前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的高光譜遙感原理技術與應用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：高光譜遙感原理技術與應用范文

關鍵詞：高光譜圖像；數據融合；綜合評價；最佳方法；地球觀測1號

中圖分類號： TP751.1； TP391.41

文獻標志碼：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

對于一套光學遙感器系統而言，圖像的空間分辨率與光譜分辨率是一對矛盾，在給定信噪比的條件下，為求得較高的光譜分辨率（窄光譜波段）往往意味著要付出低空間分辨率的代價[1]。相對于較高空間分辨率的多光譜圖像而言，當前高光譜遙感圖像的空間分辨率還都不夠高，尤其是航天高光譜遙感數據。為解決這一矛盾，已經（或即將）發射的搭載成像光譜儀的航天遙感平臺往往都會帶有一個高空間分辨率的全色通道傳感器。例如，地球觀測1號（Earth Observing1， EO1）衛星上就載有3個傳感器，即高級陸地成像儀（Advanced Land Imager， ALI）、高光譜成像光譜儀（Hyperion）和大氣校正儀（Linear Etalon Imaging Spectrometer Array Atmospheric Corrector， LAC）。其中Hyperion高光譜遙感圖像的光譜分辨率為10nm，空間分辨率為30m；而ALI圖像數據中就有一個空間分辨率為10m的全色通道波段。由此為本研究通過數據融合方式來提高高光譜遙感數據的空間分辨率提供了有利的條件，研究高光譜遙感圖像與高空間分辨率圖像的融合將具有十分重要的理論和現實意義。

將高光譜圖像與高空間分辨率圖像進行融合處理，在保持高光譜圖像的光譜物理特性和波形形態的同時，還可大幅度改善高光譜圖像的空間解析特性；融合后的圖像仍可為超多波段的圖像數據，且具有可定量分析的波譜形狀。目前有關多光譜遙感圖像與高空間分辨率全色圖像融合的文章很多，但鮮見涉及高光譜圖像融合的報道，這可能與目前此類數據源較少及數據特性限制有關。本研究將針對Hyperion和ALI遙感圖像的特點，選用多種融合方法對其進行數據融合實驗，并對這些方法的融合效果進行綜合分析評價，旨在尋找最佳的增強高光譜遙感圖像空間分辨率的融合算法，以提高高光譜圖像計算機分類的精度。

1研究方法

1.1遙感數據融合

遙感數據融合是將那些在空間或時間上冗余或互補的多源遙感圖像數據按一定的規則（或算法）進行運算處理，以獲得比任何單一數據更精確、更豐富的信息，從而生成一幅具有新的空間、波譜、時間特征的合成圖像[2-4]。遙感數據融合通常可分為3個層次：像元級融合、特征級融合和決策級融合。其中像元級融合強調不同圖像信息在像元基礎上的綜合及必須進行基本的地理編碼，即對柵格數據進行相互間的幾何配準，在各像元一一對應的前提下進行像元級的合并處理，以改善圖像處理的效果，使特征提取、圖像分割等工作在更準確的基礎上進行，并可獲得更好的圖像視覺效果[2]。由于像元級融合是基于最原始的圖像數據，能最大限度地保留圖像原有的真實感，以提供其他融合層次所不能提供的細微信息，故其一直是遙感圖像融合研究的熱點。本文所提及的遙感數據融合均指像元級的圖像數據融合。

目前，遙感數據融合的方法可分為4類：光譜變換、頻率的濾波、代數和多分辨率變換。1）基于光譜變換的融合方法，是將多光譜波段轉換到另一光譜域，并用全色高空間分辨率圖像替換其中的相關波段，然后通過反變換回到原始光譜域。其具體方法有彩色變換、主成分變換、GramSchmidt變換等。2）基于頻率的濾波融合方法，是在提取高空間分辨率圖像的高頻結構信息的基礎上，與多光譜波段圖像融合，使得在提高后者空間分辨率的同時保持其原有豐富的光譜信息。其具體方法有高通濾波、平滑調節濾波等。3）基于代數的融合方法，是通過加、減、乘、除及混合運算或對各波段圖像數據間的相關性進行加權運算來獲得融合圖像，可不同程度地消除大氣影響，增強相關的信息特征。其具體方法有加權平均法、Brovey變換等。4）基于多分辨率變換的融合方法，是先將參加融合的原圖像作多分辨率分解；然后將各相應層上的分解系數按一定的融合規則進行合成處理而得到融合系數；最后將融合系數進行多分辨率逆變換得到融合圖像。其具體方法有金字塔分解融合法、小波變換融合法等。

1.2高光譜與高空間分辨率圖像融合的特點及方法

高光譜遙感以多達數百個的納米量級寬度的窄波段對目標實施連續的光譜成像，由此可獲得地物在一定范圍內連續而精細的光譜曲線，故能充分利用地物不同波段光譜響應特征的微小差異來實現對地物的精細探測。但由于受制于制造技術及高光譜成像本身的特點，當前航天高光譜圖像的空間分辨率還不夠高，由此給對地物的精確識別與分類帶來一定的困難。鑒于此，研究高光譜分辨率圖像與高空間分辨率圖像的融合將具有十分重要的意義。高光譜遙感圖像與高空間分辨率遙感圖像融合的目的不僅在于提高高光譜圖像數據的空間分辨率，還應盡量保持高光譜圖像原有的光譜信息和波形形態，且仍可為超多窄波段的圖像數據，即所要得到的是高空間分辨率的高光譜圖像。采用常規方法進行高光譜圖像融合的困難在于：隨著波段數目的增加，高光譜圖像不僅數據量呈指數級增加，且其數據的特征空間維度及信息冗余度也在增大，海量的遙感數據及其衍生數據正極大地挑戰常規方法的數據解析能力。由此可見，傳統的多光譜遙感圖像融合方法不宜直接應用于高光譜遙感圖像融合，尋求適合于高光譜圖像的融合方法是高光譜遙感應用的一個有意義的研究方向。

由以上分析可知，高光譜數據的特點要求融合處理算法應能同時提高n個光譜波段的空間分辨率，且同時應盡量保留原始的光譜信息。在上述所列舉的9種具體的遙感圖像融合方法中，彩色變換和Brovey變換這兩種融合方法因僅能用于3個波段的多光譜圖像與全色波段圖像的融合，故不適用于高光譜圖像；主成分變換融合方法是把信息量最大的第一主成分替換掉，故難免會造成一定的光譜失真；高通濾波融合方法因采用大小固定的濾波器，故難以對圖像數據進行任意尺度的分解，且融合圖像仍包含較大的噪聲；金字塔分解融合方法雖能對不同傳感器的圖像進行較好的融合運算，但因其層間分解量之間具有相關性而導致其融合結果不夠理想。因此，本文舍棄這5種方法而選用其余4種方法對Hyperion高光譜圖像和ALI全色波段圖像進行融合：即基于光譜變換的GramSchmidt光譜銳化融合法、基于頻率的平滑調節濾波融合法、基于代數的加權平均融合法和基于多分辨率變換的小波變換融合法，并對這4種方法的融合效果進行綜合評價與分析，旨在尋找最佳的增強高光譜遙感圖像空間分辨率的融合算法，以改善高光譜圖像的空間解析特性，且同時能最大限度地保持其原有的光譜物理特性和波形形態。

1.3.4小波變換融合法

小波變換（Wavelet Transformation， WT）建立于傅里葉分析基礎之上，具有良好的時頻局部化特點，因而能有效地從信號中獲取信息。它通過伸縮、平移等運算功能對函數或信號進行多尺度的細化處理與分析，解決了傅里葉變換所不能解決的很多難題，故被稱為“數學顯微鏡”，而正是這種特性使小波變換具有對信號的自適應性[11]。

小波變換將原始圖像分解成一系列具有不同空間分辨率和不同頻率特性的子圖像，低頻分量反映的是圖像的整體視覺信息，而高頻分量反映的則是圖像的細節特征。將高空間分辨率圖像的高頻分量與相應的多光譜圖像的低頻分量組合并進行小波重建，所得到的融合圖像既能保留高空間分辨率圖像的空間結構信息，又能融合多光譜圖像豐富的光譜信息，可提高遙感圖像的解譯能力和分類精度。但由小波變換得到的融合圖像會隨小波分解尺度的增大而出現明顯的方塊效應，且小波在表達圖像邊緣的方向特性方面也存在一定的缺陷[12]。

3融合算法綜合評價與分析

以下從定性、定量和分類精度這3個方面對這些融合圖像的效果進行綜合評價和對比分析，從而確定適合EO1高光譜與全色圖像融合的最佳方法。

3.1定性評價

分別將上述子區1和子區2采用4種方法獲得的融合圖像與高光譜源圖像進行比對，發現融合后的圖像在視覺效果上均有很大改善，且圖像的空間紋理信息也都有顯著提升，可較好地反映圖像的細節特征。由此可見，圖像經此融合后，都能在較大程度地保持源有光譜信息的同時提高了空間分辨率。在這4種融合方法中，GSSS融合方法獲取的融合圖像效果最好，其整體視覺與原始圖像相差不大，尤其水體等地物的色調差異較小，道路、建筑物和植被等信息亦較清晰；SFIM融合方法次之；WAM融合方法使圖像變亮；WT融合方法使圖像變暗（如圖5）。此外，SFIM和WT方法的融合圖像存在較明顯的邊界模糊現象，尤其后者的模糊程度更為明顯。

進一步隨機選某一波段（如第48波段），對比融合前后圖像在該波段的水平方向光譜剖面曲線。由于兩個子區光譜剖面曲線的對比特征基本一致且受篇幅限制，故以下僅給出子區1的曲線結果（如圖6）。從圖6中可見，各種融合方法融合后的圖像與原始高光譜圖像在形態上基本一致，且因圖像空間分辨率的提高，光譜波動的細節均得到明顯的刻畫。其中：GSSS融合方法的光譜保真性最好，其水平光譜剖面曲線與源光譜圖像的水平光譜剖面曲線吻合度較高；SFIM融合方法次之；WAM和WT融合方法的水平光譜剖面線中存在某些局部反射率值的放大或縮小。

由表2可見，無論采用何種分類方法，高光譜融合圖像的總體分類精度及Kappa系數均比高光譜源圖像高，由此表明融合圖像的分類效果要優于源圖像；無論對高光譜源圖像或融合圖像進行分類，支持向量機分類方法的總體分類精度及Kappa系數均高于其他幾種分類方法，由此表明Hyperion高光譜圖像采用支持向量分類方法要優于其他幾種分類方法。

4結語

受制于成像原理及制造技術等因素，航天高光譜遙感圖像的空間分辨率相對較低。解決這一問題的思路在于：將高光譜圖像與高空間分辨率圖像進行融合處理，由此可提高高光譜遙感數據的空間分辨率，并較好地保持其光譜物理特性和波形形態。本研究著眼于高光譜圖像和高空間分辨率圖像各自的特點，開展了對Hyperion高光譜圖像和ALI全色波段圖像的一系列融合與分類實驗。選用4種融合方法對實驗區數據進行融合：即GramSchmidt光譜銳化融合法、SFIM變換融合法、WAM融合法和WT融合法，并分別從定性、定量和分類精度這3方面對這些方法的融合效果進行綜合評價與分析。

