遙感如何識別信息

『壹』 遙感如何識別土壤水分

衛星遙感估測土壤水分的一種方法。而且他的素質也相當的靠譜，這也是一種高科技的結果。

對於植被影響土壤水分遙感的大小 , 提出了 「光學植被蓋度」新概念來衡量 , 並用遙感法進行估

測 。用分解象元法排除植被干擾來提取土壤水分光譜信息 。採用土壤水分光譜法並藉助回歸分析建立土壤

水分遙感的 TM 數據模型 。以此為橋梁 , 建立了 AV HRR 數據模型 。

關鍵詞 土壤水分 , 遙感 , 光學植被蓋度

4達 :

b P ()ae 1 R = 引 言 1

式中 R 為光譜反射率 , P 為土壤水分百分數 ,

又受植被覆 由於土壤水分受多種因素的影響 , b 為待定系數 。 a ,

蓋的干擾 , 因而土壤水分遙感是一項難度較大的研 模擬試驗區內灌淤土 、灌耕土 、灌耕灰漠土 、 究課題 。國內外關於土壤水分遙感的方法可歸納為 風沙土 、水稻土等 5 種主要土壤含水量與反射率的 土壤水分光譜法 、熱慣量法 、氣象法 、植物水分生 關系皆有類似的規律 。前 4 種土壤的毛管持水量分 1 —35 ,6 理法 。該研究採用土壤水分 光 譜 法 。對 植 被 別為 2912 % , 2914 % , 1616 % , 2610 %。 的影響 , 採用遙感估算光學植被蓋度 , 分解象元排 212 土壤反射率與輻亮度的關系 除法來提取土壤水分光譜信息 。從 TM2 、3 、4 波

() 段 與 NOAA1 、2 通道相近數據入手建立土壤 衛星感測器接收到土壤某波長的光譜輻亮度

7水分遙感模型 , 用理論和實踐相結合的方法 , 建立 B有下列關系 : λ

NOAA - AV HRR1 、2 通道的土壤水分遙感估測模 τ()B= RB 2 λ λλλ o型 。這樣更便於大面積土壤水分遙感估測 。 τλ式中 R為土壤對波長的光譜反射率 ; 為 λ λ

