高光谱遥感Word下载.docx
《高光谱遥感Word下载.docx》由会员分享,可在线阅读,更多相关《高光谱遥感Word下载.docx(25页珍藏版)》请在冰豆网上搜索。
9.3.2微波遥感特性9
9.3.3微波传感器及其分类11
9.3.4侧视雷达及其图像12
第9章高光谱遥感与微波遥感
9.1高光谱遥感
9.1.1高光谱遥感的基本概念
高光谱遥感是高光谱分辨率遥感(HyperspectralRemoteSensing)的简称,是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。
它是在电磁波谱的紫外、可见光、近红外和中红外区域,获取许多非常窄且光谱连续的图像数据的技术。
成像光谱议(ImagingSpectrometer)为每个像元提供数十至数百个窄波段(通常波段宽度<10nm=光谱信息,能产生一条完整而连续的光谱曲线。
成像光谱仪将视域中观测到的各种地物以完整的光谱曲线记录下来。
这种记录的光谱数据能用于多学科的研究和应用中。
从航空成像光谱仪(AIS)的32个连续波段影像上,人们可以获取连续的光谱信息。
这是高光谱遥感与常规遥感数据的主要区别。
后者又称宽波段遥感,波段宽一般>100nm,且波段在波谱上不连续,并不完全覆盖整个可见光至红外光(0.4~2.4μm)光谱范围。
在(400~900nm)光谱范围内的空间和光谱分辨率视觉化效果如图9-1所示,例如TM波段相对较宽且光谱不连续,一个TM波段内只记录一个数据点,而用航空可见光/红外光成像光谱仪(AVIRIS)记录这一波段范围的光谱信息需用10个以上数据点,几乎是连续光谱抽样(Schowengerdt,1997)。
x,y轴代表平面空间,上面一个网格代表1个像元,λ轴代表波长或波段。
高光谱遥感并不是简单的数据量的增加,而是信息量的增加,信息量可增加十倍以至数百倍。
成像光谱技术的发展引起了遥感及地学科学家们的兴趣。
高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。
由于成像光谱系统获得的连续波段宽度一般在10nm以内,因此这种数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质。
这一点在地质矿物分类及成图上具有广泛的应用前景。
而陆地卫星传感器,像MSS和TM,则无法探测这些具有诊断性光谱吸收特征的物质,因为它们的波段宽度一般在100—200nm(远宽于诊断性光谱宽度),且在光谱上并不连续。
类似地,假如矿物成分有特殊的光谱特征,用这种高光谱分辨率数据也能将混合矿物或矿物像元中混有植被光谱的情形,在单个像元内计算出各种成分的比例。
在地物探测和环境监测研究中,利用高光谱遥感数据,可采用确定性方法(模型),而不像宽波段遥感采用的统计方法(模型)。
其主要原因也是因为成像光谱测定法能提供丰富的光谱信息,并借此定义特殊的光谱特征。
9.1.2高光谱遥感的应用
1在地质调查中的应用
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。
地质是高光谱遥感应用中最成功的一个领域。
各种矿物和岩石在电磁波谱上显示的诊断光谱特性(diagnosticspectralfeature)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。
一些矿物成分比如石膏,胶岭石,白云母,高岭石以及白云石等等的光谱曲线明显地显示了各自的吸收、反射诊断性光谱特征。
这些诊断性光谱特征只有利用高光谱数据才有可能被探测到。
假如利用宽波段遥感数据,探测这类诊断性光谱特征是不可能的。
高光谱数据的光谱分辨率比宽波段遥感高数十倍(<
10nm),在宽波段遥感图象上无法反映的具有诊断性光谱特征的矿物,在高光谱图象上变得很容易识别。
这从根本上改观了从光学遥感图象上提取地质信息的质量和数量。
