高光谱遥感在矿物填图中的应用高光谱遥感在矿物填图中的应用
摘要
近20年来，高光谱遥感技术（Hyperspectral Remote Sensing）发展迅速，已成为遥感技术的前沿，而矿物识别和矿物填图是高光谱遥感应用中最成功的领域。高光谱遥感有许多不同于宽波段遥感的性质,各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分,高光谱数据能反映出这类诊断性光谱特征从而进行岩石矿物的分类和填图，并为矿产资源评价与矿山环境监测提供靶区，指导进一步找矿勘探和环境监测工作的开展。
本文首先介绍了高光谱遥感技术的特点、优势、存在的问题和发展趋势，并概述了高光谱遥感技术在矿物填图方面国内外的研究现状，之后详细阐述了高光谱技术在矿物识别和矿物填图方面的应用。
关键词：高光谱遥感技术矿物识别矿物填图
目录
高光谱遥感在矿物填图中的应用 (1)
一、引言 (3)
二.高光谱遥感技术 (4)
2.1高光谱遥感技术的特点 (4)
2.2高光谱遥感技术的优势 (4)
2.3高光谱影像应用中面临的难题 (5)
2.4高光谱遥感技术发展趋势 (5)
二．国内外研究现状 (5)
3.1 国外对高光谱在矿物识别和矿物填图中的应用研究 (5)
3.2国内对高光谱在矿物识别和矿物填图中的应用研究 (5)
三．高光谱在矿物识别中的应用 (6)
4.1基于单个诊断性吸收的特征参数 (6)
4.2基于完全波形特征 (6)
4.3基于光谱知识模型 (6)
四．高光谱在矿物填图中的应用 (7)
5.1光谱波段降维 (7)
5.2光谱匹配技术 (7)
5.3 端元选择 (8)
5.3.1基于先验知识的端元选择 (8)
5.3.2基于图像纯净像元的端元选择 (8)
5.4 矿物填图 (9)
五．结语 (9)
六．参考文献 (9)
一．引言
高光谱遥感技术起源于20世纪80年代，由于高光谱图像具有很高的光谱分辨率，能够提供更为丰富的地面信息(可直接识别地物或地物组分)，因此受到国内外学者的广泛关注。随着成像光谱仪的光谱分辨率和空间分辨率的不断提高，高光谱遥感广泛地应用于地质调查、植被研究、海洋遥感、农业遥感、大气及环境遥感等领域中，并发挥越来越重要的作用。其中区域地质制图和矿产勘探是高光谱技术主要的应用领域之一，也是高光谱遥感应用中最成
功的一个领域。高光谱遥感在地质应用中主要体现在矿物识别与填图、岩性填图、矿产资源勘探、矿业环境监测、矿山生态恢复和评价等方面。矿物填图是实现我国传统的遥感地质填图由岩性填图到矿物填图最重要也是最关键的一步，其中矿物识别以及识别的种类和精度将关系到矿物填图的成败。同时，矿物识别也是高光谱地质应用的基础和核心，从宏观和区域上为地质应用提供地物组成分布的物质信息，实现遥感地质应用由多光谱的定性描述向高光谱定量物质组成鉴别的飞跃。[1]
二.高光谱遥感技术
成像光谱仪能获取许多波段狭窄且连续的影像,光谱分辨率达到纳米级。利用高光谱数据反演得到的地物反射光谱特征,能研究地球表面物体的分类、物质的成分、含量、存在状态、空间分布及动态变化。
2.1高光谱遥感技术的特点
与传统的全色、多光谱遥感影像相比较,高光谱影像具有以下特点：
a)光谱响应范围广,光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外,甚
至到中红外;光谱分辨率达到纳米级。
b)光谱信息与图像信息有机结合。在高光谱影像数据中,每一像元对应于一条光谱曲线,整
个数据是光谱影像的立方体,具有空间图像维和光谱维。
c)数据描述模型多,分析更加灵活。高光谱影像通常有三种描述模型: 图像模型、光谱模型
与特征模型。
d)数据量大,信息冗余多。高光谱数据的波段众多,其数据量巨大,而且波段之间相关性大。
2.2高光谱遥感技术的优势
高光谱遥感的光谱分辨率的提高,使地物目标的属性信息探测能力有所增强。因此,较之全色和多光谱遥感,高光谱遥感有以下显著优势：
a)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建,能获取地物近似连
续的光谱反射率曲线,与地面实测值相匹配,将实验室地物光谱分析模型应用到遥感过程中。
b)地表覆盖的识别能力极大提高。高光谱数据能够探测具有诊断性光谱吸收特征的物质,
能够准确区分地表植被覆盖类型、道路的铺面材料等。
c)地形要素分类识别方法灵活多样。影像分类既可以采用各种模式识别方法,如贝叶斯判
别、决策树、神经网络、支持向量机等,又可以采用基于地物光谱数据库的光谱匹配方法。分类识别特征,可以采用光谱诊断特征,也可以进行特征选择与提取。
d)地形要素的定量或半定量分类识别成为可能。在高光谱影像中,能估计出多种地物的状
态参量,提高遥感高定量分析的精度和可靠性。
2.3高光谱影像应用中面临的难题
高光谱影像在应用的过程中,还面临着以下关键技术需要解决:
a)高光谱影像光谱重建技术。高光谱影像记录的DN值,根据成像光谱仪的辐射定标、光
谱定标数据,经过各种辐射校正,反演出地物反射率,这是高光谱遥感定量分析的基础。
b)高光谱影像分类识别技术。传统影像分类算法,如最大似然估计、神经网络等都是基于
大数定理,高光谱影像维数高、波段相关性大,会遇到“维数灾难”现象,需要研究面向高光谱影像的分析方法。
c)海量影像数据的存储与计算。高光谱影像数据量大、相关性强,面临着数据压缩问题;影
像分析处理的过程中,需要巨大的计算资源。
2.4高光谱遥感技术发展趋势
伴随着成像光谱技术的逐渐成熟,高光谱影像分析研究的不断深入,应用领域日益广泛,高光谱遥感技术发展呈现出了以下趋势:成像光谱仪的光谱探测能力将继续提高,成像光谱仪获取影像的空间分辨率逐步提高,正由航空遥感为主转为航空和航天遥感相结合阶段,逐步从遥感定性分析阶段发展到定量分析阶段,应用范围越来越广,应用研究日益深入。[2]
二．国内外研究现状
3.1 国外对高光谱在矿物识别和矿物填图中的应用研究
