高光谱遥感技术的应用精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的高光谱遥感技术的应用主题范文，仅供参考，欢迎阅读并收藏。

高光谱遥感技术的应用

第1篇：高光谱遥感技术的应用范文

关键词：遥感技术；农业；应用进展

引言

遥感技术是一种获取地表物体几何和物理性质的技术。早期的遥感图像的解译，通常通过目视判读方法，随着计算机的加速发展，解译方法得到了快速发展，一种使用计算机对原始遥感影像进行图像增强、图像变化、辐射校正、几何校正等一系列的预处理，然后通过相应的遥感处理软件进行进一步精处理，对结果进行处理，最终通过专业技术人员的经验进行解译，直接对解译结果进行处理，生成具有处理特征的遥感影像［1］。目前，遥感可分为高光谱遥感和多光谱遥感。高光谱遥感不仅可以探测到被遮盖的地物，而且可以准确地估计植物生态系统的物理和化学参数的变化，包括土壤水分、土壤特性、植物质、土壤生物化学参数、土地利用动态监测变化等。多光谱遥感是利用具有2个及2个以上光谱通道，采用多种传感器对地物进行同步成像的一种遥感技术；将地物反射的电磁波信息划分为若干个光谱波段，用于接收和记录地物信息［2，3］。当前遥感技术的发展使得遥感应用领域逐渐扩大，有林业遥感、资源遥感、遥感地质、气象遥感、灾害遥感、军事遥感、农业遥感等，尤其在农业遥感领域得到了广泛的应用，从早期的农业墒情监测和农作物面积变化监测，再到农业资源利用监测，以及利用无人机对区域水资源和农业干旱的监测与评价等。

1遥感在农业领域的应用

遥感可以获得大量的信息，多平台和多分辨率，快速、覆盖范围广等，是遥感数据的一个重要的优势。农业遥感技术是遥感技术和农业科学技术相结合形成的，是可以及时掌握农业资源、作物生长以及农业灾害信息等的最佳方式，在调查和评估，以及农业生产的监测和管理中具有独特的作用［4，5］。现代农业遥感发展的新兴技术，可以实时监测湖泊和水库水面的高度以及评价区域水资源和农业干旱，包括作物品种质量监控和鉴定［6－9］。

2农业遥感技术在我国的起步与发展

农业遥感的发展是遥感技术的重要应用领域，中国自20世纪70年代末以来，就已经进行了农业遥感的初步应用。原北京农业大学（中国农业大学的前身）根据国家土壤调查的要求，在中国国家计划委员会的支持下，由中国科教委和农业农村部组织聘请外国专家培训了专门的遥感应用人才队伍，在1983年5月成立了中国国家农业遥感培训中心。此后，我国将遥感技术广泛应用于农作物产量估算、农业气象、土地资源调查与监测和生态环境变化等领域。目前，遥感技术的应用进入了大量的实际应用化的阶段。我国大力开展国际合作与研究，积极探索遥感领域的前沿技术，使得中国成为世界上遥感领域技术先进的国家之一［10，11］。进入20世纪90年代中后期，出现了大量比较成熟的农业遥感软件，包括农业资源调查与监测的软件，由中国科学院农业遥感实验室组织开发的遥感处理软件———土地利用调查与数据处理系统软件；中国农业科学院草原研究所开发的北方草原产量动态监测系统软件等，新的遥感处理软件大大提高了人们的工作效率。近年来，各部门逐渐建立了地方的遥感中心，为国民经济建设提供了大量支持。随着遥感技术的逐渐成熟、数据来源的大量增加，以及计算机软硬件性能的快速提高，使得遥感应用逐渐普及［12］。

3遥感在当前农业应用中的进展

当今农业发展的趋势是精准农业，具有高质量、安全、低耗、高效的特点，精准农业的大量信息采集，如农作物长势监测、作物害虫监测、作物产量预测，土壤水分预报等农业精准信息，为精准农业的农业信息管理提供了依据。虽然国内的遥感在农业方面做了一些工作，但仍处于起步阶段［13－16］。农业遥感在未来应加强应用的深度和广度研究。通过3S技术的结合，在农业生产管理、农业资源、农业工程监理和其它现代农业建设领域，为农业部门的科学决策提供了详实的支持数据。高光谱遥感技术和无人机技术已经成为农业遥感新的研究热点［14］。

3．1高光谱遥感在农业遥感中的应用

由于高光谱遥感不会对农作物造成损害，因而被广泛应用于监测农作物的叶片面积。这弥补了传统遥感技术获取农作物叶面积指数时间过长的缺点，从而获得最准确、损害最小的遥感监测数据。通过高光谱的观测和分析，可以得到更为精确的农作物叶面积指数，形成不同的遥感反演模型。如，使用地物光谱仪测量冬小麦在特定波段范围内的反射率和透射率，使用冠层分析仪对冬小麦进行分析，形成光谱曲线；经过观测，形成遥感反演模型，并将模型估计值与实际观测值进行对比，结果显示，明显提高了遥感反演模型的整体精度。现阶段，我国农业现代化发展的主要方向和目标是精细农业，在农业监测中高光谱遥感技术具有快速高效、准确、无损的特点，已经成为了农业遥感监测中被广泛应用的手段。精细农业可以通过科学、系统的管理方法对农业资源利用进行合理规划，在不污染环境的前提下，通过遥感技术提高农产品产量和质量。考虑到精细农业对数据和信息的需求，传统的分析方法已不能满足现代农业发展的需要。因此，3S技术的综合被应用到农业监测中。高光谱遥感在精准农业的发展中得到了广泛的应用。利用高光谱技术获得更完整和更准确的农作物参数，为农作物的种植与管理提供了有利的保障［18－20］。高光谱遥感技术除了上述内容，在全面的农作物质量监测，通过获取农作物在不同生长时期的数据特征进行全面的预测以及最后的生产，目前主要集中在不同农作物的种植面积和产量以及质量监测过程中的数据访问与存储。虽然高光谱技术已经全面、准确应用于农业中，但还需要进一步的研究。如何将高光谱遥感技术应用于作物机理和农业信息的监测以及完善农业光谱信息数据库，为进一步提高农业信息监测模型的适用性和准确性提供支持［22－26］。

3．2无人机遥感在农业中的研究进展

3．2．1农田空间信息农田空间信息包括地理坐标信息、通过视觉和机器识别获得的农作物分类信息。通过无人机可以识别农田边界来预估种植面积。传统方法进行农田的面积测量，具有时效性差和农田边界位置与实际情况差异大的缺点，不利于精准农业的实施监测。无人机可以准确、有效并且实时获取全面的农田空间信息，具有传统的测量无法比拟的优势。无人机航拍图像可以实现农田基本空间信息的识别，农作物区域面积的计算和种类的识别仅通过数码相机就可以实现。空间定位技术的快速发展，大大提高了农田定位信息研究的精度和深度，随着无人机影像空间分辨率的提高，地形、坡度和高程信息的引入，可以实现较为准确的农田空间信息监测。张宏明等利用无人机DEM数据提取农田灌溉渠道系统，对于灌溉渠道提取完整性达到85．61％［19］。

3．2．2作物生长信息农作物的生长状况可以通过多种信息反映，如产量信息、表型参数以及营养指标来表示。包括植被覆盖度和叶面积指数等，多种信息相互关联，共同代表了作物的生长，与最终产量直接相关［21］。在野外信息监测研究中起着主导作用。

3．2．3作物生长胁迫因子农田墒情监测热红外法是农田土壤含水量监测的常用手段。在高植被覆盖度的地区，通过叶片气孔的关闭，可以有效减少蒸腾引起的水分损失，增加地表感热通量，从而减少地球表面的潜热通量，导致作物冠层温度上升。水分胁迫指数能够反映农作物的水分含量与作物冠层温度的关系。通过传感器的热红外波段可以有效地获得作物冠层温度，进而有效反映农田水分状况。在植被覆盖度比较低的地区，土壤水分可以间接表示下垫面的地表温度变化，由于水的加热温度变化是一个缓慢的过程，因此土壤水分的分布可以间接反映白天下垫面温度的空间分布。裸地对遥感的温度监测是一个重要的干扰因子，在冠层温度监测中较为重要。研究者研究了裸地温度与作物表面覆盖度的关系，确定了裸地引起的冠层温度测量值与真值之间的差距。将修正结果应用于农田水分监测，提高了监测结果的准确性。在实际农田生产经营中，农田漏水也是人们关注的焦点。利用红外成像仪对灌溉渠的渗漏进行监测，准确率达93％［27－29］。

3．2．4病虫害监测通过热红外波段的实时监测，可以有效反映作物病虫害分布的动态变化情况。作物在健康的条件下，蒸腾作用是通过气孔的开闭来调节的，以保持农作物温度的恒定。当发生病害后，叶面会发生病理变化。病原菌植物对植物蒸腾作用的影响比较明显，会造成侵染部分温度的升降。一般情况下，植物易感会导致气孔开度失调，使致病区域的蒸腾作用高于健康区的蒸腾作用；旺盛的蒸腾作用会导致致病区域温度的下降，致病区域的叶片温差明显高于正常叶片的温差，直到坏死部位的细胞完全死亡，叶片会变得枯黄，叶片的蒸腾作用完全丧失。通过健康植株温差始终低于叶片表面的温度的原理［30－33］，可以实时监测作物病虫害的变化趋势。

4总结

4．1我国遥感技术在农业应用中的发展

在我国主要粮食主产区，建立了产量估算信息系统，冬小麦遥感产量估算操作系统是RS与GIS技术相结合的产物。可以将整个产量估算的操作环节集成到计算机系统的操作中，具有完整的数字化操作能力，可以输出各种产量估算结果。大量冬小麦产量估算试验结果表明，利用冬小麦遥感产量估算操作系统进行大面积作物产量估算的精度可达95％以上，随着运行年限的逐渐积累，操作系统的生产精度将逐步提高，运行成本将逐年降低。同时，我国迫切需要了解农业种植结构的变化，针对于种植面积计算的要求、监控的增长潜力、建立单位面积产量模型和遥感监测，中国科学院农业研究实验室在GIS技术的支持下开发了一种作物产量估算的实用操作系统。并且，东北的三江平原，南方的太湖平原也相继建立了遥感监测系统，取得了良好的应用效果。

4．2遥感在农业发展中的前景

中国国家科教委将“RS、GIS和GPS综合应用研究”列为国家科技攻关重点项目。到目前为止，遥感信息技术已连续7个“五年规划”被列为国家重点项目，体现了国家对遥感的重视。可以预见，遥感可以有效地应用于农业发展中，使其走上产业化发展的道路［35］。

