響，遙感信息表現(xiàn)的不甚明顯，要對遙感數(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)驗選擇不同波段或波段組合的數(shù)據(jù)與同步觀測的地面數(shù)據(jù)進(jìn)行統(tǒng)計分析，再經(jīng)檢驗得到最后滿意的模型方程。

2水質(zhì)遙感監(jiān)測常用的遙感數(shù)據(jù)

2.1多光譜遙感數(shù)據(jù)。在水質(zhì)遙感監(jiān)測中常用的多光譜遙感數(shù)據(jù)，包括美國Landsat衛(wèi)星的MSS、TM、ETM+數(shù)據(jù)，法國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)便開始被用于水質(zhì)研究中。如解亞龍等用MSS數(shù)據(jù)對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)對芬蘭的海岸水體進(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)。成像光譜儀也稱高光譜成像儀，實質(zhì)上是將二維圖像和地物光譜測量結(jié)合起來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。國內(nèi)外的學(xué)者主要利用的有：美國的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。

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用的地面光譜測量儀，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。常見的有ASD野外光譜儀、便攜式超光譜儀等。如對我國太湖進(jìn)行水質(zhì)監(jiān)測時，水面光譜測量就用了GRE-1500便攜式超光譜儀，光譜的響應(yīng)范圍0.30～1.1um，共512個測量通道，主要將其中0.35～0.90um的316個通道的數(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)測提供了更高空間、時間和光譜分辨率的遙感數(shù)據(jù)。如美國的Landsat ETM+、EO--1ALI、MODIS，歐空局的Envlsat MERIS等多光譜數(shù)據(jù)和美國的EO-1Hyperion高光譜數(shù)據(jù)。Koponen用AISA數(shù)據(jù)模擬MERIS數(shù)據(jù)對芬蘭南部的湖泊水質(zhì)進(jìn)行分類，結(jié)果表明分類精度和利用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)來研究這兩種數(shù)據(jù)在水質(zhì)監(jiān)測中的可用性時發(fā)現(xiàn)；MERIS以705nm為中心的波段9很適合用來估算葉綠素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，對德國梅克萊堡州湖區(qū)水質(zhì)進(jìn)行了監(jiān)測，為營養(yǎng)參數(shù)和葉綠素濃度的定量化建立了算法。

3水質(zhì)遙感存在的問題與發(fā)展趨勢

3.1存在的問題：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)測精度不高，各種算法以經(jīng)驗、半經(jīng)驗方法為主。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)測的波段范圍小，多集中于可見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

3.2.1建立遙感監(jiān)測技術(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)測的關(guān)鍵技術(shù)與方法，形成一個標(biāo)準(zhǔn)化的水安全定量遙感監(jiān)測技術(shù)體系，針對不同類型的內(nèi)陸水體，建立多種水質(zhì)參數(shù)反演算法，實現(xiàn)實驗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。加深對遙感機(jī)理的認(rèn)識，特別是水質(zhì)對表層水體的光學(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)測量值聯(lián)系起來；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開展微波波段對水質(zhì)的遙感監(jiān)測。常規(guī)水質(zhì)遙感監(jiān)測波段范圍多數(shù)選擇在可見光或近紅外，尤其是缺乏微波波段表面水質(zhì)的研究情況。將微波波段與可見光或近紅外復(fù)合可提高對表面水質(zhì)參數(shù)的反演能力。

3.2.4拓寬遙感水質(zhì)監(jiān)測項。現(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)，對可溶性有機(jī)物、COD等參數(shù)光譜特征和定量遙感監(jiān)測研究較少，拓寬遙感監(jiān)測項是今后的發(fā)展趨勢之一。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)測種類，進(jìn)一步建立不同水質(zhì)參數(shù)的光譜特征數(shù)據(jù)庫。

3.2.5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)，實時、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)及屬性信息提供實時、快速的空間定位，實現(xiàn)空間與地面實測數(shù)據(jù)的對應(yīng)關(guān)系；GIS完成龐大的水資源環(huán)境信息存儲、管理和分析。將“3S”技術(shù)在水質(zhì)遙感監(jiān)測中綜合應(yīng)用，建立水質(zhì)遙感監(jiān)測和評價系統(tǒng)，實現(xiàn)水環(huán)境質(zhì)量信息的準(zhǔn)確、動態(tài)快速，推動國家水安全預(yù)警系統(tǒng)建設(shè)。

