高光谱遥感技术及发展范文第1篇

关键词：遥感技术；内陆；水质；监测；应用

遥感技术在内陆水体水质监测中应用，需要建立水质参数反演算法，在监测的过程中，可以反映出水质在空间与时间上分布的情况，在对比分布的变化后，可以了解内陆水体受污染状况。应用这项先进的技术，可以保证监测工作的效率以及准确性，而且监测的成本比较低。高光谱遥感技术在内陆水体水质监测工作中应用最广，下面笔者对遥感水质监测的原理以及方法进行简单的介绍，以供参考。

1、遥感水质监测的原理与方法

1.1原理

遥感技术是科技不断发展的产物，在监测的过程中，主要是根据地物波谱特性实现的。地物波谱与其本身的属性以及状态有着较大的关系，这也是区分地物的标准。水体光谱特性与水中不同活性物质对光辐射的吸收与散射有着较大的关系，不同的光学活性物质，在吸收与散射性质方面有着较大的差异。利用遥感技术进行检测，可以对一定波长范围内水体的辐射值进行测量，然后根据光谱特征进行区分。

太阳辐射在不同地物上有着不同的吸收与散射情况，有的辐射达到后会被反射，也有的辐射会折射进水体内部，并且被多种分子吸收与散射。在内陆水体中，浮游植物、非色素悬浮物、黄色物质都会影响光谱反射率，其会改变光的散射，改变光的方向，利用遥感技术，可以监测到这些情况，从而保证监测结果的准确性。

1.2方法

1.2.1物理方法。物理方法是指根据辐射传输的理论，上行辐射与水体中光学活性物质吸收、散射有着一定关系，采用遥感技术测量后，可以得到吸收与散射系数，从而确定水体中各成分的浓度以及系数。在本次测量中，由于采用物理方法无法达到相关要求，很多模型都无法正常使用，所以在实际监测时，物理方法的使用率并不高。

1.2.2经验方法。经验方法是指根据多光谱遥感数据监测经验，总结出的一些有效的水质监测方法。在总结的过程中，主要是根据统计分析结果，选择最优波段，然后得到水质参数。在对内陆水体水质进行监测时，采用适合的遥感技术，相关工作人员也总结出了一些经验与方法，这有利于提高工作的效率，也可以避免出现操作失误等错误、但是这种方法会受到时间与空间的限制，所以无法保证监测结果的精度，在内陆水体水质监测中，应用的频率也比较低。

1.2.3半经验方法。

半经验方法是随着高光谱遥感技术在水质监测中的应用发展起来的。半经验方法根据非成像光谱仪或机载成像光谱仪测量的水质参数光谱特征选择估算水质参数的最佳波段或波段组合，然后选用合适的数学方法建立遥感数据和水质参数间的定量经验性算法。利用这种方法对湖泊、水库的水质参数如总悬浮物、叶绿素a、黄色物质以及与之相关的可见度、混浊度进行监测和评价。

遥感水质监测方法20世纪80年代前以物理方法为主，80-90年代以经验方法为主，90年代后以半经验方法为主，经历了物理方法-经验方法-半经验方法的过程，其发展过程是与遥感技术的发展紧密结合在一起的。经验方法、半经验方法都是通过对航空航天遥感数据、与其（准）同步的地面水质波谱数据，影响算法精度的主要因素有遥感数据的波段设置和统计分析技术。

2、水质遥感监测中常用的遥感数据

2.1多光谱遥感数据

内陆水体水质遥感监测中常用的多光谱遥感数据包括Landsat MSS、TM、SPOT HEV、IRS-1C、NOAA/AVHRR等数据。最先用于内陆水体水质监测的是Landsat MSS数据，Lathrop和KLoiber等学者的研究表明内陆水体中的叶绿a浓度、悬浮物浓度可以通过MSS数据监测。但是由于波段太宽，MSS数据不能用于监测悬浮物含量很高的湖泊、水库中的叶绿素a浓度。综合空间、时间、光谱分辨率和数据可获得性特征，TM数据是目前内陆水体水质监测中使用最广泛的多光谱遥感数据。国内外学者利用TM数据开展了大量的内陆水体水质的监测研究，并且对叶绿素a、悬浮物、透明度和黄色物质的估测都取得了比较理想的结果。