λ λ 大氣對波長的光譜透射率 ; B 為土壤在處的λ o2 基本原理 太陽光譜輻亮度 。

211 土壤水分與光譜反射率的關系 感測器某波段的平均輻亮度 B 可表示為 : n

τ()B = a R B + b3 n nnon 土壤是含多種成分的復雜的自然綜合體 。土壤

τR 、、B 分別為相應波段的土壤平均其中 n n on 光譜受土壤母質 、有機質 、水分等多種復雜因素的

反射率 、大氣 平 均 透 射 率 、入 射 到 土 壤 平 均 輻 亮 影響 , 在母質等其餘因素固定的情況下 , 土壤光譜

度 。a 和 b 是與儀器對波段頻率響應和儀器靈敏度 受土壤水分的制約比較明顯 。不同土壤類型隨水分

有關的系數 和 常 數 。當 波 段 范 圍 確 定 , 大 氣 穩 定 變化稍有差別 , 一般隨土壤水分的增加而反射率降

τ( ) 時 , 、B 可視為定量 。由 3式可變成 : n on 低 , 這為用遙感方法探測土壤水分提供了可能 。

()4 R = A B - b n n 從各波長點的土壤水分 —反射率曲線圖 , 發現

這說明土壤某波段平均光譜反射率與衛星遙感 土壤水分含量約大於 5 %時 , 隨土壤水分含量的增

數據相應波段的光譜亮度成正比 。利用這個關系可加而反射率呈指數下降趨勢 。這樣測定了土壤水分。速度非常快，方法也很簡便。

『貳』 如何通過遙感影像識別構建某方向地理環境知識圖譜

建立地理環境知識圖譜通常需要從以下幾個方面入手：

收集遙感影像數據：可以使用遙感衛星或飛機拍攝的影像數據，也可以使用已有的遙感影像資料庫。

對遙感影像進行處理：需要對遙感影像進行預處理，包括去噪、校正、分類等操作。

建立地理知識模型：需要建立一個地理知識模型，描述地理環境中的實體（如地形、土壤、植被等）和它們之間的關系。

建立地理知識圖譜：使用地理知識模型建立地理知識圖譜，並使用遙感影像為圖譜中的實體進行標注。

使用地理知識圖譜：地理知識圖譜可以用於各種地理環境應用，如地形分析、土地利用規劃、資源管理等。

需要注意的是，建立地理知識圖譜的過程需要結合遙感影像的特點，進行相應的調整。

『叄』 遙感介紹一下

[remote sensing] 通過人造地球衛星上的遙測儀器把對地球表面實施感應遙測和資源管理的監視(如樹木、草地、土壤、水、礦物、農家作物、魚類和野生動物等的資源管理)結合起來的一種新技術
遙感(RS)簡介
遙感是以航空攝影技術為基礎，在20世紀60年代初發展起來的一門新興技術。開始為航空遙感，自1972年美國發射了第一顆陸地衛星後，這就標志著航天遙感時代的開始。經過幾十年的迅速發展，目前遙感技術已廣泛應用於資源環境、水文、氣象，地質地理等領域，成為一門實用的，先進的空間探測技術。 遙感是利用遙感器從空中來探測地面物體性質的，它根據不同物體對波譜產生不同響應的原理，識別地面上各類地物，具有遙遠感知事物的意思。也就是利用地面上空的飛機、飛船、衛星等飛行物上的遙感器收集地面數據資料，並從中獲取信息，經記錄、傳送、分析和判讀來識別地物。
編輯本段遙感技術主要特點
1．可獲取大范圍數據資料。遙感用航攝飛機飛行高度為10km左右，陸地衛星的衛星軌道高度達910km左右，從而，可及時獲取大范圍的信息。例如，一張陸地衛星圖像，其覆蓋面積可達3萬多km2。這種展示宏觀景象的圖像，對地球資源和環境分析極為重要。 2．獲取信息的速度快，周期短。由於衛星圍繞地球運轉，從而能及時獲取所經地區的各種自然現象的最新資料，以便更新原有資料，或根據新舊資料變化進行動態監測，這是人工實地測量和航空攝影測量無法比擬的。例如，陸地衛星4、5，每16天可覆蓋地球一遍，NOAA氣象衛星每天能收到兩次圖像。Meteosat每30分鍾獲得同一地區的圖像。 3．獲取信息受條件限制少。在地球上有很多地方，自然條件極為惡劣，人類難以到達，如沙漠、沼澤、高山峻嶺等。採用不受地面條件限制的遙感技術，特別是航天遙感可方便及時地獲取各種寶貴資料。 4．獲取信息的手段多，信息量大。根據不同的任務，遙感技術可選用不同波段和遙感儀器來獲取信息。例如可採用可見光探測物體，也可採用紫外線，紅外線和微波探測物體。利用不同波段對物體不同的穿透性，還可獲取地物內部信息。例如，地面深層、水的下層，冰層下的水體，沙漠下面的地物特性等，微波波段還可以全天候的工作。 遙感技術所獲取信息量極大，其處理手段是人力難以勝任的。例如Landsat衛星的TM圖像，一幅覆蓋185km×185km地面面積，象元空間解析度為30m，象元光譜解析度為28位的圖，其數據量約為6000×6000=36Mb。若將6個波段全部送入計算機，其數據量為： 36Mb×6=216Mb
編輯本段廣泛的應用
為了提高對這樣龐大數據的處理速度，遙感數字圖像技術隨之得以迅速發展。 目前，遙感技術已廣泛應用於農業、林業、地質、海洋、氣象、水文、軍事、環保等領域。在未來的十年中，預計遙感技術將步入一個能快速，及時提供多種對地觀測數據的新階段。遙感圖像的空間解析度，光譜解析度和時間解析度都會有極大的提高。其應用領域隨著空間技術發展，尤其是地理信息系統和全球定位系統技術的發展及相互滲透，將會越來越廣泛。 遙感（Remote Sensing），從廣義上說是泛指從遠處探測、感知物體或事物的技術。即不直接接觸物體本身，從遠處通過儀器（感測器）探測和接收來自目標物體的信息（如電場、磁場、電磁波、地震波等信息），經過信息的傳輸及其處理分析，識別物體的屬性及其分布等特徵的技術。 通常遙感是指空對地的遙感，即從遠離地面的不同工作平台上（如高塔、氣球、飛機、火箭、人造地球衛星、宇宙飛船、太空梭等）通過感測器，對地球表面的電磁波（輻射）信息進行探測，並經信息的傳輸、處理和判讀分析，對地球的資源與環境進行探測和監測的綜合性技術。 當前遙感形成了一個從地面到空中，乃至空間，從信息數據收集、處理到判讀分析和應用，對全球進行探測和監測的多層次、多視角、多領域的觀測體系，成為獲取地球資源與環境信息的重要手段。 遙感在地理學中的應用，進一步推動和促進了地理學的研究和發展，使地理學進入到一個新的發展階段。 遙感信息應用是遙感的最終目的。遙感應用則應根據專業目標的需要，選擇適宜的遙感信息及其工作方法進行，以取得較好的社會效益和經濟效益。 遙感技術系統是個完整的統一體。它是建築在空間技術、電子技術、計算機技術以及生物學、地學等現代科學技術的基礎上的，是完成遙感過程的有力技術保證。

『肆』 遙感變化信息檢測的主要方法

本節所研究的主要是基於像元級的遙感變化信息檢測方法。當今國內外常用的遙感變化信息檢測方法主要有分類後比較法、代數運演算法、光譜特徵變異法、主成分分析法等。

( 一) 光譜特徵變異法

光譜特徵變異法是使用最為廣泛的一種遙感變化信息檢測方法，其原理是將兩時相遙感影像的相關波段進行融合、組合，如果地物類型發生了變化，該區域的光譜就會發生變異或突變，與周圍地物失去協調性，使得能通過肉眼識別出來。該方法容易受到研究區域地物光譜特徵的影響，可能會丟失細小的變化圖斑，但是在一般情況下總體效果良好 ( 馮德俊，2004) 。

