高光譜遙感技術在地質調查中的應用課件

《高光譜遙感技術在地質調查中的應用課件》由會員分享，可在線閱讀，更多相關《高光譜遙感技術在地質調查中的應用課件（43頁珍藏版）》請在裝配圖網上搜索。

1、7.5 7.5 高光譜遙感的應用高光譜遙感的應用組長：王磊組員：王亞紅、劉正如、王智娟、陸寶麗、錢朝、束欣欣高光譜遙感定義：高光譜遙感定義：高光譜遙感是在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內，利用成像光譜儀獲取許多非常窄的光譜連續的影像數據的技術。高光譜遙感具有較高的光譜分辨率，通常達到102數量級。高光譜遙感技術簡介高光譜遙感技術簡介 高光譜遙感技術是近些年來迅速發展起來的一種全新的遙感技術,它是集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的綜合性技術。在成像過程中,它利用成像光譜儀以納米級的光譜分辨率,以幾十或幾百個波段同時對地表地物成像,能夠獲得

2、地物的連續光譜信息,實現了地物空間信息、輻射信息、光譜信息的同步獲取,因而在相關領域具有巨大的應用價值和廣闊的發展前景。同其他常用的遙感手段相比,成像光譜儀獲得的數據具有以下特點:波段多;光譜分辨率高;相鄰波段的相關性高,數據冗余大;空間分辨率較高。高光譜遙感由于具有很高的光譜分辨率,因而能夠提供更為豐富的地面信息。其正在受到國內外的廣泛關注,并在諸如農業、海洋、林業、軍事、宇宙和天文學等領域發揮著越來越重要的作用,越來越多的地物因子可以用高光譜數據反演,而且精度不斷提高。筆者主要介紹高光譜遙感在植被信息提取研究中的進展和應用展望。高光譜具有的特點：高光譜具有的特點：1.坡段多，波段寬度窄2.

3、光譜響應范圍廣，光譜分辨率高3.可提供空間域信息和光譜域信息4.數據量大，信息冗余多5.數據描述模型多，分析更加靈活1.坡段多，波段寬度窄。成像光譜儀在可見光和近紅外光譜區內有數十甚至數百個波段。與傳統的遙感相比，高光譜分辨率的成像光譜儀為每一個成像像元提供很窄的（一般為10nm)成像波段，波段數與多光譜遙感相比大大增多，在可見光和近紅外波段可達幾十到幾百個，且在某個光譜區間事連續分布的，這不只是簡單的數量的增加，而是有關地物光譜空間信息量的增加。2.光譜響應范圍廣，光譜分辨率高。成像光譜儀響應的電磁波長從可見光延伸到近紅外，甚至到中紅外。成像光譜儀采用的間隔小，光譜分辨率達到納米級，一般為1

4、0nm左右。精細的光譜分辨率反映了地物光譜的細微特征。3.可提供空間域信息和光譜域信息，即“譜像合一”，并且由成像光譜儀得到的光譜曲線可以與地面實測的同類地物光譜曲線相類比。在成像高光譜遙感中，以波長為橫軸，灰度值為縱軸建立坐標系，可以使高光譜圖像中的每一個像元在各通道的灰度值都能產生一條完整、連續的光譜曲線，即所謂的“譜像合一”。4.數據量大，信息冗余多。高光譜數據的波段眾多，其數據量巨大，而且由于相鄰波段的相關性高，信息冗余度增加。5.數據描述模型多，分析更加靈活。高光譜影像通常有三種描述模型：圖像模型、光譜模型與特征模型。高光譜遙感應用在哪些方面：高光譜遙感應用在哪些方面：一、高光譜遙感

5、在地質調查中的應用二、高光譜遙感在植被研究中的應用三、高光譜遙感在其他領域中的應用 高光譜地質應用的歷史 國內外高光譜地質應用技術與方法 國內外高光譜地質應用主要進展 高光譜地質應用的領域與實例 存在的主要問題一、高光譜遙感在地質調查中的應用一、高光譜遙感在地質調查中的應用高光譜地質應用的歷史高光譜地質應用的歷史 從 20 世紀 70 年代末至 80 年代初美國提出高光譜遙感概念模型并研制成像光譜儀以來，世界各國進行高光譜遙感的應用。80 年代以來，高光譜遙感被廣泛地應用于地質、礦產資源及相關環境的調查中。我國在20世紀80年代末開展了高(成像)光譜技術的研究,取得了極大的進展國內外高光譜地質

6、應用技術與方法1.光譜微分技術（spectral derivative）2.光譜匹配技術（spectral matching）3.混合光譜分解技術（spectral unmixing）4.光譜分類技術(spectral classification)5.光譜特征提?。╯pectral feature extraction）6.模型方法（modeling）1.光譜微分技術光譜微分技術 包括對反射光譜進行數學模擬和計算不同階數的微分(差分)值，以確定光譜彎曲點和最大最小反射率的波長位置。光譜微分強調曲線的變化和壓縮均值影響。一階微分去除部分線性或接近線性的背景、噪聲光譜對目標光譜（須為非線性的）的