由于多光谱遥感数据光谱分辨率较低，不能在理论上针对地物光谱特征解决问题，水质参数反演算法主要是通过经验的方法构造，适用十特定的时一间和水域监测。随着对水质参数光谱特征的深入研究和了解，利用多光谱数据研究构造不受时一间和空间限制算法的可行性受到关注。

2.2高光谱遥感数据

现有的高光谱传感器分为两种：成像光谱仪和非成像光谱仪，主要搭载在不同飞行高度的飞机、卫星上或地面土作平台上。成像光谱仪可为每个像元提供数十至数百个窄波段光谱信息，能产生一条完整而连续的光谱曲线。国内外的学者一利用美国的AVIRIS数据、加拿大的CASI数据、芬兰的AISA数据及中国的CIS数据进行了内陆水体水质参数研究，如叶绿素浓度、水体混浊度、悬浮物浓度的估测。

机载高光谱分辨率数据是解决星载多光谱数据光谱分辨率低的一个有效途径，提高了水质遥感监测精度，但机载遥感覆盖范围小，监测成本高。地面非成像光谱仪与星载高光谱数据的结合，可望研究出具有一定适用性的水质参数反演模型。

2.3新型卫星遥感数据

新的卫星陆续升空为水质遥感监测提供了更高空间、时一间和光谱分辨率的遥感数据，如美国的Landsat ETM + ， EO-1 ALI， MODIS和欧空局的Envisat MERIS等多光谱数据和美国的EO-1 H}erion高光谱数据。Kopo-nen用AISA数据模拟MERIS数据对芬兰南部的湖泊水质进行分类，结果表明分类精度和利用AISA数据几乎相同。利用AISA数据模拟MODIS和MERIS数据来研究这两种数据在水质监测中的可用性时一发现：MERIS以705 nm为中心的波段9很适合用来估算叶绿素a的浓度，但是利用模拟的MODIS数据得到的算法精度并不高。

针对悬浮物，24针对黄色物质。MODIS的空间分辨率为250 m ， 500 m ， 1000 m，每日或每两日可获得一次全球观测数据，适合进行大范围动态监测。高光谱数据包括400一2 500 nm间连续的220个波段的遥感数据，每个波段的宽度只有10 nm，可以非常细致地反映地物的波谱特征，为水质遥感机理研究提供了连续的细分光谱数据。

3、结语

通过本文的分析，遥感技术在内陆水体水质监测中发挥着较大的应用价值，这项技术有着良好的发展潜能，而且在不断的进步，有效保证了监测数据的准确性。为了减轻监测人员的工作强度，相关工作人员也要合理利用“3S”技术，建立水质遥感监测系统与评价系统，可以对内陆水环境的相关信息进行准确的确定，从而协助相关单位建立水安全预警系统。在对统计分析技术进行改进后，可以挖掘出更多的水质信息，消除水质组分间的干扰，实现大范围、动态监测。

参考文献

[1] 苏文，姜广甲，孔繁翔，马荣华，段洪涛，谢健. 内陆水体有色溶解有机物的变化特征[J]. 长江流域资源与环境. 2015（01）

[2] 潘梅娥，杨昆，洪亮. 基于环境一号卫星影像的内陆水体叶绿素α浓度遥感定量反演模型研究[J]. 科学技术与工程. 2013（15）

高光谱遥感技术及发展范文第2篇

【关键词】遥感技术；水质监测；污染水体；光谱

1水体遥感监测的基本理论

水质参数的遥感监测过程。首先，根据水质参数选择遥感数据，并获得同期内的地面监测的水质分析数据。现今广泛使用的遥感图象波段较宽，所反映的往往是综合信息，加之太阳光、大气等因素的影响，遥感信息表现的不甚明显，要对遥感数据进行一系列校正和转换将原始数字图像格式转换为辐射值或反射率值。然后根据经验选择不同波段或波段组合的数据与同步观测的地面数据进行统计分析，再经检验得到最后满意的模型方程。

