高光谱遥感图像解译算法研究
高光谱遥感图像解译算法研究
随着科技的不断进步和创新，高光谱遥感技术已经被广泛应用于解决环境、农业、林业、城市规划和资源管理等领域。
高光谱遥感图像是一种多波段、高光谱的图像，具有很高的信息量和空间分辨率，在解译上有很大的挑战。
因此，高光谱遥感图像解译算法的研究变得尤为重要。
一、高光谱遥感图像的基本特点
高光谱遥感图像是指通过遥感技术获取的超过三百个波段的图像，包含了大量的细节和丰富的信息。
与传统的遥感图像相比，高光谱遥感图像具有更高的空间分辨率和更丰富的光谱信息。
因此，高光谱遥感图像能提供更加精确和全面的数据信息，为地表物质的检测、区分、定量分析和信息提取提供了更好的基础。
二、高光谱遥感图像解译算法研究
高光谱遥感图像具有非常高的信息密度，但对于人类来说，难以直接对图像信息进行有效的解读。
因此，需要研究高效的高光谱遥感图像解译算法，该算法可以快速地对图像中的信息进行分类和解译，提取出我们所需要的结构信息。
(一) 监督分类算法
监督分类算法是一种常用的高光谱遥感图像解译算法，它基于一些指定的代表性光谱特征向量库进行分类训练。
监督分类算法通常使用支持向量机(SVM)或最小距离分类器(MDC)等方法进行分类，能够进行更加准确和精细的图像分类和解译。
(二) 无监督分类算法
无监督分类算法是一种使用统计学聚类方法对高光谱遥感图像进行分类和解译的方法。
无监督分类算法通常采用k均值聚类和谱聚类等算法进行分类，不需要人为干预将图像分类，能够在信息分析方面更好地体现高光谱遥感图像的纹理信息。
(三) 特征提取算法
特征提取算法是一种通过选择有代表性的特征变量或特征值将高光谱遥感图像
进行优化处理的方法，以便更好地分类和解译。
特征提取算法通常采用主成分分析(PCA)和线性判别分析(LDA)等算法，对图像空间、频率和时间等方面的特征进行
分析，更好地提取出有用的信息。
三、高光谱遥感图像解译算法的应用
高光谱遥感图像解译算法在众多领域都得到了广泛应用，例如，应用于农业领
域可以实现对不同农作物的分类、成熟度评估和病虫害检测等。
在林业方面，高光谱遥感图像解译算法可以实现对森林种类、树龄、植被覆盖和叶面积指数等的评估和监测。
四、高光谱遥感图像解译算法面临的挑战和应对措施
随着高光谱遥感技术的不断发展，高光谱遥感图像的解译也面临一些挑战。
如：光谱混淆、分类对象复杂、云雾遮挡等。
这些问题的存在让高光谱遥感图像解译更加困难。
因此，在未来的研究中，应该加强对高光谱遥感图像解译算法的研究和创新，找到更加有效和精确的解译方法。
总之，高光谱遥感图像解译算法研究具有很大的意义和价值，为各个领域提供
了更好的遥感技术基础，也是未来高光谱遥感技术发展的重要方向。
遥感图像处理
在国家经济建设中，对空间遥感信息以及空间地理信息的需求将日益增长。为使我国现代化经济建设得以持续稳固发展，空间遥感信息技术和应用必须相适应的发展。我们可以从我国对遥感信息和技术的应用需求来看卫星遥感应用前景，这主要表现在社会公益需求方面和遥感图片的商业应用需求两个方面：１、社会公益需求主要有以下几种类型：
最后，非常关键，必须要重点指出的是两大系统的建立完成。一是国家级基本资源与环境遥感动态信息服务体系的完成，标志着我国第一个资源环境领域的大型空间信息系统，也是全球最大规模的一个空间信息系统的成功建立；二是国家级遥感、地理信息系统及全球定位系统的建立，使我国成为世界上少数具有国家级遥感信息服务体系的国家之一。我国遥感监测的主要内容为如下三方面:１、对全国土地资源进行概查和详查；２、对全国农作物的长势及其产量监测和估产；３、对全国森林覆盖率的统计调查。
遥感信息提取方法分类
常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。
1目视解译
目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。
（二）、卫星遥感技术应用前景
国际上卫星遥感技术的迅猛发展，将在未来十五年把人类带入一个多层、立体、多角度、全方位和全天候对地观测的新时代。由各种高、中、低轨道相结合，大、中、小卫星相协同，高、中、低分辨率相弥补而组成的全球对地观测系统，能够准确有效、快速及时地提供多种空间分辨率、时间分辨率和光谱分辨率的对地观测数据。
如何利用遥感影像进行测绘数据提取
如何利用遥感影像进行测绘数据提取遥感技术是一种通过无人机或卫星获取地球表面信息的方法，通过对遥感影像进行分析和解译，可以提取出大量的地理信息数据，并应用于地质学、土地利用规划、城市建设等领域。
本文将探讨如何利用遥感影像进行测绘数据的提取，以及其在实践中的应用。
1. 遥感影像的获取与处理遥感影像的获取可以通过无人机或卫星来进行。
无人机可以实现低空高分辨率的影像获取，而卫星则能够实现广域和全球尺度的遥感影像获取。
在选择遥感影像时，除了要考虑空间分辨率和时间分辨率外，还需要根据实际需求选择多光谱、高光谱或合成孔径雷达等传感器。
在获取到遥感影像后，需要进行一系列的处理。
首先是影像预处理，包括大气校正、辐射校正和几何校正等步骤，以保证影像数据的准确性和一致性。
然后是遥感影像的分类与解译，可以使用基于像元或目标的分类方法，识别出不同地物类型。