高光谱遥感以数十至数百个连续且窄的光谱波段描述一个像元。
这一点在地质遥感中很重要,因为利用连续的窄波段能探测具有不同诊断性光谱特征(特征波段宽度和位置等)的各种矿物。
利用AIS高光谱图象数据可直接在图像上识别一些具有诊断性光谱特征的地表矿物成分。
AVIRIS数据可被用来确定单个像元内混合矿物成分各自的百分比。
由此产生的矿物成分分布图及丰度图有助于加深对地质过程的理解。
高光谱遥感能成功地应用于地质领域(矿物识别和制图)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。
2在植被研究中的应用
同许多地表矿物成分具有非常特殊的诊断性反射光谱特征一样,植物由于其也由一些与地表矿物成分相同的化合物构成,因此也应有类似的光谱特征。
已确定的大部分植物的明显光谱特征是由于内含的叶绿素等色素和液态水引起的。
一般而言,健康的绿色植物的光谱曲线总是呈现明显的“峰”和“谷”的特征。
可见光部分的低谷(0.45和0.67μm处的蓝、红光)主要由叶绿素强烈吸收引起。
在可见光区的“蓝边”(蓝过渡到绿)、绿峰、“黄边”(绿过渡到红)、红光低谷及红光过渡到近红外的“红边”是描述植物色素状态和健康状况的重要指示波段,“红边”是植物曲线最明显的特征。
近红外高原区(0.7-1.3μm)对于典型植物叶子的反射率一般为40%-50%。
这主要是由于植物叶子内部组织结构(细胞结构)多次反射散射之结果。
1.3μm以后的三个明显低谷:
1.4、1.9、和2.7μm是由于叶子内部的液态水强烈吸收的结果。
相应地称这些波长位置为水吸收波段。
这些吸收波段间出现两个主要反射峰,位于1.6和2.2μm处。
这是植物曲线所特有的光谱特征。
这些特征主要由其化学和形态学特征决定的,而这些特征与植被的生长发育阶段、健康状况和物候现象密切相关。
由于不同植物绿叶之间以及同一植物不同部位的绿叶之间色素含量(主要是叶绿素)及水分含量的差异,它们之间的光谱曲线线形存在许多差别。
即使是同一种植物由于叶子生长部位不同,它们叶绿素吸收引起的可见光曲线形状也可能明显不同。
不同植物种类之间“吸收谷”、“反射峰”的差异就更明显了。
这种植物绿叶光谱曲线线形除受各种类及部位因素影响外,还受物候季相的影响。
所有这些光谱特征差异如果能用像地面光谱仪一样测量记录下来,那么对于植物学研究将有很大的帮助。
因此精细分划10nm左右的细波段能记录丰富的电磁波信息,能详细描述不同植物特有的光谱特征,这是传统多光谱技术所做不到的。
高光谱遥感不仅能用于除传统多光谱遥感对植被的识别与分类外,还能对植物化学成分(指植物体内的)及植物长势等作出评估。
而且,高光谱遥感数据能大大地改善对植被的识别与分类精度。
单就充分利用植被的光谱信息而言,人们可以从众多的窄波段中筛选出那些对植物类型间光谱差异极为明显的波段,利用少数几个窄波段对植被类型进行识别和分类;
也可采用一些数据压缩技术,重新组合几个综合波段,充分利用植被的光谱信息,这对植被识别与分类精度的改善必将大有帮助。
由于航高的原因,改善空间分辨率有一定难度,但光谱分辨率的提高同样也能改善植物遥感水平。
高光谱遥感的出现,使植物化学成分的遥感估测成为可能。
因此植物遥感已非局限于对植物类型的识别和分类,而已涉及到各种植物化学成分的估测。
如对植物叶内的N、P、K、糖类、淀粉、蛋白质、氨基酸、木质素、纤维素及叶绿素等的估测,并为评价植物长势、估计陆地生物量从理论和实践上提供了可靠的保证。
在植物生态学研究中应用高光谱遥感数据,主要涉及以下几个方面:
植物群落、种类的识别、冠层结构、状态或活力的评价、冠层水文状态的评价和冠层生物化学成分的估计。
3在其它领域中的应用
(1)大气遥感
目前用高光谱研究大气,主要目标是水蒸气、云和气溶胶研究。
过去的工作多是利用AVIRIS高光谱数据,特别是利用以下三个光谱通道:
0.94μm和1.14μm是两个重要的水蒸气吸收通道,1.04μm是重要的水蒸气窗口通道。
