前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇高光譜遙感技術范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

高光譜遙感技術范文第1篇

Vol.43No.3

紅外與激光工程

Infrared and Laser Engineering

2014年3月

Mar .2014

基于高光譜數據的葉面積指數遙感反演

李子揚1,2，錢永剛1，申慶豐3，馬靈玲1，孔祥生4王寧1，劉耀開1，(1.中國科學院光電研究院定量遙感信息技術重點實驗室，北京100094；2. 中國科學院大學，北京100049；3. 中國運載火箭技術研究院，北京100076；

4. 魯東大學地理與規劃學院，山東煙臺264025)

摘

要：文中耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)，基于高光譜載荷通

道設置，模擬高光譜冠層反射率數據；利用模擬數據深入分析了不同植被指數與葉面積指數之間的敏感性；通過敏感性分析發現改進型葉綠素吸收植被指數(MCARI2)具備抗土壤背景因素的影響能力，而且對葉面積指數較為敏感，因此該研究建立植被指數MCARI2與葉面積指數之間的經驗統計模型，并用于高光譜數據進行葉面積指數反演；最后利用飛行同步測量的葉面積指數對反演模型進行精度分析。結果表明：相比實測葉面積指數，文中建立的反演模型約低估0.42，該反演模型能夠較好的反映出地物真實葉面積指數。

關鍵詞：葉面積指數；植被指數；高光譜數據中圖分類號：TP701

文獻標志碼：A

文章編號：1007-2276(2014)03-0944-06

Leaf area index retrieval from remotely sensed hyperspectral data

Li Ziyang 1,2, Qian Yonggang 1, Shen Qingfeng 3, Wang Ning 1, Liu Yaokai 1,

Ma Lingling 1, Kong Xiangsheng 4

(1.Key Laboratory of Quantitative Remote Sensing Information Technology, Academy of Opto -Electronics, Chinese Academy

of Sciences, Beijing 100094, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China;

3. China Academy of Launch Vehicle Technology(CALT),Beijing 100076, China; 4. College of Geography and Planning, Ludong University, Yantai 264025, China)

Abstract:An experimental leaf area index (LAI)retrieval model was proposed with the aid of a leaf -radiative transfer model (PROSPECT)and a canopy bidirectional reflectance model (SAILH)to simulate the canopy reflectance in this paper. Then, the vegetation indices (VIs)were introduced, and the sensitivities were analyzed between LAI and VIs, soil background. Based on the sensitivity analysis, a modified chlorophyll ratio index II (MCARI2)was proposed by Haboudane et al.

(2004)was used to

build the LAI retrieval model, because it is rather sensitive to the LAI and insensitive to soil background. Finally, the retrieval model proposed was performed to estimate LAI from the hyperspectral data. Compared with the ground -measured LAI, the LAI retrieved from hyperspectral data underestimate approximately 0.42. Key words:leaf area index;

收稿日期：2013-07-21；

vegetation index; hyperspectral data

修訂日期：2013-08-25

基金項目：國家863計劃(2012AA12A302)；國家自然科學基金(41101330，41371353，40901176，41271342)

作者簡介：李子揚(1977-)，男，研究員，碩士生導師，博士，主要從事遙感地面系統及遙感應用方面的研究。Email:zyli@aoe.ac.cn通訊作者：錢永剛(1980-)，碩士生導師，博士，主要從事定量遙感地表參數反演及應用方面的研究。Email:qianyg@aoe.ac.cn

第3期

李子

揚等：基于高光譜數據的葉面積指數遙感反演

945

反演過程的流程圖。

0引言

葉面積指數(LeafArea Index ，LAI) 是表征植被冠層結構最基本的參數之一，影響著植被的生物、物理過程[1]。LAI 通常被定義為單位地面面積上總葉面積的一半[2]。目前大區域范圍內LAI 獲取通常采用遙感反演的方式。LAI 遙感反演方法主要有經驗統計法和物理模型反演法。

經驗統計方法從植被獨有的光譜特征出發，利用健康綠色植物在紅光和近紅外波段的反射特性差異建立植被指數，進而利用植被指數與LAI 的統計關系進行反演。該類方法形式簡單，需要的參數少，被廣泛應用于局部LAI 參數反演，并發展了基于多種植被指數(如歸一化植被指數[3]或者改進葉綠素吸收指數) 的反演模型。然而該方法缺乏物理基礎，建