2. 测绘数据的提取方法遥感影像提供了丰富的地理信息，其中包括地物边界、地物类型、地表高度等数据。
在进行测绘数据提取时，可以采用以下几种方法：(1) 物体提取：通过遥感影像的边界检测和分割算法，提取出不同地物的轮廓信息。
这可以应用于道路、河流、建筑物等地物的提取与识别。
(2) 高程数据提取：通过遥感影像的立体像对或多光谱图像，可以进行地表高程的提取与测量。
其中，基于立体像对的视差匹配方法可以得到地表高程数据，而多光谱数据则可以进行数字高程模型(Digital Elevation Model, DEM)的生成。
(3) 地物分类与变化检测：遥感影像中的地物可以通过基于像元的分类方法进行提取。
利用不同波段的光谱信息，可以将遥感影像中的像素根据其光谱特征归类为不同物体类型。
此外，通过对多期遥感影像进行比较，还可以检测出地物的变化信息，如城市扩张、森林变化等。
3. 遥感数据在实践中的应用测绘数据的提取是遥感技术的一个重要应用领域。
遥感影像提供了大量的地理信息数据，可以用于土地利用规划、环境监测、城市建设等方面。
遥感图像解译基础PPT课件
• 图型：目标地物有规律的排列而成的图形结构。
18
• 布局：物体间的空间配置。物体间一定的位 置关系和排列方式，形成了很多天然和人工 目标特点。
• 位置：地物分布的地点。地理位置和相对位 置。
19
遥感图像目视解译的一般原则
总体观察 综合分析 对比分析 观察方法正确 尊重影象客观实际 解译图象耐心认真 有价值的地方重点分析
狭义：是一门新兴的科学技术，主要指从远距离、 高空以至外层空间的平台上，利用可见光、红外、 微波等探测器，通过摄影或扫描、信息感应、传 输和处理，从而识别地面物质的性质和运动状态 的现代化技术系统。 (《遥感大词典》)
3
遥感和遥感系统——遥感过程
卫星姿态 控制
服务社会
遥感信 息传输
用户
成像机理 与模型
运用专业背景知识，通过肉眼观察，经过综合分 析、逻辑推理、验证检查把遥感图象中所包含的 地物信息提取和解析出来的过程。
10
遥感图像目视解译原理
目视解译是遥感成像的逆过程
地表景观
成像过程
遥感图象
空间结构、时间 特点
化学组分பைடு நூலகம்物理 属性
成像方式、探测 波段
投影方式、时空 因素
大小形状、色调 灰阶
畸变失真、成图 比例
分发
目标提取与识别 (自动化、智能化)
遥感数据处理 (高光谱、高分辨率、……)
多源数据融合与集成 4
遥感系统
遥感系统包括：被测目标的信息特征(目标物）;信息的获 取（遥感平台）;信息的接收与记录、信息的处理（地面接收 站）和信息应用（分析解译）四大部分。
目标物的电磁波特性-----任何目标都具有发射、反射和吸 收电磁波的性质，这是遥感的信息源。目标物与电磁波的相 互作用，构成了目标物的电磁波特性，它是遥感探测的依据。
高光谱影像特征选择与提取
相关矩阵为： 进一步地，我们将可传递的相关矢量定义为: 我们对该矢量进行处理，从中提取局部相关的极小 值。根据这些自动提取的极小值（设在波段开区间 （1，N）内这样的极小值共有P-1个），我们将高 光谱空间S划分为P个适合的数据子空间（它的维数 是Lj（j=1，2，……，p-1，））
示例数据(Hyperion西藏驱龙) 10nm光谱分辨率 1-70波段覆盖356-1058nm的可 见光和近红外区域 71-242波段覆盖852-2577nm 的短波红外波段 像元大小 30m 图像大小 256x6460 数据产品有Level0（原始数据） 和Level1两种 L1数据产品已经进行了辐射校正
该方法针对OIF方法在实际应用中存在的局限性,充 分考虑了各波段的空间相关性和谱间相关性。 其公式如下： 其中：Si为第i个波段的标准差； 和 是第i 波段与其前后两波段的相关系数或i波段与任意两个 波段的相关系数；是第i幅图像指数的大小。
由于基于全局的波段选择算法，选择的波段往往是 联虚地集中在某一个连续子空间中。而连续子空间 往往相似性大，这就造成信息重复使用，影响后续 的处理效果。 基于以上考虑，将高光谱数据分为K组，每组波段 数分别为n1，n2，……nk，定义波段指数为：
光谱曲线特征 光谱运算与变换特征 光谱相似性度量特征
光谱曲线直接编码 光谱吸收特征参数 光谱吸收指数
光谱曲线特征的重要思想是强调曲线形状，直接编 码是一种非常直观的方式，最常用的是二值编码 （binary coding），即对每一像元，对各波段属 性值与某一阀值比较，相应地赋予“0”或“1”的 编码。
信噪比在遥感图像解译中的作用
信噪比在遥感图像解译中的作用一、信噪比在遥感图像解译中的基本概念信噪比（Signal-to-Noise Ratio，简称SNR）是信号处理领域中一个重要的概念，它描述了信号强度与背景噪声水平之间的比例。
在遥感图像解译中，信噪比对于获取高质量的图像和进行准确的地物识别至关重要。
遥感图像通常由传感器在地球表面或大气层中捕获的电磁波信号组成，这些信号经过处理和分析，可以提供有关地表特征和现象的宝贵信息。
1.1 信噪比的定义与计算信噪比通常用分贝（dB）来表示，其计算公式为：\[ \text{SNR (dB)} = 10 \cdot \log_{10} \left(\frac{P_{\text{signal}}}{P_{\text{noise}}}\ri ght) \]其中，\(P_{\text{signal}}\) 是信号功率，而\(P_{\text{noise}}\) 是噪声功率。