5结语

随着国家空间基础设施建设的持续推进以及“高分辨率对地观测系统”的深入实施，中国将拥有更多的国产资源调查监测卫星。物联网与大数据、人工智能等技术的发展以及现代农业发展的需要，将使得我国农业遥感技术的研究和应用进一步发展。

5．1农业遥感的应用范围和应用领域的拓宽

物联网加大数据与遥感观测、导航与定位，结合其它学科领域，可以促进农业遥感自身的发展，跨学科的应用也将扩大农业遥感的应用领域。需要进一步建立“空、天、地”三位一体的农业综合管理系统，深入发展遥感观测精度的智能农业、农作物育种表型、农业保险的监测和评价、绿色农业发展、农业政策的效果评价等方面。

第2篇：高光谱遥感技术的应用范文

【关键词】遥感技术；3S；结合发展前景

【中图分类号】TP 【文献标识码】A

【文章编号】1007-4309（2013）07-0060-2

一、遥感技术的找矿应用

1.地质构造信息的提取

内生矿产在空间上常产于各类地质构造的边缘部位及变异部位，重要的矿产主要分布于板块构造不同块体的结合部或者近边界地带，在时间上一般与地质构造事件相伴而生，矿床多成带分布，成矿带的规模和地质构造变异大致相同。

遥感找矿的地质标志主要反映在空间信息上。从与区域成矿相关的线状影像中提取信息往往要包括断裂、节理、推覆体等类型，从中酸性岩体、火山盆地、火山机构及深亨岩浆、热液活动相关的环状影像提取信息泡括与火山有关的盆地、构造，从矿源层、赋矿岩层相关的带状影像提取信启、住要表现为岩层信息，从与控矿断裂交切形成的块状影像及与感矿有关的色异常中提取信息位口与蚀变、接触带有关的色环、色带、色块等）。当断裂是主要控矿构造时，对断裂构造遥感信息进行重点提取会取得一定的成效。

遥感系统在成像过程中可能产生“模糊作用”，常使用户感兴趣的线性形迹、纹理等信息显示得不清晰、不易识别。人们通过目视解译和人机交互式方法，对遥感影像进行处理，如边缘增强、灰度拉伸、方向滤波、比值分析、卷积运算等，可以将这些构造信息明显地突现出来。除此之外，遥感还可通过地表岩性、构造、地貌、水系分布、植被分布等特征来提取隐伏的构造信息，如褶皱、断裂等。提取线性信息的主要技术是边缘增强。

2.植被波谱特征的找矿意义

在微生物以及地下水的参与下，矿区的某些金属元素或矿物引起上方地层的结构变化，进而使土壤层的成分产生变化，地表的植物对金属具有不同程度的吸收和聚集作用，影响植叶体内叶绿素、含水量等的变化，导致植被的反射光谱特征有不同程度的差异。矿区的生

物地球化学特征为在植被地区的遥感找矿提供了可能，可以通过提取遥感资料中由生物地球化学效应引起的植被光谱异常信息来指导植被密集覆盖区的矿产勘查，较为成功的是某金矿的遥感找矿东南地区金矿遥感信息提取。

不同植被以及同种植被的不同器官问金属含量的变化很大，因此需要在己知矿区采集不同植被样品进行光谱特征测试，统计对金属最具吸收聚集作用的植被，把这种植被作为矿产勘探的特征植被，其他的植被作为辅助植被。遥感图像处理通常采用一些特殊的光谱特征增强处理技术，采用主成分分析、穗帽变换、监督分类非监督分类等方法。植被的反射光谱异常信息在遥感图像上呈现特殊的异常色调，通过图像处理，这些微弱的异常可以有效地被分离和提取出来，在遥感图像上可用直观的色调表现出来，以这种色调的异同为依据来推测未知的找矿靶区。植被内某种金属成分的含量微小，因此金属含量变化的检测受到谱测试技术灵敏度的限制，当金属含量变化微弱时，现有的技术条件难以检测出，检测下限的定量化还需进一步试验。理论上讲，高光谱提取植被波谱的性能要优于多光谱很多倍，例如对某一农业区进行管理，根据每一块地的波谱空间信息可以做出灌溉、施肥、喷洒农药等决策，当某农作物十枯时，多光谱只能知道农作物受到损害，而高光谱可以推断出造成损害的原因，是因为土地干旱还是遭受病虫害。因此利用高光谱数据更有希望提取出对找矿有指示意义的植被波谱特征。

3.矿床改造信息标志

矿床形成以后，由于所在环境、空间位置的变化会引起矿床某些性状的改变。利用不同时相遥感图像的宏观对比，可以研究矿床的侵蚀改造作用；结合矿床成矿深度的研究，可以对类矿床的产出部位进行判断。通过研究区域夷平而与矿床位置的关系，可以找寻不同矿床在不同夷平而的产出关系及分布规律，建立夷平而的找矿标志。另外，遥感图像还可进行岩性类型的区分应用于地质填图，是区域地质填图的理想技术之一，有利于在区域范围内迅速圈定找矿靶区。

二、遥感找矿的发展前景

1.高光谱数据及微波遥感的应用

高光谱是集探测器技术、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。它利用成像光谱仪以纳米级的光谱分辨率，成像的同时记录下成百条的光谱通道数据，从每个像元上均可以提取一条连续的光谱曲线，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而具有巨大的应用价值和广阔的发展前景。成像光谱仪获得的数据具有波段多，光谱分辨率高、波段相关度高、数据冗余大、空间分辨率高等特点。高光谱图像的光谱信息层次丰富，不同的波段具有不同的信息变化量，通过建立岩石光谱的信息模型，可反演某些指示矿物的丰度。充分利用高光谱的窄波段、高光谱分辨率的优势，结合遥感专题图件以及利用丰富的纹理信息，加强高光谱数据的处理应用能力。微波遥感的成像原理不同于光学遥感，是利用红外光束投射到物体表而，由天线接收端接收目标返回的微弱同波并产生可监测的电压信号，由此可以判定物体表而的物理结构等特征。微波遥感具有全天时、全天候、穿透性强、波段范围大等特点，因此对提取构造信息有一定的优越性，同时也可以区分物理结构不同的地表物体，因为穿透性强，对覆盖地区的信息提取也有效。微波遥感技术因其自身的特点而具有很大的应用潜力，但微波遥感在天线、极化方式、斑噪消除、几何校止及辐射校止等关键技术都有待于深入研究，否则势必影响微波遥感的发展。

2.数据的融合

随养遥感技术的微波、多光谱、高光谱等大量功能各异的传感器不断问世，它们以不同的空间尺度、时间周期、光谱范围等多方面反映地物目标的各种特性，构成同一地区的多源数据，相对于单源数据而高，多源数据既存在互补性，又存在冗余性。任何单源信息只能反映地物目标的某一方面或几个方面的特征，为了更准确地识别目标，必须从多源数据中提取比单源数据更丰富、有用的信息。多源数据的综合分析、互相补充促使数据融合技术的不断发展。通过数据融合，一方面可以去除无用信息，减少数据处理量，另一方面将有用的信息集中起来，便于各种信息特征的优势互补。

蚀变矿物特征光谱曲线的吸收谷位于多光谱数据的波段位置，因此可以识别蚀变矿物，但是波段较宽，只对蚀变矿物的种属进行分类。与可见一红外波段的电磁波相比，达波对地而的某些物体具有强的穿透能力，能够很好地反映线性、环性沟造。达图像成像系统向多波段、多极化、多模式发展，获取地表信息的能力越来越强。总的来说，多光谱、高光谱数据的光谱由线特征具有区分识别岩石矿物的效果，所以对光学图像与雷达图像进行融合处理，既能提高图像的分辨率、增强纹理的识别能力，又能有效地识别矿物类型。

尽管融合技术的研究取得了一些可喜的进展，但未形成成熟的理论、模型及算法，缺乏对融合结果的有效评价手段。在以后的研究中，应该深入分析各种图像的成像机理及数据间的相关性、互补性、冗余性等，解决多源数据的辐校止问题，发展空间配准技术。优化信息提叉的软件平台，实现不同格式图像问的兼容性。

三、结束语

综上所述，遥感技术作为矿产勘查的一种手段应用于找矿取得了一定成就。遥感技术的直接应用是蚀变遥感信息的提取，遥感技术的间接应用包括地质构造信息、植被的光谱特征及矿床改造信息等方面。遥感找矿具有很大的发展前景的领域主要有：高光谱数据、数据融合技术、3s的紧密结合、计算机技术的发展。

【参考文献】

[1]吴晓伟.测绘工程GPS三维空间大地控制网的建设[J].硅谷，2013，4（2）.

[2]杨巨平，唐立哲.浅谈GPS在测绘中运用的几全要点[J].科技风，2013，10（4）.

第3篇：高光谱遥感技术的应用范文

关键词:高光谱分类提取投影寻踪

1 高光谱遥感概述

高光谱遥感(Hyper spectral Remote Sensing 简称HRS)起步于80年代,发展于90年代,至今已解决了一系列重大的技术问题。它是光谱分辨率在10-2λ的光谱遥感,其光谱分辨率高达纳米(nm)数量级,具有波段数众多,连续性强的特点,其传感器在可见光到红外光的波长范围内(0.4μm～2.5μm)范围内以很窄的波段宽度(3～30nm) 获得几百个波段的光谱信息,相当于产生了一条完整而连续的光谱曲线,光谱分辨率将达到5nm～10nm[1]。高光谱遥感数据的表现可以从以下三个方面来理解[2]:图像空间、光谱空间和特征空间。此外,随着高光谱遥感分辨率的增加,特征空间的维数很高,因而表现不同地物类别的能力也随之不断提高,这也是高光谱遥感之所以能够更精确识别地物的主要原因。

2 高光谱遥感的应用

高光谱影像包含了丰富的地表空间、光谱和辐射的三重信息,它同时表现了地物的空间分布并获得了以像元为目标的地物光谱信息。高光谱遥感技术作为连接遥感数据处理、地面测量、光谱模型和应用的强有力工具,其显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱影像,其超多波段信息使得根据混合光谱模型进行混合像元分解获取“子像元”或“最终光谱单元”信息的能力得到提高,使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物、物理、化学过程和参数,随着成像光谱技术的发展与成熟,遥感技术已经大大拓宽了其原来的应用领域,归纳起来主要包括以下几个方面[5]-[19]:1)在精准农业领域的应用(作物参数反演);2)在林业领域的应用(树种识别、森林生物参数填图、森林健康检测等);3)在水质检测领域的应用(反演水质参数);4)在大气污染检测领域的应用(气溶胶、二氧化氮等的检测与反演);5)生态环境检测领域的应用(检测生物多样性、土壤退化、植被重金属污染等);6)在地质调查领域的应用(矿物添图,岩层识别,矿产资源、油气能源探测等);7)在城市调查领域的应用(城市绿地调查、地物及人工目标识别)。