[4]

圖1植被指數方法反演葉面積指數流程圖

Fig.1Flowchart of leaf area index retrieval from vegetation index

文中通過PROSPECT 和SAILH 模型聯合模擬植被冠層反射率，在此基礎上分析了不同條件下8種植被指數與LAI 的敏感性，選取其中最敏感的葉綠素吸收植被指數(MCARI2)并建立其與LAI 之間的經驗統計模型。基于該模型和無人機獲取的高光譜遙感數據，反演得到研究區的LAI ，最后利用實測不同地物類型的LAI 數據對反演結果進行了驗證，并給出了精度分析。

立的經驗關系僅適用于特定的時間和區域。相對而言，物理模型反演法從植被的輻射傳輸原理出發，具備較強的普適性和較高的反演精度。物理模型反演法可分為幾何光學模型法、輻射傳輸模型法以及混合模型法。幾何光學模型法考慮了植被冠層的二向性反射，但沒有考慮冠層內多次散射；輻射傳輸模型法考慮了植被多次散射，但無法模擬植被冠層的二向性反射，盡管可加入熱點效應模型[6]，仍難以直接得到LAI 的解析解。由于不同方法具備獨特的優勢，近年來出現了各種混合模型，如基于物理模型與統計模型相結合的核驅動模型，取得了較好的反演精度。還出現了查找表法和非參數方法(如神經網

[7]

[5]

[5]

1.1輻射傳輸模型介紹

該研究耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)得到大量模擬數據，為

LAI 反演模型建立提供數據源。

(1)PROSPECT 模型

PROSPECT 是一個基于“平板模型”的輻射傳輸模型。該模型以植被結構參數、葉片色素含量、等效水厚度和干物質含量為輸入參數，能夠模擬葉片從

絡方法等) 。

中國科學院光電研究院牽頭在內蒙古包頭與貴州安順建立了遙感載荷綜合驗證場，驗證場配備有光譜、輻射和幾何特性靶標，能夠利用驗證場開展光學、

400~2500nm 的上、下行輻射通量，進而得到葉片的光學特性，即葉片的反射率和透射率[8]。該模型輸入參數較多，并且部分參數沒有實測方法，參數設置帶有主觀經驗性。Jacquemoud 等人根據實驗室測量的玉米反射率和透過率，通過PROSPECT 模型估算得到葉肉結構參數的均值約為1.4[9]。Haboudane 等人將等效水厚度、干物質含量和葉肉結構參數分別設置為0.0015、0.0035和1.55作為各種莊稼(如玉米、大豆和小麥等) 的均值輸入PROSPECT 模型[4]。

文中研究利用LOPEX ′93(LeafOptical Properties

SAR 載荷飛行測試實驗。文中研究基于863項目“無人機遙感載荷綜合驗證系統”對內蒙古包頭驗證場無人機高光譜遙感載荷數據開展葉面積指數反演研究。

1方法

植被指數法是建立不同植被類型的植被指數與

LAI 之間的經驗統計關系實現遙感反演。植被指數法是一種經驗性方法，因而要求研究區內有足夠的資料。文中研究基于植被指數方法反演LAI ，圖1是

Experiment) 植物生化參數數據庫作為PROSPECT 模型輸入參數的選擇基礎。該數據庫是由歐盟委員會聯合中心的空間應用研究所實測獲取的[10]，包含70個

946紅外與激光工程第43卷

葉片樣本，代表了50種木本和草本植物。數據體現了葉片內部結構、色素含量、水分含量和其他組分含量的多樣性。能夠保證參數設置的合理性。

致植被指數與LAI 經驗的關系不一致且系數各異。考慮到無人機獲取的遙感影像高空間分辨率較高，土壤背景信息和植被信息都能很好的從影像中反映出來，因此，選擇能夠具有抵抗背景因素影響的植被指數對于LAI 反演尤為重要。

文中研究采用了歸一化敏感性分析函數分析

(2)SAILH 模型

SAILH 模型是在SAIL(Scatteringby Arbitrarily Inclined Leaves) 模型的基礎上加入了熱點效應發展而來的。通過求解四流線性微分方程組以及引入考慮冠層熱點效應的雙向相關概率模型，進而計算連續植被冠層的方向反射率。SAILH 模型的輸入參數包括角度參數、結構參數和光譜參數三部分，其中

