導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇高光譜遙感原理與方法，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：高光譜圖像；數(shù)據(jù)融合；綜合評(píng)價(jià)；最佳方法；地球觀測(cè)1號(hào)

中圖分類號(hào)： TP751.1； TP391.41

文獻(xiàn)標(biāo)志碼：A

Abstract： Subject to the imaging principle， manufacturing technology and other factors， the spatial resolution of spaceborne hyperspectral remote sensing imagery is relatively low. Therefore， the thesis proposed the image fusion of hyperspectral imagery and high spatial resolution imagery， and designed the best fusion algorithm to enhance spatial resolution of hyperspectral remote sensing imagery. According to the characteristics of Earth Observing1 （EO1） Hyperion hyperspectral imagery and Advanced Land Imager （ALI） panchromatic imagery， 4 kinds of fusion algorithms were selected to carry out a comparative study of the image fusion effect for the city and mountain regions from 9 kinds of remote sensing image fusion algorithms， namely GramSchmidt spectral sharpening fusion method， transform fusion method of Smoothing Filterbased Intensity Modulation （SFIM）， Weighted Average Method （WAM） fusion method and Wavelet Transformation （WT） fusion method. And it carried out the comprehensive evaluation and analysis of the image fusion effect from 3 aspects of qualitative， quantitative and classification precision， which aims to determine the best fusion method for EO1 hyperspectral imagery and panchromatic imagery. The experimental results show that： 1） from the image fusion effect， GramSchmidt spectral sharpening fusion method is the best in 4 kinds of fusion methods used； 2） from the image classification effect， the classification results based on the fusion image is better than the classification results based on the source image. The theoretical analysis and experimental results show that GramSchmidt spectral sharpening fusion method is an ideal fusion algorithm for hyperspectral imagery and high spatial resolution imagery， and it can provide powerful support to improve the clarity of hyperspectral remote sensing imagery， the reliability and the accuracy of the image object recognition and classification.

Key words： hyperspectral imagery； data fusion； comprehensive evaluation； best method； Earth Observing1 （EO1）

0引言

對(duì)于一套光學(xué)遙感器系統(tǒng)而言，圖像的空間分辨率與光譜分辨率是一對(duì)矛盾，在給定信噪比的條件下，為求得較高的光譜分辨率（窄光譜波段）往往意味著要付出低空間分辨率的代價(jià)[1]。相對(duì)于較高空間分辨率的多光譜圖像而言，當(dāng)前高光譜遙感圖像的空間分辨率還都不夠高，尤其是航天高光譜遙感數(shù)據(jù)。為解決這一矛盾，已經(jīng)（或即將）發(fā)射的搭載成像光譜儀的航天遙感平臺(tái)往往都會(huì)帶有一個(gè)高空間分辨率的全色通道傳感器。例如，地球觀測(cè)1號(hào)（Earth Observing1， EO1）衛(wèi)星上就載有3個(gè)傳感器，即高級(jí)陸地成像儀（Advanced Land Imager， ALI）、高光譜成像光譜儀（Hyperion）和大氣校正儀（Linear Etalon Imaging Spectrometer Array Atmospheric Corrector， LAC）。其中Hyperion高光譜遙感圖像的光譜分辨率為10nm，空間分辨率為30m；而ALI圖像數(shù)據(jù)中就有一個(gè)空間分辨率為10m的全色通道波段。由此為本研究通過(guò)數(shù)據(jù)融合方式來(lái)提高高光譜遙感數(shù)據(jù)的空間分辨率提供了有利的條件，研究高光譜遙感圖像與高空間分辨率圖像的融合將具有十分重要的理論和現(xiàn)實(shí)意義。

將高光譜圖像與高空間分辨率圖像進(jìn)行融合處理，在保持高光譜圖像的光譜物理特性和波形形態(tài)的同時(shí)，還可大幅度改善高光譜圖像的空間解析特性；融合后的圖像仍可為超多波段的圖像數(shù)據(jù)，且具有可定量分析的波譜形狀。目前有關(guān)多光譜遙感圖像與高空間分辨率全色圖像融合的文章很多，但鮮見(jiàn)涉及高光譜圖像融合的報(bào)道，這可能與目前此類數(shù)據(jù)源較少及數(shù)據(jù)特性限制有關(guān)。本研究將針對(duì)Hyperion和ALI遙感圖像的特點(diǎn)，選用多種融合方法對(duì)其進(jìn)行數(shù)據(jù)融合實(shí)驗(yàn)，并對(duì)這些方法的融合效果進(jìn)行綜合分析評(píng)價(jià)，旨在尋找最佳的增強(qiáng)高光譜遙感圖像空間分辨率的融合算法，以提高高光譜圖像計(jì)算機(jī)分類的精度。

1研究方法

1.1遙感數(shù)據(jù)融合

遙感數(shù)據(jù)融合是將那些在空間或時(shí)間上冗余或互補(bǔ)的多源遙感圖像數(shù)據(jù)按一定的規(guī)則（或算法）進(jìn)行運(yùn)算處理，以獲得比任何單一數(shù)據(jù)更精確、更豐富的信息，從而生成一幅具有新的空間、波譜、時(shí)間特征的合成圖像[2-4]。遙感數(shù)據(jù)融合通?？煞譃?個(gè)層次：像元級(jí)融合、特征級(jí)融合和決策級(jí)融合。其中像元級(jí)融合強(qiáng)調(diào)不同圖像信息在像元基礎(chǔ)上的綜合及必須進(jìn)行基本的地理編碼，即對(duì)柵格數(shù)據(jù)進(jìn)行相互間的幾何配準(zhǔn)，在各像元一一對(duì)應(yīng)的前提下進(jìn)行像元級(jí)的合并處理，以改善圖像處理的效果，使特征提取、圖像分割等工作在更準(zhǔn)確的基礎(chǔ)上進(jìn)行，并可獲得更好的圖像視覺(jué)效果[2]。由于像元級(jí)融合是基于最原始的圖像數(shù)據(jù)，能最大限度地保留圖像原有的真實(shí)感，以提供其他融合層次所不能提供的細(xì)微信息，故其一直是遙感圖像融合研究的熱點(diǎn)。本文所提及的遙感數(shù)據(jù)融合均指像元級(jí)的圖像數(shù)據(jù)融合。

目前，遙感數(shù)據(jù)融合的方法可分為4類：光譜變換、頻率的濾波、代數(shù)和多分辨率變換。1）基于光譜變換的融合方法，是將多光譜波段轉(zhuǎn)換到另一光譜域，并用全色高空間分辨率圖像替換其中的相關(guān)波段，然后通過(guò)反變換回到原始光譜域。其具體方法有彩色變換、主成分變換、GramSchmidt變換等。2）基于頻率的濾波融合方法，是在提取高空間分辨率圖像的高頻結(jié)構(gòu)信息的基礎(chǔ)上，與多光譜波段圖像融合，使得在提高后者空間分辨率的同時(shí)保持其原有豐富的光譜信息。其具體方法有高通濾波、平滑調(diào)節(jié)濾波等。3）基于代數(shù)的融合方法，是通過(guò)加、減、乘、除及混合運(yùn)算或?qū)Ω鞑ǘ螆D像數(shù)據(jù)間的相關(guān)性進(jìn)行加權(quán)運(yùn)算來(lái)獲得融合圖像，可不同程度地消除大氣影響，增強(qiáng)相關(guān)的信息特征。其具體方法有加權(quán)平均法、Brovey變換等。4）基于多分辨率變換的融合方法，是先將參加融合的原圖像作多分辨率分解；然后將各相應(yīng)層上的分解系數(shù)按一定的融合規(guī)則進(jìn)行合成處理而得到融合系數(shù)；最后將融合系數(shù)進(jìn)行多分辨率逆變換得到融合圖像。其具體方法有金字塔分解融合法、小波變換融合法等。

1.2高光譜與高空間分辨率圖像融合的特點(diǎn)及方法

高光譜遙感以多達(dá)數(shù)百個(gè)的納米量級(jí)寬度的窄波段對(duì)目標(biāo)實(shí)施連續(xù)的光譜成像，由此可獲得地物在一定范圍內(nèi)連續(xù)而精細(xì)的光譜曲線，故能充分利用地物不同波段光譜響應(yīng)特征的微小差異來(lái)實(shí)現(xiàn)對(duì)地物的精細(xì)探測(cè)。但由于受制于制造技術(shù)及高光譜成像本身的特點(diǎn)，當(dāng)前航天高光譜圖像的空間分辨率還不夠高，由此給對(duì)地物的精確識(shí)別與分類帶來(lái)一定的困難。鑒于此，研究高光譜分辨率圖像與高空間分辨率圖像的融合將具有十分重要的意義。高光譜遙感圖像與高空間分辨率遙感圖像融合的目的不僅在于提高高光譜圖像數(shù)據(jù)的空間分辨率，還應(yīng)盡量保持高光譜圖像原有的光譜信息和波形形態(tài)，且仍可為超多窄波段的圖像數(shù)據(jù)，即所要得到的是高空間分辨率的高光譜圖像。采用常規(guī)方法進(jìn)行高光譜圖像融合的困難在于：隨著波段數(shù)目的增加，高光譜圖像不僅數(shù)據(jù)量呈指數(shù)級(jí)增加，且其數(shù)據(jù)的特征空間維度及信息冗余度也在增大，海量的遙感數(shù)據(jù)及其衍生數(shù)據(jù)正極大地挑戰(zhàn)常規(guī)方法的數(shù)據(jù)解析能力。由此可見(jiàn)，傳統(tǒng)的多光譜遙感圖像融合方法不宜直接應(yīng)用于高光譜遙感圖像融合，尋求適合于高光譜圖像的融合方法是高光譜遙感應(yīng)用的一個(gè)有意義的研究方向。

由以上分析可知，高光譜數(shù)據(jù)的特點(diǎn)要求融合處理算法應(yīng)能同時(shí)提高n個(gè)光譜波段的空間分辨率，且同時(shí)應(yīng)盡量保留原始的光譜信息。在上述所列舉的9種具體的遙感圖像融合方法中，彩色變換和Brovey變換這兩種融合方法因僅能用于3個(gè)波段的多光譜圖像與全色波段圖像的融合，故不適用于高光譜圖像；主成分變換融合方法是把信息量最大的第一主成分替換掉，故難免會(huì)造成一定的光譜失真；高通濾波融合方法因采用大小固定的濾波器，故難以對(duì)圖像數(shù)據(jù)進(jìn)行任意尺度的分解，且融合圖像仍包含較大的噪聲；金字塔分解融合方法雖能對(duì)不同傳感器的圖像進(jìn)行較好的融合運(yùn)算，但因其層間分解量之間具有相關(guān)性而導(dǎo)致其融合結(jié)果不夠理想。因此，本文舍棄這5種方法而選用其余4種方法對(duì)Hyperion高光譜圖像和ALI全色波段圖像進(jìn)行融合：即基于光譜變換的GramSchmidt光譜銳化融合法、基于頻率的平滑調(diào)節(jié)濾波融合法、基于代數(shù)的加權(quán)平均融合法和基于多分辨率變換的小波變換融合法，并對(duì)這4種方法的融合效果進(jìn)行綜合評(píng)價(jià)與分析，旨在尋找最佳的增強(qiáng)高光譜遙感圖像空間分辨率的融合算法，以改善高光譜圖像的空間解析特性，且同時(shí)能最大限度地保持其原有的光譜物理特性和波形形態(tài)。

1.3.4小波變換融合法

小波變換（Wavelet Transformation， WT）建立于傅里葉分析基礎(chǔ)之上，具有良好的時(shí)頻局部化特點(diǎn)，因而能有效地從信號(hào)中獲取信息。它通過(guò)伸縮、平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度的細(xì)化處理與分析，解決了傅里葉變換所不能解決的很多難題，故被稱為“數(shù)學(xué)顯微鏡”，而正是這種特性使小波變換具有對(duì)信號(hào)的自適應(yīng)性[11]。

小波變換將原始圖像分解成一系列具有不同空間分辨率和不同頻率特性的子圖像，低頻分量反映的是圖像的整體視覺(jué)信息，而高頻分量反映的則是圖像的細(xì)節(jié)特征。將高空間分辨率圖像的高頻分量與相應(yīng)的多光譜圖像的低頻分量組合并進(jìn)行小波重建，所得到的融合圖像既能保留高空間分辨率圖像的空間結(jié)構(gòu)信息，又能融合多光譜圖像豐富的光譜信息，可提高遙感圖像的解譯能力和分類精度。但由小波變換得到的融合圖像會(huì)隨小波分解尺度的增大而出現(xiàn)明顯的方塊效應(yīng)，且小波在表達(dá)圖像邊緣的方向特性方面也存在一定的缺陷[12]。

3融合算法綜合評(píng)價(jià)與分析

以下從定性、定量和分類精度這3個(gè)方面對(duì)這些融合圖像的效果進(jìn)行綜合評(píng)價(jià)和對(duì)比分析，從而確定適合EO1高光譜與全色圖像融合的最佳方法。

3.1定性評(píng)價(jià)

分別將上述子區(qū)1和子區(qū)2采用4種方法獲得的融合圖像與高光譜源圖像進(jìn)行比對(duì)，發(fā)現(xiàn)融合后的圖像在視覺(jué)效果上均有很大改善，且圖像的空間紋理信息也都有顯著提升，可較好地反映圖像的細(xì)節(jié)特征。由此可見(jiàn)，圖像經(jīng)此融合后，都能在較大程度地保持源有光譜信息的同時(shí)提高了空間分辨率。在這4種融合方法中，GSSS融合方法獲取的融合圖像效果最好，其整體視覺(jué)與原始圖像相差不大，尤其水體等地物的色調(diào)差異較小，道路、建筑物和植被等信息亦較清晰；SFIM融合方法次之；WAM融合方法使圖像變亮；WT融合方法使圖像變暗（如圖5）。此外，SFIM和WT方法的融合圖像存在較明顯的邊界模糊現(xiàn)象，尤其后者的模糊程度更為明顯。

進(jìn)一步隨機(jī)選某一波段（如第48波段），對(duì)比融合前后圖像在該波段的水平方向光譜剖面曲線。由于兩個(gè)子區(qū)光譜剖面曲線的對(duì)比特征基本一致且受篇幅限制，故以下僅給出子區(qū)1的曲線結(jié)果（如圖6）。從圖6中可見(jiàn)，各種融合方法融合后的圖像與原始高光譜圖像在形態(tài)上基本一致，且因圖像空間分辨率的提高，光譜波動(dòng)的細(xì)節(jié)均得到明顯的刻畫(huà)。其中：GSSS融合方法的光譜保真性最好，其水平光譜剖面曲線與源光譜圖像的水平光譜剖面曲線吻合度較高；SFIM融合方法次之；WAM和WT融合方法的水平光譜剖面線中存在某些局部反射率值的放大或縮小。

由表2可見(jiàn)，無(wú)論采用何種分類方法，高光譜融合圖像的總體分類精度及Kappa系數(shù)均比高光譜源圖像高，由此表明融合圖像的分類效果要優(yōu)于源圖像；無(wú)論對(duì)高光譜源圖像或融合圖像進(jìn)行分類，支持向量機(jī)分類方法的總體分類精度及Kappa系數(shù)均高于其他幾種分類方法，由此表明Hyperion高光譜圖像采用支持向量分類方法要優(yōu)于其他幾種分類方法。

4結(jié)語(yǔ)

受制于成像原理及制造技術(shù)等因素，航天高光譜遙感圖像的空間分辨率相對(duì)較低。解決這一問(wèn)題的思路在于：將高光譜圖像與高空間分辨率圖像進(jìn)行融合處理，由此可提高高光譜遙感數(shù)據(jù)的空間分辨率，并較好地保持其光譜物理特性和波形形態(tài)。本研究著眼于高光譜圖像和高空間分辨率圖像各自的特點(diǎn)，開(kāi)展了對(duì)Hyperion高光譜圖像和ALI全色波段圖像的一系列融合與分類實(shí)驗(yàn)。選用4種融合方法對(duì)實(shí)驗(yàn)區(qū)數(shù)據(jù)進(jìn)行融合：即GramSchmidt光譜銳化融合法、SFIM變換融合法、WAM融合法和WT融合法，并分別從定性、定量和分類精度這3方面對(duì)這些方法的融合效果進(jìn)行綜合評(píng)價(jià)與分析。

實(shí)驗(yàn)結(jié)果顯示，從圖像融合效果看，在所采用的4種融合方法中，GramSchmidt光譜銳化融合法的效果最好；從圖像分類效果看，基于融合圖像的分類效果要優(yōu)于基于源圖像的分類效果。由此表明，對(duì)于EO1高光譜與全色圖像的融合，GramSchmidt光譜銳化融合法是最佳融合方法，該方法不僅能較大程度地保留高光譜圖像中原有的光譜信息，同時(shí)也增強(qiáng)了其空間結(jié)構(gòu)信息，由此可為提高高光譜遙感圖像的清晰度、可靠性及圖像的地物識(shí)別和分類的準(zhǔn)確性提供有力的支持。

參考文獻(xiàn)：

[1]ZHANG B. Hyperspectral data mining supported by temporal and spatial information [J]. Beijing： Chinese Academy of Sciences， Institute of Remote Sensing Applications， 2002.（張兵.時(shí)空信息輔助下的高光譜數(shù)據(jù)挖掘 [D].北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2002.）

[2]ZHAO Y. Analysis principles and methods of remote sensing applications [M]. Beijing： Science Press， 2003.（趙英時(shí).遙感應(yīng)用分析原理與方法 [M].北京：科學(xué)出版社，2003.）

[3]EHLERS M. Multisensor image fusion techniques in remote sensing [J]. ISPRS Journal of Photogrammetry and Remote Sensing， 1991， 46（1）： 19-30.

[4]SIMONE G， FARINA A， MORABITO F C， et al. Image fusion techniques for remote sensing applications [J]. Information Fusion， 2002， 3（1）： 3-15.

[5]CLAYTON D G. GramSchmidt orthogonalization [J]. Applied Statistics， 1971， 20（3）： 335-338.

[6]LABEN C A， BROWER B V. Process for enhancing the spatial resolution of multispectral imagery using Pansharpening： USA， 6011875 [P]. 20000104.

[7]LI C， LIU L， WANG J， et al. Comparison of two methods of fusing remote sensing images with fidelity of spectral information [J]. Journal of Image and Graphics， 2004， 9（11）： 1376-1385.（李存軍，劉良云，王紀(jì)華，等.兩種高保真遙感影像融合方法比較[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（11）：1376-1385.）

[8]LIU J G. Smoothing filterbased intensity modulation： a spectral preserve image fusion technique for improving spatial details [J]. International Journal of Remote Sensing， 2000， 21（18）： 3461-3472.

