高光谱遥感原理与方法范文
时间：2023-12-07 18:01:37
导语：如何才能写好一篇高光谱遥感原理与方法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
关键词：高光谱图像；数据融合；综合评价；最佳方法；地球观测1号
中图分类号： TP751.1； TP391.41
文献标志码：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
对于一套光学遥感器系统而言，图像的空间分辨率与光谱分辨率是一对矛盾，在给定信噪比的条件下，为求得较高的光谱分辨率（窄光谱波段）往往意味着要付出低空间分辨率的代价[1]。相对于较高空间分辨率的多光谱图像而言，当前高光谱遥感图像的空间分辨率还都不够高，尤其是航天高光谱遥感数据。为解决这一矛盾，已经（或即将）发射的搭载成像光谱仪的航天遥感平台往往都会带有一个高空间分辨率的全色通道传感器。例如，地球观测1号（Earth Observing1， EO1）卫星上就载有3个传感器，即高级陆地成像仪（Advanced Land Imager， ALI）、高光谱成像光谱仪（Hyperion）和大气校正仪（Linear Etalon Imaging Spectrometer Array Atmospheric Corrector， LAC）。其中Hyperion高光谱遥感图像的光谱分辨率为10nm，空间分辨率为30m；而ALI图像数据中就有一个空间分辨率为10m的全色通道波段。由此为本研究通过数据融合方式来提高高光谱遥感数据的空间分辨率提供了有利的条件，研究高光谱遥感图像与高空间分辨率图像的融合将具有十分重要的理论和现实意义。
将高光谱图像与高空间分辨率图像进行融合处理，在保持高光谱图像的光谱物理特性和波形形态的同时，还可大幅度改善高光谱图像的空间解析特性；融合后的图像仍可为超多波段的图像数据，且具有可定量分析的波谱形状。目前有关多光谱遥感图像与高空间分辨率全色图像融合的文章很多，但鲜见涉及高光谱图像融合的报道，这可能与目前此类数据源较少及数据特性限制有关。本研究将针对Hyperion和ALI遥感图像的特点，选用多种融合方法对其进行数据融合实验，并对这些方法的融合效果进行综合分析评价，旨在寻找最佳的增强高光谱遥感图像空间分辨率的融合算法，以提高高光谱图像计算机分类的精度。
1研究方法
1.1遥感数据融合
遥感数据融合是将那些在空间或时间上冗余或互补的多源遥感图像数据按一定的规则（或算法）进行运算处理，以获得比任何单一数据更精确、更丰富的信息，从而生成一幅具有新的空间、波谱、时间特征的合成图像[2-4]。遥感数据融合通常可分为3个层次：像元级融合、特征级融合和决策级融合。其中像元级融合强调不同图像信息在像元基础上的综合及必须进行基本的地理编码，即对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行像元级的合并处理，以改善图像处理的效果，使特征提取、图像分割等工作在更准确的基础上进行，并可获得更好的图像视觉效果[2]。由于像元级融合是基于最原始的图像数据，能最大限度地保留图像原有的真实感，以提供其他融合层次所不能提供的细微信息，故其一直是遥感图像融合研究的热点。本文所提及的遥感数据融合均指像元级的图像数据融合。
目前，遥感数据融合的方法可分为4类：光谱变换、频率的滤波、代数和多分辨率变换。1）基于光谱变换的融合方法，是将多光谱波段转换到另一光谱域，并用全色高空间分辨率图像替换其中的相关波段，然后通过反变换回到原始光谱域。其具体方法有彩色变换、主成分变换、GramSchmidt变换等。2）基于频率的滤波融合方法，是在提取高空间分辨率图像的高频结构信息的基础上，与多光谱波段图像融合，使得在提高后者空间分辨率的同时保持其原有丰富的光谱信息。其具体方法有高通滤波、平滑调节滤波等。3）基于代数的融合方法，是通过加、减、乘、除及混合运算或对各波段图像数据间的相关性进行加权运算来获得融合图像，可不同程度地消除大气影响，增强相关的信息特征。其具体方法有加权平均法、Brovey变换等。4）基于多分辨率变换的融合方法，是先将参加融合的原图像作多分辨率分解；然后将各相应层上的分解系数按一定的融合规则进行合成处理而得到融合系数；最后将融合系数进行多分辨率逆变换得到融合图像。其具体方法有金字塔分解融合法、小波变换融合法等。
1.2高光谱与高空间分辨率图像融合的特点及方法
高光谱遥感以多达数百个的纳米量级宽度的窄波段对目标实施连续的光谱成像，由此可获得地物在一定范围内连续而精细的光谱曲线，故能充分利用地物不同波段光谱响应特征的微小差异来实现对地物的精细探测。但由于受制于制造技术及高光谱成像本身的特点，当前航天高光谱图像的空间分辨率还不够高，由此给对地物的精确识别与分类带来一定的困难。鉴于此，研究高光谱分辨率图像与高空间分辨率图像的融合将具有十分重要的意义。高光谱遥感图像与高空间分辨率遥感图像融合的目的不仅在于提高高光谱图像数据的空间分辨率，还应尽量保持高光谱图像原有的光谱信息和波形形态，且仍可为超多窄波段的图像数据，即所要得到的是高空间分辨率的高光谱图像。采用常规方法进行高光谱图像融合的困难在于：随着波段数目的增加，高光谱图像不仅数据量呈指数级增加，且其数据的特征空间维度及信息冗余度也在增大，海量的遥感数据及其衍生数据正极大地挑战常规方法的数据解析能力。由此可见，传统的多光谱遥感图像融合方法不宜直接应用于高光谱遥感图像融合，寻求适合于高光谱图像的融合方法是高光谱遥感应用的一个有意义的研究方向。
由以上分析可知，高光谱数据的特点要求融合处理算法应能同时提高n个光谱波段的空间分辨率，且同时应尽量保留原始的光谱信息。在上述所列举的9种具体的遥感图像融合方法中，彩色变换和Brovey变换这两种融合方法因仅能用于3个波段的多光谱图像与全色波段图像的融合，故不适用于高光谱图像；主成分变换融合方法是把信息量最大的第一主成分替换掉，故难免会造成一定的光谱失真；高通滤波融合方法因采用大小固定的滤波器，故难以对图像数据进行任意尺度的分解，且融合图像仍包含较大的噪声；金字塔分解融合方法虽能对不同传感器的图像进行较好的融合运算，但因其层间分解量之间具有相关性而导致其融合结果不够理想。因此，本文舍弃这5种方法而选用其余4种方法对Hyperion高光谱图像和ALI全色波段图像进行融合：即基于光谱变换的GramSchmidt光谱锐化融合法、基于频率的平滑调节滤波融合法、基于代数的加权平均融合法和基于多分辨率变换的小波变换融合法，并对这4种方法的融合效果进行综合评价与分析，旨在寻找最佳的增强高光谱遥感图像空间分辨率的融合算法，以改善高光谱图像的空间解析特性，且同时能最大限度地保持其原有的光谱物理特性和波形形态。
1.3.4小波变换融合法
小波变换（Wavelet Transformation， WT）建立于傅里叶分析基础之上，具有良好的时频局部化特点，因而能有效地从信号中获取信息。它通过伸缩、平移等运算功能对函数或信号进行多尺度的细化处理与分析，解决了傅里叶变换所不能解决的很多难题，故被称为“数学显微镜”，而正是这种特性使小波变换具有对信号的自适应性[11]。
小波变换将原始图像分解成一系列具有不同空间分辨率和不同频率特性的子图像，低频分量反映的是图像的整体视觉信息，而高频分量反映的则是图像的细节特征。将高空间分辨率图像的高频分量与相应的多光谱图像的低频分量组合并进行小波重建，所得到的融合图像既能保留高空间分辨率图像的空间结构信息，又能融合多光谱图像丰富的光谱信息，可提高遥感图像的解译能力和分类精度。但由小波变换得到的融合图像会随小波分解尺度的增大而出现明显的方块效应，且小波在表达图像边缘的方向特性方面也存在一定的缺陷[12]。
3融合算法综合评价与分析
以下从定性、定量和分类精度这3个方面对这些融合图像的效果进行综合评价和对比分析，从而确定适合EO1高光谱与全色图像融合的最佳方法。
3.1定性评价
分别将上述子区1和子区2采用4种方法获得的融合图像与高光谱源图像进行比对，发现融合后的图像在视觉效果上均有很大改善，且图像的空间纹理信息也都有显著提升，可较好地反映图像的细节特征。由此可见，图像经此融合后，都能在较大程度地保持源有光谱信息的同时提高了空间分辨率。在这4种融合方法中，GSSS融合方法获取的融合图像效果最好，其整体视觉与原始图像相差不大，尤其水体等地物的色调差异较小，道路、建筑物和植被等信息亦较清晰；SFIM融合方法次之；WAM融合方法使图像变亮；WT融合方法使图像变暗（如图5）。此外，SFIM和WT方法的融合图像存在较明显的边界模糊现象，尤其后者的模糊程度更为明显。
进一步随机选某一波段（如第48波段），对比融合前后图像在该波段的水平方向光谱剖面曲线。由于两个子区光谱剖面曲线的对比特征基本一致且受篇幅限制，故以下仅给出子区1的曲线结果（如图6）。从图6中可见，各种融合方法融合后的图像与原始高光谱图像在形态上基本一致，且因图像空间分辨率的提高，光谱波动的细节均得到明显的刻画。其中：GSSS融合方法的光谱保真性最好，其水平光谱剖面曲线与源光谱图像的水平光谱剖面曲线吻合度较高；SFIM融合方法次之；WAM和WT融合方法的水平光谱剖面线中存在某些局部反射率值的放大或缩小。
由表2可见，无论采用何种分类方法，高光谱融合图像的总体分类精度及Kappa系数均比高光谱源图像高，由此表明融合图像的分类效果要优于源图像；无论对高光谱源图像或融合图像进行分类，支持向量机分类方法的总体分类精度及Kappa系数均高于其他几种分类方法，由此表明Hyperion高光谱图像采用支持向量分类方法要优于其他几种分类方法。
4结语
受制于成像原理及制造技术等因素，航天高光谱遥感图像的空间分辨率相对较低。解决这一问题的思路在于：将高光谱图像与高空间分辨率图像进行融合处理，由此可提高高光谱遥感数据的空间分辨率，并较好地保持其光谱物理特性和波形形态。本研究着眼于高光谱图像和高空间分辨率图像各自的特点，开展了对Hyperion高光谱图像和ALI全色波段图像的一系列融合与分类实验。选用4种融合方法对实验区数据进行融合：即GramSchmidt光谱锐化融合法、SFIM变换融合法、WAM融合法和WT融合法，并分别从定性、定量和分类精度这3方面对这些方法的融合效果进行综合评价与分析。
实验结果显示，从图像融合效果看，在所采用的4种融合方法中，GramSchmidt光谱锐化融合法的效果最好；从图像分类效果看，基于融合图像的分类效果要优于基于源图像的分类效果。由此表明，对于EO1高光谱与全色图像的融合，GramSchmidt光谱锐化融合法是最佳融合方法，该方法不仅能较大程度地保留高光谱图像中原有的光谱信息，同时也增强了其空间结构信息，由此可为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。
参考文献：
[1]ZHANG B. Hyperspectral data mining supported by temporal and spatial information [J]. Beijing： Chinese Academy of Sciences， Institute of Remote Sensing Applications， 2002.（张兵.时空信息辅助下的高光谱数据挖掘 [D].北京：中国科学院遥感应用研究所，2002.）
[2]ZHAO Y. Analysis principles and methods of remote sensing applications [M]. Beijing： Science Press， 2003.（赵英时.遥感应用分析原理与方法 [M].北京：科学出版社，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.（李存军，刘良云，王纪华，等.两种高保真遥感影像融合方法比较[J].中国图象图形学报，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算法的融合影像分类研究 [J].武汉大学学报：信息科学版，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.（童庆禧，张兵，郑兰芬.高光谱遥感――原理、技术与应用 [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，杨宗凯.实用小波分析 [M].西安：西安电子科技大学出版社，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.（满旺，袁莹，黄于同.一种基于曲波变换的遥感图像融合新算法[J].长江大学学报：自然科学版，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.（吴培中.从地球观测1卫星看21世纪卫星新技术[J].国际太空，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.（刘婷，程建.小波变换和稀疏表示相结合的遥感图像融合[J].中国图象图形学报，2013，18（8）：1045-1053.）
