高光谱遥感原理(6篇)
时间：2024-06-25
时间：2024-06-25
关键词:土壤侵蚀遥感监测目视解译遥感光谱
中图分类号:P2文献标识码:A文章编号:1672-3791(2012)09(c)-0030-02
遥感技术的发展为人类提供了从多维和宏观角度进行陆地生态环境监测的可能。遥感的优势在于能以不同的时空尺度不断地提供多种地表特征信息,这对于传统的以稀疏离散点为基础的对地观测手段是一场革命性的变化(赵英时,2003)。自从有了航空摄影以来,航空像片就在土壤侵蚀监测中发挥着重要的作用(陈述彭,1992),而航天遥感的出现,更为土壤侵蚀的监测提供了丰富的信息和广阔的空间,使得土壤侵蚀监测从定位监测拓展到区域或更大范围,从而将水土保持监测推向更深广的层次。国内外目前发展的土壤侵蚀遥感监测方法,主要有目视解译方法和计算机自动分类方法。
1目视解译分析方法
目视解译方法根据操作手段和辅助工具的不同,主要有两种方式,目视解译和计算机人机交互解译。但两者只是由于硬件设施的差异所导致的操作手段和方式的不同,其实质是一样的。该方法着重于根据土壤侵蚀环境因子特征在遥感影上的客观反映来进行分析解译和光谱特征识别。首先需要确定分类分级系统,其次建立解译标志,然后进行图像的判读、绘制专题图等流程。早期的目视解译方式,是“通过直接观察或借助判读仪器(放大镜、立体镜、密度分割仪和彩色合成仪等)研究地物在遥感图像上的各种影像特征(如形状、大小、灰度、阴影、图形结构),并通过地物间的相互关系的推理、分析,达到识别地物目标的过程”(陈述彭,1990)。而人机交互解译是以计算机为平台,借助GIS软件,以数字遥感影像为信息源,依据野外验证过程中所建立的解译标志,建立遥感影像特征与地物原型之间的直接和间接关系,并综合地物波谱知识、植被指数、地学空间分布规律和物候知识等,来识别地物的过程。
随着遥感和计算机信息技术的发展,由水利部水土保持监测中心为项目主持单位,由中国院遥感应用研究所为项目技术主持单位,采用人机交互解译方式,于1999年3月正式实施全国第二次土壤侵蚀遥感调查,并于2002年了成果公告。2000年水利部又组织开展了全国第三次土壤侵蚀遥感调查。近期水利部陆续在黄河、长江中上游地区、黑河、塔里木河流域等重点水土保持生态建设区开展了水土保持监测(许峰,2004)。到20世纪90年代,随着遥感技术的快速发展,人机交互解译方法已广泛应用于土壤侵蚀监测(赵忠海,2003,曾琪明,1996)。土壤侵蚀目视解译除了应用于全国土壤侵蚀调查外,目前基本上呈现出应用范围广、手段单一,以区域性研究为主、零散分散、缺乏系统性,研究结果也只反映了“一家之言”,缺乏实地验证。同时受监测手段的限制,效率低、非定量化、监测结果易忽视细节信息,受主观因素影响较大。但在大尺度土壤侵蚀遥感调查中,尤其是对我国这样地域广、地形复杂的现实条件,在新的技术未突破之前,人机交互解译是目前主要的监测手段。
国外学者也有采用目视解译方法进行土壤侵蚀监测,Bococ(1988)利用SPOT立体影像图,用目视解译的方法绘制了Mxeioc的土壤侵蚀图。Raina(1993)通过TM假彩色合成影像进行重度、中度和轻度土壤侵蚀图的绘制。
2基于遥感光谱反射值自动监测
该方法是依据遥感影像中地物光谱反射值进行定量分析,以提取土壤侵蚀的信息。即将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或其他信息,按照某种规则或算法划分为不同的类别。最简单的分类是只利用不同波段的光谱亮度值进行单像元自动分类;另一种不仅考虑像元的光谱亮度值,还利用像元和其周围像元之间的空间关系,如图像纹理、特征大小、形状、方向性、复杂性和结构,对像元进行分类。
图像分类中最常用的即监督分类和非监督分类,其中监督分类的算法有平行算法、最小距离法、最大似然法和基于概率分布的贝叶斯(Byaes)分类器等,非监督分类也称为聚类分析或点群分析,即在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。其算法主要有重复自组织数据分析技术。除以上图像分类方法外,还发展了模糊分类、空间结构纹理分类和人工智能神经元网络方法等。
Evnas(1990)认为,真正反映土壤侵蚀的信息通常是土壤表层微观的色调、质地和光谱特征,然而这些微观信息差异由于地表覆盖物或其它信息干扰,很难被遥感探测器感知,所以单纯地利用遥感方法进行土壤侵蚀研究十分困难。所以基于遥感影像光谱值监测土壤侵蚀,主要原理是基于土壤侵蚀所导致的地形地貌或植被因子的变化,如地表的冲沟、细沟,植被枯竭等效应信息在光谱影像上的客观反映。