[9]XU H. Classification of fused imagery base on the SFIM algorithm [J]. Geomatics and Information Science of Wuhan University， 2004， 29（10）： 920-923.（徐涵秋.基于SFIM算法的融合影像分類研究 [J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2004，29（10）：920-923.）

[10]TONG Q， ZHANG B， ZHENG L. Hyperspectral remote sensing―principles， techniques and applications [M]. Beijing： Higher Education Press， 2006.（童慶禧，張兵，鄭蘭芬.高光譜遙感――原理、技術(shù)與應(yīng)用 [M].北京：高等教育出版社，2006.）

[11]QIN Q， YANG Z. Practical wavelet analysis [M]. Xian： Xidian University Press， 1994.（秦前清，楊宗凱.實(shí)用小波分析 [M].西安：西安電子科技大學(xué)出版社，1994.）

[12]MAN W， YUAN Y， HUANG Y. A new remote sensing fusion algorithm based on curvelet transform [J]. Journal of Yangtze University： Natural Science Edition， 2010， 7（2）： 70-73.（滿旺，袁瑩，黃于同.一種基于曲波變換的遙感圖像融合新算法[J].長(zhǎng)江大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，7（2）：70-73.）

[13]U.S. Geological Survey. Earth Observing 1 （EO1） [EB/OL]. [20111113]. http：//eo1.usgs.gov.

[14]WU P. From Earth Observing1 satellite to see the new satellite technology in the 21st century [J]. International Space， 2001（8）： 10-16.（吳培中.從地球觀測(cè)1衛(wèi)星看21世紀(jì)衛(wèi)星新技術(shù)[J].國(guó)際太空，2001（8）：10-16.）

[15]UNGAR S G， PEARLMAN J S， MENDENHALL J A， et al. Overview of the Earth Observing One （EO1） mission [J]. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（6）： 1149-1159.

[16]TOET A. Multiscale contrast enhancement with applications to image fusion [J]. Optical Engineering， 1992， 31（5）： 1026-1031.

[17]LIU T， CHENG J. Remote sensing image fusion with wavelet transform and sparse representation [J]. Journal of Image and Graphics， 2013， 18（8）： 1045-1053.（劉婷，程建.小波變換和稀疏表示相結(jié)合的遙感圖像融合[J].中國(guó)圖象圖形學(xué)報(bào)，2013，18（8）：1045-1053.）

篇2

關(guān)鍵詞：水工環(huán)地質(zhì)；應(yīng)用；遙感信息；調(diào)查

中圖分類號(hào)： P283 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：

概述

遙感技術(shù)首先應(yīng)用在資源宏觀普查、動(dòng)態(tài)監(jiān)測(cè)上，而后才擴(kuò)展到生態(tài)環(huán)境調(diào)查、環(huán)境污染監(jiān)測(cè)等方面。經(jīng)過(guò)多年的試驗(yàn)、推廣和應(yīng)用，遙感已成為各種自然資源調(diào)查、環(huán)境動(dòng)態(tài)監(jiān)測(cè)與工程應(yīng)用不可缺少的地理空間信息獲取、更新和分析的手段和數(shù)據(jù)庫(kù)。隨著空間技術(shù)的進(jìn)步，遙感技術(shù)已從過(guò)去單一的遙感技術(shù)發(fā)展到包括遙感、地理信息系統(tǒng)和全球定位技術(shù)在內(nèi)的空間信息技術(shù)的應(yīng)用，其領(lǐng)域已深入到了國(guó)民經(jīng)濟(jì)、社會(huì)發(fā)展、國(guó)際安全以及人民生活的各個(gè)方面，稱為水工環(huán)地質(zhì)調(diào)查與災(zāi)害監(jiān)測(cè)評(píng)估的重要技術(shù)支撐。

二、水工環(huán)領(lǐng)域遙感應(yīng)用技術(shù)的發(fā)展現(xiàn)狀

經(jīng)過(guò)近30年的應(yīng)用研究，遙感技術(shù)依靠傳感器技術(shù)、圖像處理技術(shù)及計(jì)算機(jī)技術(shù)的提高，在水工環(huán)領(lǐng)域的應(yīng)用取得了長(zhǎng)足的發(fā)展。遙感水文地質(zhì)開(kāi)始逐步形成一門(mén)獨(dú)立的學(xué)科。傳統(tǒng)的遙感水文地質(zhì)著重于水文地質(zhì)測(cè)繪系統(tǒng)中定性特征的解釋和特殊標(biāo)志的識(shí)別，近期的研究則擴(kuò)展到應(yīng)用熱紅外和多光譜影像進(jìn)行地下水流系統(tǒng)內(nèi)的地下水分析和管理，目前研究的重點(diǎn)集中到了空間補(bǔ)給模式、污染評(píng)價(jià)中植被、區(qū)域測(cè)圖單元參數(shù)的確定和空間地下水模型中地表水文地質(zhì)特征的監(jiān)測(cè)?？v觀國(guó)內(nèi)外遙感技術(shù)在水工環(huán)領(lǐng)域的一些應(yīng)用成果，可把近年來(lái)遙感技術(shù)的應(yīng)用發(fā)展現(xiàn)狀概括為以下幾個(gè)方面：

4.1從目視解譯發(fā)展到計(jì)算機(jī)輔助解譯

如線性影像計(jì)算機(jī)自動(dòng)判釋專家系統(tǒng)及土地利用（分類）計(jì)算機(jī)判讀模型以及機(jī)助信息提取與制圖系統(tǒng)等。由于影像的多解性及識(shí)別系統(tǒng)的不完善性，雖還需要投入一定的人力工作，但已大幅提高解譯工作效率。

4.2從幾何形態(tài)解譯到充分利用光譜信息

過(guò)去的多光譜遙感數(shù)據(jù)波段劃分過(guò)少，只有幾個(gè)波段，使地面波譜測(cè)試數(shù)據(jù)與圖像光譜數(shù)據(jù)難以精確比較。因此，圖像解譯工作很少考慮地物的波譜特征，主要根據(jù)影像的色彩、色調(diào)、紋理、陰影等所形成的幾何形態(tài)特征。隨著機(jī)載成像光譜儀（高光譜）技術(shù)的商業(yè)運(yùn)作及2000年前后的高光譜成像衛(wèi)星的發(fā)射，使得用光譜信息對(duì)地物的分析更精細(xì)、更準(zhǔn)確。

4.3出現(xiàn)地面溫度反演技術(shù)

地面溫度反演是指從熱紅外圖像數(shù)據(jù)的輻射亮度值獲得地表溫度信息。反演方法主要有地表溫度多通道反演法和多角度數(shù)據(jù)進(jìn)行組分溫度反演法等。

4.4從定性分析評(píng)價(jià)到依靠計(jì)算機(jī)數(shù)字模型模擬的定量分析評(píng)價(jià)

如遙感技術(shù)在地下水流系統(tǒng)應(yīng)用中，根據(jù)遙感數(shù)據(jù)建立的地形、流域面積、水系密度等數(shù)據(jù)集結(jié)合氣象數(shù)據(jù)建立空間補(bǔ)給模型。數(shù)字模型成為遙感技術(shù)實(shí)現(xiàn)定量評(píng)價(jià)的重要途徑，而DEM/DTM是涉及地形數(shù)據(jù)計(jì)算方面不可缺少的工具。

4.5使用單一遙感信息源到多元信息擬合

目前的遙感應(yīng)用技術(shù)，已不再是單一使用各種遙感數(shù)據(jù)，而是根據(jù)需要結(jié)合利用了其他信息源，如地質(zhì)、地形、水文、土壤、植被、氣象、巖土物理力學(xué)特征及人類活動(dòng)等資料。這樣，圖像數(shù)據(jù)的預(yù)處理尤其重要，如幾何較正、多波段數(shù)字合成、鑲嵌、數(shù)據(jù)變換等，而地理信息系統(tǒng)（GIS）在多元信息數(shù)據(jù)管理中起著重要作用。

4.6從單一手段應(yīng)用到多手段應(yīng)用

近年來(lái)，遙感技術(shù)（RS）與地理信息系統(tǒng)（GIS）和全球定位系統(tǒng)（GPS）的綜合應(yīng)用，即“3S”技術(shù)，成為遙感技術(shù)應(yīng)用的主流。GIS是數(shù)據(jù)庫(kù)管理、數(shù)據(jù)圖形處理、各主題圖件疊加、制圖的重要工具。GPS 衛(wèi)星定位的基本原理是將無(wú)線電信號(hào)發(fā)射臺(tái)從地面點(diǎn)搬到衛(wèi)星上，組成一個(gè)衛(wèi)星導(dǎo)航定位系統(tǒng)，應(yīng)用無(wú)線電測(cè)距交會(huì)的原理，便可由 3 個(gè)以上地面已知點(diǎn)(控制站)交會(huì)出衛(wèi)星的位置，反之利用 3 顆以上衛(wèi)星的已知空間位置又可交會(huì)出地面未知點(diǎn)(用戶接收機(jī))的位置。用戶使用 GPS 接收機(jī)在某一時(shí)刻同時(shí)接收3 顆以上的 GPS 衛(wèi)星信號(hào)，測(cè)量出測(cè)站點(diǎn)(接收機(jī)天線中心)到 3顆以上 GPS 衛(wèi)星的距離，并解算出該時(shí)刻GPS 衛(wèi)星的窄間坐標(biāo)，據(jù)此利用交會(huì)法解算出測(cè)站點(diǎn)的位置。實(shí)時(shí)動(dòng)態(tài)測(cè)量的基本工作方法是，在基準(zhǔn)站上安置l 臺(tái) GPS 接收機(jī)，對(duì)所有可見(jiàn)GPS 衛(wèi)星進(jìn)行連續(xù)的觀測(cè)，并將其觀測(cè)數(shù)據(jù)通過(guò)無(wú)線電傳輸設(shè)備實(shí)時(shí)地發(fā)送給用戶觀測(cè)站(流動(dòng)站)。在流動(dòng)站上，GPS 接收機(jī)在接收 GPS 衛(wèi)星信號(hào)的同時(shí)，通過(guò)無(wú)線電接收設(shè)備，接收基準(zhǔn)站傳輸?shù)挠^測(cè)數(shù)據(jù)和轉(zhuǎn)換參數(shù)，然后根據(jù) GPS 相對(duì)定位的原理，即時(shí)解算出相塒基準(zhǔn)站的基線向量，解算出基準(zhǔn)站的 WGS-84 坐標(biāo)；再通過(guò)預(yù)設(shè)的 WGS-84坐標(biāo)系與地方坐標(biāo)系的轉(zhuǎn)換參數(shù)，實(shí)時(shí)地計(jì)算并顯示出用戶需要的三維坐標(biāo)及精度；GPS可以對(duì)地面控制點(diǎn)精確定位，提高遙感數(shù)據(jù)空間精度。另外，在具體手段配合上，也出現(xiàn)了遙感技術(shù)與物探技術(shù)、鉆探技術(shù)等相結(jié)合的新方法。

4.7數(shù)字?jǐn)z影測(cè)量技術(shù)的發(fā)展

數(shù)字?jǐn)z影技術(shù)的成熟，推進(jìn)了制圖工作的現(xiàn)代化，改善了基礎(chǔ)圖件的質(zhì)量和成圖效率，并影響著遙感技術(shù)的調(diào)查方法。該技術(shù)的產(chǎn)品可直接作為GIS的數(shù)據(jù)源，便于遙感與GIS一體化研究與開(kāi)發(fā)。如我國(guó)自己開(kāi)發(fā)的全數(shù)字?jǐn)z影測(cè)量軟件VIRTUOZO，具有數(shù)字化測(cè)圖、自動(dòng)生成DEM/DTM和等高線、生成正射影像等功能。

4.8遙感技術(shù)應(yīng)用成果向著便于保存、復(fù)制、攜帶及傳輸方向發(fā)展

這意味著遙感技術(shù)應(yīng)用成果的數(shù)字化。由于是數(shù)字成果，可載于多種介質(zhì)上，如CD-ROM、磁帶及計(jì)算機(jī)硬盤(pán)上，使攜帶處理更加方便。隨著1998年“數(shù)字地球”計(jì)劃的提出及我國(guó)國(guó)土資源部“數(shù)字國(guó)土”工程的實(shí)施，遙感應(yīng)用成果數(shù)字化顯得尤其必要。

三、主要遙感信息源及其發(fā)展

根據(jù)傳感器類型不同，遙感圖像可分為可見(jiàn)光攝影、紅外攝影和掃描、多光譜掃描、微波雷達(dá)和成像光譜圖像等。近10年來(lái)，傳感器技術(shù)迅猛發(fā)展，主要表現(xiàn)在：①圖像分辨率提高，衛(wèi)星圖像分辨率已達(dá)到米級(jí)。②具備立體觀察功能。③應(yīng)用波段數(shù)增加，機(jī)載高光譜成像儀已投入使用。如美國(guó)的AVIRIS（航空可見(jiàn)光/紅外成像光譜儀），波譜范圍0.4~2.5/l，波段數(shù)224個(gè)。CASI（袖珍航空光譜成像儀），波譜范圍0.4~0.95/u，波段數(shù)72個(gè)。高光譜成像光譜儀簡(jiǎn)稱成像光譜儀，也稱超光譜成像儀，按其波段數(shù)目可分為高光譜成像光譜儀（波段數(shù)

四、結(jié)語(yǔ)

在水工環(huán)地質(zhì)中對(duì)3S技術(shù)的采用，已經(jīng)得到了很好驗(yàn)證，可以一步到位外業(yè)的測(cè)量，節(jié)省了很多不必要的中間環(huán)節(jié)，對(duì)外業(yè)工作量進(jìn)行最大限度地減少，從而縮短整個(gè)測(cè)量工期，提高工作效率。同時(shí)，簡(jiǎn)化外業(yè)工序和迅速完成也可以使所有的后續(xù)專業(yè)工序更快的完成。

參考文獻(xiàn)：

篇3

關(guān)鍵詞：遙感水質(zhì)監(jiān)測(cè)遙感數(shù)據(jù)

1水體遙感監(jiān)測(cè)的基本理論

1.1水體遙感監(jiān)測(cè)原理、特點(diǎn)。影響水質(zhì)的參數(shù)有：水中懸浮物、藻類、化學(xué)物質(zhì)、溶解性有機(jī)物、熱釋放物、病原體和油類物質(zhì)等。隨著遙感技術(shù)的革新和對(duì)物質(zhì)光譜特征研究的深入，可以監(jiān)測(cè)的水質(zhì)參數(shù)種類也在逐漸增加，除了熱污染和溢油污染等突發(fā)性水污染事故的監(jiān)測(cè)外，用遙感監(jiān)測(cè)的水質(zhì)數(shù)據(jù)大致可以分為以下四大類：渾濁度、浮游植物、溶解性有機(jī)物、化學(xué)性水質(zhì)指標(biāo)。

利用遙感技術(shù)進(jìn)行水環(huán)境質(zhì)量監(jiān)測(cè)的主要機(jī)理是被污染水體具有獨(dú)特的有別于清潔水體的光譜特征，這些光譜特征體現(xiàn)在其對(duì)特定波長(zhǎng)的光的吸收或反射，而且這些光譜特征能夠?yàn)檫b感器所捕獲并在遙感圖象中體現(xiàn)出來(lái)。如當(dāng)水體出現(xiàn)富營(yíng)養(yǎng)化時(shí)，浮游植物中的葉綠素對(duì)近紅外波段具有明顯的“陡坡效應(yīng)”，故而這類水體兼有水體和植物的光譜特征，即在可見(jiàn)光波段反射率低，在近紅外波段反射率卻明顯升高。

1.2水質(zhì)參數(shù)的遙感監(jiān)測(cè)過(guò)程。首先，根據(jù)水質(zhì)參數(shù)選擇遙感數(shù)據(jù)，并獲得同期內(nèi)的地面監(jiān)測(cè)的水質(zhì)分析數(shù)據(jù)?，F(xiàn)今廣泛使用的遙感圖象波段較寬，所反映的往往是綜合信息，加之太陽(yáng)光、大氣等因素的影響，遙感信息表現(xiàn)的不甚明顯，要對(duì)遙感數(shù)據(jù)進(jìn)行一系列校正和轉(zhuǎn)換將原始數(shù)字圖像格式轉(zhuǎn)換為輻射值或反射率值。然后根據(jù)經(jīng)驗(yàn)選擇不同波段或波段組合的數(shù)據(jù)與同步觀測(cè)的地面數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，再經(jīng)檢驗(yàn)得到最后滿意的模型方程（如圖）。

圖1：遙感監(jiān)測(cè)水質(zhì)步驟簡(jiǎn)圖

2水質(zhì)遙感監(jiān)測(cè)常用的遙感數(shù)據(jù)

2.1多光譜遙感數(shù)據(jù)。在水質(zhì)遙感監(jiān)測(cè)中常用的多光譜遙感數(shù)據(jù)，包括美國(guó)Landsat衛(wèi)星的MSS、TM、ETM 數(shù)據(jù)，法國(guó)SPOT衛(wèi)星的HRV數(shù)據(jù)，氣象衛(wèi)星NOAA的AVHRR數(shù)據(jù)，印度遙感IRS系統(tǒng)的LISS數(shù)據(jù)，日本JERS衛(wèi)星的OPS(光學(xué)傳感器)接收的多光譜圖像數(shù)據(jù)，中巴地球資源1號(hào)衛(wèi)星（CBERS--1）CCD相機(jī)數(shù)據(jù)等。

Landsat數(shù)據(jù)是目前應(yīng)用較廣的數(shù)據(jù)。1972年Landsat1發(fā)射后，MSS數(shù)據(jù)便開(kāi)始被用于水質(zhì)研究中。如解亞龍等用MSS數(shù)據(jù)對(duì)滇池懸浮物污染豐度進(jìn)行了研究，明確了遙感數(shù)據(jù)與懸浮物濃度的關(guān)系；張海林等用MSS和TM數(shù)據(jù)建立了內(nèi)陸水體的水質(zhì)模型；Anne等人用TM和ETM 數(shù)據(jù)對(duì)芬蘭的海岸水體進(jìn)行了研究。