篇2
关键词：水工环地质；应用；遥感信息；调查
中图分类号： P283 文献标识码： A 文章编号：
概述
遥感技术首先应用在资源宏观普查、动态监测上，而后才扩展到生态环境调查、环境污染监测等方面。经过多年的试验、推广和应用，遥感已成为各种自然资源调查、环境动态监测与工程应用不可缺少的地理空间信息获取、更新和分析的手段和数据库。随着空间技术的进步，遥感技术已从过去单一的遥感技术发展到包括遥感、地理信息系统和全球定位技术在内的空间信息技术的应用，其领域已深入到了国民经济、社会发展、国际安全以及人民生活的各个方面，称为水工环地质调查与灾害监测评估的重要技术支撑。
二、水工环领域遥感应用技术的发展现状
经过近30年的应用研究，遥感技术依靠传感器技术、图像处理技术及计算机技术的提高，在水工环领域的应用取得了长足的发展。遥感水文地质开始逐步形成一门独立的学科。传统的遥感水文地质着重于水文地质测绘系统中定性特征的解释和特殊标志的识别，近期的研究则扩展到应用热红外和多光谱影像进行地下水流系统内的地下水分析和管理，目前研究的重点集中到了空间补给模式、污染评价中植被、区域测图单元参数的确定和空间地下水模型中地表水文地质特征的监测。纵观国内外遥感技术在水工环领域的一些应用成果，可把近年来遥感技术的应用发展现状概括为以下几个方面：
4.1从目视解译发展到计算机辅助解译
如线性影像计算机自动判释专家系统及土地利用（分类）计算机判读模型以及机助信息提取与制图系统等。由于影像的多解性及识别系统的不完善性，虽还需要投入一定的人力工作，但已大幅提高解译工作效率。
4.2从几何形态解译到充分利用光谱信息
过去的多光谱遥感数据波段划分过少，只有几个波段，使地面波谱测试数据与图像光谱数据难以精确比较。因此，图像解译工作很少考虑地物的波谱特征，主要根据影像的色彩、色调、纹理、阴影等所形成的几何形态特征。随着机载成像光谱仪（高光谱）技术的商业运作及2000年前后的高光谱成像卫星的发射，使得用光谱信息对地物的分析更精细、更准确。
4.3出现地面温度反演技术
地面温度反演是指从热红外图像数据的辐射亮度值获得地表温度信息。反演方法主要有地表温度多通道反演法和多角度数据进行组分温度反演法等。
4.4从定性分析评价到依靠计算机数字模型模拟的定量分析评价
如遥感技术在地下水流系统应用中，根据遥感数据建立的地形、流域面积、水系密度等数据集结合气象数据建立空间补给模型。数字模型成为遥感技术实现定量评价的重要途径，而DEM/DTM是涉及地形数据计算方面不可缺少的工具。
4.5使用单一遥感信息源到多元信息拟合
目前的遥感应用技术，已不再是单一使用各种遥感数据，而是根据需要结合利用了其他信息源，如地质、地形、水文、土壤、植被、气象、岩土物理力学特征及人类活动等资料。这样，图像数据的预处理尤其重要，如几何较正、多波段数字合成、镶嵌、数据变换等，而地理信息系统（GIS）在多元信息数据管理中起着重要作用。
4.6从单一手段应用到多手段应用
近年来，遥感技术（RS）与地理信息系统（GIS）和全球定位系统（GPS）的综合应用，即“3S”技术，成为遥感技术应用的主流。GIS是数据库管理、数据图形处理、各主题图件叠加、制图的重要工具。GPS 卫星定位的基本原理是将无线电信号发射台从地面点搬到卫星上，组成一个卫星导航定位系统，应用无线电测距交会的原理，便可由 3 个以上地面已知点(控制站)交会出卫星的位置，反之利用 3 颗以上卫星的已知空间位置又可交会出地面未知点(用户接收机)的位置。用户使用 GPS 接收机在某一时刻同时接收3 颗以上的 GPS 卫星信号，测量出测站点(接收机天线中心)到 3颗以上 GPS 卫星的距离，并解算出该时刻GPS 卫星的窄间坐标，据此利用交会法解算出测站点的位置。实时动态测量的基本工作方法是，在基准站上安置l 台 GPS 接收机，对所有可见GPS 卫星进行连续的观测，并将其观测数据通过无线电传输设备实时地发送给用户观测站(流动站)。在流动站上，GPS 接收机在接收 GPS 卫星信号的同时，通过无线电接收设备，接收基准站传输的观测数据和转换参数，然后根据 GPS 相对定位的原理，即时解算出相埘基准站的基线向量，解算出基准站的 WGS-84 坐标；再通过预设的 WGS-84坐标系与地方坐标系的转换参数，实时地计算并显示出用户需要的三维坐标及精度；GPS可以对地面控制点精确定位，提高遥感数据空间精度。另外，在具体手段配合上，也出现了遥感技术与物探技术、钻探技术等相结合的新方法。
4.7数字摄影测量技术的发展
数字摄影技术的成熟，推进了制图工作的现代化，改善了基础图件的质量和成图效率，并影响着遥感技术的调查方法。该技术的产品可直接作为GIS的数据源，便于遥感与GIS一体化研究与开发。如我国自己开发的全数字摄影测量软件VIRTUOZO，具有数字化测图、自动生成DEM/DTM和等高线、生成正射影像等功能。
4.8遥感技术应用成果向着便于保存、复制、携带及传输方向发展
这意味着遥感技术应用成果的数字化。由于是数字成果，可载于多种介质上，如CD-ROM、磁带及计算机硬盘上，使携带处理更加方便。随着1998年“数字地球”计划的提出及我国国土资源部“数字国土”工程的实施，遥感应用成果数字化显得尤其必要。
三、主要遥感信息源及其发展
根据传感器类型不同，遥感图像可分为可见光摄影、红外摄影和扫描、多光谱扫描、微波雷达和成像光谱图像等。近10年来，传感器技术迅猛发展，主要表现在：①图像分辨率提高，卫星图像分辨率已达到米级。②具备立体观察功能。③应用波段数增加，机载高光谱成像仪已投入使用。如美国的AVIRIS（航空可见光/红外成像光谱仪），波谱范围0.4~2.5/l，波段数224个。CASI（袖珍航空光谱成像仪），波谱范围0.4~0.95/u，波段数72个。高光谱成像光谱仪简称成像光谱仪，也称超光谱成像仪，按其波段数目可分为高光谱成像光谱仪（波段数
四、结语
在水工环地质中对3S技术的采用，已经得到了很好验证，可以一步到位外业的测量，节省了很多不必要的中间环节，对外业工作量进行最大限度地减少，从而缩短整个测量工期，提高工作效率。同时，简化外业工序和迅速完成也可以使所有的后续专业工序更快的完成。
参考文献：
篇3
关键词：遥感水质监测遥感数据
1水体遥感监测的基本理论
1.1水体遥感监测原理、特点。影响水质的参数有：水中悬浮物、藻类、化学物质、溶解性有机物、热释放物、病原体和油类物质等。随着遥感技术的革新和对物质光谱特征研究的深入，可以监测的水质参数种类也在逐渐增加，除了热污染和溢油污染等突发性水污染事故的监测外，用遥感监测的水质数据大致可以分为以下四大类：浑浊度、浮游植物、溶解性有机物、化学性水质指标。
利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。
1.2水质参数的遥感监测过程。首先，根据水质参数选择遥感数据，并获得同期内的地面监测的水质分析数据。现今广泛使用的遥感图象波段较宽，所反映的往往是综合信息，加之太阳光、大气等因素的影响，遥感信息表现的不甚明显，要对遥感数据进行一系列校正和转换将原始数字图像格式转换为辐射值或反射率值。然后根据经验选择不同波段或波段组合的数据与同步观测的地面数据进行统计分析，再经检验得到最后满意的模型方程（如图）。
图1：遥感监测水质步骤简图
2水质遥感监测常用的遥感数据
2.1多光谱遥感数据。在水质遥感监测中常用的多光谱遥感数据，包括美国Landsat卫星的MSS、TM、ETM 数据，法国SPOT卫星的HRV数据，气象卫星NOAA的AVHRR数据，印度遥感IRS系统的LISS数据，日本JERS卫星的OPS(光学传感器)接收的多光谱图像数据，中巴地球资源1号卫星（CBERS--1）CCD相机数据等。
Landsat数据是目前应用较广的数据。1972年Landsat1发射后，MSS数据便开始被用于水质研究中。如解亚龙等用MSS数据对滇池悬浮物污染丰度进行了研究，明确了遥感数据与悬浮物浓度的关系；张海林等用MSS和TM数据建立了内陆水体的水质模型；Anne等人用TM和ETM 数据对芬兰的海岸水体进行了研究。
SPOT地球观测卫星系统，较陆地卫星最大的优势是最高空间分辨率达10m。SPOT数据应用于水质研究中，学者们也做了一些研究。如可以利用SPOT数据来估算悬浮物质浓度和估计藻类生物参数。
AVHRR(高级甚高分辨率辐射计)是装载在NOAA列卫星上的传感器，每天都可以提供可见光图像和两幅热红外图像，在水质监测等许多领域广泛应用，如1986年，国家海洋局第二海洋研究所用NOAA数据对杭州湾悬浮固体浓度进行了研究。
2.2高光谱遥感数据
2.2.1成像光谱仪数据。成像光谱仪也称高光谱成像仪，实质上是将二维图像和地物光谱测量结合起来的图谱合一的遥感技术，其光谱分辨率高达纳米数量级。国内外的学者主要利用的有：美国的AVIRIS数据、加拿大的CASI数据、芬兰的AISA数据、中国的PHI数据以及OMIS数据、SEAWIFS数据等进行了水体水质遥感研究，对一些水质参数，如叶绿素浓度、悬浮物浓度、溶解性有机物作了估测。
2.2.2非成像光谱仪数据。非成像光谱仪主要指各种野外工作时用的地面光谱测量仪，地物的光谱反射率不以影像的形式记录，而以图形等非影像形式记录。常见的有ASD野外光谱仪、便携式超光谱仪等。如对我国太湖进行水质监测时，水面光谱测量就用了GRE-1500便携式超光谱仪，光谱的响应范围0.30~1.1um，共512个测量通道，主要将其中0.35~0.90um的316个通道的数据用于水质光谱分析。并且非成像光谱仪与星载高光谱数据的结合，可望研究出具有一定适用性的水质参数反演模型。
2.3新型卫星遥感数据。新的卫星陆续升空为水质遥感监测提供了更高空间、时间和光谱分辨率的遥感数据。如美国的LandsatETM 、EO--1ALI、MODIS，欧空局的EnvlsatMERIS等多光谱数据和美国的EO-1Hyperion高光谱数据。Koponen用AISA数据模拟MERIS数据对芬兰南部的湖泊水质进行分类，结果表明分类精度和利用AISA数据几乎相同；Hanna等利用AISA数据模拟MODIS和MERIS数据来研究这两种数据在水质监测中的可用性时发现；MERIS以705nm为中心的波段9很适合用来估算叶绿素a的浓度，但是利用模拟的MODIS数据得到的算法精度并不高。Sabine等把CASI数据和HyMap数据结合，对德国梅克莱堡州湖区水质进行了监测，为营养参数和叶绿素浓度的定量化建立了算法。
3水质遥感存在的问题与发展趋势
3.1存在的问题：①多数限定于定性研究，或进行已有的航空和卫星遥感数据分析，却很少进行定量分析。②监测精度不高，各种算法以经验、半经验方法为主。③算法具有局部性、地方性和季节性，适用性、可移植性差。④监测的水质参数少，主要集中在悬浮沉积物、叶绿素和透明度、浑浊度等参数。⑤遥感水质监测的波段范围小，多集中于可见光和近红外波段范围，而且光谱分辨率大小不等，尤其是缺乏微波波段表面水质的研究。
3.2发展趋势
3.2.1建立遥感监测技术体系。研究利用新型遥感数据进行水质定量监测的关键技术与方法，形成一个标准化的水安全定量遥感监测技术体系，针对不同类型的内陆水体，建立多种水质参数反演算法，实现实验遥感和定量遥感的跨跃，从中获得原始创新性的成果。
3.2.2加强水质遥感基础研究。加深对遥感机理的认识，特别是水质对表层水体的光学和热量特征的影响机理上，以进一步发展基于物理的模型，把水质参数更好的和遥感器获得的光学测量值联系起来；加深目视解译和数字图象处理的研究，提高遥感影象的解译精度；增强高光谱遥感的研究，完善航空成像光谱仪数据处理技术。