除了采用遥感影像分类方法提取侵蚀信息,模糊分类方法、混合像元分解方法的发展,己不仅仅应用于土地覆盖、农作物分类中,同时也应用于土地退化监测,这些方法在欧洲地中海地区土地退化监测中应用最多。由于土壤侵蚀,造成地形地貌或植被因子的变化,如冲沟、植被枯竭等信息在光谱影像上会被客观地反映,从而利用植被指数或混合像元光谱分解方法可获得植被或土壤信息。尽管光谱指数对估算植被覆盖率效果不错,但对于衰老植被则效果不太理想,但衰老植被对土壤侵蚀有着抑制作用,因此在土地退化监测中相关学者采用像元光谱分解一线性光谱分解法监测了地中海地区意大利Sicliy的植被覆盖度(deJnog,1999)。分解方法的基本假设则是每个像元的光谱反射值是每个纯组分光谱反射值与其所占权重的线性组合。同样,Mettemihct(1998)采用线性光谱分解方法,提取了玻利维亚的Sacbaa流域的土壤侵蚀信息与制图。他利用LnadsatTM的六个波段的信息,选择了五个端元,而从影像中选择端元是其中的关键。研究结果表明,线性光谱分解模型可以有效地应用于区域土壤侵蚀信息提取及制图。同样,在地中海地区土地退化监测中,有学者采用了光谱分解方法和波谱形状指数来监测土地退化。结果表明,采用上述方法可以进行区域土地退化的制图,而采用光谱分解方法从光学遥感影像中提取土壤侵蚀性状特征有更大的潜力。同时景观单元分析表明,结合DEM变量与光谱信息对土地退化评价十分有用。在地中海区域土地退化评价监测中,基于线性光谱分解方法计算植被丰度、提取土地退化特征信息研究很多。除上述方法外,部分学者分析了由于土壤侵蚀而导致的环境要素的改变,从而尝试建立这些变化与植被指数的相关关系。Sinhg(2004)认为由于土地退化、如土壤侵蚀,会导致表土丧失、有机质减少、土壤物理化学性质的改变,最终表现于土壤颜色的改变,在颜色上表现较高的Munesll值。他们通过长时间序列的NOAA/AVHRR影像来监测土壤亮度值,最终达到监测土壤侵蚀的过程。首先通过NOAAAVHRR影像研究土壤颜色(Munesll)与NDVI之间相关关系,结果表明Hue与NDVI、Chorma与NDVI之间的相关性很好,从而基于NDVI与土壤颜色之间的相关关系来评价土壤颜色,最终用于土壤侵蚀监测。通过理论模型建立了土壤颜色、植被指数、表面温度和发射率(emissiviyt)之间的回归方程,结果表明通过多种植被指数(NDVI、MSAVI、PAVI等)来监测土壤颜色是有效的,从而可以监测土壤侵蚀或其它自然灾害导致的土壤变化(singh,2005)。无论是目视解译还是遥感光谱反射值自动监测,两者基于遥感技术进行土壤侵蚀监测决定了它们的本质依据相似,只是手段和方式不同。遥感影像所携带的信息是地表特征的客观反映,而土壤侵蚀是复杂地理系统负向效应运动的结果,它不同于土地覆盖或其它地物,它是一种效应的结果,无法从影像光谱特征信息上直接提取土壤侵蚀信息的量度值。只能通过这种结果造成地表环境因子的改变而获取,如冲沟、植被枯竭或土壤特性的改变等信息在光谱影像上的客观地反映而获得土壤侵蚀信息。因此,将两者手段相结合,可以称为基于指标规则的土壤侵蚀遥感监测方法,也可用于土壤侵蚀监测。即采用目视解译的原理和依据,但处理过程中结合了影像光谱反射值自动运算等。遥感影像目视解译过程根据分类、分级系统,参考分级指标,在非遥感信息源(如土地利用、土壤图和地形图等)支持下,由判读者综合遥感影像光谱特征所携带的各项指标特征,判断得出图斑单元所代表的土壤侵蚀类型及强度。
在黄土高原土壤侵蚀强度遥感监测中,选用降雨、地面物质抗蚀性、植被覆盖度和地形因子,采用变权模糊数学模型进行水蚀定量评判。边多等(2003)采用该方式,以1∶2.5万彩红外航片和TM影像为主要信息源,对“一江两河”地区进行了土壤侵蚀监测。黄诗峰等(2001)建立了基于栅格地理信息系统的流域土壤侵蚀量估算的指标模型,结合嘉陵江上游西汉水流域具体情况,以降雨、地形、沟谷密度、植被盖度、成土母质等为主要指标,对流域土壤侵蚀量进行了估算。同样是基于判别规则和逻辑综合分析的过程,并且参考指标与土壤侵蚀目视解译过程一致,但是在基于遥感提取单因子方法上略有不同的还有,通过特定算法自动提取植被信息,进行综合判别土壤侵蚀强度。国外也有相关方法的应用研究。
3遥感监测方法总结
综上所述,基于遥感方法进行土壤侵蚀监测尽管随着航空航天遥感的发展很早就开展起来,但目前存在着如下状况和问题。基于遥感方法,尤其是通过影像光谱特征进行分析、直接获取土壤侵蚀监测的研究在国内外研究还较少,并且国外研究主要集中于地中海地区土地退化监测研究中。
我国的土壤侵蚀遥感监测手段以目视解译为主,是区域土壤侵蚀遥感监测的主流手段。从己发表文献统计,研究监测范围从全国土壤侵蚀调查到各个省级、流域或更小地域单元。应用范围广、手段单一,以区域性研究为主、零散分散、缺乏系统性,研究结果也只反映了“一家之言”,缺乏实地验证。同时受目视解译的限制,工作量大、效率低、非定量化、监测结果易忽视细节信息,受主观因素影响较大。20世纪80年代初的全国土壤侵蚀遥感调查开始以目视解译方法为主,现在经历了航天遥感技术的快速发展的20多年,尤其是定量遥感分析技术的发展,但新的土壤侵蚀监测的研究方法较少。
参考文献
关键词：遥感；原理；分类；制图；应用