3 高光谱遥感图像分类与信息提取

3.1 遥感图像处理

遥感数字图像处理是以遥感数字图像为研究对象,综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术,实现地学专题信息的自动提取[18],要素分类与提取在图像处理过程中占有决定性的地位。遥感图像分类是统计模式识别技术在遥感领域中的具体应用,统计模式识别的关键是提取待识别模式的一组统计特征值,然后按照一定准则做出决策,从而对数字图像予以识别。其主要依据是地物的光谱特征,即地物电磁波辐射的多波段测量值,这些测量值可以用作遥感图像的原始特征值。

3.2 高光谱遥感图像分类与提取

目前,高光谱遥感数据分析方法主要有两个方向[19]-[30]:第一是基于光谱空间的分析方法,其基本原理是化学分析领域常用的光谱分析技术;第二个方向是基于特征空间分析技术,该方向的基本思想是把组成光谱曲线的各光谱波段组成高维空间中的一个矢量,进而用空间统计分析的方法分析不同地物在特征空间中的分布规律。

3.2.1 基于光谱空间的分析方法

高光谱遥感技术的最大特点就是:在地物的每一个像元处,可以得到一条连续的光谱曲线,所有的光谱曲线的集合则构成了光谱空间,不同的地物对应于光谱空间中的一条光谱曲线。因此,基于光谱空间的数据分析方法是高光谱数据分析的主要技术之一,其主要思想类似于化学上常用的光谱分析技术,主要是通过对光谱曲线进行特征分析,发现不同地物的光谱曲线变化特征,从而达到识别地物的目的。由于这种分析方法与地物的物理化学属性直接相关,因此可以方便地对分析结果进行物理解释:由于分析过程主要是针对一个像元的光谱曲线,因此,算法往往比较直观和简单。这些特点使得基于光谱空间的分析技术成为引人注目的一种技术,因而,近年来在这方面产生了许多实用的研究结果。

常用的分析方法包括:(1)光谱角填图法(SAM-Spectral Angle Mapping):又称光谱角度匹配法.是以实验室测得的标准光谱或从图像上提取的一直已知点的平均光谱为参考,求算图像中每个像元矢量(将像元n个波段的光谱响应作为n维空间的矢量与参考光谱矢量之间的广义夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。(2)光谱解混技术(Spectral Unmixing):就是假设某一像元的光谱是由有限几种地物的光谱曲线按某种函数关系和比例混合而成,解混的目的就是通过某种分析和计算,估计出光谱混合方式和混合像元包含的光谱成分及相应比例。(3)光谱匹配滤波技术(Matched Filter):是通过部分光谱解混技术求解端元光谱丰度值的技术。由于前面介绍的线性光谱解混技术要求端元光谱足够完全,而实际上很难确定一幅待研究的高光谱图像所包含的全部端元光谱。匹配滤波技术则选定某些感兴趣的端元光谱的情况下,把未知的光谱归为背景光谱(Unknown background),最大化地突出已知端元光谱而同时尽可能抑制背景光谱,这种方法提供了一种快速探测指定地物种类的技术,而不必知道一幅图像中包含的全部端元光谱。(4)光谱特征匹配(SFF-Spectral Feature Fitting):根据电磁波理论,不同的物质有不同的光谱曲线。人们可以通过分析不同地物的光谱吸收表现,达到识别不同地物的目的。首先把反射光谱数据的吸收特征突出出来,然后用仅保留了吸收特征的光谱与参考端元光谱逐个波段进行最小二乘匹配,并计算出相应的均方根误差(RMS-Root Mean Square),消除背景影响的方法主要是包络线法。

3.2.2基于特征空间的分类方法

前面介绍的基于光谱空间的分析方法主要是通过比较待分像元的光谱曲线与参考光谱的光谱曲线之间的相似程度来达到分类判别的目的。这种思想看起来很直观和理想,类似于人的指纹识别一样,每一个人都有不同的指纹,通过与指纹库中的指纹相比较就可以确定人的身份。然而,遥感问题却远远复杂得多,由于太阳辐射、大气、空间分辨率和光谱分辨率,观测噪声,及多种多样难以确定的因素的影响,很难测得所谓“纯”的光谱曲线。尽管有多种多样的光谱解混技术被提出,但多种因素的影响很难被充分估计出来,因而无论何种光谱分析技术都无法完全达到遥感图像辩识的要求。

另一种遥感图像地物辩识的思想则是从统计分布规律出发,在同一幅图像上,不同地物的光谱数据呈现不同的分布状态,比如不同均值和方差,通过分析这种统计分布规律而实现地物识别的技术就是基于特征空间的分类方法。遥感图像上的每个像元对应n个光谱波段反射值。假若把这几个波段值组成的n维矢量看作是n维欧几里德空间中的一个点,则称矢量X=(X1,X2,…,Xn)为像元的特征值,相应的n维欧几里德空间称为特征空间。在特征空间的意义上,遥感图像上的任一像元对应于特征空间中的一个点,因此,分类的方法可以从寻找像元在特征空间中的分布规律入手,也就是在特征空间中进行判别的问题。

常用的分析方法包括:(1)高斯最大似然分类器(MLC):是遥感分类的主要手段,其基本思想是,假设各类样本数据都是高斯分布(正态分布),判别准则为所属类别的分布密度最大。其分类器被认为是一种稳定性、鲁棒性好的分类器。但是,如果图像数据在特征空间中分布比较复杂、离散,或采集的训练样木不够充分、不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。(2)基于Bayes准则的分类器: 基于Bayes准则的判别函数是统计模式识别的参数方法,要求各类的先验概率P(ωi)和条件概率密度函数P(ωi x)已知。p(ωi)通常根据各种先验知识给出或假设它们相等: P(ωi x)则是首先确定其分布形式,然后利用训练样本估计其参数。一般假设为正态分布,或通过数学方法化为正态分布。其判别函数为:Di(X)=P(ωi) P(ωi x),i=1, 2,…,m。若Di(X)Dj(X) j=1,2,…,m,j≠i,则X为ωi类。判别函数集有多种导出形式,如最大后验概率准则、最小风险判决准则、最小错误概率准则、最小最大准则、Neyman-Pearson准则等,是依据不同的规则选择似然比的门限来实现的。(3)最小距离判别法:该方法是最直观的一种判别方法,假设在p维欧氏空间中,把c个不同的类别看成分布在空间中的不同位置,最小距离判别方法的思想就是,对待分类的样本,若与某一类的空间几何距离最近,则判别为属于此类。该方法的关键问题,一是如何定义空间距离;另一问题是,如何计算点到各类别的空间距离。(4)基于模糊集理论的判别分类方法:相邻波段影像间存在较大的相似性表明,它们的分类作用可以相互近似替代。因此,只需利用其中的一幅影像参加分类即可,其它与之相似的光谱波段都可被视为冗余波段。显然,要删除这些冗余光谱波段,应首先对原始波段集合中的光谱波段进行模糊等价划分,然后在每个模糊等价波段组中只选择一个光谱波段(或进行线性融合)。(5)基于人工神经网络的分类法:通过建立统一框架,实现对影像的视觉识别和并行推理,是近年来发展起来的综合数据分类方法之一。其目标是利用人工神经网络技术的并行分布式知识处理手段,以遥感影像为处理对象,建立基于人工神经网络的遥感影像分类专家系统。(6)支持向量机(Support Vector Machine )分类方法:支持向量机是一种建立在统计学习理论基础之上的机器学习方法。其最大的特点是根据Vapnik的结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练样本集得到小的误差能够保证对独立的测试集保持小的误差。另外,由于支持向量算法是一个凸优化问题,局部最优解也是全局最优解,这是其它学习算法所不及的。以上介绍了几种分类方法,事实上,随着各学科的发展和交叉影响,基于特征空间的分析方法有许多新的进展。

4高光谱遥感数据分类存在的问题

随着光谱分辨率的提高,高光谱遥感能够提供对地物识别更充分的信息,对基于特征空间的分类而言,理论上说,随着特征空间维数的增加,分类精度将会越来越精确,但实际问题并非如此简单。综合以上高维空间的几何特征和统计特性[31]-[36],可以得出这样的结论:基于统计理论的参数估计若在原始高维空间进行,则需相当庞大的训练样本数才能得到比较满意的估计精度,非参数估计方法所需的样本数量更是不可想象。此外,原始高维数据空间的正态分布特性更是难以保证,而正态分布是许多参数估计方法的基础。因此,高光谱遥感分类的表现并未如人们所期望的那样简单,具体来说,在不讨论客观因素的情况下,影响高光谱遥感分类精度的主要因素主要是以下几条:

(1)训练样本数量问题:根据Hughes的研究结果[37],随着特征空间维数的增加,类别可分性提高,但由于遥感中常用的监督分类方法首先要估计样本的分布函数,或分布函数中的一些参数,随着空间维数的增加,待估参数的个数急剧增加,在训练样本数量一定的条件下,导致分类精度在特征空间的维数增加到一定数量后,反而会随着维数的增加而下降。

(2)特征空间的组成:前一个问题导致基于特征空间的分析方法通常不能在原始空间中直接进行,必须对原始波段空间进行降维预处理,得到一个保持了原始空间全局和局部特征结构的低维空间,然后在低维子空间中进行分类判别。

(3)分类器的选择。

(4)类别可分性:类别可分性是数据集固有的一种性质,是由客观条件造就的数据集内在结构,由于客观因素的影响,待分辨的类别之间可区分的程度会有很大的差异,数据集的这种内在的可分离程度对分类精度的高低有着至关重要的影响。

5 结语

过去几十年高光谱遥感已经在各方面有了很大的应用,高光谱技术从遥感的角度提供了大尺度获取地面光谱数据的手段,为人们宏观分类识别地物提供了基础。但是人们在获取大量高光谱图像数据的同时,也面临着如何最大程度地利用这些海量数据的难题,关于高光谱分类与信息提取的技术,虽然取得了一些进展,但是从总体上仍落后于传感器的发展,因此对于高光谱分类与信息提取还有很大的空间值得去研究。

参考文献

[1] 童庆禧,张兵,郑兰芬.高光谱遥感的多学科应用[M].北京:电子工业出版社,2006:1-54.

[2] 许卫东.高光谱遥感分类与提取技术[J].红外(月刊),2004,28-34.