国外在此方面的研究较早。Kures等在1984年和1985年，利用3条航带的成像光谱数据进行了蚀变矿物填图试验。提取2种类型的蚀变矿物；Huguenin等利用不同阶数的微分光谱提取吸收波段位置信息，收到较好效果；Meer通过建立交叉相关光谱匹配技术，利用AVIRSI数据和实验室光谱对美国内华达州Cpurite地区进行地表矿物识别研究;Crosta等根据区内地质情况和蚀变特征，以USGS标准矿物光谱数据库为标准，结合矿物在岩石中光谱变异特征，建立单矿物识别规则，从AVIRIS图像中提取白云母、方解石、高岭石、明矾石、绿泥石及玉髓等矿物;Kruse等在美国加州和内华达的Grapaevine北部山区利用绢云母在2.21μm，2.25μm和2.35μm的特征吸收，对石英——绢云母——黄铁矿蚀变带进行地质填图。利用蒙脱石在2.21μm的特征吸收确定包含蒙脱石的泥质蚀变带;Chbarilalt等利用辉石在1μm附近的电子跃迁吸收，用航空高光谱数据进行地质填图和岩石鉴别。
3.2国内对高光谱在矿物识别和矿物填图中的应用研究
国内也开展了类似的研究。谢红接等运用MASI数据做了试验性研究工作，提取了研究区域的铀矿特征信息(如蚀变和矿化等)。万余庆等运用OMISI数据确定了烧变岩中Fe含量与某些波段反射率的定量关系，提出了利用高光谱遥感图像提取Fe的方法;张宗贵等火二利用HyMap数据，开展了基于地物光谱特征成像光谱遥感矿物识别方法研究，有效地填绘出了矿物在该航带上的分布情况;甘甫平等利用成像光谱遥感技术识别和提取了矿化蚀变信息;王
青华等运用MASI影像数据，采用不同的图像处理方法，较好地提取了岩石信息，达到较准确识别岩类的目的;王晋年等在新疆阿克苏柯坪进行油气勘探研究中，根据矿物吸收指数成功地区分了该地区从寒武、奥陶、志留、泥盆到二叠系的地层。[3]
三．高光谱在矿物识别中的应用
矿物识别是高光谱地质应用的基础和核心，从宏观和区域上为地质应用提供地物组成分布的物质信息，实现遥感地质应用由多光谱的定性描述向高光谱定量物质组成鉴别的飞跃。
光谱特征的产生主要是由于组成物质内部离子与基团的晶体场效应与基团振动的结果。由于各种矿物晶体结构各不相同,因此由晶格振动而产生的各种矿物光谱特性是不一样的。高光谱数据能够捕捉到这些诊断性光谱特征,进而对不同的矿物及其成分进行识别。对做过预处理(辐射校正、几何校正、大气校正)的高光谱遥感图像,依据对谱形特征研究角度的不同,可以分为基于单个诊断性吸收的特征参数的矿物识别方法和基于完全波形特征(整个谱形特征)的矿物识别方法以及基于光谱知识模型的矿物识别方法。
4.1基于单个诊断性吸收的特征参数
岩石矿物单个诊断性吸收特征可以用吸收波段位置、吸收深度、吸收宽度、吸收面积、吸收对称性、吸收的数目和排序参数作完整的表征。根据端元矿物的单个诊断性吸收波形, 从成像光谱数据中提取并增强这些参数信息, 可直接用于识别岩矿类型，如相对吸收深度图(Relative absorption band-depth image) 法、连续插值波段算法(Continuum interpolated band algorithm) 和光谱吸收指数图像(Spectral absorption index image)等。
4.2基于完全波形特征
利用整个光谱曲线进行矿物匹配识别,可以在一定程度上改善单个波形的不确定性影响( 如光谱漂移、变异等) , 提高识别的精度。基于整个波形的识别技术方法是在参考光谱与象元光谱组成的二维空间中, 合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度, 如相似指数法(Similarity index algorithm)、光谱角识别方法(Spectral angle mapper), 王润生等根据矿物的完全波形, 利用神经网络进行矿物自动识别, 甘甫平等设计开发了基于完全谱形的成像光谱岩矿识别技术。以上方法在具有大量已知地物光谱时适应性强, 对图像地物识别更有用。但明显不足的是, 由于实际地物光谱变异,获取数据受到观测角以及颗粒大小的影响,从而造成了光谱变化。对于整体光谱特征差别不太大的地物, 准确匹配比较困难, 造成岩矿识别与分析上的混淆和误差。
4.3基于光谱知识模型
基于光谱模型的识别技术方法是建立在一定的光学、光谱学、结晶学和数学理论之上的信号处理技术方法。它不仅能够克服上述方法存在的缺陷, 而且在识别地物类型的同时精确地量化地表物质的组成和其他的物理特性。例如, 建立在Hapke 光谱双向反射理论基础之上的线性混合光谱分解模型( SMA/SUM) , 可以根据不同地物或者不同象元光谱反射率响应
的差异, 构造光谱线性分解模型。Tompkins 提出修正的光谱混合分析(MSMA) 模型。该模型利用虚拟端元, 采用一个阻尼最小二乘算法, 根据一定的先验知识,有效地并最终可以选择亚像端元进行光谱分解, 提高了SMA 实用性。这些方法更多地依赖光谱学知识与数理方法, 在实际应用中由于难以确定特征参数或难以准确地描述光谱模型而限制了该类技术方法的应用。不过, 由于该类方法在识别地物的同时量化物质组成, 因此, 就其发展趋势而言, 随着一系列技术的成熟与光谱学、结晶学等知识的深入发展, 以及识别精度的改善与量化能力的提高, 其应用将会越来越广泛。[4]
四．高光谱在矿物填图中的应用
矿物填图是实现我国传统的遥感地质填图由岩性填图到矿物填图最重要也是最关键的一步，其基础和核心是矿物识别。矿物填图的步骤为：
5.1光谱波段降维
高光谱数据光谱分辨率高，波段多，数据量大，数据冗余度高，不同波段像元之间存在很大的互相关性，并且占用了大量的存储空间和通信信道容量，给数据处理分析造成了很大的麻烦。通过选择和提取有用波段不仅不会对结果造成影响，而且减少了计算量，也减少了大量重复冗余的信息对地物识别的影响。最常用的方法即最小噪声分离变换(Minimum Noise Fraction，MNF)。
最小噪声分离变换（MNF）用于确定影像数据内在的维数，隔离数据中的噪声，减少随后处理计算的需求。MNF 本质上含有两次叠置处理的主成分变换。第一次变换基于对噪声协方差矩阵的估计，用于分离和重新调节数据中的噪声。第一步产生的变换数据中噪声具有单位方差，且波段间不相关。第二步将对白化的噪声数据进行标准主成分变换。为了进行进一步的波谱处理，通过分析最终特征值和其相关影像来判定数据内在的维数。数据空间可以分为两部分：一部分与大的特征值和相对应的特征影像相关，其余部分与接近一致的特征值以及主要含有噪声的影像联系在一起。仅用相关部分，就可以将噪声从数据中分离。由此可以提高波谱处理的效果。
