高光譜遙感的應用

摘要：成像光譜遙感技術是上世紀80年代初發展起來的新型遙感技術。近20 年來，該技術發展很快，已成為遙感技術發展的三大趨勢之一（成像光譜遙感，微波遙感及3S 技術系統） 。由于成像光譜具有高光譜分辨率的圖像與光譜合二為一的特點，它的發展不僅使遙感技術能有效地直接識別地表物質，而且還能更深入地研究地表物質的成分及結構。本文綜述成像光譜遙感技術的發展，理論基礎，方法技術及其應用。

關鍵詞：高光譜；遙感

【中圖分類號】 G642.4 【文獻標識碼】 B【文章編號】 1671-1297（2012）09-0198-01

一 地物光譜重建技術

按照不同的模型及算法，從成像光譜數據中把地物的光譜特性反演出來的過程就是地物光譜重建技術。根據不同的工作情況及條件，采取不同反演模型來重建地物光譜，是實現成像光譜數據遙感定量化分析的第一步。若對其不進行反演，則沒有一個統一物理量進行對比。

1.基于大氣傳輸理論的模型

自1960 年，Chandrasekhar 提出了輻射傳輸理論以來，相繼發展了許多方法，如： Ordinate 方法和Variational 方法等來解決輻射傳輸問題。該算法既能合理地處理大氣散射、吸收，又能產生連續光譜，避免在光譜反演中較大的定量誤差。它還充分利用了分析表達式和預選大氣模式，使計算時間大大縮短。

2.基于統計分析的模型

該模型的建立是在分析不同地物光譜遙感信息在不同光譜波段的傳輸特點基礎上，利用計算機對典型地物的光譜特性進行統計分析后，得到地物光譜特性反演模型。對成像光譜數據進行地物光譜反演常用模型有平滑域反射率模型FFR（ Flat Field Reflectance） ，內在平均相對反射率模型IARR（ Interal Average Reletive Reflectance） ，對數剩余模型LRC（Log ResidualCorrection） 。Gree 和Graig 提出的對數剩余糾正公式如下：

3.經驗線性回歸模型

利用該方法重建地物光譜技術實質就是通過開展典型地物的同步反射率觀測，根據成像光譜數據DNij值與地面實測地物反射率值Rij ，經最小二乘法求出回歸方程： Rij=Aj ·DNij+Bj （這里Aj ， Bj是傳感器第j 波段的線性回歸系數） ， 然后，根據此方程反演地物的反射光譜。這種模型的數學和物理意義明確，方法簡便，運算量少，應用廣泛。

二 地物光譜特征的量化、提取，定量分析及識別模型

1.地物光譜特征度量、提取與匹配識別模型

（1） 就地物光譜特征（這里指地物反射輻射光譜） 而言，不外乎2 大類型：特征吸收峰（即反射谷） 和光譜曲線的斜率變化（含波形變化） 。目前，對特征吸收峰的分析度量方法是外殼系數法，它通過把光譜曲線歸一化后去測量特征吸收峰的波長位置（ Position） 、吸收深度（Depth） 、吸收寬度（FWHM） 和對稱性（Symmet ry） 。 （2） 光譜匹配識別模型是不同于多光譜的模式識別的，它是根據光譜特征度量參數來進行匹配識別，是成像光譜數據處理分析的特色之一。

2.成像光譜數據的定量分析及識別模型

定量化分析及識別模型化是當今遙感技術的發展方向之一。應用于成像光譜數據處理、分析的定量化分析與識別模型，除了不斷完善和改進已有基于統計分析的定量化及識別模型，其它學科的新思想、新方法也在不斷地引入遙感數據分析和理解之中，如人工智能的專家系統，模糊邏輯映射，證據推理、神經網絡、分形和分維等（郭小方，1998 年） 。

3.混合像元分解模型

目前，開展高光譜遙感混合像元研究的方法技術，首先從實驗著手，進行地物混合光譜的測試、分析、數字模擬、分解模型開發研究，然后將其外推到遙感圖像上，進行典型地物混合像元分析，主要包括空- 地同步觀測獲取典型地物（或可通過人工布標） 數據，經模型分析后，對混合像元的地物進行分解，或混合光譜模擬合成。在實驗室里，通過對不同礦物光譜混合含量測試發現，不透明礦物或暗色礦物，其光譜按比例混合到其它礦物中，混合的反射率急劇下降，而不是逐漸下降，說明其混合光譜與其混合的端元礦物光譜是非線性關系（磁鐵礦和橄欖石） ，當2 種礦物的色調相近時，實驗測試的混合光譜與線性模型合成的混合光譜都呈線性逐漸變化，說明混合光譜可以按線性模型分解端元礦物光譜，在這3 種情況中，第一種非線性關系是由于組合混合光譜的端元成分之間互相作用，互相影響后光譜被光譜儀檢測到，第二種線性關系是由于各端元成分之間無互相影響作用，各自獨立地反射電磁波能量貢獻于混合光譜，第三種情況是2 種關系都存在，二者之間存在臨界條件（邊界條件） 。在一幅圖像中，事先知道有N 種端元（地物種類） ，并且也知道各種端元的光譜反射率，那么就可以用線性模型：

這里DNc 是波段C 上混合像元的DN 值或反射率； Fi 是第i 種端元在混合像元中所占比例（或權系數） ； DNi ， c 是C波段上第i 種端元的DN 值（或反射率） ； Ec 是C波段上擬合誤差。對每個像元都按照最小二乘法解方程，進行分解。在圖像中，端元的DN 值（或反射率值） 要么可以從訓練區取值，要么地面實測。端元成分的確定過程實質上是一個迭代過程，迭代結果使M個波段上總誤差ε最小（且N F M） 。

求得像元中各種端元成分之后，就可以定量或半定量地對端元分類，制作豐度等專題圖件。

三 總結

成像光譜技術以其高光譜分辨率，超多波段以及圖像和光譜（曲線） 合二為一的特點，在數據處理分析以及光譜信息的提取上向模型化、交互可視化、人工智能-專家系統化的技術方向發展，在應用上向定量化、模型化和精細化地分析地物成分和結構的方向發展。

參考文獻

[1] Gao B C ， Goetz A F H. Column Atmospheric Water Vapour Retrievals from Airborne Imaging Spectrometer Data[J] . J GR，1990 ， 95D ： 3549～3564.

[2] 吳培中. 星載成像高光譜的特性與應用[J] . 國土資源遙感，1999 ， （3） ：31～39.