这里三通道比值被用来识别云层区域,其定义为:
(9-1)
式中,I为AVIRIS对应于波长的测量强度。
由于云层顶和背景之间水蒸气路径差异,这种比值能增强云与背景的可分离性。
另外从高光谱数据中可以逐像元地提取大气总柱水蒸气信息,从而推算地表反射率。
也可以在两个不同的研究点上,将高反差的自然地表和人工地表(塑料薄膜覆盖物)作为试验场地,以获取气溶胶光学厚度信息。
(2)水文与冰雪
利用高光谱成像光谱仪可以测定沿海、江河、湖泊中的叶绿素、浮游生物、有机质、悬浮物和水生植物等以及它们的分布。
例如:
利用AVIRIS数据研究美国Tahoe湖的叶绿素浓度和湖底深度制图;
利用沿岸水色扫描仪CZCS从已经纠正的AVIRIS图像上提取湖水叶绿素浓度,并与瓶装湖水样品分析结果进行比较,两者结果非常一致。
利用高光谱AVIRIS光学图像还可以探测到冰雪覆盖度、粒径、地表液态含水量、混杂物和深浅等冰雪性质。
利用一种新的光谱混合分析技术,改善了高山地区雪盖面积的判读精度。
(3)环境与灾害
高光谱图像可以用来探测危险环境因素。
编制酸性矿物分布图,特殊蚀变矿物分布图,评价野火危险的等级等。
利用多种航空航天遥感资料,普通遥感与高光谱遥感数据结合探测火灾的发生地点以及其它与燃烧现象有关的地表生物量,燃烧的后果,地表组成及更新情况。
高光谱遥感调查还用于研究弃矿环境的恢复等问题。
(4)土壤调查
高光谱土壤遥感可以提供土壤表面状况和性质的空间信息,空间差异性。
但由于土壤性质的空间变化是连续的,土壤表面覆盖使土壤调查与监测比较困难。
根据实验室光谱仪测定0.52~2.32μm的土壤二向性反射光谱,将土壤反射光谱曲线归纳为五类:
a.有机质控制类型(富含有机质,中细结构);
b.最小改变类型(低有机质含量,铁含量中等);
c.铁影响类型(低有机质含量,铁含量居中等);
d.有机质影响类型(富含有机质,中粗结构);
e.铁控制类型(富含铁,细结构)。
研究表明,预测土壤有机质含量最佳的波段为0.62μm~0.56μm,预测模型为:
有机质含量=K·
(9-2)
r为反射光谱值,K为待定常数。
利用高光谱数据研究土壤退化和侵蚀也取得了成效。
发现了土壤组之间光谱差异明显,利用这一差异可以区分性质相似的土壤类型。
同时发现实验室测定的野外土样光谱与AVIRIS测量的光谱相关性很高,表明这种传感器识别土壤变异的本领可以与实验室光谱分析类比。
这种数据经过处理也可以用来编制土壤分布图。
高光谱分辨率数据和高空间分辨率数据相结合的光谱混合模型,可以描述地表组分数量和分布特征。
将干草和绿色植被从和土壤有关的细微地表光谱成分中区分开。
(5)城市环境
高光谱和高空间分辨率遥感数据的结合,有可能细分出城市地物和人工目标。
结合特征提取技术,采用“分级掩模”,逐级分类再作复合处理成图,在城市地物区分过程中很有成效。
但是,总的来说城市环境遥感方面的工作还有待深入研究。
9.1.3高光谱遥感的发展前景
将来高光谱卫星传感器将以AVIRIS的工作方式测量太阳反射光谱。
它们将提供多时相全球各个区域的高光谱图像(Green等,1998)。
几个新的航天成像光谱仪已被研制出来。
美国宇航局计划将两个成像光谱仪作为地球观测系统(EOS)的一部分。
这两个光谱仪是中等分辨率成像光谱仪(MODIS)和高分辨率成像光谱仪(HIRIS)(Vane&Goetz,1993;
和Gupta,1991)。
携带MODIS的EOS—AM卫星已于1999年12月8日上午在加州Vandenberg空军基地被成功地送入轨道。
MODIS是EOS计划(又称Terra计划)中用于观测全球生物和物理过程的仪器,每天可完成一次全球观测。
该仪器计划搭载于EOS—AM(上午轨道)和PM(下午轨道)系列卫星上,提供长期观测,从中人们可以获得对地球表面和大气层底部全球动力过程的进一步认识。
MODIS是一个真正多学科综合的仪器,可以对高优先级的大