SPOT地球觀測(cè)衛(wèi)星系統(tǒng)，較陸地衛(wèi)星最大的優(yōu)勢(shì)是最高空間分辨率達(dá)10m。SPOT數(shù)據(jù)應(yīng)用于水質(zhì)研究中，學(xué)者們也做了一些研究。如可以利用SPOT數(shù)據(jù)來(lái)估算懸浮物質(zhì)濃度和估計(jì)藻類生物參數(shù)。

AVHRR(高級(jí)甚高分辨率輻射計(jì))是裝載在NOAA列衛(wèi)星上的傳感器，每天都可以提供可見(jiàn)光圖像和兩幅熱紅外圖像，在水質(zhì)監(jiān)測(cè)等許多領(lǐng)域廣泛應(yīng)用，如1986年，國(guó)家海洋局第二海洋研究所用NOAA數(shù)據(jù)對(duì)杭州灣懸浮固體濃度進(jìn)行了研究。

2.2高光譜遙感數(shù)據(jù)

2.2.1成像光譜儀數(shù)據(jù)。成像光譜儀也稱高光譜成像儀，實(shí)質(zhì)上是將二維圖像和地物光譜測(cè)量結(jié)合起來(lái)的圖譜合一的遙感技術(shù)，其光譜分辨率高達(dá)納米數(shù)量級(jí)。國(guó)內(nèi)外的學(xué)者主要利用的有：美國(guó)的AVIRIS數(shù)據(jù)、加拿大的CASI數(shù)據(jù)、芬蘭的AISA數(shù)據(jù)、中國(guó)的PHI數(shù)據(jù)以及OMIS數(shù)據(jù)、SEAWIFS數(shù)據(jù)等進(jìn)行了水體水質(zhì)遙感研究，對(duì)一些水質(zhì)參數(shù)，如葉綠素濃度、懸浮物濃度、溶解性有機(jī)物作了估測(cè)。

2.2.2非成像光譜儀數(shù)據(jù)。非成像光譜儀主要指各種野外工作時(shí)用的地面光譜測(cè)量?jī)x，地物的光譜反射率不以影像的形式記錄，而以圖形等非影像形式記錄。常見(jiàn)的有ASD野外光譜儀、便攜式超光譜儀等。如對(duì)我國(guó)太湖進(jìn)行水質(zhì)監(jiān)測(cè)時(shí)，水面光譜測(cè)量就用了GRE-1500便攜式超光譜儀，光譜的響應(yīng)范圍0.30~1.1um，共512個(gè)測(cè)量通道，主要將其中0.35~0.90um的316個(gè)通道的數(shù)據(jù)用于水質(zhì)光譜分析。并且非成像光譜儀與星載高光譜數(shù)據(jù)的結(jié)合，可望研究出具有一定適用性的水質(zhì)參數(shù)反演模型。

2.3新型衛(wèi)星遙感數(shù)據(jù)。新的衛(wèi)星陸續(xù)升空為水質(zhì)遙感監(jiān)測(cè)提供了更高空間、時(shí)間和光譜分辨率的遙感數(shù)據(jù)。如美國(guó)的LandsatETM 、EO--1ALI、MODIS，歐空局的EnvlsatMERIS等多光譜數(shù)據(jù)和美國(guó)的EO-1Hyperion高光譜數(shù)據(jù)。Koponen用AISA數(shù)據(jù)模擬MERIS數(shù)據(jù)對(duì)芬蘭南部的湖泊水質(zhì)進(jìn)行分類，結(jié)果表明分類精度和利用AISA數(shù)據(jù)幾乎相同；Hanna等利用AISA數(shù)據(jù)模擬MODIS和MERIS數(shù)據(jù)來(lái)研究這兩種數(shù)據(jù)在水質(zhì)監(jiān)測(cè)中的可用性時(shí)發(fā)現(xiàn)；MERIS以705nm為中心的波段9很適合用來(lái)估算葉綠素a的濃度，但是利用模擬的MODIS數(shù)據(jù)得到的算法精度并不高。Sabine等把CASI數(shù)據(jù)和HyMap數(shù)據(jù)結(jié)合，對(duì)德國(guó)梅克萊堡州湖區(qū)水質(zhì)進(jìn)行了監(jiān)測(cè)，為營(yíng)養(yǎng)參數(shù)和葉綠素濃度的定量化建立了算法。

3水質(zhì)遙感存在的問(wèn)題與發(fā)展趨勢(shì)

3.1存在的問(wèn)題：①多數(shù)限定于定性研究，或進(jìn)行已有的航空和衛(wèi)星遙感數(shù)據(jù)分析，卻很少進(jìn)行定量分析。②監(jiān)測(cè)精度不高，各種算法以經(jīng)驗(yàn)、半經(jīng)驗(yàn)方法為主。③算法具有局部性、地方性和季節(jié)性，適用性、可移植性差。④監(jiān)測(cè)的水質(zhì)參數(shù)少，主要集中在懸浮沉積物、葉綠素和透明度、渾濁度等參數(shù)。⑤遙感水質(zhì)監(jiān)測(cè)的波段范圍小，多集中于可見(jiàn)光和近紅外波段范圍，而且光譜分辨率大小不等，尤其是缺乏微波波段表面水質(zhì)的研究。

3.2發(fā)展趨勢(shì)

3.2.1建立遙感監(jiān)測(cè)技術(shù)體系。研究利用新型遙感數(shù)據(jù)進(jìn)行水質(zhì)定量監(jiān)測(cè)的關(guān)鍵技術(shù)與方法，形成一個(gè)標(biāo)準(zhǔn)化的水安全定量遙感監(jiān)測(cè)技術(shù)體系，針對(duì)不同類型的內(nèi)陸水體，建立多種水質(zhì)參數(shù)反演算法，實(shí)現(xiàn)實(shí)驗(yàn)遙感和定量遙感的跨躍，從中獲得原始創(chuàng)新性的成果。

3.2.2加強(qiáng)水質(zhì)遙感基礎(chǔ)研究。加深對(duì)遙感機(jī)理的認(rèn)識(shí)，特別是水質(zhì)對(duì)表層水體的光學(xué)和熱量特征的影響機(jī)理上，以進(jìn)一步發(fā)展基于物理的模型，把水質(zhì)參數(shù)更好的和遙感器獲得的光學(xué)測(cè)量值聯(lián)系起來(lái)；加深目視解譯和數(shù)字圖象處理的研究，提高遙感影象的解譯精度；增強(qiáng)高光譜遙感的研究，完善航空成像光譜儀數(shù)據(jù)處理技術(shù)。

3.2.3開(kāi)展微波波段對(duì)水質(zhì)的遙感監(jiān)測(cè)。常規(guī)水質(zhì)遙感監(jiān)測(cè)波段范圍多數(shù)選擇在可見(jiàn)光或近紅外，尤其是缺乏微波波段表面水質(zhì)的研究情況。將微波波段與可見(jiàn)光或近紅外復(fù)合可提高對(duì)表面水質(zhì)參數(shù)的反演能力。

3.2.4拓寬遙感水質(zhì)監(jiān)測(cè)項(xiàng)?，F(xiàn)階段水質(zhì)遙感局限于某些特定的水質(zhì)參數(shù)，葉綠素、懸浮物及與之相關(guān)的水體透明度、渾濁度等參數(shù)，對(duì)可溶性有機(jī)物、COD等參數(shù)光譜特征和定量遙感監(jiān)測(cè)研究較少，拓寬遙感監(jiān)測(cè)項(xiàng)是今后的發(fā)展趨勢(shì)之一。應(yīng)加強(qiáng)其他水質(zhì)參數(shù)的光譜特征研究，以擴(kuò)大水質(zhì)參數(shù)的定量監(jiān)測(cè)種類，進(jìn)一步建立不同水質(zhì)參數(shù)的光譜特征數(shù)據(jù)庫(kù)。

3.2.5提高水質(zhì)遙感監(jiān)測(cè)精度。研究表明利用遙感進(jìn)行水質(zhì)參數(shù)反演，其反演精度、穩(wěn)定度、空間可擴(kuò)展性受遙感波段設(shè)置影響較大，利用星載高光譜數(shù)據(jù)進(jìn)行水質(zhì)參數(shù)反演，對(duì)其上百的波段寬度為10nm左右的連續(xù)波段與主要水質(zhì)參數(shù)的波譜響應(yīng)特性進(jìn)行研究，確定水質(zhì)參數(shù)診斷性波譜及波段組合，形成構(gòu)造水質(zhì)參數(shù)遙感模型和反演的核心技術(shù)，提高水質(zhì)監(jiān)測(cè)精度。

3.2.6擴(kuò)展水質(zhì)遙感監(jiān)測(cè)模型空間。系統(tǒng)深入的研究水質(zhì)組分的內(nèi)在光學(xué)特性，利用高光譜數(shù)據(jù)和中、低分辨率多光譜數(shù)據(jù)進(jìn)行水質(zhì)遙感定量監(jiān)測(cè)機(jī)理研究，進(jìn)行水質(zhì)組分的

定量提取和組分間混合信息的剝離，消除水質(zhì)組分間的相互干擾，建立不受時(shí)間和地域限制的水質(zhì)參數(shù)反演算法，形成利用中內(nèi)陸水體水質(zhì)多光譜遙感監(jiān)測(cè)方法和技術(shù)研究低分辨率遙感數(shù)據(jù)進(jìn)行大范圍、動(dòng)態(tài)監(jiān)測(cè)的遙感定量模型。

3.2.7改進(jìn)統(tǒng)計(jì)分析技術(shù)。利用光譜分辨率較低的寬波段遙感數(shù)據(jù)得到的水質(zhì)參數(shù)算法精度都不是很高，可以借鑒已在地質(zhì)、生態(tài)等領(lǐng)域應(yīng)用的混合光譜分解技術(shù)，人工神經(jīng)網(wǎng)絡(luò)分類技術(shù)等，充分挖掘水質(zhì)信息，建立不受時(shí)間和地域限制的水質(zhì)參數(shù)反演算法，提高遙感定量監(jiān)測(cè)精度。

3.2.8綜合利用“3S”技術(shù)。利用遙感技術(shù)視域廣，信息更新快的特點(diǎn)，實(shí)時(shí)、快速地提取大面積流域及其周邊地區(qū)的水環(huán)境信息及各種變化參數(shù)；GPS為所獲取的空間目標(biāo)及屬性信息提供實(shí)時(shí)、快速的空間定位，實(shí)現(xiàn)空間與地面實(shí)測(cè)數(shù)據(jù)的對(duì)應(yīng)關(guān)系；GIS完成龐大的水資源環(huán)境信息存儲(chǔ)、管理和分析。將“3S”技術(shù)在水質(zhì)遙感監(jiān)測(cè)中綜合應(yīng)用，建立水質(zhì)遙感監(jiān)測(cè)和評(píng)價(jià)系統(tǒng)，實(shí)現(xiàn)水環(huán)境質(zhì)量信息的準(zhǔn)確、動(dòng)態(tài)快速，推動(dòng)國(guó)家水安全預(yù)警系統(tǒng)建設(shè)。參考文獻(xiàn)：

[1]張繼賢，喬平林.水資源環(huán)境遙感監(jiān)測(cè)與評(píng)價(jià)[M].北京:測(cè)繪出版社，20__.

[2]謝歡，童小華.水質(zhì)監(jiān)測(cè)與評(píng)價(jià)中的遙感應(yīng)用[J].遙感信息，20__.

[3]齊峰，王學(xué)軍.內(nèi)陸水體水質(zhì)監(jiān)測(cè)與評(píng)價(jià)中的餓遙感應(yīng)用[J].環(huán)境科學(xué)進(jìn)展，1999.

[4]解亞龍，李勃，王星捷等.滇池懸浮物污染豐度的遙感檢測(cè)分析[J].昆明理工大學(xué)學(xué)報(bào)，20__.

[5]張海林，何報(bào)寅.遙感應(yīng)用于湖泊富營(yíng)養(yǎng)化評(píng)價(jià)的研究[J].上海環(huán)境科學(xué)，20__.

[6]劉燦德，何報(bào)寅.水質(zhì)遙感監(jiān)測(cè)研究進(jìn)展[J].世界科技研究與發(fā)展，20__.

[7]萬(wàn)余慶，張鳳麗，閆永忠.高光譜遙感技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用研究[J].國(guó)土資源遙感，20__.

[8]周藝，周偉奇，王世新等.遙感技術(shù)在內(nèi)陸水體水質(zhì)監(jiān)測(cè)中的應(yīng)用[J].水科學(xué)進(jìn)展，20__.

[9]李嶸.遙感技術(shù)在水環(huán)境監(jiān)測(cè)中的應(yīng)用研究[J].江西化工，20__.

[10]顧先冰，司群英.國(guó)內(nèi)外遙感衛(wèi)星發(fā)展現(xiàn)狀[J].航天返回與遙感，20__.

作者簡(jiǎn)介：

篇4

關(guān)鍵詞：金屬礦產(chǎn)；勘查；新技術(shù)

Abstract: in the global mineral exploration difficulty rising situation, countries and pay attention to the development of a new generation of metal mineral exploration technology and method. This paper analyzes the metal mineral exploration of various kinds of new technology and new methods are introduced, and altered fluid mapping technology; Geochemical exploration technology; Geophysical exploration technology and hyperspectral remote sensing technology. To provide reference for future work.

Keywords: metal mineral; Exploration; New technology

中圖分類號(hào)：O741+.2文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：

0引言

經(jīng)濟(jì)社會(huì)發(fā)展對(duì)礦產(chǎn)資源的需求持續(xù)快速增長(zhǎng)，礦產(chǎn)資源保障程度總體呈現(xiàn)不足趨勢(shì)。因此，重視發(fā)展新一代金屬礦產(chǎn)的勘查技術(shù)與方法，探索和發(fā)現(xiàn)新礦床的新技術(shù)、新方法，無(wú)疑成為勘查取得成功的重要條件。礦產(chǎn)勘查正進(jìn)入以技術(shù)為先導(dǎo)的新時(shí)代，未來(lái)大型礦床的發(fā)現(xiàn)將在很大程度上依賴于高新技術(shù)的應(yīng)用及多技術(shù)的綜合。因此本文注重提出各種新技術(shù)與新方法的分析，以此提供交流學(xué)習(xí)的機(jī)會(huì)。

1蝕變流體填圖技術(shù)

流體廣泛分布于地殼、地幔及地表中，流體研究是當(dāng)今固體地球科學(xué)發(fā)展的前沿，而地幔柱、地殼中流體的大規(guī)模遷移與巖漿熱液是地球流體研究的3個(gè)熱點(diǎn)問(wèn)題。地球各層圈中流體地質(zhì)的性狀與作用的研究，已成為當(dāng)前國(guó)際地球科學(xué)研究的重要前沿領(lǐng)域，大尺度區(qū)域性的流體地質(zhì)調(diào)查與研究是這一領(lǐng)域的熱點(diǎn)之一。由此可見(jiàn)，蝕變流體填圖是區(qū)域性流體地質(zhì)研究的基礎(chǔ)，是一種具有探索性和創(chuàng)新性的新的地質(zhì)調(diào)查方法。

圖1所示是1∶50000銅陵地區(qū)蝕變流體填圖項(xiàng)目,識(shí)別出區(qū)域上存在5種類型的熱液流體,根據(jù)流體活動(dòng)特征,將所發(fā)育的流體記錄歸并為4個(gè)流體系統(tǒng)、7個(gè)流體子系統(tǒng)和18個(gè)流體單元。這些流體系統(tǒng)基本代表了長(zhǎng)江中下游銅陵地區(qū)流體活動(dòng)的時(shí)間序列及與地層、構(gòu)造、巖漿巖的關(guān)系,它們的空間展布特征反映了不同時(shí)期流體活動(dòng)的規(guī)模、形式及中心區(qū)域。

2地球化學(xué)勘查技術(shù)

2.1理論基礎(chǔ)

勘查地球化學(xué)的理論基礎(chǔ)是成礦物質(zhì)在成礦過(guò)程中，在圍巖中留下元素運(yùn)移軌跡或在成礦以后，通過(guò)分散在四周巖石、土壤、水系沉積物、水、植物及氣體中形成各種類型的地球化學(xué)分散模式，根據(jù)這些元素變化軌跡或分散模式去追蹤和發(fā)現(xiàn)新的礦床。

圖1安徽銅陵新橋硫鐵礦蝕變流體地質(zhì)簡(jiǎn)圖

2.2氣體地球化學(xué)測(cè)量技術(shù)

氣體地球化學(xué)測(cè)量方法由于氣體的強(qiáng)穿透性,可將大量的與深部礦化作用有關(guān)的物質(zhì)攜帶到地表,可直接或間接指示各種地質(zhì)成礦過(guò)程,而受到勘查地球化學(xué)的重視。眾所周知,巖石的不斷地脫氣是一種普遍的自然現(xiàn)象,是地質(zhì)體沉積、變質(zhì)并與地下水相互作用的結(jié)果;礦床和形成礦床的流體在化學(xué)性質(zhì)上與其周?chē)h(huán)境明顯不同。當(dāng)這種脫氣作用形成的氣流通過(guò)不同地質(zhì)體時(shí),可將不同組分載入,造成礦床上方與區(qū)域背景氣體信號(hào)之間存在某種差異。盡管這種差異很微弱,但采用一種獨(dú)特的測(cè)量方法-土壤熱釋氣體測(cè)量（SDP,soil-gas desorption pyrolysis）,完全可以探測(cè)到這種微弱差異的信息。SDP技術(shù)是通過(guò)表層土壤并分析其中氣體組分來(lái)實(shí)現(xiàn)對(duì)地下礦產(chǎn)的勘查的。

2.3應(yīng)用實(shí)例

勘查技術(shù)有效性可以通過(guò)在實(shí)際找礦中的應(yīng)用效果來(lái)檢驗(yàn)。對(duì)于研究隱伏礦的勘查技術(shù)來(lái)說(shuō),直接采用鉆探方法來(lái)找礦成本非常昂貴，SDP技術(shù)能在最大程度的節(jié)省初投資情況下準(zhǔn)確無(wú)誤地對(duì)地下情況進(jìn)行研究。

圖2所示礦區(qū)，位于澳大利亞Isa Block Eastern Succession山的南端,為一銅金礦床,圍巖為中元古代的石英巖和鐵石,巖層被30-40m厚的中生代沉積物所覆蓋。礦區(qū)的西部和北部是含硫化物的薄層硅質(zhì)礦帶,并帶有磁鐵礦-黃鐵礦這些與鐵石有關(guān)的蝕變。東部主礦體是高品位、富含磁黃鐵礦的硅質(zhì)礦體。礦體覆蓋層總厚度在東邊約300m。