变换完成后将得到如上MNF 特征值曲线，其横坐标为变换后的波段数，纵坐标为特征值。特征值越高说明信息量越丰富。
特征值和MNF 特征影像都用来估计数据的维数。从包含信息的波段获取特征值要比包含噪声的波段中获取的特征值的数量级大。相应的影像将具有空间一致性，而噪声影像则不包含任意空间信息。既达到了降维去噪的目的，又使得波段之间去相关，减少了冗余度。
5.2光谱匹配技术
所谓波谱匹配是通过研究两个波谱曲线的相似度来判断地物的归属类别。在成像光谱图像处理中已成为识别地物的关键技术之一。高光谱矿物识别的基本原理是高光谱数据的重建光谱与矿物标准光谱或实测光谱的定量对比分析。
由己知地物类型的反射波谱，通过波形或特征匹配比较来达到识别地物类型的目的。从概念上出发，波谱匹配主要有以下三种运作模式：
（1）从图像的反射波谱出发，将像元波谱数据与波谱数据库中的标准波谱响应曲线进行比较搜索，并将像元归于与其最相似的标准波谱响应所对应的类别，这是一个查找过程。（2）利用波谱数据库，将具有某种特征的地物标准波谱曲线当作模板与遥感图像像元进行比较，找出最相似的像元并赋予该类标记，这是一个匹配过程。
（3）根据像元之间的波谱响应曲线本身的相似度，将最相似的像元归并为一类，这是一种聚类过程。
所以解决问题的关键在于，一是地物标准波谱数据库的建立；二是波谱匹配
方法的研究。波谱匹配的算法有很多，二值编码匹配（BE）、波谱角度匹配（SAM）、波谱特征拟合（SFF）、波谱吸收指数（SAI）、波谱匹配滤波（SMF）、以及波谱比值和差值分析（SRF/SMF）。
5.3 端元选择
这里的端元是指纯净的，成分单一的像元。对于一个研究区的未知岩矿信息需要进行端元的提取。端元选择的方式可以分为二种：一种是根据野外或实验室波谱测量以及地质成矿理论从已有的地物波谱数据库中选择端元。这种方法选择端元可以称为“基于先验知识的端元选择”。另一种是直接从图像上提取纯净像元作为端元，可以称为是“基于图像纯净像元的端元选择”。
5.3.1基于先验知识的端元选择
根据相关成矿理论和区域地质调查资料，对研究区进行野外勘察测量或者实验室测量来确定端元矿物。确定的端元矿物可以是一种或多种单矿物，也可是某种矿物组合还可以是具有标志性的岩石或岩体。野外获取波谱端元信息，应选择好样区，最好能够在获取影像的同时进行地物波谱的量测，这样获取的端元理论上比较精确。端元矿物确定之后，可以用野外或实验室实测的岩石、矿物光谱直接作为端元波谱进行分类识别。也可以选择光谱数据库中的标准矿物波谱作为端元波谱进行分类识别。但是由于区域地质、气候等条件的不同，标准光谱库中的岩矿光谱可能会与研究区中同类岩矿的光谱存在差异。鉴于研究区地质构造复杂，岩性不单一，应用中岩石的端元波谱采用了野外实测光谱数据进行了分类。光谱数据库中已有光谱数量有限，岩石矿物种类还不齐全，所以不断完善丰富光谱库中的光谱类型，大规模的采集野外实测波谱建库也是高光谱遥感岩矿填图应用中一项重要的基础性建设工作。
5.3.2基于图像纯净像元的端元选择
遥感图像上地物的波谱曲线可能受到大气、地形和传感器等因素的影响，即使对影像进行了各种纠正以消除影响，也会存在与野外实测地物波谱的差异。因此从影像本身获取纯净端元的方法可以弥补在缺乏野外实测波谱数据的情况下进行岩矿的分类识别。
纯净像元指数（Pixel Purity Index PPI）是一种在多光谱和高光谱影像中寻找波谱最纯净的像元的方法。通常，波谱最纯净的像元与混合的端元相对应。像元纯净指数通过迭代将N 维散点图映射为一个随机单位向量来计算。每次映射的纯净像元被记录下来，并且每个像元被标记为纯净像元的总次数也将被记录下来。最后生成一幅像元纯净影像PPI，在该影像上，每个像元的DN 值与像元被标记为纯净像元的次数相对应。DN 值越大表明像元越纯净。PPI 纯净像元指数提取ROI，设置波段域值提取PPI_ROI 时通常只设最小值(值越大,
像元越纯净)。提取PPI_ROI 后打开N 维可视化器。N 维可视化(n-Dimensional Visualization)提供了一个交互式工具，用以在N 维空间中选择所需端元，通过旋转将备选像元的n 维散点图相继向低维空间投影，交互式选择分布于数据云主体的外围或末端的像元则为最终的端元像元。最终端元像元确定后，以端元矿物的标准光谱或同类端元的平均像元光谱作为端元，根据矿物的光谱知识通过目视观测确定端元矿物，或通过与光谱数据库中的目标矿物光谱进行比较、拟合和匹配，最终确定端元矿物。
5.4 矿物填图
根据高光谱数据收集端元波谱，经过MNF 变换，提取纯净像元PPI，进行N 维散度分析，提取终端端元,生成终端端元平均波谱曲线,做波谱分析与波谱库波谱曲线对比来识别地物确定矿物类型之后，就可以将终端端元做为训练样本进行分类填图，从而得到最终结果。
[5]
五．结语
从高光谱遥感技术起源至今，矿物填图一直是高光谱遥感技术最成功的一个领域。高光谱遥感能成功地应用于地质领域的主要原因是高光谱遥感有许多不同于宽波段遥感的性质,各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分,高光谱数据能反映出这类诊断性光谱特征。随着高光谱遥感地质应用不断扩展和日益深入，近年来在基于高光谱数据的矿物精细识别、高光谱影像地质环境信息反演、基于高光谱遥感的行星地质探测等方面也取得了突出的进展。
六．参考文献
[1] 黄光玉,沈占锋,赵欣梅.高光谱遥感矿物识别方法研究[J]资源环境与工程，2007,21(1)：50-54.
[2] 周强,甘甫平,王润生等.高光谱遥感技术的发展与应用现状[J]国土资源遥感，2005,4：28-31
[3]束炯,王强,孙娟.高光谱遥感的应用研究[J]华东师范大学学报，2004,4：1-10.
[4]裴承凯,傅锦.高光谱遥感技术在岩矿识别中的应用现状与前景[J]世界核地质科学，2007,24(1)：32-38.
[5] 毕晓佳.高光谱遥感岩矿填图应用研究[D].成都：成都理工大学, 2009：1-60.
