高光谱遥感原理与方法精选(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原理与方法主题范文，仅供参考，欢迎阅读并收藏。

第1篇：高光谱遥感原理与方法范文

关键词：遥感地质制图 蚀变信息提取 构造信息提取 高光谱遥感技术

中图分类号：P237 文献标识码：A 文章编号：1672-3791（2015）05（c）-0000-00

一、遥感技术的基本特征

长期以来，地质工作者迫切希望能有一种“窥一斑而知全豹”的方法来找矿，因此遥感技术以其独有的远程观测以及判断特点在地质找矿中的作用就突显出来。首先，由于遥感是远距离探测技术，所以遥感可以不对物体进行接触而进行探测，正因为如此遥感技术可以覆盖更广的范围，因此在进行找矿工作时，遥感可以将所观测范围内地表以及地貌的情况通过影像传输给卫星，然后由地面接收站接收图像，让工作人员对观测到的数据进行处理和分析。其次，因为遥感技术覆盖范围广，并且能同时观测多个区域，所以节省了观测时间，并且传输的图像信息更加准确，工作人员能够通过处理后的数据和图像找到矿产资源的位置，甚至能了解大致的分布范围，这为找矿工作节省了人力以及物力。通过研究遥感影像上的地质构造与成矿的关系，可认识成矿规律并圈定找矿远景区，通过对遥感图像进行增强处理，综合分析，可提取地质信息，在我国最早使用遥感图像的行业是地质行业。

遥感技术从字面上可以理解为“遥远的感知”，因此遥感技术是通过远距离传输来进行观测和新词采集的，这就需要电磁波、红外线以及可见光等的帮助。遥感技术在进行影像分析时，检测到的影像中会出现特定的光谱特征和纹理特征，含矿区域会呈现出较为明显的标志。现人们将许多先进的科学技术应用到遥感技术当中，其中对计算机的应用是必不可少的，因为通过遥感技术传输到地面的图像需要经过计算机软件的图像和数据处理，才能将含矿区域显示出来，从而根据显示的情况进行工作项目计划的设计以及开展。遥感技术在地质方面的应用一般都是以制图为主，并与地质图相套合，使得遥感影像图与地质图具有相同的地图投影坐标系统，这可使工作区遥感概貌与地质图相互对应的，并能产生立体感较强的画面，以综合图件来反应工作成果。

随着现有矿产资源不断地被发现并且开采，导致矿产所在地普遍有自然及地理环境较为恶劣的情况，不便于人工的探测及寻找，因此遥感技术在这种地形条件差、交通不便的高寒地区具有常规地质方法不可替代的优越性。

二、遥感技术的找矿应用

遥感探测矿产的核心就是通过遥感探测器以及遥感图像等提取岩矿蚀变情况以及区域地质信息。在找矿中的直接应用就是提取遥感蚀变信息，围岩蚀变是热液与原岩发生的相互作用，是成矿作用。因此，蚀变岩矿物的存在能够帮助遥感技术进行探测，因为这种物质有光谱特征，在遥感影像上具有特殊的显示，因此能够根据蚀变的类型，预测矿物的种类以及分布。

遥感技术进行矿物探测的原理，是因为地物普遍都能够进行电磁波的反射和投射，而每种地物因为其结构以及特性不同，所以反射出的光谱也不相同，因此就可以根据地物反射出的光谱特征，判断地物的种类，并通过光谱图像进行信息的提取。

遥感技术能够对地物进行探测，并向地面传回遥感图像以及数据，通过对遥感影像的前期处理，进行图像的降噪，以及真彩色或者假彩色的合成，对遥感影像进行目视解译，所谓的目视解译就是通过以往的经验以及知识，对遥感影像上存在的地物根据其形状、颜色、周围环境等情况进行判读，从而判断出影像中存在的物体都是什么。在利用遥感影像进行找矿的应用时也是如此，需要针对遥感图像的内容联系周边地质环境判断是否有成矿的可能。利用遥感技术进行找矿时，可以通过多种空间影像进行信息的提取，比如影像上的线状区域、环状区域、带状区域等情况，都能够研究矿物资源是否存在。除此之外，对于色异常以及断裂构造的信息提取都能够进行隐秘矿物资源分布的探测，这是找隐伏矿床的重要手段之一，是区域地质填图的理想技术之一。

三、遥感地质找矿技术的发展趋势及前景

（一）高光谱数据的应用

遥感技术一直被作为辅助手段应用于地质学中，但随着计算机领域高新技术的快速发展，遥感技术的进步和应用，尤其是作为现展的技术手段也愈加显得重要，领域也在不断的扩大。遥感技术本身包含多方面的内容导致其复杂无比，但是因为高光谱遥感的广泛应用，利用这种方法辅助地质工作进行探测的技术也开始逐步成熟。高光谱遥感技术在地质找矿中因其高空间分辨率给遥感地质找矿添加新的血液，高光谱是集多种探测及信息处理技术于一体的综合性技术。它的基础工作原理是利用成像光谱仪与纳米级的光谱分辨率来进行成像，成像的同时记录下成百条的光谱通道数据，这种技术能够进行辐射信息、光谱信息、地物空间信息的同步获取，从每个像元上均可以提取一条连续的光谱曲线。高光谱图像能够显示出丰富的信息，并可通过反演圈出矿化区。

（二）3S技术的结合

所谓的3S技术就是遥感（RS）、地理信息系统（GIS）及全球定位系统（GPS）这三种技术，3S技术是目前地质勘探的业界利器，三种技术各自有各自的优势。利用GPS能够通过微信信号进行定位，并能够测量三维空间数据，在信号足够好的情况下，探测的数据是十分准确的。地理信息系统作为地理信息的集合，具有储存、处理地理信息数据等多种功能，并且地理信息系统的数据库具有高集成、一体化并且储存空间大的特点，因此地理信息系统与遥感技术的结合，能够为遥感技术提高海量的数据储存空间，并且还能够进行数据以及图像的管理及浏览，并能够将搜集到的海量地理数据信息然后回馈给信息中心进行分析，然后遥感技术RS负责在地理区域内进行找矿工作。

（三）遥感技术与传统地物化找矿方法的融合

因为矿床的形成并不是一种物质造成的结果，因此想要实现利用遥感技术进行找矿工作，就必须要将遥感技术与地、物、化找矿方法结合起来，避免因为探测单一的物质而造成的失误和阻碍情况的发生。目前以遥感信息为主体，建立多源地学数据库进行综合信息找矿法势在必行。

结束语：

遥感技术作为地质勘查的重要手段，对矿产资源的可持续发展有着积极的作用。利用这一高新技术不但破解了我国目前由于资源匮乏而出现的深层次找矿难题，也为我国勘探科学的进步找到了新的出发基点。因为遥感技术实时、准确的特性，被广泛应用于地质找矿工作中，这项技术在地质找矿中的运用，不仅有效地提高了地质找矿的质量以及数量，还提高了找矿工作的准确性，并且提高了工作效率，因此遥感找矿技术的实运用还拥有更加广阔的发展空间。

参考文献

[1] 钱建平，伍贵华，陈宏毅.现代遥感技术在地质找矿中的作用【L】.地质找矿论丛， 2012，27（3）：355-359.

第2篇：高光谱遥感原理与方法范文

关键词：遥感；地质勘查；矿产勘查

DOI：10.16640/ki.37-1222/t.2017.06.104

1 遥感地质勘查技术概述

早在上世纪70年代，美国就发射了搭载多光谱扫描仪（MSS）的陆地卫星（LANDSAT），从此，遥感作为一门全新的技术学科得到了广泛的关注和发展。遥感是通过空中的遥感器（飞机、卫星等）发射特定谱段的电磁波，与需要探测的物体发生相互作用，包括辐射、反射、散射、极化等，来识别探测物的物理化学性质的新型技术。

与探测立场（重力场、磁力场）、弹性波等地球物理方法不同，遥感地质勘查技术的优点更为显著，具体如下：

（1）视阈广，可同步探测大面积区域。

（2）采集的信息多样、获取信息的方式不单一。

（3）可在同一位置持续观测。

遥感技术的发展使人类的视野和视觉能力得到了极大的拓宽，已成为研究地球表层系统不可缺少的技术手段。经过几十年的发展，遥感技术在地质勘查、找V、地质环境评价、地质灾害监测和评价和基础地质研究等方面得到广泛的使用和发展，技术也逐渐成熟。尤其是在无人机、小卫星等新型传感器技术发展的基础上，遥感技术在分辨率、观测尺度、识别精度等方面也更加完善。

2 遥感地质勘查应用的技术基础

（1）地物光谱。地质体对不同谱段入射光的选择性吸收、反射、透射和散射的综合响应也存在不同，因此，绘制地物光谱成为遥感地质勘查技术首要解决的问题。上世纪80年代，成像光谱学得到了建立和发展，奠定了遥感技术发展的基础。便携式光谱仪的推广，使得岩矿光谱测试工作得到越来越广泛的重视和发展，其使用范围也更加广阔，如钻孔岩心光谱测量及其在矿床勘探中的应用、矿业选冶等方面推广应用等。

（2）遥感图像处理。遥感器直接获取的图像在几何尺寸、图像分辨率、光谱成像等方面可能存在误差，因此，需要通过遥感图像处理技术，对图像进行辐射校正、几何纠正、图像镶嵌、图像增强等处理和修正，此外，还需要对图像进行特征提取、图像分类、专题信息提取以及影像地图制作等处理。早期的遥感图像处理是利用光学、照相等进行光学处理，随着计算机技术的不断发展，目前已基本使用计算机对图像进行处理。

（3）遥感异常提取。所谓遥感异常是指在获得的遥感数据中，存在的可能与成矿围岩蚀变矿物有关的信息，这种信息一般被量化，通常用于找矿。遥感异常信息提取方面使用的主要技术有图像比值、主成分分析、图像归一化、彩色空间变换等，同时，利用特征波段比值、主成分分析、彩色空间变换等手段和方法进行增强处理，使遥感勘查技术在不同地区和地质背景下的矿产勘查均能得到良好的应用。