[3] 薛利红,罗卫红,曹卫星,等.作物水分和氮素光谱诊断研究进展[J].遥感学报,2003,7(1):73-80

[4] 金震宇,田庆久,惠凤鸣,等.水稻叶绿素浓度与光谱反射率关系研究[J].遥感技术与应用,2003,18(3):134-137.

[5] N.H.Younan, R.L.King, H.H.Bennett, and JR. Classification of Hyper spectral Data: A Comparative Study [J], Precision Agriculture, 2004(5):41-53.

[6] 程乾,黄敬峰,王人潮,等.MODIS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究[J].应用生态学报,2004,15(8):1363-1367.

[7] 张良培,郑兰芬,童庆禧,等.利用高光谱对生物变量进行估计[J].遥感学报,1997,1(2):111-114

[8] 赵德华,李建龙,宋子键.高光谱技术提取植被生化参数机理与方法研究进展[J].地球科学进展,2003,18(1):94-99.

[9] 方红亮,田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用,1998,13(1):62-69.

[10] 陈楚群,潘志林,施平.海水光谱模拟及其在黄色物质遥感反演中的应用[J].热带海洋学报,2003,22(5):33-39.

[11] 李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002,14(3):228-234.

[12] 谭衢霖,邵芸.遥感技术在环境污染监测中的应用[J].遥感技术与应用,2000,15(4):246-251.

[13] 童庆禧,郑兰芬,王晋年.湿地植被成像光谱遥感研究[J].遥感学报,1997,1(1):50-57.

[14] 夏德深,李华.国外灾害遥感应用研究现状[J],国土资源遥感,1996,(3):1-8.

[15] 甘甫平,王润生,郭小方,等.高光谱遥感信息提取与地质应用前景――以青藏高原为试验区[J],国土资源遥感,2000,3:38-44.

[16] 王青华,王润生,郭小方.高光谱遥感技术在岩石识别中的应用[J].国土资源遥感,2000,4:39-43.

[17] 刘建贵,张兵,郑兰芬,等.城乡光谱数据在城市遥感中的应用研究[J].遥感学报,2000,4:221-228

[18] 梅安新,彭望,秦其明,等.遥感导论[M].北京:高等教育出版社.2002.

[19] 荆凤,陈建平.矿化蚀变信息的遥感提取方法综述[J].遥感信息,2005,2:62-65.

[20] 耿修瑞,张兵,张霞,等.一种基于高维空间凸面单形体体积的高光谱图像解混算法[J].自然科学进展,2004,14(7):810-814.

[21] CARL J. LEGLEITER. Spectrally Driven Classification of High Spatial Resolution, Huperspectral Imagery: A Tool for Mapping In-Stream Habitat [J].Environmental Management, 2003, 32(3):399-411.

[22] 甘甫平,王润生,马蔼乃,等.基于光谱匹配滤波的蚀变信息提取[J]. 中国图像图形学报,2003,8(A)(2):147-150.

[23] 李新双,张良培,李平湘.基于小波分量特征值匹配的高光谱影像分类[J].武汉大学学报•信息科学版,2006,31(3):274-277.

[24] P.Goovaerts. Geostatistical incorporation of spatial coordinates into supervised classification of hyperspectral data [J].Geograph Syst, 2002, (4):99-111.

[25] 刘汉湖,杨武年,沙晋明.高光谱分辨率遥感在地质应用中的关键技术及前景[J]. 世界地质,2004,23(1):45-49.

[26] Francesco Lagona. Adjacency selection in Markov Random Fields for high spatial resolution hyperspectral data [J].Geograph Syst, 2002(4):53-68.

[27] 李石华,王金亮,毕艳.遥感图像分类方法研究综述[J]. 国土资源遥感,2005,2:1-6.

[28] 王国明,孙立新. 高光谱遥感影像优化分类波段选择[J].东北测绘,1999,22:21-23.

[29] Allan Aasbjerg Nielsen. Spectral Mixture Analysis: Linear and Semi-parametric Full and Iterated Partial Unmixing in Multi-and Hyperspectral Image Data [J]. Mathematical Imaging and Vision. 2001(15): 17-37.

[30] 修丽娜,刘湘南. 人工神经网络遥感分类方法研究现状及发展趋势探析[J].遥感技术与应用,2003,18(5):339-345.

[31] 张连蓬.基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D].山东:山东科技大学,2003.

[32] Shailesh Kumar, Joydeep Ghosh and Melba M. Crawford.Hierarchical Fusion of Multiple Classifiers for Hyperspectral Data Analysis [J]. Pattern Analysis & Application, 2002 (5): 210-220

[33] 谭璐,易东云,冯国柱,等.局部不变投影[J].自然科学进展,2004,14(3):282-287.

[34] 李智勇,郁文贤,匡纲要,等.基于高维几何特性的高光谱异常检测算法研究[J].遥感技术与应用,2003,18(6):379-383.

[35] 周晓云,孙志挥,张柏礼. 一种大规模高维数据集的高效聚类算法[J].应用科学学报.2006, 24(4):396-400.

[36] 易尧华. 基于投影寻踪的多(高)光谱影像分析方法研究[D].武汉:武汉大学,2004.

第4篇：高光谱遥感技术的应用范文

关键字：遥感;GIS;高光谱;成矿预测

Abstract: as the society increasingly progress, increasing demand for minerals prospecting and increasing the level of difficulty, information ore-prospecting more and more applied in practice. This paper summarized the RS and GIS roughly in the present situation of the application of geology, the predecessor's research achievement, and on the basis of summarization of metallogenic prediction and RS and GIS inseparable relationship.

Keyword: remote sensing; GIS; Hyperspectral; Metallogenic prediction

中图分类号：O741+.2文献标识码：A 文章编号：

1引言

矿产资源是人类赖以生存和发展的物质基础，随着社会经济和科学技术的不断进步以及人口的增长，矿产品的消费量与日俱增，但是矿产勘查与开发难度的加大而导致的资源紧缺已成为制约全球社会与经济“可持续发展的”的关键因素。随着地表矿、浅部矿及易识别矿的日趋减少而导致的找矿难度的加大和找矿成本的提高,矿产勘查经历了由经验找矿、理论找矿和技术找矿的漫长经历后，进入了目前的信息化找矿时代。“信息化”是地质学发展的水平关键，地质学信息化水平的高低是衡量地质学现代化水平和发展潜力的重要标志。信息找矿战略目标是以地质空间多元信息库为支撑，以GIS为平台，发展新一轮矿产资源定量评估方法模型，为我国矿产资源评价提供方法技术支撑。

2RS在成矿预测中的应用

2.1 国内外研究现状

“遥感是20世纪中后期发展起来的新兴学科，遥感技术的发展，揭开了人类从外层空间观测地球、探索宇宙的序幕，为我们认识国土、开发资源、研究环境、分析全球变化找到了新的途径”。

最近几年，高空间分辨率的陆地卫星遥感传感器层出不穷，随着遥感数据获取技术的提高，遥感数据的处理技术也得到了很大的发展，特别是在遥感信息处理的全数字化、可视化、智能化和网络化方面有了很大的变化和创新。美国地质调查所（USGS）地壳成像与特性分析研究组是主要开展基础性、前瞻性遥感新技术研究的科研部门。近年来，其遥感项目研究重点之一就是在铀矿区、钼矿区和斑岩铜矿区，开展矿物学和稳定同位素化学与遥感数据相融合的地球探测新技术的研究、应用与推广，并初步建立了相应的光谱解译软件和数据库系统。

我国在上述研究领域开展的工作包括：鄂尔多斯盆地、塔里木盆地、腾冲盆地等砂岩型铀矿区及江西桃山花岗岩型铀矿田等主要成矿带，基于地面高光谱测量、航天高光谱（Hyperion）和高空间分辨率（Quickbird）遥感影像处理与光谱匹配技术，结合航空放射性测量数据分析，提取了主要铀成矿要素的光谱信息，从遥感物理学、空间信息科学、地质学等多个角度，综合分析铀矿床产出的空间信息特征，为铀成矿远景区预测提供遥感新技术新方法。国土资源部航测遥感中心在驱龙、新疆东天山及江西德兴等地区开展了高光谱矿物填图、找矿预测及矿山环境评价等方面的示范性研究工作，取得了理想科研成果。

2.2 遥感图像的预处理

无论是原始单波段图像还是RGB彩色图像，其色调对比度不大，灰度比较集中，遥感影像层次比较少，色彩不丰富，明亮度和饱和度较低，影像分辨力和解译力均很差，不适宜直接用于地质解译。我们必须对其进行预处理，一般来说常会用到的预处理内容包括几何校正、数据融合、遥感数据的辐射匹配、遥感影像镶嵌、子区选取、图像增强处理等等。

遥感图像预处理的目的就是要突出图像中的有用信息，扩大不同影像特征之间的差别，以提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。在实际应用中，可以根据研究对象需解决的问题及图像本身的信息特征，通过基本的图像增强处理方法提高其目视效果，并且通过反差扩展、中值滤波、空间滤波等方法，对图像色调较暗、阴影较多以及不易对其进行结构解译的图像进行处理，使其结构层次鲜明，特别是阴影的噪声能够缓解，构造的解译度明显提高。

2.3高光谱特征研究

高光谱分辨率数据使遥感技术步入可以同时获取地球表面物质成分信息和空间分布特征信息的新阶段。目前，常用的遥感图像资料主要包括TM图像、SPOT图像、MSS图像和雷达图像等，随着现代科技的不断发展，遥感技术水平的不断提高，遥感图像的波谱分辨率有了很大的提高。

野外地物波谱测量数据是遥感应用的基础。高光谱分辨率数据具有图谱合一的特点，因此，野外地物波谱测量数据对航空高光谱数据的处理和解释尤其重要。光谱图像的最大特点是可以提取每个像元的光谱曲线以便和标准的、已知的光谱曲线进行对比和匹配研究，从而直接识别矿物，提取岩性、蚀变、矿化等信息。现如今，越来与多的学者投入到铀成矿的波谱研究中，他们根据可见光—热红外波段的波谱信息，通过高光谱特征分析，建立其光谱识别标志。

