高光谱遥感技术在地质调查中的应用课件.ppt

1、7.5 7.5 高光谱遥感的应用高光谱遥感的应用组长：王磊组员：王亚红、刘正如、王智娟、陆宝丽、钱朝、束欣欣高光谱遥感定义：高光谱遥感定义： 高光谱遥感是在电磁波谱的可见光、近红外、中红外和热红外波段范围内，利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。高光谱遥感具有较高的光谱分辨率，通常达到102数量级。高光谱遥感技术简介高光谱遥感技术简介 高光谱遥感技术是近些年来迅速发展起来的一种全新的遥感技术,它是集探测器技术、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的综合性技术。在成像过程中,它利用成像光谱仪以纳米级的光谱分辨率,以几十或几百个波段同时对地表地物成像,能够获

2、得地物的连续光谱信息,实现了地物空间信息、辐射信息、光谱信息的同步获取,因而在相关领域具有巨大的应用价值和广阔的发展前景。同其他常用的遥感手段相比,成像光谱仪获得的数据具有以下特点:波段多;光谱分辨率高;相邻波段的相关性高,数据冗余大;空间分辨率较高。高光谱遥感由于具有很高的光谱分辨率,因而能够提供更为丰富的地面信息。其正在受到国内外的广泛关注,并在诸如农业、海洋、林业、军事、宇宙和天文学等领域发挥着越来越重要的作用,越来越多的地物因子可以用高光谱数据反演,而且精度不断提高。笔者主要介绍高光谱遥感在植被信息提取研究中的进展和应用展望。高光谱具有的特点：高光谱具有的特点：1.坡段多，波段宽度窄2

3、.光谱响应范围广，光谱分辨率高3.可提供空间域信息和光谱域信息4.数据量大，信息冗余多5.数据描述模型多，分析更加灵活1.坡段多，波段宽度窄。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。与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像像元提供很窄的（一般为10nm)成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间事连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。2.光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。成像光谱仪采用的间隔小，光谱分辨率达到纳米级，一般为

4、10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。3.可提供空间域信息和光谱域信息，即“谱像合一”，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。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生一条完整、连续的光谱曲线，即所谓的“谱像合一”。4.数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。5.数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。高光谱遥感应用在哪些方面：高光谱遥感应用在哪些方面：一、高光谱遥

5、感在地质调查中的应用二、高光谱遥感在植被研究中的应用三、高光谱遥感在其他领域中的应用 高光谱地质应用的历史 国内外高光谱地质应用技术与方法 国内外高光谱地质应用主要进展 高光谱地质应用的领域与实例 存在的主要问题一、高光谱遥感在地质调查中的应用一、高光谱遥感在地质调查中的应用高光谱地质应用的历史高光谱地质应用的历史 从 20 世纪 70 年代末至 80 年代初美国提出高光谱遥感概念模型并研制成像光谱仪以来，世界各国进行高光谱遥感的应用。 80 年代以来，高光谱遥感被广泛地应用于地质、矿产资源及相关环境的调查中。 我国在20世纪80年代末开展了高(成像)光谱技术的研究,取得了极大的进展国内外高光

6、谱地质应用技术与方法1.光谱微分技术（spectral derivative）2.光谱匹配技术 （spectral matching）3.混合光谱分解技术（spectral unmixing）4.光谱分类技术(spectral classification)5.光谱特征提取（spectral feature extraction）6.模型方法（modeling）1.光谱微分技术光谱微分技术 包括对反射光谱进行数学模拟和计算不同阶数的微分(差分)值，以确定光谱弯曲点和最大最小反射率的波长位置。 光谱微分强调曲线的变化和压缩均值影响。 一阶微分去除部分线性或接近线性的背景、噪声光谱对目标光谱（须为

7、非线性的）的影响。2.光谱匹配技术光谱匹配技术 是对地物光谱和实验室测量的参考光谱进行匹配或地物光谱与参考光谱数据库比较，求得它们之间的相似或差异性，一达到识别的目的。两个光谱曲线的相似性常用计算的交叉相关系数及绘制交叉相关曲线图来确定。3.混合光谱分解技术混合光谱分解技术 用以确定在同一像元内不同地物光谱成分所占的比例或非已知成分。因为不同地物光谱成分的混合会改变波段的深度，波段的位置，宽度，面积和吸收的程度等。这种技术采用矩形方程，神经元网络方法以及光谱吸收指数技术等，求出在给定像元内各成分光谱的比例。4.光谱分类技术光谱分类技术 主要的方法包括传统的最大似然方法、人工神经网络方法、支持向