圖2利用普通模式對(duì)Osborne礦床上的SDP調(diào)查的數(shù)據(jù)處理

SDP土壤調(diào)查點(diǎn)位分布見(jiàn)圖2。采樣間距不規(guī)則,背景區(qū)為100m,接近礦化和在礦化上方分別為50m和25m。氣體測(cè)量結(jié)果采用斯潘賽床的標(biāo)準(zhǔn)模板處理,在Osborne礦床也得到良好的異常顯示,說(shuō)明在干旱地區(qū),SDP技術(shù)能夠具有較強(qiáng)勘查銅金礦床的能力。

目前，國(guó)內(nèi)在硫化多金屬礦床SDP化探研究和試驗(yàn)方面還鮮見(jiàn)報(bào)道。由于基于SDP法的土壤硫化氣體化探技術(shù)具有找礦指標(biāo)的多樣性、找礦效果的直接性和找礦方法的可操作性，若結(jié)合其它物化探勘查方法，在尋找覆蓋區(qū)隱伏礦方面必將發(fā)揮其獨(dú)特的潛力和技術(shù)優(yōu)勢(shì)，具有巨大的應(yīng)用前景

3地球物理勘查技術(shù)

目前除地面核磁共振方法找水是一種較直接的物探方法外，其它地球物理勘探方法都是一種通過(guò)尋找與礦產(chǎn)有關(guān)的地球物理參數(shù)異常來(lái)達(dá)到間接找礦目的，或者通過(guò)尋找與地質(zhì)構(gòu)造有關(guān)的地球物理參數(shù)異常來(lái)查明深部地質(zhì)構(gòu)造，從而為區(qū)內(nèi)成礦規(guī)律研究提供依據(jù)，為礦產(chǎn)勘查提供方向。

3.1主要技術(shù)方法

1）地下電磁波法

地下電磁波法是利用無(wú)線電波在鉆孔或坑道中發(fā)射和接收，根據(jù)不同位置上接收的場(chǎng)強(qiáng)，來(lái)確定地下不同介質(zhì)分布的一種地下物探方法，常稱為無(wú)線電波透視法。在金屬礦勘查中，地下電磁波法以雙孔法最為常用，可用于尋找井間盲礦體，判斷兩孔之間所見(jiàn)礦體是否相連，確定礦體產(chǎn)狀等。

2）金屬地震法

金屬地震法是利用地下物質(zhì)對(duì)地震波反射的差異，查明深部控礦構(gòu)造、圈定容礦巖石甚至直接尋找深部盲礦體的金屬礦的方法，其原理見(jiàn)圖3。金屬地震法最近在數(shù)據(jù)采集、處理和解釋等諸多方面得到了很大的改進(jìn)和完善。隨著數(shù)據(jù)測(cè)量、處理和解釋技術(shù)的改進(jìn)和完善，金屬地震方法正在逐步發(fā)展成為一種實(shí)用性的尋找深部隱伏礦體的有效方法。

圖3金屬地震法原理

3）時(shí)間域航空電磁法

中高山區(qū)高精度航空磁測(cè)方法是指使用專用磁測(cè)系統(tǒng)在中高山區(qū)獲取高精度磁場(chǎng)數(shù)據(jù),使用專用的數(shù)據(jù)處理和解釋方法獲得地質(zhì)成果的技術(shù)統(tǒng)稱。目前用于中高山區(qū)航磁測(cè)量系統(tǒng)有很多種，時(shí)間域航空電磁法就是其中的一種。時(shí)間域航空電磁法適用于金屬硫化物礦床及與硫化物共生的貴金屬礦床的普查、圈定斷裂構(gòu)造帶、航空電磁電阻率填圖、淺層水資源調(diào)查等。

時(shí)間域航空電磁法用于鎳金屬硫化物的勘查。塊狀硫化物的勘查一直以來(lái)都是航空電磁法尋找金屬礦產(chǎn)的重要方向。Harmony礦是西澳大利亞Leinster礦床的一部分,1998年,時(shí)間域航空電磁法在該礦床上用25Hz基頻4ms脈寬進(jìn)行了測(cè)量,發(fā)現(xiàn)了一處夾在兩層石英質(zhì)水平層間的線性垂直塊狀硫化礦體。該礦體約有760×104t,鎳含量約1.55%。圖4給出了GEOTEM在該礦體上的實(shí)測(cè)數(shù)據(jù)。

圖4時(shí)間域航空電磁法用于鎳金屬硫化礦勘查

4高光譜遙感技術(shù)

4.1應(yīng)用現(xiàn)狀

高光譜遙感是將光譜技術(shù)和成像技術(shù)相結(jié)合，以納米級(jí)的超高光譜分辨率對(duì)目標(biāo)進(jìn)行成像，同時(shí)獲取數(shù)十甚至上百個(gè)波段，形成連續(xù)光譜圖像的技術(shù)。地質(zhì)調(diào)查是高光譜遙感應(yīng)用的一個(gè)重要領(lǐng)域。隨著高光譜遙感技術(shù)的發(fā)展，成像光譜儀的光譜分辨率和空間分辨率越來(lái)越高，因此它的應(yīng)用面也越來(lái)越廣，巖礦識(shí)別、礦物豐度制圖以及找礦勘查是成像光譜應(yīng)用的主要方向，也是率先應(yīng)用的領(lǐng)域。

4.2尚待解決的關(guān)鍵問(wèn)題

1）高光譜礦產(chǎn)勘查模型的普適性

高光譜礦產(chǎn)勘查信息提取模型已經(jīng)比較多，但沒(méi)有一種具有普適性的方法。由于模型與模型間的設(shè)計(jì)條件區(qū)別較大，需要因地制宜地提取模型參數(shù)，況且大多數(shù)模型都要求大量實(shí)測(cè)數(shù)據(jù)去修正。因此目前所建立的模型幾乎都以假設(shè)的理想條件為基礎(chǔ)，而實(shí)際問(wèn)題中卻同時(shí)存在復(fù)雜性與多樣性，急需解決的問(wèn)題還很多。

2）光譜混合分解模型及其端元提取

礦產(chǎn)基地中土壤、殘骸等形成的混合光譜機(jī)制復(fù)雜多樣，尤其是地形復(fù)雜的地區(qū)，其多種組分的光譜混合分解模型研究有待深入。建模后端元光譜的確定是模型成功與否的關(guān)鍵，深入研究基于混合光譜的端元提取技術(shù)，對(duì)高光譜礦產(chǎn)信息提取的實(shí)用化以及定量化有重大價(jià)值。

5結(jié)論

目前高光譜遙感技術(shù)，蝕變流體填圖技術(shù)，地球化學(xué)勘查技術(shù)和地球物理勘查技術(shù)等高新技術(shù)的綜合運(yùn)用是提高礦產(chǎn)勘查成功率的保障。但是這些技術(shù)都是以信息通訊技術(shù)的發(fā)展為依托的，信息通訊技術(shù)的發(fā)展直接制約礦產(chǎn)勘查的方法的進(jìn)一步發(fā)展。因此，我們應(yīng)以信息技術(shù)的發(fā)展為核心，最大限度地利用各種現(xiàn)有的數(shù)據(jù)資料，綜合運(yùn)用各種先進(jìn)技術(shù)提高礦產(chǎn)勘查的成功率。

參考文獻(xiàn)

[1] 惠衛(wèi)東, 雷軍文. 金屬礦產(chǎn)勘查中的新技術(shù)與新方法[J]. 新疆有色金屬 , 2008,(06)

[2] 成宇. 遙感技術(shù)的新應(yīng)用[J]. 百科知識(shí) , 2007,(07)

[3] 王學(xué)求.《礦產(chǎn)勘查地球化學(xué):過(guò)去的成就與未來(lái)的挑戰(zhàn)》[J].地學(xué)前緣, 2003（3）

[4] 趙永貴.中國(guó)工程地球物理研究的進(jìn)展與未來(lái)[J].地球物理學(xué)發(fā)展,2002,17(2):305-3

09.

篇5

關(guān)鍵詞：

反射式高光譜； 可見(jiàn)光； 近紅外光； 人體組織檢測(cè)

中圖分類號(hào)： R 32933文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2017.01.013

Research progress in human tissue detection technologies

based on reflection hyperspectra

YUAN Xupeng1， ZHANG Dawei1， WANG Cheng2， DAI Bo1， ZHAO Mantong1

（1.School of OpticalElectrical and Computer Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China；

2.School of Medical Instrument and Food Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China）

Abstract：

Hyperspectral imaging（HSI）detection technology has been widely used in agricultural detection，geological exploration and urban planning and so on.With the development of HSI technology，the technology of human tissue detection based on reflection HSI effect in the visibletonearinfrared band（4001 100 nm） has become a key research direction due to its various advantages like realtime，fast and accurate noninvasive characteristics.We review the current situation of HSI on the way of medical science and the contrast of different HSI technologies applied in human tissue detection，and summarize the research applications and achievements of human tissue detection based on reflection HSI，including cutaneous edema，tongue tumor and lung cancer and so on.The urgent problems of HSI in the medical field are also presented.

Keywords： reflection hyperspectra； visible light； near infrared light； human tissue detection

引言

目前，基于光V成像（SI）的遙感技術(shù)（RST）已經(jīng)在農(nóng)業(yè)生產(chǎn)監(jiān)測(cè)、煤礦挖掘、目標(biāo)識(shí)別和檢測(cè)、災(zāi)難預(yù)警、軍事勘測(cè)以及城市規(guī)劃等方面得到了廣泛的應(yīng)用[1]。高光譜成像（HSI）技術(shù)的出現(xiàn)和快速發(fā)展是遙感技術(shù)又一個(gè)新的重要應(yīng)用。

在醫(yī)學(xué)應(yīng)用領(lǐng)域，高光譜成像仍是一項(xiàng)比較新的技術(shù)。到目前為止，組織病理學(xué)仍然是各種癌癥診斷的黃金標(biāo)準(zhǔn)，但是，這種方法對(duì)人體有很大的損傷且成本比較高，最終的診斷結(jié)果仍取決于病理學(xué)專家的主觀判斷[2]，診斷的結(jié)果難免會(huì)具有一定的片面性。最重要的是，檢查一個(gè)疑似腫瘤的病理學(xué)組織切片通常需要花費(fèi)幾天的時(shí)間[3]。核磁共振成像（MRI）、X射線斷層攝影術(shù)（CT）以及超聲波檢查法等技術(shù)雖然已經(jīng)發(fā)展成為現(xiàn)代生物醫(yī)學(xué)的主流成像技術(shù)，但其最大的困難之一是成像時(shí)器官和周?chē)慕M織區(qū)分得不是特別明顯，當(dāng)需要檢測(cè)的物體在不斷運(yùn)動(dòng)的時(shí)候，整個(gè)檢測(cè)過(guò)程將會(huì)變得更具有挑戰(zhàn)性[4]。高光譜成像技術(shù)的出現(xiàn)將會(huì)為各種疾病的診斷以及外科手術(shù)的指導(dǎo)提供參考[5]。

基于生物組織光學(xué)特性的不同，高光譜成像技術(shù)按照測(cè)量模式的不同可以分為三大類：反射式高光譜[6]、透射式高光譜[7]以及與熒光技術(shù)結(jié)合的反射式高光譜[8]。熒光和反射模式相結(jié)合的技術(shù)[89]一般用于鑒定生物分子或者診斷各種組織的表面形態(tài)。透射模式通常和顯微鏡相結(jié)合[7，10]，用來(lái)測(cè)量入射光透過(guò)生物組織后的光強(qiáng)。在高光譜的實(shí)際應(yīng)用中，反射模式應(yīng)用最為廣泛[11]。例如，Akbari等[12]利用近紅外（1 000～2 500 nm）高光譜成像技術(shù)并結(jié)合支持向量機(jī)（SVM）算法來(lái)檢測(cè)10個(gè)人體的胃組織，最終確定1 226～1 251 nm和1 288～1 370 nm波段的光譜作為測(cè)量正常組織和癌變組織的光譜，能為醫(yī)生在手術(shù)時(shí)提供安全邊距，也能檢測(cè)手術(shù)之后癌變組織是否被完全切除干凈。Nouri等[13]利用高光譜成像系統(tǒng)結(jié)合波段轉(zhuǎn)換與選擇的方法在實(shí)驗(yàn)中檢測(cè)豬的輸尿管，實(shí)驗(yàn)證明波段選擇法比波段轉(zhuǎn)換法提供的信息更多，但是波段轉(zhuǎn)換法中波段與波段之間的相關(guān)性更低。

本文主要介紹反射式高光譜在可見(jiàn)光到近紅外波段（400～1 100 nm）在人體生物組織檢測(cè)方面的應(yīng)用及反射式高光譜成像系統(tǒng)的工作原理。

1高光譜成像系統(tǒng)的關(guān)鍵步驟及工作原理

高光譜成像系統(tǒng)如圖1所示[14]，白光均勻地照射在組織上，入射狹縫的作用是限制光譜帶寬，即決定了高光譜系統(tǒng)的光譜分辨率，然后經(jīng)過(guò)準(zhǔn)直透鏡進(jìn)行準(zhǔn)直，之后再通過(guò)散光裝置（目前主要的散光裝置有棱鏡、光柵、聲光可調(diào)濾光器（AOTF）和液晶可調(diào)諧濾光片（LCTF））將白光分成一系列窄帶光譜，這些光譜通過(guò)聚焦透鏡聚焦在探測(cè)器陣列上。為了得到比較理想的圖像，探測(cè)器的光譜響應(yīng)值一般應(yīng)調(diào)節(jié)在其最大光譜響應(yīng)值的80%左右。

高光譜成像系統(tǒng)能產(chǎn)生三維信息，包括二維空間成像信息和第三維光譜信息，即能同時(shí)提供實(shí)驗(yàn)對(duì)象的光譜（即化學(xué)信息）和圖像（即物理信息）特征[15]，如圖2所示[16]。利用高光譜成像技術(shù)對(duì)組織進(jìn)行檢測(cè)時(shí)，光能夠穿透生物組織一定的厚度，由于生物組織結(jié)構(gòu)的不均一性，光在各個(gè)方向發(fā)生散射，血紅蛋白、黑色素和水吸收不同波長(zhǎng)的光[17]，所以，不同組織或者器官的反射光譜取決于自身的生物化學(xué)和組織學(xué)特性[18]，為鑒別正常組織和癌變組織提供了強(qiáng)有力的依據(jù)。

2可見(jiàn)光到近紅外光的反射式高光譜對(duì)人體組織的檢測(cè)

2.1基于AOTF高光譜檢測(cè)舌腫瘤

舌癌是一種惡性腫瘤，剛開(kāi)始只是一個(gè)比較硬的小白塊或者潰瘍，但是會(huì)慢慢擴(kuò)散到身體的其他部位并危及生命。Liu等[2]在2011年利用基于AOTF（AOTF沒(méi)有可移動(dòng)的單元，因此不會(huì)受到方位變換或者機(jī)械振動(dòng)等的干擾，是一種具有高輸出和高速可編程裝置的大視場(chǎng)可調(diào)諧濾波片）的醫(yī)學(xué)高光譜成像系統(tǒng)（600～1 000 nm）測(cè)量并分析了人舌的反射光譜，如圖3所示[2]，然后采用稀疏表示（SR）的算法判斷每一個(gè)像素點(diǎn)是正常的還是癌性的。他們首創(chuàng)性地構(gòu)建了自己的舌腫瘤圖像數(shù)據(jù)庫(kù)，其中包括65個(gè)腫瘤組織和34個(gè)部分腫瘤組織。圖4 所示為腫瘤組織和正常組織的歸一化反射光譜曲線，兩者之間的差異能有效地幫助我們區(qū)分腫瘤組織和正常組織[2]。

為了驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)處理方法的優(yōu)越性，Liu等還將自己的方法和支持向量機(jī)（SVM）[19]以及關(guān)聯(lián)向量機(jī)（RVM）[20]進(jìn)行比較，如圖5所示[2]。實(shí)驗(yàn)結(jié)果表明識(shí)別率最高時(shí)可以達(dá)到96.5%，如果能將樣本的數(shù)量再進(jìn)一步擴(kuò)大并嘗試其他的數(shù)據(jù)處理方法，或許會(huì)有更好的效果。雖然最終的結(jié)果還要讓醫(yī)生進(jìn)行鑒定，但是此實(shí)驗(yàn)系統(tǒng)提供的小型數(shù)據(jù)庫(kù)可以在醫(yī)生進(jìn)行舌診斷時(shí)提供非常有用的參考。

2.2基于LCTF高光譜檢測(cè)吸煙者的肺

Lee等[21]于2009年利用基于LCTF的高光譜系統(tǒng)（650～1 100 nm）在實(shí)驗(yàn)中檢測(cè)豬的正常肺和模擬的吸煙者的人肺的差異，其中LCTF的調(diào)諧、圖像的獲取以及數(shù)據(jù)的存儲(chǔ)都通過(guò)C++編程實(shí)現(xiàn)。由于獲得的數(shù)字圖像包含系統(tǒng)的補(bǔ)償和增益，它們會(huì)隨著時(shí)間的推移而發(fā)生改變，所以有必要進(jìn)行光學(xué)校準(zhǔn)。圖6顯示了LCTF由雙鹵素?zé)粽丈湎略诓ㄩL(zhǎng)650～1 100 nm之間的透射特性[21]，表征了可調(diào)諧濾波器的校準(zhǔn)狀況，然后根據(jù)不同空間坐標(biāo)在相對(duì)應(yīng)波長(zhǎng)處的模型公式I（x，y，λk）=L（x，y，λk）S（x，y，λk）?R（x，y，λk）+O（x，y，λk）[22]進(jìn)行校準(zhǔn)，其中I（x，y，λk）代表高光譜圖像中空間坐標(biāo)點(diǎn)（x，y）和波長(zhǎng)λk，L（x，y，λk）代表光照度，S（x，y，λk）代表系統(tǒng)光譜響應(yīng)，R（x，y，λk）代表反射率，O（x，y，λk）代表暗電流和雜散光引起的誤差。

校準(zhǔn)之后，分別從肺的三個(gè)不同部位（左肺、右肺和心切跡）選取10 000個(gè)像素點(diǎn)求其平均值，圖7所示為豬的健康肺和模擬的吸煙者的肺的光譜區(qū)別[21]。兩種組織有相似的光譜形狀，但是模擬的吸煙者的肺的反射率明顯高于正常肺。因此，此實(shí)驗(yàn)結(jié)果有助于我們區(qū)別健康肺和不健康的肺。