實驗結果顯示，從圖像融合效果看，在所采用的4種融合方法中，GramSchmidt光譜銳化融合法的效果最好；從圖像分類效果看，基于融合圖像的分類效果要優于基于源圖像的分類效果。由此表明，對于EO1高光譜與全色圖像的融合，GramSchmidt光譜銳化融合法是最佳融合方法，該方法不僅能較大程度地保留高光譜圖像中原有的光譜信息，同時也增強了其空間結構信息，由此可為提高高光譜遙感圖像的清晰度、可靠性及圖像的地物識別和分類的準確性提供有力的支持。

參考文獻：

[1]ZHANG B. Hyperspectral data mining supported by temporal and spatial information [J]. Beijing： Chinese Academy of Sciences， Institute of Remote Sensing Applications， 2002.（張兵.時空信息輔助下的高光譜數據挖掘 [D].北京：中國科學院遙感應用研究所，2002.）

[2]ZHAO Y. Analysis principles and methods of remote sensing applications [M]. Beijing： Science Press， 2003.（趙英時.遙感應用分析原理與方法 [M].北京：科學出版社，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.（李存軍，劉良云，王紀華，等.兩種高保真遙感影像融合方法比較[J].中國圖象圖形學報，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算法的融合影像分類研究 [J].武漢大學學報：信息科學版，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.（童慶禧，張兵，鄭蘭芬.高光譜遙感――原理、技術與應用 [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，楊宗凱.實用小波分析 [M].西安：西安電子科技大學出版社，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.（滿旺，袁瑩，黃于同.一種基于曲波變換的遙感圖像融合新算法[J].長江大學學報：自然科學版，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.（吳培中.從地球觀測1衛星看21世紀衛星新技術[J].國際太空，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.（劉婷，程建.小波變換和稀疏表示相結合的遙感圖像融合[J].中國圖象圖形學報，2013，18（8）：1045-1053.）

第2篇：高光譜遙感原理技術與應用范文

關鍵詞：遙感水質監測遙感數據

1水體遙感監測的基本理論

1.1水體遙感監測原理、特點。影響水質的參數有：水中懸浮物、藻類、化學物質、溶解性有機物、熱釋放物、病原體和油類物質等。隨著遙感技術的革新和對物質光譜特征研究的深入，可以監測的水質參數種類也在逐漸增加，除了熱污染和溢油污染等突發性水污染事故的監測外，用遙感監測的水質數據大致可以分為以下四大類：渾濁度、浮游植物、溶解性有機物、化學性水質指標。

利用遙感技術進行水環境質量監測的主要機理是被污染水體具有獨特的有別于清潔水體的光譜特征，這些光譜特征體現在其對特定波長的光的吸收或反射，而且這些光譜特征能夠為遙感器所捕獲并在遙感圖象中體現出來。如當水體出現富營養化時，浮游植物中的葉綠素對近紅外波段具有明顯的“陡坡效應”，故而這類水體兼有水體和植物的光譜特征，即在可見光波段反射率低，在近紅外波段反射率卻明顯升高。

1.2水質參數的遙感監測過程。首先，根據水質參數選擇遙感數據，并獲得同期內的地面監測的水質分析數據。現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，遙感信息表現的不甚明顯，要對遙感數據進行一系列校正和轉換將原始數字圖像格式轉換為輻射值或反射率值。然后根據經驗選擇不同波段或波段組合的數據與同步觀測的地面數據進行統計分析，再經檢驗得到最后滿意的模型方程（如圖）。

圖1：遙感監測水質步驟簡圖

2水質遙感監測常用的遙感數據

2.1多光譜遙感數據。在水質遙感監測中常用的多光譜遙感數據，包括美國Landsat衛星的MSS、TM、ETM 數據，法國SPOT衛星的HRV數據，氣象衛星NOAA的AVHRR數據，印度遙感IRS系統的LISS數據，日本JERS衛星的OPS(光學傳感器)接收的多光譜圖像數據，中巴地球資源1號衛星（CBERS--1）CCD相機數據等。

Landsat數據是目前應用較廣的數據。1972年Landsat1發射后，MSS數據便開始被用于水質研究中。如解亞龍等用MSS數據對滇池懸浮物污染豐度進行了研究，明確了遙感數據與懸浮物濃度的關系；張海林等用MSS和TM數據建立了內陸水體的水質模型；Anne等人用TM和ETM 數據對芬蘭的海岸水體進行了研究。

SPOT地球觀測衛星系統，較陸地衛星最大的優勢是最高空間分辨率達10m。SPOT數據應用于水質研究中，學者們也做了一些研究。如可以利用SPOT數據來估算懸浮物質濃度和估計藻類生物參數。

AVHRR(高級甚高分辨率輻射計)是裝載在NOAA列衛星上的傳感器，每天都可以提供可見光圖像和兩幅熱紅外圖像，在水質監測等許多領域廣泛應用，如1986年，國家海洋局第二海洋研究所用NOAA數據對杭州灣懸浮固體濃度進行了研究。

2.2高光譜遙感數據

2.2.1成像光譜儀數據。成像光譜儀也稱高光譜成像儀，實質上是將二維圖像和地物光譜測量結合起來的圖譜合一的遙感技術，其光譜分辨率高達納米數量級。國內外的學者主要利用的有：美國的AVIRIS數據、加拿大的CASI數據、芬蘭的AISA數據、中國的PHI數據以及OMIS數據、SEAWIFS數據等進行了水體水質遙感研究，對一些水質參數，如葉綠素濃度、懸浮物濃度、溶解性有機物作了估測。

2.2.2非成像光譜儀數據。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。如對我國太湖進行水質監測時，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個通道的數據用于水質光譜分析。并且非成像光譜儀與星載高光譜數據的結合，可望研究出具有一定適用性的水質參數反演模型。

2.3新型衛星遙感數據。新的衛星陸續升空為水質遙感監測提供了更高空間、時間和光譜分辨率的遙感數據。如美國的LandsatETM 、EO--1ALI、MODIS，歐空局的EnvlsatMERIS等多光譜數據和美國的EO-1Hyperion高光譜數據。Koponen用AISA數據模擬MERIS數據對芬蘭南部的湖泊水質進行分類，結果表明分類精度和利用AISA數據幾乎相同；Hanna等利用AISA數據模擬MODIS和MERIS數據來研究這兩種數據在水質監測中的可用性時發現；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數據得到的算法精度并不高。Sabine等把CASI數據和HyMap數據結合，對德國梅克萊堡州湖區水質進行了監測，為營養參數和葉綠素濃度的定量化建立了算法。

3水質遙感存在的問題與發展趨勢

3.1存在的問題：①多數限定于定性研究，或進行已有的航空和衛星遙感數據分析，卻很少進行定量分析。②監測精度不高，各種算法以經驗、半經驗方法為主。③算法具有局部性、地方性和季節性，適用性、可移植性差。④監測的水質參數少，主要集中在懸浮沉積物、葉綠素和透明度、渾濁度等參數。⑤遙感水質監測的波段范圍小，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的研究。

3.2發展趨勢

3.2.1建立遙感監測技術體系。研究利用新型遙感數據進行水質定量監測的關鍵技術與方法，形成一個標準化的水安全定量遙感監測技術體系，針對不同類型的內陸水體，建立多種水質參數反演算法，實現實驗遙感和定量遙感的跨躍，從中獲得原始創新性的成果。

3.2.2加強水質遙感基礎研究。加深對遙感機理的認識，特別是水質對表層水體的光學和熱量特征的影響機理上，以進一步發展基于物理的模型，把水質參數更好的和遙感器獲得的光學測量值聯系起來；加深目視解譯和數字圖象處理的研究，提高遙感影象的解譯精度；增強高光譜遙感的研究，完善航空成像光譜儀數據處理技術。

3.2.3開展微波波段對水質的遙感監測。常規水質遙感監測波段范圍多數選擇在可見光或近紅外，尤其是缺乏微波波段表面水質的研究情況。將微波波段與可見光或近紅外復合可提高對表面水質參數的反演能力。

3.2.4拓寬遙感水質監測項。現階段水質遙感局限于某些特定的水質參數，葉綠素、懸浮物及與之相關的水體透明度、渾濁度等參數，對可溶性有機物、COD等參數光譜特征和定量遙感監測研究較少，拓寬遙感監測項是今后的發展趨勢之一。應加強其他水質參數的光譜特征研究，以擴大水質參數的定量監測種類，進一步建立不同水質參數的光譜特征數據庫。

3.2.5提高水質遙感監測精度。研究表明利用遙感進行水質參數反演，其反演精度、穩定度、空間可擴展性受遙感波段設置影響較大，利用星載高光譜數據進行水質參數反演，對其上百的波段寬度為10nm左右的連續波段與主要水質參數的波譜響應特性進行研究，確定水質參數診斷性波譜及波段組合，形成構造水質參數遙感模型和反演的核心技術，提高水質監測精度。

3.2.6擴展水質遙感監測模型空間。系統深入的研究水質組分的內在光學特性，利用高光譜數據和中、低分辨率多光譜數據進行水質遙感定量監測機理研究，進行水質組分的

定量提取和組分間混合信息的剝離，消除水質組分間的相互干擾，建立不受時間和地域限制的水質參數反演算法，形成利用中內陸水體水質多光譜遙感監測方法和技術研究低分辨率遙感數據進行大范圍、動態監測的遙感定量模型。

3.2.7改進統計分析技術。利用光譜分辨率較低的寬波段遙感數據得到的水質參數算法精度都不是很高，可以借鑒已在地質、生態等領域應用的混合光譜分解技術，人工神經網絡分類技術等，充分挖掘水質信息，建立不受時間和地域限制的水質參數反演算法，提高遙感定量監測精度。

3.2.8綜合利用“3S”技術。利用遙感技術視域廣，信息更新快的特點，實時、快速地提取大面積流域及其周邊地區的水環境信息及各種變化參數；GPS為所獲取的空間目標及屬性信息提供實時、快速的空間定位，實現空間與地面實測數據的對應關系；GIS完成龐大的水資源環境信息存儲、管理和分析。將“3S”技術在水質遙感監測中綜合應用，建立水質遙感監測和評價系統，實現水環境質量信息的準確、動態快速，推動國家水安全預警系統建設。參考文獻：

[1]張繼賢，喬平林.水資源環境遙感監測與評價[M].北京:測繪出版社，20__.

[2]謝歡，童小華.水質監測與評價中的遙感應用[J].遙感信息，20__.

[3]齊峰，王學軍.內陸水體水質監測與評價中的餓遙感應用[J].環境科學進展，1999.

[4]解亞龍，李勃，王星捷等.滇池懸浮物污染豐度的遙感檢測分析[J].昆明理工大學學報，20__.

[5]張海林，何報寅.遙感應用于湖泊富營養化評價的研究[J].上海環境科學，20__.