（4）高光谱遥感技术。相比普通遥感，高光谱遥感技术所获得的光谱分比率更高，可达到λ-2，从而可获得连续并且完整的光谱曲线。在高光谱遥感技术所使用的光谱段中，中/热红外谱段的应用前景更为广阔，因其通常能够获得更丰富和精细的遥感信息，可识别和区分可见/近红外/短波红外谱段无法识别的造岩矿物。虽然高光谱遥感技术在1985年就被提出，经过30几年的发展也逐渐成熟，但是获取数据的难度和成本依旧很高，这也是制约该技术发展的主要因素。

3 遥感技术在矿产勘查中的应用

遥感技术因其众多优点和优势，在矿产勘查、环境地质评价、地质灾害监测等多个领域得到了广泛应用。就矿产勘查而言，其方法和模型主要有矿源场-成矿节-信息异常遥感找矿模式法、勘查指数遥感找矿预测、色-线-环-块-带五要素找矿预测法等，不同的方法和模型的侧重点有所区别，但归纳起来，均是通过分析已知典型矿床的成矿规律，对比遥感技术获取的信息，建立找矿模型，提取单一岩性与岩石组合、侵入岩体、构造等基础地质环境信息，指导区域成矿带、成矿区、靶区找矿的预测。

应用，矿源场-成矿节-信息异常遥感找矿模式法，首先要分析目标地区的已有地质资料，确定成矿带的大概位置和范围，并研究成矿带内的成矿理论，搜集基础地质信息，经过对比分析确定找矿预测区域和控矿要素。进而利用遥感技术获取遥感信息，通过信息的提取，确立控矿要素的解译标志，根据解译标志编制控矿要素图，通过综合手段，进行成矿预测，优选找矿靶区，提出进一步工作方向。

4 小结

作为一种新型的技术手段，遥感以其大面积的同步观测、信息丰富、定时、定位观测和综合效益高等众多优点得到了越来越广泛的应用。尤其在矿产勘查方面，在实际应用中体现出了快捷、可靠和全面等特点，已经成为不可缺少的手段之一。

参考文献：

[1]王润生，熊盛青，聂洪峰等.遥感地质勘查技术与应用研究[J]，地质学报，2011，85（11）：1699-1743.

[2]何骞.遥感地质勘查技术与应用研究[J].科技风，2013，9（13）.

第3篇：高光谱遥感原理与方法范文

关键词：遥感技术；地质勘查；概况；技术应用；发展

一、遥感技术的概况

遥感技术出现于上个世纪60年代，是一种根据电磁波原理而产生的探测技术。主要应用原理是利用各种传感仪器对远距离目标所辐射和反射的电磁波、红外线和可见光等信息，对这些信息进行采集、分析和处理，最终形成影像，从而实现对目标物体及其附近各种景物的探测和识别。这种探测技术具有直观性和整体性的两大特点，利用遥感技术对所需材料进行拍摄，将使拍摄的地质信息更加清晰、全面。

遥感技术在地质工作中的大量应用，可以为地质工作提供大量的信息资源。在探测地质情况时，运用不同波段和不同遥感仪器，可以获取更多有价值的信息。同时遥感技术在应用过程中受地面环境的限制很小，探测的范围也比传统的探测技术要广泛很多，更能顺利完成地质勘察工作。

二、地质勘查中遥感技术的应用

1、地质构造信息的获取

不同地质构造的边界或者由于板块运动而产生的变异部位通常存在着内生矿。重要矿产一般都是随机分布在不同板块连接或者临界的地方，随着重大地质的变异相继产生，矿床为带状分布，规模与地质构造的变异差不多。

遥感技术应用在矿产资源的探测方面多表现在空间信息上。主要通过提取该区域矿产的线状影像资料，主要包括地质的断裂、变异等；环状影像资料，主要包括火山、盆地等；带状影像资料，主要包括岩层信息等。还有从控矿断裂交切处出现的块状影像资料和感矿相关的色异常中提出的相关信息。需要说明的是，如果断裂变异为主要控矿构造时，利用遥感技术对断裂信息重点提取分析具有重要的作用。

遥感技术在拍摄成像处理的过程中，通常会出现不清晰和模糊的情况，造成人们无法对那些有兴趣想要重点探索的区域进行清楚的识别。人们利用自我的目测解释或者通过人机互动等方法，对所提取的遥感影像综合分析处理，例如：加强边界线处理，增加灰度调色，利用科学算法等一系列方法，使地质构造信息简单明了的显现出来。此外，遥感技术仍可以通过地表地貌、植被、岩石分布等主要特征，综合提取分析，来获得隐蔽的构造信息。

2、利用植被波谱特点探矿

受地下水和微生物的共同作用，矿产资源中的金属元素、矿物质都可能或多或少的对上边地层结构产生影响，从而使土壤的营养构成产生变化，生长在最上方土壤上边的植被对于金属元素有着吸附和聚集的作用，导致自身生长过程中水分和叶绿素等主要物质的变化，那就产生了植被反射光谱的差异。因此，这就为遥感技术的应用奠定了理论基础，人们可以通过提取分析遥感资料中植被光谱的异常信息来探寻矿产资源。

人们应该掌握不同植被或者同种植被不同叶、茎含金属量的差异变化。所以，通过对已知现有矿区不同植被或同种植被的不同部位作为样品，进行光谱测试，归纳分析总结出对金属最有吸收聚集作用的植被，将这一种类的植被定为矿产探测的有效植被，其余作为辅助植被。遥感技术的图像处理一般通过光谱增强技术，采用主要成分分析，监督分类等方法。一般情况下，遥感图像上的异常颜色分布均为植被反射的光谱异常信息，我们通过对图像的分析和处理，将这些细微的异常信息分析、提取出来，并将他们直观、重点的重新标注于遥感图像上边，以此来综合推断未探知的矿产资源大致分布。由于植被体内有些金属元素的成分含量

3、矿床信息的变化依据

由于外界环境的不断变化，矿床也会随之产生某些性状的变化。我们可以通过调取不同时段的遥感资料和图像进行宏观对比，分析矿床的剥蚀改造作用；综合相关成矿深度的知识，找出矿床的产出部位。

三、地质勘查工作中遥感技术的发展趋势

1、高光谱的实际应用

高光谱是一种融合了计算机、探测、光学、信号处理于一身的综合技术。充分显示了纳米级别的光谱分辨率在光谱仪中的实际应用，在成像的时候可以同时记录下数百条的光谱通道数据，从每一个像元中提取连续的光谱曲线，实现空间信息，光谱信息和辐射信息的同时获取，所以有着很大的发展空间。高光谱的图像光谱信息具有层次分明、信息丰富的特点，对于不同波段有阵不同的信息变化量，通过建立相关模型，得出矿物的丰度。人们应该充分利用高光谱的优势，加强数据应用处理能力。

2、数据的整合

伴随着大量新型传感器的不断产生，可以从不同的空间、时间和光谱范围等诸多方面来客观真实的反应地物目标的特点，形成同一个区域的多元数据，和单元数据比较，多元数据具有互补性的优点。单源数据仅能突出地物目标在一个方面或者几个方面的特点，想要全面，多层次的了解目标，就必须以多源据作为基础，提取更多丰富、有意义的信息。多源数据的发展促使数据整合技术的不断前进。借助数据整合，我们不仅可以删除无用信息，提高数据处理效率，还可以将有价值的信息集中整合起来，形成互补优势。

3、3S技术的有机结合

遥感（RS），地理信息系统（GIS），全球定位系统（GPS）统称为3S。我们利用全球定位系统可以有效的迅速定位，确认全球范围内的任何点坐标并进行科学管理。大量的遥感数据需要更大的空间，所以更加需要强大的管理系统。现阶段，随着人力成本的大幅上升，在区域范围内探寻矿产资源的过程中，遥感技术已经表现出了小投资大回报的绝对优势，所以RS和GIS的技术整合相当重要。随着3S技术的不断升级完善，地质工作人员可以尝试3S和可视系统、卫星通信系统等先进科学技术的综合应用，

四、结束语

综上所述，随着社会市场经济的快速发展，工业化、城市化程度的不断加深。在地质勘查中，一定要采用先进的科学技术，才能确保地质勘探工作的顺利实施。遥感技术作为地质勘查工作的重要手段，在地质工作中占据着重要的位置。采用遥感技术对地质进行有效勘测，才能促进社会经济的快速发展。

参考文献

[1] 陈旭锋. 遥感地质勘查技术发展趋势研究[J]. 民营科技. 2012（04）

[2] 王润生. 遥感地质技术发展的战略思考[J]. 国土资源遥感. 2008（01）

[3] 王迪楠. 遥感技术在地质勘查找矿中的应用[J]. 黑龙江科技信息. 2014（14）

第4篇：高光谱遥感原理与方法范文

遥感(RemoteSensing)即遥远的感知,指在一定距离上,应用探测仪器不直接接触目标物体,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]。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合,在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。

2遥感估产的原理及农作物估产方法

2.1遥感估产的基本原理[2]

任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。人眼正是利用这一特性,在可见光范围内识别各种物体的。遥感技术也是基于同样的原理,利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态。农作物估产则是指根据生物学原理,在收集分析各种农作物不同生育期不同光谱特征的基础上,通过平台上的传感器记录的地表信息,辨别作物类型,监测作物长势,并在作物收获前,预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。

2.2农作物估产的方法

农作物估产在方法上可分为传统的作物估产和遥感估产两类。传统的作物估产基本上是农学模式和气象模式,采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高,某些因子种类往往难以定量化,不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数(由多光谱数据,经线性或非线性组合构成的对植被有一定指示意义的各种数值)作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息,各种估产模式,尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3,4]。