信噪比的高低直接影响到遥感图像的清晰度和可解译性。
1.2 遥感图像中的信号与噪声在遥感图像中，信号指的是地表反射或发射的电磁波，而噪声则包括传感器噪声、大气噪声、电子噪声等。
噪声的存在会降低图像的信噪比，影响图像解译的准确性。
1.3 信噪比对遥感图像质量的影响信噪比越高，遥感图像的对比度和清晰度就越高，地物的特征就越容易辨认。
相反，如果信噪比较低，图像中的有用信息可能会被噪声淹没，导致解译结果不准确。
二、信噪比在遥感图像解译中的应用2.1 提高信噪比的方法为了提高遥感图像的信噪比，可以采取多种技术手段，包括但不限于：- 采用高质量的传感器和先进的信号处理技术。
- 应用图像滤波技术，如高斯滤波、中值滤波等，以减少噪声。
- 利用图像增强技术，如直方图均衡化、对比度拉伸等，以提高图像的可读性。
- 通过多时相或多角度的观测，利用图像融合技术提高信噪比。
2.2 信噪比在不同遥感领域的应用信噪比在不同的遥感领域中都发挥着重要作用：- 在农业遥感中，高信噪比有助于识别作物类型、监测作物生长状况。
高光谱遥感数据最佳波段的选择
高光谱遥感数据最佳波段的选择根据自己对具体影像解译的要求进行波段的选择，以提高解译的速度和精度。
若要获得丰富的地质信息和地表环境信息，可以选择TM(7、4、1)波段的组合，TM(7、4、1)波段组合后的影像清晰度高，干扰信息少，地质可解译程度高，各种构造形迹(褶皱及断裂)显示清楚；若要获得监测火灾前后变化分析的影像，可以选择TM(7、4、3)波段的组合，它们组合后的影像接近自然彩色，所以可通过TM(7、4、3)彩色合成图的分析来掌握林火蔓延与控制及灾后林木的恢复状况；若要获得砂石矿遥感调查情况，可以选择TM(5、4、1)波段组合；用TM影像编制洲地芦苇资源图时，宜用TM(3、4、5)波段组合的影像，分辨率最高，信息最丰富；用MSS图像编制土地利用地图，通常采用MSS(4、5、7)波段的合成影像；若要再区分林、灌、草，则需要选用MSS(5、6、7)波段的组合影像。
遥感影像时相的选择:遥感影像的成像季节直接影响专题内容的解译质量。
对其时相的选择，既要根据地物本身的属性特征，又要考虑同地物不同地域间的差异。
例如解译农作物的种植面积最好选8、9月份，因为这时作物成熟了，但还没有收割，方便各种作物的区别；解译海滨地区的芦苇地及其面积宜用5、6月份的影像；解译黄淮海地区盐碱土分布图宜用3、4月份的影像。
高分辨率影像的选择:分辨率的选择要符合自己的实际需要，分辨率高对解译速度和精度都有很大帮助。
随着科技的不断发展，已经有了15～30m分辨率的ETM／TM影像、2．5～5．0m分辨率的SPORT 影像、2m分辨率的福卫二号、lm分辨率的ORBVIEW3／IKONOS、0．6m分辨率的QUICK BIRD等。
法国SPOT-5卫星影像分辨率可达到2．5m，并可获得立体像对，进行立体观测。
SPOT5卫星上的主要遥感设备是2台高分辨率几何成像仪(HRVIR)，其工作谱段有4个，主要任务是监测自然资源分布，特别是监测农业、林业和矿产资源，观测植被生长状态与农田含水量等项，对农作物进行估产，了解城市建设与城市土地利用状况等。
使用高光谱遥感技术进行植被覆盖监测
使用高光谱遥感技术进行植被覆盖监测高光谱遥感技术是一种通过获取地物的高光谱信息来进行分析的遥感技术。
它通过收集地面或大气中的反射光谱数据，利用这些数据来提取地物的特征信息，从而实现对植被覆盖情况进行监测和评估。
在过去的几十年中，高光谱遥感技术在农业、林业、环境保护和城市规划等领域发挥了重要作用。
植被覆盖是指地表上由植物形成的覆盖层，对于生态系统的稳定和环境的改善具有重要的作用。
随着城市化进程的加快和人口增长的压力，植被覆盖的监测和评估变得越来越重要。
传统的植被覆盖监测方法主要依靠地面调查和遥感影像的解译，但这些方法存在着时间成本高、空间范围有限等问题。
而高光谱遥感技术的出现，为植被覆盖监测提供了更高效、更准确的手段。
高光谱遥感技术通过获取地物的高光谱信息，可以从细微的光谱变化中提取出更多的信息。
物体的光谱信息在不同波段呈现出不同的变化规律，而植被的反射光谱特征与其生理、化学和结构特性密切相关。
因此，利用高光谱遥感技术可以准确获取植被的光谱信息，从而实现对植被覆盖状况的监测。
高光谱遥感技术在植被监测中的应用主要包括植被类型判别、植被覆盖度评估和植被生长状态监测。
通过对植被的光谱信息进行解译和分类，可以精确地判别不同类型的植被，比如森林、草地、湿地等，为生态环境管理和资源保护提供科学依据。
植被覆盖度评估是指通过分析植被反射光谱的特征，来评估一定区域内植被的分布和空间分布。
利用高光谱遥感技术可以获取植被的反射光谱曲线，通过光谱特征参数的计算，可以准确地估算出植被覆盖度，并进一步分析植被的分布格局和植被覆盖的变化趋势。
植被生长状态监测是指通过监测植被的生长动态和生理状态，来评估植被生长状况和健康状况。
高光谱遥感技术可以获取植被的生理指标，比如叶绿素含量、地下生物质等，通过对这些指标的分析和比较，可以揭示植被的养分状况、生长状态和生态适应能力。
高光谱遥感技术在植被覆盖监测中的应用还包括草地质量评价、荒漠化监测、植被退化评估等。
