高光谱遥感原理技术与应用范文第1篇

关键词：遥感水质监测遥感数据

1水体遥感监测的基本理论

1.1水体遥感监测原理、特点。影响水质的参数有：水中悬浮物、藻类、化学物质、溶解性有机物、热释放物、病原体和油类物质等。随着遥感技术的革新和对物质光谱特征研究的深入，可以监测的水质参数种类也在逐渐增加，除了热污染和溢油污染等突发性水污染事故的监测外，用遥感监测的水质数据大致可以分为以下四大类：浑浊度、浮游植物、溶解性有机物、化学性水质指标。

利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。

1.2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（如图）。

图1：遥感监测水质步骤简图

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。

SPOT地球观测卫星系统，较陆地卫星最大的优势是最高空间分辨率达10m。SPOT数据应用于水质研究中，学者们也做了一些研究。如可以利用SPOT数据来估算悬浮物质浓度和估计藻类生物参数。

AVHRR(高级甚高分辨率辐射计)是装载在NOAA列卫星上的传感器，每天都可以提供可见光图像和两幅热红外图像，在水质监测等许多领域广泛应用，如1986年，国家海洋局第二海洋研究所用NOAA数据对杭州湾悬浮固体浓度进行了研究。

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LandsatETM 、EO--1ALI、MODIS，欧空局的EnvlsatMERIS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提高水质遥感监测精度。研究表明利用遥感进行水质参数反演，其反演精度、稳定度、空间可扩展性受遥感波段设置影响较大，利用星载高光谱数据进行水质参数反演，对其上百的波段宽度为10nm左右的连续波段与主要水质参数的波谱响应特性进行研究，确定水质参数诊断性波谱及波段组合，形成构造水质参数遥感模型和反演的核心技术，提高水质监测精度。

3.2.6扩展水质遥感监测模型空间。系统深入的研究水质组分的内在光学特性，利用高光谱数据和中、低分辨率多光谱数据进行水质遥感定量监测机理研究，进行水质组分的

定量提取和组分间混合信息的剥离，消除水质组分间的相互干扰，建立不受时间和地域限制的水质参数反演算法，形成利用中内陆水体水质多光谱遥感监测方法和技术研究低分辨率遥感数据进行大范围、动态监测的遥感定量模型。

3.2.7改进统计分析技术。利用光谱分辨率较低的宽波段遥感数据得到的水质参数算法精度都不是很高，可以借鉴已在地质、生态等领域应用的混合光谱分解技术，人工神经网络分类技术等，充分挖掘水质信息，建立不受时间和地域限制的水质参数反演算法，提高遥感定量监测精度。

3.2.8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]张继贤，乔平林.水资源环境遥感监测与评价[M].北京:测绘出版社，20__.

[2]谢欢，童小华.水质监测与评价中的遥感应用[J].遥感信息，20__.

[3]齐峰，王学军.内陆水体水质监测与评价中的饿遥感应用[J].环境科学进展，1999.

[4]解亚龙，李勃，王星捷等.滇池悬浮物污染丰度的遥感检测分析[J].昆明理工大学学报，20__.

[5]张海林，何报寅.遥感应用于湖泊富营养化评价的研究[J].上海环境科学，20__.

[6]刘灿德，何报寅.水质遥感监测研究进展[J].世界科技研究与发展，20__.

[7]万余庆，张凤丽，闫永忠.高光谱遥感技术在水环境监测中的应用研究[J].国土资源遥感，20__.

[8]周艺，周伟奇，王世新等.遥感技术在内陆水体水质监测中的应用[J].水科学进展，20__.

[9]李嵘.遥感技术在水环境监测中的应用研究[J].江西化工，20__.

[10]顾先冰，司群英.国内外遥感卫星发展现状[J].航天返回与遥感，20__.

作者简介：

高光谱遥感原理技术与应用范文第2篇

关键字：遥感;GIS;高光谱;成矿预测

Abstract: as the society increasingly progress, increasing demand for minerals prospecting and increasing the level of difficulty, information ore-prospecting more and more applied in practice. This paper summarized the RS and GIS roughly in the present situation of the application of geology, the predecessor's research achievement, and on the basis of summarization of metallogenic prediction and RS and GIS inseparable relationship.