雖然實(shí)驗(yàn)結(jié)果比較明顯，但是豬肺和人肺之間還是存在很大的差異性，所以下一步的工作如果能都用人肺進(jìn)行比較會(huì)具有更強(qiáng)的說(shuō)服力。

2.3用宏觀的高光譜方法檢測(cè)癌癥轉(zhuǎn)移

直到2012年才有人提出用高光譜技術(shù)對(duì)病理組織切片進(jìn)行成像來(lái)檢測(cè)癌癥，Akbari等[23]采用波帶寬度為450～950 nm的光譜相機(jī)來(lái)檢測(cè)人體頭和脖子的癌細(xì)胞轉(zhuǎn)移。他們將高度擴(kuò)散的癌細(xì)胞轉(zhuǎn)移到老鼠身上，大約2～3周以后將老鼠的淋巴結(jié)和肺組織做成病理切片，然后利用高光譜進(jìn)行成像，如圖8所示[23]。

而后，將高光譜收集到的不同組織的高維度數(shù)據(jù)利用支持向量機(jī)算法進(jìn)行分類，區(qū)分正常的像素點(diǎn)和癌變的像素點(diǎn)，建立實(shí)驗(yàn)的訓(xùn)練集，圖9分別為老鼠淋巴結(jié)和肺組織的正常組織和癌變組織的反射光譜圖[23]，可以有效地區(qū)分正常組織和癌變組織。建立訓(xùn)練集以后，用支持向量機(jī)算法對(duì)其余的組織進(jìn)行評(píng)價(jià)，其敏感度和特異性[2425]（也是一種統(tǒng)計(jì)學(xué)測(cè)量方法）在肺病理切片和淋巴結(jié)病理切片中分別為97.7%和92.6%以及98.3%和96.2%，取得了很好的效果。

用高光譜成像技術(shù)檢測(cè)病理切片的方法為研究癌癥的擴(kuò)散機(jī)制以及治療癌癥的方法提供了一種全新的途徑，在醫(yī)學(xué)上具有重要的現(xiàn)實(shí)意義。

組織發(fā)炎的時(shí)候通常會(huì)伴隨局部組織積水，稱為水腫，可能會(huì)導(dǎo)致組織感染、淋巴結(jié)堵塞以及癌癥等。Stamatas等[26]用高光譜成像技術(shù)檢測(cè)皮膚水腫和紅疹，水腫和紅疹是通過(guò)電離子透入療法將組胺通過(guò)皮膚注射到體內(nèi)產(chǎn)生的，圖10分別為注射不同劑量的組胺所產(chǎn)生的水腫和紅疹的效果[26]，水腫和紅疹的明顯程度取決于組胺的劑量。水腫的區(qū)域隨著組胺劑量的增大而增大，而紅疹卻在到達(dá)一定程度后保持穩(wěn)定甚至衰減，主要是因?yàn)樗[擠壓削弱了深處血管的擴(kuò)張，紅疹的區(qū)域超出了水腫的區(qū)域?qū)儆诘湫偷娘L(fēng)團(tuán)反應(yīng)。

水腫和紅疹的光譜分析如圖11所示[26]，分別顯示了在560，580，700，970 nm處的光譜圖。在前兩個(gè)波長(zhǎng)處，脫氧血紅蛋白和血紅蛋白吸收強(qiáng)烈，較暗的區(qū)域是由于血液濃度較高所以吸收較多造成的，但是這個(gè)波長(zhǎng)范圍內(nèi)的光只能滲透皮膚幾百微米的深度。在后兩個(gè)波長(zhǎng)處，表面毛細(xì)血管處的紅疹在這個(gè)波段范圍內(nèi)是不可見(jiàn)的，但是，較深較大的毛細(xì)血管由于較高的血紅蛋白濃度所以吸收比較強(qiáng)烈，這也就解釋了為何在600 nm以上的波段內(nèi)在較白的背景下能看見(jiàn)較深處的血管。

雖然光譜圖像包含了l色團(tuán)不同濃度在相應(yīng)譜帶范圍內(nèi)吸收光的信息，但是由于染色團(tuán)對(duì)光的吸收有很多重疊部分，需要用曲線擬合和發(fā)色團(tuán)的消光系數(shù)作為主要的向量，計(jì)算出每個(gè)像素點(diǎn)上發(fā)色團(tuán)對(duì)應(yīng)的濃度，這樣就可以構(gòu)建一個(gè)濃度圖，每一個(gè)像素點(diǎn)的發(fā)色團(tuán)濃度可以根據(jù)光譜分析算法計(jì)算得到，如圖12所示[26]，依次代表了血紅蛋白濃度、脫氧血紅蛋白濃度、水濃度和光的強(qiáng)度散射圖，用圖像分析的方法就能夠從這些圖片中提取定量的信息進(jìn)行分析。

該實(shí)驗(yàn)第一次提出用水和血紅蛋白的特征吸收帶來(lái)證明水腫反應(yīng)的功能圖像，對(duì)于研究水腫有重要的意義。但是，水腫是由于血漿膠體滲透壓降低或者淋巴回流受阻等多方面病因引起的，如果能對(duì)水腫反應(yīng)進(jìn)行具體的定性分析，將會(huì)有特別的價(jià)值。

2.5利用高光譜技術(shù)研發(fā)針對(duì)胃癌的診斷支持系統(tǒng)

Goto等[27]在2015年利用高光譜技術(shù)來(lái)區(qū)分胃腫瘤和周?chē)ｐつそM織，并試圖確定一個(gè)特定的最優(yōu)波長(zhǎng)用于診斷胃癌。

他們將104個(gè)腫瘤塊分為兩組，即訓(xùn)練組54個(gè)和測(cè)試組50個(gè)，為了保證準(zhǔn)確性，訓(xùn)練組每一塊組織上分別平均取1個(gè)腫瘤區(qū)域和正常區(qū)域10個(gè)像素點(diǎn)進(jìn)行測(cè)量。因?yàn)槊繅K組織都不完全相同，所以腫瘤區(qū)域的校正光譜是通過(guò)腫瘤區(qū)域的平均光譜減去正常黏膜區(qū)域的平均光譜，相應(yīng)地，正常黏膜區(qū)域的校正光譜為零，腫瘤區(qū)域的校正光譜和正常黏膜區(qū)域的校正光譜之間的馬氏距離用于確定最優(yōu)波長(zhǎng)，之后再將訓(xùn)練集的54塊組織平均分為子訓(xùn)練集和子測(cè)試集用于確定截止值。圖13顯示了測(cè)試集中其中一塊組織上的光譜反射曲線[27]，經(jīng)過(guò)30次實(shí)驗(yàn)以后可以確定770 nm作為最優(yōu)波長(zhǎng)，然后可以確定1/4為最優(yōu)截止值。最后

用測(cè)試集的50塊組織以同樣的方法來(lái)檢測(cè)診斷支持系統(tǒng)的可靠性并取得了很好的效果，將反射光譜數(shù)據(jù)和最優(yōu)截止值導(dǎo)入到光譜相機(jī)（HSC）分析軟件中就可以很快地自動(dòng)識(shí)別正常組織和腫瘤組織。

此實(shí)驗(yàn)是在胃腺瘤切除以后的樣本上進(jìn)行的，此時(shí)血液的流動(dòng)量以及氧飽和度都已經(jīng)發(fā)生改變，對(duì)提取的數(shù)據(jù)有一定的影響；此外，最優(yōu)截止值取決于光譜相機(jī)和實(shí)驗(yàn)過(guò)程，所以最優(yōu)截止值必須進(jìn)行相應(yīng)的優(yōu)化，以提高實(shí)驗(yàn)的精確度。

3結(jié)論

在介紹高光譜在醫(yī)學(xué)領(lǐng)域的發(fā)展現(xiàn)狀以及工作原理的基礎(chǔ)上，描述了反射式高光譜成像系統(tǒng)在可見(jiàn)光到近紅外（400～1 100 nm）波段在人體組織檢測(cè)中的應(yīng)用，提供了較為完備的人體組織研究現(xiàn)狀，為醫(yī)學(xué)方面的檢測(cè)提供了很大的幫助。但是，目前的高光譜檢測(cè)技術(shù)在醫(yī)學(xué)方面的應(yīng)用主要停留在實(shí)驗(yàn)水平，因?yàn)閺奶崛∠袼攸c(diǎn)進(jìn)行分析到確定最終的結(jié)果需要一定的時(shí)間，這嚴(yán)重地阻礙了其在醫(yī)學(xué)方面的應(yīng)用。同時(shí)，現(xiàn)在的高光譜設(shè)備的光譜相機(jī)工作波段一般比較窄，有較大的局限性，如果能開(kāi)發(fā)出比較寬的波段范圍，將大大促進(jìn)高光譜在醫(yī)學(xué)領(lǐng)域的應(yīng)用。因此，如何將光譜儀器和算法有效地融合在一起，在短時(shí)間內(nèi)給出診斷結(jié)果，以及研究寬波段光譜儀，都將是以后的主要研究方向。

參考文獻(xiàn)：

[1]YANG J H，WANG L G，QIAN J X.Hyperspectral image classification based on spatial and spectral features and sparse representation[J].Applied Geophysics，2014，11（4）：489499.

[2]LIU Z，WANG H J，LI Q L.Tongue tumor detection in medical hyperspectral images[J].Sensors，2012，12（1）：162174.

[3]KONG S G，MARTIN E M，VODINH T.Hyperspectral fluorescence imaging for mouse skin tumor detection[J].ETRI Journal，2006，28（6）：770776.

[4]LIU Z，YAN J Q，ZHANG D，et al.Automated tongue segmentation in hyperspectral images formedicine[J].Applied Optics，2007，46（34）：83288334.

[5]LU G L，F(xiàn)EI B W.Medical hyperspectral imaging：a review[J].Journal of Biomedical Optics，2014，19（1）：010901.

[6]ROSAS J G，BLANCO M.A criterion for assessing homogeneity distribution in hyperspectral images.Part 2：application of homogeneity indices to solid pharmaceutical dosage forms[J].Journal of Pharmaceutical and Biomedical Analysis，2012，70：691699.

[7]DICKER D T，LERNER J，VAN BELLE P，et al.Differentiation of normal skin and melanoma using high resolution hyperspectral imaging[J].Cancer Biology & Therapy，2006，5（8）：10331038.

[8]LARSENE L P，RANDEBERG L L，OLSTAD E，et al.Hyperspectral imaging of atherosclerotic plaques in vitro[J].Journal of Biomedical Optics，2011，16（2）：026011.

[9]MARTIN M E，WABUYELE M，PANJEHPOUR M，et al.An AOTFbased dualmodality hyperspectral imaging system （DMHSI） capable of simultaneous fluorescence and reflectance imaging[J].Medical Engineering & Physics，2006，28（2）：149155.

[10]LI Q L，WANG Y T，LIU H Y，et al.Nerve fibers identification based on molecular hyperspectral imaging technology[C]∥Proceedings of 2012 IEEE International Conference on Computer Science and Automation Engineering.Zhangjiajie，China，2012：1517.

[11]侯路，李柏承，周瑤，等.基于可見(jiàn)近紅外高光譜成像技術(shù)的梨硬度和可溶性固體含量的預(yù)測(cè)[J].激光雜志，2015（10）：7074.

[12]AKBARI H，UTO K，KOSUGI Y，et al.Cancer detection using infrared hyperspectral imaging[J].Cancer Science，2011，102（4）：852857.

[13]NOURI D，LUCAS Y，TREUILLET S.Efficient tissue discrimination during surgical interventions using hyperspectral imaging[M]∥STOYANOV D，COLLINSD L，SAKUMA I，et al.Information processing in computerassisted interventions.Switzerland：Springer，2014：266275.

[14]GOETZ A F H.Three decades of hyperspectral remote sensing of the earth：a personal view[J].Remote Sensing of Environment，2009，113（S1）：S5S16.

[15]易偉松，劉文強(qiáng)，陸東，等.高光譜成像結(jié)合化學(xué)計(jì)量學(xué)診斷胃癌組織[J].中國(guó)醫(yī)學(xué)物理學(xué)雜志，2015，32（1）：124128.

[16]SHAHZAD A，SAAD M N，WALTER N，et al.Hyperspectral venous image quality assessment for optimum illumination range selection based on skin tone characteristics[J].Biomedical Engineering Online，2014，13（1）：109.

[17]WANG L V，WU H I.Biomedical optics，principle and imaging[J].Journal of Biomedical Optics，2008，13（4）：049902.

[18]AKBARI H，KOSUGI Y，KOJIMA K，et al.Detection and analysis of the intestinal ischemia using visible and invisible hyperspectral imaging[J].IEEE Transactions on Biomedical Engineering，2010，57（8）：20112017.

[19]RAJPOOT K，RAJPOOT N.SVM optimization for hyperspectral colon tissue cell classification[M]∥BARILLOT C，HAYNORD R，HELLIER P.Medical image computing and computerassisted intervention.Heidelberg：Springer，2004：829837.

[20]MIANJIF A，ZHANG Y.Robust hyperspectral classification using relevance vector machine[J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（6）：21002112.

[21]LEE J H，WON C H.Characterization of lung tissues using liquidcrystal tunable filter and hyperspectral imaging system[C]∥Proceedings of 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Minneapolis，2009：14161419.

[22]PAN Z H，HEALEY G，PRASAD M，et al.Face recognition in hyperspectral images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（12）：15521560.

[23]AKBARI H，HALIG L V，ZHANG H Z，et al.Detection of cancer metastasis using a novel macroscopic hyperspectral method[C]∥Proceedings of the SPIE Medical Imaging 2012：Biomedical Applications in Molecular，Structural，and Functional Imaging.San Diego，California，2012，8317：831711.

[24]YANG X F，F(xiàn)EI B W.A multiscale and multiblock fuzzy Cmeans classification method for brain MR images[J].Medical Physics，2011，38（6）：28792891.

[25]WANG H S，F(xiàn)EI B W.A modified fuzzy Cmeans classification method using a multiscale diffusion filtering scheme[J].Medical Image Analysis，2008，13（2）：193202.

[26]STAMATASG N，SOUTHALL M，KOLLIAS N.In vivo monitoring of cutaneous edema using spectral imaging in the visible and near infrared[J].Journal of Investigative Dermatology，2006，126（8）：17531760.

篇6

0引言

水產(chǎn)養(yǎng)殖是指商業(yè)性的飼養(yǎng)水生生物(包括魚(yú)類、軟體動(dòng)物、甲殼類動(dòng)物和水生植物)的活動(dòng)［1］，按操作的基面性質(zhì)可分為陸地、水面和灘涂等3大類。以陸地為主的系統(tǒng)主要包括池塘、稻田以及在陸地建造的其他設(shè)施;以水面為基礎(chǔ)的養(yǎng)殖系統(tǒng)包括攔灣、圍欄、網(wǎng)箱及筏式養(yǎng)殖，通常位于設(shè)有圍場(chǎng)的沿海或內(nèi)陸水域;以灘涂為基礎(chǔ)的養(yǎng)殖系統(tǒng)包括基塘養(yǎng)殖和高位池養(yǎng)殖［2］。我國(guó)是世界第一水產(chǎn)養(yǎng)殖大國(guó)，也是世界唯一的養(yǎng)殖產(chǎn)量超過(guò)捕撈產(chǎn)量的國(guó)家，而且目前水產(chǎn)養(yǎng)殖規(guī)模仍在繼續(xù)快速增長(zhǎng)中。在為滿足世界水產(chǎn)品需求做出巨大貢獻(xiàn)的同時(shí)，我國(guó)的水產(chǎn)養(yǎng)殖正面臨著水環(huán)境狀況的日益惡化、社會(huì)輿論的監(jiān)督、政策與法規(guī)的監(jiān)控及水產(chǎn)品質(zhì)要求日益提高等各方面的壓力，水產(chǎn)養(yǎng)殖日益成為當(dāng)前研究熱點(diǎn)之一。

遙感具有探測(cè)范圍廣、獲得資料速度快、周期短、時(shí)效性強(qiáng)、成本低、經(jīng)濟(jì)效益大等優(yōu)點(diǎn)。利用遙感圖像能快速提取所需水產(chǎn)養(yǎng)殖的專題信息，可幫助養(yǎng)殖場(chǎng)選址、決定養(yǎng)殖品種，開(kāi)展養(yǎng)殖密度、養(yǎng)殖水體污染(赤潮、水質(zhì)等)監(jiān)測(cè);結(jié)合GIS技術(shù)，還可對(duì)養(yǎng)殖區(qū)進(jìn)行規(guī)劃和管理，評(píng)估水產(chǎn)養(yǎng)殖區(qū)對(duì)環(huán)境的影響，加深對(duì)魚(yú)類等水生生物棲息地的理解和認(rèn)識(shí)［3－4］。以往由于農(nóng)業(yè)活動(dòng)和降水作用導(dǎo)致的水質(zhì)隨季節(jié)變化明顯，導(dǎo)致水產(chǎn)養(yǎng)殖遙感識(shí)別需要更高的時(shí)間分辨率數(shù)據(jù)來(lái)獲取信息等原因，相對(duì)于在其他領(lǐng)域(如地質(zhì)學(xué)和林學(xué)等)的應(yīng)用，遙感在水產(chǎn)養(yǎng)殖方面的應(yīng)用發(fā)展較遲緩［5］。近年來(lái)，隨著遙感技術(shù)的發(fā)展，日益豐富的多平臺(tái)、多種類、多分辨率的遙感數(shù)據(jù)為水產(chǎn)養(yǎng)殖信息獲取提供了新的契機(jī);許多研究人員也對(duì)水產(chǎn)養(yǎng)殖專題信息的快速、高精度提取方法進(jìn)行了積極的探索和研究，使得遙感在水產(chǎn)養(yǎng)殖中的應(yīng)用日趨廣泛。本文針對(duì)目前的研究現(xiàn)狀，對(duì)用于水產(chǎn)養(yǎng)殖區(qū)域識(shí)別的遙感數(shù)據(jù)源、識(shí)別方法進(jìn)行分析和總結(jié)，并進(jìn)一步探討其研究和應(yīng)用的趨勢(shì)。

