高光谱遥感技术在岩石识别中的应用

依据不同岩石的光谱特征,通过图像处理方法,对各种岩石类型信息进行提取,使高光谱遥感技术在地学领域的应用由定性分析到定量识别。     

成像光谱数据在城市遥感中的应用研究

采用高空间分辨率的航片与高光谱数据对城市进行遥感研究。利用高空间分辨率数据丰富的空间信息,以及高光谱分辨率数据丰富的光谱信息,提出了基于图像边缘检测和光谱分析的新型高光谱遥感图像分类方法,对城市地物覆盖以图斑为单位进行分类。从而证明对复杂的城市环境进行遥感研究,这种方法是有效的。     

不同季相针叶树种高光谱数据识别分析

利用高分辨率光谱仪在实地测得的光谱数据来识别美国加州的６种主要针叶树种。树冠阴面和阳面的高光谱数据分别在１９９６年夏、秋测得。首先对原始光谱数据作简单处理,然后进行６种数据变换：对数变换、一阶微分变换、对数变换后一阶微分变换、归一化变换、归一化变换后一阶微分变换及归一化后对数变换。采用相邻窄波段逐步加宽的办法,测试不同波段宽度对树种识别精度的影响。所有的变换方法及波段宽度试验最后均由神经元网络算法产生的树种分类精度来评价。试验结果表明对数变换后一阶微分和归一化变换后一阶微分能够获得高于９４％的平均精度;归一化变换和微分处理能够限制阴影的影响;２０ｎｍ的波段宽度用于识别此６种针叶树种是较为理想的。我们发现太阳高度角变化对树种识别影响不大。     

高光谱影像数据预处理技术评价

高光谱影像数据预处理是构建高效的影像数据库以及实现地理目标成分信息反演与地理目标识别的基础。本文从反射率演算、光谱微分技术以及高光谱影像数据的降维处理等三个方面对高光谱影像数据预处理进行了研究。实现了基于高光谱影像的反射率反演算法，针对高光谱遥感数据影像分辨率比较低的现状，提出了直方图均衡化、色调平衡、对比度调整等影像处理算法，并给出了实验结果。     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

地面成像光谱数据的田间杂草识别

地面成像光谱数据兼具高光谱分辨率与高空间分辨率,在田间杂草识别中具有很好的应用前景。目前基于机器视觉的杂草识别方法以形状特征为主,当作物杂草形态相似时识别的困难和利用高光谱特征以像元为单元识别时效率较低,不利于实时自动化除草,因此,本文提出一种综合面向对象与高光谱特征匹配的杂草识别方法,在对作物杂草对象样本的形状特征和光谱曲线提取分析的基础上,建立基于形状特征规则与光谱角匹配的植物对象识别决策树,用于识别实验田中的作物杂草对象。实验结果表明,当场景中某些不同种类植物对象的形态相似时,基于形状特征规则与光谱角匹配的杂草识别方法可借助高光谱特征精细区分植物对象的种类,且在形状特征规则约束下使用高光谱特征匹配法识别植物对象,可克服"同物异谱"和"同谱异物"现象带来的不确定性,该方法识别精度可优于仅使用光谱角匹配法的情况,并优于使用颜色和形状分析技术的情况。     

利用高光谱识别草地种类的研究——以锡林郭勒草原为例

以锡林郭勒草原典型的羊草、针茅、日阴菅、隐子草为研究对象,测量4种草地光谱,利用光谱微分法对原始光谱数据进行处理,在提取草地光谱7个特征参数的基础上,采用相关性分析和主成分分析方法精选红边斜率、绿峰位置、绿峰值和红谷位置4个参数。基于所选的4个光谱特征参数,采用多层感知神经网络模型对草地种类进行识别,精度达到80.3%,同时对比7个特征参数与4个特征参数对草地种类识别精度的影响,发现草地种类识别精度从69.0%提高到80.3%。本研究可为大面积草地物种资源的遥感调查和监测提供科学依据。     

Hyperion高光谱数据在福建钟腾铜钼矿区的应用研究

以福建平和钟腾铜钼矿区为例,简要介绍了Hyperion高光谱数据处理技术,探讨了基于特征谱带的光谱微分及基于完全波形特征的光谱匹配等遥感矿物识别方法,初步识别出该矿区的绢英岩,并为地质资料、野外踏勘以及岩矿鉴定所证实.旨在交流基于高光谱遥感数据的岩矿信息提取方法技术,对高植被覆盖区的遥感技术应用进行探索.     

利用高光谱识别草地种类的研究——以锡林郭勒草原为例北大核心CSCD

以锡林郭勒草原典型的羊草、针茅、日阴菅、隐子草为研究对象,测量4种草地光谱,利用光谱微分法对原始光谱数据进行处理,在提取草地光谱7个特征参数的基础上,采用相关性分析和主成分分析方法精选红边斜率、绿峰位置、绿峰值和红谷位置4个参数。基于所选的4个光谱特征参数,采用多层感知神经网络模型对草地种类进行识别,精度达到80.3%,同时对比7个特征参数与4个特征参数对草地种类识别精度的影响,发现草地种类识别精度从69.0%提高到80.3%。本研究可为大面积草地物种资源的遥感调查和监测提供科学依据。     

高光谱数据在Oracle中的存储及应用技术研究

高光谱遥感作为遥感的前沿技术,正在得到日益广泛的应用,其数据积累日益丰富。随着定量化遥感渐渐成为关注的核心,很多领域都越来越迫切地要求建立一个能存放高光谱数据、功能性强、使用方便、易扩展、与本领域应用相结合的数据库系统。针对高光谱数据特性以及处理和管理的需要,文中提出了基于Oracle数据库的面向对象的高光谱数据管理模型,从而便于高光谱数据的存储、管理、查询;并基于高光谱数据库进行了SAM分类实验,验证了该模型的有效性。     