[6]劉燦德，何報寅.水質遙感監測研究進展[J].世界科技研究與發展，20__.

[7]萬余慶，張鳳麗，閆永忠.高光譜遙感技術在水環境監測中的應用研究[J].國土資源遙感，20__.

[8]周藝，周偉奇，王世新等.遙感技術在內陸水體水質監測中的應用[J].水科學進展，20__.

[9]李嶸.遙感技術在水環境監測中的應用研究[J].江西化工，20__.

[10]顧先冰，司群英.國內外遙感衛星發展現狀[J].航天返回與遙感，20__.

作者簡介：

第3篇：高光譜遙感原理技術與應用范文

【關鍵詞】海上溢油；遙感；監測

中圖分類號：C35文獻標識碼： A

0.引言

在各類海洋污染中，造成主要污染的因素就是海上溢油。由于輪船的碰撞、海上油井的破裂、翻船、海底油田泄露等各種不同的意外事故，造成大海大面積的石油污染，不僅損害海洋、自然環境，對生態環境、人體健康也是一種危害。溢油對海洋的污染已經引起了各國政府的重視，很多國家都建立了海上溢油的探測系統，對近海領域進行巡視、監測和管理。一旦發生溢油事故，能夠在最短的時間內了解到溢油發生的位置以及擴散趨勢。通過建立完整的監測系統，大范圍有效了解海洋面積的動態信息，對于海洋溢油污染進行定量分析，準確反映溢油污染的情況與程度。

1.遙感技術監測海上溢油范圍

海面發生溢油災害后，溢油區域水面的電磁波譜特性發生變化，相對于沒有石油區域的水面有明顯差別，利用這種光譜特性的差異可以劃分油水分界線，從而確定溢油范圍。

1.1可見光、近紅外紅外遙感技術

利用可見光、近紅外紅外波段的遙感監測技術是我國針對溢油污染發展最為成熟的監測技術。在其波段的范圍內，入射物表面的電磁波與物體發生光學作用，監測系統的傳感器通過記錄來源物與入射電磁波發生的反射作用，由于物體不同，對電磁波的反射率也不同。實驗表明，油種的類型以及厚度都會對海面油膜的光譜曲線造成影響，衛星遙感的最佳敏感波段也存在差異[1]。

1.2微波雷達遙感技術

合成孔徑雷達（synthetic aperture radar，SAR）和側視機載雷達（side-looking radar，SLAR）是微波雷達的遙感技術用于溢油范圍監測的兩種雷達。前者是利用多普勒效應，依靠短天線達到高空間分辨率。后者是一種傳統雷達，造價低，空間分辨率與天線長度成正比。現階段，合成孔徑雷達已經被廣泛運用到溢油范圍監測。SAR傳感器通過接收儀器發出的電磁波信號，對物體進行識別。海面的毛細波是可以反射雷達的波束，從而造成海面雜波，在SAR傳感器的圖像上呈現亮圖像，油膜覆蓋海水表面，致使雷達傳感器接收到的波束減少，無法在SAR傳感器上體現亮的顏色。

2.遙感技術監測海上溢油類型

如何判斷海面上的溢油類型，是遙感技術中的模式識別問題，也是遙感監測中較難實現的問題。

2.1激光熒光遙感技術

激光熒光法是利用激光作為激勵光源，激發物質的熒光效應，利用物質的熒光光譜作為信息的參照，通過SAR傳感器的監測，進行輸入遠的熒光光譜分析方法。當物質被光波照射時，基態的物質分子吸收光能量，由原來的能級躍轉移到較高的第一電子單線激發態或者第二電子激發態。所謂的熒光效應，就是指通常情況下，轉移的電子會急劇地降落，降至最低振動能級，并且以光的形式釋放能量。每種物質的熒光譜不同，由于石油油膜中所含有的熒光基質種類的不同以及各種基質比例不同，在相同激光照射條件下所反饋的熒光也不同，熒光譜通常具有不同的強度和形狀，這就是激光熒光遙感技術鑒別溢油種類的原理[2]。

2.2紅外偏振遙感技術

作為一種新穎的遙感監測手段，被動傅里葉變換紅外遙感（Fourier transform infrared spectroscopy，FTIR）是一種檢測多原子分子的方法，可以實現多組目標的同時進行檢測與鑒別。這和傳統的紅外遙感技術不同，紅外偏振遙感技術是能夠獲取物質表面的狀態以及物質的信息等相關偏振信息，這樣有助于識別石油的種類。

2.3高光譜遙感技術

在針對溢油種類進行檢測時，需要得到足夠多的光譜信息，高光譜遙感技術是以其寬度與龐大的波段數量為主要特點，使其成為溢油種類的一種可行手段。通過光譜混合分析的方法對溢油高光譜數據進行研究分析。利用Hyerion高光譜衛星數據進行溢油監測研究，對多種原油的高光譜波譜進行分析，同時利用GA-PCA特征進行提取法與SAM-SFF方法對不同的油種的高光譜波進行提取，以達到鑒別油種的差異。

3.遙感技術監測海上溢油量

溢油量取決于溢油油膜的厚度，根據油膜的厚度對其進行分布以及估算，可以大致得出溢油總量。

3.1紫外遙感技術

紫外遙感技術是通過紫外傳感器油膜油層進行探測，對于小于0.05um的薄油層即使在紫外波段也具有很高的反射，通過紫外光與紅外光的疊加，大致可以得到油膜的厚度。但是，紫外遙感技術有一個很大的缺點，就是紫外遙感很容易受到外界環境因素的干擾，一旦受到外界因素的干擾紫外遙感就很容易出現虛假信息。

3.2熱紅外遙感技術

由于油膜在吸收太陽輻射之后會將一部分能量以熱能的形式進行釋放，所以采用熱紅外遙感技術，這種技術中紅外波段包含地物的溫度信息，所以能夠辨別油層的厚度，較厚油層表現為“熱”的特性，中等厚度油層表現為“冷”的特性。經相關研究表明，發生“冷”、“熱”的油膜厚度范圍大致為50-150um之間，而這種技術的最小探測油層厚度大約為20-70um之間，由于厚度的區間很小，所以SAR傳感器的敏感性因此受到限制[3]。

3.3微波雷達遙感技術

由于海洋的海水本身會發射微波輻射，而海上溢油發生以后油膜區域會發射比海水更強的微波信號，水的微波輻射發射率約為0.4，而油的發射率約為0.8，因此在海水背景中，溢油區域呈現亮信號，并且信號強弱與油膜厚度具有一定的比率。通過微波雷達遙感技術監測溢油量，一方面能夠監測海上溢油的范圍，一方面可以通過被動式的微波輻射大致計算油膜厚度。但是，我國這方面的技術還不是很發達，油膜厚度的微波遙感定量技術受到環境、傳感器等多方面因素的影響，其精度仍然有待提高[4]。

4.結語

本文介紹了海上溢油的三大監測指標，海上溢油監測指標分為溢油范圍、溢油類型和溢油量。但是，針對溢油類型和溢油量的監測技術仍不成熟，隨著我國海上溢油監測系統的不斷完善，溢油遙感技術不斷發展，為實現全面監測海上溢油指標而不懈努力。

【參考文獻】

[1]李棲筠，陳維英，肖乾廣,等．老鐵山水道溢油事故衛星監測[J].環境遙感，2010，9（4）：256-262.

[2]李四海．海上溢油遙感探測技術及其應用進展[J].遙感信息，2012,03（2）：:53-56.

第4篇：高光譜遙感原理技術與應用范文

Vol.43No.3

紅外與激光工程

Infrared and Laser Engineering

2014年3月

Mar .2014

基于高光譜數據的葉面積指數遙感反演

李子揚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.中國科學院光電研究院定量遙感信息技術重點實驗室，北京100094；2. 中國科學院大學，北京100049；3. 中國運載火箭技術研究院，北京100076；

4. 魯東大學地理與規劃學院，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

道設置，模擬高光譜冠層反射率數據；利用模擬數據深入分析了不同植被指數與葉面積指數之間的敏感性；通過敏感性分析發現改進型葉綠素吸收植被指數(MCARI2)具備抗土壤背景因素的影響能力，而且對葉面積指數較為敏感，因此該研究建立植被指數MCARI2與葉面積指數之間的經驗統計模型，并用于高光譜數據進行葉面積指數反演；最后利用飛行同步測量的葉面積指數對反演模型進行精度分析。結果表明：相比實測葉面積指數，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。

關鍵詞：葉面積指數；植被指數；高光譜數據中圖分類號：TP701

文獻標志碼：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)；國家自然科學基金(41101330，41371353，40901176，41271342)

作者簡介：李子揚(1977-)，男，研究員，碩士生導師，博士，主要從事遙感地面系統及遙感應用方面的研究。Email:zyli@aoe.ac.cn通訊作者：錢永剛(1980-)，碩士生導師，博士，主要從事定量遙感地表參數反演及應用方面的研究。Email:qianyg@aoe.ac.cn

第3期

李子

揚等：基于高光譜數據的葉面積指數遙感反演

945

反演過程的流程圖。

0引言

葉面積指數(LeafArea Index ，LAI) 是表征植被冠層結構最基本的參數之一，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葉面積的一半[2]。目前大區域范圍內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驗統計法和物理模型反演法。

經驗統計方法從植被獨有的光譜特征出發，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，進而利用植被指數與LAI 的統計關系進行反演。該類方法形式簡單，需要的參數少，被廣泛應用于局部LAI 參數反演，并發展了基于多種植被指數(如歸一化植被指數[3]或者改進葉綠素吸收指數) 的反演模型。然而該方法缺乏物理基礎，建

[4]

圖1植被指數方法反演葉面積指數流程圖

Fig.1Flowchart of leaf area index retrieval from vegetation index

文中通過PROSPECT 和SAILH 模型聯合模擬植被冠層反射率，在此基礎上分析了不同條件下8種植被指數與LAI 的敏感性，選取其中最敏感的葉綠素吸收植被指數(MCARI2)并建立其與LAI 之間的經驗統計模型。基于該模型和無人機獲取的高光譜遙感數據，反演得到研究區的LAI ，最后利用實測不同地物類型的LAI 數據對反演結果進行了驗證，并給出了精度分析。

立的經驗關系僅適用于特定的時間和區域。相對而言，物理模型反演法從植被的輻射傳輸原理出發，具備較強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模型法、輻射傳輸模型法以及混合模型法。幾何光學模型法考慮了植被冠層的二向性反射，但沒有考慮冠層內多次散射；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，盡管可加入熱點效應模型[6]，仍難以直接得到LAI 的解析解。由于不同方法具備獨特的優勢，近年來出現了各種混合模型，如基于物理模型與統計模型相結合的核驅動模型，取得了較好的反演精度。還出現了查找表法和非參數方法(如神經網