3.2.3开展微波波段对水质的遥感监测。常规水质遥感监测波段范围多数选择在可见光或近红外，尤其是缺乏微波波段表面水质的研究情况。将微波波段与可见光或近红外复合可提高对表面水质参数的反演能力。
3.2.4拓宽遥感水质监测项。现阶段水质遥感局限于某些特定的水质参数，叶绿素、悬浮物及与之相关的水体透明度、浑浊度等参数，对可溶性有机物、COD等参数光谱特征和定量遥感监测研究较少，拓宽遥感监测项是今后的发展趋势之一。应加强其他水质参数的光谱特征研究，以扩大水质参数的定量监测种类，进一步建立不同水质参数的光谱特征数据库。
3.2.5提高水质遥感监测精度。研究表明利用遥感进行水质参数反演，其反演精度、稳定度、空间可扩展性受遥感波段设置影响较大，利用星载高光谱数据进行水质参数反演，对其上百的波段宽度为10nm左右的连续波段与主要水质参数的波谱响应特性进行研究，确定水质参数诊断性波谱及波段组合，形成构造水质参数遥感模型和反演的核心技术，提高水质监测精度。
3.2.6扩展水质遥感监测模型空间。系统深入的研究水质组分的内在光学特性，利用高光谱数据和中、低分辨率多光谱数据进行水质遥感定量监测机理研究，进行水质组分的
定量提取和组分间混合信息的剥离，消除水质组分间的相互干扰，建立不受时间和地域限制的水质参数反演算法，形成利用中内陆水体水质多光谱遥感监测方法和技术研究低分辨率遥感数据进行大范围、动态监测的遥感定量模型。
3.2.7改进统计分析技术。利用光谱分辨率较低的宽波段遥感数据得到的水质参数算法精度都不是很高，可以借鉴已在地质、生态等领域应用的混合光谱分解技术，人工神经网络分类技术等，充分挖掘水质信息，建立不受时间和地域限制的水质参数反演算法，提高遥感定量监测精度。
3.2.8综合利用“3S”技术。利用遥感技术视域广，信息更新快的特点，实时、快速地提取大面积流域及其周边地区的水环境信息及各种变化参数；GPS为所获取的空间目标及属性信息提供实时、快速的空间定位，实现空间与地面实测数据的对应关系；GIS完成庞大的水资源环境信息存储、管理和分析。将“3S”技术在水质遥感监测中综合应用，建立水质遥感监测和评价系统，实现水环境质量信息的准确、动态快速，推动国家水安全预警系统建设。参考文献：
[1]张继贤，乔平林.水资源环境遥感监测与评价[M].北京:测绘出版社，20__.
[2]谢欢，童小华.水质监测与评价中的遥感应用[J].遥感信息，20__.
[3]齐峰，王学军.内陆水体水质监测与评价中的饿遥感应用[J].环境科学进展，1999.
[4]解亚龙，李勃，王星捷等.滇池悬浮物污染丰度的遥感检测分析[J].昆明理工大学学报，20__.
[5]张海林，何报寅.遥感应用于湖泊富营养化评价的研究[J].上海环境科学，20__.
[6]刘灿德，何报寅.水质遥感监测研究进展[J].世界科技研究与发展，20__.
[7]万余庆，张凤丽，闫永忠.高光谱遥感技术在水环境监测中的应用研究[J].国土资源遥感，20__.
[8]周艺，周伟奇，王世新等.遥感技术在内陆水体水质监测中的应用[J].水科学进展，20__.
[9]李嵘.遥感技术在水环境监测中的应用研究[J].江西化工，20__.
[10]顾先冰，司群英.国内外遥感卫星发展现状[J].航天返回与遥感，20__.
作者简介：
篇4
关键词：金属矿产；勘查；新技术
Abstract: in the global mineral exploration difficulty rising situation, countries and pay attention to the development of a new generation of metal mineral exploration technology and method. This paper analyzes the metal mineral exploration of various kinds of new technology and new methods are introduced, and altered fluid mapping technology; Geochemical exploration technology; Geophysical exploration technology and hyperspectral remote sensing technology. To provide reference for future work.
Keywords: metal mineral; Exploration; New technology
中图分类号：O741+.2文献标识码：A 文章编号：
0引言
经济社会发展对矿产资源的需求持续快速增长，矿产资源保障程度总体呈现不足趋势。因此，重视发展新一代金属矿产的勘查技术与方法，探索和发现新矿床的新技术、新方法，无疑成为勘查取得成功的重要条件。矿产勘查正进入以技术为先导的新时代，未来大型矿床的发现将在很大程度上依赖于高新技术的应用及多技术的综合。因此本文注重提出各种新技术与新方法的分析，以此提供交流学习的机会。
1蚀变流体填图技术
流体广泛分布于地壳、地幔及地表中，流体研究是当今固体地球科学发展的前沿，而地幔柱、地壳中流体的大规模迁移与岩浆热液是地球流体研究的3个热点问题。地球各层圈中流体地质的性状与作用的研究，已成为当前国际地球科学研究的重要前沿领域，大尺度区域性的流体地质调查与研究是这一领域的热点之一。由此可见，蚀变流体填图是区域性流体地质研究的基础，是一种具有探索性和创新性的新的地质调查方法。
图1所示是1∶50000铜陵地区蚀变流体填图项目,识别出区域上存在5种类型的热液流体,根据流体活动特征,将所发育的流体记录归并为4个流体系统、7个流体子系统和18个流体单元。这些流体系统基本代表了长江中下游铜陵地区流体活动的时间序列及与地层、构造、岩浆岩的关系,它们的空间展布特征反映了不同时期流体活动的规模、形式及中心区域。
2地球化学勘查技术
2.1理论基础
勘查地球化学的理论基础是成矿物质在成矿过程中，在围岩中留下元素运移轨迹或在成矿以后，通过分散在四周岩石、土壤、水系沉积物、水、植物及气体中形成各种类型的地球化学分散模式，根据这些元素变化轨迹或分散模式去追踪和发现新的矿床。
图1安徽铜陵新桥硫铁矿蚀变流体地质简图
2.2气体地球化学测量技术
气体地球化学测量方法由于气体的强穿透性,可将大量的与深部矿化作用有关的物质携带到地表,可直接或间接指示各种地质成矿过程,而受到勘查地球化学的重视。众所周知,岩石的不断地脱气是一种普遍的自然现象,是地质体沉积、变质并与地下水相互作用的结果;矿床和形成矿床的流体在化学性质上与其周围环境明显不同。当这种脱气作用形成的气流通过不同地质体时,可将不同组分载入,造成矿床上方与区域背景气体信号之间存在某种差异。尽管这种差异很微弱,但采用一种独特的测量方法-土壤热释气体测量（SDP,soil-gas desorption pyrolysis）,完全可以探测到这种微弱差异的信息。SDP技术是通过表层土壤并分析其中气体组分来实现对地下矿产的勘查的。
2.3应用实例
勘查技术有效性可以通过在实际找矿中的应用效果来检验。对于研究隐伏矿的勘查技术来说,直接采用钻探方法来找矿成本非常昂贵，SDP技术能在最大程度的节省初投资情况下准确无误地对地下情况进行研究。
图2所示矿区，位于澳大利亚Isa Block Eastern Succession山的南端,为一铜金矿床,围岩为中元古代的石英岩和铁石,岩层被30-40m厚的中生代沉积物所覆盖。矿区的西部和北部是含硫化物的薄层硅质矿带,并带有磁铁矿-黄铁矿这些与铁石有关的蚀变。东部主矿体是高品位、富含磁黄铁矿的硅质矿体。矿体覆盖层总厚度在东边约300m。
图2利用普通模式对Osborne矿床上的SDP调查的数据处理
SDP土壤调查点位分布见图2。采样间距不规则,背景区为100m,接近矿化和在矿化上方分别为50m和25m。气体测量结果采用斯潘赛床的标准模板处理,在Osborne矿床也得到良好的异常显示,说明在干旱地区,SDP技术能够具有较强勘查铜金矿床的能力。
目前，国内在硫化多金属矿床SDP化探研究和试验方面还鲜见报道。由于基于SDP法的土壤硫化气体化探技术具有找矿指标的多样性、找矿效果的直接性和找矿方法的可操作性，若结合其它物化探勘查方法，在寻找覆盖区隐伏矿方面必将发挥其独特的潜力和技术优势，具有巨大的应用前景
3地球物理勘查技术
目前除地面核磁共振方法找水是一种较直接的物探方法外，其它地球物理勘探方法都是一种通过寻找与矿产有关的地球物理参数异常来达到间接找矿目的，或者通过寻找与地质构造有关的地球物理参数异常来查明深部地质构造，从而为区内成矿规律研究提供依据，为矿产勘查提供方向。
3.1主要技术方法
1）地下电磁波法
地下电磁波法是利用无线电波在钻孔或坑道中发射和接收，根据不同位置上接收的场强，来确定地下不同介质分布的一种地下物探方法，常称为无线电波透视法。在金属矿勘查中，地下电磁波法以双孔法最为常用，可用于寻找井间盲矿体，判断两孔之间所见矿体是否相连，确定矿体产状等。
2）金属地震法
金属地震法是利用地下物质对地震波反射的差异，查明深部控矿构造、圈定容矿岩石甚至直接寻找深部盲矿体的金属矿的方法，其原理见图3。金属地震法最近在数据采集、处理和解释等诸多方面得到了很大的改进和完善。随着数据测量、处理和解释技术的改进和完善，金属地震方法正在逐步发展成为一种实用性的寻找深部隐伏矿体的有效方法。
图3金属地震法原理
3）时间域航空电磁法
中高山区高精度航空磁测方法是指使用专用磁测系统在中高山区获取高精度磁场数据,使用专用的数据处理和解释方法获得地质成果的技术统称。目前用于中高山区航磁测量系统有很多种，时间域航空电磁法就是其中的一种。时间域航空电磁法适用于金属硫化物矿床及与硫化物共生的贵金属矿床的普查、圈定断裂构造带、航空电磁电阻率填图、浅层水资源调查等。
时间域航空电磁法用于镍金属硫化物的勘查。块状硫化物的勘查一直以来都是航空电磁法寻找金属矿产的重要方向。Harmony矿是西澳大利亚Leinster矿床的一部分,1998年,时间域航空电磁法在该矿床上用25Hz基频4ms脉宽进行了测量,发现了一处夹在两层石英质水平层间的线性垂直块状硫化矿体。该矿体约有760×104t,镍含量约1.55%。图4给出了GEOTEM在该矿体上的实测数据。
图4时间域航空电磁法用于镍金属硫化矿勘查
4高光谱遥感技术
4.1应用现状
高光谱遥感是将光谱技术和成像技术相结合，以纳米级的超高光谱分辨率对目标进行成像，同时获取数十甚至上百个波段，形成连续光谱图像的技术。地质调查是高光谱遥感应用的一个重要领域。随着高光谱遥感技术的发展，成像光谱仪的光谱分辨率和空间分辨率越来越高，因此它的应用面也越来越广，岩矿识别、矿物丰度制图以及找矿勘查是成像光谱应用的主要方向，也是率先应用的领域。
4.2尚待解决的关键问题
1）高光谱矿产勘查模型的普适性
高光谱矿产勘查信息提取模型已经比较多，但没有一种具有普适性的方法。由于模型与模型间的设计条件区别较大，需要因地制宜地提取模型参数，况且大多数模型都要求大量实测数据去修正。因此目前所建立的模型几乎都以假设的理想条件为基础，而实际问题中却同时存在复杂性与多样性，急需解决的问题还很多。
2）光谱混合分解模型及其端元提取
矿产基地中土壤、残骸等形成的混合光谱机制复杂多样，尤其是地形复杂的地区，其多种组分的光谱混合分解模型研究有待深入。建模后端元光谱的确定是模型成功与否的关键，深入研究基于混合光谱的端元提取技术，对高光谱矿产信息提取的实用化以及定量化有重大价值。
5结论
目前高光谱遥感技术，蚀变流体填图技术，地球化学勘查技术和地球物理勘查技术等高新技术的综合运用是提高矿产勘查成功率的保障。但是这些技术都是以信息通讯技术的发展为依托的，信息通讯技术的发展直接制约矿产勘查的方法的进一步发展。因此，我们应以信息技术的发展为核心，最大限度地利用各种现有的数据资料，综合运用各种先进技术提高矿产勘查的成功率。
参考文献
[1] 惠卫东, 雷军文. 金属矿产勘查中的新技术与新方法[J]. 新疆有色金属 , 2008,(06)
[2] 成宇. 遥感技术的新应用[J]. 百科知识 , 2007,(07)
[3] 王学求.《矿产勘查地球化学:过去的成就与未来的挑战》[J].地学前缘, 2003（3）
[4] 赵永贵.中国工程地球物理研究的进展与未来[J].地球物理学发展,2002,17(2):305-3
09.
