高光谱遥感技术及发展

遥感技术与系统概论结课作业高光谱遥感技术及发展高光谱遥感技术及发展摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代。本文系统地阐述了高光谱遥感技术在分析技术及应用方面的发展概况，并简要介绍了高光谱遥感技术主要航空/卫星数据的参数及特点。关键词：高光谱，遥感，现状，进展，应用一、高光谱遥感的概念及特点遥感是20世纪60年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。同其它传统遥感相比，高光谱遥感具有以下特点：⑴波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。⑵光谱分辨率高。成像谱仪采样的间隔小，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术。二、发展过程自80年代以来，美国已经研制了三代高光谱成像光谱仪。1983年，第一幅由航空成像光谱仪（AIS-1）获取的高光谱分辨率图像的正式出现标志着第一代高光谱分辨率传感器面世。第一代成像光谱仪（AIS），由美国国家航空和航天管理局（NASA）所属的喷气推进实验室设计，共有两种，AIS-1(1982年~1985年，128波段)和AIS-2(1985年~1987年，128波段)，其光谱覆盖范围为1.2~2.4μm。1987年，由NASA喷气推进实验室研制成功的航空可见光/红外光成像光谱仪（AVIRIS）成为第二代高光谱成像仪的代表。与此同时，加拿大、澳大利亚、日本等国家竞相投入力量研究成像光谱仪。在AVIRIS之后,美国地球物理环境研究公司(GER)又研制了1台64通道的高光谱分辨率扫描仪(GERIS),主要用于环境监测和地质研究。其中63个通道为高光谱分辨率扫描仪,第64通道是用来存储航空陀螺信息。第三代高光谱成像光谱仪为克里斯特里尔傅立叶变换高光谱成像仪(FTHSI)，其重量仅为35kg，采用256通道,光谱范围为400~1050nm，光谱分辨率为2~10nm，视场角为150°。而于1999年和2000年发射升空的中分辨率成像光谱仪(MODIS和Hyperion)都已经成为主要的应用数据来源。在国内，成像光谱仪的研制工作紧跟国际前沿技术，目前已跻身国际先进行列。先后研制成功了专题应用扫描仪、红光细分光谱扫描仪FIMS、热红外多光谱扫描仪TIMS、19波段多光谱扫描仪AMSS、71波段的模块化航空成像光谱仪MAIS、128波段的OMIS以及244波段的推扫式成像仪PHI等。此外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002年随“神州”三号飞船发射升空，这是继美国1999年发射EOS平台之后第二次将中分辨率成像光谱仪送上太空，从而使中国成为世界上第二个拥有航天载成像光谱仪的国家。经过20世纪80年代的起步与90年代的发展，至90年代后期，高光谱遥感应用由实验室研究阶段逐步转向实际应用阶段。迄今为止，国际上已有许多套航空成像光谱仪与少数几个卫星成像光谱仪处于运行状态，在实验、研究以及信息的商业化方面发挥着重要作用。三、发展程度1．高光谱数据处理技术的发展程度随着成像光谱仪技术的快速发展，高光谱遥感数据处理技术发展也取得了突破性的进展。高光谱遥感波段数众多，致使其数据量也呈指数增加，海量的数据给研究人员的分析和应用带来不便。人们通过大量的科研实践，发展了新的数据处理方法来适应成像光谱数据做定量分析。（1）基于纯像元的分析方法①基于光谱特征的分析方法。基于光谱特征的分析方法主要从地物光谱特征上出发，表征地物的特征光谱区间和参数。这种方法普遍用于MSS和TM图像的处理和分析应用中。高光谱遥感中的吸收谱线较传统的遥感更为细化和连续，一些在传统遥感的光谱曲线中不可分的特征变得显著起来。所以许多研究人员沿用了这种方法，这一方法通过对比分析地面实测的地物光谱曲线来区分地物。“光谱匹配”是利用成像光谱仪探测数据进行地物分析的主要方法之一。②基于统计模型的分类方法。基于统计模型的分类方法主要是对高光谱数据样本的总体特征进行统计分析。对样本采样点统计分布特征的分析可以帮助识别不同的目标物。按照距离来度量模式相似性的几何分类法和基于Bayes准则的最大似然法是统计模式识别的两种基本方法。（2）基于混合像元的分析由于传感器空间分辨率的限制以及地物的复杂多样性，遥感影像中的像元大多数都是几种地物的混合体，而它的光谱特征也就成了几种地物光谱特征的混合体。如果将该像元作为一种地物分析，势必会带来分类误差，不能真实地反映地面情况。概括起来,混合模型有线性光谱混合模型、非线性光谱混合模型和模糊模型三种。线性混合模型假定混合像元的反射率为它的端元组分的反射率的线性组成，这种模型较为简单，因而也是目前使用最广泛的一种模型。美国马里兰大学的研究人员提出了一种正交子空间投影方法（OSP），他们将224个波段的AVIRIS影像数据去掉噪声较大的波段后得到158个波段，再针对五种主要地物类型，采用OSP方法得到5个分量影像，每个分量各表示一种地物类型的分布情况。经检验，成图的分类结果与地面观测是一致的。这一方法既考虑了混合光谱问题，又考虑了数据压缩问题，还在处理过程中加入了去噪声的操作，是目前比较有代表性的混合像元处理技术。2．高光谱应用的发展程度（1）在地质方面的应用地质是高光谱遥感应用中最成功的一个领域[4]。由于高光谱遥感光谱分辨率（10nm）高的特点，在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。