[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)得到大量模擬數據，為

LAI 反演模型建立提供數據源。

(1)PROSPECT 模型

PROSPECT 是一個基于“平板模型”的輻射傳輸模型。該模型以植被結構參數、葉片色素含量、等效水厚度和干物質含量為輸入參數，能夠模擬葉片從

絡方法等) 。

中國科學院光電研究院牽頭在內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，能夠利用驗證場開展光學、

400~2500nm 的上、下行輻射通量，進而得到葉片的光學特性，即葉片的反射率和透射率[8]。該模型輸入參數較多，并且部分參數沒有實測方法，參數設置帶有主觀經驗性。Jacquemoud 等人根據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構參數的均值約為1.4[9]。Haboudane 等人將等效水厚度、干物質含量和葉肉結構參數分別設置為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“無人機遙感載荷綜合驗證系統”對內蒙古包頭驗證場無人機高光譜遙感載荷數據開展葉面積指數反演研究。

1方法

植被指數法是建立不同植被類型的植被指數與

LAI 之間的經驗統計關系實現遙感反演。植被指數法是一種經驗性方法，因而要求研究區內有足夠的資料。文中研究基于植被指數方法反演LAI ，圖1是

Experiment) 植物生化參數數據庫作為PROSPECT 模型輸入參數的選擇基礎。該數據庫是由歐盟委員會聯合中心的空間應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。數據體現了葉片內部結構、色素含量、水分含量和其他組分含量的多樣性。能夠保證參數設置的合理性。

致植被指數與LAI 經驗的關系不一致且系數各異。考慮到無人機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分析

(2)SAILH 模型

SAILH 模型是在SAIL(Scatteringby Arbitrarily Inclined Leaves) 模型的基礎上加入了熱點效應發展而來的。通過求解四流線性微分方程組以及引入考慮冠層熱點效應的雙向相關概率模型，進而計算連續植被冠層的方向反射率。SAILH 模型的輸入參數包括角度參數、結構參數和光譜參數三部分，其中

LAI 與植被指數的敏感性[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；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參數，針對角度參數，文中研究采用無人機飛行中的觀測角度、太陽角度等信息；結構參數主要有LAI 、葉傾角分布函數、熱點因子，其中LAI 取值范圍為0.2~

(LAI)；Y 為因變量(光譜反射率/植被指數等) 。歸一化敏感性分析函數的含義是參數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；葉傾角分布函數采用橢球體葉傾角分布參數。1.2植被指數

現有用于反演LAI 的植被指數種類繁多，文中分析了較為常用的8種植被指數(見表1) 。

表1植被指數計算公式

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，下標表示特定的波長。

1.3植被指數與LAI 敏感性分析

不同植被指數所考慮到的因素各不相同，因此土壤背景反射率、植被結構和葉綠素含量等因素導

圖2基于歸一化敏感性函數的植被指數與葉面積指數的敏感性

Fig.2Sensitivity of leaf area index to vegetation indexes with

normalized sensitivity analysis

第3期

李子

揚等：基于高光譜數據的葉面積指數遙感反演

947

指數的敏感性隨著LAI 增大先增大后減小；RDVI 和表反射率需要經過大氣校正。利用大氣輻射傳輸模型逐像元進行大氣校正是非常復雜的計算，需要占用大量的計算機時間和資源。因此，文中研究根據無人機高光譜成像儀的性能特點，通過大氣輻射傳輸模型MODTRAN 建立了以氣溶膠光學厚度、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查找表。利用與飛行試驗同步探空氣球測量的氣溶膠光學厚度和大氣水汽含量，結合太陽以及無人機載荷觀測的幾何參數(天頂角、方位角等) ，基于大氣參數查找表反演無人機高光譜數據地表反射率。

NDVI 的敏感性最弱；MCARI 和SR 的敏感性最強，MCARI2和MSR 次之；隨著土壤亮度的增強，MCARI 、SR 和MSR 的敏感性增強，MCARI2和MSAVI 對土壤背景表現出很小的敏感性。顯然，各種植被指數對小于3的LAI 表現出最大的敏感性。同時可以看出，當LAI 范圍在2.5~3.0時，NDVI 、

RDVI 、MCARI 、SAVI 和MSAVI 基本達到飽和狀態；MSAVI 和MCARI2對土壤背景的敏感性最弱，盡管SR 和MSR 表現出更高的飽和性，但是當LAI 在小于3.5時對土壤背景影響敏感。

相比其他植被指數，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反演無人機高光譜數據的LAI 。兩者之間的統計模型采用如下形式：

LAI 反演時需要依據不同植被類型進行模型建模，因此，首先采用監督分類方式對無人機高光譜數據進行了分類(見圖3) 。

LAI=a ×exp(b ×MCARI2)+c ×exp(d ×MCARI2) (2)

式中：a ，b ，c ，d 為擬合系數。擬合系數的獲取方法如下：利用不同LAI 值，結合葉片和冠層輻射傳輸模型

(PROSPECT+SAILH)模擬冠層反射率數據，進而構建植被指數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。

圖3無人機高光譜載荷地表分類圖

Fig.3Classification of the UAV hyperspectral data

2數據

2.1無人機高光譜數據和地面測量數據

2011年9月3日，基于863項目“無人機遙感載荷綜合驗證系統”，由中國科學院光電研究院組織在內蒙古(包頭烏拉特前旗，經度：109.53°，緯度：40.88°) 開展了光學載荷科學試驗飛行。此次試驗沿飛行航線布設了經過嚴格測試的多種用途靶標，并同步獲取了靶標地面光譜測量數據及場地氣象參數數據，用于開展光學載荷輻射、幾何、光譜性能定標與評價的工作。無人機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結果與分析

3.1葉面積指數反演結果

根據無人機高光譜數據的特點，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(詳見表2) 。

表2不同植被類型下MCARI2與LAI 的擬合系數

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業示范區開展。同時，飛行過程中在農業示范區內利用葉面積指數儀(LAI2200) 采集了3種作物(馬鈴薯、向日葵、玉米) 共13組的LAI 測量數據。考慮到作物的非均一性，每組試驗測量3次，取其平均值作為驗證數據。

2.845e-717.19

21.3611.215.9

Sunflower 4.353e-9Corn Potato

7.821e-55.919e-7

2.2載荷數據處理

機載平臺載荷傳感器獲得的輻射亮度轉換為地

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，再耦合無人機高光譜成像儀通道響應函數模擬出無人機高光譜地表反射率數據，并建立不同植被類型的LAI 反演模型，最終將模型應用于真實無人機高光譜數據中反演出地物的LAI ，圖4是利用2011年9月3日的無人機高光譜數據反演的LAI 結果。

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無人機葉面積指數地面實測反演結果圖

Fig.6Measured and retrieved LAI from UAV hyperspectral data

圖4北方場無人機葉面積指數反演結果

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：從地面測試實驗中可以發現，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”信息，尺度效應問題影響了LAI 的對比精度；其次，地面測試過程中發現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 反演精度產生影響；同時，植物生化數據庫(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，對驗證結果的精度也會產生一定的影響。

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據對反演模型進行評價。為了檢驗LAI 反演的模型精度，通過模擬數據對LAI 反演模型進行了模型精度評價。利用PROSPECT 和SAILH 模型模擬的地表反射率數據反演出不同地物的葉面積指數，再與輸入到

PROSPECT 和SAILH 模型中的LAI 進行對比，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是利用高光譜數據反演LAI 的誤差結果圖，可以看出，LAI 的反演誤差均在7%以內。

4總結

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 與植被指數的敏感性。發現常用于LAI 反演的歸一化差值植被指數(NDVI)受土壤背景因素影響嚴重，而且當LAI>2時，基本處于飽和狀態。此研究建立了具備抗土壤背景影響、對LAI

圖5高光譜葉面積指數反演模型精度評估結果

敏感的改進型葉綠素吸收植被指數(MCARI2)與LAI 之間的經驗統計模型，并成功用于無人機高光譜數據的LAI 反演。經實測數據驗證表面，模型反演結果可以取得比較好的精度。盡管如此，考慮到經驗統計方法的局限性，所建立的經驗關系是針對特定的時

間和研究區

，

模型不具備普適性。今后對MCARI2的應用范圍還需要進一步探討。

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。利用地面準同步測量的

LAI 驗證結果如圖6所示。相比地面實測的數據，模型反演值偏低，均方根誤差RMSE 為0.42。但反演結

第3期

李子揚等：基于高光譜數據的葉面積指數遙感反演

949

劉曉臣, 范聞捷, 田慶久, 等. 不同葉面積指數反演方法比

參考文獻：

[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].北京大學學報(自然科學版), 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

第5篇：高光譜遙感原理技術與應用范文

【關鍵詞】航測；遙感；裝備；技術；發展

引言

隨著科學技術的不斷推進與發展，航空攝影測量學也歷經多重變革，其中航測制圖的技術分為三個發展階段分別是模擬、解析與數字化。在不斷的變革中航空攝影測量儀器、相關設備、生產形式、構造理論、使用方法都在不斷革新。

1 航測裝備與技術

1.1 新型航測傳感器

1.1.1 面陣傳感器DMC

主要產品有Z/I公司的DMC和VEXCEL公司的UCD（U1traCAM-D）。以下是二者的特點優勢：

（1）Z/I Imaging與Carl Zeiss二者合作，提供鏡頭部分零件，其自身獨特的性能是畸變小、分辨率高以及勻質響應。

（2）DMC在部分零件尺寸限制上，采用了新的技術，將八臺CCD連接安置于光學光架結構內，這樣能夠有效的減少干擾，從而提高了影響的成像質量。

（3）DMC具有FMC功能，能夠在較少的光照環境中保持高分辨率，在飛機航拍的使用中不會因為速度的變化影響到成像的質量。

（4）分辨率高達12bit、彩色模型采用四頻段，在此基礎上DMC能夠完成一次性排設，同時能夠存儲影像兩千張。

1.1.2 不線陣和多線陣傳感器

瑞士LH公司與德國宇航中心DLR共同合作制成的、最具代表性的一款傳感器為ADS40，其中結構是航天傳感器材，全色波段三條、彩色波段三條以及CCD陣列傳感器，具有紅外線波段，在操作過程中能夠獲取三點影響，分別是前視、底點以及后視，其成像的特點是百分之六十的三度重疊以及連續性的立體成像。自身的儲存器是MM40，存儲能力非常雄厚，而且能夠在航測過程中記錄四個小時的數據影響信息。

1.1.3 航空三維激光掃描與成像技術（LIDAR ）

LIDAR技術中綜合了GPS、IMS以及激光測高計這三中技術，在操作過程中使用激光測距以及航空攝影測量的技術原理，在飛機上安置航空攝像機以及三維激光掃描儀器，這樣能夠保證在航測過程中盡可能多的獲取地球表面的三位信息以及影像數據。

1.2 低空航測平臺

1.2.1 超輕型飛機低空遙感平臺

超輕型飛機中安置低空數碼遙感系統時，是要滿足遙感系統操作基本要求的，超輕型飛機自身必須輕便靈活、操作簡單、運行穩定、可以不使用專用飛機機場，能夠滿足在公路、草地以及任何空曠場地降落的要求。這種遙感系統在操作過程中能夠保持航測工作連續進行三個小時，而且運輸性能非常好，遙感系統的投入成本與后期的檢修維護費用非常低廉，在操作過程中支持無遮擋垂直攝影，同時可以忽略振動以及油煙的影響。