8、量机方法和光谱角制图方法（Spectral Angel Map-per, SAM）。5.光谱维特征提取方法光谱维特征提取方法 可以按照一定的准则直接从原始空间中选出一个子空间；或者在原特征空间之间找到某种映射关系。这一方法是以主成分分析为基础的改进方法。6、模型方法、模型方法 是模型矿物和岩石反射光谱的各种模型方法 。因为高光谱测量数据可以提供连续的光谱抽样信息，这种细微的光谱模型特征是模型计算一改传统的统计模型方法建立起确定性模型方法。因而，模型方法可以提供更有效和更可靠的分析结果。国内外高光谱地质应用主要进展 多层次的高光谱信息获取体系 基于高光谱数据的矿物精细识别 高光谱影像地质环境信息

9、反演 基于高光谱遥感的行星地质探测多层次的高光谱信息获取体系多层次的高光谱信息获取体系地面光谱仪主要有澳大利亚的 PIMA，美国的 ASD、GER、热红外 FT-IR；机载成像光谱仪：美国的 VIRIS、 澳大利亚的 HyMap、加拿大的 CASI 系列等；中科院开发的机载 OMIS 系列、PHI、 干涉成像光谱仪。星载成像光谱仪美国的 Hyperion，德国的 EnMAP 和日本的 Hyper-X。在外星探测中，有火星探测 热红外高光谱仪等，中国和印度的探月计划中也将搭载高光谱仪。基于高光谱数据的矿物精细识别基于高光谱数据的矿物精细识别 利用高光谱遥感（含热红外高光谱）进行矿物识别可分为 3

10、 个层次： 矿物种类识别 矿物含量识别 矿物成分识别高光谱影像地质环境信息反演高光谱影像地质环境信息反演 在矿物识别和矿物精细识别的基础之上，根据矿物共生组合规律和矿物自身的地质意义指示作用，直观地反演各种地质因素之间的内在联系，可提高高光谱在地质应用中分析和解决地质问题的效能。基于高光谱遥感的行星地质探测基于高光谱遥感的行星地质探测 1996 年美国的火星探测器 Mars Global Sur-veyor 2003 欧空局的火星探测器 2007年中国发射的月球探测卫星嫦娥一号 2008年印度月船一号探月卫星 探测火星、月球的矿物种类及其分布、含量，研究水体的存在和演化高光谱地质应用的领域高光

11、谱地质应用的领域1.高光谱地质成因信息探测研究2.高光谱成矿预测研究3.高光谱植被重金属污染探测4.蚀变矿物与矿化带的探测5.高光谱矿山环境分析研究6.油气资源及灾害探测1.高光谱地质成因信息探测研究高光谱地质成因信息探测研究 根据高光谱所识别出的矿物共生组合的关系进行地质成因环境分析 根据高光谱对矿物组成成分信息的探测来分析地质成因环境2.高光谱成矿预测研究高光谱成矿预测研究 在岩体侵位以及地质构造等地质作用下,热液侵入、物质置换等使源于矿体的矿物质发生扩散作用，这些成分的变化在矿物光谱中有着或强或弱的表现，通过对这些细微的变化的探测，实现对地质作用演化信息的探测。3.高光谱植被重金属污染探

12、测高光谱植被重金属污染探测 植被在可见光波段（400685 nm）的光谱主要受叶色素（叶绿素、叶黄素、胡萝卜素）的控制，其中以叶绿素的影响最大。在680750 nm 区间急剧上升形成一个发射陡坡，称为“红边”。 重金属改变或破坏叶细胞的结构，造成光谱红边的斜率和位置发生变化。叶绿素含量的减少会造成红边向短波方向位移，称为蓝移。 植被生物变异特征在谱学上重点表现为光谱红边的“红移”(健康,生长旺盛)和“蓝移”(不发育,中毒等)。 利用高光谱对植物光谱的“精细”结构和变异的探测和分析,可以定量、半定量地提取与估计植被生物物理和生物化学参数,快速且定量地评价冠层结构、状态或活力,冠层水文状态,估计冠