农作物估产中所应用的遥感资料大致可分为3类:一是气象卫星资料,主要为美国第三代业务极轨气象卫星(NOAA系列)装载的甚高分辨率辐射仪(AVHRR)资料,其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉,空间分辨率低但时间分辨率较高;二是陆地卫星(Landsat)资料,应用较多功能是专题制图仪(TM)资料,它重复周期长、价格高,但其空间分辨率高[5];三是航空遥感和地面遥感资料,主要用于光谱特征及估产农学机理的研究中,其中高光谱数据可提供连续光谱,可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。在遥感估产中农作物面积提取是最重要的内容。用遥感方法测算一种农作物的种植面积主要有以下几种方法[5]。1)航天遥感方法。包括卫星影像磁带数字图象处理方法(一般精度较高)和绿度———面积模式。2)航空遥感方法。可进行总面积的测量、作物分类及测算分类面积。3)遥感与统计相结合的方法。此方法是由美国农业部统计局在原面积抽样统计估产的基础上发展起来的,其原理是利用遥感影像分层,再实行统计学方法抽样。4)地理信息系统(GIS)与遥感相结合方法。此方法是在地理信息系统的支持下,利用遥感信息,对不同农作物的种植面积进行获取。

3国内外遥感估产的研究进展状况

3.1国外遥感估产研究的进展状况

美国首先开了农作物遥感估产之先河,美国农业部、国家海洋大气管理局、宇航局和商业部合作制定了“大面积农作物估产实验(1974～1978)计划”,组织实施了小麦估产计划,应用先后发射入轨的陆地卫星1～3接收处理出的MSS图像,首先对美国大平原9个小麦生产州的面积、单产和产量做出估算;尔后对包括美国本土、加拿大和前苏联部分地区小麦面积、单产和产量做出估算;接着是对世界其它地区小麦面积、总产量进行估算。调查分析美国、原苏联、加拿大等主要产粮国的小麦播种面积、出苗状况和长势,并利用气象卫星获得的气象要素信息,结合历年统计数据进行综合分析,建立的小麦估产模型精度高达90%以上。1980～1986年,美国又制定了“农业和资源的空间遥感调查”计划,其核心内容仍是主要作物的种植面积与单产模型的研究。进行国内、世界多种粮食作物长势评估和产量预报。中国科学院自然资源综合考查委员会的陈沈斌于1992年8月在美国农业部外国农业局(负责美国以外国家的农作物估产,并建成运行系统)曾见到当月估计的中国小麦、玉米、水稻总产量与后来1993年国家统计局公布的数字差-3.53%、+0.65%和-0.66%。

该项工作,为美国在世界农产品贸易中获得巨大的经济利益[2,4,7,8,9,10,11]。此后,欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算,均取得了一定的成果。例如,欧共体用10年的时间(从1983年开始),建成用于农业的遥感应用系统,1995年在欧共体15个国家用180景SPOT影像,结合NOAA影像在60个试验点进行了作物估产,可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产,MODIS搭载的TERRA卫星是1999年由美国(国家航空航天局)、日本(国际贸易与工业厅)和加拿大(空间局、多伦多大学)共同合作发射的,MODIS数据涉及波段范围广(36个波段)、分辨率(250,500,1000m)比NOAA-AVHRR(5个波段,分辨率为1100m)有较大的进步,这些数据均对农业资源遥感监测有较高的实用价值。ldso等曾运用500～600nm和600～700nm两个光谱区得到的反射值的转换植被指数(TV16)来估计小麦与大麦的单产,获得小麦单产与TV16之间的相关系数为0.78。同年,日本科技公司完成了“遥感估产”项目,可提高平原农业估产的精度,并着眼于对全球进行估产。

而美国已经将遥感技术用于精细农业,对农作物进行区域水分分布评估、病虫害预测等,直接指导农业生产。用卫星遥感方法进行长势监测和产量估算已进行多年,方法已趋于成熟[2,4,7,8,.9,10,11,12,13]。水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。Patel和Dash等[14]建立水稻产量和RVI的关系,试验区预报精度达到96.14%。Miller等[15]在分蘖或出穗阶段时,运用比值植被指数通过干物质和单产的关系来估计单产。但在作物灌浆与成熟阶段,由于反射率与总生物量之间并不相关,比值植被指数无法预测水稻的冠层生物量。Wiegand,SSRay认为借助于归一化植被指数NDVI{(NIR-R)/(NIR+R)}可以很好地预测产量[16,17]。

3.2国内遥感估产研究进展情况

从“六五”开始,我国试用卫星遥感进行农作物产量预报的研究,并在局部地区开展产量估算试验。“七五”期间,国家气象局于1987年开展了北方11省市小麦气象卫星综合测产,探索运用周期短、价格低的卫星进行农作物估产的新方法。该项目中,主要是以长期的气象资料为基础,以遥感信息为检验手段,建立了不同地区的遥感参数-作物产量的一阶回归模型。1985～1989年,此项目为中央和地方提供了165次不同时空尺度的产量预报,为国家减少粮食损失达33万t以上,累计经济效益达20亿元。“八五”期间,国家将遥感估产列为攻关课题,由中国科学院主持,联合农业部等40个单位,开展了对小麦、玉米和水稻大面积遥感估产试验研究,建成了大面积“遥感估产试验运行系统”,并完成了全国范围的遥感估产的部分基础工作。通过1993～1996年4年试验运行,分别对四省两市(河北、山东、河南、安徽北部和北京市、天津市)的小麦,湖北、江苏和上海市的水稻;吉林省的玉米种植面积、长势和产量的监测和预报,在指导农业生产及农业决策中发挥了重要作用。特别是解决了一些关键技术问题,为进一步开展全国性的卫星遥感估产提供了重要保证。

第5篇：高光谱遥感原理与方法范文

关键词：精细农业；遥感技术；应用；问题；解决途径

收稿日期：2011-06-04

作者简介：张旭（1990―），男，内蒙古人，中国地质大学（北京）地质学专业大学生。

中图分类号：TP79文献标识码：A文章编号：1674-9944（2011）07-0211-03

1引言

精细农业也被称为因地制宜农业、处方农业。它可以在遥感、地理信息系统和全球定位系统技术支持下,进行抽样调查,获取作物生长的各种影响因素信息（如土壤结构、含水量、地形、病虫害等）。通过进行农田小区作物产量对比,分析影响小区产量差异的原因,获取农业生产中存在的空间和时间差异性,可以根据每个地块的农业资源特点,按需实施微观调控,以充分利用现代化和机械化,精耕细作,获取高的经济效益。

遥感技术是指运用现代光学、电子学探测仪器,不与目标物相接触,从远距离把目标物的电磁波特性记录下来,通过分析、解译揭示出目标物本身的特征、性质及其变化规律的综合性探测技术。其基本原理就是不同物体的电磁波特性是不同的（黄惠珍,2010）,通过探测地表物体对电磁波的反射和其发射的电磁波,从而提取这些物体的信息,完成对远距离物体的识别。

2遥感技术应用于精细农业的必要性

随着科学技术的发展,传统农业因耗能高、产量低,正逐步被新型农业所代替,而精细农业,适应了现代农业产量高、投入少、节约资源、保护环境的要求（姚建松,2009）,它的出现,是传统农业向新型农业转型的必然结果,具有历史必然性。

遥感技术是精细农业获得田间数据的核心来源。没有遥感技术的服务,就没有精细农业的发展。由于不同含水量的土壤具有不同的地表温度（谷纪良,2010）,不同生长期和不同生长情况的农作物具有不同的波谱发射特征。因此,通过对作物本身及其生长环境的波谱特性研究,可定量测定作物的生长状况和空间变异信息（李新磊等,2010）,了解生态环境变化,为及时作出合理化的调整提供最权威的数据资料。因此,精细农业要发展,必然需要遥感技术的应用。

3遥感技术在精细农业中的应用

遥感技术可以客观、准确、及时地提供作物生态环境和作物生长的各种信息。这是精细农业获得田间数据的重要来源。因些,遥感可以在很多方面为精细农业服务。

3.1作物养分诊断与监测研究

作物养分主要包括氮、磷、钾等元素,如果缺乏会导致作物光合作用能力和产量降低。近20年来,利用遥感进行作物养分（尤其是氮）实时监测和快速诊断一直是农业应用研究的热点,其中,高光谱遥感可很好的对作物养分进行诊断和监测（姚云军等,2008）。基本原理就是利用作物氮、磷、钾等含量的变化会引起作物叶片生理和形态结构变化,造成作物光谱反射特性变化的特性。作物养分高光谱诊断与监测方法主要包括多元统计回归方法诊断作物养分含量，基于特定吸收波段内波谱特征参数的作物养分诊断。

3.2农作物播种面积遥感监测与估算

搭载遥感器的卫星或飞机通过田地时,可以监测并记录下农作物覆盖面积数据,通过这些数据可以对农作物分类,在此基础上可以估算出每种作物的播种面积。目前商业销售的遥感图像已经达到1m空间分辨率,在这种高分辨率图像中可以进行精确的农作物播种面积估算。

3.3遥感监测农作物长势与产量估算

作物长势是作物生长发育状况评价的综合参数,长势监测是对作物苗情、生长状况与变化的宏观监测。构建时空信息辅助下的遥感信息技术与作物生理特性及作物长势之间的关系模型便于作物长势监测。利用遥感技术在作物生长不同阶段进行观测,获得不同时间序列的图像,农田管理者可以通过遥感提供的信息,及时发现作物生长中出现的问题,采取针对措施进行田间管理（如施肥、喷施农药等）。管理者可以根据不同时间序列的遥感图像,了解不同生长阶段中作物的长势,提前预测作物产量。自20世纪80年代初开始,中国有关研究部门与高校合作,利用陆地卫星和气象卫星进行大面积作物长势和产量监测的研究与试验。这为我国作物产量的提前预报奠定了科学基础。

3.4作物生态环境监测

利用遥感技术可以对土壤侵蚀、土地盐碱化面积、主要分布区域与土地盐碱化变化趋势进行监测,也可对土壤水和其它作物生态环境进行监测,这些信息有助于田间管理者采取相应措施,合理调配,及时改善作物生态环境,使作物更好地成长。

3.5灾害损失评估

气候异常对作物生长具有一定影响,利用遥感技术可以监测与定量评估作物受灾程度,作物受旱涝灾害影响的面积,对作物损失进行评估,然后针对具体受灾情况,进行补种、浇水、施肥或排水等抗灾措施,减少损失。