7、影響。2.光譜匹配技術光譜匹配技術 是對地物光譜和實驗室測量的參考光譜進行匹配或地物光譜與參考光譜數據庫比較，求得它們之間的相似或差異性，一達到識別的目的。兩個光譜曲線的相似性常用計算的交叉相關系數及繪制交叉相關曲線圖來確定。3.混合光譜分解技術混合光譜分解技術 用以確定在同一像元內不同地物光譜成分所占的比例或非已知成分。因為不同地物光譜成分的混合會改變波段的深度，波段的位置，寬度，面積和吸收的程度等。這種技術采用矩形方程，神經元網絡方法以及光譜吸收指數技術等，求出在給定像元內各成分光譜的比例。4.光譜分類技術光譜分類技術 主要的方法包括傳統的最大似然方法、人工神經網絡方法、支持向量機方法和光

8、譜角制圖方法（Spectral Angel Map-per,SAM）。5.光譜維特征提取方法光譜維特征提取方法 可以按照一定的準則直接從原始空間中選出一個子空間；或者在原特征空間之間找到某種映射關系。這一方法是以主成分分析為基礎的改進方法。6、模型方法、模型方法 是模型礦物和巖石反射光譜的各種模型方法。因為高光譜測量數據可以提供連續的光譜抽樣信息，這種細微的光譜模型特征是模型計算一改傳統的統計模型方法建立起確定性模型方法。因而，模型方法可以提供更有效和更可靠的分析結果。國內外高光譜地質應用主要進展 多層次的高光譜信息獲取體系 基于高光譜數據的礦物精細識別 高光譜影像地質環境信息反演 基于高光譜

9、遙感的行星地質探測多層次的高光譜信息獲取體系多層次的高光譜信息獲取體系地面光譜儀主要有澳大利亞的 PIMA，美國的 ASD、GER、熱紅外 FT-IR；機載成像光譜儀：美國的 VIRIS、澳大利亞的 HyMap、加拿大的 CASI 系列等；中科院開發的機載 OMIS 系列、PHI、干涉成像光譜儀。星載成像光譜儀美國的 Hyperion，德國的 EnMAP 和日本的 Hyper-X。在外星探測中，有火星探測 熱紅外高光譜儀等，中國和印度的探月計劃中也將搭載高光譜儀?；诟吖庾V數據的礦物精細識別基于高光譜數據的礦物精細識別 利用高光譜遙感（含熱紅外高光譜）進行礦物識別可分為 3 個層次：礦物種類識

10、別 礦物含量識別 礦物成分識別高光譜影像地質環境信息反演高光譜影像地質環境信息反演 在礦物識別和礦物精細識別的基礎之上，根據礦物共生組合規律和礦物自身的地質意義指示作用，直觀地反演各種地質因素之間的內在聯系，可提高高光譜在地質應用中分析和解決地質問題的效能?；诟吖庾V遙感的行星地質探測基于高光譜遙感的行星地質探測 1996 年美國的火星探測器 Mars Global Sur-veyor 2003 歐空局的火星探測器 2007年中國發射的月球探測衛星嫦娥一號 2008年印度月船一號探月衛星 探測火星、月球的礦物種類及其分布、含量，研究水體的存在和演化高光譜地質應用的領域高光譜地質應用的領域1.高

11、光譜地質成因信息探測研究2.高光譜成礦預測研究3.高光譜植被重金屬污染探測4.蝕變礦物與礦化帶的探測5.高光譜礦山環境分析研究6.油氣資源及災害探測1.高光譜地質成因信息探測研究高光譜地質成因信息探測研究 根據高光譜所識別出的礦物共生組合的關系進行地質成因環境分析 根據高光譜對礦物組成成分信息的探測來分析地質成因環境2.高光譜成礦預測研究高光譜成礦預測研究 在巖體侵位以及地質構造等地質作用下,熱液侵入、物質置換等使源于礦體的礦物質發生擴散作用，這些成分的變化在礦物光譜中有著或強或弱的表現，通過對這些細微的變化的探測，實現對地質作用演化信息的探測。3.高光譜植被重金屬污染探測高光譜植被重金屬污染

12、探測 植被在可見光波段（400685 nm）的光譜主要受葉色素（葉綠素、葉黃素、胡蘿卜素）的控制，其中以葉綠素的影響最大。在680750 nm 區間急劇上升形成一個發射陡坡，稱為“紅邊”。重金屬改變或破壞葉細胞的結構，造成光譜紅邊的斜率和位置發生變化。葉綠素含量的減少會造成紅邊向短波方向位移，稱為藍移。植被生物變異特征在譜學上重點表現為光譜紅邊的“紅移”(健康,生長旺盛)和“藍移”(不發育,中毒等)。利用高光譜對植物光譜的“精細”結構和變異的探測和分析,可以定量、半定量地提取與估計植被生物物理和生物化學參數,快速且定量地評價冠層結構、狀態或活力,冠層水文狀態,估計冠層生物化學成分。4.蝕變礦物