高光谱遥感技术的介绍及应用． 高光谱遥感技术的介绍及应用 在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人 类赖以生存的地球通过非接触传感器的遥感进行观测。最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，
遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。本文 简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。 1 高光谱遥感简介 1.1高光谱遥感概念 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常 <10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪 为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 高光谱遥感技术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。在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。 1.2高光谱遥感数据的特点
同其他常用的遥感手段相比 ,成像光谱仪获得的数据具有以下特点: 1）、多波段、波段宽度窄、光谱分辨率高。波段宽度 < 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。如 AVIRIS在 0. 4～214 波段范围内提供了224 个波段。研究表明许多这是传统的多光谱等。40 nm～20地物的吸收特征在吸收峰深度一半处 的宽度为 遥感技术所不能分辨的(多光谱遥感波段宽度在 100～200 nm 之间)，而高光 谱遥感甚至光谱分辨率更高的超光谱遥感却能对地物的吸收光谱特征进行很好的识别，这使得过去以定性、半定量的遥感向定量遥感发展的进程被大大加快。另外，在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以 使高光谱图像中的每一个像元在各通道的灰度值都能产生一条完整、连续的光谱曲线，即所谓的“谱像合一”，它是高光谱成像技术的一大特点。 2）、由于波段众多，波段窄且连续，相邻波段具有很高的相关性，使得高光数据
第40卷第8期 地球科学 中国地质大学学报V o l .40 N o.8 2015年8月 E a r t hS c i e n c e J o u r n a l o fC h i n aU n i v e r s i t y o fG e o s c i e n c e s A u g . 2015d o i :10.3799/d q k x .2015.130基金项目:国家科技支撑计划课题项目(N o .2012B A H 27B 04). 作者简介:韦晶(1991-),男,硕士,主要从事定量遥感方面研究.E -m a i l :w e i j i n g _r s @163.c o m *通讯作者:明艳芳,E -m a i l :m y f 414@163.c o m 引用格式:韦晶,明艳芳,刘福江,2015.基于光谱特征参数组合的高光谱数据矿物填图方法.地球科学 中国地质大学学报,40(8):1432-1440. 基于光谱特征参数组合的高光谱数据矿物填图方法 韦 晶1,明艳芳1*,刘福江2 1.山东科技大学测绘科学与工程学院,山东青岛266590 2.中国地质大学信息工程学院,湖北武汉430074 摘要:受大气环境等因素的影响,高光谱遥感矿物识别难以达到较高的精度.为解决该问题,根据光谱吸收特征参数在大气变化中能保持相对稳定的特点,提出一种基于光谱特征参数组合的高光谱矿物类型识别方法.文中计算了多种光谱特征参数,通过最佳指数因子(o p t i m u mi n d e x f a c t o r ,O I F )优选特征参数组合,选定最佳特征参数组合,利用模式识别方法实现矿物识别.利用机载可见/红外成像光谱仪(a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r ,A V I R I S )高光谱数据,在美国内华达州C u p r i t e 矿区进行了该方法的应用试验研究,并与前人矿物填图结果做了对比.结果表明:吸收波谷位置-吸收面积-吸收右肩位置(P -A -S 2) 光谱特征参数组合的矿物识别效果最优,整体精度达到74.68%.关键词:光谱吸收特征参数;遥感;矿物填图;机载可见/红外成像光谱仪数据;最佳指数因子;C u p r i t e 矿区.中图分类号:P 575.4;P 237 文章编号:1000-2383(2015)08-1432-09 收稿日期:2015-04-02 H y p e r s p e c t r a lM i n e r a lM a p p i n g M e t h o dB a s e do n S p e c t r a l C h a r a c t e r i s t i cP a r a m e t e rC o m b i n a t i o n W e i J i n g 1,M i n g Y a n f a n g 1*,L i uF u j i a n g 2 1.C o l l e g e o f G e o m a t i c s ,S h a n d o n g U n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y ,Q i n g d a o 266590,C h i n a 2.F a c u l t y o f I n f o r m a t i o nE n g i n e e r i n g ,C h i n aU n i v e r s i t y o f G e o s c i e n c e s ,W u h a n 430074,C h i n a A b s t r a c t :I n f l u e n c e db y t h ea t m o s p h e r i ce n v i r o n m e n ta n do t h e rf a c t o r s ,t h e m i n e r a l r e c o g n i t i o n w i t h h y p e r s p e c t r a lr e m o t e s e n s i n g i s d i f f i c u l t t o a c h i e v e a h i g h a c c u r a c y .T o i m p r o v e t h e a c c u r a c y o f t h em i n e r a l i d e n t i f i c a t i o nw i t h s u c h t e c h n o l o g y ,a h y -p e r s p e c t r a lm i n e r a l r e c o g n i t i o nm e t h o db a s e do ns p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r c o m b i n a t i o n ,w h i c hc a n m a i n t a i nr e l a t i v e l y s t a b l e c h a r a c t e r i s t i c sw i t ht h ea t m o s p h e r i cc h a n g e s ,i s p r o p o s e d i nt h i s p a p e r .V a r i o u ss p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r sa r e c a l c u l a t e d ,a n dt h eo p t i m a l c o m b i n a t i o no f t h e p a r a m e t e r s i ss e l e c t e dt h r o u g ht h eo p t i m u mi n d e xf a c t o r (O I F ),b a s e do n w h i c h ,m i n e r a l i d e n t i f i c a t i o n i s r e a l i z e dw i t h p a t t e r n r e c o g n i t i o nm e t h o d .B a s e do n t h e a b o v em e t h o d ,m i n e r a l t y p e i d e n t i f i c a -t i o n t e s t i s c a r r i e do u t i nC u p r i t em i n e o fN e v a d a ,w i t h a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r (A V I R I S )h y p e r s p e c t r a l d a t a .T h e r e s u l t s a r e c o m p a r e dw i t h t h ew o r ko f p r e v i o u sm i n e r a lm a p p i n g ,i t s h o w s t h a t t h e c o m b i n a t i o n o f t h e s p e c t r a l c h a r -a c t e r i s t i c p a r a m e t e r s ,P -A -S 2(P i s a b s o r p t i o nw a v e t r o u g h p o s i t i o n ,Ai s a b s o r p t i o n a r e a ,S 2i s a b s o r p t i o n r i g h t s h o u l d e r p o s i -t i o n )c a n g e t t h eh i g h e s t i d e n t i f i c a t i o n p r e c i s i o n ,t h e o v e r a l l a c c u r a c y c a n r e a c h74.68%.K e y w o r d s :s p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r ;r e m o t e s e n s i n g ;m i n e r a lm a p p i n g ;a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r d a t a ;o p t i m u mi n d e x f a c t o r (O I F );C u p r i t em i n i n g a r e a . 利用遥感手段可以从广域空间尺度二 多时相尺度下实现矿物信息的快速识别,缩短矿物填图时间,提高效率.高光谱遥感由于具有波段连续二波谱分辨 率高的特点可以在矿物类型识别中发挥重要作用,且已经在局部区域矿物填图等工作中得到广泛的应用(甘甫平和王润生,2007;王润生等,2010). 然而由