篇5
关键词：
反射式高光谱； 可见光； 近红外光； 人体组织检测
中图分类号： R 32933文献标志码： Adoi： 10.3969/j.issn.10055630.2017.01.013
Research progress in human tissue detection technologies
based on reflection hyperspectra
YUAN Xupeng1， ZHANG Dawei1， WANG Cheng2， DAI Bo1， ZHAO Mantong1
（1.School of OpticalElectrical and Computer Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China；
2.School of Medical Instrument and Food Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China）
Abstract：
Hyperspectral imaging（HSI）detection technology has been widely used in agricultural detection，geological exploration and urban planning and so on.With the development of HSI technology，the technology of human tissue detection based on reflection HSI effect in the visibletonearinfrared band（4001 100 nm） has become a key research direction due to its various advantages like realtime，fast and accurate noninvasive characteristics.We review the current situation of HSI on the way of medical science and the contrast of different HSI technologies applied in human tissue detection，and summarize the research applications and achievements of human tissue detection based on reflection HSI，including cutaneous edema，tongue tumor and lung cancer and so on.The urgent problems of HSI in the medical field are also presented.
Keywords： reflection hyperspectra； visible light； near infrared light； human tissue detection
引言
目前，基于光V成像（SI）的遥感技术（RST）已经在农业生产监测、煤矿挖掘、目标识别和检测、灾难预警、军事勘测以及城市规划等方面得到了广泛的应用[1]。高光谱成像（HSI）技术的出现和快速发展是遥感技术又一个新的重要应用。
在医学应用领域，高光谱成像仍是一项比较新的技术。到目前为止，组织病理学仍然是各种癌症诊断的黄金标准，但是，这种方法对人体有很大的损伤且成本比较高，最终的诊断结果仍取决于病理学专家的主观判断[2]，诊断的结果难免会具有一定的片面性。最重要的是，检查一个疑似肿瘤的病理学组织切片通常需要花费几天的时间[3]。核磁共振成像（MRI）、X射线断层摄影术（CT）以及超声波检查法等技术虽然已经发展成为现代生物医学的主流成像技术，但其最大的困难之一是成像时器官和周围的组织区分得不是特别明显，当需要检测的物体在不断运动的时候，整个检测过程将会变得更具有挑战性[4]。高光谱成像技术的出现将会为各种疾病的诊断以及外科手术的指导提供参考[5]。
基于生物组织光学特性的不同，高光谱成像技术按照测量模式的不同可以分为三大类：反射式高光谱[6]、透射式高光谱[7]以及与荧光技术结合的反射式高光谱[8]。荧光和反射模式相结合的技术[89]一般用于鉴定生物分子或者诊断各种组织的表面形态。透射模式通常和显微镜相结合[7，10]，用来测量入射光透过生物组织后的光强。在高光谱的实际应用中，反射模式应用最为广泛[11]。例如，Akbari等[12]利用近红外（1 000～2 500 nm）高光谱成像技术并结合支持向量机（SVM）算法来检测10个人体的胃组织，最终确定1 226～1 251 nm和1 288～1 370 nm波段的光谱作为测量正常组织和癌变组织的光谱，能为医生在手术时提供安全边距，也能检测手术之后癌变组织是否被完全切除干净。Nouri等[13]利用高光谱成像系统结合波段转换与选择的方法在实验中检测猪的输尿管，实验证明波段选择法比波段转换法提供的信息更多，但是波段转换法中波段与波段之间的相关性更低。
本文主要介绍反射式高光谱在可见光到近红外波段（400～1 100 nm）在人体生物组织检测方面的应用及反射式高光谱成像系统的工作原理。
1高光谱成像系统的关键步骤及工作原理
高光谱成像系统如图1所示[14]，白光均匀地照射在组织上，入射狭缝的作用是限制光谱带宽，即决定了高光谱系统的光谱分辨率，然后经过准直透镜进行准直，之后再通过散光装置（目前主要的散光装置有棱镜、光栅、声光可调滤光器（AOTF）和液晶可调谐滤光片（LCTF））将白光分成一系列窄带光谱，这些光谱通过聚焦透镜聚焦在探测器阵列上。为了得到比较理想的图像，探测器的光谱响应值一般应调节在其最大光谱响应值的80%左右。
高光谱成像系统能产生三维信息，包括二维空间成像信息和第三维光谱信息，即能同时提供实验对象的光谱（即化学信息）和图像（即物理信息）特征[15]，如图2所示[16]。利用高光谱成像技术对组织进行检测时，光能够穿透生物组织一定的厚度，由于生物组织结构的不均一性，光在各个方向发生散射，血红蛋白、黑色素和水吸收不同波长的光[17]，所以，不同组织或者器官的反射光谱取决于自身的生物化学和组织学特性[18]，为鉴别正常组织和癌变组织提供了强有力的依据。
2可见光到近红外光的反射式高光谱对人体组织的检测
2.1基于AOTF高光谱检测舌肿瘤
舌癌是一种恶性肿瘤，刚开始只是一个比较硬的小白块或者溃疡，但是会慢慢扩散到身体的其他部位并危及生命。Liu等[2]在2011年利用基于AOTF（AOTF没有可移动的单元，因此不会受到方位变换或者机械振动等的干扰，是一种具有高输出和高速可编程装置的大视场可调谐滤波片）的医学高光谱成像系统（600～1 000 nm）测量并分析了人舌的反射光谱，如图3所示[2]，然后采用稀疏表示（SR）的算法判断每一个像素点是正常的还是癌性的。他们首创性地构建了自己的舌肿瘤图像数据库，其中包括65个肿瘤组织和34个部分肿瘤组织。图4 所示为肿瘤组织和正常组织的归一化反射光谱曲线，两者之间的差异能有效地帮助我们区分肿瘤组织和正常组织[2]。
为了验证实验数据处理方法的优越性，Liu等还将自己的方法和支持向量机（SVM）[19]以及关联向量机（RVM）[20]进行比较，如图5所示[2]。实验结果表明识别率最高时可以达到96.5%，如果能将样本的数量再进一步扩大并尝试其他的数据处理方法，或许会有更好的效果。虽然最终的结果还要让医生进行鉴定，但是此实验系统提供的小型数据库可以在医生进行舌诊断时提供非常有用的参考。
2.2基于LCTF高光谱检测吸烟者的肺
Lee等[21]于2009年利用基于LCTF的高光谱系统（650～1 100 nm）在实验中检测猪的正常肺和模拟的吸烟者的人肺的差异，其中LCTF的调谐、图像的获取以及数据的存储都通过C++编程实现。由于获得的数字图像包含系统的补偿和增益，它们会随着时间的推移而发生改变，所以有必要进行光学校准。图6显示了LCTF由双卤素灯照射下在波长650～1 100 nm之间的透射特性[21]，表征了可调谐滤波器的校准状况，然后根据不同空间坐标在相对应波长处的模型公式I（x，y，λk）=L（x，y，λk）S（x，y，λk）・R（x，y，λk）+O（x，y，λk）[22]进行校准，其中I（x，y，λk）代表高光谱图像中空间坐标点（x，y）和波长λk，L（x，y，λk）代表光照度，S（x，y，λk）代表系统光谱响应，R（x，y，λk）代表反射率，O（x，y，λk）代表暗电流和杂散光引起的误差。
校准之后，分别从肺的三个不同部位（左肺、右肺和心切迹）选取10 000个像素点求其平均值，图7所示为猪的健康肺和模拟的吸烟者的肺的光谱区别[21]。两种组织有相似的光谱形状，但是模拟的吸烟者的肺的反射率明显高于正常肺。因此，此实验结果有助于我们区别健康肺和不健康的肺。
虽然实验结果比较明显，但是猪肺和人肺之间还是存在很大的差异性，所以下一步的工作如果能都用人肺进行比较会具有更强的说服力。
2.3用宏观的高光谱方法检测癌症转移
直到2012年才有人提出用高光谱技术对病理组织切片进行成像来检测癌症，Akbari等[23]采用波带宽度为450～950 nm的光谱相机来检测人体头和脖子的癌细胞转移。他们将高度扩散的癌细胞转移到老鼠身上，大约2～3周以后将老鼠的淋巴结和肺组织做成病理切片，然后利用高光谱进行成像，如图8所示[23]。
而后，将高光谱收集到的不同组织的高维度数据利用支持向量机算法进行分类，区分正常的像素点和癌变的像素点，建立实验的训练集，图9分别为老鼠淋巴结和肺组织的正常组织和癌变组织的反射光谱图[23]，可以有效地区分正常组织和癌变组织。建立训练集以后，用支持向量机算法对其余的组织进行评价，其敏感度和特异性[2425]（也是一种统计学测量方法）在肺病理切片和淋巴结病理切片中分别为97.7%和92.6%以及98.3%和96.2%，取得了很好的效果。
用高光谱成像技术检测病理切片的方法为研究癌症的扩散机制以及治疗癌症的方法提供了一种全新的途径，在医学上具有重要的现实意义。
组织发炎的时候通常会伴随局部组织积水，称为水肿，可能会导致组织感染、淋巴结堵塞以及癌症等。Stamatas等[26]用高光谱成像技术检测皮肤水肿和红疹，水肿和红疹是通过电离子透入疗法将组胺通过皮肤注射到体内产生的，图10分别为注射不同剂量的组胺所产生的水肿和红疹的效果[26]，水肿和红疹的明显程度取决于组胺的剂量。水肿的区域随着组胺剂量的增大而增大，而红疹却在到达一定程度后保持稳定甚至衰减，主要是因为水肿挤压削弱了深处血管的扩张，红疹的区域超出了水肿的区域属于典型的风团反应。
水肿和红疹的光谱分析如图11所示[26]，分别显示了在560，580，700，970 nm处的光谱图。在前两个波长处，脱氧血红蛋白和血红蛋白吸收强烈，较暗的区域是由于血液浓度较高所以吸收较多造成的，但是这个波长范围内的光只能渗透皮肤几百微米的深度。在后两个波长处，表面毛细血管处的红疹在这个波段范围内是不可见的，但是，较深较大的毛细血管由于较高的血红蛋白浓度所以吸收比较强烈，这也就解释了为何在600 nm以上的波段内在较白的背景下能看见较深处的血管。
虽然光谱图像包含了l色团不同浓度在相应谱带范围内吸收光的信息，但是由于染色团对光的吸收有很多重叠部分，需要用曲线拟合和发色团的消光系数作为主要的向量，计算出每个像素点上发色团对应的浓度，这样就可以构建一个浓度图，每一个像素点的发色团浓度可以根据光谱分析算法计算得到，如图12所示[26]，依次代表了血红蛋白浓度、脱氧血红蛋白浓度、水浓度和光的强度散射图，用图像分析的方法就能够从这些图片中提取定量的信息进行分析。
该实验第一次提出用水和血红蛋白的特征吸收带来证明水肿反应的功能图像，对于研究水肿有重要的意义。但是，水肿是由于血浆胶体渗透压降低或者淋巴回流受阻等多方面病因引起的，如果能对水肿反应进行具体的定性分析，将会有特别的价值。
2.5利用高光谱技术研发针对胃癌的诊断支持系统
Goto等[27]在2015年利用高光谱技术来区分胃肿瘤和周围正常黏膜组织，并试图确定一个特定的最优波长用于诊断胃癌。
