高光谱遥感技术及发展

遥感技术与系统概论

结课作业

高光谱遥感技术及发展

高光谱遥感技术及发展

摘要：经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的

发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技

术为主的时代。本文系统地阐述了高光谱遥感技术在分析技

术及应用方面的发展概况，并简要介绍了高光谱遥感技术主

要航空/卫星数据的参数及特点。

关键词：高光谱，遥感，现状，进展，应用

一、高光谱遥感的概念及特点

遥感是20 世纪60 年代发展起来的对地观测综合性技术，是指应用探测仪器，不与探测目标相接触，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]。所谓高光谱遥感，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。

⑵光谱分辨率高。成像谱仪采样的间隔小，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。

⑶数据量大。随着波段数的增加，数据量呈指数增加[2]。

⑷信息冗余增加。由于相邻波段的相关性高，信息冗余度增加。

⑸可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。近二十年来，高光谱遥感技术迅速发展，它集探测器技术、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，已成为当前遥感领域的前沿技术。

二、发展过程

自80 年代以来，美国已经研制了三代高光谱成像光谱仪。1983 年，第一幅由航空成像光谱仪

（AIS-1）获取的高光谱分辨率图像的正式出现标志着第一代高光谱分辨率传感器面世。第一代成像光谱仪（AIS），由美国国家航空和航天管理局（NASA）所属的喷气推进实验室设计，共有两种，AIS-1(1982 年~1985 年，128 波段)和AIS-2(1985 年~1987 年，128 波段)，其光谱覆盖范围为1.2~2.4μm。1987 年，由NASA 喷气推进实验室研制成功的航空可见光/红外光成像光谱仪（AVIRIS）成为第二代高光谱成像仪的代表。与此同时，加拿大、澳大利亚、日本等国家竞相投入力量研究成像光谱仪。在AVIRIS 之后,美国地球物理环境研究公司(GER)又研制了1 台64 通道的高光谱分辨率扫描仪(GERIS),主要用于环境监测和地质研究。其中63 个通道为高光谱分辨率扫描仪,第64 通道是用来存储航空陀螺信息。第三代高光谱成像光谱仪为克里斯特里尔傅立叶变换高光谱成像仪(FTHSI)，其重量仅为35kg，采用256 通道,光谱范围为400~1050nm，光谱分辨率为

2~10nm，视场角为150°。而于1999 年和2000 年发射升空的中分辨率成像光谱仪(MODIS 和Hyperion)都已经成为主要的应用

数据来源。在国内，成像光谱仪的研制工作紧跟国际前沿技术，目前已跻身国际先进行列。先后研制成功了专题应用扫描仪、红光细分光谱扫描仪FIMS、热红外多光谱扫描仪TIMS、19 波段多光谱扫描仪AMSS、71 波段的模块化航空成像光谱仪MAIS、128 波段的OMIS 以及244 波段的推扫式成像仪PHI 等。此外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002 年随“神州”三号飞船发射升空，这是继美国1999 年发射EOS 平台之后第二次将中分辨率成像光谱仪送上太空，从而使中国成为世界上第二个拥有航天载成像光谱仪的国家。经过20 世纪80 年代的起步与90 年代的发展，至90年代后期，高光谱遥感应用由实验室研究阶段逐步转向实际应用阶段。迄今为止，国际上已有许多套航空成像光谱仪与少数几个卫星成像光谱仪处于运行状态，在实验、研究以及信息的商业化方面发挥着重要作用。

三、发展程度

1．高光谱数据处理技术的发展程度

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。

（1）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。（2）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。

2．高光谱应用的发展程度

（1）在地质方面的应用

地质是高光谱遥感应用中最成功的一个领域[4]。由于高光谱遥感光谱分辨率（10nm）高的特点，在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。目前，从高光谱遥感数据中提取各种矿物成分信息的主要技术方法有[3]:光谱微分技术、光谱匹配技术、混合光谱分解技术、光谱分类技术、光谱维特征提取方法、模型方法等。中科院上海技术物理所利用MAIS 在河北张家口地区的实验中地对该地区新生界全新统、更新统、中生界侏罗纪张家口群、下元古界红旗营子群及花岗片麻岩、蛇绿岩脉、辉石类岩脉采用不同的图像处理方法获得了较为精确的岩石地层识别分类，证明了高光谱遥感在岩石出露较好区域进行岩类定性识别和大比例尺填图的可能；王润生、甘甫平等人在成像光谱矿物填图技术与应用示范课题中，对新疆东天山地区开展区域面积性矿物填图和西藏驱龙地区开展矿化蚀变矿物填图应用示范,取得了与地面一致的应用效果，矿物识别率和识别正确率均达到85%以上。（2）在植被检测中的应用