Keyword: remote sensing; GIS; Hyperspectral; Metallogenic prediction

中图分类号：O741+.2文献标识码：A 文章编号：

1引言

矿产资源是人类赖以生存和发展的物质基础，随着社会经济和科学技术的不断进步以及人口的增长，矿产品的消费量与日俱增，但是矿产勘查与开发难度的加大而导致的资源紧缺已成为制约全球社会与经济“可持续发展的”的关键因素。随着地表矿、浅部矿及易识别矿的日趋减少而导致的找矿难度的加大和找矿成本的提高,矿产勘查经历了由经验找矿、理论找矿和技术找矿的漫长经历后，进入了目前的信息化找矿时代。“信息化”是地质学发展的水平关键，地质学信息化水平的高低是衡量地质学现代化水平和发展潜力的重要标志。信息找矿战略目标是以地质空间多元信息库为支撑，以GIS为平台，发展新一轮矿产资源定量评估方法模型，为我国矿产资源评价提供方法技术支撑。

2RS在成矿预测中的应用

2.1 国内外研究现状

“遥感是20世纪中后期发展起来的新兴学科，遥感技术的发展，揭开了人类从外层空间观测地球、探索宇宙的序幕，为我们认识国土、开发资源、研究环境、分析全球变化找到了新的途径”。

最近几年，高空间分辨率的陆地卫星遥感传感器层出不穷，随着遥感数据获取技术的提高，遥感数据的处理技术也得到了很大的发展，特别是在遥感信息处理的全数字化、可视化、智能化和网络化方面有了很大的变化和创新。美国地质调查所（USGS）地壳成像与特性分析研究组是主要开展基础性、前瞻性遥感新技术研究的科研部门。近年来，其遥感项目研究重点之一就是在铀矿区、钼矿区和斑岩铜矿区，开展矿物学和稳定同位素化学与遥感数据相融合的地球探测新技术的研究、应用与推广，并初步建立了相应的光谱解译软件和数据库系统。

我国在上述研究领域开展的工作包括：鄂尔多斯盆地、塔里木盆地、腾冲盆地等砂岩型铀矿区及江西桃山花岗岩型铀矿田等主要成矿带，基于地面高光谱测量、航天高光谱（Hyperion）和高空间分辨率（Quickbird）遥感影像处理与光谱匹配技术，结合航空放射性测量数据分析，提取了主要铀成矿要素的光谱信息，从遥感物理学、空间信息科学、地质学等多个角度，综合分析铀矿床产出的空间信息特征，为铀成矿远景区预测提供遥感新技术新方法。国土资源部航测遥感中心在驱龙、新疆东天山及江西德兴等地区开展了高光谱矿物填图、找矿预测及矿山环境评价等方面的示范性研究工作，取得了理想科研成果。

2.2 遥感图像的预处理

无论是原始单波段图像还是RGB彩色图像，其色调对比度不大，灰度比较集中，遥感影像层次比较少，色彩不丰富，明亮度和饱和度较低，影像分辨力和解译力均很差，不适宜直接用于地质解译。我们必须对其进行预处理，一般来说常会用到的预处理内容包括几何校正、数据融合、遥感数据的辐射匹配、遥感影像镶嵌、子区选取、图像增强处理等等。

遥感图像预处理的目的就是要突出图像中的有用信息，扩大不同影像特征之间的差别，以提高图像质量和突出所需信息，有利于分析判读或作进一步的处理。在实际应用中，可以根据研究对象需解决的问题及图像本身的信息特征，通过基本的图像增强处理方法提高其目视效果，并且通过反差扩展、中值滤波、空间滤波等方法，对图像色调较暗、阴影较多以及不易对其进行结构解译的图像进行处理，使其结构层次鲜明，特别是阴影的噪声能够缓解，构造的解译度明显提高。