1.2.2 無人飛行器低空遙感系統

無人飛機設備的特點：投入成本低廉、運行安全、行動敏捷、維護簡單。應用范圍：以一種理想的平臺模式被應用在軍事與民事中。新型傳感器的特點：設備體積較小、整體機具重量較輕、操作精準度較高。

1.2.3 GPS/IMU輔助航空攝影測量

GPS/IMU技術中有機融合了DGPS （ Differential GPS）以及Inertial Navigation System技術，在航測過程中能夠對移動物體進行監測，并及時獲取其空間位置以及三軸姿態的數據信息。于航空影像技術來說，這是一種更加快捷、方便的測量方式。

2 高分辨率遙感

表1列舉了幾種載有高分辨率光學傳感器的遙感衛星系統

衛星類別 EROS-l ARS-1D IKONOS-2 QuickBird-2 SPOT-5 OrbVIew3 Cartosat-1 ALOS

發射時間 2000-12- OS 1997-09-30 1999-09-24 2001一10-18 2002-OS-04 2003-06 2005-OS-OS 2006-01-24

國家 以色列 印度 美國 美國 法國 美國 印度 日本

主遙感器 CCD PAN+LISS DI 全色/多光譜 CCD 全色l多 光譜

CCD HRG/ HRS 全色l多光譜 CCD 2臺全色

CCD PRIS-MAVNIR-2 PAISAR

Pan波段

Ms波段Swir波段 /m 0.50-0.90 0.50-0.75

0.52-0.59

0.62-0.68 0.77-.0.86

1.55-1.75 0.44-0.90

0.450.52

0.520.60

0.60-0.69

0.760.90 0.44-.0.90

0.45-0.52

0.52-.0.60

0.600.69

0.76-0.90 0.51-0.73

0.50--0.59

0.61～ 0.68

0.79-0.89

1.581.75 0.45-0.90

0.45-0.52

0.52-0.60

0.6250.695

0.76 -0.90 0.50-0.85

0.520.77

0.42-0.5

0.52-0.69

0.61～ 0.69

0.76-0.89

量化等級/bit 11 7 11 11 8 11 10 8 8 5/3

地面 分辨率//m 1.8（ Pan）

5.8 （Pan ） 23（Ms） 70（ Swir ） 1.0（Pan ） 4.0（Ms） 0.61（ Pan ）

2.44（ Ms ） 2.5/5.0（ Pan ）

10（HRS） 10（Ms） 20（ Swir ） 1（pan） 4（Ms） （8） 20 2.5 2.5

幅寬/km 12.5 142 13 16.5 60（HRG） 120（ HRS ） 8

8 30 70/35

自主定位精度水平 100 m 10 m 12 m

10 m 23 m 10-15 m

10m 小于220 m

平面/ 立體成像 前后傾擺

掃描洞軌

立體成像 左右側擺

掃描/異軌

立體成像 左右側擺

掃描/異軌

立體成像 左右側擺

掃描/異軌

立體成像 左右側擺

掃描洞軌

立體成像 左右側擺

掃描/同軌

立體成像 同軌

立體成像 同軌

立體成像

高分辨率遙感衛星的技術主要分為以下幾點：

（1）高分辨率遙感衛星中光學傳感器在操作中的分辨率升至一米之內，測繪選用比例尺可以是1：10000。

（2）在遙感技術中被廣泛使用得是傳感器類型是線陣列掃描式的，這種設備自身能夠發揮較強的指向功能。

（3）技術中立體成像能力被強化，同歸立體能夠憑借單一傳感器進行獲取。

（4）操作過程中影像的精準度被提高。

3 微波遙感與高光譜遙感

微波遙感技術在操作過程中可以分為主動與被動兩種形式。高光譜的形式是由電磁光譜范圍內多窄波段傳感器獲取的圖像而構成的。在監測過程中，這種技術帶來的信息不僅僅是信息量與光譜空間信息的增加，同時對于地面環境的監測提供了更多的數據信息，也就是實現了遙感監測目標質量上的升華。

4 結論

綜上所述，是集中對新型航測遙感技術與裝備的分析，不斷發展這種檢測技術、完善設備質量與功能，用以獲取我國社會經濟可持續發展所需要的時空信息，從而為航測與遙感工作人員提供更縝密的工作環境，使之有效發揮科學技術能力。

參考文獻：

第6篇：高光譜遙感原理技術與應用范文

由于水中懸浮物微粒或者浮游生物粒子的影響，射到水體中的太陽光會被一定程度地吸收和散射。任何地物包括水體都具有光譜反射特征，遙感就是通過水體在光譜影像上的差異來判定水體污染的變化。胡舉波等研究發現，隨著懸浮物質數量的增加，光譜衰減系數不斷增大，最容易透過的波段從0．50μm附近向紅色區移動。隨著渾濁水泥沙濃度的增大和懸浮沙粒徑的增大，入射光被散射的深度變淺，水的反射率逐漸增高，其峰值逐漸從藍光移向綠光甚至向黃色變化。Gitelson等研究證明，500～600nm波段適合用來監測水體的懸浮物，700～900nm波段的反射率對懸浮物質的濃度變化最敏感，也是遙感用來估算水體懸浮物質濃度的最佳波段。通過遙感拍攝水體的圖像，觀察圖像上波峰出現的位置區域，就能夠清楚地了解水體渾濁度的變化。

1.1城市污水的監測

城市大量排放的工業廢水和生活污水中帶有大量有機物，使水質惡化。衛星遙感技術通過水體在光譜影像上的差異來判定水體污染的變化，不僅能夠實時觀察污染物的運動特點，還可以根據水中的懸浮物作為判定指示物來追蹤污染源。韓陽等針對不同濃度的3個生活污水樣本，采用二向反射光度計的方法，測定了不同樣本在2π空間的多角度偏振反射光譜數據，建立了探測方位角、光線入射角、探測天頂角、偏振角、波段等因素與所測水體的偏振數據的關系。黃妙芬等利用2006年4月6～7日在甘肅省慶陽市境內環江、柔遠和馬蓮河實測的水體波譜數據，以及化學需氧量COD測定數據，采用Fisher判別方法，建立了基于地面實測光譜數據和適用于該研究區的水環境COD遙感識別模式。水環境COD污染遙感模式的建立為從遙感影像上快速、大面積獲取COD信息提供了一種技術手段。ChuqunChen等利用衛星數據來評估珠江水質，結合綜合污染（CPI）法，測得水體COD和養分的含量，定量分析了珠江口水污染的狀況。鞏彩蘭等提出了利用多光譜、高光譜遙感技術對水環境情況進行大面積、多時相、低成本監測和評價的新方法，并通過水樣采集、光譜測量、模型建立、圖像處理、水質反演和系統演示等實現了對黃浦江和淀山湖的水環境情況的宏觀監測和評價，并驗證了該方法的有效性。通過監測水體的反射光譜數據、光譜數據，再結合實測水體的波譜數據建立相關關系和模型，實現對水體全方位快速、準確地監測。

1.2水體熱污染的監測

廢水中懸浮物千差萬別，導致特征曲線反射峰的位置和強度也不一樣。一般采用多光譜合成圖像來監測廢水污染，也可以根據溫度的差異選擇熱紅外的方法進行調查、監測。由于熱紅外傳感器對熱源比較敏感，能夠準確、有效地探測出熱污染排放源。吳傳慶等利用多時相的TM熱紅外數據對大亞灣核電站周圍的水溫場變化進行監測，通過對信息的提取分析，有效地對核電站周圍的環境影響進行了評價。石登榮等利用多時相航空熱紅外掃描，獲取水體熱輻射場變化資料，結合數學模擬，研究上海地區感潮水體熱污染的時間和空間的動態變化，建立了相應的動態方程，數學擬合的誤差平均在±2．7％左右。說明，利用航空熱紅外掃描結合數學模式，可以較好地反映水體熱污染的動態變化。采用熱紅外遙感技術對水溫變化進行時空監測，根據影像上的熱輻射信息，能夠準確地識別熱污染的分布，較好地完成對熱污染的監測和評價。

1.3水體富營養化的監測

水體富營養化是水體接納的N、P等營養元素超過了自身的最大負荷量，造成水體中浮游植物大量繁殖，這是水質富營養化的顯著標志。遙感技術根據浮游植物中的葉綠素與可見和近紅外光之間具有特殊的陡坡效應，即葉綠素含量高的地方反射率的峰值也大的現象來監測富營養化的分布范圍，然后，從彩色紅外圖像上的顏色變化來監測富營養化的污染程度。宋瑜等結合高光譜的實驗數據，建立了基于MODIS數據對太湖水體富營養化識別的模型，實現了水富營養化遙感信息的有效提取。XiaoqinXue等采用水體富營養化狀態指數（TSI）對西安渭河水體富營養化的研究證明，使用TM遙感數據對水體富營養化的遠程監測和評估是可行的。吳傳慶等研究證明，從葉綠素a和懸浮物濃度反饋角度的遙感評價方法，可行性強，能夠充分運用遙感數據源很好地完成湖泊富營養化狀態的評價工作。遙感技術能夠多角度對水體富營養化進行監測和評價，為動態監測水體富營養化提供了有效的監測技術手段。

1.4石油污染的監測

海上或港口的石油污染是一種常見的水體污染，也是污染數量多、范圍廣、危害深的一種污染。遙感技術利用油和水對太陽輻射的反射不同，在遙感影像上表現為同物異譜和同譜異物現象來監測水體是否有油層覆蓋。張永寧等在可見光波段對不同厚度煤油、輕柴油、油和重柴油的監測中發現，油膜反射率的大小與油膜的厚度有關。趙冬至等總結了油膜在可見光近紅外波段的地物光譜特征，為識別油膜的厚度提供了參考。Palmer等利用小型的機載成像光譜儀分析了發生在英國設得蘭（Shetlands）的溢油事故，證明440～900nm是油膜提取的最有效波段。ShiL等搜集了中國東海西部2002—2005年石油泄漏的（SAR）圖像，分析了不同類型的石油泄漏量晝夜性變化和季節性變化的規律，為控制和治理大面積的石油污染提供了科學的指導。不同厚度的油膜對太陽光的反射不同，通過對水面影像上反射率的變化監測水體的油污染以及油層的覆蓋厚度，從遙感影像上觀察石油泄漏的時空分布特點和擴散規律實現對石油污染的快速準確的監測。

2遙感技術在大氣污染監測中的應用

大氣遙感是利用遙感傳感器來監測大氣結構、狀態及變化，不需要直接接觸目標而進行區域性的跟蹤測量，能夠快速地進行污染源的定點定位，從而獲得全面的綜合信息。由于水汽、二氧化碳、臭氧、甲烷等微量氣體成分具有各自分子所固有的輻射和吸收光譜，通過選擇合適的波段來測量大氣的散射、吸收及輻射的光譜，然后，從其結果中推算出污染氣體的成分。白亮通過對幾種主要大氣污染物定量反演方法的分析，論述了定量遙感技術在福建省大氣環境監測中的應用。楊嵐簡述了大氣環境遙感監測技術的基本原理，著重闡述被動式空基遙感和主動式空基遙感在大氣環境中的應用。