第一章 1、遥感的定义：通过不接触被探测的目标，利用传感器获取目标数据，通过对数据进行分析，获取被探测目标、区域和现象的有用信息 2、广义的遥感：在不直接接触的情况下，对目标物或自然现象远距离感知的一种探测技术。 3、狭义的遥感：指在高空和外层空间的各种平台上，应用各种传感器（摄影仪、扫描仪和雷达等）获取地表的信息，通过数据的传输和处理，从而实现研究地面物体形状、大小、位置、性质以及环境的相互关系。 4、探测依据：目标物与电磁波的相互作用，构成了目标物的电磁波特性。（信息被探测的依据）传感器能收集地表信息，因为地表任何物体表面都辐射电磁波，同时也反射入照的电磁波。地表任何物体表面，随其材料、结构、物理/化学特性，呈现自己的波谱辐射亮度。 5、遥感的特点：1)手段多，获取的信息量大。波段的延长（可见光、红外、微波）使对地球的观测走向了全天候全天时。 2)宏观性，综合性。覆盖范围大，信息丰富，一景TM影像185×185km2，可见的，潜在的各类地表景观信息。 3)时间周期短。重复探测，有利于进行动态分析 6、遥感数据处理过程 7、遥感系统：1）被探测目标携带信息 2）电磁波辐射信息的获取 3）信息的传输和记录 4）信息的处理和应用 第三章 1、电磁波的概念：在真空或物质中电场和磁场的相互振荡以及振动而进行传输的能量波。 2、电磁波特征（特征及体现）：1)波动性：电磁辐射以波动的形式在空间中传播 2)粒子性：以电磁波形式传播出去的能量为辐射能，其传播也表现为光子组成的粒子流的运动 紫外线、X射线、γ射线——粒子性 可见光、红外线——波动性、粒子性 微波、无线电波——波动性 3、叠加原理：当空间同时存在由两个或两个以上的波源产生的波时，每个波并不因其他的波的存在而改变其传播规律，仍保持原有的频率（或波长）和振动方向，按照自己的传播方向继续前进，而空间相遇的点的振动的物理量，则等于各个独立波在该点激起的振动的物理量之和。 4、相干性与非相干性：由叠加原理可知，当两列频率、振动方向相同，相位相同或相位差恒定的电磁波叠加时，在空间会出现某些地方的振动始终加强，另一些地方的振动始终减弱或完全抵消，这种现象叫电磁波的相干性。没有固定相位关系的两列电磁波叠加时，没有一定的规律可循，这种现象叫电磁波的非相干性
学号xxxx 天津城建大学 实习报告 遥感原理与应用实习 起止日期：2013 年12 月23日至2014年1月3 日 学生姓名Xx 班级XX 成绩 指导教师(签字) XX学院 2014年1 月3日
一、实习目的 “遥感原理与图像处理”课程是测绘工程专业的一门重要专业课，遥感信息是测绘、资源调查、环境监测、灾害评价诸方面应用的主要数据源。已在科学研究、工农业生产、军事、公安、医疗卫生、教育等许多领域得到广泛应用，产生了巨大的经济效益和社会效益，对推动社会发展，改善人们生活水平都起到了重要作用。未来要建立的数字地球是对真实地球及其相关现象数字化描述的一个虚拟地球。遥感技术将为数字地球提供动态的高分辨率、高光谱影像，用遥感影像生成的三维数字地面模型（DEM），以及地物和环境的各种属性数据等一些数字地球中最基础的数据。 “遥感实习”目的是培养学生进行遥感技术应用和图像数字处理的实际操作能力。要求了解一些基本的地物波谱反射率的野外测定方法，理解遥感图像目视解译，了解航天（或航空）像片识读与野外调绘。 二、实验项目基本要求 1.熟悉一种遥感图像处理软件 2.遥感影像的认知，进行图像剪切，波段组合与图像显示 3.图像的几何校正 4.遥感影像增强处理 5.遥感影像解译 三、实习步骤（包括原理，方法，操作过程） 1.图象剪切, 波段组合与图像显示 原图像比较大，数据量大处理不方便，对齐剪切便于计算机处理，也能达到实习目的 剪切DatePrep>SubsetImage命令如下图所示
波段组合Raster>Band Combinations 打开波段设置对话框 1)真彩色合成，即3、2、1波段分别赋予红、绿、蓝色，则获得自然彩色合成图 像，图像的色彩与原地区或景物的实际色彩一致.如下图 2)标准假彩色合成，即4、3、2波段分别赋予红、绿、蓝色，获得图像植被成红 色，由于突出表现了植被的特征，应用十分的广泛，而被称为标准假彩色。
高光谱遥感在找矿中的应用 1001113309 林良平 摘要：高光谱遥感技术矿物光谱识别机理，较详细地介绍了高光谱数据处理和分析技术及发展程度，并系统地阐述了国内外高光谱遥感技术在矿产资源调查应用方面的发展概况，最后指出了高光谱在矿产资源调查领域中的应用及其发展方向。 关键词：高光谱遥感；数据处理技术；矿产资源调查 Application of Hyperspectral Remote Sensing on Mineral Exploration 1001113309 Liangping Lin Abstract：Hyperspectral remote sensing technology mineral spectrum recognition mechanism, the paper introduces in detail the high spectral data processing and analysis technology and development degree, and systematically elaborated the hyperspectral remote sensing technology at home and abroad in mineral resource survey the general situation of the development of application, and finally points out the high spectrum in the mineral resources in the field of investigation application and development direction. Key words：Hyperspectral remote sensing; Data processing technology; Mineral resource survey 0 引言 所谓高光谱遥感，是在紫外到中红外波段范围内，划分成许多非常窄却光谱连续的图像数据来进行探测的影像数据技术，这项技术起源于20世纪80年代，由于高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合。能够提供更为丰富的地面信息，因此受到国内外学者的广泛关注[1][2]。 矿物识别是高光谱最能发挥优势的领域之一，高光谱数据立方体蕴含着丰富的矿物学信息。一般而言，在岩体侵位以及地质构造等地质作用下，热液侵入、物质置换等使源于矿体的矿物质发生扩散作用，使在“未蚀变”围岩中产生用岩石学方法难以直接识别的细微成分的变化，而这些成分的变化却在矿物光谱中有着或强或弱的表现，如富铝云母与贫铝云母在2000～2500nm光谱区间的最大吸收位置发生漂移。因此，利用高光谱遥感技术不仅可以实现矿物种类的识别，也可以通过对这些细微的变化的探测，实现对地质作用演化信息的探测。
2014——2015年度《遥感原理与应用》考试复习题 （命题：2011级土管系） 第一章绪论 主要内容： ①遥感信息科学的研究对象、研究内容、应用领域 ②电磁波及遥感的物理基础 ③遥感平台和传感器 第二章遥感图像处理的基础知识 主要内容： 1.图像的表示形式 2.遥感数字图像的存储 3.数字图像处理的数据 4.数字图像处理的系统 考题： 第一二章（A卷） 1.电磁波谱中（A）能够监测油污扩散情况，（D）可以穿透云层、冰层。（2分） A．紫外电磁波（0.01-0.4μm） B．可见光(0.4-0.76μm) C．红外电磁波(0.76-100 0μm) D．微波电磁波(1mm-1m) 2.遥感按遥感平台可分为地面遥感、航空遥感、航天遥感。（2分） 3.遥感数字图像的存储格式包括BS、BIL、GeoTIFF。（1分） 4.遥感传感器由收集器、探测器、处理器、输出器几部分组成。（2分） 5.地图数据有哪些类型？（3分） 答：DEM 数字高程模型 DOM 数字正射影像图
DLG 数字线划图 DRG 数字栅格图 6.何谓遥感？遥感具有哪些特点？（5分） 答：遥感，即遥远的感知，是在不直接接触的情况下，使用传感器，接收记录物体或现象反射或发射的电磁波信息，并对信息进行传输加工处理及分析与解译，对物体现象的性质及其变化进行探测和识别的理论与技术。特点：①感测范围大，具有综合、宏观的特点②信息量大，具有手段多，技术先进的特点③获取信息快，更新周期短，具有动态监测的特点④其他特点：用途广，效益高，资料性、全天候、全方位等. B卷 1.绿色植物在光谱反应曲线可见光部分中的反射峰值波长是（ B ）。（1分） A 0.50μm B 0.55μm C 0.63μm D 0.72μm 2.遥感数字图像处理的数据源包括多光谱数据源、高光谱数据源、全色波段数据 源和SAR数据源。（3分） 3.数字化影像的最小单元是像元，它具有位置和灰度两个属性。（2分） 4.函数I=f（x，y，z，λ，t）表示的是一幅三维彩色动态图。（1分） 5.遥感在实际中的应用有哪些方面？（4分） 答：资源调查应用 环境监测评价 区域分析及建设规划 全球性宏观研究。
高光谱遥感
? ? ? ?