通过主要岩体的光学特性分析，可以得出从老至新不同期次岩体光谱特征出现规律性变化，根据这些典型光谱特征，可以进行不同期次岩体的光谱识别，并通过遥感制图圈定其空间分布范围，为铀资源勘查提供基础地质数据；通过控矿断裂带光谱学特征分析，可以对比得出石英在含水、风化、典型等形态下的光谱吸收峰的范围，为地区成矿预测提供最为直接的光谱数据；碱交代可能是某些研究区最为发育的热液蚀变，所以，通过矿化蚀变带光谱学特征分析，可以说明碱交代岩随着蚀变程度增加，原因是石英含量的减少。综上所述，依据热液蚀变带、控矿断裂带及成矿岩体等铀成矿要素的可见光—热红外的反射和发射吸收光谱特征，通过高光谱地质填图技术，可以圈定各种铀成矿要素的空间分布，为铀成矿预测提供技术支撑。

3GIS在成矿预测中的应用

在以往的铀资源勘查中，已经积累了海量的地质、物探、化探、遥感和水文等多源地学信息，而且伴随着近年来铀资源勘查力度的不断加大，信息的积累呈现出快速增长的态势。GIS技术的出现和不断推广使用，使得铀矿勘查信息处理和分析过程从传统的、人工的、离散的时代，进入现代的、数字化的、多源信息综合的时代。在铀资源勘查评价领域，GIS提供了在计算机辅助下对地质、地理、地球物理、地球化学和遥感等多源地学信息进行集成管理、有效综合与分析的能力，成为改变传统铀矿资源评价方法的强有力工具。

第5篇：高光谱遥感技术的应用范文

【关键词】煤炭地质;地质遥感技术;应用;创新思考

引言

基于目前地质遥感技术在煤炭领域的应用来看，由于煤炭地质具有多样性及复杂性，在开采人员进行开采的时候往往会出现利用率低、开采不合理等情况，从而使煤炭资源造成浪费，严重时可能还会导致安全事故及财产损失，因此，为适应生产及现代化技术的需要，煤炭地质遥感技术正处于一种新的转型阶段，正面向市场化发展及全面商业化的新方向进行转型。

1 煤炭地质遥感技术的基本概念及特点

1.1 遥感技术的基本概念

遥感技术是在20世纪60年代，根据电磁波的理论对远距离目标所反射和辐射的红外线、电磁波及可见光等信息，利用各种传感的仪器进行收集、处理，并且让这些信息形成影像，从而对目标物及它附近的各种景物进行探测和识别的一种综合探测技术。

1.2 遥感技术的特点

（1）收集手段多，收集信息量大

在运用此技术时，可以运用不同的遥感仪器及不同的波段的仪器设备，来对目标物体进行探测和识别，来得到我们需要的信息;而且这种技术不仅能够探测地表的情况，还能对目标物内部的一定深度进行探测。

（2）具有整体性和直观性

在用遥感技术设备进行拍摄探测时，我们能够获得非常清晰生动的传输影像，并且画面具有明显全面整体性及直观性。

（3）受到的地面限制条件较小，探测范围广

遥感探测技术相对于传统的探测技术来说，遥感技术在进行探测时不但可以不受自然环境的影响，还能够顺利完美的将探测任务完成，收集到可靠的信息。

2 煤炭地质遥感技术的实际应用

2.1 利用遥感技术对煤质地质进行探测和绘图

由于我们在日常生活中的活动范围越来越广，那些实际地形图已经从根本上发生了重大变化，已不能再为我们提供准确的数据，因此，为了满足工作要求，必须对地形图进行及时的更新。所以，我们通过利用遥感技术从太空的卫星中的数据以影像的形式，清晰的传输过来，这种遥感技术不但可以对国家的基础地理信息进行探测识别，还能够将多样性的、不同种类的数据库进行及时的更新。

在煤炭开采的过程中，由于煤炭地质图需要具备较高的精确度，以便采煤进行。因此，煤炭开采的相关技术人员，可以将通过遥感技术探测得到的影像资料作为依据，以多元地学将信息进行综合分析及适当处理，得到对煤炭地质进行的精确的绘图。而且，在水文地质、煤炭资源、煤层气调的调查评价中及在小煤窑实际生产情况的调查监控中，也有用到遥感技术。

2.2 利用遥感技术对煤炭生态环境的污染进行监测

在对环境监测时，主要是对开采时用的化学物品污染调查、煤炭地质环境检查、土地的开垦及生态环境重建的方面的监测，准确的知道环境的影响，从而对进一步加强环境保护及综合治理提供依据。

2.3 利用遥感技术对煤炭地质灾害做调查评估

在采煤区建立一个动态的检测系统，将遥感技术最为监测道具，根据煤矿的地质规律，从而对地质灾害的易发程度进行研究，然后通过数据综合分析，将地质灾害的评估图绘制出来，以预防危险的发生。

3 煤炭地质遥感技术的创新思考

3.1 高光谱遥感技术应用

高光谱遥感技术可以对岩石类型及矿物成分的煤炭地质进行识别，对其中的波谱特征进行空间定位及定量分析，然后进行煤炭地质光谱库建立。这种技术不但具备测量技术，还能进行信息识别及数据处理，通过监测、提取可以直接对地质进行找矿及填图工作。

3.2 高分辨率遥感技术应用

将煤炭地质资料用遥感技术形成高分辨率的图像，不仅可以使煤炭资源开发的合法性及状况及时的反映出来，还可以对煤炭的安全生产及维护进行有效的监测。因此，应将这一技术进行创新、发展。

3.3 遥感技术图像处理及信息提取方法创新

神经网络、小波变换、分型理论、遗传算法、光谱特征匹配、支持矢量机等新的理论及方法，都应该被应用在遥感图像信息处理方面，让遥感技术的信息及图形处理向着多尺度、定量化、高分辨率及模型化等新型技术体系方向发展，使煤炭地质识别、信息提取技术及遥感图像处理技术得到不断地完善。

3.4 进行“3S”一体化技术创新

“3S”技术即遥感技术（RS）、全球定位系统（GPS）、地理信息系统（GIS）的统称，三者间具有密不可分、相辅相成的关系，虽然三者的作用原理不同，但是三者间的结合可以成为一种重要的找矿手段。利用遥感技术可以及时对地质系统中的数据进行更新;地理信息系统则可以为遥感技术提供辅导作用，为遥感技术提供不同的信息及分析手段，有助于遥感技术得到的数据进行精确的影像表达;而全球定位系统可以为煤炭地质的探测提供精确的高程模型及地理位置。因此，为了更精确的得到相关数据，煤炭地质的遥感技术应该进行不断的创新，做到与时俱进，将“3S”技术充分的应用到煤炭地质的探测及开采中去，使煤炭资源向着现代化及产业化的方向发展。

3.5 将数字信息遥感技术创新应用

随着信息化社会的发展，全球已进入数字化信息的时代，不管什么企业都是以数字建立数据信息库。因此，为了使煤炭地质遥感技术向智能化、多功能信息化及综合化等特征发展，用电子计算机对煤炭地质进行现代分析、矿山规划、数据采矿、资源评估等，使先进的技术及有利的工具为煤炭的开发和利用做贡献。

4 结束语

通过本文的研究，可以看出，随着现代社会知识及科技技术的不断进步、发展，为了更好的为煤炭企业做贡献，就要不断地利用先进的科技手段将遥感技术进行创新，得到新的遥感技术手段，为煤炭地质遥感技术开启新的篇章。

参考文献：

[1]毛耀保.关于煤炭地质遥感技术创新的思考[J].中国煤炭地质， 2010（S1）.

[2]李生军.对煤炭地质遥感技术创新的分析[J].企业导报，2013（09）.

第6篇：高光谱遥感技术的应用范文

1 全球定位系统全球定位系统(GPS,Global Positioning System)是由地球导航卫星、地面监控系统和用户GPS接收机等3个主要部分组成。现在最常用的是美国GPs系统,它包括在离地球约20 O00km高空近似圆形轨道上运行的24颗地球导航卫星,其轨道参数和时钟由设于世界各大洲的5个地面监测站与设于其本土的一个地面控制站进行监测和控制,使得在近地旷野的GPS接收机在昼夜任何时间、任何气象条件下最少能接受到4颗以上卫星的信号。通过测量每一卫星发出的信号到达接收机的传输时间,即可计算出接收机所在的地理空间位置。

农田养分信息具有显着的空间属性,其空间变异性很大。在数据采集过程中,其位置的识别是与数据监测密不可分的,因此需要对信息进行准确的定位。

全球定位系统(GPS)提供了全天候、实时精确定位的测量手段。数字农业中,GPS主要是用来确定在田间的位置,结合其土壤的含水量、氮、磷、钾、有机质和病虫害等不同信息的分布情况,辅助农业生产中的灌溉、施肥、喷药等田间操作,其作用从本质来说是提供三维位置和时间。GPS主要应用于以下3个方面:一是智能化农业机械的动态定位(即根据管理信息系统发出的指令,实施田间的精准定位);二是农业信息采集样点定位(即在农田设置的数据采集点、自动或人工数据采集点和环境监测点均需GPS定位数据);三是遥感信息GPS定位(即对遥感信息中的特征点用GPS采集定位数据,以便于GIS配套应用)。由于GPS存在较大的误差,所以差分GPS(即DGPS)越来越受到人们的重视。DGPS可以消除卫星钟差、星历误差、电离层和对流层延迟误差等,从而使定位精度大幅度提高。

2 遥感技术遥感技术(RS,Remote Sensing)的基本原理是利用物体的电磁波特性,通过观测物体的电磁波,从而识别物体及其存在的环境条件。遥感技术系统由传感器、遥感平台及遥感信息的接受和处理系统组成。

其中,接受从目标反射或辐射的装置叫做遥感器(如扫描仪、雷达、摄影机、摄像机和辐射计等),装载遥感器的平台称遥感平台(如飞机和人造卫星等)。经过遥感器得到的数据在使用前应根据用途需要做相应的纠正、增强、变换、滤波和分类等处理。

遥感(RS)技术是未来数字农业技术体系中获得田间数据的重要来源,它可以提供大量的田间时空变化信息。遥感技术在精准农业中的应用主要以下3个方面:一是作物长势及其背景的监测,运用高分辨率(米级分辨率)传感器,在不同的作物生长期实施全面监测,并根据光谱信息进行空间定性和定位分析,为定位处方农作提供依据;二是作物冠层多光谱监测,利用地物光谱仪和多光谱相机获取的信息,监测叶绿素密度的变化,并分析其变化与养分的关系;三是运用多光谱遥感信息(红外波段),在有作物条件下监测土壤水分。

3 田间信息获取技术的现状和发展趋势3.1 土壤水分和养分信息获取技术国内外已开始研究采用各种不同的手段来获取土壤水分和养分信息。目前,除了一些传统的常规测量方法外,已尝试采用的较新的技术,包括遥感、计算机及网络和地面传感技术等。其中,实践较多的是以电子技术为支撑的地面信息传感技术和以空间技术为支撑的遥感信息采集技术。