1多源遙感數(shù)據(jù)源

隨著遙感技術(shù)的發(fā)展，越來(lái)越多的不同類型的遙感傳感器數(shù)據(jù)被用于對(duì)水域的觀測(cè)。不同類型的遙感數(shù)據(jù)在水產(chǎn)養(yǎng)殖信息提取中具有各自的優(yōu)勢(shì)和特性，因而也對(duì)應(yīng)有不同的應(yīng)用領(lǐng)域和信息提取精度。一般來(lái)說(shuō)，多光譜遙感記錄了地物的反射、輻射波譜特征，擁有豐富的地物空間分布及光譜信息，有助于識(shí)別水產(chǎn)養(yǎng)殖區(qū)域，是目前水產(chǎn)養(yǎng)殖區(qū)信息提取的主要信息源。但大多數(shù)多光譜遙感圖像數(shù)據(jù)空間分辨率相對(duì)較低，即空間的細(xì)節(jié)表現(xiàn)能力比較差，將多光譜圖像和全色圖像融合，可有效提高圖像解譯能力。目前常用的識(shí)別水產(chǎn)養(yǎng)殖區(qū)的衛(wèi)星遙感數(shù)據(jù)主要有全色圖像、多光譜圖像和微波雷達(dá)圖像等，具體參數(shù)如表1所示。SAR具有全天時(shí)、全天候、多波段、多極化工作方式、可變側(cè)視角、穿透能力強(qiáng)等特點(diǎn)，SAR圖像中則含有豐富的地表紋理結(jié)構(gòu)信息。在沿海水域，由于海水對(duì)微波雷達(dá)的回波能量較弱，而養(yǎng)殖用的基座、圍欄和網(wǎng)箱等回波能量較強(qiáng)，色調(diào)比周?chē)暮Ｋ?，二者?duì)比度較大，因而可從SAR圖像中提取養(yǎng)殖區(qū)域的相關(guān)信息。此外，在進(jìn)行精度驗(yàn)證時(shí)，還可利用GoogleEarth平臺(tái)提供的在線照片，這為實(shí)地調(diào)查驗(yàn)證提供了便利。2水產(chǎn)養(yǎng)殖區(qū)域的識(shí)別方法由于受研究時(shí)間、研究區(qū)域和數(shù)據(jù)源等客觀因素的限制，還沒(méi)有一種方法是最普遍和最佳的水產(chǎn)養(yǎng)殖區(qū)的識(shí)別方法。目前常用的水產(chǎn)養(yǎng)殖區(qū)識(shí)別方法主要有目視解譯、基于比值指數(shù)分析的信息提取、基于對(duì)應(yīng)分析的信息提取、基于空間結(jié)構(gòu)分析的信息提取以及基于面向?qū)ο蟮男畔⑻崛〉取?/p>

2．1目視解譯

目視解譯是遙感應(yīng)用最常用、最基本的方法之一。它根據(jù)遙感圖像目視解譯標(biāo)志(位置、形狀、大小、色調(diào)、陰影、紋理、圖形及相關(guān)布局等)和解譯經(jīng)驗(yàn)，與多種非遙感信息資料相結(jié)合，運(yùn)用相關(guān)知識(shí)，采用對(duì)照分析的方法，進(jìn)行由此及彼、由表及里、去偽存真、循序漸進(jìn)的綜合分析和邏輯推理，從遙感圖像中獲取需要的專題信息。目前，目視解譯一般都采用人機(jī)交互方式。在解譯前先通過(guò)遙感圖像處理軟件對(duì)圖像進(jìn)行必要的預(yù)處理，包括圖像增強(qiáng)、圖像融合等，有效地改善圖像的可識(shí)別能力，突出主要信息，提高判讀的精度。楊英寶等依據(jù)6景TM圖像和3期高精度航片，利用人機(jī)交互式解譯方法分析了東太湖20世紀(jì)80年代以來(lái)網(wǎng)圍養(yǎng)殖的時(shí)空變化情況［6］;李新國(guó)等采用3景航空?qǐng)D像對(duì)東太湖的網(wǎng)圍養(yǎng)殖面積動(dòng)態(tài)變化進(jìn)行人機(jī)交互目視解譯［7］;樊建勇等在經(jīng)過(guò)增強(qiáng)處理后的SAR圖像上，對(duì)膠州灣海域養(yǎng)殖區(qū)進(jìn)行了交互跟蹤矢量化［8］;褚忠信等利用不同時(shí)期的TM圖像，對(duì)黃河三角洲平原水庫(kù)與水產(chǎn)養(yǎng)殖場(chǎng)面積進(jìn)行了人機(jī)交互解譯［9］;吳巖峻等用4景ETM+圖像，經(jīng)過(guò)多次外業(yè)調(diào)查，建立解譯標(biāo)志，采用人機(jī)交互方法，對(duì)海南省海水和島上水產(chǎn)養(yǎng)殖區(qū)進(jìn)行了勾畫(huà)［10］;宮鵬等借助1987—1992年和1999—2002年的TM/ETM+圖像及GoogleEarth平臺(tái)提供的高分辨率圖像和部分在線照片，對(duì)包括海水養(yǎng)殖場(chǎng)在內(nèi)的全國(guó)濕地分布進(jìn)行了目視解譯，并繪制了專題圖［11］。目視解譯簡(jiǎn)單易行，而且具有較高的信息提取精度，適用于絕大多數(shù)養(yǎng)殖區(qū)域的識(shí)別，但是也存在一定的缺點(diǎn)。當(dāng)解譯人員的專業(yè)知識(shí)背景、解譯經(jīng)驗(yàn)不同時(shí)，可能得到不同的結(jié)果，其結(jié)果往往帶有解譯者的主觀隨意性。當(dāng)養(yǎng)殖區(qū)域水體同非養(yǎng)殖區(qū)域水體的光譜特征或空間結(jié)構(gòu)特征等相似時(shí)，解譯人員就很難根據(jù)標(biāo)志將其區(qū)分開(kāi)來(lái)，使精度受到影響;而且目視解譯工作量大、費(fèi)工費(fèi)時(shí)，難以實(shí)現(xiàn)對(duì)海量空間信息的定量化分析和保證信息的時(shí)效性，因此研究遙感信息的自動(dòng)提取方法已成必然。

2．2基于比值指數(shù)分析的信息提取

比值型指數(shù)［12］創(chuàng)建的基本原理就是在同一圖像的多光譜波段內(nèi)，求得每個(gè)像元在不同波段的亮度值之比，構(gòu)成新的圖像，以壓制某些造成光照差異的因子或背景的影響，增強(qiáng)地物光譜特征的微小差別，突出目標(biāo)地物的輻射特征。比值型指數(shù)通常又會(huì)作歸一化處理，使其數(shù)值范圍統(tǒng)一到－1～1之間。馬艷娟等利用ASTER數(shù)據(jù)，分析養(yǎng)殖水體與非養(yǎng)殖水體在圖像各波段上的特征差異，構(gòu)建用于提取圖像中水產(chǎn)養(yǎng)殖區(qū)域的指數(shù)(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的結(jié)果中錯(cuò)分的受大氣、傳感器影響的水體與自然水體的各波段灰度值的分布，構(gòu)建了用來(lái)進(jìn)一步提取深海區(qū)域的指數(shù)(marineextractionindex，MEI)，將近海水產(chǎn)養(yǎng)殖區(qū)的養(yǎng)殖水體與其他水體區(qū)分開(kāi)［13］，取得了較高的精度。由于比值指數(shù)分析的信息提取方法只考慮各波段上的灰度信息，當(dāng)部分養(yǎng)殖區(qū)在光譜上與深海水域接近或是當(dāng)深海水域光譜并非均一時(shí)，會(huì)導(dǎo)致錯(cuò)分。該方法適用于養(yǎng)殖區(qū)與背景環(huán)境光譜差異大的地區(qū)，否則將無(wú)法克服傳統(tǒng)遙感分類方法所普遍存在的“椒鹽”噪聲，從而影響信息提取的精度。

2．3基于對(duì)應(yīng)分析的信息提取

對(duì)應(yīng)分析是在因子分析的基礎(chǔ)上發(fā)展起來(lái)的分析方法，又稱“R－Q型因子分析”［14］。該方法已在生物和統(tǒng)計(jì)領(lǐng)域得到廣泛的認(rèn)同和應(yīng)用，但在遙感領(lǐng)域的應(yīng)用相對(duì)較少。在遙感應(yīng)用中對(duì)應(yīng)分析方法既研究圖像波段特征屬性及其相互關(guān)系，也研究像元特征之間的關(guān)系，有利于提高信息提取的精度。王靜等應(yīng)用該方法快速有效地進(jìn)行了滆湖圍網(wǎng)養(yǎng)殖區(qū)湖泊圍網(wǎng)分布信息的提?。?5］。該方法對(duì)遙感圖像的質(zhì)量要求較高，并在分析前要進(jìn)行嚴(yán)格有效的圖像預(yù)處理。此外，該方法并無(wú)法有效地解決“異物同譜”和“異物同紋理”的分類問(wèn)題。

2．4基于空間結(jié)構(gòu)分析的信息提取

空間結(jié)構(gòu)分析的處理方法有鄰域分析、紋理分析、線性特征提取等。其中，鄰域分析是對(duì)波段每一個(gè)像元依據(jù)四周鄰近的像元對(duì)其進(jìn)行空間分析的方法［16］，分析和運(yùn)算的像元數(shù)目和位置由掃描窗口確定;紋理表現(xiàn)是指圖像灰度在空間上有序重復(fù)出現(xiàn)的特征，反映了一個(gè)區(qū)域中某個(gè)像元灰度級(jí)的空間分布規(guī)律，其基本分析方法有3類:統(tǒng)計(jì)分析方法、結(jié)構(gòu)分析方法和頻譜分析方法。周小成等采用ASTER遙感圖像，以九龍江河口地區(qū)為研究示范區(qū)，利用卷積算子，采用鄰域分析法來(lái)增強(qiáng)水產(chǎn)養(yǎng)殖地的空間紋理信息［17］;李俊杰等利用紋理統(tǒng)計(jì)分析方法中的灰度共生矩陣(graylevelco－occurrencematrices，GLCM)，選用中巴資源衛(wèi)星02星多光譜數(shù)據(jù)，以白馬湖為試驗(yàn)區(qū)，提取湖泊圍網(wǎng)養(yǎng)殖區(qū)，實(shí)驗(yàn)表明紋理量化的均值指標(biāo)能夠較好地反映自然水體、圍網(wǎng)養(yǎng)殖區(qū)和其他地物內(nèi)部結(jié)構(gòu)的異質(zhì)性，取得了較理想的效果［18］;林桂蘭等利用方差算法對(duì)廈門(mén)海灣海上的吊養(yǎng)和網(wǎng)箱養(yǎng)殖進(jìn)行紋理分析，得到養(yǎng)殖專題圖［19］;初佳蘭等選用長(zhǎng)?？h廣鹿島海區(qū)的SAR圖像，統(tǒng)計(jì)有效視數(shù)(ef-fectivenumberoflooks)，并對(duì)圖像進(jìn)行多種方法濾波分析，提取了浮筏養(yǎng)殖信息［20］。基于空間結(jié)構(gòu)分析的養(yǎng)殖區(qū)識(shí)別方法，適用于近海水產(chǎn)養(yǎng)殖地的自動(dòng)提取，而不適用于內(nèi)陸水產(chǎn)養(yǎng)殖地，因?yàn)楹笳咴诳臻g上的分布孤立，斑塊小，與其他農(nóng)用坑塘水體的空間特征類似，但仍可以作為一種遙感圖像識(shí)別的輔助方法。

2．5基于面向?qū)ο蟮男畔⑻崛?/p>

面向?qū)ο蟮膱D像分析主要思想是:首先將圖像分割成具有一定意義的圖像對(duì)象，然后綜合運(yùn)用地物的光譜特征、紋理、形狀、鄰近關(guān)系等相關(guān)信息，在最鄰近法和模糊分類思想的指導(dǎo)下，確定分割對(duì)象所屬類別，得到精度比較高的遙感圖像分類結(jié)果［21］。對(duì)于養(yǎng)殖區(qū)分布的提取，面向?qū)ο蟮膱D像分析方法基本步驟包括多精度圖像分割、面向?qū)ο蟮乃憚澐趾头丘B(yǎng)殖水域剔除。首先，使用多精度圖像分割對(duì)原始圖像進(jìn)行分割以獲得分割圖斑，并計(jì)算各個(gè)圖斑的特征，為后繼分析服務(wù);然后，根據(jù)遙感圖像中水域的輻射特性進(jìn)行水陸分割;接著根據(jù)圖斑的光譜、形狀及空間特征提取出面狀、線狀非養(yǎng)殖水域部分;最后，在水陸劃分得到的水域全圖的基礎(chǔ)上剔除以上提取的面狀水系和線狀水系，得到養(yǎng)殖水域提取結(jié)果［22］。謝玉林等利用該方法，對(duì)珠江口養(yǎng)殖區(qū)域進(jìn)行了提取，驗(yàn)證該方法在水產(chǎn)養(yǎng)殖區(qū)提取上的可行性［22］;關(guān)學(xué)彬等采用該方法對(duì)海南省文昌地區(qū)的水產(chǎn)養(yǎng)殖區(qū)進(jìn)行監(jiān)測(cè)，取得了理想效果［23］;孫曉宇等采用該方法，利用多時(shí)相遙感數(shù)據(jù)對(duì)珠江口海岸帶地區(qū)水產(chǎn)養(yǎng)殖場(chǎng)的變化進(jìn)行了提?。?4］。面向?qū)ο蟮膱D像分析將處理的對(duì)象從像元過(guò)渡到了圖斑的對(duì)象層次，更接近人們觀測(cè)數(shù)據(jù)的思維邏輯，更利于知識(shí)與規(guī)則的融合。在很多情況下，面向?qū)ο蟮倪b感圖像分析方法會(huì)比基于像元的分析方法取得更好的效果。采用面向?qū)ο蠹夹g(shù)，在解決常規(guī)圖像分類時(shí)的椒鹽噪聲效應(yīng)、結(jié)果的可解釋性上有很大優(yōu)勢(shì)，因此在高分辨率圖像信息提取中能夠發(fā)揮更大的作用。但是當(dāng)特征及隸屬度函數(shù)選取不當(dāng)時(shí)，會(huì)出現(xiàn)較嚴(yán)重的誤分現(xiàn)象，此時(shí)要結(jié)合目視解譯方法，判別分類結(jié)果的合理性，優(yōu)化隸屬度函數(shù)，重新進(jìn)行分類。

3總結(jié)與展望

篇7

關(guān)鍵詞:遙感 土壤水 定量 反演

中圖分類號(hào):TP7 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-3791(2012)05(c)-0001-02

土壤水分是表示一定深度土層的土壤干濕程度的物理量,是監(jiān)測(cè)土地退化和干旱的重要指標(biāo),同時(shí)也是水文學(xué)、氣象學(xué)、土壤學(xué)、生態(tài)學(xué)以及農(nóng)業(yè)科學(xué)等研究領(lǐng)域中的一個(gè)重要參數(shù)。一方面它影響地表與大氣界面的水分和能量交換,其變化會(huì)引起土壤熱學(xué)特性、地表光學(xué)特性的改變,從而影響氣候的變化;另一方面它是植物和作物賴以生存的主要源泉,其大小決定著植物或作物根系的發(fā)育,對(duì)進(jìn)行大尺度精準(zhǔn)農(nóng)業(yè)的水分調(diào)節(jié),節(jié)水灌溉具有重要意義。

遙感技術(shù)不僅能對(duì)農(nóng)作物長(zhǎng)勢(shì)進(jìn)行大面積、實(shí)時(shí)、非破壞性監(jiān)測(cè),從而實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)的發(fā)展對(duì)地表土壤水分信息快速、及時(shí)的掌握,還能為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供動(dòng)態(tài)監(jiān)測(cè)和分析作物的健康狀況與影響作物產(chǎn)量等必要的技術(shù)支持。目前獲取土壤水分含量的方法主要有田間實(shí)測(cè)法、土壤水分模型法和遙感法三種。其中傳統(tǒng)的田間實(shí)測(cè)法和土壤水分模型法,因測(cè)點(diǎn)稀、速度慢、范圍有限,無(wú)法滿足精準(zhǔn)農(nóng)業(yè)中對(duì)土壤水分信息快速獲取的需求。而遙感估測(cè)土壤水分的方法原理是通過(guò)測(cè)量土壤表面發(fā)射或反射的電磁能量,研究遙感信息與土壤水分含量之間的關(guān)系,并建立相關(guān)的信息模型,從而反演出土壤水分情況,恰恰克服了前二種估測(cè)方法的實(shí)時(shí)性差、單點(diǎn)測(cè)量空間變異性差、不能宏觀表現(xiàn)等缺陷,為精準(zhǔn)農(nóng)業(yè)中大面積快速獲取土壤水分信息、實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)提供科學(xué)依據(jù)。

1 國(guó)內(nèi)外研究進(jìn)展

如何快速、準(zhǔn)確地獲取區(qū)域地表土壤含水量信息是定量遙感研究的熱點(diǎn)之一,也是目前遙感技術(shù)應(yīng)用研究的前沿領(lǐng)域。國(guó)內(nèi)外用遙感技術(shù)監(jiān)測(cè)土壤水分的方法有很多,目前在該領(lǐng)域的研究主要集中在光學(xué)遙感(即可見(jiàn)光-近紅外、熱紅外遙感)和微波遙感波段進(jìn)行。主要方法有:基于可見(jiàn)光-近紅外土壤水分光譜法、基于熱紅外遙感的溫度法、植被指數(shù)法、基于可見(jiàn)光及熱紅外遙感的植被指數(shù)-冠層溫度法、微波遙感監(jiān)測(cè)土壤水分法、高光譜遙感監(jiān)測(cè)土壤水分法。

1.1 基于可見(jiàn)光-近紅外土壤水分光譜法

Bowers等人早在1965年就發(fā)現(xiàn)裸地土壤濕度的增加會(huì)引起土壤發(fā)射率的降低,這為后來(lái)利用土壤水分光譜法方法進(jìn)行土壤水分的遙感監(jiān)測(cè)研究提供了理論依據(jù)。土壤水分光譜法正是應(yīng)用遙感估算光學(xué)植被度,分解象元排除法來(lái)提取土壤水分光譜信息。國(guó)內(nèi)外學(xué)者在這方面做了大量工作,有的根據(jù)水的吸收率曲線提出使用中紅外波段來(lái)監(jiān)測(cè)土壤濕度,采用MODIS數(shù)據(jù)并結(jié)合實(shí)地調(diào)查資料,建立了MODIS第7通道的反射率與地面濕度的線性光學(xué)。另有學(xué)者利用遙感資料估算“光學(xué)植被覆蓋度”,然后利用像元分解法分離植被與土壤信息,提取土壤水分光譜信息。該方法需要根據(jù)不同環(huán)境、不同土壤組分建立相應(yīng)的遙感反演模型,應(yīng)用比較局限,大面積推廣較難。