4遥感技术在精细农业发展中面临的问题与解决途径

4.1遥感数据库不足

遥感技术在应用于精细农业中,因作物的生态物理参数（如含水量、叶绿素含量、叶面积指数等）各异,生长环境复杂,生长过程中随时间的推移作物与土壤的各种物理化学条件都会变化,这就需要建立大量的数据库,给遥感农业带来了不便。而现有精细农业中的遥感数据库还处于发展阶段,数据量不足,有待进一步完善。

4.2解译水平有待进一步提高

遥感技术在精细农业中的应用尚且处于探索阶段,许多解译方法尚不成熟,如多种田间组分（作物、土壤等）混合光谱的研究等。而现代遥感技术单一解译技术已趋于成熟,但混合光谱的研究才刚刚起步,还需要加强解译水平,完善解译体系。

4.3建立标形植被光谱数据库

深入开展农业应用中标准地物光谱特征研究,总结标准地物在不同条件下光谱变异规律,完善和扩充农业光谱数据库,在应用研究时将目标物与标形地物的波谱特征进行对比,观察波谱图像,总结波谱特征规律,进一步确定目标物的现实特征,进而实施相应手段,提高作物产量。

4.4建立健全解译体系

加大遥感解译的投入力度,建立健全常用地物的解译体系,特别是完善农业遥感中的解译系统,将传统解译与现代信息技术相结合,结合地理信息系统,定位导航系统的发展,将不同地区不同地物的波谱特征纳入解译体系,提高解译水平。

建立标形地物波谱数据库,加强农田水分条件、肥力条件、病虫害等因子在遥感图像中的解译标志,实现农作物征兆信息的智能化提取,上述关键技术的突破,将有助于阐明作物生长环境和收获产量实际分布的相关机理,有助于遥感动态监测定量化,建立作物长势与产量预报定量模型,这对于提高农业田间科学管理（灌溉、施肥或喷洒农药）具有重要意义。

5结语

遥感技术的研究与发展,是促进精细农业发展的重要一步,随着更高分辨率遥感技术的发展,遥感技术在精细农业中的应用必将更进一步。未来精细农业中遥感的定位,将从定性监测逐步转向定量监测,定量遥感将在精细农业中发挥更加重要的作用。因此,加强定量遥感的研究力度,完善定量遥感体系,建立定量遥感农业模型,将为农业遥感发展带来新的活力,必将促进精细农业的蓬勃发展。

参考文献：

［1］ 黄惠珍.遥感技术在我国农业生产中的应用［J］.科技信息,2010（24）:46.

［2］ 姚建松.我国精细农业发展前景探讨与研究［J］.中国农机化,2009（3）：26～28.

［3］ 谷纪良.浅谈我国精细农业的应用情况和技术构成［J］.消费导刊,2010（8）：224.

［4］ 李新磊,苏俊.试述现代精细农业的技术构成及其应用［J］.中小企业管理与科技,2010（6）：79～81.

［5］ 姚云军,秦其明,张自力,等.高光谱技术在农业遥感中的应用研究进展［J］.农业工程学报,2008,24（7）:301～306.

［6］ 任丽萍,杜波.精细农业-现代化农业的发展方向［J］.黑龙江科技信息,2009（21）:145.

［7］ 王建强,王丽梅.3S 技术在精细农业发展中的综合应用探讨［J］.水利科技与经济,2008,14（3）：235～236,244.

［8］ 杨淑芳.遥感技术在农业上的应用与展望［J］.农业科技展望,2008（7）:39～42.

第6篇：高光谱遥感原理与方法范文

关键词：高光谱 无损 检测

引言

从古至今，农业都是中国的传统和基础产业。农产品的种植、加工、消费及出口对农产品的品质检测都有较强的依赖。现在适用的农产品品质检测方法有着破坏样本、消耗大量时间、甚至严重污染环境等不可避免的缺点。为了农业的健康发展、提高中国农产品的国际竞争力和缓解环境压力亟需开发一种快速无损的农产品品质检测方法。农产品无损检测技术是利用自身力的学、光学、电学及声学等物理性质对其品质进行非破坏检测，并按照一定标准对其进行分级分选的新兴技术。现阶段，我国农产品品质检测主要以人工分拣为主，费时费力，导致农产品在国内外市场上缺乏相应的竞争力，市场前景不容乐观。因此，研究开发快速有效、实时在线的农产品品质无损检测技术已经成为我国农业工程领域的重要研究方向。

1、高光谱成像技术原理

高光谱是利用很多窄的电磁波波段获取物体有关数据的技术，它可在电磁波的紫外、可见光、近红外、中红外以至热红外区域，获取许多非常窄且光谱连续的图像数据，为每个像元提供数十至数百个窄波段（通常波段宽度

高光谱图像可以用“三维数据块”来形象地描述（见图1），其中x和y表示二维平面像素信息坐标轴，第三维（λ轴）是波长信息坐标轴。高光谱图像集样本的图像信息与光谱信息于一身。图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于成分不同对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。这些特点决定了高光谱图像技术在农产品内外部品质的检测方面的独特优势。

2、高光谱成像检测装置

由光源、光谱成像仪、图像采集卡、暗箱、数据处理软件、位移平台等构成了典型的高光谱成像装置。高光谱成像技术有基于滤片的高光谱成像系统和基于图像光谱仪的高光谱图像系统两种。图2为搭建的高光谱成像装置示意图。

3、高光谱数据处理

高光谱图像数据块能够为被检样品提供详尽的内外部信息，但同时由于波谱段多、数据量大、数据相关性强等特点，给数据处理造成了维数灾难。目前，国内外大多数学者对数据处理的方法是： 先选择感兴趣区域（ ROI） ，在采用主成分分析法（ PCA） 、独立成分分析法（ ICA） 以及遗传算法（ GA） 等对感兴趣区域数据进行分析降维，去除大量冗余信息，找出特征波长，并建立相应的判别模型。常用的建模方法有 BP神经网络法（ BPANN） 、多元线性回归法（ MLR） 以及偏最小二乘法（ PLS） 。

4、农产品无损检测中高光谱成像技术的应用

自 20 世纪 80 年代以来，高光谱成像技术在军事侦查、土地遥感规划以及灾难评估等国家信息领域得到广泛应用。随着电子和光学成像技术的发展，高光谱成像技术才得以商业化。由于该技术的自身优势，国外研究人员开始将该技术应用到农产品无损检测领域，取得了一系列研究成果。近几年，国内研究人员也做了大量的基础研究工作，为该技术在农产品无损检测领域的广泛应用奠定了基础。

4.1在水果品质无损检测中的应用

水果内外部品质好坏是水果腐烂变质的罪魁祸首，也是划分水果等级最基本的标准。但要对水果内外部多个品质特征同时进行非破坏的快速有效检测，依旧面临较大困难。高光谱成像技术融合了图像和光谱技术优势，在水果内外部品质检测方面取得了较好的效果。

4.1.1在水果外部品质检测中的应用

Vargas 等用紫外诱导甜瓜表面动物粪便污染物发出（ 425 ～774 nm） 荧光的高光谱荧光成像方法对甜瓜表面不同浓度的动物粪便进行检测，采用波段比（ 595/655nm，655/520nm，555/655nm） 对 其 进 行 分析，检测率为 79% ～96% 。进一步研究发现模型把甜瓜表面疤痕组织误认为动物粪便。在采用主成分分析法对全波段进行分析发现，PC1和 PC6包含了图像99. 6% 的信息，在根据权重系数大小选择了 465，487，531 ，607 ，643 ，688 nm6 个特征波长 ，相关系数为99. 96% 。

4.1.2在水果内部品质检测方面的应用

单佳佳等利用高光谱空间散射曲线的 3 个洛伦兹拟合参数对苹果的品质（ 硬度、可溶性固溶物含量） 进行检测，采用偏最小二乘、逐步多元线性回归和 BP 神经网络 3 种方法分别对归一化处理和未归一化处理的 3 个洛伦兹参数组合建立预测模型。结果表明： 采用偏最小二乘法对两种情况判别效果最好，校正相关系数和校正误差分别为 Rc = 0.93，SEC =0.56，Rv =0.84，SEV =0.94。结果表明，该技术对苹果多参数进行同时检测是可行的

4.2在蔬菜品质无损检测中的应用

在国内，柴阿丽等利用光谱成像技术（ 400 ～720 nm） 对黄瓜白粉病、角斑病、霜霉病、褐斑病和无病区域进行识别，采用逐步判别分析和典型判别分析两种方法进行降维，并利用选择的光谱特征参数建立病害识别模型。结果表明，逐步判别构建的模型对训练样本和测试样本的判别准确率分别为 100% 和94% ，典型判别构建的模型对训练样本和测试样本的判别准确率 100% 。

4.3在粮食作物无损检测中的应用

在国内，李江波等用高光谱成像技术（ 450 ～900nm） 及 ANN 对玉米含水率进行检测。通过玉米粒反射光谱图像获取反映其含水率的光谱特征波长，利用 ANN 建立玉米粒含水率的预测模型，模型相关系数达到0.98。预测结果误差绝对值最大2.1182，最小0.0024； 相对误差绝对值的平均值为0.309，表明该技术对玉米含水率进行无损检测是可行的。

4.4 在肉品无损检测中的应用

陈全胜等利用高光谱技术对 78 个猪肉样本在400 ～ 1 100nm 范围进行光谱数据采集； 通过 PCA 分析光谱数据进行降维，从中优选出 3 幅特征图像，并从每幅特征图像中分别提取对比度、相关性、角二阶矩和一致性等 4 个基于灰度共生矩阵的纹理特征变量； 再通过 PCA 对 12 各变量分析提取 6 个主成分变量，根据剪切力判断样本嫩度的分级结果，利用 ANN法构建判别模型。结果表明，对校正集样本回判率为96. 15% ，预测集样本判别率为 80. 77%。

3 总结与展望

高光谱成像技术在农业中有着广泛的应用前景，它能同时获得待测农产品样品丰富的图像和光谱信息，进而对农产品进行快速无损检测和综合评价。

（1）运用高光谱技术检测农产品品质，对其定性分析已取得较好的进展，但定量分析的精度仍有很多不足，可通过提高光谱装置精度，减少其它无用杂散信息的干扰等做进一步的研究。

（2）高光谱技术在应用到农产品在线检测时，由于高光谱图像信息量丰富，但冗余量多，为前期的研究带来困难，其次高光谱成像系统价格昂贵，选择合适的特征波长是进行光谱处理的关键，基于特征波长构建单个或多个波长光谱系统，进一步提高高光谱成像技术的处理速度，为在线检测提供依据。

（3）高光谱技术在农产品品质检测上应用处于起步阶段，但表现出来无损，快速，精确的特点，表明它在农产品品质检测中具有广泛的应用前景。

参考文献：

[1] 刘木华，赵杰文，郑建鸿，等.农畜产品品质无损检测中高光谱图像技术的应用进展[J].农业机械学报，2005，36（9）：139～143.