他们将104个肿瘤块分为两组，即训练组54个和测试组50个，为了保证准确性，训练组每一块组织上分别平均取1个肿瘤区域和正常区域10个像素点进行测量。因为每块组织都不完全相同，所以肿瘤区域的校正光谱是通过肿瘤区域的平均光谱减去正常黏膜区域的平均光谱，相应地，正常黏膜区域的校正光谱为零，肿瘤区域的校正光谱和正常黏膜区域的校正光谱之间的马氏距离用于确定最优波长，之后再将训练集的54块组织平均分为子训练集和子测试集用于确定截止值。图13显示了测试集中其中一块组织上的光谱反射曲线[27]，经过30次实验以后可以确定770 nm作为最优波长，然后可以确定1/4为最优截止值。最后
用测试集的50块组织以同样的方法来检测诊断支持系统的可靠性并取得了很好的效果，将反射光谱数据和最优截止值导入到光谱相机（HSC）分析软件中就可以很快地自动识别正常组织和肿瘤组织。
此实验是在胃腺瘤切除以后的样本上进行的，此时血液的流动量以及氧饱和度都已经发生改变，对提取的数据有一定的影响；此外，最优截止值取决于光谱相机和实验过程，所以最优截止值必须进行相应的优化，以提高实验的精确度。
3结论
在介绍高光谱在医学领域的发展现状以及工作原理的基础上，描述了反射式高光谱成像系统在可见光到近红外（400～1 100 nm）波段在人体组织检测中的应用，提供了较为完备的人体组织研究现状，为医学方面的检测提供了很大的帮助。但是，目前的高光谱检测技术在医学方面的应用主要停留在实验水平，因为从提取像素点进行分析到确定最终的结果需要一定的时间，这严重地阻碍了其在医学方面的应用。同时，现在的高光谱设备的光谱相机工作波段一般比较窄，有较大的局限性，如果能开发出比较宽的波段范围，将大大促进高光谱在医学领域的应用。因此，如何将光谱仪器和算法有效地融合在一起，在短时间内给出诊断结果，以及研究宽波段光谱仪，都将是以后的主要研究方向。
参考文献：
[1]YANG J H，WANG L G，QIAN J X.Hyperspectral image classification based on spatial and spectral features and sparse representation[J].Applied Geophysics，2014，11（4）：489499.
[2]LIU Z，WANG H J，LI Q L.Tongue tumor detection in medical hyperspectral images[J].Sensors，2012，12（1）：162174.
[3]KONG S G，MARTIN E M，VODINH T.Hyperspectral fluorescence imaging for mouse skin tumor detection[J].ETRI Journal，2006，28（6）：770776.
[4]LIU Z，YAN J Q，ZHANG D，et al.Automated tongue segmentation in hyperspectral images formedicine[J].Applied Optics，2007，46（34）：83288334.
[5]LU G L，FEI B W.Medical hyperspectral imaging：a review[J].Journal of Biomedical Optics，2014，19（1）：010901.
[6]ROSAS J G，BLANCO M.A criterion for assessing homogeneity distribution in hyperspectral images.Part 2：application of homogeneity indices to solid pharmaceutical dosage forms[J].Journal of Pharmaceutical and Biomedical Analysis，2012，70：691699.
[7]DICKER D T，LERNER J，VAN BELLE P，et al.Differentiation of normal skin and melanoma using high resolution hyperspectral imaging[J].Cancer Biology & Therapy，2006，5（8）：10331038.
[8]LARSENE L P，RANDEBERG L L，OLSTAD E，et al.Hyperspectral imaging of atherosclerotic plaques in vitro[J].Journal of Biomedical Optics，2011，16（2）：026011.
[9]MARTIN M E，WABUYELE M，PANJEHPOUR M，et al.An AOTFbased dualmodality hyperspectral imaging system （DMHSI） capable of simultaneous fluorescence and reflectance imaging[J].Medical Engineering & Physics，2006，28（2）：149155.
[10]LI Q L，WANG Y T，LIU H Y，et al.Nerve fibers identification based on molecular hyperspectral imaging technology[C]∥Proceedings of 2012 IEEE International Conference on Computer Science and Automation Engineering.Zhangjiajie，China，2012：1517.
[11]侯路，李柏承，周瑶，等.基于可见近红外高光谱成像技术的梨硬度和可溶性固体含量的预测[J].激光杂志，2015（10）：7074.
[12]AKBARI H，UTO K，KOSUGI Y，et al.Cancer detection using infrared hyperspectral imaging[J].Cancer Science，2011，102（4）：852857.
[13]NOURI D，LUCAS Y，TREUILLET S.Efficient tissue discrimination during surgical interventions using hyperspectral imaging[M]∥STOYANOV D，COLLINSD L，SAKUMA I，et al.Information processing in computerassisted interventions.Switzerland：Springer，2014：266275.
[14]GOETZ A F H.Three decades of hyperspectral remote sensing of the earth：a personal view[J].Remote Sensing of Environment，2009，113（S1）：S5S16.
[15]易伟松，刘文强，陆东，等.高光谱成像结合化学计量学诊断胃癌组织[J].中国医学物理学杂志，2015，32（1）：124128.
[16]SHAHZAD A，SAAD M N，WALTER N，et al.Hyperspectral venous image quality assessment for optimum illumination range selection based on skin tone characteristics[J].Biomedical Engineering Online，2014，13（1）：109.
[17]WANG L V，WU H I.Biomedical optics，principle and imaging[J].Journal of Biomedical Optics，2008，13（4）：049902.
[18]AKBARI H，KOSUGI Y，KOJIMA K，et al.Detection and analysis of the intestinal ischemia using visible and invisible hyperspectral imaging[J].IEEE Transactions on Biomedical Engineering，2010，57（8）：20112017.
[19]RAJPOOT K，RAJPOOT N.SVM optimization for hyperspectral colon tissue cell classification[M]∥BARILLOT C，HAYNORD R，HELLIER P.Medical image computing and computerassisted intervention.Heidelberg：Springer，2004：829837.
[20]MIANJIF A，ZHANG Y.Robust hyperspectral classification using relevance vector machine[J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（6）：21002112.
[21]LEE J H，WON C H.Characterization of lung tissues using liquidcrystal tunable filter and hyperspectral imaging system[C]∥Proceedings of 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Minneapolis，2009：14161419.
[22]PAN Z H，HEALEY G，PRASAD M，et al.Face recognition in hyperspectral images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（12）：15521560.
[23]AKBARI H，HALIG L V，ZHANG H Z，et al.Detection of cancer metastasis using a novel macroscopic hyperspectral method[C]∥Proceedings of the SPIE Medical Imaging 2012：Biomedical Applications in Molecular，Structural，and Functional Imaging.San Diego，California，2012，8317：831711.
[24]YANG X F，FEI B W.A multiscale and multiblock fuzzy Cmeans classification method for brain MR images[J].Medical Physics，2011，38（6）：28792891.
[25]WANG H S，FEI B W.A modified fuzzy Cmeans classification method using a multiscale diffusion filtering scheme[J].Medical Image Analysis，2008，13（2）：193202.
[26]STAMATASG N，SOUTHALL M，KOLLIAS N.In vivo monitoring of cutaneous edema using spectral imaging in the visible and near infrared[J].Journal of Investigative Dermatology，2006，126（8）：17531760.