高光谱遥感影像矿物自动识别与应用

在对矿物光谱特征理解与归纳的基础之上，对矿物光谱特征进行知识化表达，利用数理逻辑和一定的判别规则实现对高光谱遥感影像矿物的自动识别与批量化信息提取。在ENVI平台上，利用IDL语言开发了高光谱遥感影像矿物分层自动识别模（Mineral Auto-identification Module Basedon Spectral Identification Tree：MAIM-SIT）。该模块已经在新疆东天山哈密地区利用HyMap数据、西藏驱龙地区利用Hyperion数据以及美国Cuprite地区利用AVIRIS数据成功地进行了矿物识别，可识别的矿物或矿物组合可达10种以上，基本实现了高光谱矿物信息提取的智能化与批处理能力。     

高光谱遥感技术在地质领域中的应用

近年来，高光谱应用技术在地质领域得到了深入的应用与发展，不仅深化了地质学的基础研究，也推动着遥感地质填图从岩 性填图向矿物填图的飞跃，推进了高光谱遥感技术在成矿预测、地质成生环境成因信息探测、植被地化信息与理化信息提取以及矿 山环境调查等应用的不断深入。本文围绕高光谱技术的特点，并结合作者近年来的工作实践，论述了高光谱技术在上述领域的实际 应用情况与应用效果。     

柴达木盆地烃蚀变矿物高光谱遥感识别研究

高光谱遥感识别烃蚀变矿物可用于探测油气烃类微渗漏和定位地下油气藏.以有天然气分布的柴达木盆地东部三湖地区为研究区,对Hyperion高光谱数据进行重采样处理,克服了目标识别矿物不明显和传感器低信噪比的影响.通过确定烃蚀变矿物高光谱遥感探测的指示标志,采用线性光谱(SAM)拟合与光谱匹配(SAM)相结合的方法确定了影像端元对应的矿物组分.识别结果表明,合理缩减影像波段数和确定影像端元的方法,能有效提高烃蚀变矿物的高光谱遥感识别精度.     

光谱重建与光谱真实性检验中地物光谱的作用

 将地物光谱与高光谱重建、影像光谱真实性检验相结合,重点阐述地物光谱在高光谱数据预处理中的主要作用。以新疆东天 山航空HyMap数据为例,在光谱重建过程中导入数据区特征地物（白云母和高岭石）光谱,以对利用大气模型校正的视反射率影像光 谱进行平滑、去“伪”或增强处理。进一步利用2种矿物的特征光谱评价重建光谱的真实性,从数据源头确保高光谱遥感数据光谱特 性的准确与可靠。     

高光谱数据处理及在铀资源勘查中的应用——以广西苗儿山地区为例

以广西苗儿山地区机载成像细分红外高光谱数据为例,探讨了高光谱数据的特点及其处理方法。编制了一系列数据预处理软件,对图像进行了条带去除、波段间配准、航向压缩、镜向变换、辐射校正、正切校正、相对反射率转换等预处理,获得了高质量图像; 在 ENVI软件基础上建立了研究区野外实测光谱曲线库及分类子库,并对各子库进行了系统研究。同时,提出了正确的图像配准方案,对图像进行了精校正和镶嵌,取得了满意的效果; 在纯净像元提取、混合像元分解、匹配滤波、光谱特征拟合等方面进行了探索,提取了该区铀矿化的特征光谱信息; 最后,探讨了高光谱数据的地质应用潜力,尤其在硅化带识别方面的应用取得了成功,发现了一系列的新的含铀硅化断裂带,预测了三个成矿有利地段。经验证,其中两片地区的铀明显偏高并有矿化显示。     

星载高光谱成像光谱仪的特性与应用

介绍了星载高光谱成像光谱仪的种类、技术参数和数据特点,指出了成像光谱数据处理软件包应具有的功能,概括了成像光谱仪数据的应用前景。     

西藏Hyperion数据蚀变矿物识别初步研究

矿物识别是高光谱遥感技术研究的重要内容,也是高光谱最能发挥作用的领域。文章以最新获取的西藏驱龙地区卫星高光谱Hyperion数据为例,进行了星载高光谱数据蚀变矿物识别的初步研究。根据矿物光谱识别规则和识别谱系,初步识别并提取出高铝和低铝白云母化、高岭石化以及绿泥石化等蚀变矿物。与已知地质资料对照分析,所提取的蚀变信息与矿区地质情况基本吻合,同时发现一个新的类似的蚀变组合。     

高光谱遥感技术在水环境监测中的应用研究

以黄土高原几类常见土壤为试验品,定量研究了不同泥土含量与水体光谱反射率的关系,探索了利用反射率反演水体深度的方法。文中还介绍了利用高光谱遥感技术分析水污染类型和强度的方法。最后以靖边县城的芦河为例,分析了高光谱遥感探测水污染程度的可行性。     

航空遥感数据的贝叶斯网络分类

介绍了利用贝叶斯网络对航空遥感数据进行分类的算法和过程，认为贝叶斯网络具有以下优点： 充分利用和综合了先验知识 与样本信息； 采用有向无环图（DAG）的方式描述了多特征数据间的相互关系； 给出了联合概率表，并通过联合概率表给出了每个 像元属于不同类别的概率。研究结果表明，贝叶斯网络可以为遥感数据分类提供一种新方法。     

M数据在西藏活动构造解译中的应用

应用遥感技术,利用TM数据,通过建立各类活动构造的解译标志,及进行野外重点地区验证,快速、准确地对西藏地区活动构造进行解译。该方法克服了传统调查方法周期长、费用高,许多地方不能实地调查的缺点。