圖 4 －8 HIS 融合法結果

把研究區震前 IKONOS 的全色波段影像和震後QuickBird 的多光譜影像運用光譜特徵變異法中的 HIS進行了融合，結果見圖 4 －8。從圖中可以看出，沒有發生變化的區域光譜特徵和解析度都得到了加強 ( 空間解析度變為 1m) ，其中水體、河流為藍色，山地為褐色，植被信息為綠色，白色區域明顯與四周的地物和背景信息光譜不協調，這就是發生變化的區域。

( 二) 主成分分析法

主成分分析法在遙感變化信息檢測中使用很多，一般能夠取得很好的檢測效果，它能夠在一定程度上消除影像內部各波段間的相關性，提高變化信息檢測的效率和精度。

圖 4 － 9 為 IKONOS 融合後影像與 QuickBird 融合後影像求差並取絕對值後進行主成分變換的第一個主成分圖像。由主成分變換的特性知道，變換結果的第一分量集中了影像絕大部分的變化信息，而其他分量則主要反映了波段之間的差異性。第一分量就代表著變化信息。圖 4 －9 中白色區域為發生變化的區域。

基於主成分分析的遙感變化信息檢測方法仍然存在著一些缺陷: ① 由於主成分變換所得到的各個分量往往失去了原有的物理意義，所以還需要參考其他數據來分析地物類型變化與否及其因果關系。② 主成分分析 ( PCA) 是基於二階統計的方法，只有在信號的統計分布滿足高斯分布的條件下，才能完全消除信號間的相關性，而對於非高斯信號則只能去除信號間的二階相關性 ( 鍾家強、王潤生，2006) 。在多時相遙感影像中，各種地類的光譜特性幾乎都不能滿足高斯分布，因此經過主成分變換後的各成分圖像間仍然存在高階相關性，而這些相關信息會直接影響到變化信息的檢測和提取。由於這個原因，在做主成分分析時，常常導致把這些高階相關信息轉變為雜訊，如圖 4 －9 所示，白色的 「斑點」遍布整個分量影像，又和變化信息摻雜在一起 ( 變化的區域也為高亮的白色) ，這使得在提取真正變化信息的時候遇到困難，如何有效地消除多時相圖像間的高階相關信息，避免這些 「偽變化」的雜訊，對於變化信息的檢測和提取具有非常重要的意義。

『伍』 遙感信息反映了物體的哪些屬性

遙感就是根據這個原理來探測地表物體對電磁波的反射和其發射的電磁波，從而提取這些物體的信息，完成遠距離識別物體。
不同的感測器能探測到不同的地物屬性，如地物的顏色、形狀、大小、溫度、表面粗糙度、對電磁表的吸收能力等等

『陸』 利用遙感技術獲取信息的手段都體現在哪些方面

利用遙感技術獲取信息手段多，信息量大，根據不同的任務，遙感技術可選用不同波段和遙感儀器來獲取信息。例如可採用可見光探測物體，也可採用紫外線、紅外線和微波探測物體。利用不同波段對物體不同的穿透性，還可獲取地物內部信息。例如，地面深層、水的下層，冰層下的水體，沙漠下面的地物特性等，微波波段還可以全天候地工作。

『柒』 遙感信息提取方法

一、ASTER遙感信息提取方法

（一）圖像預處理

本次研究所採用的ASTER數據產品等級是1B和3A01，數據已進行了感測器相關系數輻射校正。在進行幾何精校正過程中，校正控制點主要源於研究區於20世紀70年代完成的1∶100000地形圖，地形圖的精度不高，因此控制點的總平均誤差控制在2個像元內。

依據《ASTER礦物指數處理手冊》的數據處理程序進行暗像元糾正，以消除大氣散射對圖像的影響。依據直方圖找出各波段最小值的像元，像元的每個波段最小值代表或近似於大氣輻射的影響，減去最小值的像元即可。ASTER圖像經過暗像元處理後相當於進行了一次背景值濾波，使短波紅外區間的特徵更加明顯，有利於提取礦物指數，從而提取岩礦信息。

由於研究區下墊面影響因子復雜，必須要消除雲、雪和植被等下墊面復雜因素對基岩信息的干擾，掩膜圖像處理技術可以有效地扣除這些干擾信息。具體處理過程為：首先，在植被、雲及雪覆蓋的原始圖像上提取植被NDVI指數，製作NDVI指數圖像，然後做植被0-1掩膜，再進行雲和雪0-1掩膜，最後將植被掩膜與雲、雪掩膜圖像疊加，在此基礎上進行有用信息的進一步處理，製作掩膜圖像。掩膜圖像的效用有兩個方面，一是壓縮圖像處理樣本的統計空間，使有用的信息相對得到增強，二是排除干擾信息可能引起的假異常。