13、层生物化学成分。4.蚀变矿物与矿化带的探测蚀变矿物与矿化带的探测 通过蚀变带和蚀变矿物的识别， 并结合相关的地质资料，找寻潜在的矿产。 主要用于： 热液蚀变矿物组合探测与成矿分析 金矿矿区蚀变岩石信息提取 铜矿矿区识别与探测 铀矿矿区探测等5.高光谱矿山环境分析研究高光谱矿山环境分析研究 利用高光谱的技术优势快速且有效地直接识别与提取出污染源的种类、类型，并分析其潜在的污染趋势。对矿山环境进行监测。 例如： 欧盟矿区环境影响评价与监测 （MINEO 计划）6.油气资源及灾害探测油气资源及灾害探测 油气微渗漏探测 油气管线监测 石油泄漏探测高光谱遥感地质研究中存在的主要问题1.数据源匮乏2.缺针

14、对性强的数据处理方法3.无成型的专用软件平台4.人员培训力度不够二、高光谱遥感在植被研究中的二、高光谱遥感在植被研究中的应用应用 植被具有独特的光谱特征且在植被遥感研究中，较多的研究有植被类型的识别与分类，植被制图，土地覆盖利用变化的探测，生物物理和生物化学参数的提取与估计等。在这方面已可以将研究精度提高到对植物叶子内的氮、磷、钾、糖类、淀粉、蛋白质、氨基酸、木质素、纤维素及叶绿素等的估测，评价植物长势和估计陆地生物量。植被遥感研究的分析方法，除了应用于地质分析中的一些方法外，主要有以下几种技术：1、多元统计分析技术、多元统计分析技术 用原始的光谱反射率或经微分变换、对数变换、植被指数变换或其

15、他数学变换后的 数据作为自变量，以叶面指数、生物量、叶绿素含量等作为因变量，建立多元回归预测模型来估计或预测生物物理模型和生物化学参数。2、基于光谱波长位置变量的分析技术、基于光谱波长位置变量的分析技术 是根据波长或其他参数的变换量为自变量，求得与因变量的关系来估计因变量。3、光学模型方法、光学模型方法 是基于光学辐射传输理论的模型。4、参数成图技术、参数成图技术 根据所选择的预测模型，通过高光谱影像对每个像元计算单参数预测值，并将其分类后成图。三、高光谱遥感在其他领域中的三、高光谱遥感在其他领域中的应用应用1.大气遥感2.水文与冰雪3.环境与灾害4.土壤调查5.城市环境大气遥感：大气遥感：是

16、指大气探测仪器与被探测大气在相隔一定距离的情况下，通过某种辐射波在大气中传播所获得的信息来反演大气参数的一种大气探测方法。 大气遥感技术的应用，使人们能够在更为广阔的空间（乃至全球）获取大气的多种信息，使大气探测进入了一个崭新的发展阶段。这一发展阶段以20世纪40年代微波雷达的采用，60年代卫星遥感和激光雷达的采用为标志，至今已经取得了迅速的发展和广泛的应用。水文与冰雪：水文与冰雪： 利用高光谱成像光谱仪可以测定沿海，江河，湖泊中的叶绿素，浮游生物，有机质，悬浮物，水生植物等以及它们的分布。例如：利用AVIRIS数据研究美国Tahoe胡的叶绿素浓度和湖底深度制图。环境与灾害：环境与灾害： 高光

17、谱图像可以用来探测危险环境因素。例如：编制酸性矿物分布图，特殊蚀变矿物分布图，评价野火危险的等级等。 利用多种航空航天遥感资料，普通遥感与高光谱遥感数据结合探测火灾发生地点以及其他与燃烧现象有关的地表生物量，燃烧的后果，地表组成及更新情况。土壤调查：土壤调查： 高光谱土壤遥感可以提供土壤表面状况和性质的空间信息，空间差异性。但由于土壤性质的空间变化是连续的，土壤表面覆盖使土壤调查调查与监测比较困难。 高光谱分辨率数据和高空间分辨率数据相结合的光谱混合模型，可以描述地表组分数量和分布特征。例如：将干草和绿色植被从和土壤有关的细微地表光谱成分中区分开。城市环境：城市环境： 高光谱和高空间分辨率遥感数据的结合，有可能细分出城市地物和人工目标。例如：结合特征提取技术，采用“分级掩模”，逐级分类再作复合处理成图，在城市地物区分过程中很有成效。但是，总的来说城市环境遥感方面的工作还有待深入研究。结束语：结束语：高光谱遥感以其光谱分辨率高、图谱合一的特点受到了国内外研究者的广泛关注。从二十世纪八十年代到现在的二十年中，无论在成像光谱仪等硬件方面还是在图像处理系统等软件方面都得到了迅速的发展。高光谱遥感的发展历史虽然只有短短的十年左右的时间，但在很多国家、许多领域已得到了越来越广泛的应用。目前主要应用于植被生态、大气、地质、海洋、农业等领域。