遥感，从广义来讲，就是指遥远的感知,非接触远距离的探测技术。从狭义来讲，指借助于专门的探测仪器（传感器），把遥远的物体所辐射（或反射）的电磁波信号接收记录下来，再经过加工处理，变成人眼可以直接识别的图像，从而揭示出所探测物体的性质及其变化规律。遥感技术指从高空到地面各种对地球观测的综合性技术系统总称。它由遥感平台、探测传感器以及信息接受、处理与分析应用系统等组成，周期性地提供监测对象数据和动态情报。遥感技术（RemoteSensing）是一门建立在空间科学、电子技术、光学、计算机技术、信息论等新的技术科学以及地球科学理论基础上的综合性技术，为现代前沿科学技术之一，具有宏观、动态、综合、快速、多层次、多时相的优势。在新技术迅猛发展的今天，遥感技术伴随着航空、航天技术的发展而不断提高与完善，服务领域因之而不断扩展，受到普遍重视，显示出极其广泛的应用价值、良好的经济效益和巨大的生命力。
一、遥感的基本原理
振动的传播称为波。电磁振动的传播是电磁波。电磁波的波段按波长由短至长可依次分为:γ-射线、X-射线、紫外线、可见光、红外线、微波和无线电波。电磁波的波长越短其穿透性越强。遥感探测所使用的电磁波波段是从紫外线、可见光、红外线到微波的光谱段。太阳作为电磁辐射源，它所发出的光也是一种电磁波。太阳光从宇宙空间到达地球表面须穿过地球的大气层。太阳光在穿过大气层时，会受到大气层对太阳光的吸收和散射影响，因而使透过大气层的太阳光能量受到衰减。但是大气层对太阳光的吸收和散射影响随太阳光的波长而变化。通常把太阳光透过大气层时透过率较高的光谱段称为大气窗口。大气窗口的光谱段主要有:紫外、可见光和近红外波段。地面上的任何物体（即目标物），如大气、土地、水体、植被和人工构筑物等，在温度高于绝对零度（即0°k=-273.16℃）的条件下，它们都具有反射、吸收、透射及辐射电磁波的特性。当太阳光从宇宙空间经大气层照射到地球表面时，地面上的物体就会对由太阳光所构成的电磁波产生反射和吸收。由于每一种物体的物理和化学特性以及入射光的波长不同，因此它们对入射光的反射率也不同。各种物体对入射光反射的规律叫做物体的反射光谱。遥感探测正是将遥感仪器所接受到的目标物的电磁波信息与物体的反射光谱相比较，从而可以对地面的物体进行识别和分类。这就是遥感所采用的基本原理。
二、遥感的分类
为了便于专业人员研究和应用遥感技术，人们从不同的角度对遥感作如下分类:
1、按搭载传感器的遥感平台分类根据遥感探测所采用的遥感平台不同可以将遥感分类为地面遥感和航天遥感。
2、按遥感探测的工作方式分类根据遥感探测的工作方式不同可以将遥感分类为主动式遥感和被动式遥感。
3、按遥感探测的工作波段分类根据遥感探测的工作波段不同可以将遥感分类为紫外遥感、红外遥感、微波遥感、多光谱遥感。
4、按遥感探测的应用领域分类根据遥感探测的应用领域，从宏观研究角度可以将遥感分类为外层空间遥感、大气层遥感、陆地遥感、海洋遥感等;从微观应用角度可以将遥感分类为:军事遥感、地质遥感、资源遥感、环境遥感、测绘遥感、气象遥感、水文遥感、农业遥感、林业遥感、渔业遥感、灾害遥感及城市遥感等。
三、遥感资料的制图应用
1、航天遥感制图
所谓航天遥感是指以航天器为传感器承载平台的遥感技术。航天遥感实践中，针对具体应用需求，选择不同的传感器如：成像雷达、多光谱扫描仪等，通过卫星地面站获取合适的覆盖范围的最新的图像数据，利用遥感图像专业处理软件对数据进行辐射校正、增强、融合、镶嵌等处理，同时，借助应用区域现有较大比例尺的地形数据，对影像数据进行投影变换和几何精纠正，并从地形图上获得境界、城市、居民点、山脉、河流、湖泊以及铁路、公路等典型地貌地物信息和相应地名信息，进行相应的标注和整饰，制作数字正射影像图。
航天遥感制图不仅在国土资源调查、土地利用监测、城市规划监测、重点风景名胜区监测中有了典型应用，而且，国家863计划信息获取与处理技术主题重大课题还开展了利用分辨率为0.61m的QUICKBIRD卫星影像进行城市大比例尺地形图的更新研究。此外，高分辨率卫星遥感影像还可提供立体像对，可用于直接生成DEM数据，甚至可以进行大比例尺地形图的获取与更新测绘。
2、航空遥感制图
所谓航空遥感是指以航空器如飞机、飞艇、热气球等为传感器承载平台的遥感技术。根据不同的应用目的，选用不同的传感器：如：航空摄影机、多光谱扫描仪、热红外扫描仪、CCD像机等，获取所需资料包括：航摄像片和扫描数据。其制图应用一般包括两大方面：
（1）摄影测量制图
在测绘领域中，摄影测量学已经是一门从理论到实践都非常成熟的学科。在我国应用摄影测量的原理和方法测绘地形图有相当长的历史。目前，1:5000及其以下小比例尺地形图的测绘，基本上都采用摄影测量方法施测。计算机技术的发展给摄影测量制图带来了新的发展和变化，不仅在内业测图仪器上实现由测绘线划图到直接测绘数字地形图的转化，而且诞生了抛开了传统的摄影测量仪器设备，以软件实现地形数据采集与处理的数字摄影测量技术，这无疑是摄影测量技术发展史上的一次革命。
（2）正射影像图制作