參考文獻(xiàn)：

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

高光譜遙感技術(shù)范文第5篇

關(guān)鍵詞：遙感地址勘查技術(shù)；具體應(yīng)用；研究

0前言

隨著信息時代的到來，地質(zhì)勘查與地質(zhì)研究技術(shù)不斷革新，如何利用遙感技術(shù)進(jìn)行地質(zhì)勘查，受到了越來越多學(xué)者的關(guān)注。較之其他范疇的地質(zhì)勘查技術(shù)，遙感地質(zhì)勘查技術(shù)具有其獨(dú)特性，它利用影像直觀地分析某區(qū)域的地質(zhì)特性，搜集多元化的地質(zhì)數(shù)據(jù)；然而遙感地質(zhì)勘查技術(shù)也具有著一定的局限性，其地質(zhì)狀況分析過程必須經(jīng)過實驗室化驗，獲取手段較為復(fù)雜。因此，對遙感地質(zhì)勘查技術(shù)的研究具有一定的現(xiàn)實意義，在應(yīng)用過程中應(yīng)注意揚(yáng)長避短，發(fā)揮其最大效益。

1遙感地質(zhì)勘查技術(shù)概述

1.1遙感地質(zhì)勘查技術(shù)的概念

所謂遙感地質(zhì)勘查技術(shù)，主要是利用飛機(jī)與衛(wèi)星等遙感器等對檢測地標(biāo)的地質(zhì)數(shù)據(jù)進(jìn)行電磁、光譜的掃描與識別，從而深入地分析檢測地標(biāo)的地質(zhì)特性，從而摸清地質(zhì)信息與地質(zhì)特征，為地質(zhì)勘探工作提供更好的理論與數(shù)據(jù)依據(jù)，以便地質(zhì)勘探與研究的順利進(jìn)行。較之傳統(tǒng)的地質(zhì)勘查技術(shù)相比，遙感地質(zhì)勘查技術(shù)憑借其多層次、綜合性及宏觀性的特點(diǎn)，大大提升了地質(zhì)勘查檢測結(jié)果的精準(zhǔn)性，具有技術(shù)先進(jìn)、檢測結(jié)果準(zhǔn)確等優(yōu)勢，在現(xiàn)代地質(zhì)勘查工作中占據(jù)著越來越重要的地位[1]。

1.2遙感地質(zhì)勘查技術(shù)的特點(diǎn)

第一，遙感地質(zhì)勘查技術(shù)具有一定的科學(xué)性。遙感技術(shù)的利用，為地質(zhì)勘查工作數(shù)據(jù)采集提供了科學(xué)的理論依據(jù)。我國的遙感地質(zhì)勘查技術(shù)應(yīng)用例如衛(wèi)星、飛機(jī)等高端遙感器對檢測地標(biāo)的具體地質(zhì)狀況進(jìn)行科學(xué)的計算與檢測，電磁技術(shù)、光譜技術(shù)同現(xiàn)代化計算機(jī)技術(shù)與現(xiàn)代化航拍器械的結(jié)合，使地質(zhì)掃描工作更具科學(xué)性，為地質(zhì)勘查與地質(zhì)研究工作提供了科學(xué)的勘查數(shù)據(jù)與地質(zhì)資料。第二，遙感地質(zhì)勘查技術(shù)具有較強(qiáng)的精確性。隨著礦產(chǎn)需求量不斷增大，我國地質(zhì)勘查工作不斷細(xì)化，對地質(zhì)勘查技術(shù)的精細(xì)化要求也越來越高。遙感地質(zhì)勘查技術(shù)利用電磁技術(shù)與光譜技術(shù)對地質(zhì)狀況進(jìn)行掃描與分析，滿足了地質(zhì)勘查工作的精細(xì)化需求。

2遙感地質(zhì)勘查技術(shù)的具體應(yīng)用

2.1對于地質(zhì)構(gòu)造信息的獲取

在一般情況下，內(nèi)生礦通常處于地質(zhì)構(gòu)造的異常部位與邊緣部位，礦產(chǎn)資源主要分布在板塊構(gòu)造不同體的結(jié)合部位，這些地質(zhì)信息都可以利用遙感地質(zhì)勘查技術(shù)進(jìn)行檢測，在遙感器航拍的空間信息可以清楚地檢測到板塊構(gòu)造邊界地帶的礦床。在利用遙感技術(shù)提取地質(zhì)標(biāo)志信息時，一般選擇與檢測區(qū)域具有成礦幾率的線狀、帶狀影像，同時在獲取地質(zhì)構(gòu)造信息的過程中，對斷裂與推覆體這一主要控礦構(gòu)造模塊的信息進(jìn)行集中處理。在利用電磁與光譜技術(shù)掃描地質(zhì)信息的過程中，由于外部因素與內(nèi)部因素多方面的影響，圖像成像的部分地質(zhì)紋理信息與地質(zhì)線性形跡難以清晰顯示[2]。對地質(zhì)構(gòu)造信息的“模糊作用”可以合理利用專家目視解譯或人機(jī)交互等科學(xué)方法對圖像進(jìn)行處理，利用科學(xué)的計算機(jī)圖像恢復(fù)技術(shù)或目視比值分析等有效措施，突出重點(diǎn)地質(zhì)構(gòu)造信息。在地質(zhì)構(gòu)造信息提取的過程中，遙感地質(zhì)勘查技術(shù)可以利用地表巖性特征、地質(zhì)地貌特征等數(shù)據(jù)對地質(zhì)構(gòu)造隱性信息加以提取。