高光谱遥感的基本概念 高光谱遥感器及平台简介 高光谱遥感技术 高光谱应用概况
高光谱遥感的基本概念
? 高光谱分辨率（简称为高光谱）遥感或成像光 谱遥感技术的发展是过去二十年中人类在对地 观测方面所取得的重大技术突破之一，是当前 遥感的前沿技术。它是指利用很多很窄的电磁 波波段获取许多非常窄且光谱连续的图像数据 的技术，融合了成像技术和光谱技术，准实时 地获取研究对象的影像和每个像元的光谱分布。
国际遥感界认为光谱分辨率在10-1λ数量级范围内的为多 光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区 只有几个波段，如美陆地卫星TM和法国SPOT卫星等; 光谱分 辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。由 于其光谱分辨率高达纳米(nm)数量级，往往具有波段多的特 点，即在可见到近红外光谱区其光谱通道多达数十甚至超过 100以上。随着遥感光谱分辨率的进一步提高，在达到10-3λ 时，遥感即进入了超高光谱(Ultraspectral)阶段 、
光谱区域（nm） ： 400 700 1100 2500 5500 14000
VIS VNIR
PIR
MIR
Sunlight 光谱分辨率 波段数 多光谱 高光谱 5-10 100-200 Δλ/λ 0.1 0.01 VNIR 50-100 5-20
IRT
MIR 100-200 10-50
IRT 1000-2000 100-500
《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月
一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。
遥感技术与系统概论 结课作业 高光谱遥感技术及发展
高光谱遥感技术及发展 摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的 发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技 术为主的时代。本文系统地阐述了高光谱遥感技术在分析技 术及应用方面的发展概况，并简要介绍了高光谱遥感技术主 要航空/卫星数据的参数及特点。 关键词：高光谱，遥感，现状，进展，应用 一、高光谱遥感的概念及特点 遥感是20 世纪60 年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术[1]。所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通 常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可
探测的物质，在高光谱中能被探测。 同其它传统遥感相比，高光谱遥感具有以下特点： ⑴波段多。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。 ⑵光谱分辨率高。成像谱仪采样的间隔小，一般为10nm 左右。精细的光谱分辨率反映了地物光谱的细微特征。 ⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。 ⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。 ⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术。 二、发展过程 自80 年代以来，美国已经研制了三代高光谱成像光谱仪。1983 年，第一幅由航空成像光谱仪
高光谱遥感在矿物填图中的应用高光谱遥感在矿物填图中的应用 摘要 近20年来，高光谱遥感技术（Hyperspectral Remote Sensing）发展迅速，已成为遥感技术的前沿，而矿物识别和矿物填图是高光谱遥感应用中最成功的领域。高光谱遥感有许多不同于宽波段遥感的性质,各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分,高光谱数据能反映出这类诊断性光谱特征从而进行岩石矿物的分类和填图，并为矿产资源评价与矿山环境监测提供靶区，指导进一步找矿勘探和环境监测工作的开展。
本文首先介绍了高光谱遥感技术的特点、优势、存在的问题和发展趋势，并概述了高光谱遥感技术在矿物填图方面国内外的研究现状，之后详细阐述了高光谱技术在矿物识别和矿物填图方面的应用。 关键词：高光谱遥感技术矿物识别矿物填图 目录 高光谱遥感在矿物填图中的应用 (1) 一、引言 (3) 二.高光谱遥感技术 (4)
2.1高光谱遥感技术的特点 (4) 2.2高光谱遥感技术的优势 (4) 2.3高光谱影像应用中面临的难题 (5) 2.4高光谱遥感技术发展趋势 (5) 二．国内外研究现状 (5) 3.1 国外对高光谱在矿物识别和矿物填图中的应用研究 (5) 3.2国内对高光谱在矿物识别和矿物填图中的应用研究 (5) 三．高光谱在矿物识别中的应用 (6) 4.1基于单个诊断性吸收的特征参数 (6) 4.2基于完全波形特征 (6) 4.3基于光谱知识模型 (6) 四．高光谱在矿物填图中的应用 (7) 5.1光谱波段降维 (7) 5.2光谱匹配技术 (7) 5.3 端元选择 (8) 5.3.1基于先验知识的端元选择 (8) 5.3.2基于图像纯净像元的端元选择 (8) 5.4 矿物填图 (9) 五．结语 (9) 六．参考文献 (9) 一．引言 高光谱遥感技术起源于20世纪80年代，由于高光谱图像具有很高的光谱分辨率，能够提供更为丰富的地面信息(可直接识别地物或地物组分)，因此受到国内外学者的广泛关注。随着成像光谱仪的光谱分辨率和空间分辨率的不断提高，高光谱遥感广泛地应用于地质调查、植被研究、海洋遥感、农业遥感、大气及环境遥感等领域中，并发挥越来越重要的作用。其中区域地质制图和矿产勘探是高光谱技术主要的应用领域之一，也是高光谱遥感应用中最成