遥感图像基本概念
第1部分绪论1.1 课题背景及研究的目的意义高光谱遥感(Hyperspectral Remote Sensing)是近些年来迅速发展起来的一种全新遥感技术，它是集探测器技术、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的综合性技术[1]。
随着遥感技术的发展，高光谱图像已经越来越广泛地被应用到海洋、植被、地质、大气、环境、军事和医学等方面[2]。
高光谱图像信息系统中重要的参数之一是空间分辨率，高光谱图像的光谱分辨率很高，但其空间分辨率较低。
例如机载可见光、红外成像光谱仪(AVIRIS)所成图像一般分辨率只达到20m*20m。
较低的空间分辨率给数据处理如目标检测与识别、混合像素解译、精准匹配等技术带来了巨大的困难。
可以说，空间分辨率已经成为高光谱图像应用效果的主要制约因素。
提高空间分辨率势必能够加强图像中目标的探测能力和识别能力。
在遥感技术快速发展的今天，对遥感图像的分辨率有着越来越高的要求，但对于现有的成像设备，由于其制作工艺和现有技术的制约，还远远不能满足各方面的要求，所以采用图像处理技术来提高空间分辨率有很大的研究价值和意义。
随着对遥感图像处理技术的提高，高光谱图像的分析从像素级发展到子像素级[3]已成为必然，由此带来的许多技术难点急待改进或解决。
高光谱图像的低空间分辨率导致了混合像素的广泛存在，即一个像素可能是几种类别的混合[4]。
对于这类像素，将其按照传统的硬分类方法归属为任一类都是不准确的。
在实际应用中，分析者常常需要更为精确的信息：混合像素内包含哪些类别，各类别所占的比例是多少，这些类别在混合像素内的空间分布是怎样的等等。
如图1.1所示。
它们各自对应的技术为光谱端元选择技术[5]，光谱解混（又称光谱解译）技术[6]和子像素制图技术（子像素制图又称为亚像元定位）[7]。
图1.1 高光谱图像混合像素处理中主要问题及对应技术本文主要研究对混合像素进行光谱解混后的子像素制图技术（Subpixel Mapping, SM）。
地物反射波谱特征及高光谱成像遥感
收稿日期:2008-08-28作者简介:张亚梅(1969-),女,河北秦皇岛人,硕士研究生,主要研究方向为光电工程及自动控制.文章编号:1673-1255(2008)05-0006-06地物反射波谱特征及高光谱成像遥感张亚梅(东北电子技术研究所,辽宁 锦州 121000)摘 要:依据地表物体表面外形特性,物体反射分为镜面反射、漫反射和方向反射.探讨了3类反射的特性曲线,介绍了几种典型的地物类型反射波谱特征,并对影响地物光谱反射特性变化的因素进行了概略描述,以加强对地物电磁波谱特征的认知,及开展与高光谱成像领域相关的遥感图像分析、反演和应用等方面的工作.关键词:地物;反射波谱;高光谱成像;遥感中图分类号:V 443.5 文献标识码:ASpectrum Characteristics of Surface Features Reflectionand High Spectral Imaging Remote SensingZHANG Ya -mei(Northeast Res earch Institute of Electronics Technolo gy ,Jinzhou 121000,china )A bstract :Based on the external features of surface objects ,the objects reflection is divided into mirror surface re -flection ,diffuse reflection and directional reflection .In order to have a deep know ledge of the electromagnetic spectrum characteristics of surface features ,three kinds of reflected characteristic curves are discussed ,and sev -eral types of spectrum characteristics of surface features reflection are introduced .The factors influencing the spectral reflection characteristics of surface features are sum marized and the wo rk on remote sensing image analy -sis ,counterevidence and application related to the field of high spectral imaging are done .Key words :surface features ;reflected spectrum ;high spectral imaging ;remote sensing 自1948年原苏联的克里诺夫出版了有关地物波谱特性研究以来,人们开展了大量的地物波谱特性的观测和研究.20世纪60年代美国为发射地球资源卫星曾全面地开展了地物波谱特性研究,20世纪70年代该项研究进入高潮.