正射影像图是一种既具有地物注记、图面可量测性等常规地形图的特性又具有丰富直观的影像信息的一种图件，是将航摄像片的中心投影经过机械式的或数字式的纠正转变为正射投影形式而生成的影像图件。正射影像图制作的优势在于，生产周期短、成本低。正射影像图分为“常规正射影像图”和“数字正射影像图”两大类，前者是通过影像拷贝和正射投影仪纠正工艺，以纸基或胶片基承载的平面型影像图件。后者则是应用数字摄影测量技术和工艺制作的以数字形式存在的影像图件，可以方便地输出成纸基或胶片基图件。目前，由于计算机技术和影像处理技术的发展，以数字形式存在的影像图件在生产技术上日趋成熟并不断完善，已经占据主导地位，并与方兴未艾的城市GIS技术相得益彰，应用广泛。特别是数字影像图在色彩处理方面的优越性，使其更具应用价值。
关键词：图像融合；ASTER；SPOT5
Abstract:byusingthePANSHARPalgorithm,theASTER15bandandSPOT5panchromaticbandfusion,inimprovingtheimageresolutionatthesametime,thegreatestdegreeofretainingtheoriginalimageinformation.Providesremotesensingimageofhighqualityforlandresourcesurvey.
Keywords:imagefusion;ASTER;SPOT5
中图分类号：TN822文献标识码：A文章编号：2095-2104（2013）
1引言
近年来，遥感技术获得了迅猛发展，各种面向复杂应用背景的多平台、多时相、多光谱和高分辨率卫星遥感系统也随之大量涌现，它被广泛地应用于地表植被的分类和环境观测等领域。利用图像处理技术，进行不同光谱与空间分辨率遥感图像的融合，可节省大量的研究经费。因此，基于多传感器的信息融合理论，多源遥感影像信息融合研究，于20世纪80年代应运而生，并成为目前遥感图像处理的重要研究手段[8]。多源图像融合属于多传感器信息融合的范畴，是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像，经过相应处理后，再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性，提高图像的质量，从而有利于对物理现象和事件进行定位、识别和解释[1]。
以往对于多源图像融合的研究多集中在同一卫星不同传感器的图像融合上，如SPOT5全色光和多光谱图像融合。但这类传感器获取的图像光谱覆盖范围较小，多在可见光范围；光谱分辨率较低，多光谱图像通常由3个或率多于3个波段构成。而具有较广光谱覆盖范围、较高光谱分辨率的图像通常空间分辨率较低。为获取高空间分辨率、高光谱分辨率的遥感图像，本次研究将由两种卫星获取的图像进行融合，并对融合方法的选取、融合过程的关键技术等问题进行了讨论。
2多源图像融合关键技术
与同一传感器获得的图像相比，不同传感器获得的图像所提供的信息具有冗余性、互补性和合作性。因此，将多源遥感图像各自的优势结合应用，获得对环境正确的解译是极为重要的。多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一，是现代多源数据处理和分析中非常重要的一步[2]。
其关键技术[3-6]主要包括：数据配准、融合模型的建立与优化，以及融合方法的选择。
2.1数据配准
各类不同来源的遥感图像数据，因轨道、平台、观测角度、成像机理等的不同，其几何特征相差很大。在图像数据融合前，必须首先进行数据配准，即解决各类遥感图像的几何畸变，实现以几何纠正为基础的空间配准，以达到同一区域不同图像数据地理坐标的统一。它涉及到几何纠正模型、重采样方法、投影变换、变形误差分析等问题。
2.2融合模型的建立与优化
充分认识研究对象的地学规律和信息特征；充分了解每种融合数据的特性(空间、光谱、时间、辐射分辨率等)及适用性、局限性，通过多源数据的相互补充，以提供更多更好的数据源；充分考虑到不同遥感数据的相关性以及数据融合中所引起的噪声误差的增加，确定融合模型提取有用信息、消除无用信息，实现融合后数据的互补与信息富集。
2.3融合方法的选择
根据融合的目的、数据源类型、特点，选择合适的融合方法。融合方法大体上可以分为3类：彩色技术，包括彩色合成、IHS变换、YIQ变换；数学运算，包括加与乘、差值与比值、混合运算；图像变换，包括主成分分析、相关分析、回归分析、滤波分析、小波分析以及其它的一些方法[3]。
3融合方法
在本次研究中，遥感图像将应用于国土资源调查领域，需要将ASTER数据与SPOT5数据进行融合处理。SPOT5传感器由法国国家空间研究所(CNES)构思和设计的，于2002年5月4日成功发射，全色的影像分辨率为2.5m，数据格式为8-bit无符号整数。ASTER（高级星载热发射和反射辐射仪）是涵盖可见光到热红外15个波段，集空间、光谱和辐射高分辨率多光谱传感器，包括3个15m空间分辨率的可见光和近红外波，6个30m空间分辨率的短波红外波段以及5个90m空间分辨率的热红外波，数据格式为16-bit无符号整数。