目前，从高光谱遥感数据中提取各种矿物成分信息的主要技术方法有[3]:光谱微分技术、光谱匹配技术、混合光谱分解技术、光谱分类技术、光谱维特征提取方法、模型方法等。中科院上海技术物理所利用MAIS在河北张家口地区的实验中地对该地区新生界全新统、更新统、中生界侏罗纪张家口群、下元古界红旗营子群及花岗片麻岩、蛇绿岩脉、辉石类岩脉采用不同的图像处理方法获得了较为精确的岩石地层识别分类，证明了高光谱遥感在岩石出露较好区域进行岩类定性识别和大比例尺填图的可能；王润生、甘甫平等人在成像光谱矿物填图技术与应用示范课题中，对新疆东天山地区开展区域面积性矿物填图和西藏驱龙地区开展矿化蚀变矿物填图应用示范,取得了与地面一致的应用效果，矿物识别率和识别正确率均达到85%以上。（2）在植被检测中的应用高光谱遥感由于具有极高的光谱分辨率，在植被研究中的应用已使得植被遥感的范围被扩大到生态意义上[5]。通过对来源不同的植被高光谱遥感数据采取相应的技术处理后，可将其用于植被参数估算与分析，植被长势监测以及估产。目前比较常用的有：①植物的“红边”效应:“红边”是位于红光低谷及红光过渡到近红外区域的拐点,通过其位置和斜率的特征来体现。是植物光谱曲线最典型的特征,能很好地描述植物的健康及色素状态。当绿色植物叶绿素含量高、生长活力旺盛时，“红边”会向红外方向偏移，当植物患病时叶绿素减少,“红边”会向蓝光方向移动。植物缺水等原因造成叶片枯黄，“红边”会向近红外方向移动。当植物覆盖度增大时“红边”的斜率会变陡。②植被指数:植被指数是利用遥感光谱数据监测地面植物生长和分布、定性、定量评估植被的一种有效方法（Bannari等，1995）。根据不同的研究目的，人们已经提出了几十种植被指数，如归一化植被指数NDVI，比值植被指数RVI，土壤调整植被指数SAVI等等。目前，植被指数已广泛用来定性和定量评价植被覆盖及其生长状况。（3）在农业中的应用高光谱在农业中的应用，主要表现在快速、精确地获取作物生长状态以及环境胁迫的各种信息，从而相应调整投入物资的投入量，达到减少浪费，增加产量，保护农业资源和环境质量的目的。使用高光谱遥感数据估计作物的农学参数主要有两类方法：一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参数之间的关系；二是通过作物的红边参数来估计作物的物候性状及其农学参数。高光谱遥感凭借其极高的光谱分辨率为精细农业的发展提供了技术保障和数据来源。作物生长信息的提取:作物生产中,准确、迅速、经济地判断作物氮营养状况,进而确定氮肥需要量,对提高作物的实时精确施肥具有重要意义。近年来,随着相关领域科技水平的不断提高,氮素营养诊断的测试技术正由传统的实验室常规测试向田间直接无损测试方向发展;同时测试水平正由定性或半定量的手工测试向精确定量的智能化方向发展。目前,针对作物氮素诊断的智能化无损测试技术已成为国内外研究的热点,其中较成熟的技术方法主要有便携式叶绿素仪法和遥感系统中应用的高分辨率多光谱近地测量技术。这两项技术都是基于当作物氮素发生变化时,其光谱反射特性发生改变的基础上,但在具体的应用中两者又有所不同。相对于传统的低光谱分辨率遥感(通常指光谱分辨率在0.1µm以上)而言,高光谱分辨率遥感(光谱分辨率在0.1µm以下)数据最主要的特点就是成像通道数量的增加和成像波段的变窄。从而使植被遥感的监测目标发生了很大的变化,获取子像元(最终光谱单元信息)的能力得到提高,使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数[6-7]。通过高光谱遥感植被指数技术可以提取植被冠层结构定量信息。蒲瑞良[8]等用小型机载成像光谱仪(CASI)测得的航空高光谱分辨率数据(光谱范围约417~800nm)估计森林族叶化学成分浓度,最后用导数光谱的多项式逐步回归方程进行分析。对于总叶绿素,最佳的R2值来自二阶微分光谱的三项式回归方程(R2=0.944),此方程包含的中心波长分别为748、507和735nm,而对于全氮的最佳R2值来自一阶微分光谱的三项式方程(R2=0.933),中心波长分别为780、764和566nm。结果表明:使用光谱方式的CASI数据及NDVI值提取植被信息,结合光谱微分技术能明显地改善森林族叶化学成分的估算精度。吴长山等[9-10]分析了水稻、玉米多时相的群体以及叶片光谱特征与叶绿素密度(单位面积农作物的叶绿素含量,等于叶绿素含量与鲜叶生物量的乘积)的关系,得出这几种农作物的导数光谱在近红外波段762nm处与叶绿素密度具有高度相关性。王柯[11]等的实验数据表明540、680和740~1070nm的光谱数据在水稻所有的生长阶段都与叶片氮浓度相关显著。作物长势监测:作物的反射光谱特征主要由叶片中的叶肉细胞、叶绿素、水分含量和其他生物化学组分对光线的吸收和反射形成的,受叶色、叶片结构及水分状况、叶片的生理生化性质、植株形态及长势长相等因素的影响[12]。可见光波段反射率主要受叶绿素等各种色素的影响,近红外波段反射率则由叶片水分状况起决定作用,不同的植物、同一作物的不同生育时期,以及同一作物的不同健康状况,其光谱反射特性均不一样。因此研究作物不同生长条件下的光谱特性与这些生理指标的关系,就可以实时的监测作物的长势和进行苗情诊断,从而科学地指导农事活动。高光谱遥感以其超多波段、光谱分辨率高等特点被用来反演叶子各组分含量,监测作物的生长状况[13]。王延颐[14]用美制的EXOTECH100A四通道光谱仪在试验