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[5]。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。

目前比较常用的有：

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,通过其位臵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（Bannari 等，1995）。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。

（3）在农业中的应用

高光谱在农业中的应用，主要表现在快速、精确地获取作物生长状态以及环境胁迫的各种信息，从而相应调整投入物资的投入量，达到减少浪费，增加产量，保护农业资源和环境质量的目的。使用高光谱遥感数据估计作物的农学参数主要有两类方法：一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参数之间的关系；二是通过作物的红边参数来估计作物的物候性状及其农学参数。高光谱遥感凭借其极高的光谱分辨率为精细农业的发展提供了技术保障和数据来源。

作物生长信息的提取:

作物生产中, 准确、迅速、经济地判断作物氮营养状况, 进而确定氮肥需要量, 对提高作物的实时精确施肥具有重要意义。近年来, 随着相关领域科技水平的不断提高, 氮素营养诊断的

测试技术正由传统的实验室常规测试向田间直接无损测试方向发展; 同时测试水平正由定性

或半定量的手工测试向精确定量的智能化方向发展。目前, 针对作物氮素诊断的智能化无损测试技术已成为国内外研究的热点, 其中较成熟

的技术方法主要有便携式叶绿素仪法和遥感系统中应用的高分辨率多光谱近地测量技术。这两项技术都是基于当作物氮素发生变化时, 其光谱反射特性发生改变的基础上, 但在具体的应用中两者又有所不同。相对于传统的低光谱分辨率遥感(通常指光谱分辨率在0. 1 μm以上)而言, 高光谱分辨率遥感( 光谱分辨率在0. 1 μm以下)数据最主要的特点就是成像通道数量的增加和成像波段的变窄。从而使植被遥感的监测目标发生了很大的变化, 获取子像元(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[6-7]。通过高光谱遥感植被指数技术可以提取植被冠层结构定量信息。蒲瑞良[8]等用小型机载成像光谱仪( CASI)测得的航空高光谱分辨率数据(光谱范围约417~ 800 nm )估计森林族叶化学成分浓度, 最后用导数光谱的多项式逐步回归方程进行分析。对于总叶绿素, 最佳的R2值来自二阶微分光谱的三项式回归方程(R2 = 0. 944), 此方程包含的中心波长分别为748、507和735 nm, 而对于全氮的最佳R2 值来自一阶微分光谱的三项式方程( R2

=0. 933), 中心波长分别为780、764和566 nm。结果表明:使用光谱方式的CASI数据及NDVI值提取植被信息, 结合光谱微分技术能明显地改善森林族叶化学成分的估算精度。吴长山等[9-10]分析了水稻、玉米多时相的群体以及叶片光谱特征与叶绿素密度(单位面积农作物的叶绿素含量, 等于叶绿素含量与鲜叶生物量的乘积)的关系,得出这几种农作物的导数光谱在近红外波段762 nm处与叶绿素密度具有高度相关性。王柯[11]等的实验数据表明540、680和740~ 1070 nm 的光谱数据在水稻所有的生长阶段都与叶片氮浓度相关显著。

作物长势监测:

作物的反射光谱特征主要由叶片中的叶肉细胞、叶绿素、水分含量和其他生物化学组分对光线的吸收和反射形成的, 受叶色、叶片结构及水分状况、叶片的生理生化性质、植株形态及长势长相等因素的影响[12]。可见光波段反射率主要受叶绿素等各种色素的影响, 近红外波段反射率则由叶片水分状况起决定作用, 不同的植物、同一作物的不同生育时期, 以及同一作物的不同