2水质遥感监测常用的遥感数据

2.1多光谱遥感数据。在水质遥感监测中常用的多光谱遥感数据，包括美国Landsat卫星的MSS、TM、ETM+数据，法国SPOT卫星的HRV数据，气象卫星NOAA的AVHRR数据，印度遥感IRS系统的LISS数据，日本JERS卫星的OPS（光学传感器）接收的多光谱图像数据，中巴地球资源1号卫星（CBERS--1）CCD相机数据等。

Landsat数据是目前应用较广的数据。1972年Landsat1发射后，MSS数据便开始被用于水质研究中。如解亚龙等用MSS数据对滇池悬浮物污染丰度进行了研究，明确了遥感数据与悬浮物浓度的关系；张海林等用MSS和TM数据建立了内陆水体的水质模型；Anne等人用TM和ETM+数据对芬兰的海岸水体进行了研究。

2.2高光谱遥感数据

2.2.1成像光谱仪数据。成像光谱仪也称高光谱成像仪，实质上是将二维图像和地物光谱测量结合起来的图谱合一的遥感技术，其光谱分辨率高达纳米数量级。国内外的学者主要利用的有：美国的AVIRIS数据、加拿大的CASI数据、芬兰的AISA数据、中国的PHI数据以及OMIS数据、SEAWIFS数据等进行了水体水质遥感研究，对一些水质参数，如叶绿素浓度、悬浮物浓度、溶解性有机物作了估测。

2.2.2非成像光谱仪数据。非成像光谱仪主要指各种野外工作时用的地面光谱测量仪，地物的光谱反射率不以影像的形式记录，而以图形等非影像形式记录。常见的有ASD野外光谱仪、便携式超光谱仪等。如对我国太湖进行水质监测时，水面光谱测量就用了GRE-1500便携式超光谱仪，光谱的响应范围0.30～1.1um，共512个测量通道，主要将其中0.35～0.90um的316个通道的数据用于水质光谱分析。并且非成像光谱仪与星载高光谱数据的结合，可望研究出具有一定适用性的水质参数反演模型。

2.3新型卫星遥感数据。新的卫星陆续升空为水质遥感监测提供了更高空间、时间和光谱分辨率的遥感数据。如美国的Landsat ETM+、EO--1ALI、MODIS，欧空局的Envlsat MERIS等多光谱数据和美国的EO-1Hyperion高光谱数据。Koponen用AISA数据模拟MERIS数据对芬兰南部的湖泊水质进行分类，结果表明分类精度和利用AISA数据几乎相同；Hanna等利用AISA数据模拟MODIS和MERIS数据来研究这两种数据在水质监测中的可用性时发现；MERIS以705nm为中心的波段9很适合用来估算叶绿素a的浓度，但是利用模拟的MODIS数据得到的算法精度并不高。Sabine等把CASI数据和HyMap数据结合，对德国梅克莱堡州湖区水质进行了监测，为营养参数和叶绿素浓度的定量化建立了算法。

3水质遥感存在的问题与发展趋势

3.1存在的问题：①多数限定于定性研究，或进行已有的航空和卫星遥感数据分析，却很少进行定量分析。②监测精度不高，各种算法以经验、半经验方法为主。③算法具有局部性、地方性和季节性，适用性、可移植性差。④监测的水质参数少，主要集中在悬浮沉积物、叶绿素和透明度、浑浊度等参数。⑤遥感水质监测的波段范围小，多集中于可见光和近红外波段范围，而且光谱分辨率大小不等，尤其是缺乏微波波段表面水质的研究。

3.2发展趋势

3.2.1建立遥感监测技术体系。研究利用新型遥感数据进行水质定量监测的关键技术与方法，形成一个标准化的水安全定量遥感监测技术体系，针对不同类型的内陆水体，建立多种水质参数反演算法，实现实验遥感和定量遥感的跨跃，从中获得原始创新性的成果。