2.3高光谱特征研究

高光谱分辨率数据使遥感技术步入可以同时获取地球表面物质成分信息和空间分布特征信息的新阶段。目前，常用的遥感图像资料主要包括TM图像、SPOT图像、MSS图像和雷达图像等，随着现代科技的不断发展，遥感技术水平的不断提高，遥感图像的波谱分辨率有了很大的提高。

野外地物波谱测量数据是遥感应用的基础。高光谱分辨率数据具有图谱合一的特点，因此，野外地物波谱测量数据对航空高光谱数据的处理和解释尤其重要。光谱图像的最大特点是可以提取每个像元的光谱曲线以便和标准的、已知的光谱曲线进行对比和匹配研究，从而直接识别矿物，提取岩性、蚀变、矿化等信息。现如今，越来与多的学者投入到铀成矿的波谱研究中，他们根据可见光—热红外波段的波谱信息，通过高光谱特征分析，建立其光谱识别标志。

通过主要岩体的光学特性分析，可以得出从老至新不同期次岩体光谱特征出现规律性变化，根据这些典型光谱特征，可以进行不同期次岩体的光谱识别，并通过遥感制图圈定其空间分布范围，为铀资源勘查提供基础地质数据；通过控矿断裂带光谱学特征分析，可以对比得出石英在含水、风化、典型等形态下的光谱吸收峰的范围，为地区成矿预测提供最为直接的光谱数据；碱交代可能是某些研究区最为发育的热液蚀变，所以，通过矿化蚀变带光谱学特征分析，可以说明碱交代岩随着蚀变程度增加，原因是石英含量的减少。综上所述，依据热液蚀变带、控矿断裂带及成矿岩体等铀成矿要素的可见光—热红外的反射和发射吸收光谱特征，通过高光谱地质填图技术，可以圈定各种铀成矿要素的空间分布，为铀成矿预测提供技术支撑。

3GIS在成矿预测中的应用

在以往的铀资源勘查中，已经积累了海量的地质、物探、化探、遥感和水文等多源地学信息，而且伴随着近年来铀资源勘查力度的不断加大，信息的积累呈现出快速增长的态势。GIS技术的出现和不断推广使用，使得铀矿勘查信息处理和分析过程从传统的、人工的、离散的时代，进入现代的、数字化的、多源信息综合的时代。在铀资源勘查评价领域，GIS提供了在计算机辅助下对地质、地理、地球物理、地球化学和遥感等多源地学信息进行集成管理、有效综合与分析的能力，成为改变传统铀矿资源评价方法的强有力工具。

高光谱遥感原理技术与应用范文第3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.

高光谱遥感原理技术与应用范文第4篇

关键词：图像融合； ASTER ；SPOT5

Abstract: by using the PANSHARP algorithm, the ASTER15 band and SPOT5 panchromatic band fusion, in improving the image resolution at the same time, the greatest degree of retaining the original image information. Provides remote sensing image of high quality for land resource survey.

Keywords: image fusion; 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2.5 m，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15 m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2.5 m,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2 ASTER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]John R．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

高光谱遥感原理技术与应用范文第5篇

摘要：对20世纪90年代后期国内外遥感应用技术的发展进行了分析，从水文地质调查及水资源评价、地下水资源管理、地下热水勘查、大型工程选线选址、地质环境监测评价等方面介绍了遥感应用技术的新进展。

关键词：遥感 环境 地质进展

20世纪末，随着传感器技术、图像处理技术、计算机技术的发展，遥感技术在水文地质、工程地质、环境地质(水工环)领域的应用取得了，长足的发展，涌现出一批新的技术方法，使遥感技术在该领域的应用实现了定量评价，解译成果发生了质的变化 突出表现在3s技术日臻成熟．数字高程模型(DEM)及有关概念模型、统计模型等应用得到深人，出现热红外图像地面温度反演方法和高光谱图像的光谱分析技术以及遥感技术与物探技术联合方法等。现就该领域国内外遥感应用技术在以下方面的新进展概述如下：