（二）岩石與礦物信息提取方法

可見光-近紅外波段區域對赤鐵礦、針鐵礦和黃鉀鐵礬等鐵氧化物敏感，而短波紅外波段可以探測粘土和層狀硅酸岩礦物的特徵吸收，實現更為詳細的礦物岩石識別。在熱紅外譜域，8～14μm是最佳大氣窗口，由於硅酸鹽岩在熱紅外區間隨著SiO₂含量的減少，岩石寬緩的吸收帶向長波段方向系統位移，從而能夠探測Si_nO_k、SO₄、CO₃、PO₄等原子基團基頻振動及其微小變化，很容易識別硅酸鹽、硫酸鹽、碳酸鹽、氧化物、氫氧化物等礦物，使困擾遙感地質的岩石識別成為可能，大大拓寬了遙感岩礦識別的廣度與深度，從而彌補連續波段高光譜在熱紅外譜域的不足，使ASTER遙感技術成為岩礦識別的重要補充手段。

本次試驗採用的主要信息提取方法包括基於掩膜圖像的主成分分析、礦物指數和光譜角度填圖方法等。

對於所有ASTER數據，常規圖像均採用通道7、3、1（紅、綠、藍）假彩色合成，這種合成方案盡管植被的信息比較突出，但有利於後續使用者對照其他信息的圖件判別地質體的色調異常與來源於植被的干擾異常。在該類圖像中通常的規律是藍色調大多為碳酸鹽，紫色調的地質體二價鐵含量相對較高。主成分圖像通常採用4～9波段的主成分分析，依照試驗結果，選用不同的主成分，其中3、4、5等弱信息的主成分使用較多。

1.主成分分析

主成分分析是遙感地質最有效和最常用的圖像信息提取方法之一，它是將原始的遙感數據集變換成非常小且易於解譯的不相關變數，這些變數含有原始數據中大部分信息，通過正交變換去除多波段圖像中的相關信息，使新的組分圖像之間互不相關，各自包含不同的地物信息，這是一種重要的圖像增強方法。

在本次研究中，應用預處理後的掩膜圖像進行主成分分析，通過將原始圖像進行主成分變換，得到SWIR系統4到9波段的5個主成分的影像，將其中的PC3、PC4、PC5主成分分別置於綠、紅、藍影像層，生成主成分合成影像，並將該影像與高空間解析度的VNIR段影像進行融合，生成新的主成分彩色合成影像。與傳統的彩紅外合成影像相比，主成分合成影像色差可以識別更細微的岩性差別。

從圖9-6不難看出，對掩膜前後的圖像均採用相同的主成分組合方案，但掩膜後的主成分圖像細節更加突出，中三疊統鬧倉堅溝組（T₂n）板岩（藍色調條帶）被突出了。

2.礦物指數法

ETM數據只能提供一些鐵錳成分異常和羥基蝕變礦物異常等一些籠統的信息，而ASTER的波段劃分更精細，能夠提供更為明確的礦物信息。常見礦物的特徵吸收帶集中在2～2.3μm之間（圖9-1），即在ASTER的5～9波段之間，而ASTER的第4波段盡管沒有特徵吸收存在，但它是地質體反射率統計差異最大的遙感窗口。目前，國際上流行的各類礦物指數方法很多，它們主要是基於上述這些礦物特徵吸收帶的波長位置及其與ASTER波段設置的關系，通過簡單的各類比值運算得來，如《ASTER礦物指數處理手冊》所收集的澳大利亞科工組織（CSIRO）和美國地質調查局等機構經常使用的一些礦物指數（圖9-7）。

圖9-6 溫泉水庫地區ASTER掩膜主成分分析圖像

（短波紅外4～9波段的4、3、5主成分合成圖像）

波段比值是一種經常被用來提取波譜信息的有效手段。根據代數運算的原理，當波段間差值相近但斜率不同時，反射波段與吸收波段的比值處理可增強各種岩性之間的波譜差異，抑制地形的影響，並顯示出動態的范圍。波段比值通常是在對大氣路徑輻射或由多光譜感測器產生的疊加偏移進行初步校正的基礎上，由兩個波段對應像元的亮度值之比或幾個波段組合的對應像元亮度值之比獲得。通常是選擇特定目標的最小或最大反射或輻射波段作為比值波段。一種地物在兩個波段上波譜輻射量的差別，常被稱為波譜曲線的坡度。不同地物在同一波段上坡度有大有小，有正有負。比值法就是增強不同地物以及岩石間的這種微小差別。因而，以岩礦的特徵光譜為基礎，選用適當的波段比值進行彩色合成，可增強岩性和蝕變帶信息，便於提取蝕變信息。

我們選取了20個各類礦物比值進行試驗應用，在圖像處理軟體中進行流程式的批量處理，再依據具體地質背景和圖像質量進行篩選，獲得了較好的應用效果。尤其對粘土類礦物的蝕變和層狀硅酸鹽礦物的岩性識別非常有效，對巴顏喀拉山群淺變質岩岩性劃分具有良好的應用效果。

所採用的各類遙感礦物指數擇要描述如下：

（1）波段12/波段13比值：基性度指數（BDI）。由澳大利亞科工組織Bierwith提出，BDI與岩石中的二氧化硅含量有很好的負相關，高亮度為基性成分高的地質體，低亮度為酸性地質體，可以很好反映地質體的基性程度。在東大灘銅礦區花崗岩體外接觸帶及前寒武紀變質岩區，BDI顯示出很好的異常及其與銅礦之間的關系。