目前研究的波段基本覆盖了遥感所使用的波段,测量和研究的对象包括了自然界的植被、土壤、岩石、水体和人工建筑等地物.这些研究对认识遥感成像机理、遥感图像解译、遥感仪器最佳探测波段选择和遥感仪器研制等起到了推动作用.随着遥感应用的深入,遥感信息与地物相互作用的研究有了进一步发展;特别是成像光谱仪的应用,不仅显示了地物波谱特性研究的重要性,而且也推动了这一领域的研究.因为它可以获得图谱合一的信息,可以直接将地物波谱特性和遥感图像结合在一起,在图像分析和应用方面都取得了很好的结果.现代遥感技术的发展,不仅延伸了地物的成像波段范围,而且可以在需要的任何波段独立成像或连续成像,提高了地物光谱分辨力,有利于区别各类物质在不同波段的光谱响应特性,突出特定地物反射峰值波长的微小差异.开展地物可见光和近红外反射波谱特征分析研究是对遥感图像进行数据利用和评价的物理基础[1].1 地物的反射类别及反射特性曲线地物波谱特性是电磁辐射与地物相互作用的一种表现,可见光和近红外波段主要表现地物反射作用和地物的吸收作用.因此,地物反射波谱特征也就第23卷第5期2008年10月 光电技术应用ELECT RO -O PT IC T ECHNO LOG Y APP LICA TI ON Vo l .23,No .5October .2008是指地物可见光和近红外波段波谱特征.根据地表目标物体表面性质的不同,物体反射大体上可以分为3种类型,即镜面反射、漫反射、方向反射(实际物体的反射).镜面反射是指物体的反射满足反射定律.当发生镜面反射时,对于不透明物体,其反射能量等于入射能量减去物体吸收的能量.自然界中真正的镜面很少,非常平静的水面可以近似认为是镜面.漫反射,如果入射电磁波波长λ不变,表面粗糙度h 逐渐增加,直到h 与λ同数量级,这时整个表面均匀反射入射电磁波,入射到此表面的电磁辐射按照朗伯余弦定律反射,其反射辐照亮度是一个常数,这种反射面又叫朗伯面.实际地物表面由于地形起伏,在某个方向上反射最强烈,称为方向反射,是介于镜面和朗伯面(漫反射)之间的一种反射.自然界中绝大多数地物的反射都属于这种类型的反射,又叫非朗伯面反射.它发生在地物粗糙度继续增大的情况下,反射具有各向异性,即实际物体面在有入射波时各个方向都有反射能量,但大小不同.从空间对地面观察时,对于平面地区,并且地面物体均匀分布,可以看成漫反射;对于地形起伏和地面结构复杂的地区,为方向反射.图1示出了3种反射的情况.图1 3种反射形式反射率是物体的反射辐射通量与入射辐射通量之比,ρ=E r /E ,这个反射率是在理想漫反射体的情况下,整个电磁波长的反射率.实际上由于物体固有的结构特点,对于不同波长的电磁波会产生有选择的反射,例如绿色植物的叶子由于表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织构成,如图2所示.入射到叶子上的太阳辐射透过上表皮,蓝、红光辐射能被叶绿素吸收进行光合作用;绿光也吸收了一大部分,但仍反射一部分,所以叶子呈现绿色;而近红外线可以穿透叶绿素,被多孔薄壁细胞组织所反射.因此,在近红外波段上形成强反射.图2 叶子的结构及其反射反射波谱是某物体的反射率(或反射辐射能)随波长变化的规律,以波长为横坐标,反射率为纵坐标所得的曲线即称为该物体的反射波谱特性曲线,光谱反射率ρl =E rlE l.物体的反射波谱的特征主要取决于该物体与入射辐射相互作用的波长选择,即对入射辐射的反射、吸收和透射的选择性,其中反射作用是主要的.物体对入射辐射的选择性作用受物体的组成成分、结构、表面状态以及物体所处环境的控制和影响.在漫反射的情况下,组成成分和结构是控制因素.如图3所示为4种地物的反射光谱特性曲线.从图3中曲线可以看到,雪的反射光谱与太阳光谱最相似,在蓝光0.49μm 附近有个波峰,随着波长增加反射率逐渐降低.沙漠的反射率在橙色0.6μm 附近有峰值,但在长波范围里比雪的反射率要高.湿地的反射率较低,色调发暗灰.小麦叶子的反射光谱与太阳的光谱有很大差别,在绿波处有个反射波峰,在红外部分0.7～0.9μm 附近有一个强峰值.图3 4种地物的反射波谱特性曲线各种物体,由于其结构和组成成分不同,反射特性曲线的形状是不一样的,即便是在某波段相似,甚7第5期 张亚梅:地物反射波谱特征及高光谱成像遥感 至一样,但在另外的波段还是有很大的区别的.例如图4所示的柑桔、番茄、玉米、棉花4种地物的反射特性曲线,在0.6～0.7μm 之间很相似,而其他波长(例如0.75～2.5μm 波段之间)的光谱反射特性曲线形状则不同,有很大差别.图4 4种植物的反射波谱特性曲线2 常见的几种地物类型波谱特征2.1 植被的反射波谱特性由于植物均进行光合作用,所以各类绿色植物具有很相似的反射波谱特性,其特征是:在可见光波段0.55μm (绿光)附近有反射率为10%～20%的一个波峰,两侧0.45μm (蓝)和0.67μm (红)则有2个吸收带.这一特征是由于叶绿素的影响造成的,叶绿素对蓝光和红光吸收作用强,而对绿色反射作用强.在近红外波段0.8～1.0μm 间有一个反射的陡坡,至1.1μm 附近有一峰值,形成植被的独有特征.这是由于植被叶的细胞结构的影响,除了吸收和透射的部分,形成的高反射率.