健康状况, 其光谱反射特性均不一样。因此研究作物不同生长条件下的光谱特性与这些生理指标的关系, 就可以实时的监测作物的长势和进

行苗情诊断, 从而科学地指导农事活动。高光谱遥感以其超多波段、光谱分辨率高等特点被用来反演叶子各组分含量, 监测作物的生长状况[13]。

王延颐[14]用美制的EXOTECH 100A 四通道光谱仪在试验田分析了水稻各生育期( 分蘖

盛期、穗分化期、齐穗期、灌浆期及乳熟期) 在一些特征太阳光谱波段( 400、500、670、800、900 nm) 反射波谱特征, 结论是: 稻田光谱与水稻长势的相关性较好, 在水稻灌浆期, 稻田光谱与水稻理论产量的相关性也较好, 尤其是800 nm的反射光谱值。实验也已经证明用高光谱分辨率数据能够估计叶子化学成分[15]。浦瑞良和宫鹏使用多元统计和光谱导数技术评价小型机载成像光谱仪( CASl)数据用于估计冠层生化浓度(总叶绿索、全氮和全磷) 的潜力和效率。Peterson等运用航空成像光谱仪( AIS)对森林冠层中氮和木质素含量进行了监测[16]。为了探索植物叶片氮素遥感诊断的可能性, 20世纪70年代以来有关科学家就进行了大量的基础研究, 寻

找氮素的敏感波段及其反射率在不同氮素水平下的表现。研究发现许多植物在缺氮时无论是叶片还是植物冠层水平的可见光波段反射率都有增加, 对氮含量变化最敏感的波段在530~ 560 nm区域[17-19]。冯伟[20]通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系, 确立小麦叶片糖氮比的定量监测模型, 与传统的破坏性取样及实验室化学分析方法相比, 该研究为小麦叶片糖氮比的定量分析提供了一种无损、快速的技术途径, 同时也拓展了作物生理参数遥感监测的研究领域。研究结果对于小麦植株生长特征及碳氮代谢参数的实时监测和精确诊断具有重要意义, 为遥感技术_在精准农业中的可能应用奠定了技术基础。

作物胁迫监测：

李德成等[21]模拟酸雨对水稻叶片反射光谱特性的影响, 结果表明: 酸雨会引起水稻叶片反射光谱可见光区和中红外区的反射率升高, 近红外区的反射率降低, 相应的反射率比值也随之变化, 一阶和二阶导数光谱蓝移, 且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关。这一结果也表明遥感技术监测酸雨污染作物是

可行的。另外, 高光谱遥感亦可用于监测重金属对作物的胁迫, 在某些植被类型中, 蓝移还与重金属含量偏高有关。水稻受重金属铬和铜污染伤害后, 无论在生理上还是在反射光谱方面变化

都比较显著, 特别是铬和铜拌土生长的水稻在

分蘖期受到的影响最明显。植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形变化。可以通过植物的光谱特性监测植物(作物)的各种缺素症和病虫害[22]。估算植被(作物)初级生产力NPP与生物量：

冠层的理化特性在一定程度上控制着森林的初级生产力(NPP)。比如叶面积和氮含量通过控制光合作用和传输速率来影响NPP。已经证明在不同的温带森林区, 矿物氮的含量有助于估计年NPP。张良培等[23]利用样本NDVI和测量所得的生物量数据进行回归分析, 相关系数在0. 7以上, 黄熟期叶绿素的损失会在可见光波段表现出来, 在出穗期的R1100和R1200可用于生物量估算。Hame等[24]结合地面调查和高分辨率图像用相关分析的方法建立了预测生物量的模型, 然

后再直接应用到低分辨率的AVHRR图像上, 成功地估算了面积达几百万平方公里的欧洲以针

叶树占优势的北方针叶林的生物量,并且估算的精度超出了预先的期望。同样, 在农作物上也可以利用这种技术方法, 测定作物的初级生产力NPP与生物量。高光谱遥感同样可以用于估计农作物产量, 可以综合上述各种功能以及有关的数据分析方法进行农作物产量的估计, 随着新的传感器和数据分析方法的出现, 遥感估产的精确性也得到了提高。杨庆锋等[25]分析了小麦光谱特征与干物质积累量的相关关系, 说明通过遥感手段监测冬小麦的群体质量是可行的, 该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。樊科研等[26]以ASDF ieldSpec光谱仪实测大田中不同生育期加工番茄的冠层高光谱及其产量, 采用单时相线性逐步回归和复合回归, 首次建立了加工番茄高光谱与产量的估算模型, 对加工番茄的产量进行了遥感估测。

估算光能利用率和蒸散量：

理论和实验都证明植物冠层的光合有效辐射与反射率有联系。高光谱遥感所得的APAR(光合有效辐射)比LAI(叶面积指数)能更可靠地估计作物生物量, 因为作物的光合作用过程直接把APAR

能量转换成干物质, 因此APAR是作物初级生产力的一个较好的指标。张良培等通过分析光合背景物质土壤光谱信号的特点, 认为利用对光

谱信号一阶导数的运算就能对混合光谱中的土壤信号进行压缩, 由此计算APAR(在波长726.