（2）波段14/波段12比值：富石英岩類異常。異常效果良好，是硅化蝕變的重要依據。在昆侖山巴顏喀拉山群地層和溫泉水庫西部的下二疊統中普遍存在該指數的異常，表明均為一套高硅質的淺變質岩系。在卡巴紐爾多南部，沙地表現為高二氧化硅含量的正異常。此外，高山冰緣區土壤濕度存在垂直分帶現象，同樣會引起基性度指數或二氧化硅指數的假異常，這種異常往往沿等高線分布。

（3）波段13/波段14比值：碳酸鹽岩異常。該比值由於熱紅外14通道的雜訊較大，應用效果並不理想，僅在溫泉水庫和昆侖山一帶有較好的顯示。

（4）波段4/波段5比值：鐵礬土異常。Bierwith定義為鐵礬土，而Volesky定義為硅酸鹽蝕變。高濃度異常的大面積分布通常具有重要的找礦指示意義。

圖9-7 《ASTER礦物指數處理手冊》中常用礦物指數匯總

（5）波段5/波段3+波段1/波段2比值：二價鐵異常。該比值需要謹慎對待，尤其在高山區，雪在1波段的高反射常常引起假異常，需要結合常規合成圖像具體分析。

（6）波段4/波段2比值：鐵帽異常。試驗區圖像效果較差，尚未發現有意義的異常，但由於鐵帽在找礦中的重要意義，以及其負異常的突出特徵，保留這一指數是必要的。

（7）波段7/波段5比值：高嶺土礦物異常，該比值不確定性較強。溝谷中條帶狀分布的異常可能與表生作用下的風化高嶺土有關，大面積的團塊狀異常才具有內生蝕變礦物的意義。

（8）（波段4+波段6）/波段5比值：明礬石和高嶺土指數。在納赤台萬保溝群中大面積出現這種異常，但實地考察屬硅化大理岩異常。

（9）波段7/波段6比值：白雲母異常。白雲母在2.2μm附近的特徵吸收（ASTER第6波段）較強，實踐證明該指數較為敏感，對板岩類有良好的識別能力。

（10）（波段5×波段7）/（波段6×波段6）比值：粘土礦物蝕變異常。具有明確的找礦指示意義，在水泥廠東北部存在這種異常。

（11）（波段7+波段9）/波段8比值：碳酸鹽-綠泥石-綠簾石組合異常。主要分布在1∶5萬水泥廠幅東北部和溫泉水庫西部。可以與波段13/波段14比值圖像碳酸鹽異常對比，進一步區分碳酸鹽異常和綠泥石-綠簾石異常。

（12）波段5/波段6比值：多硅雲母異常。

（13）（波段5+波段7）/波段6比值：絹雲母-白雲母-伊利石組合異常。該組礦物高濃度異常具有明確的找礦指示意義，但大面積異常通常意味著變質岩區的片岩，如內蒙古狼山地區的大面積異常與該地區偉晶岩化、雲母片岩、板岩等區域變質或侵入接觸變質作用有關。在東昆侖試驗區也具有很好的效果，昆侖山巴顏喀拉山群和溫泉水庫西部的下二疊統均有大面積的該類礦物異常。

必須指出的是，實際信息提取過程中，白雲母和高嶺土異常經常在空間上相伴生，在昆侖山和1∶250000填圖區北部出現這種情況，很有可能僅僅是一種異常。在變質岩區有可能僅僅是白雲母，而非高嶺土。從圖9-1不難看出，高嶺石和白雲母的特徵吸收帶都出現在ASTER的第6通道，波長位置的細微差別有可能是ASTER礦物指數方法容易產生混淆的原因。在1∶50000填圖區東北部的異常也同樣出現類似狀況，綠簾石、綠泥石、角閃石和碳酸鹽均出現異常。實際上這種異常均出現在第8通道附近，這幾種礦物均存在較強的吸收帶。這種情況可能僅僅是碳酸鹽，但它們與典型的碳酸鹽（731為藍色調）又有明顯的區別。

盡管如此，礦物指數方法在實際應用中也存在一些問題，從典型礦物曲線和ASTER波段的對比中不難看出有可能出現幾種易混淆的礦物組：如高嶺土-白雲母和方解石-白雲石-綠簾石-綠泥石-角閃石等礦物組。因此，集中在第6和第8通道的異常僅僅說明具有顯著的某種礦物類的異常，而不能明確說明是何種礦物。在復雜條件下只能明確礦物類，可以在此基礎上進行野外驗證，從而確定礦物種類。

在熱紅外區間，岩石的二氧化硅含量與Si-O₂振動強吸收帶的波長位置呈現反比的系統位移規律，這是ASTER識別硅酸鹽岩的基本依據。此外，碳酸鹽岩在ASTER的14波段的強吸收也是識別該岩類的基本依據，但14通道紅外輻射能量最弱，雜訊大，應用效果不理想。