土壤水分信息的获取相对于其他土壤养分更易掌握,因此对土壤水分测量方法的研究已经取得了显着成果。各种在线式的测量方法相继产生,如电阻法、时域反射法(TDR法)、频域反射法(FDR法)、中子散射法和近红外光谱法等。这些方法均有一定的局限性:一是电阻法的测量精度受土壤含水率的影响很大;二是时域反射法在低频(≤20MHz)工作时较易受到土壤盐度、粘粒和容重的影响,而且价格比较高;三是频域反射法的读数强烈地受到电极附近土体孔隙和水分的影响,特别是对于使用套管的FDR测量;四是中子散射法虽然测量方法简单,但仪器设备昂贵,并且存在潜在的辐射危害。对于土壤养分信息(土壤中的N,P,K,pH值、有机质、含盐量和电导率)的获取技术,常规化学试验测量方法仍是现在土壤养分信息获取的主要手段。该方法具有破坏性和不及时性等缺陷,因此随着近红外光谱技术的不断完善和应用的广泛性,用近红外光谱技术来检测土壤养分已经成为国内外学者研究的重点。

近红外光谱法是根据水的红外吸收光谱来进行测量的,在红外区内,水的吸收波长为1 200,l 450,1 940和2 950nm,测量方式有反射式、透射式和反射透射复合式等几种。红外光谱水分仪具有无接触、快速、连续测量、测量范围大、准确度高和稳定性好等优点,适用于在线水分监测,但在测量自然物体时因表面不规则使得反射率不稳定,影响测量精度,需对样本做简单处理。

土壤其他养分信息的研究主要包括土壤中N,P,K,pH值、有机质、含盐量和电导率等信息的采集。现在,除了常规化学试验测量方法外,用近红外反射光谱法来测量土壤养分已成为国内外诸多学者研究的重点。Shibusawa等指出,用400~1 900nm波段来预测土壤湿度、pH值、土壤电导率和土壤有机质等,其相关系数从0.19变化到0.87 ;李民赞研究了基于可见光光谱分析的土壤参数分析,在1 1O0, 1 350,1 398,2 210nm处建立了多元线性回归模型,相关系数为0.934 ;健等用近红外光谱法分析了土壤中的有机质和氮素 ;He等对土壤电导率和常量元素的测量 ;鲍一丹等应用光谱技术研究了土壤粒度和含水量对预测土壤氮含量的影响。

3.2 作物长势的监测技术对农作物长势的动态监测可以及时了解农作物的生长状况、土壤墒情、肥力及植物营养状况,以便及时采取各种管理措施,保证农作物的正常生长。同时,可以及时掌握大风或降水等天气现象对农作物生长的影响,监测自然灾害或病虫害对作物产量造成的损失等,为农业政策的制订和粮食贸易提供决策依据。

应用遥感技术可对大面积农作物的长势进行监测,其基本方法是利用覆盖周期短而面积大的NOAA卫星资料,对地面植被吸收的光谱信息和地面实际情况进行分析,并结合常规的方法和资料,建立作物监测模式,用以监测作物长势,苗情监测通报,指导农业生产¨ 。国际上,关于农作物生长状况遥感监测与估产有3个标志性的实验计划,即美国的LACIE计划、A—GRISTARS计划和欧盟的MARS计划。1974—1977年,美国农业部(USDA)、国家海洋大气管理局(NOAA)、美国宇航局(NASA)和商业部合作主持了“大面积农作物估产实验”,主要品种是小麦,地区范围是美国、加拿大和前苏联。1980—1986年,执行LACIE计划的几个部门又合作开展了“农业和资源的空间遥感调查计划”,其中包括世界多种农作物长势评估和产量预报。欧盟所属的联合研究中心遥感

应用研究所通过实施“遥感农业监测”项目,即MARS计划,也成功地建成了欧盟区的农作物估产系统,并将结果应用于诸如农业补贴与农民申报核查等欧盟的共同农业政策。在农作物长势监测的方法上,国外科学家主要围绕适合大面积监测的NOAA—AVHRR的应用进行了多方面的探索,取得了许多突破进展¨卜”J。我国利用气象卫星监测作物生长状况的研究始于20世纪80年代中期,并应用气象卫星对农作物长势进行宏观监测的理论和方法进行了研究。

3.2.1 作物根系信息监测技术作物根系信息基本上是通过图像识别的方法来得到的。例如加拿大产的ET一100根系生态监测系统,运用透明管材埋设在需要研究的根系周围,使用特殊图像捕捉系统对根系照相,然后借助专业根系分析系统对混合图像进行分析,从而跟踪了解其生长过程。

这种方法可以非破坏性地动态追踪分析根系形态因子,根系相关数据能够定量化,还可以根据用户需求监测土壤水分状况,从而研究根系所在区域内溶质运移及水分胁迫所引起的生理变化。该方法已广泛应用于园艺植物培养和作物生长模型研究等领域。

3.2.2 光合作用测定技术光合作用测定的一个例子是用叶室内装备最新的小型红外气体分析传感器(IRGA),测量温度和光合有效辐射(PAR)的传感器接收信号,再用便携式微处理器控制叶室内的二氧化碳和水蒸汽浓度,并测量二氧化碳和水蒸汽交换。CIRAS一1植物光合测定仪根据精密测量叶片表面CO 浓度及水分的变化情况,来考察叶片与植物光合作用相关的参数,用以测量植物叶片的光合速率、蒸腾速率和气孑L导度等与植物光合作用相关的参数。

3.3 作物营养监测技术叶绿素是吸收光能的物质,对作物的光能利用有直接影响。叶绿素含量和作物的光合能力、发育阶段以及氮素状况有较好的相关性。由于叶绿素之间的含氮量和叶变化趋势相似,通常认为可以通过测定叶绿素来监测植株氮素营养。

叶绿素的常规测定使用分光光度计法,因为这种方法要进行组织提取和分光光度计的测定,所以既耗时间又对植被造成损伤。另外,从大田到实验室的运输和样本制备过程中很可能损失叶绿素,进而导致叶绿素含量发生变化。

目前,应用较多的是一种日本生产的SPAD一502叶绿素仪。这种叶绿素仪的工作原理是采用两个不同波长的光源分别照射植物叶片表面,通过比较穿过叶片的透射光光密度差异而得出SPAD值。因此,SPAD值是一个无量纲的比值,与叶片中的叶绿素含量成正相关。在叶绿素仪应用的研究中,各研究者所采用的测定部位都大体相同,即作物生长前期取新展开的第一片完全展开叶作为测定部位,生长后期则取功能叶(小麦取旗叶和玉米取穗位叶)作为测定部位。

叶绿素仪在玉米株与株之间的测定值可能会相差15% ,在同一片叶上不同位置的测定值也不同。一般认为,距离叶基部55% 处的SPAD测定值较大,且偏差较小,是合适的测试位点。

便携式高光谱仪是一种非损伤性测定叶绿素的方法,它通过测定绿色植物叶片的反射率、透射率和吸收率来测定叶绿素含量,这决定了高光谱技术在植被叶绿素含量评价研究中具有不可替代的作用。国内外很多学者已经对作物氮元素的高光谱及光谱测量进行了研究,并且各种反射率比值及植被指数用于监测植物的氮素亏缺 1卜。王人潮等利用叶绿素计和高光谱快速测定了大麦的营养状况,结果表明,可以通过光谱法来测定大麦的氮素水平¨ ;IJi等应用反射光谱检测了茶叶的叶绿素含量 ;方慧等应用光谱技术检测了油菜叶片中叶绿素含量¨ 。光谱监测提供了一种自动、快速和非损伤性的植物营养状态监测方法,并且田问不同处理之间的冠层光谱差异为高光谱和多光谱遥感大面积监测氮素营养提供了可行性。

3.4 作物冠层多光谱监测技术植物冠层光谱特性是植物光谱特性与背景土壤光谱特性的综合。随着植物冠层的发育,土壤光谱特性的作用逐渐下降;在植物衰老时,土壤背景的作用又逐渐增大。一般叶面积指数(LAI)达到3左右时,冠层在可见光和中红外波段的光谱反射率基本稳定;而在近红外波段,LAI达到5~6时,光谱反射率才能饱和。冠层光谱反射率还受太阳光入射角、双向反射、气溶胶和风速等诸多外部因素的影响。由于植物营养状况能影响叶面积、冠层形态和内在生理特征,而且不同营养元素的影响程度也不同,因此利用冠层光谱分析可以诊断植物营养状况。现代”精细农业”的一个非常重要的技术手段,就是利用遥感技术监测作物的营养状况与长势。与叶片光谱特性一样,氮素营养对冠层光谱特性影响的研究最为系统和深入。

随着氮素营养水平的提高,光谱反射率在可见光和中红外波段降低,而在近红外波段却增加。诊断水稻冠层氮素营养水平的敏感波段为760~900 nm,630~ 690 nm和520~550 nm。不同氮素营养水平下的冠层光谱反射率存在着明显差异,经植被指数转换后差异更为显着与稳定。因此,利用冠层光谱测试可以区分作物的氮素营养水平。

植物中磷钾营养水平与冠层光谱特性的关系研究较少见。总的来说,磷钾对光谱特性的影响不如氮明显。在水培和砂培条件下,不同磷钾水平的植物冠层光谱反射率存在显着差异,磷钾营养对冠层光谱特性的影响与氮的影响相似。随着磷钾营养水平的提高,可见光波段的光谱反射率下降,而在近红外波段却有明显增加。利用光谱分析,可区分3~5级的磷钾营养水平。在田间条件下,由于磷钾的缺乏不严重,有时结果不太一致。

还未见报导。由于它们对叶面积、生物量以及叶片叶绿素等生理生化性质的影响与大量元素具有相似性,预计中量及微量元素对冠层光谱特征的影响也具有相似性,但影响程度将会差异较大。

目前,在国外应用的一种田间便携式分光仪可以方便地检测作物的冠层反射系数。用数学方法将几个波长下得到的反射系数进行合并就可以得到作物的“光谱系数”,或称之为探测值。经过优化的光谱系数在作物的拔节期和抽穗期与作物的供氮状况密切相关。利用这种分光仪探测原理,并加以改进而研制的拖拉机机载探测施肥系统已经很成熟。它通过探测系统将作物冠层信息输入计算机,经处理得出作物的需肥情况,计算机通过协调拖拉机步进速度和DGPS(差分GPS)数据,在考虑探测器间距离和施肥区范围基础上控制施肥操作。