一、水文地质调绘及水资源评价

很多研究已表明了应用遥感图像进行填图及定性、定量评价的可能性 更近一段时期，人们开始利用各种模型及GIS技术来表征单元体的水文地质作用过程，以便进行水文地质填图、寻找地下水源及地下水资源评价 这中间除了应用GIS及各种模型以外，还出现了遥感技术与物探技术紧密结合的新方法。

印度运用卫星图像研究水地貌，用垂向电测深(VES)及地面地质研究岩层裂隙，指出了在印度普鲁利亚地区4种不同找水前景的水地貌区。在罗斯托夫东部地区，应用空间图像的地质、构造解译结果，通过植被指示在解译主题图上绘制矿化度分级．导出该区地下淡水分布预测图 谭克龙等人在内蒙古巴彦宝力格地区，运用地面波谱测试，确定TM4、3、2为最佳组台波段的解译主要成图图像，利用TM6热红外图像提取地下水信息，用SPOT多光谱台成图像进行遥感水文地质调绘，通过专题图像处理、景观水文地质解译对比及水文地质条件分析、调绘，采用大气降水人渗模型和河水渗漏模型计算了地下水天然补给量，圈定出有供水前景的富水区2块，远景富水区1块。最近，法国和比利时联合在非州吉布提市用SPOT图像辅助找水，初步确定该市南部最有找水前景后，快速评价该区可再生资源和定出井位，建立l0 m、20 112网距的数字高程模型DEM 模拟地表排泄网并确定：① 每个排泄流域和子流域；② 沿每一水道各点的水流量；③ 每个千谷平均河道面积。运用地质数据、含水层水文地质数据（固有流速）和降雨地表水文数据在G1S上进行整理，评价丰水期的渗入量，并根据裂隙的方向和性质组合，确定60个井位．为占布提市提供1200万吨/年以上的水源地。

二、地下热水勘查

用热红外遥感方法勘查地下热水资源的效果良好。在饱水带的压力作用下，深部地下热水上溢流人相对冷的山谷或河流中， 这种现象在大比例尺的热红外影像上可以识别。 山西乔玉良等人用TM6图像，经HIS彩色变换处理，发现山西省忻州奇村和定襄县上汤头两处温泉，在处理后的图像上．随地温升高，色调按绿、青、兰、紫、红变化。美国Raymond F.Kokaly等人运用AVIRIS (航空可见光/红外成像光谱仪)高光谱图像。对黄石国家公园的地热系统和生态系统作了调查成图。B．A．Martini等人则运用AVIRIS图像，在地面渡谱测试的基础上，分析了地热系统的地植物特征，为其它地区地热勘探得出宝贵经验。

三、大型工程选线选址

大型工程需要解决较多的工程地质问题． 一般来说，遥感技术可以根据工程地质条件不同，针对性查明：① 岩土体特征 包括岩性、结构构造、岩相、厚度及变化规律、岩体T程地质特征及风化特征．并特别重视特殊土如软弱粘性土、胀缩性土、湿陷l生土、冻土、易液化饱和砂土等的调查；② 外动力地质现象及灾害地质现象的分布及稳定性评价．如崩塌、滑坡、泥石流、岩溶塌陷、采空区等；⑨ 断层破碎带的分布及活动断层的活动性等巴西运用光谱反射率调查表层土体特征，通过实验室光谱测定、光谱数据解译及统计分析建立土体调查图，结果好于1：10万的半详勘图。美国R．Iuna等人研究了土体中水和有机物含量， 通过实验室光谱测定建立光谱数据库， 目的是供遥感图像在大气校正、监督分类等图像处理时创建处理程序和用遥感数据预见地表场地条件，为工程项目选址所用。胡佩基等人应用航空摄影测量、航卫片解译分析、GPS技术、DEM 研究了高原山区高等级公路的勘测设计利用卫星数据结台野外研究，评价 印度喜玛拉雅东部地区小水电集中建设、规划区斜坡不稳定的地貌、构造因素。

四、地质环境监测评价