3.光譜角度填圖方法

光譜角度填圖方法（SAM）是Boardman開發的一種演算法程序，一般用於超光譜圖像的監督分類。該方法給出一系列光譜記錄來逐一定義每個岩石類型，將每個像元看作n維圖像資料庫空間的一個向量，並計算與光譜資料庫中光譜數據記錄（參考光譜）之間的向量夾角。像元光譜與光譜記錄（參考光譜）的光譜角度相匹配，即可分類為該類岩石。SAM方法的優越性在於只考慮像元光譜與參考光譜的相似性，不考慮像元相對亮度的影響，這在一定程度上改善了陰影，或者土壤濕度的干擾，因為角度的匹配不考慮向量模的大小。

該方法應用的條件是圖像數據必須進行反射率反演，使像元的「視反射率」能夠與光譜資料庫中的參考光譜進行匹配。但實際應用中，由於大氣條件和圖像質量等各方面的原因，較難完成反射率反演這道科學程序，從而限制了該方法的實際應用。因為ASTER的數據質量不理想，參考光譜選用的是典型的像元光譜。

光譜角度填圖方法試驗區選在納赤台北部的東昆中斷裂帶附近的花崗岩內外接觸帶（圖9-8）。試驗中選取的典型岩類有5個，構成參考光譜資料庫。提取的像元光譜是1～9波段，依照這組波段曲線，它們的光譜角度最大差異的區間分布在4～9波段的近紅外-短波紅外譜段，因此將其作為SAM處理的6維向量空間，角度匹配的閾值為5度。從結果中能夠看出，SAM方法不僅可以克服花崗岩中不同亮度值對分類的影響，能夠進行陰影中的分類，而且能夠區分常規合成圖像中容易混淆的 白雲石（藍色）和高嶺土（黃色）。但萬保溝群中的部分岩性段被歸入花崗岩體（紅色），說明該方法還不能區分「同譜異質」的地質體。

圖9-8 納赤台北部ASTER數據4～9通道光譜角度填圖

上圖—光譜角度填圖結果；中圖—ASTER7、3、1常規合成圖像；下圖—基於像元的分類參考光譜

說明：橫軸為ASTER1-9波段；縱軸為像元視反射率。

二、IRS-P6遙感礦物指數試驗

IRS-P6在地質上的應用國內外少有報道，主要原因是它波段分布有限，尤其缺少短波紅外區間的設置，因此缺乏對羥基類地質體信息的識別能力（表9-7），但它的地面解析度高於ETM，在ETM數據缺乏或者質量不佳的情況下也不失為一種可以替代的數據資源。本次試驗也對其在地質填圖中的應用效果進行了比值指數的初步應用。

表9-7 IRS-P6和ETM的波段設置對比

在可見和近紅外區間，鐵的特徵吸收佔光譜的主導因素。依據常見鐵氧化礦物的吸收特徵，針對0.9μm附近三價鐵的寬緩吸收帶，波段2和波段3良好地反映了該處的吸收特徵。因此選用CH2/CH3作為三價鐵氧化礦物的指數。如果沒有鐵氧化礦物存在，吸收帶就不存在，這個比值將會是很低的。所使用幾個比值指數如下：三價鐵氧化礦物CH2/CH3；二價鐵或暗色岩系CH1/CH4平的特徵；碳酸鹽岩CH1/CH2，依據碳酸鹽岩一般缺乏鐵礦物，缺少鐵族礦物在近紫外區間很強的電子躍遷引起的吸收。

但在卡巴紐爾多南部局部地區，採用了4/3.2/3和1/2幾種比值組合，完全是針對該區廣泛分布的砂板岩，依據試驗效果的一種選擇。

IRS-P6的應用效果不如ETM，但應用上述比值合成的假彩色圖像在解譯應用中也能夠與ETM圖像取長補短。如溫泉水庫西部，IRS-P6有更加概括的岩性信息，而ETM由於短波紅外信息的加入，圖斑細碎，不宜於解譯成圖。

三、Hyperion遙感信息提取方法

由於高光譜遙感具有多個波段和高光譜解析度的特點，高光譜的窄波段可以有效地區別礦物的吸收特徵，利用各種礦物和岩石在電磁波譜上顯示的診斷性光譜特徵可以識別礦物，使礦物識別和區域地質制圖成為高光譜技術主要的應用領域之一。

為了實現研究區內岩礦高光譜遙感的識別和分類，並考慮到研究區復雜的地質、地貌、氣候和地表覆蓋等特點對所採用的遙感圖像的影響，在高光譜岩礦填圖中採用地面光譜和圖像光譜相結合的處理分析方法。

（一）岩石光譜測量

為了最大限度地滿足光譜測量精度的要求，在本次野外光譜測量中所採用的儀器為美國ASD公司的最新產品FieldSpec FR便捷式地物波譜儀（圖9-9），該儀器主要參數見表9-8。此儀器不僅具有攜帶方便、速度快、高信噪比、高可靠性、高重復性、操作簡單和軟體包功能強勁等特點，而且還可以進行實時測量和觀察輻射、輻射度、CIE顏色、反射和透射。

圖9-9 野外光譜採集

數據採集軟體採用的是美國ASD公司的FieldSpec FR數據採集分析軟體包，該軟體具有速度快、實時測量、操作界面簡單、靈敏度高和功能強大等優點，另外它所獲取的數據可以直接被ENVI軟體讀取，極大地促進了後期數據處理進程。