13、與礦化帶的探測蝕變礦物與礦化帶的探測 通過蝕變帶和蝕變礦物的識別，并結合相關的地質資料，找尋潛在的礦產。主要用于：熱液蝕變礦物組合探測與成礦分析 金礦礦區蝕變巖石信息提取 銅礦礦區識別與探測 鈾礦礦區探測等5.高光譜礦山環境分析研究高光譜礦山環境分析研究 利用高光譜的技術優勢快速且有效地直接識別與提取出污染源的種類、類型，并分析其潛在的污染趨勢。對礦山環境進行監測。例如：歐盟礦區環境影響評價與監測 （MINEO 計劃）6.油氣資源及災害探測油氣資源及災害探測 油氣微滲漏探測 油氣管線監測 石油泄漏探測高光譜遙感地質研究中存在的主要問題1.數據源匱乏2.缺針對性強的數據處理方法3.無成型的專用軟

14、件平臺4.人員培訓力度不夠二、高光譜遙感在植被研究中的二、高光譜遙感在植被研究中的應用應用 植被具有獨特的光譜特征且在植被遙感研究中，較多的研究有植被類型的識別與分類，植被制圖，土地覆蓋利用變化的探測，生物物理和生物化學參數的提取與估計等。在這方面已可以將研究精度提高到對植物葉子內的氮、磷、鉀、糖類、淀粉、蛋白質、氨基酸、木質素、纖維素及葉綠素等的估測，評價植物長勢和估計陸地生物量。植被遙感研究的分析方法，除了應用于地質分析中的一些方法外，主要有以下幾種技術：1、多元統計分析技術、多元統計分析技術 用原始的光譜反射率或經微分變換、對數變換、植被指數變換或其他數學變換后的 數據作為自變量，以葉面

15、指數、生物量、葉綠素含量等作為因變量，建立多元回歸預測模型來估計或預測生物物理模型和生物化學參數。2、基于光譜波長位置變量的分析技術、基于光譜波長位置變量的分析技術 是根據波長或其他參數的變換量為自變量，求得與因變量的關系來估計因變量。3、光學模型方法、光學模型方法 是基于光學輻射傳輸理論的模型。4、參數成圖技術、參數成圖技術 根據所選擇的預測模型，通過高光譜影像對每個像元計算單參數預測值，并將其分類后成圖。三、高光譜遙感在其他領域中的三、高光譜遙感在其他領域中的應用應用1.大氣遙感2.水文與冰雪3.環境與災害4.土壤調查5.城市環境大氣遙感：大氣遙感：是指大氣探測儀器與被探測大氣在相隔一定距

16、離的情況下，通過某種輻射波在大氣中傳播所獲得的信息來反演大氣參數的一種大氣探測方法。大氣遙感技術的應用，使人們能夠在更為廣闊的空間（乃至全球）獲取大氣的多種信息，使大氣探測進入了一個嶄新的發展階段。這一發展階段以20世紀40年代微波雷達的采用，60年代衛星遙感和激光雷達的采用為標志，至今已經取得了迅速的發展和廣泛的應用。水文與冰雪：水文與冰雪：利用高光譜成像光譜儀可以測定沿海，江河，湖泊中的葉綠素，浮游生物，有機質，懸浮物，水生植物等以及它們的分布。例如：利用AVIRIS數據研究美國Tahoe胡的葉綠素濃度和湖底深度制圖。環境與災害：環境與災害：高光譜圖像可以用來探測危險環境因素。例如：編制酸

17、性礦物分布圖，特殊蝕變礦物分布圖，評價野火危險的等級等。利用多種航空航天遙感資料，普通遙感與高光譜遙感數據結合探測火災發生地點以及其他與燃燒現象有關的地表生物量，燃燒的后果，地表組成及更新情況。土壤調查：土壤調查：高光譜土壤遙感可以提供土壤表面狀況和性質的空間信息，空間差異性。但由于土壤性質的空間變化是連續的，土壤表面覆蓋使土壤調查調查與監測比較困難。高光譜分辨率數據和高空間分辨率數據相結合的光譜混合模型，可以描述地表組分數量和分布特征。例如：將干草和綠色植被從和土壤有關的細微地表光譜成分中區分開。城市環境：城市環境：高光譜和高空間分辨率遙感數據的結合，有可能細分出城市地物和人工目標。例如：結合特征提取技術，采用“分級掩?！?，逐級分類再作復合處理成圖，在城市地物區分過程中很有成效。但是，總的來說城市環境遙感方面的工作還有待深入研究。結束語：結束語：高光譜遙感以其光譜分辨率高、圖譜合一的特點受到了國內外研究者的廣泛關注。從二十世紀八十年代到現在的二十年中，無論在成像光譜儀等硬件方面還是在圖像處理系統等軟件方面都得到了迅速的發展。高光譜遙感的發展歷史雖然只有短短的十年左右的時間，但在很多國家、許多領域已得到了越來越廣泛的應用。目前主要應用于植被生態、大氣、地質、海洋、農業等領域。