第7篇：高光谱遥感原理与方法范文

关键词:遥感技术;矿产资源;开发预测;地质遥感信息

中图分类号:P627文献标识码:A文章编号:1009-2374(2009)20-0057-03

遥感在地质学上的应用始于20世纪70年代,人们利用遥感视域宽、信息丰富、具有定时性、定位性的特点,研究地球表面及表层的地质体、地质现象的电磁辐射特征,识别地质体的物性及运动状态,从而为地质构造研究、矿产资源勘查、区域地质调查、环境和灾害地质监测等研究提供帮助。

一、遥感技术概述

(一)遥感技术的概念

遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线等目标进行探测和识别的技术。例如航空摄影就是一种遥感技术。人造地球卫星发射成功,大大推动了遥感技术的发展。现代遥感技术主要包括信息的获取、传输、存储和处理等环节。完成上述功能的全套系统称为遥感系统,其核心组成部分是获取信息的遥感器。遥感器的种类很多,主要有照相机、电视摄像机、多光谱扫描仪、成像光谱仪、微波辐射计、合成孔径雷达等。

现代遥感应用技术是指在数字地球框架下,将遥感技术与传统的地质方法相结合,和现代信息技术相结合的遥感信息深化应用技术。它的核心是遥感信息的延伸应用和信息化。最大限度地利用信息资源,以提高矿产资源的勘查效果。一方面,露出地表的矿明显减少,勘查目标已由地表或近地表转向地下深处的隐伏矿床,找矿难度愈来愈大。另一方面,各种地学手段取得的信息资源愈来愈丰富,为遥感信息与其它地学信息的集成创造了条件。

(二)遥感技术的原理

任何物体都具有光谱特性,具体地说,它们都具有不同的吸收、反射、辐射光谱的性能。在同一光谱区各种物体反映的情况不同,同一物体对不同光谱的反映也有明显差别。即使是同一物体,在不同的时间和地点,由于太阳光照射角度不同,它们反射和吸收的光谱也各不相同。遥感技术就是根据这些原理,对物体做出判断。遥感技术通常是使用绿光、红光和红外光三种光谱波段进行探测。绿光段一般用来探测地下水、岩石和土壤的特性;红光段探测植物生长、变化及水污染等;红外段探测土地、矿产及资源。

利用多种遥感平台获取的多种类、多时相遥感数据,采用多种遥感图像处理方法,室内对比提取矿产资源开发地采矿活动痕迹的影像信息,发现其不同时间段采矿活动痕迹变化信息。

二、遥感技术的优势及其在矿产资源开发预测工作中的作用

随着RS(遥感)、GIS(地理信息系统)、GPS(地理定位系统)的发展,遥感数据的可解释程度与速度得到更快地提高,影响遥感解译的不确定性因素在不断减少,在矿产资源预测评价方面,尤其是在自然环境比较恶劣的地区,遥感的作用将由矿产资源调查评价的配角到主角的新角色。

(一)遥感技术的优势

与常规手段相比,遥感技术用高空鸟瞰的形式进行探测,可以跨越交通的阻隔和视野的限制,洞察地面调查的和死角,对大面积的环境状况进行全面彻底的调查;同时,它远离观察对象,不损害研究对象及其环境条件,保证了获取信息资料的客观性、可靠性;遥感技术具有的“多点位”、“多波段”、“多时相”、“多高度”的获取和“多次增强”遥感信息处理的特征。

根据不同的任务,遥感技术可选用不同波段和遥感仪器来获取信息。例如可采用可见光探测物体,也可采用紫外线,红外线和微波探测物体。利用不同波段对物体不同的穿透性,还可获取地物内部信息。

目前,遥感技术的发展主要体现在空间、时间和光谱分辨率的不断提高。民用卫星遥感数据中Quick Bird数据的最高空间分辨率已达0.61m,轨道重复周期1～6d(取决于纬度高低);而几何分辨率为1m的IKONOS卫星数据,重复周期仅为1～3d;高光谱卫星数据Hyperion,波段高达220个,几何分辨率达30m。相对于卫星遥感而言,航空遥感具有更机动灵活、更高精度的优势,如目前较先进的基于POS系统的航空摄影技术,可根据POS系统检校场的测量数据直接制作正射影像图,从而实现无地面控制点的高精度航空遥感影像定位,极大地提高调查的几何精度,缩短调查周期。

(二)在矿产资源开发预测工作中的作用

在矿产资源预测的应用主要在于矿产遥感信息的形成机理和遥感成矿模式研究上。地质遥感信息形成机理研究是遥感理论研究的新领域,是遥感找矿方法的科学性、针对性和有效性,促进遥感地质解译向规范化、模式化方向发展的必由之路。这些信息的识别提取在许多地区已经有了初步应用,取得较多的成矿信息,资源预测及其评价效果比较好。遥感技术在矿产预测工作流程图如图1所示:

主要是对遥感数据(ETM+、SPOT5)进行辐射校正、PAN波段数据与多光谱数据进行融合处理、天然假彩色合成、几何校正、大地配准与镶嵌等。然后制作国际标准分幅图像,对其格式转换后与地形数据进行叠加显示,以人机交互方式对各种矿山地质环境现象进行解译,最后将解译结果提供野外验证。

1.几何校正与大地配准。在地形图上采集控制点对遥感数据进行几何校正,在1∶100000地形图上采集控制点对ETM+数据进行校正;在1∶50000地形图上采集控制点对SPOT5数据进行校正。每景图像采集控制点数25～36个,且均匀分布于图像内,控制点残差控制在1个像元以内,将图像配准至大地坐标。

2.数据融合。针对遥感图像不同光谱和不同分辨率的特点,融合处理主要集中于象素级与特征级融合,可将来源于不同传感器的遥感图像的优势集中起来,减少数据的冗余度,增强图像的清晰度,提高解译的精度和准确性,针对多分辨率遥感数据图像融合的方法比较多,主要有色彩空间变换如HIS、Lab、CN以及KL变换、小波变换等方法。对不同的数据组合、不同地形情况、不同区域及不同的研究目标使用的融合方法各异。针对本项目以突出矿山地质环境状况的特点,利用HIS融合方法,对ETM+的7、4、3波段与PAN波段组合,SPOT5的4、2、1波段与PAN波段组合进行融合处理的结果图像能较好反映矿山地质环境各要素。

3.图像镶嵌。由于研究范围较大,跨17景ETM+图像,部分矿区存在跨越多景遥感图像,给解译时带来不便。需要对跨图幅影像进行镶嵌,镶嵌时为了使图像满足以下条件:(1)信息丰富;(2)色调和谐;(3)镶嵌的几何精度高。

4.图像剪裁。为了方便解译、控制精度精度、解译成果的拼接等工作,在矿山比较连片的地区,需要将整景图像或镶嵌图像按按1∶100000或1∶50000国际标准图幅制作分幅图像。

5.格式转换。将制作的国际标准分幅图像存储为*.TIF格式,然后转换为MAPGIS内部图像格式*.MSI格式,以便于人-机交互解译。影像与1∶100000或1∶50000地形图能完全叠合,因此在上面解译的结果与地形图叠合比较好,给野外检查验证带来方便。

三、遥感技术在贵州矿产资源开发找矿方面的应用实例

位于云贵高原东部的贵州,系隆起于四川盆地与广西、湘西盆地或丘陵之间的高原山区。在长达10多亿年的地质演变历史中,具有良好的成矿地质条件,造就了当今贵州矿产资源丰富、分布广泛、门类较全、矿种众多的优势格局。贵州素以“沉积岩王国”著称,是矿产资源大省。沉积矿产中以煤、磷、铝、锰为优势,具有“量大质优”的特点。

在发现的矿产中,有包括能源、黑色金属、有色金属、贵金属、稀有稀土分散元素、冶金辅助原料非金属、化工原料非金属、建材及其它非金属、水气等九大类矿产在内的76种,不同程度地探明了储量。在已探明的储量矿产中,依据保有储量统一对比排位,贵州名列全国前十位的矿产达41种,其中排第一至第五的有28种,居首位的达8种,列第二、第三的分别为8种与5种。尤以煤、磷、铝土矿、汞、锑、锰、金、重晶石、硫铁矿、稀土、镓、水泥原料、砖瓦原料以及多种用途的石灰岩、白云岩、砂岩等矿产最具优势,在全国占有重要地位。而且人均与国土单位面积占有矿产资源潜在经济价值量,都高于全国平均水平,远高于邻近省区市占有水平。从开发利用角度论,贵州矿产资源具有资源比较丰富、优势矿产显著;分布相对集中、规模大、质量较好、主要矿产资源潜力大、远景好;共伴生矿产较多;资源丰歉不均,部分矿产短缺等五个方面的主要特点。

(一)煤矿的遥感找矿模式

1.石炭系煤。(1)含煤地层的识别:由于该套地层顶底板都是碳酸盐岩,因此,分布在喀斯特地貌区,呈条带状展布的非喀斯特地貌即流水侵蚀地貌,是快速、准确地判读大塘期含煤岩系的最直接标志;(2)地貌标志:由于含煤岩性及其顶、底板岩层在物质属性及侵蚀作用上的差异,常常沿含煤岩系形成走向次成谷。