由於研究區域特殊地理位置和復雜的氣候條件，而且氣候多變，考慮到諸多不利因素對光譜採集質量的影響，我們於2008年7月進行了野外光譜數據採集，此時該地區的大氣、空氣濕度、風、光照和雲層覆蓋等條件適宜於野外光譜數據採集，而且採集到的數據和選用的遙感圖像數據時間匹配性好，滿足研究精度要求和填圖需要。

為了最大限度地滿足高光譜遙感礦物填圖的要求，採用了野外和室內測量相結合的測量方法。另外，在研究區域內還選擇了多個具有代表性的開闊地帶作為平場並進行了多次重復測量。

野外完成了包含花崗岩、變質岩、流紋岩、千枚岩、大理岩、板岩、頁岩、鐵礦石、銅礦石、金礦石、鉛礦石、鋅礦石等多達100多種不同類型以及同種類型不同狀態（如岩礦石的風化面、新鮮面等）的岩礦石的光譜數據室內和野外採集工作，並且經過系統編號整理建立了各種岩礦石與其光譜數據的對應表（圖9-10），為圖像解譯和填圖工作提供了較為完備的基礎數據。

表9-8 FieldSpec FR便捷式地物波譜儀相關參數

圖9-10 野外實測光譜資料庫

（二）礦物光譜測量

採用南京地質調查中心研發的BJKF-III型攜帶型近紅外礦物分析儀，對礦化樣品進行光譜曲線測量，得到典型蝕變礦物光譜曲線，其礦物包括方解石（圖9-11a）、高嶺石（圖9-11b）、綠泥石（圖9-11c）和孔雀石（圖9-11d）等。黃銅礦為銅的硫化物礦石，具有不透明礦物的典型特徵，遙感較難識別，而孔雀石存在二價銅離子引起的特徵吸收帶。

圖9-11 東大灘銅礦典型礦物光譜曲線圖

通過駝路溝鈷金礦床野外調查取樣，利用攜帶型近紅外礦物光譜儀對樣品進行光譜測量，進一步驗證了遙感圖像提取孔雀石和黃鉀鐵礬等礦物信息（圖9-12）。同時，在駝路溝礦區斷裂帶內還檢測出遙感圖像未能解譯出的石膏等礦物（圖9-12d）。

（三）數據預處理

Hyperion高光譜數據經過斑點去除、回波糾正、背景去除、輻射糾正、壞像元恢復以及圖像質量檢查等一系列處理過程，用戶拿到的數據應該不再有壞像元或條紋，但實際上卻仍然存在，在進行圖像應用之前，必須對圖像進行預處理，糾正不正常的像元。預處理主要包括去除未定標及受水汽影響的波段、絕對輻射值轉換、壞線修復及誤差條帶的去除、反射率定標和大氣校正等。

1.去除未定標及受水汽影響的波段

Hyperion數據的242個波段中，經過輻射定標的獨立波段實際上只有196個，但有些波段受水汽影響非常嚴重，無法應用，經去除處理後只有158個波段可用（表9-9）。

2.絕對輻射值轉換

Hyperion的L1產品數據集以有符號的整型數據記錄，數值范圍為-32767～+32767。但實際上地物的輻射值非常小，產品生成時對VNIR和SWIR波段都採用了擴大因子，系數分別為40和80。因此，需要把圖像的亮度值轉換為絕對輻射值，將VNIR和SWIR波段分別除以40和80，生成絕對輻射值圖像。

圖9-12 駝路溝鈷金礦典型礦物光譜曲線圖

表9-9 剔除和保留的波段

3.壞線修復及誤差條帶的去除

由於Hyperion感測器的個別通道存在壞的探測元，致使圖像存在著不正常數據，DN值為零或者非常小的稱為死像素列，即壞線。對壞線用相鄰行或列的平均值進行修復，壞線修復前與修復後效果見圖9-13。

Hyperion光譜儀採用推掃式的對地觀測方式，所以系統中CCD的排列方式垂直於航跡方向。由於不同行中的感測器對光譜響應值不同，在光譜入射時會導致在每個譜段上出現豎條紋，即列向條帶雜訊。條紋嚴重影響圖像的質量及實際應用，應用時需要對條紋雜訊進行去除處理。

本項目採用ENVI軟體中的傅里葉變換及聯合概率濾波平滑方法去除影像的條紋雜訊，並用MNF進行效果評價。修復效果見圖9-14。

圖9-13 VNIR第56波段壞線修復前後圖像

圖9-14 垂直條紋去除前後圖像對比

4.反射率定標

高光譜遙感數據定標的首要任務就是對成像光譜儀定標，將遙感器探測到的數據變換為絕對亮度或與地表反射率、表面溫度等物理量有關的相對值的處理過程。通過原始圖像提取的波譜曲線為太陽輻射與大氣輻射共同作用的結果，這些波譜剖面曲線都是相似的，表示的是輻射亮度曲線，而不是反射率波譜曲線。因此，需要將輻射亮度曲線轉換為反射率波譜曲線，以消除大氣吸收、散射、地形起伏及感測器本身誤差所帶來的各種失真對數據的影響，恢復地物光譜數據的原貌。將影像的輻射亮度值轉換成表觀反射率的過程，稱為反射率定標或地物光譜重建。