图5 绿色植物反射波谱曲线在中红外波段1.3～2.5μm ,以1.45、1.95μm 和2.7μm 为中心是水的吸收带,受到绿色植物含水量的影响,吸收率大增,反射率下降,形成低谷.而1.5～1.9μm 光谱区反射率增大.绿色植物反射波谱曲线如图5所示[2].植物波谱在上述基本特征下仍有细部差别,这种差别与植物种类、季节、病虫害影响、含水量多少有关系,如图6所示3种类型树木的光谱曲线比较.图6 3种类型树木的光谱曲线比较2.2 土壤的反射波谱特性自然状态下土壤表面的反射率没有明显的峰值和谷值,一般来讲土壤的光谱特性曲线与以下一些因素有关,即:土壤类别、含水量、有机质含量、砂、土壤表面的粗糙度、粉砂相对百分含量等.土壤含水量增加,土壤的反射率就会下降,在水的各个吸收带(1.4、1.9、2.7μm 处附近区间),反射率的下降尤为明显.此外肥力也对反射率有一定的影响.由图7可以看出,土壤反射波谱特性曲线较平滑,因此在不同光谱段的遥感影像上,土壤的亮度图7 3种不同类型土壤在干燥环境下的光谱曲线8 光 电 技 术 应 用 第23卷区别不明显[2].2.3 水体的反射波谱特性水体对0.45～0.56μm 蓝绿光波段透射能力较强,一般深度可达10～20m ,清澈水体可达100m 的深度.同时,水体的反射也主要在蓝绿光波段,其他波段吸收率很强,特别在近红外、中红外波段有很强的吸收带,反射率几乎为零,因此在遥感中常用近红外波段确定水体的位置和轮廓,在此波段的黑白正片上,水体的色调很黑,与周围的植被和土壤有明显的反差,很容易识别和判读.但是当水中含有其他物质时,反射光谱曲线会发生变化.水含泥沙时,由于泥沙的散射作用,可见光波段发射率会增加,峰值出现在黄红区.如图8所示水中含有叶绿素时,近红外波段明显抬高,这些都是影像分析的重要依据.图8 叶绿素含量不同时水体的光谱曲线2.4 岩石的反射波谱特性岩石的反射波谱主要由矿物成分、矿物含量、物质结构等决定.影响岩石矿物波谱曲线的因素包括岩石风化程度、岩石含水状况、矿物颗粒大小、岩石表面光滑程度、岩石色泽等.几种岩石的反射波谱曲线如图9所示.在遥感探测中一般根据所测岩石的具体情况选择不同的波段.2.5 城市道路、建筑物的反射波谱特性在城市遥感影像中,通常只能看到建筑物的顶部或部分建筑物的侧面,特别是建筑材料所构成的屋顶.从图10中可以看出,铁皮屋顶表面成灰色,反图9 几种岩石的反射波谱曲线射率较低而且起伏小,所以曲线较平坦.石棉瓦反射率最高,沥青粘砂屋顶,由于其表面铺着反射率较高的砂石而决定了其反射率高于灰色的水泥平顶.绿色塑料棚顶的波谱曲线在绿波段处有一反射峰值,与植被相似,但它在近红外波段处没有反射峰值,有别于植被的反射波谱.军事遥感中常用近红外波段区分在绿色波段中不能区分的绿色植被和绿色的军事目标.图10 几种建筑物屋顶的波谱特性城市中道路的主要铺面材料为水泥沙地和沥青两大类,少量部分有褐色地,如图11所示,它们的反射波谱特性曲线形状大体相似,水泥沙路在干爽状态下呈灰白色,反射率最高,沥青路反射率最低.图11 几种道路的波谱特性9第5期 张亚梅:地物反射波谱特征及高光谱成像遥感 3 影响地物光谱反射特性变化的因素有很多因素会引起反射率的变化,如:太阳位置、传感器位置、地理位置、地形、季节、气候变化、地面湿度变化、地物本身的变异、大气状况等.太阳位置主要是指太阳高度角和方位角,如果太阳高度角和方位角不同,则地面物体入射照度也就发生变化.为了减小这2个因素对反射率变化的影响,遥感卫星轨道大多设计在同一地方时间通过当地上空,但由于季节的变化和当地经纬度的变化,造成太阳高度角和方位角的变化是不可避免的.传感器位置指传感器的观测角和方位角,一般空间遥感用的传感器大部分设计成垂直指向地面,这样影响较小,但由于卫星姿态引起的传感器指向偏离垂直方向,仍会造成反射率变化.处在不同地理区域的同种地物具有不同的光谱效应,称之为空间效应.除不同地理区域地物本身的变异因素外,不同的地理位置,太阳高度角和方位角、地理景观等都会引起反射率变化,还有海拔高度不同,大气透明度改变也会造成反射率变化.同一地物的反射波谱特性一般随时间季节变化,称之为时间效应,如图12所示的新雪和陈雪反射特性曲线等.即使在很短的时间内,由于各种随机因素的影响(包括外界的随机因素和仪器的响应偏差)也会引起反射率的变化.这种随机因素的影响还表现在同一幅影像中,但是这种因素的影像引起的光谱反射率变化,将在某一个区间中出现,如图13示出了大豆反射率变化的区间.图14所示,同一春小麦在花期、灌浆期、乳熟期、黄叶期的光谱测试所得的结果.可以看出,花期的春小麦反射率明显高于灌浆期和乳熟期.至于黄叶期,由于不具备绿色植物特征,其反射光谱近似于一条斜线.这是因为黄叶的水含量降低,导致在1.45、1.95、2.7μm附近3个水图12 新雪和陈雪的反射特性曲线图13 大豆反射率变化范围图14 同一作物(春小麦)在不同生长阶段的波谱特性曲线吸收带的减弱.当叶片有病虫害时,将使反射率发生较大变化,也有与黄叶期类似的反射率.4 地物反射波谱与高光谱成像地物的波谱特征是遥感识别地物的重要依据,尤其是针对未来航空航天遥感中的成像波谱仪的重要性更加突出.因此开展各种地物的波谱特征测定和研究,不仅是遥感的基础性工作,而且是遥感应用研究中一个重要的内容.