鉴于以上数据差异较大，本次研究选择PANSHARP方法对其进行融合处理。
PANSHARP使用自动影像融合算法，用来融合高分辨率全色和多光谱影像，从而得到高分辨率彩色影像，通常称作全色锐化(pan-sharping)。它是一种基于成熟的最小二乘法，在原始多光谱、全色和融合后影像间寻求最佳近似灰度值关系，以达到最佳的色彩表现能力的算法。其优势在于其算法简单和功能多样上。它可以使用任何数据类型，包括8-bit无符号整数、16-bit有符号/无符号整数、32-bit浮点数，而且高效计算。同时，它也可对同一传感器同时相影像或不同传感器影像进行融合[7]。
4实验
4.1实验数据
本次研究选择SPOT5全色光波段与ASTER数据进行融合处理。高分辨率数据采用SPOT5全色光波段，分辨率为2.5m,使用图像轨道号为280/260,图1a;多光谱数据采用ASTER数据，对所有15个波段进行融合,轨道号为204/76,图1b。
图1aSPOT5全色图像图1bASTER假彩色图像
4.2几何校正进行
图像几何校正分为两步进行。ASTER数据的可见光波段与短波红外、热红外波段不是同时获取，在时相与空间位置上存在一定差异。其数据在使用前需要将不同波段校正至相同位置，此为校正第一步，本次研究以分辨率最高的可见光波段作为理论值，对其他波段进行校正。第二步，以SPOT5数据作为理论值，对ASTER数据进行校正，校正误差在5个像元内。
4.3融合处理
利用PCI软件，独立融合模块PANSHARP对ASTER数据15个波段进行融合处理，处理结果如图2。
图2ASTER融合假彩色图像
4.4效果评价
通过融合处理，提高了图像的分辨率，城镇街道、乡村小路清晰可见，图3a；并从原始图像中提取了大量的信息，通过目视可以清楚的分辨图像中的河流、沙漠中的河道，界线清晰，图3b。本次融合达到研究的预期目标。
图3a融合后的小镇图3b融合后的河流
5结论
本次研究将ASTER和SPOT5数据进行融合处理，在提供图像分辨率上取得很好的效果，并很好的保留了原始图像信息。但在评价方法上过于单一和主观，在今后的研究中，应多使用更加客观地评价方法，从而更精准、全面的对融合图像进行评价，为改进融合算法、提供融合效果提供依据。
参考文献
[1]郁文贤，雍少为，郭桂蓉．多传感器信息融合技术述评[J]．国防科技大学学报，1994，16(3)：1—11．
[2]孙洪泉，窦闻，易文斌遥感图像融合的研究现状、困境及发展趋势探讨[J].遥感信息,2011,1:104-108
[3]赵英时．遥感应用分析原理与方法(M]．北京：科学出版社，2003
[4]美]JohnR．Jensen著，陈晓玲，龚威，李平湘等译．遥感数字影像处理导论[M]．北京：机械工业出版社，2007．
[5]费鲜芸．高分辨率遥感影像在城市绿地信息提取中的应用研究[D]．山东，泰安：山东农业大学，2006．
[6]陈超.像素级遥感图像融合方法研究[J].信息技术，2008,5:30-34
【关键词】影像融合HIS变换Brovey比值变换小波变换SPOT5
中图分类号：P283文献标识码：A
引言
影像融合(ImageFusion)是信息融合技术的一种，它是一种通过高级影像处理技术对多源影像进行复合的技术，是根据应用的目的，使用特定的算法将多个不同的影像进行图像信息的合并处理，从而生成新的图像。而全色影像具有较高的空间分辨率,而多光谱图像可以更精细地描述目标光谱.全色图像与多光谱图像合,既可以利用全色图像的高分辨率改善多光谱图像分辨率,又可以充分利用多光谱图像有的对目标些独特特征的精细描述,使融合图像包含更丰富的信息。本文选择SPOT5卫星影像，通过使用HIS变换、Brovey比值变换及小波变换三种常用融合方法,进行了比较分析，得出最佳方法。
一、融合方法的原理
1、IHS变换
IHS变换又被称为彩色变换。在图像处理中常用的有两种彩色空间:一是由红R、绿G、蓝B三原色构成的RGB彩色空间;另一种是由亮度I、色调H及饱和度S3个变量构成的IHS彩色空间。变换公式如下:
I=1/2(D+d);D=max(R,G,B);d=min(R,G,B)。
当D=d,则S=0;当D≠d且I≤015,则S=(D-d)/(D+d)，
当D≠d且I>015,则S=(D-d)/(2-D-d)。
当S=0,则H=0;当S≠0且R=D,则H=60(2+b-g);当S≠0且G=D,则H=60(4+r-b);
当S≠0且B=D,则H=60(6+g-r)。
2、Brovey比值变换
Brovey比值融合法常用于多光谱影像增强,该方法是为RGB影像显示进行多光谱波段颜色归一化,将高分辨率全色与各自相乘,其计算公式如下:
其中,XPAN表示高分辨率全色影像数据,NXSi(i=1,2,3)表示多光谱影像的3个波段数据。