LAI 與植被指數的敏感性[11]，其公式如下：

Y

N X =X lim Y =X d Y =d Y /Y =dln Y

Y

(1)

式中：N X 為歸一化敏感性分析函數；X 為自變量

PROSPECT 模型的輸出為SAILH 模型提供葉片的反射率和透射率。SAILH 模型涉及到多個輸入參數，針對角度參數，文中研究采用無人機飛行中的觀測角度、太陽角度等信息；結構參數主要有LAI 、葉傾角分布函數、熱點因子，其中LAI 取值范圍為0.2~

(LAI)；Y 為因變量(光譜反射率/植被指數等) 。歸一化敏感性分析函數的含義是參數X 變化某一固定比率時，因變量Y 變化的百分比。

圖2給出了3種亮度不同的土壤背景下LAI 與植被指數之間的敏感性。從圖2可以看出：8種植被

7；葉傾角分布函數采用橢球體葉傾角分布參數。1.2植被指數

現有用于反演LAI 的植被指數種類繁多，文中分析了較為常用的8種植被指數(見表1) 。

表1植被指數計算公式

Tab.1Equations of vegetation indices

Vegetation index Normalized difference

vegetation index (NDVI)Renormalized difference vegetation index (RDVI)Simple ratio index (SR)Modified simple ratio

index (MSR)Soil -adjusted vegetation

index (SAVI)Modified soil-adjusted vegetation index (MSAVI)Modified chlorophyll absorption ratio index

(MCARI)Modified chlorophyll absorption ratio index 2

（MCARI2）

Formulas

ρ800-ρ670800670

姨[1**********]0ρ800/ρ670

ρ800670

-1/

姨姨800670

+1

(1+L ) ρ800-ρ6708006701[2ρ+1-800

姨800800670][(ρ700-ρ670)-0.2(ρ700-ρ550)]

(ρ700/ρ550) 1.5[2.5(ρ800-ρ

670)-1.3(ρ800-ρ550)]

姨(2ρ800+1)2-(6ρ800-5姨670

) -0.5

注：ρ表示反射率，下標表示特定的波長。

1.3植被指數與LAI 敏感性分析

不同植被指數所考慮到的因素各不相同，因此土壤背景反射率、植被結構和葉綠素含量等因素導

圖2基于歸一化敏感性函數的植被指數與葉面積指數的敏感性

Fig.2Sensitivity of leaf area index to vegetation indexes with

normalized sensitivity analysis

第3期

李子

揚等：基于高光譜數據的葉面積指數遙感反演

947

指數的敏感性隨著LAI 增大先增大后減小；RDVI 和表反射率需要經過大氣校正。利用大氣輻射傳輸模型逐像元進行大氣校正是非常復雜的計算，需要占用大量的計算機時間和資源。因此，文中研究根據無人機高光譜成像儀的性能特點，通過大氣輻射傳輸模型MODTRAN 建立了以氣溶膠光學厚度、大氣水汽含量、飛行高度、地表高程、太陽天頂角、觀測天頂角和相對方位角為索引的多維大氣參數查找表。利用與飛行試驗同步探空氣球測量的氣溶膠光學厚度和大氣水汽含量，結合太陽以及無人機載荷觀測的幾何參數(天頂角、方位角等) ，基于大氣參數查找表反演無人機高光譜數據地表反射率。

NDVI 的敏感性最弱；MCARI 和SR 的敏感性最強，MCARI2和MSR 次之；隨著土壤亮度的增強，MCARI 、SR 和MSR 的敏感性增強，MCARI2和MSAVI 對土壤背景表現出很小的敏感性。顯然，各種植被指數對小于3的LAI 表現出最大的敏感性。同時可以看出，當LAI 范圍在2.5~3.0時，NDVI 、

RDVI 、MCARI 、SAVI 和MSAVI 基本達到飽和狀態；MSAVI 和MCARI2對土壤背景的敏感性最弱，盡管SR 和MSR 表現出更高的飽和性，但是當LAI 在小于3.5時對土壤背景影響敏感。

相比其他植被指數，MCARI2對LAI 具有更高的敏感性及高的抗土壤背景干擾能力。因此，文中研究選擇MCARI2反演無人機高光譜數據的LAI 。兩者之間的統計模型采用如下形式：