2.1大氣氣溶膠的監測

氣溶膠是指懸浮在大氣中的各種液態或固態微粒，通常所指的煙、霧、塵等都是氣溶膠。在遙感圖像中工廠排放的煙霧、大規模的沙塵暴、火山噴發產生的煙柱、森林失火導致的濃煙都有清晰的影像。氣溶膠光學厚度則是氣溶膠粒子各個特性參量的綜合反映，氣溶膠光學厚度能夠反映大氣污染渾濁的程度，利用氣溶膠光學厚度反應氣溶膠的變化，方法種類多，內容也各不相同。程立剛等介紹了應用于大氣環境遙感監測的多種方法，并著重闡述了被動式空基遙感和主動式地基遙感在大氣環境遙感中的應用以及探測氣溶膠的衛星傳感器的發展歷程和特點。王耀庭等針對大氣氣溶膠性質及其衛星遙感反演的研究發現，氣溶膠光學厚度對低地表反射率比較敏感，而與太陽光的相互作用主要表現為吸收。孫娟等證明，MODIS的氣溶膠光學厚度（AOD）資料與能見度之間具有較好的相關性，利用MODIS產品來反演能見度是可行的。此外，毛節泰等對MODIS衛星遙感氣溶膠的方法與地面多波段太陽光度計的觀測法進行對比，發現二者有較好的相關性。MODIS衛星遙感能夠精確地識別每一地區氣溶膠細微的變化，利用MODIS產品來監測氣溶膠的變化，為大氣污染監測提供了非常有效的手段。

2.2有害氣體的監測

有害氣體通常指人為或自然條件下產生的二氧化硫、氟化物、乙烯、煙霧等對生物有機體有害的氣體。遙感監測有害氣體主要有2種方法，一類是根據有害氣體污染區地物反射率的發生變化、邊界模糊的情況來對有害氣體的污染情況進行估計，另一類是利用間接解譯標志－實際反演來推斷某地區大氣污染的程度和性質。魏合理等利用地面可見光（430～450m）波段的太陽光譜和大氣上界的參考太陽光譜，反演出大氣中NO2的柱總含量，得到了該地區上空NO2含量及其變化，其變化與當地環境監測站用常規法測量的NO2濃度的變化基本一致。趙春雷等選取2010年的資料制作了河北省SO2的遙感圖像，與地面監測情況基本符合，還通過光學厚度資料和地面觀測資料進行遙感效果檢驗，平均遙感監測精度達86％，基本可以滿足大范圍大氣環境動態監測的需要。白文廣開發了基于優化擬合的CH4物理反演算法，用于實際反演，與官方反演結果比較一致性較好；并首次在中國區域開展地基FTIR大氣成分遙感監測研究，用于衛星反演產品的地基驗證。對中國區域CH4時空分布特征進行監測，并給出分析結果，為政府決策提供科學依據。無論是直接觀測污染物的反射光譜還是通過間接解譯的方法，最終都是通過觀測反射率的變化來監測有害氣體的存在，為監測大氣中其他污染物提供了科學的借鑒。

2.3城市熱島效應的監測

城市熱島效應是城市中的空氣溫度高于城市周圍郊區的溫度，從而形成了從城市流向郊區的一種環流。城市熱島效應是環境遙感中經久不衰的研究課題，對城市環境而言，城市熱島也是一種大氣熱污染現象。目前，針對城市熱島的環境遙感監測是通過研究城市下墊面的熱紅外遙感進行的，通過對不同時相的遙感資料的收集，總結出城市熱島的日變化和年變化規律。XuhanQiu等提出了城市熱島比例指數（URI），可以用來定量分析近一個時期的城市熱島效應隨時間的變化。根據植被、水分和表面溫度之間的相互關系，對照目標城市，根據城郊植被的差異，選出2幅不同時期的TM（4．5．6波段）彩色合成圖像，大致定出城市熱島的范圍。Zak－sek等采用歐洲高空間分辨率SEVIRI來估算地表的溫度，再根據陸地表面溫度（LST）來分析城市熱島的日變化，結果證明，該方法可以用來分析城市熱島的日變化分析，為監測和治理城市熱島的變化提供了一種科學的方法。Gallo等用NOAA／AVHRR數據獲得歸一化植被指數（NDVI）估算城市熱島對城郊氣溫差異的影響，結果表明，植被指數和城郊氣溫差異之間存在顯著的相關性。

LinLiu等觀察香港一天的熱島效應與植被指數（NDVI）的相關性時發現，熱島效應和NDVI存在著負相關，同時表明了綠色土地可以削弱城市的熱島效應；熱島效應和歸一化差異指數（NDBI）存在著正相關，可以用于城市熱島效應案例的分析研究。遙感技術能夠從時空中分析城市熱島的變化趨勢，為監測城市熱島效應提供了科學手段。

3結論與展望

3.1結論

目前，遙感技術正從單一遙感資料的分析向多時相、多數據源（包括非遙感資料數據）的信息復合與綜合分析過渡。利用多時相監測方法對環境污染的種類進行追蹤，能夠及時、客觀、準確地反應污染物的信息，如污染源的位置、污染物的種類、擴散方向等，并能夠對大面積的環境污染通覽全貌，在環境污染監測中有巨大的技術優勢。

3.2展望

隨著各領域對遙感技術需求的提高，遙感技術仍有待于從以下幾方面加強研究。

1）實現環境遙感信息的定量化，對全球環境監測的數據進行定量分析、預測和管理。隨著RS與GIS、GPS結合越來越多地運用到環境中，而GIS的發展更需要遙感信息的定量化，實現遙感信息的定量化，才能使RS與GIS結合擁有更廣闊的應用前景。

2）發展環境遙感監測的網絡化，借助互聯網的資源共享性，將全國范圍監測數據實現網絡化及資源共享，充分利用一個最新的研究成果并促進其運用，可以節省監測時間和成本。

3）提高衛星遙感的分辨率。由于大氣中云和霧的干擾，在進行大氣校正時會產生誤差，造成誤判。高分辨率和高頻率的傳感器的建立，可以對突發性環境污染事故進行實時監測和預警，且高空間和高光譜分辨率已是衛星遙感技術的發展趨勢。

4）提高信息提取的精度和可靠性。應發展神經網絡、認知模型和影像處理系統的集成技術，目前遙感技術正朝著多時相、多光譜、多平臺、多角度、多傳感器以及多空間分辨率之間的融合技術的方向發展。

第7篇：高光譜遙感原理技術與應用范文

關鍵詞：教改；遙感；農業院校

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2013）09-0059-03

遙感是農業高等院校一些專業（如資源環境與城鄉規劃、土地資源管理、農業資源與環境、環境科學等）的本科生必修的專業核心課程。遙感技術已經廣泛應用于社會生產的各個領域，培養遙感應用型的高級技術人才非常重要，但目前農業院校的遙感課程的教學體系、教學內容和教學方式難以適應遙感技術的快速發展，存在不少問題，使培養的人才與社會產生脫節。

一、農業院校遙感教學存在的主要問題

1.遙感課程理論多而雜、抽象化等特點，抑制了學生的學習興趣。遙感技術具有理論抽象、知識點龐雜的特點，其多學科交叉，基礎知識面廣而雜，技術性和實踐性較強且多應用于大型項目。農業院校的本科生一般是第一次接觸，缺乏與課程相關的預備基礎知識和背景知識，學習遙感課程太抽象，實際生活中也很難接觸到遙感應用方面的項目，這樣會導致學生覺得遙感課程“遙不可測”，具有一定的距離感和陌生感。另外，遙感課程在農業類院校中一般屬于專業基礎性學科，得不到足夠的重視，以及學時不多等原因都在一定程度上抑制了學生的學習興趣。

2.教材內容過于突出前沿科學，忽略了其應用性。現在的農業院校遙感教材已經采用國家農林類普通高等教育“十一五”、21世紀規劃教材，雖然教學內容進行了更新，基本上不存在以前的內容過于陳舊的問題，但仍然出現不少問題。主要存在教學內容過于突出其前沿科學以及發展趨勢，導致部分教學內容或過于深奧，或與農業類等相關專業的結合性不大，在農業院校等相關領域中幾乎應用不到；如“微波遙感原理”深奧難懂，在農業院校相關專業幾乎很少用到；又如“高光譜的影像分析”過于深奧，對于遙感課程學時很有限的農業院校本科生關聯系不多且過于深奧。現在國民生產的各領域中廣泛應用的遙感技術或結合性較強的教學內容，很少有教材提及或提及極少。如近年在災害監測中廣泛應用高分辨率的QUICKBIRD、WORLDVIEW衛星數據WORLDVIEW；又如在農業中應用較多的測定地物光譜儀的設備和我國“北京一號”小衛星在北京近郊農業監測中應用等內容卻無體現。脫離生產實踐與應用的前沿技術，就像是沒有方向的深海之舟，與農業類院校本科生的教學宗旨與教學目標背道而馳。

3.教學手段不夠豐富，學生參與不夠，缺乏學習熱情。農業院校遙感課程雖然普遍使用了多媒體教學技術，但仍是以教師講授為核心，缺乏形象教學必要的教學手段與輔助教學資料，很少有本科生參與教師的科研項目或大型的工程應用項目。由于時間等種種原因，也很少本科生參加課內外的遙感應用的體驗與交流報告，缺乏學習遙感課程的源動力與熱情。

4.現有的考試制度抑制了學生的創新。現有的考試制度以考試為主，側重卷面成績，試卷考核方式很難考驗學生對理論體系的系統性掌握、知識點的內在聯系以及實際技能的掌握程度與應用程度。農業院校的遙感實驗課程學時設置少，實驗個數少，實驗成績占課程成績的比重不大，一般隸屬于遙感課程理論教學的一部分，很少單獨開設，實踐環節教學得不到足夠的重視，且多側重實驗報告成績，忽視了實踐環節學生能力的表現。現有的課程成績構成缺乏討論、專題制作、文獻檢索、學習報告等多手段，在一定程度上抑制了學生參與的積極性和主觀能動性，導致學生自主學習的熱情不夠，缺乏創新的激情。

5.實踐學時偏少，缺乏針對農業院校的上機教材。遙感實踐課程少，難以培養學生的感性認識，動手能力的提高更是無從談起。目前，與遙感課程配套上機的教材多是針對高等院校測繪類專業，缺乏與農業院校遙感課程配套的上機實驗教材，市場上偶見農業院校專用教程，在內容的設置上與上機實驗數據或樣例數據方面卻與測繪類專業并無多大區別。農業院校類本科生感覺不到遙感實踐與專業的相關性或結合性，無法滿足農業院校專業學生的實踐教學的需求。