3、小波变换
基于小波变换的融合步骤:
1)将全色与多光谱的R,G,B3个波段直方图匹配,得到3个新的高分辨率全色影像;
2)对每个新的全色影像进行小波分解,分别得到各自的4个分量,即1个低分辨率的近似图像和3个小波系数,即所谓的细节图像,它们包含空间局部信息;3)分解得到的3个低分辨率全色影像各自分别被多光谱的R,G,B3个波段所代替;4)对每个含有细节信息和多光1个波段(R,G,B)的影像作小波反变换,并合成3个通道,这样就得到了经小波变换融合后的影像
二、遥感影像融合过程
1、遥感影像融合流程图
2、具体过程
经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比，发现用ENVI中的Gram-SchmidtSpectralSharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息，或者使遥感影像的融合保留多光谱影像的增强效果。
1)用Gram-SchmidtSpectralSharpening方法进行遥感影像融合时，有时需对原多光谱影像进行增强，在ENVI中对影像的增强可使用Enhance中的前6种方法，使多光谱影像色彩信息达到需求的效果；增强方法如下图，选取不同的样区进行影像增强所得到的效果不同，在影像增强过程中应选取不同的样区进行尝试；
2)对遥感影像增强到达满意的效果后，通过File|SaveImageAs|ImageFile…保存增强果后的影像；保存窗口，在OutputFileType中选择保存的数据类型，通过Choose选择文件的保存路径及文件名；
3)进行影像融合，在ENVI主菜单中，通过Transform|ImageSharpening|Gram-SchmidtSpectralSharpening进行融合；
4)在SelectLowSpatialResolutionMultiBandInputFile对话框窗口中选择多光谱影像，点击OK确定；
5)在SelectHighSpatialResolutionPanInputBand对话框中选择高分辨率的影像波段，点击OK确认；
6)在Gram-SchmidtSpectralSharpenParameters中设置融合的参数，Resampling中选择重采样的模型，Choose中选择存储的文件路径和文件名。
三、结论
通过实验以及分析表示：IHS变换的优点是提高了空间分辨率和清晰度,提高了遥感图像的被判读解译和量测的能力，缺点是导致了原始影像的光谱扭曲不利于影像的正确识别和分类；Brovey比值变换的优点是有利于消除太阳照度和地面起伏等影响,便于识别地物，缺点是前提条件要求两幅图像的光谱响应范围相同；通过小波变换得到融合图像质量最决于小波系数融合模型的选择。该方法适用于融合高分辨率全色图像和低分辨率多光谱图像、光学和SAR图像等。
【参考文献】
[1]李弼程,魏俊,彭天强.遥感影像融合效果的客观分析与评价[J].计算机工程与科学,2004,26(1):42-46.
[2]冯秀丽,王珂,楼立明.SPOT5遥感影像在土地利用变更调查中的应用[J].浙江大学学报:农业与生命科学版,2005,31(1):12-16.
[3]张炳智,张继贤,张丽.土地利用动态遥感监测中多源遥感影像融合方法比较研究[J].测绘科学,2000,25(3):46-50.
[4]楼立明,刘卫东,冯秀丽.基于高分辨率遥感影像的土地利用变化监测[J].遥感技术与应用,2004,19(1):30-33.
[5]贾永红,孙家柄.遥感多光谱影像数据与航片数字化影像融合方法的研究[J].测绘通报,1997(5):10-12.
关键词：遥感技术；地质勘查找矿；应用
中图分类号：C35文献标识码：A
引言
矿场资源是众多自然资源的一种，是人类来意生存的重要的物质资源。由于我国人口基数较大，对矿产资源的使用量需求较高，所以，如何有效开发利用、合理使用、以及后备资源的补充等方面的研究逐渐成为我国研究的重点。经济的发展提高了矿产资源的需求量，同时推动了找矿工作的发展。在地质找矿中运用遥感技术，主要是通过获取遥感信息，提取岩石中的矿物信息，并进行成矿分析，减轻了地质找矿工作的难度，有利于提高地质找矿工作的效率和质量。
一、遥感技术在地质找矿中的运用
1、遥感识别岩石矿物
成矿的赋存条件和物质基础是岩石组合和类型，岩石在成矿过程中具有十分重要的作用，遥感技术能够提前岩石矿物信息，研究矿物的光谱特征，遥感技术中的数据提取技术能够提取岩性信息。对图像进行增强、变换和分析，能够使图像颜色增强，色调、纹理差异明显，从而区分出不同类型的岩石及其岩性组合。同时，遥感技术的矿物识别功能在地质填图中也发挥了重要作用。通常，适合对矿物的光谱特征进行研究的大气窗口有两种：0.4-2.5μm，反映了岩石的反射光谱特征；8-14μm，反映岩石的发射光谱特征。遥感技术识别地物依靠其空间特征和地物光谱的差异，高光谱遥感技术的分辨率很高、波段巨多、数据量大，其窄波段能够对不同岩石的吸收特征进行区分，并提取、量化、重建岩石的光谱特征，识别混合象元的模型并进行分解分析，区分出岩石矿物的不同。如今，我国将遥感技术的岩性识别功能多应用在岩石裸露率高、植被稀少的地区，在植被覆盖较多的区域运用较少，对遥感识别岩性技术的研究重点是高光谱和多光谱提取岩性信息。