3.2.2加强水质遥感基础研究。加深对遥感机理的认识，特别是水质对表层水体的光学和热量特征的影响机理上，以进一步发展基于物理的模型，把水质参数更好的和遥感器获得的光学测量值联系起来；加深目视解译和数字图象处理的研究，提高遥感影象的解译精度；增强高光谱遥感的研究，完善航空成像光谱仪数据处理技术。

3.2.3开展微波波段对水质的遥感监测。常规水质遥感监测波段范围多数选择在可见光或近红外，尤其是缺乏微波波段表面水质的研究情况。将微波波段与可见光或近红外复合可提高对表面水质参数的反演能力。

3.2.4拓宽遥感水质监测项。现阶段水质遥感局限于某些特定的水质参数，叶绿素、悬浮物及与之相关的水体透明度、浑浊度等参数，对可溶性有机物、COD等参数光谱特征和定量遥感监测研究较少，拓宽遥感监测项是今后的发展趋势之一。应加强其他水质参数的光谱特征研究，以扩大水质参数的定量监测种类，进一步建立不同水质参数的光谱特征数据库。

3.2.5综合利用“3S”技术。利用遥感技术视域广，信息更新快的特点，实时、快速地提取大面积流域及其周边地区的水环境信息及各种变化参数；GPS为所获取的空间目标及属性信息提供实时、快速的空间定位，实现空间与地面实测数据的对应关系；GIS完成庞大的水资源环境信息存储、管理和分析。将“3S”技术在水质遥感监测中综合应用，建立水质遥感监测和评价系统，实现水环境质量信息的准确、动态快速，推动国家水安全预警系统建设。

参考文献：

[1]刘红；张清海；林绍霞；赵璐h；林昌虎.遥感技术在水环境和大气环境监测中的应用研究进展 [J].贵州农业科学，2013，（1）.

高光谱遥感技术及发展范文第3篇

【关键词】遥感FTIR；大气环境监测；新发展

随着我们国家经济社会的不断发展，大气环境的污染程度变得越来越严重，尤其是一些具有挥发性物质的污染，不仅严重影响了我们赖以生存的大气环境，还极大程度的危害着我们的身体健康，因此，无论是我们个人还是我们的国家都需要对其引起高度重视，采取一切措施对其实施科学的监测和治理。在对大气环境实施监测过程中，作为主要且科学有效的监测技术，遥感FTIR具有高度的分辨率以及灵敏度，可以在不知道被测对象的前提下进行多组分的同时测定，受到环境监测部门的广泛应用。

一、遥感FTIR的概念描述

通常情况下，环境监测部门采用的是定点取样法对大气的环境状况进行监测，然而，在定点取样法进行观测过程中，得到的观测数据只能单纯地反映较小范围内的大气环境污染的程度，无法实现观测样本点范围外的观测，所以此方法不能适用于大型监测区域的污染监测工作。而遥感FTIR技术作为近几年发展较快、运用较广的综合型探测技术，其使用过程不同于传统的定点取样法，一般不受区域限制，主要的优点如下：

（一）可以实现远距离的监测，遥感FTIR技术可以对远距离的大气污染物实施24小时不间断地监测（二）遥感FTIR技术可以对多组分的混合物进行分析，并且迅速的做出判定（三）遥感FTIR技术应用于大气监测时，可以略过取样等耗时、繁琐的手续（四）遥感FTIR技术对监测的区域面积没有特殊限制，且能够实现地面、高空的三维空间的大气环境监测。

现如今，随着我们国家对于遥感FTIR技术在大气环境监测中的应用的深入研究，遥感FTIR中有关于化学计量学以及被动式的遥感监测技术都取得了新的发展。

二、化学计量学在遥感FTIR光谱图的解析中的新研究成果

近几年，计量学的一些方法技巧逐步渗透于化学的各个方面，使得化学计量学逐渐趋于成熟，并在遥感FTIR光谱图的解析中得到越来越多的应用。常见的化学计量学模型有：人工神经网络、经典最小二乘法、偏最小二乘法、卡尔曼滤波法以及遗传算法等，下面我们利用这些化学计量学中的数学模型对遥感FTIR光谱图进行定性、定量地解析。