2.2利用巖礦光譜技術(shù)進(jìn)行識別

巖礦光譜技術(shù)是遙感地質(zhì)勘查技術(shù)的理論基礎(chǔ)，適用于多光譜技術(shù)與高光譜技術(shù)，通過對多光譜蝕變信息的提取，對地質(zhì)進(jìn)行巖性識別與高光譜礦物識別。由于多光譜技術(shù)的光譜分辨率較低，導(dǎo)致巖礦的光譜特征表現(xiàn)力較弱，因此巖礦光譜技術(shù)主要基于圖像線性信息與圖像灰度特征，對巖礦的反射率差異進(jìn)行分析。高光譜技術(shù)可以獲取連續(xù)光譜信息，直觀地識別地質(zhì)類型，這是區(qū)別于多光譜技術(shù)的主要特征。巖礦光譜技術(shù)可以利用多光譜技術(shù)與高光譜技術(shù)有效地識別巖礦類型，識別與成礦作用有直接關(guān)系的礦物蝕變信息，對蝕變強(qiáng)度進(jìn)行定量，為地質(zhì)勘探工作提供技術(shù)支持。

2.3利用植被波譜特征進(jìn)行找礦

礦產(chǎn)資源受到地下水微生物等外部因素的影響，可能使蘊(yùn)藏的金屬資源或礦產(chǎn)資源產(chǎn)生化學(xué)反應(yīng)，使地表層產(chǎn)生一定程度上的結(jié)構(gòu)變化，影響土壤層的成分組成[3]。地表植物對礦產(chǎn)資源存在著不同程度的聚集度與吸收度，使得地表植被的繁盛光譜特征產(chǎn)生不同的差異?；谶@一特征，遙感地質(zhì)勘查技術(shù)可以根據(jù)提取到的植被光譜異常信息進(jìn)行分析，將植被光譜的異常色調(diào)進(jìn)行有效的分離與提取，根據(jù)異常植被光譜對該地區(qū)是否存在礦產(chǎn)進(jìn)行合理判定，提高礦靶區(qū)勘查工作的準(zhǔn)確性，指導(dǎo)相關(guān)地質(zhì)勘查工作的開展。針對植被對金屬含量呈現(xiàn)的差異性，相關(guān)部門可以在既定礦區(qū)詳細(xì)地收集植被樣品的光譜特征，通過圖像處理技術(shù)重點(diǎn)分析較為特殊的植被光譜，在光譜分析過程中，明確波譜測試技術(shù)靈敏度的有限性，對植被微弱的金屬含量信息進(jìn)行深入的分析，結(jié)合當(dāng)?shù)氐刭|(zhì)地貌實際情況科學(xué)地判定當(dāng)時是否存在礦產(chǎn)資源。

3結(jié)論

隨著我國國民經(jīng)濟(jì)的快速發(fā)展，國家對于礦產(chǎn)資源的需求量就越來越大，利用有效的礦產(chǎn)勘查技術(shù)顯得尤為重要。遙感地質(zhì)勘查技術(shù)一方面較之傳統(tǒng)的勘查技術(shù)確實更具效率與精確性，可以根據(jù)實際地質(zhì)情況進(jìn)行有效的監(jiān)測與評價，具有一定的先進(jìn)性；另一方面隨著礦產(chǎn)資源需求量的增大，遙感技術(shù)的發(fā)展面臨著更為嚴(yán)峻的挑戰(zhàn)。因此在應(yīng)用遙感地質(zhì)勘查技術(shù)的過程中，應(yīng)不斷對遙感技術(shù)進(jìn)行完善與創(chuàng)新，實現(xiàn)對礦產(chǎn)資源的有效監(jiān)控。

作者:繆杰 李鳳 馬娟 張輝 單位:1. 莒縣陵陽地震臺 2. 河北省地震局石家莊中心臺 3. 昌邑地震臺

參考文獻(xiàn)：