二、教學改革的基本內容與途徑

1.教學內容的完善與改革。（1）教學內容的設置應重點突出。在農林院校遙感課程學時很有限，而遙感技術體系本身內容非常龐雜，教學內容與學時的設置除了體現理論的系統性，一定要注重各部分內容的內在的邏輯聯系，突出主要內容和重要內容，必要時，應進行取舍。使學生對整個教學有一個比較宏觀、層次清晰的印象，能夠抓住遙感主要的原理和難點內容。農業院校的遙感課程主要內容包括航空像片與遙感相關的基本概念、地物的反射光譜特性、航空攝影測量的基礎知識、遙感圖像的像點誤差、航空攝影測量的內外業、衛星傳感器數據、遙感圖像的目視判讀與調繪、遙感數字圖像處理原理與操作技能，以及遙感技術的應用案例，尤其是在農業領域的應用實例。（2）根據應用情況對前沿性內容取舍。現在很多教學改革過于突出課程的前沿性內容，但受到學時的限制，很難與生產實踐或專業聯系起來，學生感覺很陌生、很抽象，教學效果甚不理想。農林院校的遙感課程學時一般都很有限，在突出課程內容的系統性和重點內容的前提下，對于前沿性的內容，可結合授課專業情況進行靈活調整。若在相應專業領域中很少應用的可略講或不講（如微波遙感、高光譜）；若在相應專業領域實踐中有應用或應用較多的（如在農業和土壤學科應用較多的便攜式地物波譜儀），可側重于先進的儀器以及在科研或生產實踐中的作用與功能。這樣學生既不會感到深奧難懂，又會覺得該課程很貼合實際需求，這樣就可在有限的學時取得較好的教學效果。（3）實驗內容的調整。遙感課程實驗內容的設置應與基本理論、基本方法相呼應，突出其主要技能、實踐技能，平衡傳統方法與現代作業方法，采用的實驗器材或軟件應與當地生產部門基本保持一致，若有條件應盡量將實驗課單獨開設。遙感技術在實際作業中，數據源以及產品都是采用遙感數字圖像，因此，傳統的遙感課程實驗內容應根據行業發展情況適當地刪除過時的實驗，保留主要的遙感實驗外，應盡量根據授課對象的就業方向、科研情況以及學時情況選擇性地增加設置遙感數字圖像處理的實驗內容與課時數，如“熟悉ERDAS或ENVI遙感圖像處理軟件的基本操作”、“遙感數字圖像的增強處理”、“遙感數字圖像的幾何處理”、“遙感數字圖像的計算機自動分類”。

2.教學手段與教學方法的改革。（1）從興趣點或生產應用入手展開教學。由于遙感課程理論知識點多而雜，在教學內容的組織上可從學生感興趣的知識點入手，適當引用遙感在測繪、國土、農業等重要部門的一些視頻資料。闡述基本原理與基本方法時注重加強學生思維的引導，主要內容與重點內容可采用精講、細講，生產中不常用的原理與方法采取學生課外自主學習為主，遙感在實踐中應用可采取具體案例分析，這樣既可保證激發學生學習的興趣，在面上對遙感有全面的把握，又可在重點內容上有所深入。除了現代常用的多媒體教授的教學方法，可布置與課程內容相關且很有趣的課外小作業，如可通過讓學生在Google Earth上查找校舍或旅游目的地的方式對衛星遙感數據的認識。（2）制作遙感教學輔助材料。遙感教學輔助材料包括航空圖像與衛星遙感圖像樣片的制作、各類教學視頻的制作、試題庫與習題庫的制作、遙感精品課程在線網址的收集，完善各種網絡教學資源庫的建設等。將生澀難懂且方便用于直觀教學的遙感圖像的分類與遙感圖像的解譯標志等內容制作教學樣片，如可將全色圖像、紅外、彩紅外、多光譜等航空像片與各種常用的衛星遙感數據制作樣片，形象而直觀，易于理解與記憶。對于比較抽象、生活中接觸較少的知識點用于制作1～5分鐘的輔助視頻，如航空拍攝的過程、衛星遙感以及傳感器的工作原理等。將近年來遙感技術應用于現實生活中有影響力的重大事件的新聞視頻片段制作教學視頻資料，如“國土部：用衛星遙感圖片嚴查違法用地”、“我國‘北京一號’、‘小衛星’監測北京近郊農作物長勢”、“汶川地震前后遙感圖像前后對比”等新聞視頻片段。教學輔助材料在有些教學內容方面可發揮很大的教學作用與效果。（3）重視遙感技術應用案例分析。一般農業院校的遙感技術的應用所占學時極少，與專業結合性不夠。一般只是泛泛地提到或者一帶而過，沒有具體的案例或應用視頻，學生缺乏對遙感技術實際應用情況的了解。可根據授課對象與專業方向選擇教學輔助材料，根據授課對象及專業方向播放其相關內容，重點分析應用案例。如面向土管專業授課時可側重土地資源調查與土地執法的案例分析；面向農資專業時，可側重農作物長勢監測與估產、光譜反射率的野外測定與分析等案例分析，面向環境類專業，可側重環境監測與災害監測的案例分析。（4）實現教學手段的多元化，激發學生學習熱情。除了常用的多媒體教學與板書等教授方式外，還可適當采取學生教學的方式，加強與學生互動交流，提高學生自主學習的能力。利用課前與課間的時間或借助網絡平臺，與學生進行充分交流，及時掌握他們的興趣、學習難點以及就業意向等，因材施教。利用國家、省和校級精品課程建設的成果，建立網絡實踐教學平臺，實現網絡互動式教學，設置“課件下載”、“實驗報告上載”、“答疑”、“FTP”等功能。可借助與測量學等課程的重疊交叉知識，進行觸類旁通式的教學。通過小型專題報告的形式，促使學生課外收集文獻資料學習實踐應用性強、與專業結合緊密的內容，擇優以多媒體的形式課堂交流并點評，并作為學生課程考核的一部分，有意識地將教學內容與科研、就業與生產項目管理等結合起來，引導學生自主學習，激發學習的創造性。

3.建立考試制度的改革，提高其學習的積極性。進行課程考試制度的改革，改進考核方法，建立考察學生全面素質的考核體系、建立科學的考察學生綜合知識、綜合素質、綜合能力的實踐考核體系，采取靈活多樣的考試方式。在課程考試構成增加小型專題報告制作、文獻檢索與總結等，理論環節可增加課堂互動環節（如提問、討論等）考核的比重；實踐環節可強化動手實踐與儀器操作的考核，淡化實驗報告等書面成績。通過建立考試制度的改革，促進學生積極學習。

三、教改效果分析

近年來遙感課程改革探索初步取得較為明顯的成效，具體表現在以下幾個方面。

1.學習態度的改變。學生對教學內容的興趣和注意力明顯提高，課堂互動變得更為積極，課外自主學習的激情提高，教學氛圍良好，“教與學”變成了一件較為愉快的教學活動，學生對遙感方向的學術報告與畢業論文選題感興趣的人數明顯增加。

2.學生對遙感教學的評價。每學期都對全部遙感課程進行教學評估，學生無記名網上評教，結果表明總體優良。說明學生對于教學內容與教學形式是認可與肯定的。

3.學生的收獲。國土資源管理、農業資源與環境等專業分別成立了興趣小組，在老師的指導下能夠獨立完成校級創新型實驗項目。學生的動手實踐能力明顯得到鍛煉與提高，有機會參與到多項遙感技術應用的工程項目，特別優秀的學生能在測繪遙感相關的事業單位就業。也有本科生在國內的學術期刊上公開發表遙感領域內的科研論文。

雖然筆者針對農業類院校的遙感課程實踐教學改革進行了探索與實踐，然而，許多問題有待進一步探討，諸如教學平臺的完善、教學形式的改進、產學研實習基地建立、專業實踐素材庫的建立等。面向未來，我們需要更好地根據社會需求，積極進行遙感教學課程改革，為社會培養出更多的遙感應用型的高級人才。

參考文獻：

[1]尹占娥.現代遙感導論[M].北京：科學出版社，2008.

[2]鄧良基.遙感基礎與應用[M].北京：中國農業出版社，2009.

[3]常慶瑞，蔣平安，周勇.遙感技術導論[M].北京：科學出版社，2004.

[4]彭望.遙感概論[M].北京：高等教育出版社，2010.

第8篇：高光譜遙感原理技術與應用范文

【關鍵詞】遙感技術；大氣環境；監測？

環境問題越來越嚴峻，各類的污染給人類的生活和工作帶來了很大的影響，破壞了人們的日常生活并且威脅到人們的生命安全。遙感技術主要有兩種類別：一為主動式遙感監，二為被動式遙感監測，主要以環境監測為主，利用遙感傳感器監測大氣結構，對污染源進行定位追蹤，直接對污染物進行區域跟蹤測量，從而獲取某一區域大氣污染的綜合信息，以及時制定治理措施來減少大氣污染的不利影響，對大氣環境的治理產生了無法忽視的影響。？

1、大氣環境遙感監測技術的基本原理？

遙感監測就是用儀器對一段距離以外的目標物或現象進行觀測，是一種不直接接觸目標物或現象而能收集信息，對其進行識別、分析、判斷的更高自動化程度的監測手段。它最重要的作用是不需要采樣而直接可以進行區域性的跟蹤測量，快速進行污染源的定點定位，污染范圍的核定，污染物在大氣中的分布、擴散等，從而獲得全面的綜合信息。根據所利用的波段，？遙感監測技術主要分為紫外、可見光、反射紅外遙感技術；熱紅外遙感技術和微波遙感技術三種類型。？

大氣環境遙感監測作為遙感技術應用中較為重要的內容之一，在業務上不同于常規氣象要素的監測。常規氣象要素遙感監測[1]？主要是指測量大氣的垂直溫度剖面、大氣的垂直濕度剖面、降水量及頻度、云覆蓋率（云量和云層厚度）？和長波輻射、風（風速和風向）？、地球輻射收支的測量等。而大氣環境遙感則是監測大氣中的臭氧（O3？）、CO2、SO2、甲烷（CH4）？等痕量氣體成分以及氣溶膠、有害氣體等的三維分布。這些物理量通常不可能用遙感手段直接識別，但由于水汽、二氧化碳、臭氧、甲烷等微量氣體成分具有各自分子所固有的輻射和吸收光譜特征，如影響水汽分布的主要光譜波長在017μm，？O3在0155～0165μm？之間存在一個明顯的吸收帶等，因此我們實際上可通過測量大氣散射、吸收及輻射的光譜特征值而從中識別出這些組分來。研究表明，在衛星遙感中，有兩個非常好的大氣窗可以用來探測這些組分，即位于可見光范圍內的0140～0175μm？的波段范圍和在近紅外和中紅外的0185μm、1106μm、1122μm、1160μm、2120μm？波段處。？