作物冠层反射和土壤背景辐射在红外胶片上为不同的辐射显影。照片经计算机处理后,每个像素的色度变化都可以表示出作物反射光线的情况,而作物反射光线特性的变化正是作物营养变化,特别是氮营养状况发生变化的结果。这样分析作物冠层照片就可以准确地分析作物的氮营养状况。Hansen等用高光谱反射分别对小麦的冠层生物量和氮含量进行了研究 ;Daughtry等通过叶片和冠层反射率来预测玉米叶片的叶绿素含量 ;冯雷等应用多光谱技术检测了油菜叶片中叶绿素含量 J。

3.5 作物病虫害诊断及杂草识别技术病虫害是影响农作物产量和品质提高的重要因子,及时、准确与有效地检测病虫害的发生时间和发生程度是采取治理措施的基础。

目前,用雷达监测飞性昆虫、孢子捕捉器监测一些作物病原菌、性信息素诱芯或诱饵监测田间鳞翅目害虫以及灯光诱集飞行趋光性昆虫等,都是利用有害生物的习性开发出的相对省工和省时的监测手段。

随着遥感和高光谱技术的广泛应用,用光谱和遥感技术来监测作物病虫害的研究也取得了一定的进展。

北京农业信息技术研究中心采用高光谱遥感监测小麦条锈病、白粉病和蚜虫,以达到大面积、快速、无破坏的病虫害监测和预测预报的目的。美国利用卫星遥感图片分析监测森林舞毒蛾扩散及危害程度,监测草地蝗虫危害等。中国科学院利用综合航空多光谱数字相机成像系统,监测蝗虫及主要棉花害虫。中科院还利用TM图像遥感监测东亚飞蝗的栖息地芦苇的植被指数和监测蝗灾的动态变化。北京农林科学院利用TM卫星图片监测麦蚜对冬小麦的危害。吴迪等应用光谱和多光谱技术对茄子和番茄的灰霉病进行了早期诊断识别 -27]。

随着人们环境保护意识的提高和对农药残留物的重视,对田间杂草清除的研究也逐渐受到许多学者的重视。杂草一作物区分的研究可分为3种:一是人工区分;二是航空遥感技术;三是光学传感器。人工区分目前是区分作物和土壤背景的最佳方法,但既费时又费力;航空图片虽然可以在短时间内获得作物大范围的图像,但是研究表明杂草密度对图像的可视性有严重的影响 ;基于地面多光谱传感器的研究使得对单种作物一杂草的研究有了进一步的进展。。。

第7篇：高光谱遥感技术的应用范文

天宫一号作为我国空间实验室雏形，已在轨运行近两年，各搭载设备状态良好，各项试（实）验进展顺利，科学成果丰硕。其中搭载的高光谱成像仪是目前我国空间分辨率和光谱综合指标最高的空间光谱成像仪，由中国科学院长春精密机械与物理研究所和上海技术物理研究所共同研制，其在空间分辨率、波段范围、波段数目以及地物分类等方面达到了国际同类产品水平。

“在天宫一号目标飞行器上安排高光谱遥感对地观测主要是利用高光谱成像仪的‘图谱合一’的特点以及高光谱成像仪在地表覆盖识别能力、蕴含地物光谱信息等方面优势，有针对性开展相关地区地质调查、矿产和油气资源勘查、森林监测、水文生态监测以及环境污染监测分析等方面的研究。”空间应用系统副总设计师张善从介绍说，“目前空间应用系统已组织国土资源部遥航中心、国家海洋局国家卫星海洋应用中心、中国林业科学研究院以及中科院遥感与数字地球研究所、青藏高原所、寒区旱区环境与工程研究所等近10家单位利用高光谱数据开展了相关领域应用研究。”

现在，就让我们一起走进各应用单位，深入了解一下天宫一号的“火眼金睛”在相关领域的应用。

林业方面

“在森林的生长演替过程中，会不断地受到人为或自然因素的干扰，如森林砍伐、火烧、病虫害等导致的森林损失，人工造林、自然恢复等引起的森林增加。而这些体现在景观尺度上为森林覆盖面积、年龄以及结构的变化，这些变化往往会引起地物反射光谱特性的改变。使用时间序列的遥感数据进行监测可有效地监测森林覆盖的变化情况。利用天宫一号高光谱成像仪数据在成像时间、空间分辨率和光谱分辨率等方面的优势，可在森林覆盖制图与变化检测方面有广阔的应用前景。”林科院资源信息所相关负责人介绍说。

由于空间遥感可以获得较大范围的数据，因此利用遥感数据可较好地估算森林的生物量和碳储量。林科院资源信息所通过对我国云南省景洪市西南部天宫一号高光谱成像仪可见近红外数据和短波红外数据处理分析，计算了反映植被特征的10种植被指数，并与地面实测林业样地的生物量结合建立了生物量评估模型，模型的决定系数为0.83，均方根误差为每公顷29.9吨，说明天宫一号高光谱数据对生物量的估测能力很强（决定系数的大小决定了相关的密切程度，越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。均方根误差说明样本的离散程度）。

在林火探测方面，由于目前我国森林防火业务主要应用的是中低空间分辨率、高时间分辨率的卫星数据（如风云卫星等），这些卫星数据用于探测火的波段的空间分辨率近1千米，它们对于较大面积的火场非常敏感，但对燃烧初期（0.6千米以下）的明火通常较难探测到。天宫一号高光谱成像仪可同时获取不同波谱范围的数据，通过综合这些波段特性，分析火情信息在这些波段的反映，寻求森林火灾监测及火烧迹地提取的最适宜波段范围，对于未来设计更适合森林火灾监测业务需求的传感器、更好地满足我国森林防火预警扑救的需求、切实保护我国生态环境和森林资源等具有十分重要的作用。

地质资源勘查

高光谱遥感的发展，不仅极大地提高了遥感的观测尺度、对地物的分辨本领和识别的精细程度，而且便遥感地质发生了由宏观探测到微观探测，由定性解译到定量反演的质的飞跃，已成为地质研究和地质勘查不可缺少的技术手段，在地质调查、矿产勘查、地质环境评价、地质灾害监测和基础地质研究等方面部发挥了越来越大的作用。

天宫一号高光谱数据覆盖可见近红外与短波红外谱段可识别AI-OH矿物（白云母、高岭石、蒙脱石）、Mg-OH矿物（绿泥石、绿帘石、角闪石）、SO42-（石膏、明矾石、黄钾铁钒）、CO32-（方解石、白云石），以及半定量估算白云母中AI的含量。上述矿物信息可为圈定成矿有利区提供重要信息。

中国国土资源航空物探遥感中心已根据该数据的特点与有关参数，开发了一整套数据处理与产品生产的技术流程。目前，已在国内中西部区获取了34景数据，并利用部分数据制作了矿物分布图。

海洋方面

海洋遥感是20世纪后期海洋科学取得重大进展的关键技术之一，其主要目的是了解海洋、研究海洋、开发利用和保护海洋资源。高光谱遥感的发展始于20世纪80年代，经过几十年的发展，已经成为当前海洋遥感和国际遥感科学的前沿领域。

国家卫星海洋应用中心通过对天宫一号高光谱遥感数据进行解译、信息提取综合而成了海洋领域遥感观测的数据图像。根据数据情况，对高光谱数据进行融合，提取了各要素信息矢量数据，对收集的数据进行海岸带信息与海冰信息监测，同时针对土地利用、滨海湿地、潮间带、地貌、岸线变迁、保护区、石油平台监测等典型海岸带特征的信息进行了制图。

油气信息提取

油气圈闭内常伴有CO2、H2O和惰性气体的甲烷等轻烃类物质穿透上覆致密岩层渗漏到地表、甚至扩散到近地表空中。利用遥感技术提取油气微渗漏信息，是一种非侵入式技术，具有经济、安全及高效等方面的优势，有很大的应用潜力。高光谱遥感技术具有较高的光谱分辨率和不间断的光谱覆盖，提供了丰富的地面信息，优化了岩矿识别与提取条件，增强了遥感对地探测能力和对地物的鉴别能力。将高光谱遥感技术用于油气微渗漏信息的提取具有重要的意义。

中科院遥感应用研究所系统研究了烃类物质微渗漏现象以及由此引起的地表蚀变，从微渗漏地表土壤及岩石地球化学异常、地表土壤吸附烃异类、地植物异常、地热异常等几个方面寻求遥感指示标志，确定了油气信息在高光谱影像上的特征，并充分利用天宫一号高光谱遥感数据开展油气资源光谱探测关键技术研究，丰富了我国在油气资源调查方面的监测手段和方法。

城市土地利用监测

随着数字化调查技术的发展，国土资源管理对土地利用动态监测提出了更高的要求。目前大多光谱数据由于受光谱分辨率的限制以及“同谱异物，同物异谱”现象的影响，难以满足现实需要。天宫一号高光谱成像仪具有较高光谱分辨率，在类别细分方面具有一定的优势，在当前土地利用监测方面具有一定的潜质。

中科院对地观测中心研究人员利用天宫一号高光谱数据对通州地区城市土地利用类型进行监测，并与统一时期环境1A星CCD数据进行了对比。对比显示，天宫一号高光谱数据分类结果更为细致，可清晰识别出主干道、细小河流、田块边界等，充分体现了天宫一号高光谱数据高空间分辨率在分类上的优势。

其他方面

植被在上地海拔梯度的垂直分布是对不同气候环境的响应的长时间表现方式，对于植被生态系统的气候变化响应具有重要的指示作用，成为植被生态研究的重要对象。

中科院对地观测中心研究人员利用东南部喜马拉雅山脉与横断山脉过渡地带的天宫一号高光谱数据，开展了藏南高山植被垂直带遥感监测与分析工作，并将结果叠加数字高程模型，可以看出不同植被类型的分布，具有明显的海拔差异。

第8篇：高光谱遥感技术的应用范文

关键词：遥感技术；地质；矿产；调查

1 概述

随着各个国家的卫星发射成功，在地质矿产调查中遥感技术的使用越碓焦惴海丰富的遥感资料为遥感勘探技术提供坚实的基础，具有探测范围广、探测精度高，信息获取快且丰富等优异特点。在我国新疆地区进行地质矿产调查过程中，由于环境条件的限制，物探、化探等探测技术难以实施，遥感技术发挥出其独特的作用，有效解决环境因素的限制，进行大面积的地质矿产调查工作，起到宏观的先导性作用。