LAI 反演時需要依據不同植被類型進行模型建模，因此，首先采用監督分類方式對無人機高光譜數據進行了分類(見圖3) 。

LAI=a ×exp(b ×MCARI2)+c ×exp(d ×MCARI2) (2)

式中：a ，b ，c ，d 為擬合系數。擬合系數的獲取方法如下：利用不同LAI 值，結合葉片和冠層輻射傳輸模型

(PROSPECT+SAILH)模擬冠層反射率數據，進而構建植被指數MCARI2，最后基于不同植被類型分別擬合MCARI2和LAI ，得到上述4個擬合系數。

圖3無人機高光譜載荷地表分類圖

Fig.3Classification of the UAV hyperspectral data

2數據

2.1無人機高光譜數據和地面測量數據

2011年9月3日，基于863項目“無人機遙感載荷綜合驗證系統”，由中國科學院光電研究院組織在內蒙古(包頭烏拉特前旗，經度：109.53°，緯度：40.88°) 開展了光學載荷科學試驗飛行。此次試驗沿飛行航線布設了經過嚴格測試的多種用途靶標，并同步獲取了靶標地面光譜測量數據及場地氣象參數數據，用于開展光學載荷輻射、幾何、光譜性能定標與評價的工作。無人機平臺所搭載的高光譜成像儀光譜范圍為400~1030nm ，光譜分辨率為5nm ，瞬時視場角

3結果與分析

3.1葉面積指數反演結果

根據無人機高光譜數據的特點，針對不同的植被類型，利用PROSPECT+SAILH模型獲取反演模型

(公式(2))的系數(詳見表2) 。

表2不同植被類型下MCARI2與LAI 的擬合系數

Tab.2Fitting coefficients between MCARI2

and LAI

Vegeta -tion type Grass Rice

Fitting coefficient

R 2

a 8.148e-7

b 15.6

c 0.28520.23310.36040.31340.28240.3148

d 2.4582.8362.7923.2982.5822.368

0.94380.47870.92320.55970.96940.35310.92590.54990.9549

0.429RMSE

0.2mrad ，128個波段，地面分辨率1.6m@8km 。

LAI 反演及驗證的工作主要在農業示范區開展。同時，飛行過程中在農業示范區內利用葉面積指數儀(LAI2200) 采集了3種作物(馬鈴薯、向日葵、玉米) 共13組的LAI 測量數據。考慮到作物的非均一性，每組試驗測量3次，取其平均值作為驗證數據。

2.845e-717.19

21.3611.215.9

Sunflower 4.353e-9Corn Potato

7.821e-55.919e-7

2.2載荷數據處理

機載平臺載荷傳感器獲得的輻射亮度轉換為地

Broadleaf

5.116e-410.45

forests

0.90140.6341

948紅外與激光工程第43卷

研究通過利用PROSPECT+SAILH模型模擬出冠層反射率，再耦合無人機高光譜成像儀通道響應函數模擬出無人機高光譜地表反射率數據，并建立不同植被類型的LAI 反演模型，最終將模型應用于真實無人機高光譜數據中反演出地物的LAI ，圖4是利用2011年9月3日的無人機高光譜數據反演的LAI 結果。

果能夠較好反映出地物的LAI ，證明采用的

MCARI2能夠反演得到精度較高的LAI 。

圖6無人機葉面積指數地面實測反演結果圖

Fig.6Measured and retrieved LAI from UAV hyperspectral data

圖4北方場無人機葉面積指數反演結果

Fig.4Results of the retrieved LAI from UAV in the North Site

影響到反演精度的因素可能有以下幾點：從地面測試實驗中可以發現，傳感器測量的是地物的“面”信息，而地面測量儀器測量的是地物“點”信息，尺度效應問題影響了LAI 的對比精度；其次，地面測試過程中發現向日葵地和馬鈴薯兩種植被覆蓋的均勻性較差，測量過程中不可避免地會引起一定的誤差；再次，隨著LAI 的增大，近紅外通道趨于飽和，會對LAI 反演精度產生影響；同時，植物生化數據庫(LOPEX′93) 測量的地物特性因地域差異、氣候差異等因素也會有所不同，同樣會對LAI 的反演精度產生一定的影響；最后，測量儀器本身也存在一定的測量誤差，對驗證結果的精度也會產生一定的影響。