2、提取矿化蚀变信息
遥感技术在地质找矿中的应用主要是提取地质信息，而岩石的蚀变信息是其中的重要内容。围岩蚀变是围岩和含矿热液相互作用产生的，围岩相应的矿床类型、化学成分与蚀变类型密切相关。通常，围岩蚀变范围超出矿化范围，因此围岩蚀变是找矿的有效标志。围岩蚀变的常见类型包括绢云母化、硅化、褐铁矿化、云英岩化、矽卡岩化和青磐岩化等。岩石矿化蚀变后会与正常岩石在颜色、结构和种类方面形成差异，导致岩石反射光谱差异，蚀变岩石的光谱波形出现异常，为遥感技术提取图像信息提供了科学依据。所以利用遥感技术能够识别图像异常，找出准确的围岩矿化蚀变区域和开采位置。现阶段，我国大多使用ASTER、ETM+数据和遥感微波数据等作为数据源，其中ETM+数据源应用最多，将该数据作为信息来源，通过彩色图像合成法对单波段的图像进行分类，并提取区域生金矿的蚀变信息，从而有效圈定异常矿化蚀变信息，结合野外验证工作，能够发现矿化蚀变带；此外，利用ETM+数据，对图像实施大气校正、几何校正等预先处理，并通过掩膜方法提取了矿化蚀变信息，从而发现了多个金、铜矿点。
3、提取地质构造信息
地质构造信息也是地质信息的重要组成部分。通过户外地质观察发现，矿化蚀变区域是沿着地质构造分布。成矿的主要条件即地质构造，对内生矿床作用显著。提取的主要地质构造信息是环形影像和线性影像。构造环境不同导致提取出的成矿信息不尽相同。例如，不同区域的破碎断裂带、节理带的线状信息、火山盆地、热液活动、深成岩浆等环状信息、赋矿岩层、矿源层等带状信息、蚀变、矿化等色块、色带、色环异常信息。通过多波段数据，能够综合解译矿区构造信息，从而确定矿区的成矿构造和成矿环境；结合几何学方法，定量分析矿区线性构造，能够确定成矿远景区。遥感技术具有成像模糊功能，能够使研究区域的线性纹理和形迹逐渐清晰，拉伸遥感影像的灰度、增强图像边缘、进行比值分析、方向滤波、卷积运算后，突显出了构造信息。同时，通过分辨率较高的卫星数据，能够使构造信息更加清晰。统计分析解译的环形或线性影像，并结合物探、化探等相关资料，能够明确成矿构造的特征及其分布；通过数学统计方法，能够分形解译出遥感图像的线性构造，验证内生金属矿与线性构造之间的分布规律，从而明确找矿靶区；利用地质构造、水系特征、地表岩性、植被分布、山谷地貌等信息，能够提取出地质构造隐伏信息。
4、利用植被波谱特征确定找矿位置
地下水和微生物能够引发地表矿化岩石结构和成分的变化，从而改变岩石上覆盖的土壤成分。遥感技术的利用生物化学方法确定找矿位置的原理是：植物生长会吸收岩石和土壤中蕴含的矿物元素，矿物元素与植物生物循环共同作用，形成植物组织，对植物酶的活性具有直接影响。当植物体内重金属积累超过阈值后，便会出现毒化作用，对植物生存必要的生命元素的吸收产生抑制作用，使植物在生态和生理方面出现变异。这些变异使植物的光谱反射率以及光谱波形变化异常，反映在在遥感图像上，则呈现出色彩、色度和灰度的变化，而遥感技术则能够提取或探测出这些特征。
5、提取多光谱遥感蚀变信息
多光谱遥感技术具有多光谱摄影和系统扫描的功能，对不同普段的电磁波谱进行摄影遥感，从而获取植被和其他地物的影像。多光谱遥感能够影像的结构和形态差异或光谱特征对不同地物进行判别，增加了遥感信息量。多光谱遥感由于空间分辨率和波谱分辨率的影像，其数据源在地质找矿运用中受到一定限制，但是新的数据源出现为地质找矿提供了更加有效的信息。其中，ASTER遥感数据具有较多波段、更高的空间分辨率和更窄的光谱范围，在提取矿化信息时具有显著优势。需要重视的是，单一数据源只能够反映出目标地物的单一特征，在判别地物时并不准确，集中多源数据，能够汇总有效信息，剔除无效信息。数据源集中包括遥感数据之间和遥感与非遥感数据融合。目前，遥感找矿中应用最为广泛的是物探、化探和多光谱的融合。
二、遥感技术在找矿工作中的利用
1、线性构造与成矿之间的关系
通过对线性结构进行分析，需找成矿的可能性地质地貌所形成的线性构造，会对成矿有一定的影响。通常情况下，在地质地貌发生变化比较大的地区会出现矿产，比如巨型断裂带。但是，很多具有工业远景的矿床主要分布在平行的次级断裂以及节理带之中。通过感知地形结构，对矿区的特点进行分析在利用遥感图像中，可以得知，岩浆区中的矿床一般会存在与剪切应力场的拉张区域，在利用遥感技术进行技术处理，可以使人们的目光锁定在该区域之内，对拐点的附近进行勘察，从而减少时间与精力。
2、环形构造影像与成矿之间的关系
影像环形构造是由航天遥感图像发现的，并且与矿产有着相应的联系。在与矿产形成密切关系的影响环形构造中，很多原因是与岩浆有着密切关系的，因此导致找矿的意义有所不同。除此之外，岩浆侵入中造成环形体的重要因素为金属矿产，由于岩浆在侵入的时候会引起围浆的变化，往往会导致边界变得模糊。影像线性体与环形体之间相互依存的关系为找矿工作提供了理论基础，具有复合的关系。