2 遥感技术地质矿产调查中丰富的遥感资料

2.1 工作中常用的多光谱数据

经过多年的发展和积累，遥感技术的发展越来越成熟。随着传感器的性能提高，其频谱范围不断扩大，分辨率不断提高，再加上先进的仪器设备，使信息的提取及处理、地物识别越来越完善。各个国家的在轨陆地资源卫星更加全面地为遥感地质工作带来丰富的数据资源，其中不乏大量的专题数据库为地质矿产勘查过程中带来参考价值。目前在地质调查中，数据获取方式更为广泛，逐渐从多光谱到高光谱，比如常用的遥感数据源有美国5号、7号陆地卫星所传输的数据，其中有7个多光谱波段，分辨率30m的TM和增加了全色的第8段，分辨率为15m的ETM。

2.2 几类常见岩石、矿物及组合的可识别波段

在遥感技术当中，不同的波长范围所对应的可识别的岩石、矿物及其组合也不相同，根据波长范围可以分为波长为0.4-1.1μm的可见-近红外段、波长为1.1-2.5μm短波红外段以及和8-14μm热红外段，如表1所示为常见的在不同的波长范围内对应的可识别的岩石，矿物及组合。另外，与之相对应的是地质上常见的蚀变矿物及其组合在陆地卫星多光波波段中的也尽不相同。

3 遥感技术地质矿产调查流程

遥感技术地质矿产调查主要采用的是GIS技术，对地物信息进行遥感传输，将多源信息进行集成和分析。如图1所示流程图为地质矿产调查遥感多光谱定量勘查技术流程，通过对同地区进行不同高度、角度、尺度进行遥感，再结合物探、钻探等获得的不同相关地质信息资源、对所有数据图像进行整合、分析，完成多源信息空间数据库的建立，从而进行遥感信息为主体的成矿预测。

4 遥感技术在地质矿产调查中的特点

遥感技术在地质矿产调查过程当中，遥感技术离不开高度、角度以及尺度等几方面的探查和分析，因此遥感技术的地质调查工作特点如下：

（1）高度不同，视野不同。遥感技术的核心在于不同高度的“天眼”等各种卫星，通过轨道高低不同，卫星向地面传回的遥感数据也不同，因此遥感技术为地质矿产调查提供了众多的高空观测数据，并综合分析不同高度的遥感数据，能够更加直观地感受地表物体的宏观性，为肉眼无法识别的物体观测提供合理有效的真实数据。

（2）角度不同，形状不同。传统的物探、钻探等地质矿产调查手段充分地运用了各个角度所探测的数据进行综合分析并确定矿产区。而遥感技术的使用，更是为地质找矿工作带来了新的探测角度，遥感技术从高空的角度，对矿区地质进行全方位的探测，解决了其他方式只能局部探测的局限，为地质矿产的调查提供更加全面的数据信息。

（3）尺度不同，精细程度不同。一般的地质矿产探测技术只能够从局部进行微观性的探查，而遥感技术的使用，能够从宏观到局部再到微观，由于各层次之间的调查内容精细度不同，不同尺度的观测结果更加丰富了地质探测的数据信息。

5 遥感技术在地质矿产调查中的主要作用

（1）在新疆地区进行地质矿产调查时，不同程度的遥感数据被广泛应用，其中可以充分结合遥感数据，进行快速处理，从而制作相应尺度（如1∶25万）的数据图像，常常为遥感多光谱彩色合成图和三维影像飞行图，这种处理方式比地形图、地质图范围更加广更加精细，为地质矿产调查工作的部署、地质调绘路线的确定等工作提供先导性基础资料，从而快速完成找矿靶区。

（2）利用遥感数据定量快速的获得遥感光谱图形，从而直观清晰地提取与矿物相关的数据信息，为地质研究程度较高、工作进展较难的成矿区带矿产资源调查评价的过程提供明显的找矿标志以及找矿参数，并对相应尺度（如1∶10万、1∶5万）的矿产遥感地质调查数据图像进行编制和解释，从而完成以遥感技术为主，物化探为辅的已知矿床找矿规律。

（3）以相应尺度（如1∶5万、1∶2.5万）的遥感技术在矿化集中区进行找矿预测，能够有效辅助化探技术进行异常筛选与检查，从而加快成矿远景靶区的圈定，结合GIS技术的使用，对数据综合处理及分析，矿化集中区资源潜力的综合评价，明确找矿方向及目标。

（4）在新疆矿区及其近，能够进行大比例尺度（如1∶2.5万、1∶1万）的遥感找矿预测工作，能够为老矿山的深边部的成矿构造进行分析，完成含矿层位的确定工作，寻找矿化线索及找矿目标，从而加快找矿进程。

6 结束语

在新疆区域地质矿产调查中，遥感技术的使用弥补了物探、化探等技术的不足之处，为地质调查提供了丰富的数据资源，从不同高度、角度、尺度完成地质数据信息的采集，结合其他探测技术，快速完成数据图像的编辑及分析，快速确定矿产资源靶区，能够有效完成地质环境复杂的老矿山的矿区探测，提升新疆区域地质矿产资源的开发速度。

第9篇：高光谱遥感技术的应用范文

关键词：无人机遥感；发展现状；应用领域；前景展望

0 引言

无人机遥感（Unmanned Aerial Vehicle Remote Sensing )，是利用先进的无人驾驶飞行器技术、遥感传感器技术、遥测遥控技术、通讯技术、GPS差分定位技术和遥感应用技术，具有自动化、智能化、专用化快速获取国土、资源、环境等空间遥感信息，完成遥感数据处理、建模和应用分析的应用技术。无人机遥感系统由于具有机动、快速、经济等优势，已经成为世界各国争相研究的热点课题，现已逐步从研究开发发展到实际应用阶段，成为未来的主要航空遥感技术之一。

1 无人机遥感介绍

无人机飞行器与航空摄影测量相结合，成为航空对地观测的新遥感平台被引入测绘行业，加上数码相机的引入，就使得“无人机数字遥感”成为航空领域的一个崭新发展方向。“无人机数字遥感”有低成本、快捷、灵活机动等显著特点，可成为卫星遥感和有人机遥感的有效补充手段。

无人机飞行器遥感技术有其他遥感技术不可替代的优点，可成为卫星遥感的有效补充手段，该技术主要涉及飞机平台、测控及信息传输、传感器、遥感空基交互控制、地面实验/处理/加工、以及综合保障等相关技术领域。我国无人飞行器航空遥感技术的进步不仅表现在无人飞行器的研制，还表现在正好适用于航空遥感的飞行控制系统、遥感通讯系统的研制，更表现为轻小型化传感器及其单反数码相机，并配备有姿态稳定平台，可快速获取城镇大比例尺真彩色航空影像。

目前的无人机遥感系统多使用小型数字相机（或扫描仪）作为机载遥感设备，与传统的航片相比，存在像幅较小、影像数量多等问题，针对其遥感影像的特点以及相机定标参数、拍摄（或扫描）时的姿态数据和有关几何模型对图像进行几何和辐射校正，开发出相应的软件进行交互式的处理。进一步的建摸、分析使用相应的遥感图像处理软件。

2 国内外无人机遥感的发展现状

无人机出现在1917年，早期的无人驾驶飞行器的研制和应用主要用作靶机，应用范围主要是在军事上，后来逐渐用于作战、侦察及民用遥感飞行平台。20世纪80年代以来，随着计算机技术、通讯技术的迅速发展以及各种数字化、重量轻、体积小、探测精度高的新型传感器的不断面世，无人机的性能不断提高，应用范围和应用领域迅速拓展。续航时间从一小时延长到几十个小时，任务载荷从几公斤到几百公斤，这为长时间、大范围的遥感监测提供了保障，也为搭载多种传感器和执行多种任务创造了有利条件。

传感器由早期的胶片相机向大面阵数字化发展，目前国内制造的数字航空测量相机拥有8000多万像素，能够同时拍摄彩色、红外、全色的高精度航片；中国测绘科学研究院使用多台哈苏相机组合照相，利用开发的软件再进行拼接，有效地提高了遥感飞行效率；另外激光三维扫描仪、红外扫描仪等小型高精度遥感器为无人机遥感的应用提供了发展的余地。

现在无人机遥感技术可快速对地质环境信息和GIS数据库进行更新、修正和升级。为政府和相关部门的行政管理、土地、地质环境治理，提供及时的技术保证。

随着我国改革开放的逐步深入，经济建设迅猛发展，各地区的地貌发生巨大变迁。以无人驾驶飞机为空中遥感平台的技术，正是适应这一需要而发展起来的一项新型应用性技术，能够较好地满足现阶段我国对航空遥感业务的需求，对陈旧的地理资料进行更新。

无人机遥感航空技术以低速无人驾驶飞机为空中遥感平台，用彩色、黑白、红外、摄像技术拍摄空中影像数据；并用计算机对图像信息加工处理。全系统在设计和最优化组合方面具有突出的特点，是集成了遥感、遥控、遥测技术与计算机技术的新型应用技术。

3 无人机遥感的应用领域及发展前景

随着无人机技术的高速发展，越来越多地被用于影像获取，如在气象监测、资源调查与检测、测量、突发事件处理等方面取得了丰硕的成果。

（1）台湾大学理学院空间信息研究中心利用无人机拍摄低空大比例尺图像，配合FORMOSAT2分类进行异常提取，解译桃园县非法废弃堆积物（固体垃圾等），用于环境污染和执法调查。

（2）美国Nicolas Lewyckyj等人利用UAV-RS技术在北卡罗莱纳洲进行自然灾害调查，通过正射影像处理与分析准确评估场房和村庄的损失。显示了无人机遥感技术具有的快速反映能力，为灾害的治理提供了及时、准确的数据。

（3）日本减灾组织使用RPH1和YANMAHA 无人机携带高精度数码摄像机和雷达扫描仪对正在喷发的火山进行调查，无人机能抵达人们难以进入的地区快速获取现场实况，对灾情进行评估。为核电站及其它核设施的管理提供基础数据。

（4）我国首个成立的Quickeye（快眼）应急空间信息服务中心，是我过无人机应急遥感应用的开创尝试和遥感应用典范。其基于的无人机平台即为例图所示Quickeye（快眼）系列无人机，在不到两年的时间内，该机型已成功作业近10万平方公里，广泛应用于1：1000，1：2000成图，及测绘、应急领域。

综上所述，无人机作为一种新型的遥感平台将得到广泛应用。目前最常用的遥感平台是卫星和有人驾驶的飞机，无人机平台已渐渐显露出它的重要性。遥感发展的一个总的方向是高空间分辨率、高光谱分辨率和高时间分辨率。所以无人机遥感在提高时间分辨率方面具有独特的优势。随着多光谱传感器水平的提高，重量和体积下降，无人机遥感在提高光谱分辨率方面同样具有潜力。