遥感原理与应用习题 第一章遥感物理基础 一、名词解释 1遥感：在不接触的情况下，对目标或自然现象远距离感知的一门探测技术。 2遥感技术：遥感技术是从人造卫星、飞机或其他飞行器上收集地物目标的电磁辐射信息，判认地球环境和资源的技术。 3电磁波：电磁波（又称电磁辐射）是由同相振荡且互相垂直的电场与磁场在空间中以波的形式移动，其传播方向垂直于电场与磁场构成的平面，有效的传递能量和动量。电磁辐射可以按照频率分类，从低频率到高频率，包括有无线电波、微波、红外线、可见光、紫外光、4电磁波谱：把各种电磁波按照波长或频率的大小依次排列，就形成了电磁波谱 5绝对黑体：能够完全吸收任何波长入射能量的物体 6灰体：在各种波长处的发射率相等的实际物体。 7绝对温度：热力学温度，又叫热力学温标，符号T，单位K（开尔文，简称开） 8色温：在实际测定物体的光谱辐射通量密度曲线时，常常用一个最接近灰体辐射曲线的黑体辐射曲线作为参照这时的黑体辐射温度就叫色温。 9大气窗口：电磁波通过大气层时较少被反射、吸收和散射的，透过率较高的波段称。 10发射率：实际物体与同温度的黑体在相同条件下的辐射功率之比。 11光谱反射率：物体的反射辐射通量与入射辐射通量之比。 12波粒二象性：电磁波具有波动性和粒子性。
13光谱反射特性曲线：反射波谱曲线是物体的反射率随波长变化的规律，以波长为横轴，反射率为纵轴的曲线。 问答题 1黑体辐射遵循哪些规律？ （1 由普朗克定理知与黑体辐射曲线下的面积成正比的总辐射通量密度W随温度T的增加而迅速增加。 (2 绝对黑体表面上，单位面积发射的总辐射能与绝对温度的四次方成正比。 (3 黑体的绝对温度升高时，它的辐射峰值向短波方向移动。 (4 好的辐射体一定是好的吸收体。 (5 在微波段黑体的微波辐射亮度与温度的一次方成正比。 2电磁波谱由哪些不同特性的电磁波段组成？遥感中所用的电磁波段主要有哪些？ a. 包括无线电波、微波、红外波、可见光、紫外线、x射线、伽玛射线等 b. 微波、红外波、可见光 3物体的辐射通量密度与哪些因素有关？常温下黑体的辐射峰值波长是多少？ （1 与光谱反射率，太阳入射在地面上的光谱照度，大气光谱透射率，光度计视场角，光度计有效接受面积。 （2.b为常数2897.8 4叙述沙土、植物、和水的光谱反射率随波长变化的一般规律。 1）沙土：自然状态下，土壤表面反射曲线呈比较平滑的特征，没有明显的峰值和谷值。干燥条件下，土壤的波谱特征主要与成土矿物和土壤有机质有关。土壤含水量增加，土壤的反射率就会下降 2）植物：在可见光波段绿光附近有一个波峰，两侧蓝、红光部分各有一个吸收带，近红外波段（0.8-1.0um）有一个有一个反射陡坡，至1.1um附近有一峰值。近红外波段（1.3-2.5um）吸收率大增反射率下降。
高光谱遥感技术的介绍及应用在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测。最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。本文简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。 1 高光谱遥感简介 1.1高光谱遥感概念 所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。 高光谱遥感技术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。在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。 1.2高光谱遥感数据的特点 同其他常用的遥感手段相比,成像光谱仪获得的数据具有以下特点: 1）、多波段、波段宽度窄、光谱分辨率高。波段宽度< 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。如A VIRIS在0. 4～214 波段范围内提供了224 个波段。研究表明许多地物的吸收特征在吸收峰深度一半处的宽度为20～40 nm。这是传统的多光谱等
第一张绪论 1、环境空间数据获取的方法： 基于地面的采集方法：现场观测、实际测量、实际调查 基于遥感的采集方法 2、遥感的概念： 即遥远的感知，是一种不直接接触物体而取得其信息的探测技术。 从远处探测、感知物体或事物的技术。即不直接接触物体本身，从远处通过各种传感器探 测和接收来自目标物体的信息，经过信息的传输及处理分析，来识别物体的属性及其分布等特 征的综合技术。 是应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，接触处物体的特征性质及其变化的综合性探测技术。 3、遥感系统包括： 被测目标的信息特征、信息的获取、信息的传输与记录、信息的处理、信息的应用。其中 信息的处理包括：辐射校正、姿态校正、几何校正、增强处理、聚合分类。 4、遥感的分类：（P4） a.按遥感平台：地面、航空、航天、航宇 b.按探测波段：紫外、可见光、红外、微波、多波段 c.按工作方式：主动、被动 d.按应用领域： e.按传感器：地磁波、高光谱、声波、重力、磁力、地震波 f.按照资料的记录方式：成像方式、非成像方式 5、遥感的特点： 宏观性、时效性、综合性(概括性)、经济性、局限性 6、遥感技术发展的四个阶段： a.瞬时信息的定性分析阶段（是什么） b.空间信息的定位分析阶段（在哪里） c.时间信息的趋势分析阶段（如何变化） d.环境信息的综合分析阶段(多源信息的复合) 第二章电磁辐射与地物光谱特征 1、电磁波谱：按电磁波在真空中传播的波长与频率，递增或递减排列，构成了电磁波谱。 （波长由小到大）：γ射线、X射线、紫外线、可见光、红外线、无线电波（微波、超短 波、短波、中波、长波）。 2、目前遥感应用的各电磁波波段及特征： 紫外线0.01-0.4μm 源于太阳辐射应用于荧石矿、石油勘探 可见光0.4-0.7μm 源于太阳辐射遥感的主要波段 红外线0.7-3μm 3-6μm 6μm-1mm 近红外主要源于太阳辐射 中红外源于太阳辐射和地物热辐射 远红外源于地物热辐射 城市热岛、热污染、热惯 量 微波1mm-1m 主动遥感 3、电磁辐射量度： a.辐射能量Q/W：以电磁波形式传播的能量 b.辐射通量Φ：在单位时间内传送的辐射能量 c.辐射强度I：在单位立体角、单位时间内，微小辐射源向某一方向辐射的能量 d.辐射照度E：在单位时间内、单位面积上接收的辐射能量 e.辐射出射度Me：在单位时间内、单位面积上辐射出的辐射能量 f.辐射亮度Le：在单位立体角、单位时间，从外表的单位面积上辐射出的辐射能量