2.二叠系煤。(1)含煤地层的识别:含煤岩系是间于上覆三叠系碳酸盐岩与下伏峨眉山玄武岩及下二叠统碳酸盐岩中的一套地层,因此,分布在喀斯特地貌区,呈条带状展布的非喀斯特地貌――流水侵蚀地貌,是判断晚二叠世含煤岩系的标志;(2)地貌识别标志:在山盆期地貌保存良好的地区,该套非可溶岩层除发育规模较小的走向次成谷外,还常常与其上下碳酸盐岩形成垄(脊)―槽(谷)组合地貌;在乌江期地貌发育区,该套非可溶岩层常形成规模不等的走向次成谷。

(二)磷矿的遥感找矿模式

1.晚震旦世磷块岩。(1)地层识别:首先,含磷岩系在空间上受岩相古地理控制,在省内主要分布于黔中地区。由于含矿的磷块岩层位于上震旦统碳酸盐岩系的下部,而这套碳酸盐岩系,上、下均为碎屑岩,故在参考区域地质资料基础上,可在TM影像上通过对碳酸盐岩的识别大致圈出其分布。(2)地貌识别标志:由于含矿层与其上下岩层在物质属性及侵蚀作用上的差异,常常沿含矿地层形成走向次成谷。

2.早寒武世磷块岩。(1)地层识别:同晚震旦世磷块岩一样,岩相古地理控制矿产的区域分布是明显的。含矿层识别主要依据地层层序的相互关系并结合影像特征予以区别。如在区域上下二叠统栖霞―茅口组碳酸盐岩影像上有较为突出的特征,岩溶地貌发育,碎斑状影纹图案,顺这套地层往下,一般可“清理”出下伏各组地层。如在织金一带,其下伏依次为下石炭统地层以及下寒武统和上震旦统含磷层位。(2)地貌识别标志:典型的岩溶地貌区,常形成峡谷及峰丛,山体较尖棱。

(三)铝土矿的遥感找矿模式

1.地层识别:含矿地层主要为下石炭统“九架炉组”,“九架炉组”分布于形态各异、大小不一的古喀斯特洼地中。

2.地貌识别标志:含铝岩系的底板、顶板均是主要由碳酸盐岩形成的喀斯特地貌,但其喀斯特微地貌仍有差异。顶板碳酸盐岩常常形成坡体相对高差较大的峰丛(林),且仍发育成走向比较清楚的山脊线;而底板碳酸盐岩则常常形成坡体相对高差较小的峰丛(林),且不存在山脊线。含铝岩系就产于这喀斯特微地貌的变化处。

四、结论

矿产资源是人类社会可持续发展的重要物质基础,没有矿产资源作保障,经济就不可能发展,人类社会就不可能进步,我国全面建设小康社会的宏伟目标就无法实现。因此,我们必须充分认识国情和省情,树立和落实科学发展观,要进一步加强矿产资源调查评价与勘查。本文结合贵州当地的矿产资源,利用遥感技术对其进行开发找矿、预测等的探讨,旨在提高矿产资源可供性,实施矿产资源可持续发展战略。

参考文献

[1]常庆瑞,蒋平安,周勇. 21世纪高等院校教材:遥感技术导论[M].科学出版社,2004.

[2]徐水师,谭克龙,曹代勇.中国煤炭资源遥感调查评价理论与技术[M].科学出版社,2009.

[3]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.

第8篇：高光谱遥感原理与方法范文

关键词：高光谱图像；检测；玉米种子；真伪

中图分类号：TP391.41；S513 文献标识码：A 文章编号：0439-8114（2016）21-5445-04

DOI：10.14088/ki.issn0439-8114.2016.21.002

Advance in Authenticity Detection of Corn Seed Based on

Hyperspectral Imaging Technology

WEI Li-feng1，2，JI Jian-wei1

（1.College of Information and Electrical Engineering，Shenyang Agricultural University， Shenyang 110866， China；

2.College of Economics and Management，Shenyang Aerospace University， Shenyang 100136， China）

玉米是中国三大农作物之一，在解决粮食短缺问题、保障国家粮食安全和经济发展过程中起到重要作用。玉米不仅产量大、经济效益高，而且还具有食用和饲用等多种工业用途[1]。但是，玉米种子的真伪直接影响到玉米种子的储藏、销售、育种和农业生产等各个方面，研究玉米种子的真伪问题已成为国内外研究的热点。随着现代科学技术的快速发展，计算机图像处理技术和光谱技术也越来越备受关注，采用机器视觉技术、近红外光谱技术在玉米种子检测真伪方面得到了较为广泛和深入的研究和应用，也取得了较好的成果。然而，传统的计算机视觉技术得到的是种子可见光的形态学特征信息，近红外光谱分析技术得到的是种子的光谱特征信息，两者获得的种子特征信息较少，制约着玉米种子真伪检测的后续分析以及研究[2]。近几年来，一些科研学者将高光谱图像技术应用于检测农作物种子真伪方面，并取得了较好的成果。高光谱图像技术可以同时获取研究对象的光谱信息和空间信息，是图像技术与光谱技术的完美结合，真正做到了“图谱合一”[3]。玉米种子的真伪可以通过表面的图像信息和光谱数据来进行分析和判断，从而能够为种子育种和农业生产提供有力和可靠的科学数据。所以，高光谱图像技术在玉米种子真伪检测方面的应用正逐渐成为研究的热点。

1 高光谱图像技术原理及采集系统

1.1 高光谱图像技术原理

通常认为，光谱分辨率在10-1λ数量级范围内称为多光谱（Multi-spectral），光谱分辨率在10-2λ数量级范围内称为高光谱（Hyper-spectral），光谱分辨率在10-3λ数量级范围内称为超光谱（Ultra-spectral）[4]。高光谱图像技术结合了图像技术和光谱技术两者的优点，可同时获得待测样品的图像信息和光谱信息。不仅可以对待测样品的外观表面特性进行检测，而且能对内部特性进行检测，同时也利用计算机图形与光谱技术两者的长处，对研究对象的内外部特征进行可视化分析[5]。高光谱图像技术获取的样品图像可以克服样品因化学信息分布不均造成的测试误差，同时样品的测试位置对测量的影响也会减少，其丰富的图像信息对玉米种子真伪的鉴定有很大帮助[6]。高光谱图像光源的波谱范围可以在紫外波段（200～400 nm）、可见光波段（400～760 nm）、近红外波段（760～2 560 nm）以及波长大于2 560 nm的波段获取大量窄波段连续光谱图像数据，为每个像素提供一条完整并连续的光谱曲线[7]。样本获取的图像是一个三维图像，二维是它的空间信息，三维是它的波长信息，其波长分辨率通常精度可达到2～3 nm[8]。高光谱图像技术获取三维图像的方法可以分为2种：一种是连续性采集一系列波段光谱图像完成三维立方图像；另一种是用一条线扫描完整光谱范围内的样本空间信息，即“推扫式”成像方法。高光谱图像具有样本的图像信息和光谱信息，图像信息可以反映样本表面特征信息，如特征不同，其对应的光谱信息也不同。在某个特定波长下，感兴趣区域（ROI）与正常区域之间的光谱值会有很大的差异，因此，可以根据光谱信息的不同来判断玉米种子的真伪。所以，利用高光谱图像技术这些优点，在检测玉米种子真伪方面具有很大的优势和研究空间。

1.2 高光谱图像采集系统

一个典型的高光谱图像采集系统装置如图1所示。整个系统是由高光谱成像光谱仪（ImSpector V10E，Spectral Imaging Ltd，Finland）、CCD相机（IGV-B1410M，IMPERX Incorporated，USA）、150 W的光纤卤素灯光源（3900 Illuminatior，Illumination Technologies Inc.，USA）、精密位移控制平台（IRCP0076-1 COM，Taiwan）、遮光暗箱和用于数据处理的高配计算机组成。高光谱摄像头的光谱范围为400～1 100 nm，光谱分辨率为2.8 nm，空间分辨率为0.2 mm。

1.3 高光谱图像数据处理

高光谱图像技术在信息量上有独特性和优越性，光谱响应范围广，光谱分辨率高，但高光谱数据众多，数据量巨大，由于相邻波段的相关性高，信息冗余度也增加，为应用和分析带来了很大不便。因此，如何获取高光谱图像有用的信息是首要关键问题。而数据降维是提取最佳波段的非常有效的方法，可以在不损失重要信息的前提下最大限度地反映原始信息。稻萁滴方法主要有主成分分析法、判别分析法、特征波段法等[9]。高光谱数据降维处理后，采用相关分析、主成分分析、独立分量分析、二次差分分析、逐步多元回归等方法来获取最优波段，最后选用支持向量机、人工神经网络、主成分回归分析法等方法建立基于光谱和图像信息的玉米种子真伪检测的识别模型，从而实现对玉米种子真伪的检测。

2 种子真伪的检测

2.1 玉米种子真伪的检测

种子真实性是指某一批种子实际所属品种与其标称的品种是否相符，即种子的真伪问题。种子检验鉴定起源于19世纪中期，直到上世纪90年代开始分子生物学技术及计算机模拟形态分析的应用。卢洋等[10]通过试验，综合PCA、LDA和BPR提出了一种基于近红外光谱短波段（833～1 087 nm）的玉米种子鉴别方法，针对37个玉米品种种子的近红外光谱数据，以833 nm波长作为起始波，选取了不同的截止波长，进而得到不同波段的数据。试验结果表明，在近红外光谱短波833～1 087 nm波段，识别率达到了97.6%，与全波段相比较，波段范围缩小了84.71%，这为后续大量数据的处理节省了存储和时间。但是该方法只是限定于部分地区的部分玉米种子，不能完全代表全部，所以还需后续大量的试验进行验证。