3.2模型自身精度分析

模型自身精度分析主要利用模擬數據對反演模型進行評價。為了檢驗LAI 反演的模型精度，通過模擬數據對LAI 反演模型進行了模型精度評價。利用PROSPECT 和SAILH 模型模擬的地表反射率數據反演出不同地物的葉面積指數，再與輸入到

PROSPECT 和SAILH 模型中的LAI 進行對比，得到LAI 反演的模型精度。模擬獲取了六種植被類型(草地、水稻、向日葵、玉米、馬鈴薯、闊葉林) 的LAI 反演模型，圖5是利用高光譜數據反演LAI 的誤差結果圖，可以看出，LAI 的反演誤差均在7%以內。

4總結

文中利用葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)模擬植被冠層反射率，分析了不同條件下LAI 與植被指數的敏感性。發現常用于LAI 反演的歸一化差值植被指數(NDVI)受土壤背景因素影響嚴重，而且當LAI>2時，基本處于飽和狀態。此研究建立了具備抗土壤背景影響、對LAI

圖5高光譜葉面積指數反演模型精度評估結果

敏感的改進型葉綠素吸收植被指數(MCARI2)與LAI 之間的經驗統計模型，并成功用于無人機高光譜數據的LAI 反演。經實測數據驗證表面，模型反演結果可以取得比較好的精度。盡管如此，考慮到經驗統計方法的局限性，所建立的經驗關系是針對特定的時

間和研究區

，

模型不具備普適性。今后對MCARI2的應用范圍還需要進一步探討。

Fig.5Accuracy assessment of the LAI retrieval model

3.3地面測量驗證分析

地面同步獲取的LAI 以玉米、向日葵和馬鈴薯這三類自然植被類型為主。利用地面準同步測量的

LAI 驗證結果如圖6所示。相比地面實測的數據，模型反演值偏低，均方根誤差RMSE 為0.42。但反演結

第3期

李子揚等：基于高光譜數據的葉面積指數遙感反演

949

劉曉臣, 范聞捷, 田慶久, 等. 不同葉面積指數反演方法比

參考文獻：

[1]

Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J].Remote Sensing of Environment , 1996, 55:153-162. [2]

Chen J M, Pavlic G, Brown L, et al. Derivation and validation of Canada -wide coarse -resolution leaf area index maps using high -resolution satellite imagery and ground measurements [J].Remote Sensing of Environment , 2001, 80:165-184. [3]

Price J C, Baush W C. Leaf area index estimation from visible and near -infrared reflectance data[J].Remote Sensing of Environment , 1995, 52:55-65. [4]

Haboudane D, John R M, Patteyc E, et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies:modeling and validation in the context of precision agriculture [J].Remote Sensing of Environment , 2004, 90:337-352. [5]

Liu Xiaochen, Fan Wenjie, Tian Qingjiu, et al. Comparative analysis among different methods of leaf area index inversion [J].Acta Scientiarum Naturalium Universitatis Pekinensis , 2008, 2:57-64. (inChinese)

[11][9][8][7][6]

較研究[J].北京大學學報(自然科學版), 2008, 2:57-64.

Jupp D L B, Strahler A H. A hot spot model for leaf canopies [J].Remote Sensing of Environment , 1991, 38:193-210.

Li Xiaowen, Strahler A H. A hypid geometric optical radiative

transfer

approach

for

modeling

albedo

and

directional reflectance of discontinuous canopies [J].IEEE Transactions Geoscience Remote Sensing , 1995, 33:466-48Jacquemoud S. Prospect:A model of leaf optical properties [J].Remote Sensing of Environment , 1990, 34:75-91. Jacquemoud S, Bacour C, Poilve H, et al. Comparison of four radiative transfer models to simulate plant canopies reflectance:direct and inverse mode [J].Remote Sensing of Environment , 2000, 74(3):471-481.