1 分析图像噪音的类型，针对不同类型的噪音采用不同的清除方法: 1)对条带噪音采用闽值法判别出，然后利用相邻行亮度的平均值来代替; 2)利用最近像元值代替该像元或中值滤波方法来消除图像的随机点状噪音; 3)利用MNF变换可以确定图像数据的固有维数，分离图像数据中的噪音，并可减少后续处理的计算量。 2 最小噪声分离变换（MNF变换） 1)定义：最小噪声分离变换（Minimum Noise Fraction Rotation，MNF Rotation）工具用于判定图像数据内在的维数（即波段数），分离数据中的噪声，减少随后处理中的计算需求量。 2)本质：MNF本质上是两次层叠的主成分变换。 第一次变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。 第二次是对噪声白化数据（Noise-whitened）的标准主成分变换。为了进一步进行波谱处理，通过检查最终特征值和相关图像来判定数据的内在维数。 3)性质：一是对图像的任何波段做比例扩展，变换结果不变； 二是变换使图像矢量、信息分离和加性噪声分量互相垂直。乘性噪声可以通过对数变换转换为加性噪声。变换后可针对各分量图像进行去噪、或者舍弃噪声占优势的分量。 3 SAM 1)概念：光谱角填图分类（SAM）是一种基于相关/匹配滤波器的分类方法，充分利用了光谱维的信息，强调了光谱的形状特征，大大减少了特征信息，是目前高光谱图像分类中较常用的方法。 2)SAM分类过程 1）参考光谱库的建立:一般的应用中，以图像中已知类型的区域为参考光谱，将区域中光谱的几何平均向量作为类中心。在实际的参考光谱库建立时，选择已知类型的区域作为参考光谱，然后获取该区域的平均光谱曲线，建立参考光谱库。 2）SAM分类:参考光谱库建立之后，就可根据公式计算未知像元与各类中心的夹角，然后将给未知像元分类到夹角最小的类别中去SAM分类。 3）为有效降低原始图像波段间的相关性，将原始图像进行主成分变换和MNF变换后，然后转换到原来的空间，再利用SAM方法采用与上面实验同样的阐值进行分类。 4 PPI：像元纯净指数:是用于从影像中提取出纯净的像元，用于进行分类或是波谱匹配。 5 Speetral Analyst 分析方法成功应用的关键: 1）选择合适的分析波长范围。许多地物在某些波段的光谱特征可能相同，但其它的波段特征就会有所不同，因此合理的选择光谱匹配的波段是得到精确结果的基础。 2）选择合适的分析方法，分析时要尽量选用能使分析的分值最高，而且其分值与第二分值差值较大的方法。 3）所要识别的像元最好是较纯像元，该方法对那些混合像元的分析可能会产生几个分值比较相近的结果，这样就无法将该像元正确地分到对应的类别中。 6 高光谱遥感的定义，特点，突出特点，与遥感的主要区别，成像技术的关键 1）定义:高光谱遥感是高光谱分辨率遥感是指利用遥感仪器在特定光谱域以高光谱分辨率(光谱分辨率在10nm以下)获取连续的地物光谱图像的遥感技术。 2)特点: ①光谱分辨率高(λ×10-2)；②波段多?数十到数百；③谱?像合一的特点④信息量大，一次数据获取达千兆(GB)级数据速率高，数十?数百兆比特/秒 3)突出特点：（1）高光谱分辨率（2）图谱合一（3）光谱通道多，在某一光谱段范围内连续成像 4)成像技术的关键：
第１１卷 第３期２ ０１３年６月光学与光电技术 ＯＰＴＩＣＳ ＆ＯＰＴＯＥＬＥＣＴＲＯＮＩＣ ＴＥＣＨＮＯＬＯＧＹＶｏｌ．１１，Ｎｏ．３ Ｊｕｎｅ，２０１３收稿日期 ２０１２－０９－２９； 收到修改稿日期 ２０１２－１２－ １３作者简介 张达（１９８１－） ，男，博士，副研究员，硕士生导师，主要从事空间光学遥感仪器的研制、空间光学成像，以及光谱探测技术方面的研究。Ｅ－ｍａｉｌ：ｚｈａｎｇｄａ＠ｃｉｏｍｐ ．ａｃ．ｃｎ基金项目 国防预研基金（ＳＡ０５０），国家８６３高技术研究发展计划（２０１０ＡＡ１２２１０９１００１） ，吉林省科技发展计划（２０１１０１０７９ ）资助项目文章编号：１６７２－３３９２（２０１３）０３－００６７－ ０７高光谱遥感的发展与应用 张 达 郑玉权 （中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３） 摘要 阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上， 概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。关键词 高光谱遥感；发展；应用；成像光谱仪中图分类号 ＴＰ７０ 文献标识码 Ａ １ 引 言 遥感技术是２０世纪６０年代发展起来的对地 观测综合性技术［１］ ，随着２０世纪８０年代成像光谱 技术的出现， 光学遥感进入了高光谱遥感阶段。从２０世纪９０年代开始， 高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段。 高光谱遥感技术作为对地观测技术的重大突破［ ２］ ，其发展潜力巨大。 高光谱遥感实现了遥感数据图像维与光谱维信息的有机融合，在光谱分辨率上有巨大优势，是遥感发展的里程碑。随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛，已渗透到国民经济的各个领域，如环境监测、资源调查、工程建设等，对于推动经济建设、社会进步、环境的改善和国防建设起到了重大的作用。本文主要阐述高光谱遥感的特点、优势以及在航空及航天领域的发展情况，概括了高光谱遥感在植被生态、大气环境、地质矿产， 海洋军事等领域的应用情况。２ 高光谱遥感特点与优势 高光谱遥感是高光谱分辨率遥感（Ｈｙｐｅｒｓｐ ｅｃ－ｔｒａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ） 的简称［３］ ，它是在电磁波谱的紫外、可见光、近红外、中红外和热红外波段范围 内，获取许多非常窄且光谱连续的影像数据的技 术，是在传统的二维遥感的基础上增加了光谱维，形成的一种独特的三维遥感。对大量的地球表面物质的光谱测量表明， 不同的物体会表现出不同的光谱反射和辐射特征，这种特征引起吸收峰和反射峰的波长宽度在５～５０ｎｍ左右，其物理内涵是不同的分子、 原子和离子的晶格振动，引起不同波长的光谱发射和吸收，从而产生了不同的光谱特征。运用具有高光谱分辨率的仪器，通过获取图像上任何一个像元或像元组合所反映的地球表面物质的光谱特性， 经过后续数据处理，就能达到快速区分和识别地球表面物质的目的［ ４］ 。高光谱遥感的成像光谱仪具有光谱分辨率高（５～１０ｎｍ），光谱范围宽（０．４μｍ～２．５μｍ） 的显著特点，可以分离成几十甚至数百个很窄的波段来接收信息， 所有波段排列在一起能形成一条连续的完整的光谱曲线，光谱的覆盖范围从可见光、近红外到短波红外的全部电磁辐射波谱范围。高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱 维信息的有机融合［ ５］ 。高光谱遥感在光谱分辨率方面的巨大优势，使得空间对地观测时可获取众多连续波段的地物光谱图像， 从而达到直接识别地球表面物质的目的。地物光谱维信息量的增加为遥感对地观测、地物识别及地理环境变化监测提供了