2、遙感技術在大氣污染監測中的作用？

2.1被動式空基遙感監測？

被動式遙感監測主要作用于臭氧層、大氣氣溶膠、溫室氣體、大氣污染物、大氣熱污染源等等，這些問題很多不僅僅是區域性問題，甚至已經成為全球性問題，影響著全世界的正常發展。太陽直接輻射遙感技術利用散射和衰減，測量二氧化碳、臭氧等大氣的主要組成部分，對有害氣體、污染物、熱污染源等進行監測，逐漸成為遙感技術中最常用的一種監測技術。現階段，城市工業不斷發展，霧霾成為人們生活中的一種普遍現象，嚴重影響著人們的身心健康，而遙感技術與地理信息系統技術相結合，獲取霧霾地區的綜合信息，通過對圖像以及數據的分析得出影響霧霾的主要因素，從而制定相應的措施來消除霧霾。除此之外，隨著城市化的不斷發展，城市熱島效應成為城市發展的主要問題，遙感技術通過研究城市下墊面的熱紅外遙感總結城市熱島變化規律，對熱島效應的解決提供了一定的事實依據。？

2.2主動式空基遙感監測？

主動式空基遙感監測的載體是雷達，主要有機載和星載雷達，它可以在短時間內發射大功率的電磁波，再根據回波信號的振幅和位相分析得出測量物的方向、距離等數據，主動式遙感不依賴于太陽輻射，可以晝夜工作，還可以根據探測目的的不同，主動選擇電磁波的波長和發射方式。主動式遙感可以用來監測大氣中的臭氧、水汽、二氧化硫以及三氧化氮等分布情況，分析這些成分如何影響平流層和對流層，有利于制定空間雷達的探測技術，對大氣環境的治理起著無法替代的作用。遙感技術正在經歷由單一型遙感監測向多方面監測數據的綜合性分析過渡，即多時相監測，對于污染物信息的監測可以做到更準確及時客觀，使得大氣污染監測上升到一個新高度。？

3、遙感技術的發展方向？

人們越來越重視環境問題，對環境的需求也不斷增加，改善環境成為當前社會發展的重要任務，遙感技術能夠改善環境，那就應該更大限度的開發利用這一技術。遙感技術還可以從以下一些方面取得進步：？

（1）遙感技術主要分為主動式遙感和被動式遙感，把主動與被動式衛星遙感相結合，可以更加準確的進行對污染物的監測，把污染物監測的誤差精確到更小，不斷改進大氣環境遙感技術，對大氣環境遙感進行定量化研究，形成一套嚴密的大氣環境遙感監測技術運行系統，把遙感技術與地面監測共同運用到環境監測中，以便更加準確及時的制定解決環境污染的措施。？

（2）在當今社會，技術在任何方面都是不可或缺的，與此相應，互聯網技術可以充分配置資源，使全球的資源和信息得到共享，實現遙感技術的網絡化，普及遙感監測技術，可以借鑒其他國家的遙感技術創新之處與經驗，進行多國合作，利用其它國家的資源環境衛星系統，提高監測的效率。？

（3）人才的進步才是社會的進步，必須要保證技術性人才的培養，國家要加大人才扶持力度，提供更多的人才發展機會，培養大批實用型人才和技術創新型人才，只有如此遙感技術才可能會有飛躍性的突破。？

（4）技術的不完善使得監測數據的不準確，而數據分析是制定措施的重要依據，提高數據的準確度是必須的，對此，應該研發更高性能的傳感器以提高衛星遙感的分辨率，使數據精確度更高，更好的判斷污染物信息，避免誤判情況的發生。？

4、結束語？

環境問題與人類發展息息相關，實現人與自然的和諧相處是社會發展的必然要求，在尊重自然的基礎上，通過自己的一系列活動改變環境對于自身的不利影響并造福于人類是對每個人的要求。環境問題種類多樣，大氣污染、水污染、固體廢棄物污染等都可以通過遙感技術得到一定程度的治理，遙感技術的應用范圍也越來越廣泛，作為環境監測的重要技術力量，遙感技術應該不斷發展自身，為制定科學準確的政策提供更加有理有據的支持。？

參考文獻：？

[1]劉紅，張清海，林紹霞.等.遙感技術在水環境和大氣環境監測中的應用研究進展[J].貴州農業科學，2013（1）.？

第9篇：高光譜遙感原理技術與應用范文

關鍵詞：遙感影像，監督分類，非監督分類，人工智能神經元網絡方法。

引言：遙感影像由于具有豐富的紋理信息，同時具有獲取方便、經濟、快捷等特點，現已成為探測地物目標綜合信息的最直觀、最豐富的載體, 在數字城市的建設中占有重要的地位。遙感影像分類技術是遙感影像處理系統的核心功能之一，無論是遙感信息提取，動態變化檢測，還是遙感專題制作，遙感數據庫的建立等等都離不開它，因此遙感影像分類具有著廣泛的應用前景。

遙感影像分類方法

1.1遙感圖像分類的基本原理

遙感影像分類的基本原理是：遙感影像中的同類地物在相同條件下（紋理、地形、光照及植被覆蓋等)應具有相同或相似的光譜信息特征和空間信息特征， 可以說，計算機用以識別和分類的主要標志是物體的光譜特性。目前的大多數研究還是基于此特征來進行的。

1.2監督分類方法

1.2.1監督分類方法定義

監督分類，又稱為訓練分類法，即用被確認類別的樣本像元去識別其他未知類別像元的過程。在這種分類中，分析者在圖像上對每一種類別選取一定數量的訓練區，計算機計算每種訓練樣區的統計或其他信息，每個像元和訓練樣本作比較，按照不同的規則將其劃分到與其最相似的樣本類。它是一種由已知樣本外推至未知區域類別的方法。

1.2.2監督分類的基本步驟及主要方法

監督分類可分二個基本步驟:

(1)選擇訓練樣本和提取統計信息

訓練樣本的選擇需要分析者對要分類圖像所在的區域有所了解，或進行過初步的野外調查，或研究過有關圖像和高精度的航空照片，其最終選擇的訓練樣本應盡可能準確地代表整個區域內每個類別的光譜特征差異。其大小、形狀和位置必須能同時在圖像和實地容易識別和定位。

另外，在選擇訓練樣本時，還必須考慮每一類別訓練樣本的總數量。作為一個普遍的規則，如果圖像有N波段，則每一類別應該至少有10N個訓練樣本，才能滿足一些分類算法中有關計算方差及協方差矩陣的要求。當然總的樣本數量應根據區域的異質程度而有所不同。

對于不同的應用環境，監督分類中訓練樣本的選擇和對其統計評價的步驟和方法都會有所不同。

(2)選擇合適的分類算法

在監督分類中可以采用許多不同的算法，將一個未知類別的像元劃分到一個類別中。常用的幾種算法：①平行算法、②最小距離法、③最大似然法

1.3非監督分類

1.3.1非監督分類法概述

非監督分類，也稱為聚類分析或點群分析， 是一種無先驗（已知）類別標準的分類方法。即在多光譜圖像中搜尋、定義其自然相似光譜集群組的過程。長期以來，非監督分類已經發展了近百種不同的自然集群算法。這里僅簡述最常用的ISODATA算法。

1.3.2 ISODATA法

ISODATA即重復自組織數據分析技術。經過ISODATA算法得到的集群組只是一些自然光譜組，需要分析者將每個集群組歸到其對應的類別中，這個過程通常還需要參考其他的圖，或者用戶本身對于該區的了解。留下難以歸類的圖像，對這個殘余圖像重新運行ISODATA算法，直到所有的集群組都能正確歸類。

2.1新的分類方法

分類是人們獲取信息的一種重要的手段。傳統的分類方法是以經驗風險最小化為歸納原則，只有當訓練樣本數趨于無窮時，其性能才能達到理論上的最優。然而在光譜遙感影像分類中訓練樣本往往是有限的。當樣本不足時，傳統的分類方法往往不能達到理想的分類精度，尤其在對高光譜影像的分類中，樣本不足的問題更為突出。新的分類方法目前分為：模糊分類、空間結構紋理分類、專家分類、人工智能神經元網絡方法，本文著重介紹一下人工智能神經元網絡方法。

2.1.2人工智能神經元網絡方法

1943年隨著神經元的數學模型（MP模型）的首次提出，人工神經網絡的研究先后經歷了興起、沉淀和低潮期。20世紀80年代中期以來，神經網絡的應用研究取得了很大的成績。近年來，國內外眾多學者已經將其廣泛應用到遙感領域。

所謂人工智能神經元網絡法(簡稱神經網絡法)是利用計算器模擬人類學習的過程，建立輸入和輸出數據之間聯系的程序。神經網絡法從其本質上講應屬于非監督分類的范疇，因為簡單實用, 在一定程度上滿足了遙感影像分類的精度, 又恰好能有效解決遙感圖像處理中常見的困難，因此它很快在遙感圖像分析與處理領域得到了廣泛地應用，現已日益成為遙感影像分類的有效手段。

人工神經網絡具有如下基本特性：

(1)并行分布處理：神經網絡具有高度的并行結構和并行實現能力，每個神經元都可根據接收到的信息作獨立的運算和處理，然后將結果傳送出去，有較好的耐故障能力和較快的總體處理能力；

(2)非線性映射：神經網絡具有固有的非線性特性，這源于近似任意非線性變換能力；

(3)通過訓練進行學習：神經網絡通過研究系統過去的數據記錄進行訓練，一個經過適當訓練的神經網絡具有歸納全部數據的能力；

(4)適應與集成：神經網絡能夠適應在線運行，并能同時進行定量和定性操作。神經網絡具有較強適應和信息融合能力，特別適合復雜、大規模和多變量系統的控制。

神經網絡監督方法相對于傳統的遙感影像分類方法具有的主要優勢：

(1)可以處理各種非線性映射和求解各種十分復雜和高度非線性的分類和模式識別問題；

(2)統計方法依賴于模型而神經網絡依賴于數據本身；

(3)具有并行處理能力，運算速度高于其他方法；

(4)能最大限度地利用已知類別遙感圖像樣本集的先驗知識，神經網絡可以根據這些知識自動進行學習，提煉出規則；

(5)具有聯想能力，若訓練集中的遙感圖像具有代表性，那么求解這些樣本的合理規則很可能就是求解原問題的一般性規則，它比其它方法具有更好的聯想和推廣能力。

結束語

隨著遙感技術的縱深發展，遙感數據的時間、空間和光譜分辨率不斷提高，傳統的分類方法(如最大似然法、K-均值法等)已經不能滿足分類精度的要求，因此應采用新的分類方法來提高遙感圖像分類精度。但畢竟神經網絡法也存在著一定局限性，我們在今后的研究中有幾點必須注意：一方面，遙感圖像分析與處理本身具有復雜性和多目標性，這樣就要求我們在具體工作中必須設計出適合問題的模型，另一方面，人工神經網絡在圖像重建、圖像壓縮、圖像去噪等方面的應用，雖然不如在遙感影像分類中應用的那么廣泛，但也已經顯示出其優勢和意義，有待我們進一步研究。還要注意將人工神經網絡與其它理論技術結合起來，這樣它將有更加廣闊的應用前景。

參考文獻