篇6
0引言
水产养殖是指商业性的饲养水生生物(包括鱼类、软体动物、甲壳类动物和水生植物)的活动［1］，按操作的基面性质可分为陆地、水面和滩涂等3大类。以陆地为主的系统主要包括池塘、稻田以及在陆地建造的其他设施;以水面为基础的养殖系统包括拦湾、围栏、网箱及筏式养殖，通常位于设有围场的沿海或内陆水域;以滩涂为基础的养殖系统包括基塘养殖和高位池养殖［2］。我国是世界第一水产养殖大国，也是世界唯一的养殖产量超过捕捞产量的国家，而且目前水产养殖规模仍在继续快速增长中。在为满足世界水产品需求做出巨大贡献的同时，我国的水产养殖正面临着水环境状况的日益恶化、社会舆论的监督、政策与法规的监控及水产品质要求日益提高等各方面的压力，水产养殖日益成为当前研究热点之一。
遥感具有探测范围广、获得资料速度快、周期短、时效性强、成本低、经济效益大等优点。利用遥感图像能快速提取所需水产养殖的专题信息，可帮助养殖场选址、决定养殖品种，开展养殖密度、养殖水体污染(赤潮、水质等)监测;结合GIS技术，还可对养殖区进行规划和管理，评估水产养殖区对环境的影响，加深对鱼类等水生生物栖息地的理解和认识［3－4］。以往由于农业活动和降水作用导致的水质随季节变化明显，导致水产养殖遥感识别需要更高的时间分辨率数据来获取信息等原因，相对于在其他领域(如地质学和林学等)的应用，遥感在水产养殖方面的应用发展较迟缓［5］。近年来，随着遥感技术的发展，日益丰富的多平台、多种类、多分辨率的遥感数据为水产养殖信息获取提供了新的契机;许多研究人员也对水产养殖专题信息的快速、高精度提取方法进行了积极的探索和研究，使得遥感在水产养殖中的应用日趋广泛。本文针对目前的研究现状，对用于水产养殖区域识别的遥感数据源、识别方法进行分析和总结，并进一步探讨其研究和应用的趋势。
1多源遥感数据源
随着遥感技术的发展，越来越多的不同类型的遥感传感器数据被用于对水域的观测。不同类型的遥感数据在水产养殖信息提取中具有各自的优势和特性，因而也对应有不同的应用领域和信息提取精度。一般来说，多光谱遥感记录了地物的反射、辐射波谱特征，拥有丰富的地物空间分布及光谱信息，有助于识别水产养殖区域，是目前水产养殖区信息提取的主要信息源。但大多数多光谱遥感图像数据空间分辨率相对较低，即空间的细节表现能力比较差，将多光谱图像和全色图像融合，可有效提高图像解译能力。目前常用的识别水产养殖区的卫星遥感数据主要有全色图像、多光谱图像和微波雷达图像等，具体参数如表1所示。SAR具有全天时、全天候、多波段、多极化工作方式、可变侧视角、穿透能力强等特点，SAR图像中则含有丰富的地表纹理结构信息。在沿海水域，由于海水对微波雷达的回波能量较弱，而养殖用的基座、围栏和网箱等回波能量较强，色调比周围的海水更亮，二者对比度较大，因而可从SAR图像中提取养殖区域的相关信息。此外，在进行精度验证时，还可利用GoogleEarth平台提供的在线照片，这为实地调查验证提供了便利。2水产养殖区域的识别方法由于受研究时间、研究区域和数据源等客观因素的限制，还没有一种方法是最普遍和最佳的水产养殖区的识别方法。目前常用的水产养殖区识别方法主要有目视解译、基于比值指数分析的信息提取、基于对应分析的信息提取、基于空间结构分析的信息提取以及基于面向对象的信息提取等。
2．1目视解译
目视解译是遥感应用最常用、最基本的方法之一。它根据遥感图像目视解译标志(位置、形状、大小、色调、阴影、纹理、图形及相关布局等)和解译经验，与多种非遥感信息资料相结合，运用相关知识，采用对照分析的方法，进行由此及彼、由表及里、去伪存真、循序渐进的综合分析和逻辑推理，从遥感图像中获取需要的专题信息。目前，目视解译一般都采用人机交互方式。在解译前先通过遥感图像处理软件对图像进行必要的预处理，包括图像增强、图像融合等，有效地改善图像的可识别能力，突出主要信息，提高判读的精度。杨英宝等依据6景TM图像和3期高精度航片，利用人机交互式解译方法分析了东太湖20世纪80年代以来网围养殖的时空变化情况［6］;李新国等采用3景航空图像对东太湖的网围养殖面积动态变化进行人机交互目视解译［7］;樊建勇等在经过增强处理后的SAR图像上，对胶州湾海域养殖区进行了交互跟踪矢量化［8］;褚忠信等利用不同时期的TM图像，对黄河三角洲平原水库与水产养殖场面积进行了人机交互解译［9］;吴岩峻等用4景ETM+图像，经过多次外业调查，建立解译标志，采用人机交互方法，对海南省海水和岛上水产养殖区进行了勾画［10］;宫鹏等借助1987—1992年和1999—2002年的TM/ETM+图像及GoogleEarth平台提供的高分辨率图像和部分在线照片，对包括海水养殖场在内的全国湿地分布进行了目视解译，并绘制了专题图［11］。目视解译简单易行，而且具有较高的信息提取精度，适用于绝大多数养殖区域的识别，但是也存在一定的缺点。当解译人员的专业知识背景、解译经验不同时，可能得到不同的结果，其结果往往带有解译者的主观随意性。当养殖区域水体同非养殖区域水体的光谱特征或空间结构特征等相似时，解译人员就很难根据标志将其区分开来，使精度受到影响;而且目视解译工作量大、费工费时，难以实现对海量空间信息的定量化分析和保证信息的时效性，因此研究遥感信息的自动提取方法已成必然。
2．2基于比值指数分析的信息提取
比值型指数［12］创建的基本原理就是在同一图像的多光谱波段内，求得每个像元在不同波段的亮度值之比，构成新的图像，以压制某些造成光照差异的因子或背景的影响，增强地物光谱特征的微小差别，突出目标地物的辐射特征。比值型指数通常又会作归一化处理，使其数值范围统一到－1～1之间。马艳娟等利用ASTER数据，分析养殖水体与非养殖水体在图像各波段上的特征差异，构建用于提取图像中水产养殖区域的指数(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的结果中错分的受大气、传感器影响的水体与自然水体的各波段灰度值的分布，构建了用来进一步提取深海区域的指数(marineextractionindex，MEI)，将近海水产养殖区的养殖水体与其他水体区分开［13］，取得了较高的精度。由于比值指数分析的信息提取方法只考虑各波段上的灰度信息，当部分养殖区在光谱上与深海水域接近或是当深海水域光谱并非均一时，会导致错分。该方法适用于养殖区与背景环境光谱差异大的地区，否则将无法克服传统遥感分类方法所普遍存在的“椒盐”噪声，从而影响信息提取的精度。
2．3基于对应分析的信息提取
对应分析是在因子分析的基础上发展起来的分析方法，又称“R－Q型因子分析”［14］。该方法已在生物和统计领域得到广泛的认同和应用，但在遥感领域的应用相对较少。在遥感应用中对应分析方法既研究图像波段特征属性及其相互关系，也研究像元特征之间的关系，有利于提高信息提取的精度。王静等应用该方法快速有效地进行了滆湖围网养殖区湖泊围网分布信息的提取［15］。该方法对遥感图像的质量要求较高，并在分析前要进行严格有效的图像预处理。此外，该方法并无法有效地解决“异物同谱”和“异物同纹理”的分类问题。
2．4基于空间结构分析的信息提取
空间结构分析的处理方法有邻域分析、纹理分析、线性特征提取等。其中，邻域分析是对波段每一个像元依据四周邻近的像元对其进行空间分析的方法［16］，分析和运算的像元数目和位置由扫描窗口确定;纹理表现是指图像灰度在空间上有序重复出现的特征，反映了一个区域中某个像元灰度级的空间分布规律，其基本分析方法有3类:统计分析方法、结构分析方法和频谱分析方法。周小成等采用ASTER遥感图像，以九龙江河口地区为研究示范区，利用卷积算子，采用邻域分析法来增强水产养殖地的空间纹理信息［17］;李俊杰等利用纹理统计分析方法中的灰度共生矩阵(graylevelco－occurrencematrices，GLCM)，选用中巴资源卫星02星多光谱数据，以白马湖为试验区，提取湖泊围网养殖区，实验表明纹理量化的均值指标能够较好地反映自然水体、围网养殖区和其他地物内部结构的异质性，取得了较理想的效果［18］;林桂兰等利用方差算法对厦门海湾海上的吊养和网箱养殖进行纹理分析，得到养殖专题图［19］;初佳兰等选用长海县广鹿岛海区的SAR图像，统计有效视数(ef-fectivenumberoflooks)，并对图像进行多种方法滤波分析，提取了浮筏养殖信息［20］。基于空间结构分析的养殖区识别方法，适用于近海水产养殖地的自动提取，而不适用于内陆水产养殖地，因为后者在空间上的分布孤立，斑块小，与其他农用坑塘水体的空间特征类似，但仍可以作为一种遥感图像识别的辅助方法。
2．5基于面向对象的信息提取
面向对象的图像分析主要思想是:首先将图像分割成具有一定意义的图像对象，然后综合运用地物的光谱特征、纹理、形状、邻近关系等相关信息，在最邻近法和模糊分类思想的指导下，确定分割对象所属类别，得到精度比较高的遥感图像分类结果［21］。对于养殖区分布的提取，面向对象的图像分析方法基本步骤包括多精度图像分割、面向对象的水陆划分和非养殖水域剔除。首先，使用多精度图像分割对原始图像进行分割以获得分割图斑，并计算各个图斑的特征，为后继分析服务;然后，根据遥感图像中水域的辐射特性进行水陆分割;接着根据图斑的光谱、形状及空间特征提取出面状、线状非养殖水域部分;最后，在水陆划分得到的水域全图的基础上剔除以上提取的面状水系和线状水系，得到养殖水域提取结果［22］。谢玉林等利用该方法，对珠江口养殖区域进行了提取，验证该方法在水产养殖区提取上的可行性［22］;关学彬等采用该方法对海南省文昌地区的水产养殖区进行监测，取得了理想效果［23］;孙晓宇等采用该方法，利用多时相遥感数据对珠江口海岸带地区水产养殖场的变化进行了提取［24］。面向对象的图像分析将处理的对象从像元过渡到了图斑的对象层次，更接近人们观测数据的思维逻辑，更利于知识与规则的融合。在很多情况下，面向对象的遥感图像分析方法会比基于像元的分析方法取得更好的效果。采用面向对象技术，在解决常规图像分类时的椒盐噪声效应、结果的可解释性上有很大优势，因此在高分辨率图像信息提取中能够发挥更大的作用。但是当特征及隶属度函数选取不当时，会出现较严重的误分现象，此时要结合目视解译方法，判别分类结果的合理性，优化隶属度函数，重新进行分类。
3总结与展望
篇7
关键词:遥感 土壤水 定量 反演
中图分类号:TP7 文献标识码:A 文章编号:1672-3791(2012)05(c)-0001-02
土壤水分是表示一定深度土层的土壤干湿程度的物理量,是监测土地退化和干旱的重要指标,同时也是水文学、气象学、土壤学、生态学以及农业科学等研究领域中的一个重要参数。一方面它影响地表与大气界面的水分和能量交换,其变化会引起土壤热学特性、地表光学特性的改变,从而影响气候的变化;另一方面它是植物和作物赖以生存的主要源泉,其大小决定着植物或作物根系的发育,对进行大尺度精准农业的水分调节,节水灌溉具有重要意义。
遥感技术不仅能对农作物长势进行大面积、实时、非破坏性监测,从而实现精准农业的发展对地表土壤水分信息快速、及时的掌握,还能为精准农业的发展提供动态监测和分析作物的健康状况与影响作物产量等必要的技术支持。目前获取土壤水分含量的方法主要有田间实测法、土壤水分模型法和遥感法三种。其中传统的田间实测法和土壤水分模型法,因测点稀、速度慢、范围有限,无法满足精准农业中对土壤水分信息快速获取的需求。而遥感估测土壤水分的方法原理是通过测量土壤表面发射或反射的电磁能量,研究遥感信息与土壤水分含量之间的关系,并建立相关的信息模型,从而反演出土壤水分情况,恰恰克服了前二种估测方法的实时性差、单点测量空间变异性差、不能宏观表现等缺陷,为精准农业中大面积快速获取土壤水分信息、实时准确监测提供科学依据。
1 国内外研究进展
如何快速、准确地获取区域地表土壤含水量信息是定量遥感研究的热点之一,也是目前遥感技术应用研究的前沿领域。国内外用遥感技术监测土壤水分的方法有很多,目前在该领域的研究主要集中在光学遥感(即可见光-近红外、热红外遥感)和微波遥感波段进行。主要方法有:基于可见光-近红外土壤水分光谱法、基于热红外遥感的温度法、植被指数法、基于可见光及热红外遥感的植被指数-冠层温度法、微波遥感监测土壤水分法、高光谱遥感监测土壤水分法。
1.1 基于可见光-近红外土壤水分光谱法
Bowers等人早在1965年就发现裸地土壤湿度的增加会引起土壤发射率的降低,这为后来利用土壤水分光谱法方法进行土壤水分的遥感监测研究提供了理论依据。土壤水分光谱法正是应用遥感估算光学植被度,分解象元排除法来提取土壤水分光谱信息。国内外学者在这方面做了大量工作,有的根据水的吸收率曲线提出使用中红外波段来监测土壤湿度,采用MODIS数据并结合实地调查资料,建立了MODIS第7通道的反射率与地面湿度的线性光学。另有学者利用遥感资料估算“光学植被覆盖度”,然后利用像元分解法分离植被与土壤信息,提取土壤水分光谱信息。该方法需要根据不同环境、不同土壤组分建立相应的遥感反演模型,应用比较局限,大面积推广较难。
1.2 基于热红外遥感的温度法