（一）对多组分信息实施定性、定量地分析

在实际操作中，我们分别利用经典最小二乘法、偏最小二乘法、卡尔曼滤波法以及人工神经网络对光谱图中出现的严重混合大气污染物实行定量地解析。通过分析的结果我们可以发现，这些方法都可以实现对混合型大气污染物的定量检测。同时，在大气污染物的定性鉴别中，我们首先通过偏最小二乘法对一些未知的干扰物进行鉴定，然后再通过人工神经网络对多组分的环境情况进行定量地解析。为了简化神经网络结构、缩短监测时间、减小监测误差，我们用偏最小二乘法对人工神经网络输入的信号实行变量提取，从而高效、准确地解析了遥感FTIR光谱图。与此同时，对于遗传算法这一化学计量模型来说，其不仅具有较高的求解能力以及优良的非线性特征，还是光谱图库中较好的计算机检索工具。

（二）遥感FTIR光谱图的特征信号的提取以及其噪声的处理

噪声的科学、有效的处理对遥感FTIR光谱图的解析具有重要意义，一般情况下，我们可以利用WA进行一定程度的遥感FTIR光谱图信号特征的提取，并且利用WA对信号实施分解时，可以在一定程度上滤除掉光谱图中的噪音干扰，从而突出有用信号的存在位置。通过最新研究发现，对于开路遥感FTIR光谱图的噪音来说，我们可以采用新型数据预处理法实现对噪音的彻底清除，该方法称之为正交信号校正，对其与二阶求导的预处理进行比较，可以得到下图，该图分别利用上述两个方法对以下七种气体的光谱图中的噪音干扰进行处理，得到处理前后的分析模型的误差结果如下：

通过上图的比较结果我们可以看出，利用正交信号校正法对光谱图处理以后分析模型误差为16.58%，比二阶求导处理后的平均误差37.94%要小得多，因此，正交信号校正在对光谱图中噪音的消除功能上具有显著的效果。

三、被动式遥感FTIR在大气环境的监测过程中的应用新成果

近几年，随着遥感FTIR技术的广泛应用，国内外的许多专家对被动式遥感FTIR技术在大气环境中的监测过程进行了大量的科学研究，并且通过研究发现，该技术能够较为准确的感测出热气体放射源所发出的红外辐射中的物理以及化学特性，从而探索出监测大气污染物的新发展方向。

被动式遥感FTIR监测技术的工作原理需要借助于大气污染物的不同温度，其特点是能够在背景信息缺乏的状态下，对任意方向实施数据的收集，避免了样品预处理工序，并且该监测技术可以实现对多种大气污染物的同时监测，不受时间和距离限制。要想熟练掌握被动式遥感FTIR技术并且将该技术有效应用于大气环境的监测过程中，这就要求我们不仅需要了解其工作原理、工作特点，还需要了解监测过程中仪器响应函数的规律。一般情况下，仪器的响应函数又被称为仪器的频率函数，对于不同的实验条件来说，其仪器的响应函数也是不同的，它通常与校正时的黑体温度的高低以及仪器接收信号的大小有关。

随着遥感FTIR法在大气环境监测中的不断发展，利用遥感FTIR法监测大气污染物的优势也逐渐被人们所知，在对大气中各种特殊污染气体实施遥感监测时，遥感FTIR法具有重要的使用价值，它可对各种红外源实行远距离的非接触型遥测；能够较为精确地提供在燃烧火焰里的激发态分子的转动或振动的详细信息；不需要对样品进行预处理并且可对多种燃烧产物实行同时检测；监测速度快、精度高；它还可以对光谱辐射的能量分布实行绝对监测。同时，由于反射望远镜的使用，可以在一定程度上实现远距离遥感监测燃煤的发电厂等一些大型污染性企业所排放的污染性气体。所有这些技术的发展以及普及，对实现大气环境的科学、有效监测提供了重要的知识帮助，有助于大气环境的保护。