美国NASA于19世纪70年代初就初步建立了地球资源信息系统,包括植被、土壤、岩石和水体等2000余种地物的实验室反射波谱数据.从19世纪80年代,我国许多遥感科学研究部门相继建立了10余个地物波谱库,在我国不同的遥感发展时期都起到了积极的推动作用.现代遥感技术的发展,使得地物的成像范围不仅延伸到人们不可见的紫外和红外波长区,而且可以在需要的任何波段独立成像或连续成像.高光谱遥感的光谱分辨率高于百分之一波长达到纳米(nm)数量级,其光谱通道数多达数十甚至数百,使得遥感的波段宽度从早期的0.4μm(黑白摄影)、0.1μm(多光谱扫描)到5nm(成像光谱仪).遥感器10 光 电 技 术 应 用 第23卷波段宽度窄化,针对性更强,可以突出特定地物反射峰值波长的微小差异;同时,成像光谱仪等的应用,提高了地物光谱分辨力,有利于区别各类物质在不同波段的光谱响应特性.如图15所示成像光谱仪的数据特点[3].图15 高光谱成像光谱仪数据示意图 1983年,世界第一台成像光谱仪AIS -1在美国研制成功,并在矿物填图、植被生化特征等研究方面取得了成功,初显了高光谱遥感的魅力.此后,许多国家先后研制了多种类型的航空成像光谱仪.如美国的AVI RIS 、DAIS ,加拿大的FLI 、CASI ,德国的ROSIS ,澳大利亚的Hy Map 等.在经过航空试验和成功运行应用之后,19世纪90年代末期终于迎来了高光谱遥感的航天发展.1999年美国地球观测计划(EOS )的Terra 综合平台上的中分辨率成像光谱仪(MODIS )、号称新千年计划第一星的EO -1,欧洲环境卫星(ENVISAT )上的M ERIS ,以及欧洲的CHRIS 卫星相继升空,宣告了航天高光谱时代的来临.中国也自行研制了更为先进的推帚式成像光谱仪(PH I ),其在可见光到近红外光谱区具有244个波段,光谱分辨率优于5nm .新的成像光谱系统不仅继续在地质和固体地球领域研究中发挥作用,而且在生物地球化学效应研究、农作物和植被的精细分类、城市地物甚至建筑材料的分类和识别方面都有很好的结果.高光谱成像技术是将由物质成分决定的地物光谱与反映地物存在格局的空间影像有机地结合起来,对空间影像的每一个像素都可赋予对它本身具有特征的光谱信息.高光谱图像的分类和识别,主要是基于地物光谱特征的分类识别和基于统计的分类识别2种方法.其中基于地物光谱特征的分类识别,是利用光谱库中已知的光谱数据,采用匹配算法来鉴别和识别图像中地物类型.这种方法既可采用全波长的比较和匹配,也可用感兴趣的光谱特征或部分波长的光谱或光谱组合参量进行匹配,达到分类和识别的目的.5 结 束 语20多年来,高光谱遥感已发展成一个颇具特色的前沿技术,并孕育形成了一门成像光谱学的新兴学科门类.它的出现和发展将人们通过遥感技术观测和认识事物的能力带入了又一次飞跃,续写和完善了光学遥感从全色经多光谱到高光谱的全部影像信息链.由于高光谱遥感影像提供了更为丰富的地(下转第21页)11第5期 张亚梅:地物反射波谱特征及高光谱成像遥感 法.相比之下,其他的数值求解方法则受D的形状限制较大.参考文献[1] Jo hn L ester M iller.P rinciples of Infrared T echnolo gy,APractical G uide to the State of the Art[M].N ew York:Chapman and Hall,1994.[2] Dereniak E L,Boreman G D.I nfrared Detecto rs andSystems[M].New Yor k:John Wiley&Sons,Inc.,1996.[3] Dale Varberg,Edwin J Purcell,Steven E Rigdo n.Calcu-lus[M].8版.北京:机械工业出版社,2003.[4] Press W H,T eukolsky S A,Vetterling W T,e t al.C语言数值算法程序大全[M].2版.傅祖芸,赵梅娜,丁岩,等.北京:电子工业出版社,1995.[5] 杨华中,汪蕙.数值计算方法与C语言工程函数库[M].北京:科学出版社,1996.[6] Mag rab E B,Azarm S,Balachandran B,et al.M A T LAB原理与工程应用[M].高会生,李新叶,胡智奇,等.北京:电子工业出版社,2002.[7] 薛定宇,陈阳泉.高等应用数学问题的MA T LA B求解[M].北京:清华大学出版社,2004.(上接第5页)探测器中注入较大的能量和照射相对较长的时间,从而可能产生较好的作用效果.另外,仅选择单个激光脉冲进行计算,是一个极为简单的静态模型.实际上,激光及探测器的开关门时间一般是周期性的,两者相互作用的关系的严格描述比较复杂.这里仅从激光脉冲波形的角度,做了一点初浅的思考.参考文献[1] 梁作亮,张喜和.超高重复频率Nd:YAG激光器的研制[J].长春光学精密机械学院学报,1992,15(1):30-33.[2] 金锋,翟刚,李晶,等.二极管泵浦声光调Q窄脉冲N d:YA G激光器[J].光电子.激光,2004,15(3):303-306.[3] 王立新,王伟祥,张克非.长脉冲N d:YAG激光器的实验研究[J].应用激光,1999,19(4):159-160.[4] 吴谨,万重怡,刘世明,等.