热红外遥感最重要的应用之一是反演土地表面温度。具有代表性的有热惯量法、区域蒸散法、亮温指数法(LST)、温度状态指数法(TCI)、条件温度指数法和归一化温度指数法。热惯量法反演土壤水分的模型研究,主要集中在对于土壤热惯量的解析式计算、从热平衡与热传导方程的化简与计算、环境因子的影响等多方面着手,得到了大量的热惯量模式,建立了较为完善的土壤水分反演模型。蒸散法根据能量流的传输原理,对实际蒸散(E)与潜在蒸散(Ep)的比值与土壤水分的关系进行研究,其理论基础来源于P-M彭曼公式。针对不同的下垫面情况发展了单层、双层和多层模型。利用卫星一次过境观测的辐射温度值,计算地表辐射温度以及蒸散,结合当地气象台站数据计算出作物缺水指数(CWSI),建立了土壤水分与作物缺水指数的回归方程。随后又有DSI指数、区域缺水指数(RWSI)相关研究,在遥感的定性及半定量阶段估算地表蒸散和干旱程度的精确估算上做了相关探讨。温度状态指数(TCI)和亮温指数(BTI)强调了温度与植物生长的关系,提出了亮度温度,以通过对NDVI、亮温与土壤水分的统计分析来建立三者间的数理关系,从而利用遥感反演的亮温和NDVI计算土壤水分含量,建立了土壤相对湿度和NDVI、亮温的回归模型。归一化温度指数(NDTI)可消除地表温度季节变化的影响,通过能量平衡一空气动力学阻抗模型计算,需要卫星过境时刻的气温、太阳辐射、相对湿度、风速和叶面积指数等数据。该方法也主要适用于裸地或植被生长早期。
1.3 植被指数法
植被指数法是研究土壤湿度与遥感植被信息相互关系的重要手段。研究表明归一化植被指数(NDVI)、距平植被指数(AVI)、植被状态指数(VCI)、标准植被指数(SVI)等都与土壤湿度有一定关系。一般来讲,当作物缺水时,作物的生长将受到影响,植被指数将会降低。国内学者也利用VCI研究了我国土壤湿度状况,应用VCI结合常规资料进行综合分析,对我国干旱状况进行宏观动态监测。但该方法较适用于高植被覆盖区域,仍有很多限制性因子和条件。
篇8
论文摘要 在遥感技术中，为了更精确地判读多光谱图像，掌握地面上各种地物的光谱辐射特性是十分重要的。介绍FieldSpec?誖 HandHeld 手持便携式光谱分析仪的测量原理方法、工作规范及注意事项，概要地说明了影响光谱测量的因素。
在遥感领域中，为了研究各种不同地物或环境在野外自然条件下的可见和近红外波段反射光谱，需要适用于野外测量的光谱仪器。对野外地物光谱进行测量，我们使用的是美国ASD公司FieldSpec?誖HandHeld 手持便携式光谱分析仪。其主要技术指标为：波长范围为300~1 100nm，光谱采样间隔为1.6nm，灵敏度线性：±1%。FieldSpec?誖HandHeld手持便携式光谱分析仪可用于户外目标可见—近红外波段的光谱辐射测量。该光谱仪在户外主要利用太阳辐射作为照明光源，利用响应度定标数据，可测量并获得地物目标的光谱辐亮度；利用漫反射参考板对比测量，可获得目标的反射率光谱信息；通过对经过标定的漫反射参考板的测量，可获得地面的总照度以及直射、漫射照度光谱信息；利用特定的辅助测量机械装置，可获得地面目标的BRDF（方向反射因子）光谱信息参数。
为了使地物光谱数据可靠和高的质量，使数据便于对比和应用，有必要提出地物光谱测试规范和测量要求。
1仪器的标准和标定
1.1光谱分辨率
实用分辨宽度对0.04~1.10μm小于5nm，1.1~2.5μm小于15nm。对于FieldSpec?誖HandHeld 手持便携式光谱分析仪，起始波长为325nm，终止波长为1 075nm，波长步长为1nm，则光谱分辨率取3nm。
1.2线性标定
线性动态范围有3个量级，最大信号对应为0.8~1.0，太阳常数照明的白板（＜90％）峰值响应输出。线性误差小于3％（回归误差）。
1.3光谱响应度的标定
反射率小于、等于15％（大于1％）的目标，信噪比应大于10。反射率大于15％的目标，信噪比应大于20。
2野外测定方法与工作规范
2.1目标选取
选取测量目标要具有代表性，应能真实反映被测目标的平均自然性。对于植被冠层及用物的测量应考虑目标和背景的综合效应。
2.2能见度的要求
对一般无严重大气污染地区，测量时的水平能见度要求不小10km。
2.3云量限定
太阳周围90°立体角，淡积云量，无卷云、浓积云等，光照稳定。
2.4风力要求
测量时间内风力小于5级，对植物，测量时风力小于3级。
2.5测量方法
在11时30分至14时30分进行测量，每种地物光谱测量前，对准标准参考板进行定标校准，得到接近100％的基线，然后对着目标地物测量；为使所测数据能与卫星传感器所获得的数据进行比较，测量仪器均垂直向下进行测量。
3野外光谱测量注意事项
野外光谱测试的基本要求是在晴天中午前后进行，风力不超过5级，如果测试土壤光谱，必须在雨过3d以后进行。为了使数据具有代表性，要仔细比较选择被测地物，对同一种地物测量多次，保证测试结果准确可比。
3.1仪器的位置
仪器向下正对着被测物体，至少保持与水平面的法线夹角在±10°之内，保持一定的距离，探头距离地面高度通常在1.3m，以便获取平均光谱。视域范围可以根据相对高度和视场角计算。如果有多个探头可选，则在野外尽量选择宽视域探头。测量植物冠层光谱时，注意测量最具代表性的物种。
3.2传感器探头的选择
当野外地物范围比较大，物种纯度比较高、观测距离比较近时，选用较大视场角的探头；当地物分布面积较小时，或者物种在近距离内比较混杂，或需要测量远处地物时，则选用小视场角的探头。
3.3避免阴影
探头定位时必须避免阴影，人应该面向阳光，这样可以得到一致的测量结果。野外大范围测试光谱数据时，需要沿着阴影的反方向布置测点。
3.4白板反射校正
天气较好时每隔几分钟就要用白板校正1次，防止传感器响应系统的漂移和太阳入射角的变化影响，如果天气较差，校正应更频繁。校正时白板应放置水平。
3.5防止光污染
不要穿带浅色、特色衣帽，如果穿戴白色、亮红色、黄色、绿色、蓝色的衣帽，就会改变反射物体的反射光谱特征。
要注意避免自身阴影落在目标物上。当使用翻斗卡车或其他平台从高处测量地物目标时，要注意避免金属反光，如果有，则需要用黑布包住反光部位。
3.6观测时间和频度
光谱测试应在10～14时之间完成，并在无云晴朗的天空下进行，尽量避免过早或过晚。在时间许可时，尽量多测一些光谱。每个测点测试5个数据，以求平均值，降低噪声和随机性。
3.7采集辅助数据
在所有的测试地点必须采集GPS数据，详细记录测点的位置、植被覆盖度、类型以及异常条件、探头的高度，配以野外照相记录，便于后续的解译分析。
野外地物光谱测量是一个需要综合考虑各种光谱影响因素的复杂过程，我们所获取的光谱数据是太阳高度角、太阳方位角、云、风、相对湿度、入射角、探测角、仪器扫描速度、仪器视场角、仪器的采样间隔、光谱分辨率、坡向、坡度及目标本身光谱特性等各种因素共同作用的结果。光谱测定前要根据测定的目标与任务制定相对应的试验方案，排除各种干扰因素对所测结果的影响，使所得的光谱数据尽量反映目标本身的光谱特性，并在观测时详细记录环境参数、仪器参数以及观测目标（如土壤、植被、人工目标）的辅助信息。只有这样，所测结果才是可靠的并具有可比性，为以后的图像解译和光谱重建提供依据。
参考文献
[1] 中国农业工程学会，中国农业工程研究设计院.国外农业工程第（9辑）[M].上海：上海科学技术文献出版社，1983.
[2] 万余庆，谭克龙，周日平.高光谱遥感应用研究[M].北京：科学出版社，2006.
篇9
【关键词】无损测试；玉米；氮素；营养诊断
在所有的农作物中，玉米是最能耐受土壤和肥料中高氮素量而不致影响产量的作物。因此，玉米的氮肥用量常常过高，这在造成氮肥巨大浪费的同时，付出的环境代价也是无法估量的。准确、及时地对玉米进行氮素营养诊断，从而确定氮肥施用量，提高氮肥利用率具有十分重要意义。基于土壤和植物组织的实验室分析诊断方法普遍要求破坏样本，且需要耗费大量的人力、物力，时效性差，不利于推广应用。随着相关领域科技水平的不断提高，氮素营养诊断的无损测试技术日趋成熟[1]。
无损测试技术是指在不破坏植物组织结构的基础上，利用各种手段对作物的生长、营养状况进行监测。可以迅速、准确地对田间作物氮营养状况进行监测，并能及时提供追肥所需要的信息。传统的氮素营养诊断无损测试方法主要有肥料窗口法和叶色卡片法，近年来，叶绿素仪和遥感技术成为研究的热点，本文主要对其在玉米氮素营养诊断上的应用研究现状做以介绍。
1 叶绿素仪法
研究表明植物的叶片叶绿素含量与叶片含氮量密切相关，因此，可以通过测定叶绿素含量来监测植物氮素状况。据此原理，日本的MINOLTA公司在20世纪80年代末设计和制造了SPAD-501叶绿素仪，随后又推出SPAD-502叶绿素仪，用来进行田间作物氮素诊断及施肥推荐。
我国已经广泛开展采用叶绿素仪进行玉米的氮素诊断和氮肥推荐的研究。李志宏研究叶绿素仪在夏玉米氮营养诊断中的应用时发现，应用叶绿素仪（SPAD-502）监测夏玉米氮营养状况的最佳测定部位为叶基部开始40%～70%区域，该部位叶绿素仪测定值与玉米全氮、施氮量及产量之间均有较好的相关性[2]。李占成研究也认为叶绿素仪（SPAD-502）测定值与玉米叶片全氮含量、玉米子粒产量以及施氮量之间均有显著相关性[3]。为消除品种之间和生长环境的不同对SPAD值所带来的影响，李志宏与李占成分别采用相对叶绿素仪测定值校正法，提高叶绿素仪对玉米追肥推荐中氮营养状况的预测精度，但是无法完全消除外部因素对叶绿素值的影响，甚至会影响叶绿素仪发挥其快速、简便的特点[2-3]。而不同的玉米品种在不同的生长阶段，SPAD值差异较大，需要针对不同玉米品种建立不同的SPAD值的诊断标准。由上述可见，如何进一步克服干扰因素的干扰、提高诊断的可靠性和普适性仍是研究的重点。
2 光谱遥感分析技术
2.1 敏感波段研究
20世纪70年代以来科学家们进行了大量的基础研究寻找氮素的敏感波段及其反射率在不同氮素水平下的表现，探讨利用光谱诊断氮素的可能性。研究发现许多植物在缺氮时无论是叶片还是植物冠层水平的可见光波段反射率都有所增加，Blackmeretal研究发现，550nm和710nm波长处的反射率能更好地诊断玉米氮素含量，并且指出R550-600/ R800-900能敏感地反映出氮素胁迫。易秋香研究发现玉米全氮含量与原始光谱在716nm处具有最大相关系数（r=- 0.847），呈极显著负相关[4]。周丽丽对试验玉米品种研究发现，3个品种（组合）都在500～649nm和691～730nm表现极显著的负相关关系，并在同一波长获得最高的相关系数，说明可以利用统一的波段来预测不同品种的叶片氮含量[5]。
2.2 叶片光谱指数与模型研究
明确了玉米的氮素敏感波段后，许多学者便通过各种统计方法来寻求含氮量与光谱反射率或其演生量的关系，并建立模型来估算作物的氮素含量[6]。王磊在玉米关键生育期有针对性地选择第6片完全展开叶和第12片完全展开叶（果穗叶）进行光谱监测，发现红边斜率、绿峰最大反射率、比值植被指数和归一化差值植被指数与叶片氮含量均存在较好的相关关系，并选择比值植被指数与叶片氮含量建立估测模型，确立玉米生育前期以对数模型，生育后期以指数模型为氮素营养的光谱诊断模型[7]。陈志强在构建玉米叶片氮素含量的预测模型时发现，以光谱指数DSI（564，681）和DSI（681，707）构建的指数预测模型效果最好，预测精度达93.43%和93.39%，能有效估测叶片氮素含量[8]。周丽丽依品种建立了叶片含氮量与归一化差值光谱指数（NDSI）或比值光谱指数（RSI）的定量关系模型，NDSI（714，554）和RSI（714，554）所建模型的拟合度最好[5]。易秋香试验研究发现由759nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想[4]。
此外研究表明，玉米的不同生育时期，其光谱响应的敏感程度和敏感波段存在差异。玉米氮素光谱营养诊断的敏感时期是拔节期和喇叭口期，拔节期和喇叭口期采用可见光波段的光谱反射率可靠性较高，而开花吐丝期采用近红外波段的光谱反射率可靠性较高，且两波段组合光谱变量对叶片叶绿素和全氮含量的判别精度高于单一波段的判别精度[9]。由此可知，在不同的玉米生育期，应选择相应的敏感波段，构建相关度高的光谱参数来诊断作物的营养状况。金梁研究发现拔节期和抽雄期的最佳光谱指数是GNDVI，大喇叭口期则以REP-LI为最佳光谱指数[10]。
2.3 玉米冠层光谱研究
作物冠层光谱分析对作物生长信息的快速获取，营养诊断及精确管理均具有重要的意义，在玉米冠层光谱分析方面，张俊华研究发现缺素使冠层光谱反射率在可见光波段增加，在近红外波段降低。可见光波段反射率（460nm除外）与夏玉米含氮量呈负相关，整个生育期以560nm反射率与作物含氮量相关性最佳，冠层光谱在可见光范围内与含氮量的相关性优于近红外波段[11]。孙红研究不同施氮水平下玉米冠层光谱反射特征分析时发现施氮水平偏低区域的叶片冠层反射率在整个可见光区均明显高于其他施氮水平，偏高和正常施氮区域内叶片光谱反射强度基本相同[12]。也有学者运用图像处理技术对玉米冠层叶片的近地多光谱图像进行分析，建立玉米叶片氮素营养含量的估测模型[13-14]。研究表明，多光谱图像分析也可实现对玉米冠层氮营养含量的快速估测。但是冠层光谱反射特征受到植株叶片水分含量、冠层几何结构、土壤覆盖度、大气对光谱的吸收等因素的影响[15]，大大限制了利用遥感进行玉米氮素诊断的可靠性和普及性。
3 结语
氮素营养诊断是玉米营养诊断的核心，是科学合理施用氮肥的主要依据。无损测试技术实效性好、准确度较高，但天气条件、品种类型以及其他胁迫因子的干扰影响无损测试技术的研究和实际运用，因此，对于主要干扰因素的研究会成为今后研究的重点。
参考文献
[1]贾良良，陈新平，张福锁.作物氮营养诊断的无损测试技术[J].世界农业，2001，6：36-37.