四、结语

随着我们国家科学的高速发展以及人们对于遥感FTIR的不断认识，遥感FTIR法在大气环境的监测领域中得到越来越广泛的使用，我们知道，遥感FTIR法可以实现对大气污染物的实时、连续不间断以及多组分的监测，然而，由于我们国家对其研究和探讨起步较晚，对其在大气环境监测的应用技术掌握不熟练，因此，利用遥感FTIR法对大气环境进行监测的技术手段仍然需要进一步发展。随着时代以及科技的不断进步，我们坚信在不久的将来，遥感FTIR监测技术一定会得到更好的加强与推广。

参考文献

高光谱遥感技术及发展范文第4篇

[关键词]地质勘探 遥感技术 发展前景

[中图分类号] TP7 [文献码] B [文章编号] 1000-405X（2015）-9-265-1

遥感技术的出现在很大程度上提高了人类原本及其狭小的视野范围和视觉能力，带给了人类宏观、多角度、多层次看待地理事物的机会，遥感技术发展到当今社会，已经成为人们必不可少的一个地质勘查技术手段，对人类的地质调查、矿产查询都起着十分重要的作用。

1地质勘探中遥感技术的应用范围

1.1对于地质构造信息的获取

利用遥感技术进行相关的地质勘探工作最为主要的一个标志就是反映在相关的空间信息上。从地理环境所处的区域成矿线状影像图上就可以提取到许多十分重要的信息，包括酸性、碱性的岩体，火山形成的盆地，火山的构造以及热液活动等一系列的地理环境都可以为遥感系统提供许多重要的内容。当断裂是一个较为主要的控矿构造的时候，对于断裂地区的构造遥感信息的重点提取可以收获常规手段收获不到的内容。遥感技术在地质勘探中的成像过程中还有可能会产生“模糊作用”，常使用户感兴趣的线性型际，纹理等重要信息显得模糊不清，难以令相关的工作人员进行辨识工作，从而给遥感技术的进一步扩大使用留下了隐患。

1.2基于植被波谱的找矿意义

从生物的角度来说，在地下微生物和低下暗河的参与下，矿区内部的很多金属元素或者是金属矿物质都会引发矿区上层地质结构的构造变化，从而导致矿区上层地表覆盖土壤成分的变化。而在矿区上层地表覆盖有土壤的地方，往往生长着许多的植被，而这些植物对于金属元素都能够产生不同程度的吸收和聚集作用，进而影响到绿叶体内的叶绿素的含量，从而使得遥感卫星所观察到的植被波谱出现异常。在矿区上方生长的这些植物的变化在没有遥感技术之前，是很难被地质勘探的工作人员总结出来的，而遥感技术的出现在很大程度上帮助地质勘探工作有了一个更好的手段发现矿区构造。

1.3矿产改造信息的标志性

当矿区的主题矿床形成之后，受到矿床所在地区地理环境、地理空间位置变化的影响，往往会导致矿床的某些性状发生一个根本性的变化，从而导致地质勘查人员的工作难度增大。而通过遥感技术获取到的宏观遥感技术图像的对比，就可以十分轻易的研究出矿床的剥蚀改造作用，进而结合矿床进行成矿深度的详细研究。通过深入的研究区域内平面构造关系图和矿床位置的关系，就可以找到不同矿床在不同的区域构造图中的变化规律，进而建立一个较为完善的地质勘探标志体系，从而有利于后续开发工作的进展。

2地质勘探过程中遥感技术的发展前景

2.1高光谱数据及遥感微波的运用

高光谱技术是指集探测器技术、精密光学仪器、微弱信号检测、计算机技术等多种高精技术于一体的综合性技术，对于地质勘探工作效率的提升有着十分显著的作用。基于高光谱技术的遥感微波可以以纳米级的光谱分辨率，在完成的生成图像的同时记录下多达上百条的光谱数据通道。而从每个成像单元上提取出的光谱数据则可以建立一条连续的光谱曲线，从而进一步的实现了地理物理空间信息、辐射数据信息和光谱成像信息之间的同步，因此这种基于高光谱技术的遥感微波有着十分光明的应用前途和发展前景，我们应该充分的关注这种技术的发展，并不断的与自身的实际情况相结合，将其应用到自身的实际工作当中，为地质勘查工作做出应有的贡献。