黄敏等[11]采用高光谱成像系统获取了9个玉米品种共432粒种子的高光谱反射图像，对获取的图像进行校正和预处理，提取每个样本图像在563.6～911.4 nm共计55个波段范围内的形状特征。分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类。试验结果表明，全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%，均优于多波段和单波段。该方法利用高光谱图像中可见光和近红外区域的有效特征信息，可较准确地鉴别玉米种子的品种，识别玉米种子真伪，为玉米品种真伪自动识别领域提供了一种新的方法。

朱启兵等[12]利用高光谱图像技术，针对17类玉米品种共1 632粒种子的高光谱图像，提取400～ 1 000 nm波长范围内233个波段的熵信息作为分类特征，又利用偏最小二乘（PLS）投影算法对玉米种子高光谱图像进行了最优波段的选择，共获得65个最优波段特征，最后结合偏最小二乘判别分析法（PLSDA）实现了对玉米种子准确识别分类的目的。试验结果表明，在仅为全波段27.90%的最优波段数情况下，其训练精度可达到99.19%，测试精度为98.90%，实现了高精度的玉米种子品种识别，为玉米种子真伪的快速检测提供了一个新方法。

冯朝丽等[13]对玉米种子的高光谱图像的光谱信息进行了深入的分析研究，利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像，提取每个玉米样本上感兴趣区域并获取此区域的平均光谱信息，然后对光谱曲线进行分析，剔除了12个异常样本，并结合偏最小二乘判别分析法（PLSDA）对所选玉米种子样本进行识别分类。试验结果表明，在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%，测试集样本的识别精度也达到了94.66%。研究结果表明，不同种类的玉米种子的光谱信息具有一定的差异性，利用高光谱图像技术对玉米种子品种进行无损识别分类是可行的，这为玉米种子真伪的检测提出了一个新思路、新方法。

杨杭等[14]利用地面成像光谱辐射测量系统（Field imaging spectrometer system，FISS）获取了5种玉米种子的图像光谱数据，在经过反射率反演、噪声去除和一阶微分预处理后，运用Wilk-lambda逐步判别法选择最佳波段并建立判别模型。交叉验证结果表明，玉米种子的平均识别精度为91.6%，随着选择波段数的增加，模型识别精度也逐步提高。因此光谱成像技术在玉米品种真伪的识别以及质量相关检测方面具有广阔的应用前景。

2.2 其他作物种子真伪的检测

高光谱图像技术不仅在玉米种子的真伪和品种检测领域中获得了比较理想的效果，而且一些学者利用高光谱技术的优越性和独特性对其他作物种子的品种识别、真伪检测也做了深入的研究。程术希等[15]提出了一种基于高光谱信息的大白菜种子品种分类识别方法，利用近红外高光谱图像采集系统采集了8种共239个大白菜种子样本，分别提取样本15pixel×15pixel感兴趣区域平均光谱反射率信息作为样本信息，采用多元散射校正预处理方法对光谱进行消噪处理，验证了Ada-Boost算法、极限学习机（Extreme learning machine，ELM）、随机森林（Random forest，RF）和支持向量机（Support vector machine，SVM）4种分类算法的分类判别效果。通过载荷系数分析选取了10个大白菜种子品种分类判别的特征波长。试验结果表明，4种分类算法基于全波段的分类识别对81个预测样本的正确区分率均达到90%以上，ELM和RF为最优的分类判别模型，识别正确率达到了100%。因此，以载荷系数选取的特征波长是有效的。利用高光谱图像技术结合机器学习对大白菜种子品种进行快速、无损分类识别是可行的，为大白菜种子批量化在线检测提供了一种新的方法。

梁剑等[16]采用MPA傅立叶变换近红外光谱仪研究了水稻种子的漫反射光谱特征，利用种子品种特有的光谱特性，结合不同光谱预处理方法建立了多个聚类分析模型，比较它们对杂交F1代种子“03S/0412”和其父本种子“0412”的鉴别效果。试验结果最终显示，选择4 000～8 900 cm-1光谱范围，通过无预处理、矢量归一化、二阶导数（25点平滑）和二阶导数（25点平滑）+矢量归一化建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%。通过试验可得，对比无预处理，经过各种方法预处理后正确率都有提高，其中“二阶导数（25点平滑）+矢量归一化”建立的模型取得的效果最好，用该模型对预测集预测，分类正确率为100%，具有很好的预测性能。这为近红外光谱技术用于单粒水稻种子品种真伪性鉴别提出了一个比较理想的新方法，但是还需要用更多的组合来进一步验证和完善。

张初等[17]采用近红外高光谱图像技术，通过提取西瓜种子的光谱反射率，并结合Savitzky-Golay （SG）平滑算法、经验模态分解算法（Empirical modedecomposition，EMD）和小波分析（Wavelet transform，WT）对提取的光谱数据进行去除噪声处理，采用连续投影算法（Successive projections algorithm，SPA）和遗传-偏最小二乘法（Genetic algorithm-partial least squares，GA-PLS）进行特征波长选择。最后基于全波段光谱建立了偏最小二乘判别分析（Partial least squares-discriminantanalysis，PLS-DA）判别模型，基于特征波长建立了反向传播神经网络（Back-propagation neural network，BP NN）判别模型和极限学习机（Extreme learning machine，ELM）判e模型。试验结果表明，基于特征波长的BP NN模型和ELM模型的结果优于基于全部波长的PLS-DA模型，而基于SG预处理光谱提取的特征波长建立的ELM模型具有最优的判别效果，建模集和预测集的判别正确率达到了100%。结果表明，应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的，这为今后研究更多的西瓜品种种子，建立适用范围更为广泛的西瓜种子品种判别模型提出了一个新的思路与方法。

Tan等[18]利用高光谱图像技术对不同的大豆品种进行了识别试验测试。利用高光谱成像系统获取大豆样本1 000～2 500 nm范围的光谱反射数据，采用主成分分析法（Principal component analysis，PCA）对获取到的光谱数据进行数据降维并去除冗余数据，同时在分类算法中将得分高的主成分值作为输入特征，通过PCA方法从每个特征图像中提取4个特征变量（能量、熵、惯性矩和相关性），从16个特征变量中提取8个重要特征参数，根据所选择的特征变量和参数，应用神经网络方法构建分类器，训练精度达到97.50%，平均测试精度达到93.88%以上。结果表明，利用高光谱图像技术结合神经网络建模方法可以对大豆品种进行分类，该方法为检测大豆种子的真伪鉴别拓展了一个新的方向，为以后更为广泛检测种子的真伪提供了一个新的方法。

3 结论与展望

高光谱图像技术应用于农业领域的无损检测是20世纪90年代末在国外发展起来的，在中国近几年才备受关注[19]。然而，研究结果表明该技术在农业领域的无损检测已成为新技术、新趋势、新方向。所以，针对玉米种子真伪的无损检测还有许多方面有待进一步研究。

1）目前，采用高光谱图像技术检测玉米种子真伪只是在验室内实现的，其应用到实际生产上会有一定局限性。通常采用的方法是利用高光谱技术识别3～5个特征波段，然后基于这些波段构建成本比较便宜的多光谱图像系统，从而实现快速、有效的种子真伪在线检测。因此，进一步研究高光谱图像的特征波段和低成本的图像系统是将来的发展趋势之一。

2）利用高光谱图像技术在检测玉米种子真伪时，由于高光谱图像信息量巨大、冗余量多，不利于数据的降维和快速检测。所以，优化和改进传统的分析方法，诸如主成分分析（PCA）、独立成分分析 （ICA）、偏最小二乘法（PLS）、人工神经网络（ANN）、支持向量机（SVM）等，或提出一种集成有效的算法，可以提高预测模型与实际值之间的相关性和精准度[20]。

3）高光谱图像技术已在遥感监测上应用广泛。在农业种子检测方面，高光谱图像技术多用于谷类作物的种子真伪的无损检测。因此，对其他作物类型的种子（花生、豆类、菜子等）真伪检测的潜力很大。

4）高光谱图像技术可以同时获取研究对象的空间及光谱信息，但目前无论国内还是国外大多数研究学者主要是应用高光谱成像技术独立对农产品外部或内部进行检测，很少有文献报道联合其他技术产生一种更为先进的检测玉米种子真伪技术。因此，有效地利用高光谱图像技术检测玉米种子真伪无论是在理论研究还是在应用研究上，都有进一步研究的空间，有望在理论和应用方法方面不断创新，以促进该研究方向不断向前发展，取得更大的成果。

参考文献：

[1] 路立平，赵化春，赵 娜，等.世界玉米产业现状及发展前景[J].玉米科学，2006，14（5）：149-151，156.

[2] 杨锦忠，郝建平，杜天庆，等.基于种子图像处理的大数目玉米品种形态识别[J].作物学报，2008，34（6）：1069-1073.

[3] 王 雷，乔晓艳，董有尔，等.高光谱图像技术在农产品检测中的应用进展[J].应用光学，2009，30（4）：639-645.

[4] 刘木华，赵杰文，郑建鸿，等.农畜产品品质无损检测中高光谱图像技术的应用进展[J].农业机械学报，2005，36（9）：139-143.

[5] 田有文.现代图像识别技术诊断农作物病害[M].北京：中国农业出版社，2010.145-155.

[6] 贾仕强，刘 哲，李绍明，等.基于高光谱图像技术的玉米杂交种纯度鉴定方法探索[J].光谱学与光谱分析，2013，33（10）：2847-2852.

[7] 马本学，应义斌，饶秀勤，等.高光谱成像在水果内部品质无损检测中的研究进展[J].光谱学与光谱分析，2009，29（6）：1611-1615.

[8] 彭彦颖，孙旭东，刘燕德.果蔬品质高光谱成像无损检测研究进展[J].激光与红外，2010，40（6）：586-592.

[9] 刘燕德，张光伟.高光谱成像技术在农产品检测中的应用[J].食品与机械，2012，28（5）：223-226，242.

[10] 卢 洋，梁先扬，李卫军，等.基于近红外光谱短波段的玉米品种鉴别研究[J].河南大学学报（自然科学版），2012，42（3）：239-243.

[11] 黄 敏，朱 晓，朱启兵，等.基于高光谱图像的玉米种子特征提取与识别[J].光子学报，2012，41（7）：868-873.