3 nm处)能更客观地反映实际。H all等[27]基于反射率曲线的二阶导数与光合有效辐射APAR的相关关系, 对陆地植被的APAR进行了估计。研究表明, 可直接反演二向反射模型, 用卫星和地面测量的光谱数据估算叶子的生物物理参数LAI和FAPAR(Kuusk, Patrice& Bicheron)。

作物品质遥感监测预报：

中国对优质农作物有巨大需求, 部分优质农作

物产品供不应求或依赖进口。通过监测作物生长过程而进行调优栽培, 优化作物分类收获、分级收购加工体制, 提高作物品质监控水平是保证

作物品质的重要组成部分[28]。遥感技术的发展为作物品质信息的监测和预报提供了快捷、低廉、无损检测的手段。近期研究重点是区域性的遥感模型与农学模型链接, 农作物品质遥感- 农学监测复合模型研制。综合考虑土壤因子、气象因子等, 通过监测作物干旱、过量施氮、病虫害、

倒伏等作物品质的限制性因子, 监测作物的生

长和营养状况, 链接遥感数据和作物模型, 利用光学、热红外、雷达数据相互补充, 充分考虑遥感数据和非遥感数据结合, 有望建成实用化和

商业化的作物品质监测预报系统, 以指导作物

分类收获, 分级收购、加工或贮藏; 对农作物产品实现优质优价, 为粮食期货和参与国际粮食

贸易提供决策信息, 大大缩短粮食加工企业的

检测化验时间并降低成本。在现阶段采用 感粗分级筛选+ 实验室精测试可能成为定单农业中质量控制和降低成本的重要模式, 受到粮食

收购、加工等部门和企业用户的重视和

期待[28]。

（4）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。此外，高光谱遥感可以对人们周围的生态环境情况做出定量的分析。环境污染是近年来人们比较关注的环境问题，利用高光谱技术可以探测

到污染地区的化学物质异样，从而确定污染区域及污染原因；高光谱图像也可用来探测危险环境因素，例如，精确识别危险废矿物，编制特殊蚀变矿物分布图，评价野火的危险等级，识别和探测燃烧区域等。

（5）高光谱遥感军事应用

由于高光谱遥感在地面目标识别方面的优势, 很早就被应用于军事领域并且逐步取代了多光谱遥感成为主要侦察手段。

战场详细侦察：

高光谱遥感仪器能够在连续的工作波段上同时对目标进行探测, 可直接反映出被测物体的精细光谱特征, 分辨目标表面的成分与状态, 可得到空间探测信息与地面实际目标之间存在的精确对应关系.以色列的科学家利用CASI 高光谱成像光谱仪在特拉维夫市进行了研究[29], 从CASI 图像中选择典型的地物作为端元数据, 对河流、沙土、路面、植被等地物都取得了很好的识别效果. 美国海军设计的高光谱成像仪, 可在0. 4~ 2. 5 μm 光谱范围内提供210 个波段的光谱数据, 可获得近海环境目标的动态特性, 例如海水的透明度、海洋深度、海流、海底特

征、水下危险物、油泄漏等成像数据, 为海军近海作战提供参考[30]。美国提出了数字化地球研究, 目标是建立全球地表每平方米的数据库, 包括

目标和背景特征光谱在内的多种参数. 数据库

建立以后, 全球任何地方的军事目标都会处于

其监控和打击之下。

识别伪装目标：

在军事目标侦察、识别伪装方面, 高光谱遥感能够依据背景与伪装目标不同的光谱特性发现军

事装备; 通过光谱特征曲线, 可反演出目标的组成成分, 从而揭露与背景环境不同的目标及其

伪装.绿色伪装材料检测的一个重要手段就是利用植被红边效应, 植被在680~ 720 nm 反射率急剧升高, 通过检测其位臵和斜率的特征就

可以识别植被的种类和状态[31]. 现有绿色伪装

材料的光谱曲线大体上可以与植被相吻合, 在

多光谱侦察条件下能够满足伪装要求, 但是在

高光谱细微的分辨能力下,经过伪装的目标便无所遁形。刘凯龙等[32]的红边作为基本识别特征, 识别准确率达到了99% 以上。

探测计算目标真实温度和发射率：

在目前热红外探测中, 用Planck 定律将发