2.2数据的融合

随着在地质勘探过程中遥感技术的不断发展，尤其是微波、多光谱等各种新型的传感器材的不断问世，他们开始以各种不同的空间尺度和时间周期以及光谱范围等多个方面反映出目标物品的各种特性，构成了同一地区的多源头数据链。但是相对于单源头的数据来说，这种多数据源头的数据形式可以在多个方面形成一个较为鲜明的对比，从而帮助地质勘探人员更好的完成相关地质勘探数据汇总工作，从而极大程度上提高了工作的准确性和效率。基于这方面的数据融合主要包括来自遥感卫星上个数据的融合处理，遥感数据和非遥感系统产生的数据融合处理。尽管在遥感技术中数据的融合取得了许多令人可喜可贺的进展，但是相对来说并不十分成熟的算法公式令数据的融合仍然存在着许多的问题。因此，在以后的工作中仍然需要地质勘探的相关工作人员不断的进行相关的补充和完善。

2.3图像接受、处理及信息提取技术的发展和完善

除了以上几个方面之外，遥感技术另外一个十分值得重视的发展方面就是要不断的提升遥感图像的接收成像能力、以及对于遥感系统所产生信息的提取和处理能力。而要想做好这个方面的遥感系统开发工作，则应该从以下方面入手，首先应该进一步发展具有高分辨率的传感器，以便能够接收更加微弱、更加细小的地质信息信号。其次，加强信息的提取方法还包括应该解决计算机处理的技术问题，如补偿信号在传递过程中的丢失以及失真，图像的不清晰成像等。这些问题都是十分值得重视的方面。另外，加强对于后备人才梯队的培养也是一个十分重要的方面，只有不断的提升地质勘探人员的技能素养，才能够满足相关技术的发展需求。

3结语

综上所述，在地质勘探的工作当中，遥感技术为其效率的提高和工作范围的扩大提供了强有力的支持并获得了极大的成功。遥感技术的直接应用是遥感信息的提取，遥感技术的间接应用范围更加广泛，包括对于地质构造信息的获取、基于植被波谱的寻矿等。因此，地质勘探行业的从业人员一定要从实际出发，不断的加强对于遥感技术的学习，以满足日益发展的地质勘探行业的要求。

参考文献

[1]党永峰.遥感技术在森林资源连续清查中的应用---以利用遥感技术分析森林植被、地类的动态变化为例[J].林业资源管理，2004，（06）：94-95.

高光谱遥感技术及发展范文第5篇

关键词遥感估产;类型;现状;展望

遥感起源于20世纪60年代,这是一种在一定距离上,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]。随着遥感技术的发展,宏观大尺度的估产越来越多地使用遥感方法,并结合地理信息系统和全球定位系统等技术,可以构建出不同条件下植被的生长模型和估产模型[2]。遥感技术估产与传统的估产方式相比,前者的工作量少,精准性更强,在实际应用中显示出了独有的优越性。前人做了大量有关运用遥感技术对作物、草地、森林及海洋生态系统的植被估产的研究。遥感估产已从试验研究阶段逐步进入到实际业务使用阶段。现探讨有关遥感估产的原理及估产模型的基本类型。

1遥感估产的原理及建模基础

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。相同的物体具有相同的波谱特征,不同的物体,其波谱特征也不同,遥感技术就是基于该原理,利用搭载在各种遥感平台上的传感器接收电磁波,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[1]。卫星遥感数据具有高度的概括性,卫星获取的光谱植被指数反映了植物叶绿素和形体的变化[3]。大量的研究也表明,植物的叶面积系数、生物量、干物重与光谱植被指数间存在着较好的相关关系[4]。wWW.133229.COM因此,利用从卫星获取的植被光谱信息估测产量成为了可能。用于区域植物生物量估测的遥感模型基础是从光合作用即植被生产力形成的生理过程出发,在建立模型的过程中,根据植物对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输,结合植被生产力的生态影响因子,最后在卫星接收到的信息之间建立完整的数学模型及其解析式[5]。