[12] 朱启兵，冯朝丽，黄 敏，等.基于图像熵信息的玉米种子纯度高光谱图像识别[J].农业工程学报，2012，28（23）：271-276.

[13] 冯朝丽，朱启兵，朱 晓，等.基于光谱特征的玉米品种高光谱图像识别[J].江南大学学报（自然科学版）2012，11（2）：149-153.

[14] 杨 杭，张立福，童庆禧.采用可见/近红外成像光谱技术的玉米籽粒品种识别[J].红外与激光工程，2013，42（9）：2438-2441.

[15] 程术希，孔汶汶，张 初，等.高光谱与机器学习相结合的大白菜种子品种鉴别研究[J].光谱学与光谱分析，2014，34（9）：2519-2522.

[16] 梁 剑，刘斌美，陶亮之，等.基于水稻种子近红外特征光谱的品种鉴别方法研究[J].光散射学报，2013，25（4）：423-428.

[17] 张 初，刘 飞，孔汶汶，等.利用近红外高光谱图像技术快速鉴别西瓜种子品种[J].农业工程学报，2013，29（20）：270-277.

[18] TAN K，CHAI Y，SONG W，et al. Identification of soybean seed varieties based on hyperspectral image[J].Transactions of the Chinese Society of Agricultural Engineering，2014，30（9）：235-242.

[19] 李江波，秀勤，应义斌.农产品外部品质无损检测中高光谱成像技术的应用研究进展[J].光谱学与光谱分析，2011，31（8）：2021-2026.

[20] 田有文，牟 鑫，程 怡.高光谱成像技术无损检测水果缺陷的研究进展[J].农机化研究，2014（6）：1-5.

第9篇：高光谱遥感原理与方法范文

关键词：水文地质，勘测方法，核磁共振技术

所谓水文地质，就是指大自然当中地下水的变化以及具体的运动现象，水文地质学就是以自然界中的地下水为主要研究对象的学科，主要内容就是探究并分析地下水化学成分、物理性质、分布状况、形成规律以及有效利用方式。贵州省地处我国西部地区，地质条件较为复杂，各种自然地质灾害频频发生，本文将对核磁共振技术进行较为深入的分析。

1、水文地质勘测技术分析

1.1光谱微分析技术

此技术主要包括对反射光谱进行相关的数学模拟以及对于不同阶段微分值的相关计算。通过这一技术可以提高对于光谱弯曲率及其最大、最小的反射率波长位置测定的准确率。通常情况下，可以通过使用一阶微分法来将一部分线性的或者一些接近线性的背景、也或者噪声光谱对于非线性的目标光谱等产生的影响。

1.2混合光谱分解技术

混合光谱分解技术主要用于分析光谱数据以及对其同一个像元内的不同成分所占比例的确定，或者是识别在已知的端元组分中分析其他的组分。在使用混合光谱分解技术时，由于在一定程度上受到图像分辨率的限制，在图像之中往往会存在很多的混合性像元。对于混合像元的分解技术则主要是提取像元之中不同地物类别丰度的一种方法。除此之外，光谱吸收指数还可以实现高光谱遥感图像处理以及对于光谱吸收特征的有效识别，也能够对混合光谱进行分解。

2贵州水文地质勘测核磁共振技术的运用

2.1核磁共振技术

核磁共振技术应用范围相当广泛，在化学、物力、生物学以及医学等领域都有所涉足，同时也是当前世界水文地质勘查先进方法之一，在水文地质勘查领域应用核磁共振技术的一大表现就是运用地面核磁共振对滑坡水文地质条件加以勘测。所谓核磁共振，属于原子核物理现象，也即是拥有核磁顺磁性的物质对电磁能量进行选择性的吸收，在地层中，具有最高丰度以及最大磁旋比的核磁顺磁性核子就是氢核，而地层中大部分的氢核都存在于水中。核磁共振找水仪就是借助地面核磁共振对地层水氢核进行测量进而达到找水目的。如果地层中有地下水存在，那么将一个不同于地磁场方向的外磁场赋予其中，后果就是氢核磁矩与地磁场相偏离，如果外磁场消失，氢核将会保持与地磁场一致的方向以地磁场为中心旋转。需要注意的是，自由水具有不同于结合水的信号频率，借助核磁共振技术进行测试，只能适用于岩土层中的自由水，而无法测试结合水，所以，借助核磁共振技术进行测试所获取的数据只是岩石层中地下水反应。其中还利用到高光谱技术不仅能实现对地球表面的地质信息进行探测，而且还能够实现对行星以及月球表面的信息探测。高光谱遥感技术所具备的这一特点是其他类似技术所不能代替的。Mars Odyssey计划卫星搭载的热辐射成像仪（THEMIS），它属于多光谱的热辐射成像仪。这种成像仪虽然比TES的光谱分辨率要低一些，但是它的空间分辨率却比较高，从而能够有效地弥补TES数据中的不足之处。

虽然在核磁技术领域应用最成功的属于水文填图，但是如何有效的利用其所能够识别的并且还可以填绘的水文进行地质环境的分析则属于高光谱地质应用中的一个关键性问题。通过使用热红外成像仪，可以将其对水文的识别并且进行扩大。通过这种水文的共生组合有助于深入并客观的分析相关研究区的地质环境。以水文识别以及水文的精细识别为基础，还可以根据水文共生组合的相关规律以及水文本身对于地质的意义所产生的作用，来对各种地质因素间存在的内在性联系进行直观的反演，从而还有助于提高高光谱地质应用中具体分析并解决相关地质问题的能力。

按照核磁共振找水仪工作原理，如果地层中存在地下水，就可以获取核磁共振信号，根据信号可以对地层中地下水存在性以及时空性做出判断，如果未获取到核磁共振信号，就意味着此地层中不存在地下水。所以，以所获取的核磁共振信号为依据，可以对含水层以及隔水层进行划分，在此技术上，在进行相应的解释及处理，就可以确定含水层具体的深度。由于核磁共振信号振幅的最初值与岩体层含水量之间具有正相关的关系，因此，可以对含水层的具体含水量做出判断。

2.2地面核磁感应系统在贵州水文地质勘测中的应用

地面核磁感应系统在贵州水文地质勘测中可以应用于如下几个领域：

（1）查找岩溶水

贵州省的岩溶石山区缺水严重，尤其是在近两年，云贵高原大旱。找水成为了一个水文地质勘察的难点。借助地面核磁感应系统，可以在贵州的喀斯特地貌环境下寻找岩溶水，该系统的探测深度在喀斯特地貌环境下可以高达200m，并且对该范围内各个含水层的情况以及特征包括岩石的结构和特征进行探查。然后系统还能够对含水层的渗透参数、厚度、埋深、含水量以及预计的开采指标进行分析。该系统已经成功的在湖北永安地区的喀斯特地貌环境下，找到了岩溶水。因此，我们可以推断该系统也能在贵州地区有较大的运用空间。

（2）解决生态问题

贵州省的水污染问题也是目前越来越严峻的一个问题，运用地面核磁感应系统能够对地表水、地面水的污染进行调查和研究，从而为妥善的解决生态问题提供数据支撑。

（3）为工程建筑解决水文地质勘测问题

贵州省的地质条件非常的特殊，不少地方由于存在大量的石灰岩等，如果勘探工作不到位，在工程建筑的施工过程中，或者建筑建成之后，都很容易出现较大的问题。而运用地面核磁感应系统能够探查路基、建筑物地基等得水文地质条件，从而为工程建筑施工或者后期的维护提供参考。

2.3核磁共振技术在实际应用中的工程案例

随着经济的发展,为了解决西南地区交通的不便,近年来大力开展了机场的建设。而由于机场建设工程量较大,场地分布较广,因此所遇到的工程问题也较多。其中,岩溶的发育对机场建设的影响尤为突出。当时贵阳龙洞堡机场航站区进行工程建设时,对岩溶洞隙的勘察及地基处治是至关重要的,轻则影响设计方案、投资预算,重则影响业主的整个投资取向以及整个区域的发展。但是就是采用了核磁共振技术对于机场航站区岩溶洞隙发育问题进行调查，通过调查和研究分析国内外岩溶勘察方法、岩溶施工处治新技术、新方法,对岩溶探测及处治技术进行了研究，根据场区的地形地貌、地层岩性、地质构造、岩溶发育程度、水文地质情况、人类工程活动对岩溶发育的影响等条件,对场区的岩溶以及基岩破碎带发育情况进行详细了解,介绍了上述方法的工作原理、技术参数及具体应用。对复杂岩溶形态的地基处治方法各有其适用范围:爆破回填是对溶沟、石芽直接出露或埋深不超过3m时所使用的处治方法;跨越是对洞径小于6m的落水洞采用的方法,在本文中分别使用了拱形盖板跨越和平板跨越;桩基是由于基岩面起伏剧烈,地基均匀性极差,为减小和避免地基不均匀性的影响所采用的处治方法;灌浆是当溶沟、石芽埋深3-8m,沟(槽)内充填土为软弱松散土时,以及对溶洞进行了桩基处理后仍然不稳定时采取的处治方法。

3结语

单纯借助传统的水文地质勘测方式已经难以满足当前水文地质勘测的实践需要，一方面，无法充分揭示复杂的水文地质条件，另一方面，无法获得准确实用的相关参数，并且相关的花费较高，用时较长。在水文地质勘测实践中，根据实际状况选择利用核磁共振技术，根据其自身的特性，在某些方面不但可以获取准确可靠的相关参数信息，还可以极大的节省人力、物力和财力，将贵州省水文地质条件充分的揭示出来。但是，地面核磁感应系统目前也存在一定的局限性，它的抗电磁干扰能力还不够强，在电磁干扰严重的时候，会极大的影响勘探的结果精确性。因此，我们一方面要注意应用地面核磁感应系统的环境选择，同时也要不断的提高其抗电磁干扰能力，扩展器应用领域。

参考文献：

[1] 项婷岚.浅谈水文勘测方式的改革与发展.治淮,2004年 第10期

[2] 赵岩.论水文勘测管理工作.科技传播,2011年 第06期