浅谈高光谱技术

浅谈高光谱技术

王冰,陈莹,张方圆

山东协和学院 商学院 山东济南 250109

摘要:高光谱分辨率遥感是20世纪80年代兴起的新型对地观测技术，与传统遥感相比，高光谱遥感具有更为广泛的应用前景。文中概述了高光谱遥感的特点、发展过程、发展程度及目前几种典型的成像光谱仪数据特点。

关键词：高光谱技术   成像光谱仪  信息提取

前言：

高光谱技术处在国际遥感科技发展的前沿，高光谱遥感技术以其光谱分辨率高、光谱划分精细、波段多、信息量丰富等独特性能仪应用于不同领域，有巨大的应用潜力与前景。本文主要利用成像光谱仪获取的高光谱数据。充分利用像素的光谱特性，针对产品的高光谱数据立方体对象，分类归为纯净光谱，另类光谱和混合光谱，有效区分各类型，进而可以分析产品的区域差异，用于技艺识别和文物保护。

一、高光谱技术的概念及特点

所谓高光谱遥感技术，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。(2)光谱分辨率高。成像光谱仪采样的间隔小，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。(3)数据量大。随着波段数的增加，数据量呈指数增加。(4)信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。

二、高光谱技术的发展

随着成像光谱仪技术的快速发展，高光谱遥感数据处理技术发展也取得了突破性的进展。高光谱遥感波段数众多，致使其数据量也呈指数增加，海量的数据给研究人员的分析和应用带来不便。人们通过大量的科研实践，发展了新的数据处理方法来适应成像光谱数据做定量分析。

(一）基于纯像元的分析方法

①基于光谱特征的分析方法。基于光谱特征的分析方法主要从地物光谱特征上出发，表征地物的特征光谱区间和参数。这种方法普遍用于MSS和TM图像的处理和分析应用中。高光谱遥感中的吸收谱线较传统的遥感更为细化和连续,一些在传统遥感的光谱曲线中不可分的特征变得显著起来。所以许多研究人员沿用了这种方法，这一方法通过对比分析地面实测的地物光谱曲线来区分地物。“光谱匹配”是利用成像光谱仪探测数据进行地物分析的主要方法之一。

②基于统计模型的分类方法。基于统计模型的分类方法主要是对高光谱数据样本的总体特征进行统计分析。对样本采样点统计分布特征的分析可以帮助识别不同的目标物。按照距离来度量模式相似性的几何分类法和基于Bayes准则的最大似然法是统计模式识别的两种基本方法。

(二）基于混合像元的分析

由于传感器空间分辨率的限制以及地物的复杂多样性，遥感影像中的像元大多数都是几种地物的混合体，而它的光谱特征也就成了几种地物光谱特征的混合体。如果将该像元作为一种地物分析，势必会带来分类误差，不能真实地反映地面情况。概括起来,混合模型有线性光谱混合模型、非线性光谱混合模型和模糊模型三种。线性混合模型假定混合像元的反射率为它的端元组分的反射率的线性组成，这种模型较为简单，因而也是目前使用最广泛的一种模型。

美国马里兰大学的研究人员提出了一种正交子空间投影方法(OSP)，他们将224个波段的AVIRIS影像数据去掉噪声较大的波段后得到158个波段，再针对五种主要地物类型，采用OSP方法得到5个分量影像,每个分量各表示一种地物类型的分布情况。经检验，成图的分类结果与地面观测是一致的。这一方法既考虑了混合光谱问题，又考虑了数据压缩问题，还在处理过程中加入了去噪声的操作，是目前比较有代表性的混合像元处理技术。

三、高光谱技术的应用

高光谱遥感由于具有极高的光谱分辨率，在植被研究中的应用已使得植被遥感的范围被扩大到生态意义上l5。通过对来源不同的植被高光谱遥感数据采取相应的技术处理后，可将其用于植被参数估算与分析，植被长势监测以及估产。

(一)在植被检测中的应用

①植物的“红边”效应:“红边”是位于红光低谷及红光过渡到近红外区域的拐点,通过其位置和斜率的特征来体现。是植物光谱曲线最典型的特征,能很好地描述植物的健康及色素状态。当绿色植物叶绿素含量高、生长活力旺盛时，“红边”会向红外方向偏移，当植物患病时叶绿素减少，“红边”会向蓝光方向移动。植物缺水等原因造成叶片枯黄，“红边”会向近红外方向移动。当植物覆盖度增大时“红边”的斜率会变陡。②植被指数:植被指数是利用遥感光谱数据监测地面植物生长和分布、定性、定量评估植被的一种有效方法。根据不同的研究目的，人们已经提出了几十种植被指数，如归一化植被指数NDVI，比值植被指数RVI，土壤调整植被指数SAVI等等。目前，植被指数已广泛用来定性和定量评价植被覆盖及其生长状况。

(二)在大气和环境方面的应用

大气中的分子和粒子成分在太阳反射光谱中有强烈反应，这些成分包括水汽、二氧化碳、氧气、臭氧、云和气溶胶等。传统宽波段遥感方法无法识别出由于大气成分的变化而引起的光谱差异，而波段很窄的高光谱则能够识别出这种光谱差异。

(三)在壁画修复方面的应用

模拟壁画颜料与标准颜料光谱曲线的形状特征及其一阶导数特征峰和计算颜料光谱匹配度,有效准确地甄别出蓝铜矿、孔雀石、雌黄、藤黄、雄黄、铅丹和朱砂,但无法判别胭脂。同时,高光谱技术鉴定出的西藏拉萨大昭寺转经廊壁画中蓝铜矿、孔雀石、铅丹和朱砂颜料,与便携式X射线荧光元素成分结果一致。

四、结束语

高光谱遥感以其光谱分辨率高、图谱合一的特点受到了国内外研究者的广泛关注。从二十世纪八十年代开始到现在的二十多年中，无论在成像光谱仪等硬件方面还是在图像处理系统等软件方面都得到了的迅速的发展。目前主要应用于地质、植被调查、农业、环境、军事等领域。

迄今为止,国内外常用的成像光谱仪还是以航空机载的为主,要进入实用阶段,需要由航空遥感转向卫星遥感。所以,未来携带更高光谱和空间分辨率成像光谱仪的卫星会陆续发射。

当前，面向高光谱遥感应用，发展以地物精确分类、地物识别、地物特征信息提取为目标的高光谱遥感信息处理和定量化分析模型，提高高光谱数据处理的自动化和智能化水平，开发专用的高光谱遥感数据处理分析软件系统和地物光谱数据库仍是高光谱遥感研究的主要任务，旨在将高光谱遥感更精确地应用于更多更广的领域。

参考文献

[1]梅安新,彭望碌.遥感导论[M].高等教育出版社,2001

[2]张良培,张立福.高光谱遥感[M].武汉大学出版社，2005

[3]浦瑞良,宫鹏.高光谱遥感及其应用[M].高等教育出版社,2000

[4]杨哲海,韩建峰,宫大鹏等.高光谱遥感技术的发展与应用.海洋测绘.2003

[5]孙钊.高光谱遥感的应用J].贵州教育学院报.2004