[2]李志宏，张云贵，刘宏斌，张福锁.叶绿素仪在夏玉米氮营养诊断中的应用[J].植物营养与肥料学报，2005，11（6）：764-768.
[3]李占成，李玮，梁秀枝，杨富叶.绿素仪在玉米氮营养诊断及推荐施肥中的研究与应用[J].作物杂志，2011，4：58-62.
[4]易秋香，黄敬峰，王秀珍，钱翌.玉米全氮含量高光谱遥感估算模型研究[J].农业工程学报，2006，22（9）：138-142.
[5]周丽丽，冯汉宇，阎忠敏，刘克.周顺利玉米叶片氮含量的高光谱估算及其品种差异[J].农业工程学报，2010，26（8）：195-199.
[6]焦雯，闵庆文，林 ，朱清科，张建军.植物氮素营养诊断的进展与展望[J].中国农学通报，2006，22（12）：351-355.
[7]王磊，白由路，卢艳丽，王贺，杨俐苹.基于光谱分析的玉米氮素营养诊断[J].植物营养与肥料学报，2011，17（2）：333-340.
[8]陈志强，王磊，白由路，杨俐苹，卢艳丽，王贺，王志勇.玉米叶片的光谱响应及其氮素含量预测研究[J].光谱学与光谱分析，2013，33（4）：1066-1070.
[9]王磊，白由路.不同氮处理春玉米叶片光谱反射率与叶片全氮和叶绿素含量的相关研究[J].中国农业科学，2005，38（11）：2268-2276.
[10]金梁，胡克林，田明明，魏丹，李虹，白由路，张军政.夏玉米叶片分层氮素营养的高光谱诊断[J].光谱学与光谱分析，2013，33（4）：1032-1037.
[11]张俊华，张佳宝，钦绳武.不同施肥长期定位试验地夏玉米冠层光谱特征研究[J].植物营养与肥料学报，2010，16（4）：874-879.
[12]孙红，李民赞，张彦娥，赵勇，王海华.不同施氮水平下玉米冠层光谱反射特征分析[J].光谱学与光谱分析，2010，30（3）：715-719.
[13]王海华，张彦娥，郭威.基于多光谱图像的玉米营养监测技术研究[J].农机化研究，2012，11：178-181
篇10
关键词 遥感图像处理 教学改革 教学方法
中图分类号：G424 文献标识码：A DOI：10.16400/ki.kjdks.2017.02.052
Abstract Remote sensing image processing is not only an important part of the remote sensing system， but also has a very important position in the application of remote sensing technology. In order to improve the teaching quality of remote sensing image processing， the paper discussed the optimization of teaching content，the diversification of teaching methods and means，and strengthening of practical application of theories. In hope of playing a reference significance to the actual teaching work.
Keywords remote sensing image processing； teaching reform； teaching method
随着对地观测技术的迅速发展，①遥感技术已经渗透到社会生活的各个方面，广泛应用于农业、林业、海洋、气象、医学、军事、生态环境等领域，发挥着越来越重要的作用。遥感是地理信息系统专业的核心课程，而遥感图像处理是整个遥感系统的重要组成部分，对于“遥感图像处理”课程的原理以及方法的掌握和学习尤为重要。探讨该门课程的教学内容、教学方法和手段，实践教学等方面的改革，对提高学生的图像处理水平有非常重要的作用。
1 教学内容改革
学生选课一般都遵循教学大纲的安排，在学习“遥感图像处理”之前已经修过了“遥感导论”，掌握了遥感的基础知识，根据多年的教学经验，结合教学大纲，对于“遥感图像处理”的课程设置安排如表1所示。
总课时量为40课时，由于已经有了“遥感导论”的基础，根据学生对遥感知识掌握的实际情况，作者认为实际操作与理论相结合非常重要，不仅锻炼了学生的图像处理等动手能力，还能更好地辅助学生加深对原理的理解，因此设置上机课为18课时，占到45%，接近一半。
综合性实验放在最后一章，目的是使学生将前面所学知识连成一个体系运用在实践中。例如本章例子是地表温度的遥感反演，涉及到从相关网站下载原始影像、影像的合成、影像的镶嵌、辐射校正、大气校正、几何校正、裁剪、图像混合运算、制图、出图、分析、作报告。通过这几个步骤的逐步处理，学生不仅对相关原理有了更深的理解，还会真正明白为什么要学习遥感，学习图像处理的目的是什么，在际生活中到底有什么作用，对人类生活有什么意义，知道了所以然，才会使学生学习更有动力。
2 教学方法和手段的改革
2.1 教学环境
为方便学生操作计算机，教学是在机房进行的，且人手一台。讲解理论课时，由教师机控制所有学生机，学生机屏幕的播放完全同步于教师机，讲台近在咫尺，记笔记快速方便；在学生实践练习环节，学生可亲自动手操作，达到最佳的教学效果，培养独立解决问题的能力。
2.2 教学软件
专业的遥感数字图像处理软件系统主要有：ERDAS、PCI和ENVI。②ERDAS IMAGINE 遥感图像处理系统是美国LEICA公司的遥感图像处理系统，包括面向多种应用领域的产品模块，以及面向不同层次用户的模型开发工具；PCI Geomatica遥感图像处理系统是加拿大PCI公司开发的用于图像处理、制图、GIS、雷达数据分析以及资源管理和环境监测的多功能软件系统；ENVI遥感图像处理系统是美国ITT公司的一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具。这三款软件的功能都很强大，均可以实现图像处理工作，它们之间也有很好的接口，各自的标准文件能够互相转换，因此使用起来非常方便。教学软件主要使用目前比较流行的ENVI系统，但是根据已工作的或者读研的毕业生的回馈信息发现，有的公司或者高校运用ERDAS和PCI还是比较普遍的。因此，为使学生毕业后摆脱软件的困扰，对ERDAS和PCI软件也会加以适当介绍，使学生不至于太过陌生。
2.3 教学工具
如今大学生上课基本均是多媒体课件，字迹清晰，图像生动，还可以动画显示，因此如果课件做得漂亮生动，利用好了多媒体的优点，可达到事半功倍的效果，可是有些时候推算公式或者按步骤说明逻辑问题时，就显示出了它的弊端。遇到此类问题，作者会借助计算机附件中的画图板来讲解问题，笔，橡皮，颜料，画图工具一应俱全，如果能运用自如，对多媒体课件是个很好的补充，非常便捷，教学效果极佳。
2.4 教学方法
遥感中的内容很多是抽象的，特别是涉及到数学公式，学生会觉得枯燥，容易疲劳。如果可以将内容变得生动，以做游戏的方法逐步深入，会达到很好的效果。例如在讲解数学形态学中的腐蚀运算时，可以将集合A看做棋盘，结构元素B看做棋子，制定好规则后，让学生通过下棋的游戏方式来了解腐蚀的概念和原理，因为这个“下棋的规则”即是“腐蚀的概念”；同时，可以将下棋的过程制作成动画，一步步播放，既生动又易懂，课堂气氛活跃。如图1所示。
3 实践教学改革
3.1 考试方式的设置
考试方式设置如下：平时成绩占20%，上机考试占30%，理论考试占50%。平时和上机成绩占到50%，其一是因为遥感的大部分理论在“遥感导论”中已经学习并考试，这里没有必要考重复的内容；其二是“遥感图像处理”本身是实践性很强的一门课程，讲课过程中实践环节是重要的一部分，那么实践考试也应是不可缺少的重要一环。上机考试采用的方式为，将学生两人为一个单位分组，每组一个题目，留一周的时间完成，上交的成果为最终的结果图像和纸质报告。这种考试方式灵活，既考查了学生的实践能力和对原理的理解程度，也锻炼了他们的团结协作能力。
3.2 角色反转实践教学
选课的学生中部分为师范类学生，亲自上讲台讲课不失为一个很好的锻炼机会，每学期会选2课时理论内容留给学生授课，将学生分组，授课内容组间自行分配协调，每组10～15分钟。要求每组学生查阅资料结合书本知识，整理内容，书写教学教案，推选讲解人。该类实践活动可以激发学生的积极性，在查阅资料、准备教案的过程中主动理解并消化知识，能够在有限的时间清晰表达完整的内容，达到极好的教学效果。
4 结束语
教学改革是学科发展的需要，实现人才培养的重要手段，③科学合理的教学方式不仅能够提高教学质量和教学效果，激发教师的教学潜能，而且有利于培养学生的实践能力和团结协作精神。本文根据作者多年课堂教学和实践教学的经验，以及学生的反馈信息，从教学内容、教学方法和手段、实践教学等方面探讨了“遥感图像处理”课程的教学改革模式，以期对实际教学工作起到借鉴和参考意义。
注释
① 陈锋锐，乔家君，闫卫阳，等.“遥感数字图像处理”教学改革初探.计算机时代，2013（6）：67-68，71.