小型T EA CO2激光器的温度特性[J].激光技术,2002,26(6):409-410.[5] 张昭,吴谨,王东蕾,等.长脉冲紫外预电离T E CO2激光器[J].中国激光,2005,32(12):1599-1604.[6] 田兆硕,王祺,王雨三,等.光栅选支电光调Q射频激励波导CO2激光器研究[J].光电子.激光,2000,11(3):282-284.(上接第11页)球表面信息,其应用领域已涵盖地球科学的各个方面,在地质找矿和制图、大气和环境监测、农业和森林调查、海洋生物和物理研究等领域发挥着越来越重要的作用.地物目标反射波谱特征分析研究,除了可以提供遥感图像设计与成像依据外,还可为农业生产、资源调整、灾害预报与评估、工程建设、环境监测、城市发展等提供更加快速可靠的信息服务和辅助决策,因此,蕴含着巨大的经济效益和社会效益.参考文献[1] 浦瑞良.高光谱遥感及其应用[M].北京:高等教育出版社,2000.[2] 贾海峰,刘雪华.环境遥感原理与应用[M].北京:清华大学出版社,2006.[3] 高昆,刘迎辉,倪国强,等.光学遥感图像星上实时处理技术的研究[J].航天返回与遥感,2008(1):11-14.(上接第17页)个视场的M TF都大于0.66,成像质量良好,各项指标都满足成像要求.参考文献[1] 薛鸣球.电影摄影物镜光学设计[M].北京:中国工作出版社,1971:167-168.[2] 刘崇进,史光辉.机械补偿法变焦镜头三个发展阶段的概况和发展方向[J].应用光学,1992,13(2):12-13.[3] 张良.中波红外变焦距系统的光学设计[J].应用光学,2006,27(1):32-34.[4] 陶纯堪,变焦距光学系统设计[M].北京:国防工业出版社,1988:115-117.21第5期 王忆锋等:用蒙特卡罗方法和M A T LAB计算矩形冷屏的视场角 。
AVIRIS高光谱遥感数据的植被信息提取
A VIRIS高光谱遥感数据的植被信息提取摘要：以ＭｏｆｆｅｔｔＦｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像为对象，应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合，在此基础上采用监督分类为主、目视解译为辅的信息提取方法，在ＥＮＶＩ和ＥＲＤＡＳ遥感图像处理软件中进行分析与处理，实现植被信息提取。
结果表明，与多光谱遥感数据相比，高光谱遥感数据具有更强的植被信息识别能力，提取的植被信息更丰富。
关键词：高光谱；遥感；植被；信息提取Ａｂｓｔｒａｃｔ：ＴｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆＭｏｆｆｅｔｔＦｉｅｌｄｗａｓｅｘｔｒａｃｔｅｄｂａｓｅｄｏｎｔｈｅＡＶＩＲＩＳｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ．Ｆｉｒｓｔｏｆａｌｌ，ｔｈｅｏｐｔｉｍａｌｂａｎｄｃｏｍｂｉｎａｔｉｏｎｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｆｏｒｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｗａｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈａｄａｐｔｉｖｅｂａｎｄｓｅｌｅｃｔｉｏｎｂａｓｅｄｏｎｔｈｅｉｎｆｏｒｍａｔｉｏｎｑｕａｎｔｉｔｙ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｗａｓｅｘｔｒａｃｔｅｄｍａｉｎｌｙthrough ｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｔｈｅａｓｓｉｓｔａｎｃｅｏｆｖｉｓｕａｌｉｎｔｅｒｐｒｅｔａｔｉｏｎｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｓｏｆｔｗａｒｅＥＮＶＩａｎｄＥＲＤＡＳ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｅｄｔｈａｔｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎａｂｉｌｉｔｙｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｗａｓｓｔｒｏｎｇｅｒｔｈａｎｔｈａｔｏｆｍｕｌｔｉ－ｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ，ａｎｄｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｂｔａｉｎｅｄｗａｓｍｏｒｅｉｎｆｏｒｍａｔｉｖｅ．Ｋｅｙｗｏｒｄｓ：ｈｙｐｅｒｓｐｅｃｔｒａｌ；ｒｅｍｏｔｅｓｅｎｓｉｎｇ；ｖｅｇｅｔａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ植被是环境的重要组成因子，是反映区域生态环境的标志之一，同时也是土壤、水文等要素的解译标志［１］。