主要校正定標的方法有平場域定標、內部平均相對反射率定標以及經驗線性定標。本次研究針對星載高光譜數據，主要採用了基於大氣輻射傳輸理論的FLAASH定標模型，並進了分析總結，得到了比較好的應用效果。

5.大氣校正

遙感衛星感測器接收到的目標物反射及發射能量輻射在傳輸過程中需要通過大氣層，使高光譜遙感影像記錄的是包含地面反射光譜信息和大氣輻射傳輸效應引起的地面反射輻照度變化等綜合信息。大氣校正的目的是消除大氣和光照等因素對地物反射的影響，獲得地表的真實物理模型參數，如地物反射率、輻射率和地表溫度等。圖像是否需要進行大氣校正，主要取決於圖像的質量及用途。對於空間分布均勻的影像，如果只是用單時像的數據分類，由於大氣對分類的影響是一致的，就沒有必要進行大氣校正。對於空間分布不均勻的影像，如有些區域有霧或者下雨等現象，就有必要糾正大氣的影響。因此，將表示反射率亮度的原始遙感影像DN值數據轉換為反射率數據，對正確利用遙感數據進行定量分析及信息提取十分關鍵。由於本次研究利用實測地物光譜與美國USGS光譜庫標准光譜相結合的方法進行識別分類，所以需要進行大氣校正。

目前，基於大氣輻射傳輸理論的輻射校正模型主要包括：5S、6S、ATREM、MODTRAN、ACORN和FLAASH等。針對Hyperion高光譜數據的特點，本項目主要利用ENVI軟體中的FLAASH模塊進行大氣校正處理。

為了驗證FLAASH大氣校正的效果，分別使用了校正前後的雪、岩石及水體的混合波譜曲線進行對比見圖9-15，並採用野外實測波譜曲線與校正後的圖像的波譜曲線進行對比，總的效果較好。

圖9-15 大氣校正前後雪、岩石和水體的波譜曲線對比

6.幾何糾正

圖像預處理的最後一步工作為圖像的幾何糾正。本研究採用了1∶100000納赤台幅地形圖，應用二次多項式和雙線性內插重采樣方法，共選取了117個控制點，對高光譜數據進行了幾何精度校正。

（四）圖像鑲嵌與裁剪

本項目共定購東大灘地區5景Hyperion數據，其中KL2與KL3景在夏天獲取，KL4-KL6在冬天獲取，所以地物色調相差較大，進行鑲嵌時必須進行調色處理。由於Hyperion數據覆蓋面積寬7.7km，長85km，南北向覆蓋區域較長，應用時需做剪裁處理。經過鑲嵌與剪裁之後數據的覆蓋范圍見圖9-5。

（五）信息提取

經過去除未定標和受水汽影響的波段、進行絕對輻射值轉換、壞線及條紋修復、smile效應去除、大氣校正和幾何精度校正等過程，得到反射率數據。利用波譜分析工具Spectral Analyst進行波譜分析鑒別礦物，選擇美國地質調查局波譜庫，該庫包括近500種礦物波譜，波長范圍0.4～2.5μm。本次岩礦蝕變信息提取主要應用USGS波譜庫作為端元波譜，結合野外實測光譜曲線，應用純凈像原指數法（PPI）作為輔助方法提取端元波譜，最後利用光譜角（SAM）填圖法和波譜特徵擬合法（SFF）成圖。

本項目各類遙感圖像覆蓋面積達18850km²。除受風成黃土、植被、雪被、草甸土、陰影以及冰緣凍融作用所產生的碎屑坡積物等因素干擾不能有效提取信息外，其他地區均提取出大量岩石、構造和礦化蝕變信息。野外驗證表明，不同的遙感數據均可有效地提取地質信息，但是適用范圍和提取信息量存在差別。本項目選擇溫泉水庫地區和玉珠峰巴顏喀拉山群分布區進行ASTER遙感岩性填圖與納赤台地區Hyperion高光譜礦物填圖試驗，評價國內目前尚未普及、但極具應用前景的ASTER和Hyperion等遙感信息在岩性與礦物填圖中的應用潛力。

『捌』 如何通過遙感獲取土壤溫度的具體數據

分享一些實用的氣象數據網站：

1、http://ncc.cma.gov.cn/cn/國家氣候中心

2、http://www.cdc.noaa.gov/public.data中國氣象局

3、http://xihe-energy.com羲和能源大數據平台

4、http://www.ecmwf.int歐洲中期天氣預報中心

5、http://www.noaa.gov美國國家海洋大氣局

6、http://earthobservatory.nasa.govNASA地球觀測中心

7、http://www.weather.govNOAA國家天氣預報中心

8、http://www.emetsoc.org歐洲氣象協會

查詢步驟也很簡單：

步驟一：輸入地理信息，既可以選擇單點數據也可以選擇區域平均數據