1.2 基于熱紅外遙感的溫度法

熱紅外遙感最重要的應(yīng)用之一是反演土地表面溫度。具有代表性的有熱慣量法、區(qū)域蒸散法、亮溫指數(shù)法(LST)、溫度狀態(tài)指數(shù)法(TCI)、條件溫度指數(shù)法和歸一化溫度指數(shù)法。熱慣量法反演土壤水分的模型研究,主要集中在對(duì)于土壤熱慣量的解析式計(jì)算、從熱平衡與熱傳導(dǎo)方程的化簡(jiǎn)與計(jì)算、環(huán)境因子的影響等多方面著手,得到了大量的熱慣量模式,建立了較為完善的土壤水分反演模型。蒸散法根據(jù)能量流的傳輸原理,對(duì)實(shí)際蒸散(E)與潛在蒸散(Ep)的比值與土壤水分的關(guān)系進(jìn)行研究,其理論基礎(chǔ)來(lái)源于P-M彭曼公式。針對(duì)不同的下墊面情況發(fā)展了單層、雙層和多層模型。利用衛(wèi)星一次過(guò)境觀測(cè)的輻射溫度值,計(jì)算地表輻射溫度以及蒸散,結(jié)合當(dāng)?shù)貧庀笈_(tái)站數(shù)據(jù)計(jì)算出作物缺水指數(shù)(CWSI),建立了土壤水分與作物缺水指數(shù)的回歸方程。隨后又有DSI指數(shù)、區(qū)域缺水指數(shù)(RWSI)相關(guān)研究,在遙感的定性及半定量階段估算地表蒸散和干旱程度的精確估算上做了相關(guān)探討。溫度狀態(tài)指數(shù)(TCI)和亮溫指數(shù)(BTI)強(qiáng)調(diào)了溫度與植物生長(zhǎng)的關(guān)系,提出了亮度溫度,以通過(guò)對(duì)NDVI、亮溫與土壤水分的統(tǒng)計(jì)分析來(lái)建立三者間的數(shù)理關(guān)系,從而利用遙感反演的亮溫和NDVI計(jì)算土壤水分含量,建立了土壤相對(duì)濕度和NDVI、亮溫的回歸模型。歸一化溫度指數(shù)(NDTI)可消除地表溫度季節(jié)變化的影響,通過(guò)能量平衡一空氣動(dòng)力學(xué)阻抗模型計(jì)算,需要衛(wèi)星過(guò)境時(shí)刻的氣溫、太陽(yáng)輻射、相對(duì)濕度、風(fēng)速和葉面積指數(shù)等數(shù)據(jù)。該方法也主要適用于裸地或植被生長(zhǎng)早期。

1.3 植被指數(shù)法

植被指數(shù)法是研究土壤濕度與遙感植被信息相互關(guān)系的重要手段。研究表明歸一化植被指數(shù)(NDVI)、距平植被指數(shù)(AVI)、植被狀態(tài)指數(shù)(VCI)、標(biāo)準(zhǔn)植被指數(shù)(SVI)等都與土壤濕度有一定關(guān)系。一般來(lái)講,當(dāng)作物缺水時(shí),作物的生長(zhǎng)將受到影響,植被指數(shù)將會(huì)降低。國(guó)內(nèi)學(xué)者也利用VCI研究了我國(guó)土壤濕度狀況,應(yīng)用VCI結(jié)合常規(guī)資料進(jìn)行綜合分析,對(duì)我國(guó)干旱狀況進(jìn)行宏觀動(dòng)態(tài)監(jiān)測(cè)。但該方法較適用于高植被覆蓋區(qū)域,仍有很多限制性因子和條件。

篇8

論文摘要 在遙感技術(shù)中，為了更精確地判讀多光譜圖像，掌握地面上各種地物的光譜輻射特性是十分重要的。介紹FieldSpec?誖 HandHeld 手持便攜式光譜分析儀的測(cè)量原理方法、工作規(guī)范及注意事項(xiàng)，概要地說(shuō)明了影響光譜測(cè)量的因素。

在遙感領(lǐng)域中，為了研究各種不同地物或環(huán)境在野外自然條件下的可見(jiàn)和近紅外波段反射光譜，需要適用于野外測(cè)量的光譜儀器。對(duì)野外地物光譜進(jìn)行測(cè)量，我們使用的是美國(guó)ASD公司FieldSpec?誖HandHeld 手持便攜式光譜分析儀。其主要技術(shù)指標(biāo)為：波長(zhǎng)范圍為300~1 100nm，光譜采樣間隔為1.6nm，靈敏度線性：±1%。FieldSpec?誖HandHeld手持便攜式光譜分析儀可用于戶外目標(biāo)可見(jiàn)—近紅外波段的光譜輻射測(cè)量。該光譜儀在戶外主要利用太陽(yáng)輻射作為照明光源，利用響應(yīng)度定標(biāo)數(shù)據(jù)，可測(cè)量并獲得地物目標(biāo)的光譜輻亮度；利用漫反射參考板對(duì)比測(cè)量，可獲得目標(biāo)的反射率光譜信息；通過(guò)對(duì)經(jīng)過(guò)標(biāo)定的漫反射參考板的測(cè)量，可獲得地面的總照度以及直射、漫射照度光譜信息；利用特定的輔助測(cè)量機(jī)械裝置，可獲得地面目標(biāo)的BRDF（方向反射因子）光譜信息參數(shù)。

為了使地物光譜數(shù)據(jù)可靠和高的質(zhì)量，使數(shù)據(jù)便于對(duì)比和應(yīng)用，有必要提出地物光譜測(cè)試規(guī)范和測(cè)量要求。

1儀器的標(biāo)準(zhǔn)和標(biāo)定

1.1光譜分辨率

實(shí)用分辨寬度對(duì)0.04~1.10μm小于5nm，1.1~2.5μm小于15nm。對(duì)于FieldSpec?誖HandHeld 手持便攜式光譜分析儀，起始波長(zhǎng)為325nm，終止波長(zhǎng)為1 075nm，波長(zhǎng)步長(zhǎng)為1nm，則光譜分辨率取3nm。

1.2線性標(biāo)定

線性動(dòng)態(tài)范圍有3個(gè)量級(jí)，最大信號(hào)對(duì)應(yīng)為0.8~1.0，太陽(yáng)常數(shù)照明的白板（＜90％）峰值響應(yīng)輸出。線性誤差小于3％（回歸誤差）。

1.3光譜響應(yīng)度的標(biāo)定

反射率小于、等于15％（大于1％）的目標(biāo)，信噪比應(yīng)大于10。反射率大于15％的目標(biāo)，信噪比應(yīng)大于20。

2野外測(cè)定方法與工作規(guī)范

2.1目標(biāo)選取

選取測(cè)量目標(biāo)要具有代表性，應(yīng)能真實(shí)反映被測(cè)目標(biāo)的平均自然性。對(duì)于植被冠層及用物的測(cè)量應(yīng)考慮目標(biāo)和背景的綜合效應(yīng)。

2.2能見(jiàn)度的要求

對(duì)一般無(wú)嚴(yán)重大氣污染地區(qū)，測(cè)量時(shí)的水平能見(jiàn)度要求不小10km。

2.3云量限定

太陽(yáng)周?chē)?0°立體角，淡積云量，無(wú)卷云、濃積云等，光照穩(wěn)定。

2.4風(fēng)力要求

測(cè)量時(shí)間內(nèi)風(fēng)力小于5級(jí)，對(duì)植物，測(cè)量時(shí)風(fēng)力小于3級(jí)。

2.5測(cè)量方法

在11時(shí)30分至14時(shí)30分進(jìn)行測(cè)量，每種地物光譜測(cè)量前，對(duì)準(zhǔn)標(biāo)準(zhǔn)參考板進(jìn)行定標(biāo)校準(zhǔn)，得到接近100％的基線，然后對(duì)著目標(biāo)地物測(cè)量；為使所測(cè)數(shù)據(jù)能與衛(wèi)星傳感器所獲得的數(shù)據(jù)進(jìn)行比較，測(cè)量?jī)x器均垂直向下進(jìn)行測(cè)量。

3野外光譜測(cè)量注意事項(xiàng)

野外光譜測(cè)試的基本要求是在晴天中午前后進(jìn)行，風(fēng)力不超過(guò)5級(jí)，如果測(cè)試土壤光譜，必須在雨過(guò)3d以后進(jìn)行。為了使數(shù)據(jù)具有代表性，要仔細(xì)比較選擇被測(cè)地物，對(duì)同一種地物測(cè)量多次，保證測(cè)試結(jié)果準(zhǔn)確可比。

3.1儀器的位置

儀器向下正對(duì)著被測(cè)物體，至少保持與水平面的法線夾角在±10°之內(nèi)，保持一定的距離，探頭距離地面高度通常在1.3m，以便獲取平均光譜。視域范圍可以根據(jù)相對(duì)高度和視場(chǎng)角計(jì)算。如果有多個(gè)探頭可選，則在野外盡量選擇寬視域探頭。測(cè)量植物冠層光譜時(shí)，注意測(cè)量最具代表性的物種。

3.2傳感器探頭的選擇

當(dāng)野外地物范圍比較大，物種純度比較高、觀測(cè)距離比較近時(shí)，選用較大視場(chǎng)角的探頭；當(dāng)?shù)匚锓植济娣e較小時(shí)，或者物種在近距離內(nèi)比較混雜，或需要測(cè)量遠(yuǎn)處地物時(shí)，則選用小視場(chǎng)角的探頭。

3.3避免陰影

探頭定位時(shí)必須避免陰影，人應(yīng)該面向陽(yáng)光，這樣可以得到一致的測(cè)量結(jié)果。野外大范圍測(cè)試光譜數(shù)據(jù)時(shí)，需要沿著陰影的反方向布置測(cè)點(diǎn)。

3.4白板反射校正

天氣較好時(shí)每隔幾分鐘就要用白板校正1次，防止傳感器響應(yīng)系統(tǒng)的漂移和太陽(yáng)入射角的變化影響，如果天氣較差，校正應(yīng)更頻繁。校正時(shí)白板應(yīng)放置水平。

3.5防止光污染

不要穿帶淺色、特色衣帽，如果穿戴白色、亮紅色、黃色、綠色、藍(lán)色的衣帽，就會(huì)改變反射物體的反射光譜特征。

要注意避免自身陰影落在目標(biāo)物上。當(dāng)使用翻斗卡車(chē)或其他平臺(tái)從高處測(cè)量地物目標(biāo)時(shí)，要注意避免金屬反光，如果有，則需要用黑布包住反光部位。

3.6觀測(cè)時(shí)間和頻度

光譜測(cè)試應(yīng)在10～14時(shí)之間完成，并在無(wú)云晴朗的天空下進(jìn)行，盡量避免過(guò)早或過(guò)晚。在時(shí)間許可時(shí)，盡量多測(cè)一些光譜。每個(gè)測(cè)點(diǎn)測(cè)試5個(gè)數(shù)據(jù)，以求平均值，降低噪聲和隨機(jī)性。

3.7采集輔助數(shù)據(jù)

在所有的測(cè)試地點(diǎn)必須采集GPS數(shù)據(jù)，詳細(xì)記錄測(cè)點(diǎn)的位置、植被覆蓋度、類型以及異常條件、探頭的高度，配以野外照相記錄，便于后續(xù)的解譯分析。

野外地物光譜測(cè)量是一個(gè)需要綜合考慮各種光譜影響因素的復(fù)雜過(guò)程，我們所獲取的光譜數(shù)據(jù)是太陽(yáng)高度角、太陽(yáng)方位角、云、風(fēng)、相對(duì)濕度、入射角、探測(cè)角、儀器掃描速度、儀器視場(chǎng)角、儀器的采樣間隔、光譜分辨率、坡向、坡度及目標(biāo)本身光譜特性等各種因素共同作用的結(jié)果。光譜測(cè)定前要根據(jù)測(cè)定的目標(biāo)與任務(wù)制定相對(duì)應(yīng)的試驗(yàn)方案，排除各種干擾因素對(duì)所測(cè)結(jié)果的影響，使所得的光譜數(shù)據(jù)盡量反映目標(biāo)本身的光譜特性，并在觀測(cè)時(shí)詳細(xì)記錄環(huán)境參數(shù)、儀器參數(shù)以及觀測(cè)目標(biāo)（如土壤、植被、人工目標(biāo)）的輔助信息。只有這樣，所測(cè)結(jié)果才是可靠的并具有可比性，為以后的圖像解譯和光譜重建提供依據(jù)。

參考文獻(xiàn)

[1] 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)，中國(guó)農(nóng)業(yè)工程研究設(shè)計(jì)院.國(guó)外農(nóng)業(yè)工程第（9輯）[M].上海：上?？茖W(xué)技術(shù)文獻(xiàn)出版社，1983.

[2] 萬(wàn)余慶，譚克龍，周日平.高光譜遙感應(yīng)用研究[M].北京：科學(xué)出版社，2006.

篇9

【關(guān)鍵詞】無(wú)損測(cè)試；玉米；氮素；營(yíng)養(yǎng)診斷

在所有的農(nóng)作物中，玉米是最能耐受土壤和肥料中高氮素量而不致影響產(chǎn)量的作物。因此，玉米的氮肥用量常常過(guò)高，這在造成氮肥巨大浪費(fèi)的同時(shí)，付出的環(huán)境代價(jià)也是無(wú)法估量的。準(zhǔn)確、及時(shí)地對(duì)玉米進(jìn)行氮素營(yíng)養(yǎng)診斷，從而確定氮肥施用量，提高氮肥利用率具有十分重要意義?；谕寥篮椭参锝M織的實(shí)驗(yàn)室分析診斷方法普遍要求破壞樣本，且需要耗費(fèi)大量的人力、物力，時(shí)效性差，不利于推廣應(yīng)用。隨著相關(guān)領(lǐng)域科技水平的不斷提高，氮素營(yíng)養(yǎng)診斷的無(wú)損測(cè)試技術(shù)日趨成熟[1]。

無(wú)損測(cè)試技術(shù)是指在不破壞植物組織結(jié)構(gòu)的基礎(chǔ)上，利用各種手段對(duì)作物的生長(zhǎng)、營(yíng)養(yǎng)狀況進(jìn)行監(jiān)測(cè)?？梢匝杆?、準(zhǔn)確地對(duì)田間作物氮營(yíng)養(yǎng)狀況進(jìn)行監(jiān)測(cè)，并能及時(shí)提供追肥所需要的信息。傳統(tǒng)的氮素營(yíng)養(yǎng)診斷無(wú)損測(cè)試方法主要有肥料窗口法和葉色卡片法，近年來(lái)，葉綠素儀和遙感技術(shù)成為研究的熱點(diǎn)，本文主要對(duì)其在玉米氮素營(yíng)養(yǎng)診斷上的應(yīng)用研究現(xiàn)狀做以介紹。

1 葉綠素儀法

研究表明植物的葉片葉綠素含量與葉片含氮量密切相關(guān)，因此，可以通過(guò)測(cè)定葉綠素含量來(lái)監(jiān)測(cè)植物氮素狀況。據(jù)此原理，日本的MINOLTA公司在20世紀(jì)80年代末設(shè)計(jì)和制造了SPAD-501葉綠素儀，隨后又推出SPAD-502葉綠素儀，用來(lái)進(jìn)行田間作物氮素診斷及施肥推薦。

我國(guó)已經(jīng)廣泛開(kāi)展采用葉綠素儀進(jìn)行玉米的氮素診斷和氮肥推薦的研究。李志宏研究葉綠素儀在夏玉米氮營(yíng)養(yǎng)診斷中的應(yīng)用時(shí)發(fā)現(xiàn)，應(yīng)用葉綠素儀（SPAD-502）監(jiān)測(cè)夏玉米氮營(yíng)養(yǎng)狀況的最佳測(cè)定部位為葉基部開(kāi)始40%～70%區(qū)域，該部位葉綠素儀測(cè)定值與玉米全氮、施氮量及產(chǎn)量之間均有較好的相關(guān)性[2]。李占成研究也認(rèn)為葉綠素儀（SPAD-502）測(cè)定值與玉米葉片全氮含量、玉米子粒產(chǎn)量以及施氮量之間均有顯著相關(guān)性[3]。為消除品種之間和生長(zhǎng)環(huán)境的不同對(duì)SPAD值所帶來(lái)的影響，李志宏與李占成分別采用相對(duì)葉綠素儀測(cè)定值校正法，提高葉綠素儀對(duì)玉米追肥推薦中氮營(yíng)養(yǎng)狀況的預(yù)測(cè)精度，但是無(wú)法完全消除外部因素對(duì)葉綠素值的影響，甚至?xí)绊懭~綠素儀發(fā)揮其快速、簡(jiǎn)便的特點(diǎn)[2-3]。而不同的玉米品種在不同的生長(zhǎng)階段，SPAD值差異較大，需要針對(duì)不同玉米品種建立不同的SPAD值的診斷標(biāo)準(zhǔn)。由上述可見(jiàn)，如何進(jìn)一步克服干擾因素的干擾、提高診斷的可靠性和普適性仍是研究的重點(diǎn)。

2 光譜遙感分析技術(shù)

2.1 敏感波段研究

20世紀(jì)70年代以來(lái)科學(xué)家們進(jìn)行了大量的基礎(chǔ)研究尋找氮素的敏感波段及其反射率在不同氮素水平下的表現(xiàn)，探討利用光譜診斷氮素的可能性。研究發(fā)現(xiàn)許多植物在缺氮時(shí)無(wú)論是葉片還是植物冠層水平的可見(jiàn)光波段反射率都有所增加，Blackmeretal研究發(fā)現(xiàn)，550nm和710nm波長(zhǎng)處的反射率能更好地診斷玉米氮素含量，并且指出R550-600/ R800-900能敏感地反映出氮素脅迫。易秋香研究發(fā)現(xiàn)玉米全氮含量與原始光譜在716nm處具有最大相關(guān)系數(shù)（r=- 0.847），呈極顯著負(fù)相關(guān)[4]。周麗麗對(duì)試驗(yàn)玉米品種研究發(fā)現(xiàn)，3個(gè)品種（組合）都在500～649nm和691～730nm表現(xiàn)極顯著的負(fù)相關(guān)關(guān)系，并在同一波長(zhǎng)獲得最高的相關(guān)系數(shù)，說(shuō)明可以利用統(tǒng)一的波段來(lái)預(yù)測(cè)不同品種的葉片氮含量[5]。