2遥感估产模型的类型

20世纪70年代后期估产模型将遥感信息作为变量加入到模型中,建立了大量的遥感估产模型。理论上探讨植物光合作用与植物光谱特征间的内在联系以及植物的生物学特性与产量形成的复杂关系等,方法上从单纯建立光谱参数与产量间的统计关系,发展到考虑植物生长的全过程,将光谱的遥感物理机理与植物生理过程统一起来,建立基于成分分析的遥感估测模型,使估算精度不断提高[6]。由于研究对象的不同,选用的估产参数也不尽相同,模型种类也较多,基本上可以分为2类[7-8],即统计模型和综合模型。

2.1遥感统计模型

目前,基于统计的遥感估产有3种技术路线:一是遥感光谱绿度值(植被指数)-生物量关系模式。在对作物、草原、森林的估产中,这是一种常用的思路,但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况;二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式,即先分析实测地物光谱绿度值与生物量之间的关系,建立相应模型,再分析卫星遥感植被指数与地物光谱绿度值的关系,建立卫星遥感植被指数与生物量之间的关系模型,最后利用光谱监测模型和卫星遥感监测模型进行监测与估产;三是遥感-地学综合模式。该方法将气温、降水等环境因子引入模型,与遥感-生物量模型互相补充,克服各自存在的缺陷,可进一步提高估产精度。建立的统计模型有线性、幂函数、指数、对数等,回归的方法也有一元回归、多元回归、逐步回归等,得到的系数差别较大,并且应用也局限于建模的时间和地点,在很多情况下地面资料的数也影响模型的精度。

2.2遥感综合模型

综合模型借助遥感信息和植被信息、气象因子等来建立,其包含了更多的信息量,可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔,但受到模型中大量的参数和变量获取的限制(例如呼吸、衰老、光合作用、碳分配、凋落物的分解等),以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响,部分模型只适用于当时的研究区域,如何通过“尺度扩大”来改进模式中的区域限制,更好地适应遥感信息的同化需要,也是亟需解决的一个关键问题。

3展望

遥感技术经过几十年的发展,已经日趋成熟,遥感估产的优点是可以得到长时间尺度和大空间尺度的生产力资料,因而它仍是未来生产力探测方法的发展方向。目前国际上对各类生态系统的估产模型有很多,建立的模型和所选择的数据源并不是任何时期、任何区域都适用,应该根据研究区域的实际情况来改进生物量模型和选择合适的遥感数据源。基于遥感技术的生物量估算需要运用多种技术,综合多种方法,使估算模型达到最优。新的数学方法的不断探索和试验是充分发挥遥感信息作用的前提和途径,数量化理论、神经网络方法、cwsi理论、灰色系统理论、数值模拟等

理论的尝试将可能实现高精度定量估测。

4参考文献

[1] 梅安新,彭望琭,秦其明,等.遥感导论[m].北京:高等教育出版社,2001.

[2] 李海亮,赵军.草地遥感估产的原理与方法[j].草业科学,2009,26(3):34-38.

[3] 冯奇,吴胜辉.我国农作物遥感估产研究进展[j].世界科技研究与发展,2006,28(3):32-36,6.

[4] 申广荣,王人潮.植被光遥感数据的研究现状及其展望[j].浙江大学学报,2001,27(6):682-690.

[5] 张佳华.生物量估测模型中遥感信息与植被光合参数的关系研究[j].测绘学报,1999,28(2):128-132.

[6] 赵英时.遥感应用分析原理与方法[m].北京:科学出版社,2003.

[7] 陶伟国,徐斌,杨秀春.草原产草量遥感估算方法发展趋势及影响因素[j].草业学报,2007,16(2):1-8.