关键词水稻；种植信息；遥感提取；辽宁地区
中图分类号TP79；S511文献标识码A文章编号1007-5739（2015）15-0258-02
水稻是辽宁省境主要粮食作物之一，辽宁省也是我国主要粳稻产区，粳稻播种面积约占全国总面积的10%，常年水稻种植面积6000km2以上，稻谷总产量450万t。依据气候资分布、耕作栽培和生产水平情况，可将辽宁省稻作区划分为4块区域：辽河平原三角洲、辽宁中部平原、东南沿海以和辽宁北部区域。其中中部平原区域资源丰富，土壤肥沃，地势平坦，是水稻种植主要区域，稻田面积占全省70%以上[1]。及时了解水稻种植面积、长势等信息可以为宏观监测区域水稻生产情况、加强农作物的生产和管理、粮食产量预估以及粮食价格走势预测提供依据，为有关部门制定科学有效的粮食政策提供帮助。
卫星遥感技术可以为农业生产监测提供有效的技术支持和保障，可以提供准确、实时的作物生长信息以及周边的环境信息，是目前精细化农业田间获取数据的主要方法之一[2]。分析水稻遥感识别的最佳时相，有利于水稻种植信息的精确获取[3-4]。分析水稻各生育期冠层光谱与其他地物光谱差异，寻求水稻种植信息遥感识别的最佳时相。
1材料与方法
1.1供试材料
水稻种植试验的主要目的是观察不同品种、不同生育期水稻光谱反射特性。试验田位于辽宁省沈阳市苏家屯区。于2014年5月中旬开始播种，共3个品种（辽优7362、辽星1、辽73）；行、株距为17cm×14m，田埂宽25～30cm，水渠宽1.5m。试验田采用大田管理方式。
1.2测定方法
光谱测定采用ASD-TerraSpec，参考板选用40cm×40cmBaSO4白板。观测日期选在水稻各生长发育期时晴朗无风或微风日，测量水稻各生育期的冠层光谱数据。测定时间为北京时间10：00―12：00。测量期间每隔15min进行1次参考板测定。为减少观测者主观或客观因素导致的数据失真，观测结束后，对每点的光谱观测数据进行人工筛选，剔除异常值后，求算剩余数据的平均光谱反射率，作为该点该次测量的光谱信息数据，以减小误差。
2结果与分析
2.1水稻光谱特征分析
2.1.1不同品种水稻反射光谱分析。分析了不同水稻品种间光谱反射率的差异，并以分蘖期为例说明（图1）。3个品种水稻在波长范围350～700、750～2500nm均出现一定的差异性。其中辽73品种可见光部分反射率高于辽星1和辽7362，后两者相近；750nm处反射率均显著增加；辽7362红光-短波红外波段光谱反射率最高，辽73最低。3个品种光谱曲线变化趋势一致。
2.1.2水稻不同生育期反射光谱。水稻各生育期之间的观测反射光谱存在一定的差异性（图2）。水稻生长初期，稻田以水体为主，可见光部分反射率高，而红光-红外光反射率低。随水稻植株生长，植株叶片对可见光的吸收逐渐增加，光谱反射率降低，而红光-红外光的吸收率明显降低，反射率增加。拔节期之后，水稻冠层光谱变化程度小，在可见光部分，反射率抽穗期>孕穗期>拔节期，而红光至短波红外区域，光谱反射率差异小。
2.1.3不同下垫面光谱反射率。水稻插秧―返青期、抽穗期冠层反射光谱和其他地物差异性（图3）。水泥路面光谱反射率随波长增加而增加，对可见光、近红外和短波红外波段反射明显。水稻幼苗期在光谱测量时呈现稻田背景特征，即与浅水层光谱反射率变化趋势相似，但反射率高于浅水层，在近红外、短波红外波段最为明显。草地和水稻孕穗―抽穗期反射光谱近似，在红光波段有一个明显上升的陡坡，在近红外、短波红光波段有明显的反射峰。
2.2水稻最佳识别时相分析
在水稻发育期的选择上，由于水稻各生长阶段中，其生物量和冠层以及冠层以下地表条件变化，反射光谱特性存在显著差异。通过光谱库的统计对比，可以发现：水稻移栽期的光谱特征和周围地物多光谱特征区分较为明显，但与水体差异较小。水稻孕穗―抽穗期时，光谱特征与水体差异最明显，但与植被光谱差异小。因此，单独使用某一时期的遥感影像不能精确提取水稻种植信息。结合辽宁地区气象要素，水稻孕穗―抽穗期时，辽宁地区晴朗无云日出现次数较拔节期增加。
3结论
本研究认为水稻移栽―返青期和孕穗―抽穗期为水稻遥感信息识别的最佳时相，在波段选择上选取受水稻生长影响变化显著的可见光部分、近红外波段以及与水分含量相关的短波红外波段[5-6]。
4参考文献
[1]侯守贵，隋国民，马兴全，等.辽宁省水稻产业发展现状及展望[J].北方水稻，2012（5）：70-73.
[2]郑宇鸣，孟波，刘振环，等.“3S”集成技术在精细农业中的应用[J].农机化研究，2011（8）：219-222.
[3]陈静.黑龙江省水稻种植信息遥感技术探讨[J].农村实用科技信息，2014（1）：33.
[4]赖格英，杨星卫.南方丘陵地区水稻种植面积遥感信息提取的可行性分析[J].遥感技术与应用，1998，13（3）：1-7.
热门推荐