2.2 葉片光譜指數(shù)與模型研究

明確了玉米的氮素敏感波段后，許多學(xué)者便通過(guò)各種統(tǒng)計(jì)方法來(lái)尋求含氮量與光譜反射率或其演生量的關(guān)系，并建立模型來(lái)估算作物的氮素含量[6]。王磊在玉米關(guān)鍵生育期有針對(duì)性地選擇第6片完全展開(kāi)葉和第12片完全展開(kāi)葉（果穗葉）進(jìn)行光譜監(jiān)測(cè)，發(fā)現(xiàn)紅邊斜率、綠峰最大反射率、比值植被指數(shù)和歸一化差值植被指數(shù)與葉片氮含量均存在較好的相關(guān)關(guān)系，并選擇比值植被指數(shù)與葉片氮含量建立估測(cè)模型，確立玉米生育前期以對(duì)數(shù)模型，生育后期以指數(shù)模型為氮素營(yíng)養(yǎng)的光譜診斷模型[7]。陳志強(qiáng)在構(gòu)建玉米葉片氮素含量的預(yù)測(cè)模型時(shí)發(fā)現(xiàn)，以光譜指數(shù)DSI（564，681）和DSI（681，707）構(gòu)建的指數(shù)預(yù)測(cè)模型效果最好，預(yù)測(cè)精度達(dá)93.43%和93.39%，能有效估測(cè)葉片氮素含量[8]。周麗麗依品種建立了葉片含氮量與歸一化差值光譜指數(shù)（NDSI）或比值光譜指數(shù)（RSI）的定量關(guān)系模型，NDSI（714，554）和RSI（714，554）所建模型的擬合度最好[5]。易秋香試驗(yàn)研究發(fā)現(xiàn)由759nm處的光譜反射率一階微分值所構(gòu)建的指數(shù)模型作為對(duì)玉米全N含量的預(yù)測(cè)模型最為理想[4]。

此外研究表明，玉米的不同生育時(shí)期，其光譜響應(yīng)的敏感程度和敏感波段存在差異。玉米氮素光譜營(yíng)養(yǎng)診斷的敏感時(shí)期是拔節(jié)期和喇叭口期，拔節(jié)期和喇叭口期采用可見(jiàn)光波段的光譜反射率可靠性較高，而開(kāi)花吐絲期采用近紅外波段的光譜反射率可靠性較高，且兩波段組合光譜變量對(duì)葉片葉綠素和全氮含量的判別精度高于單一波段的判別精度[9]。由此可知，在不同的玉米生育期，應(yīng)選擇相應(yīng)的敏感波段，構(gòu)建相關(guān)度高的光譜參數(shù)來(lái)診斷作物的營(yíng)養(yǎng)狀況。金梁研究發(fā)現(xiàn)拔節(jié)期和抽雄期的最佳光譜指數(shù)是GNDVI，大喇叭口期則以REP-LI為最佳光譜指數(shù)[10]。

2.3 玉米冠層光譜研究

作物冠層光譜分析對(duì)作物生長(zhǎng)信息的快速獲取，營(yíng)養(yǎng)診斷及精確管理均具有重要的意義，在玉米冠層光譜分析方面，張俊華研究發(fā)現(xiàn)缺素使冠層光譜反射率在可見(jiàn)光波段增加，在近紅外波段降低?？梢?jiàn)光波段反射率（460nm除外）與夏玉米含氮量呈負(fù)相關(guān)，整個(gè)生育期以560nm反射率與作物含氮量相關(guān)性最佳，冠層光譜在可見(jiàn)光范圍內(nèi)與含氮量的相關(guān)性優(yōu)于近紅外波段[11]。孫紅研究不同施氮水平下玉米冠層光譜反射特征分析時(shí)發(fā)現(xiàn)施氮水平偏低區(qū)域的葉片冠層反射率在整個(gè)可見(jiàn)光區(qū)均明顯高于其他施氮水平，偏高和正常施氮區(qū)域內(nèi)葉片光譜反射強(qiáng)度基本相同[12]。也有學(xué)者運(yùn)用圖像處理技術(shù)對(duì)玉米冠層葉片的近地多光譜圖像進(jìn)行分析，建立玉米葉片氮素營(yíng)養(yǎng)含量的估測(cè)模型[13-14]。研究表明，多光譜圖像分析也可實(shí)現(xiàn)對(duì)玉米冠層氮營(yíng)養(yǎng)含量的快速估測(cè)。但是冠層光譜反射特征受到植株葉片水分含量、冠層幾何結(jié)構(gòu)、土壤覆蓋度、大氣對(duì)光譜的吸收等因素的影響[15]，大大限制了利用遙感進(jìn)行玉米氮素診斷的可靠性和普及性。

3 結(jié)語(yǔ)

氮素營(yíng)養(yǎng)診斷是玉米營(yíng)養(yǎng)診斷的核心，是科學(xué)合理施用氮肥的主要依據(jù)。無(wú)損測(cè)試技術(shù)實(shí)效性好、準(zhǔn)確度較高，但天氣條件、品種類型以及其他脅迫因子的干擾影響無(wú)損測(cè)試技術(shù)的研究和實(shí)際運(yùn)用，因此，對(duì)于主要干擾因素的研究會(huì)成為今后研究的重點(diǎn)。

參考文獻(xiàn)

[1]賈良良，陳新平，張福鎖.作物氮營(yíng)養(yǎng)診斷的無(wú)損測(cè)試技術(shù)[J].世界農(nóng)業(yè)，2001，6：36-37.

[2]李志宏，張?jiān)瀑F，劉宏斌，張福鎖.葉綠素儀在夏玉米氮營(yíng)養(yǎng)診斷中的應(yīng)用[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2005，11（6）：764-768.

[3]李占成，李瑋，梁秀枝，楊富葉.綠素儀在玉米氮營(yíng)養(yǎng)診斷及推薦施肥中的研究與應(yīng)用[J].作物雜志，2011，4：58-62.

[4]易秋香，黃敬峰，王秀珍，錢(qián)翌.玉米全氮含量高光譜遙感估算模型研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（9）：138-142.

[5]周麗麗，馮漢宇，閻忠敏，劉克.周順利玉米葉片氮含量的高光譜估算及其品種差異[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（8）：195-199.

[6]焦雯，閔慶文，林 ，朱清科，張建軍.植物氮素營(yíng)養(yǎng)診斷的進(jìn)展與展望[J].中國(guó)農(nóng)學(xué)通報(bào)，2006，22（12）：351-355.

[7]王磊，白由路，盧艷麗，王賀，楊俐蘋(píng).基于光譜分析的玉米氮素營(yíng)養(yǎng)診斷[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2011，17（2）：333-340.

[8]陳志強(qiáng)，王磊，白由路，楊俐蘋(píng)，盧艷麗，王賀，王志勇.玉米葉片的光譜響應(yīng)及其氮素含量預(yù)測(cè)研究[J].光譜學(xué)與光譜分析，2013，33（4）：1066-1070.

[9]王磊，白由路.不同氮處理春玉米葉片光譜反射率與葉片全氮和葉綠素含量的相關(guān)研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2005，38（11）：2268-2276.

[10]金梁，胡克林，田明明，魏丹，李虹，白由路，張軍政.夏玉米葉片分層氮素營(yíng)養(yǎng)的高光譜診斷[J].光譜學(xué)與光譜分析，2013，33（4）：1032-1037.

[11]張俊華，張佳寶，欽繩武.不同施肥長(zhǎng)期定位試驗(yàn)地夏玉米冠層光譜特征研究[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2010，16（4）：874-879.

[12]孫紅，李民贊，張彥娥，趙勇，王海華.不同施氮水平下玉米冠層光譜反射特征分析[J].光譜學(xué)與光譜分析，2010，30（3）：715-719.

[13]王海華，張彥娥，郭威.基于多光譜圖像的玉米營(yíng)養(yǎng)監(jiān)測(cè)技術(shù)研究[J].農(nóng)機(jī)化研究，2012，11：178-181

篇10

關(guān)鍵詞 遙感圖像處理 教學(xué)改革 教學(xué)方法

中圖分類號(hào)：G424 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/ki.kjdks.2017.02.052

Abstract Remote sensing image processing is not only an important part of the remote sensing system， but also has a very important position in the application of remote sensing technology. In order to improve the teaching quality of remote sensing image processing， the paper discussed the optimization of teaching content，the diversification of teaching methods and means，and strengthening of practical application of theories. In hope of playing a reference significance to the actual teaching work.

Keywords remote sensing image processing； teaching reform； teaching method

隨著對(duì)地觀測(cè)技術(shù)的迅速發(fā)展，①遙感技術(shù)已經(jīng)滲透到社會(huì)生活的各個(gè)方面，廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、海洋、氣象、醫(yī)學(xué)、軍事、生態(tài)環(huán)境等領(lǐng)域，發(fā)揮著越來(lái)越重要的作用。遙感是地理信息系統(tǒng)專業(yè)的核心課程，而遙感圖像處理是整個(gè)遙感系統(tǒng)的重要組成部分，對(duì)于“遙感圖像處理”課程的原理以及方法的掌握和學(xué)習(xí)尤為重要。探討該門(mén)課程的教學(xué)內(nèi)容、教學(xué)方法和手段，實(shí)踐教學(xué)等方面的改革，對(duì)提高學(xué)生的圖像處理水平有非常重要的作用。

1 教學(xué)內(nèi)容改革

學(xué)生選課一般都遵循教學(xué)大綱的安排，在學(xué)習(xí)“遙感圖像處理”之前已經(jīng)修過(guò)了“遙感導(dǎo)論”，掌握了遙感的基礎(chǔ)知識(shí)，根據(jù)多年的教學(xué)經(jīng)驗(yàn)，結(jié)合教學(xué)大綱，對(duì)于“遙感圖像處理”的課程設(shè)置安排如表1所示。

總課時(shí)量為40課時(shí)，由于已經(jīng)有了“遙感導(dǎo)論”的基礎(chǔ)，根據(jù)學(xué)生對(duì)遙感知識(shí)掌握的實(shí)際情況，作者認(rèn)為實(shí)際操作與理論相結(jié)合非常重要，不僅鍛煉了學(xué)生的圖像處理等動(dòng)手能力，還能更好地輔助學(xué)生加深對(duì)原理的理解，因此設(shè)置上機(jī)課為18課時(shí)，占到45%，接近一半。

綜合性實(shí)驗(yàn)放在最后一章，目的是使學(xué)生將前面所學(xué)知識(shí)連成一個(gè)體系運(yùn)用在實(shí)踐中。例如本章例子是地表溫度的遙感反演，涉及到從相關(guān)網(wǎng)站下載原始影像、影像的合成、影像的鑲嵌、輻射校正、大氣校正、幾何校正、裁剪、圖像混合運(yùn)算、制圖、出圖、分析、作報(bào)告。通過(guò)這幾個(gè)步驟的逐步處理，學(xué)生不僅對(duì)相關(guān)原理有了更深的理解，還會(huì)真正明白為什么要學(xué)習(xí)遙感，學(xué)習(xí)圖像處理的目的是什么，在際生活中到底有什么作用，對(duì)人類生活有什么意義，知道了所以然，才會(huì)使學(xué)生學(xué)習(xí)更有動(dòng)力。

2 教學(xué)方法和手段的改革

2.1 教學(xué)環(huán)境

為方便學(xué)生操作計(jì)算機(jī)，教學(xué)是在機(jī)房進(jìn)行的，且人手一臺(tái)。講解理論課時(shí)，由教師機(jī)控制所有學(xué)生機(jī)，學(xué)生機(jī)屏幕的播放完全同步于教師機(jī)，講臺(tái)近在咫尺，記筆記快速方便；在學(xué)生實(shí)踐練習(xí)環(huán)節(jié)，學(xué)生可親自動(dòng)手操作，達(dá)到最佳的教學(xué)效果，培養(yǎng)獨(dú)立解決問(wèn)題的能力。

2.2 教學(xué)軟件

專業(yè)的遙感數(shù)字圖像處理軟件系統(tǒng)主要有：ERDAS、PCI和ENVI。②ERDAS IMAGINE 遙感圖像處理系統(tǒng)是美國(guó)LEICA公司的遙感圖像處理系統(tǒng)，包括面向多種應(yīng)用領(lǐng)域的產(chǎn)品模塊，以及面向不同層次用戶的模型開(kāi)發(fā)工具；PCI Geomatica遙感圖像處理系統(tǒng)是加拿大PCI公司開(kāi)發(fā)的用于圖像處理、制圖、GIS、雷達(dá)數(shù)據(jù)分析以及資源管理和環(huán)境監(jiān)測(cè)的多功能軟件系統(tǒng)；ENVI遙感圖像處理系統(tǒng)是美國(guó)ITT公司的一套功能齊全的遙感圖像處理系統(tǒng)，是處理、分析并顯示多光譜數(shù)據(jù)、高光譜數(shù)據(jù)和雷達(dá)數(shù)據(jù)的高級(jí)工具。這三款軟件的功能都很強(qiáng)大，均可以實(shí)現(xiàn)圖像處理工作，它們之間也有很好的接口，各自的標(biāo)準(zhǔn)文件能夠互相轉(zhuǎn)換，因此使用起來(lái)非常方便。教學(xué)軟件主要使用目前比較流行的ENVI系統(tǒng)，但是根據(jù)已工作的或者讀研的畢業(yè)生的回饋信息發(fā)現(xiàn)，有的公司或者高校運(yùn)用ERDAS和PCI還是比較普遍的。因此，為使學(xué)生畢業(yè)后擺脫軟件的困擾，對(duì)ERDAS和PCI軟件也會(huì)加以適當(dāng)介紹，使學(xué)生不至于太過(guò)陌生。

2.3 教學(xué)工具

如今大學(xué)生上課基本均是多媒體課件，字跡清晰，圖像生動(dòng)，還可以動(dòng)畫(huà)顯示，因此如果課件做得漂亮生動(dòng)，利用好了多媒體的優(yōu)點(diǎn)，可達(dá)到事半功倍的效果，可是有些時(shí)候推算公式或者按步驟說(shuō)明邏輯問(wèn)題時(shí)，就顯示出了它的弊端。遇到此類問(wèn)題，作者會(huì)借助計(jì)算機(jī)附件中的畫(huà)圖板來(lái)講解問(wèn)題，筆，橡皮，顏料，畫(huà)圖工具一應(yīng)俱全，如果能運(yùn)用自如，對(duì)多媒體課件是個(gè)很好的補(bǔ)充，非常便捷，教學(xué)效果極佳。

2.4 教學(xué)方法

遙感中的內(nèi)容很多是抽象的，特別是涉及到數(shù)學(xué)公式，學(xué)生會(huì)覺(jué)得枯燥，容易疲勞。如果可以將內(nèi)容變得生動(dòng)，以做游戲的方法逐步深入，會(huì)達(dá)到很好的效果。例如在講解數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算時(shí)，可以將集合A看做棋盤(pán)，結(jié)構(gòu)元素B看做棋子，制定好規(guī)則后，讓學(xué)生通過(guò)下棋的游戲方式來(lái)了解腐蝕的概念和原理，因?yàn)檫@個(gè)“下棋的規(guī)則”即是“腐蝕的概念”；同時(shí)，可以將下棋的過(guò)程制作成動(dòng)畫(huà)，一步步播放，既生動(dòng)又易懂，課堂氣氛活躍。如圖1所示。

3 實(shí)踐教學(xué)改革

3.1 考試方式的設(shè)置

考試方式設(shè)置如下：平時(shí)成績(jī)占20%，上機(jī)考試占30%，理論考試占50%。平時(shí)和上機(jī)成績(jī)占到50%，其一是因?yàn)檫b感的大部分理論在“遙感導(dǎo)論”中已經(jīng)學(xué)習(xí)并考試，這里沒(méi)有必要考重復(fù)的內(nèi)容；其二是“遙感圖像處理”本身是實(shí)踐性很強(qiáng)的一門(mén)課程，講課過(guò)程中實(shí)踐環(huán)節(jié)是重要的一部分，那么實(shí)踐考試也應(yīng)是不可缺少的重要一環(huán)。上機(jī)考試采用的方式為，將學(xué)生兩人為一個(gè)單位分組，每組一個(gè)題目，留一周的時(shí)間完成，上交的成果為最終的結(jié)果圖像和紙質(zhì)報(bào)告。這種考試方式靈活，既考查了學(xué)生的實(shí)踐能力和對(duì)原理的理解程度，也鍛煉了他們的團(tuán)結(jié)協(xié)作能力。

3.2 角色反轉(zhuǎn)實(shí)踐教學(xué)

選課的學(xué)生中部分為師范類學(xué)生，親自上講臺(tái)講課不失為一個(gè)很好的鍛煉機(jī)會(huì)，每學(xué)期會(huì)選2課時(shí)理論內(nèi)容留給學(xué)生授課，將學(xué)生分組，授課內(nèi)容組間自行分配協(xié)調(diào)，每組10～15分鐘。要求每組學(xué)生查閱資料結(jié)合書(shū)本知識(shí)，整理內(nèi)容，書(shū)寫(xiě)教學(xué)教案，推選講解人。該類實(shí)踐活動(dòng)可以激發(fā)學(xué)生的積極性，在查閱資料、準(zhǔn)備教案的過(guò)程中主動(dòng)理解并消化知識(shí)，能夠在有限的時(shí)間清晰表達(dá)完整的內(nèi)容，達(dá)到極好的教學(xué)效果。

4 結(jié)束語(yǔ)

教學(xué)改革是學(xué)科發(fā)展的需要，實(shí)現(xiàn)人才培養(yǎng)的重要手段，③科學(xué)合理的教學(xué)方式不僅能夠提高教學(xué)質(zhì)量和教學(xué)效果，激發(fā)教師的教學(xué)潛能，而且有利于培養(yǎng)學(xué)生的實(shí)踐能力和團(tuán)結(jié)協(xié)作精神。本文根據(jù)作者多年課堂教學(xué)和實(shí)踐教學(xué)的經(jīng)驗(yàn)，以及學(xué)生的反饋信息，從教學(xué)內(nèi)容、教學(xué)方法和手段、實(shí)踐教學(xué)等方面探討了“遙感圖像處理”課程的教學(xué)改革模式，以期對(duì)實(shí)際教學(xué)工作起到借鑒和參考意義。

注釋

① 陳鋒銳，喬家君，閆衛(wèi)陽(yáng)，等.“遙感數(shù)字圖像處理”教學(xué)改革初探.計(jì)算機(jī)時(shí)代，2013（6）：67-68，71.