[10]Hosgood B, Jacquemoud S, Andreoli G, et al. Leaf optical

高光譜遙感技術范文第2篇

關鍵詞：馬蹄金；營養狀況；反射光譜特征；光合色素含量

中圖分類號：S 688.4文獻標識碼：A文章編號：10095500(2014)03006205

基金項目：云南省自然科學基金面上項目（2010CD061），云南省教育廳科學研究基金重點項目（2011Z033）和云南省教育廳科學研究基金項目（2011Y0477）資助

高光譜遙感監測是快速、準確、無損傷探測植物色澤和葉綠素含量的新方法\[1\]。近年高光譜遙感技術被廣泛應用于植物氮素營養的定量分析、產量估測以及色素監測等方面。目前，已有研究利用高光譜技術監測植物的葉綠素含量、密度、濃度等信息，進而通過估測葉綠素含量等信息來評價植物的長勢、產量和確定最佳施肥量\[2-6\]。也有研究報道利用統計分析的方法分析了植物的氮素營養和葉綠素含量與光譜特征的相關關系，并進一步建立了植物氮素營養和葉綠素含量的高光譜反演模型\[7-12\]。諸多研究表明，應用高光譜遙感技術來監測植物的營養狀況確實可行。利用高光譜遙感技術獲取植被光合色素信息對于光合能力估測、產量動態觀測和精確施肥等有著重要意義。

在草坪色澤、外觀質量、水分及營養狀況評價方面，張文等\[13,14\]開展了利用高光譜遙感技術評價單播草坪色澤的研究，結果表明，利用高光譜參數評價草坪色澤，操作簡單，快捷方便，經過相關參數的計算即可評價草坪色澤，克服了分光光度法等評價草坪色澤手續繁瑣，取樣不均勻，或因個人喜好而評價精度不高的缺點，適用于大面積的草坪色澤評價，以及草坪草種的外觀質量評價。龍光強等\[15\]對干旱脅迫下馬蹄金草坪光譜反射特征和葉綠素含量的相關性的研究表明，當馬蹄金草坪土壤含水量高于23%，草坪蓋度大于30%時，可用可見光某些波段光譜反射率對草坪葉片相對含水量和葉綠素含量進行回歸預測。楊峰等\[6\]、錢育榮等\[16\]利用高光譜數據快速估算高羊茅營養狀況及光合色素含量的研究，結果表明，利用高光譜特征變量與光合色素含量的相關關系建立的回歸模型，為有效、快速、無損傷的探測草坪的營養狀況及草坪質量提供了理論支持。許岳飛等\[17\]研究報道，反射光譜技術在園林綠化工程中為快速評價草坪質量提供了新的途徑。綜上所述，應用高光譜遙感技術來監測黑麥草、高羊茅、草地早熟禾等禾草單播草坪的色澤、外觀質量及營養狀況確實可行，但高光譜遙感是否能用于馬蹄金草坪草等雙子葉草本植物營養狀況的監測，目前報道較少。以馬蹄金為供試材料，研究不同施氮水平馬蹄金草坪草光合色素含量和反射光譜特征的變化，分析馬蹄金草坪高光譜反射率與光合色素含量的相關性，構建馬蹄金草坪草光合色素含量的高光譜監測模型，指導馬蹄金草坪的肥料管理，以期促進高光譜遙感技術在草坪營養狀況監測中的應用。

1材料和方法

1.1試驗設計

試驗在云南農業大學草坪基地的溫室大棚進行，試驗材料為普通馬蹄金，土壤為基地采集的酸性紅壤，pH 6.7，有機質1.74%，有效氮116.67 mg/kg，速效磷33.11 mg/kg，速效鉀65.2 mg/kg。2011年8月將馬蹄金播種于口徑為22 cm，高20 cm的花盆中，播種量為20 g/m2(折合每盆播量為0.242 g)。正常培養成坪后，于2012年4月8日進行施肥處理，肥料種類為尿素，含N 46.4%，施氮量設計4個水平，即N1 0、N2 4、N3 8、N4 12 g/m2（折合每盆中施氮量為0、0.152、0.304、0.456 g），施肥方法為將肥料溶于100 mL水中進行葉面噴施，每處理10次重復。4月18日施肥10 d后，天氣晴朗、無風進行光譜反射率的測定，同步取樣測定葉綠素含量。

1.2指標測定

1.2.1光譜反射率（R）的測定

采用美國Ocean公司的HR2000光譜儀（波長200~1 100 nm，分辨率約為1 nm）進行測定，時間為10∶00~13∶00。測定時固定光譜儀探頭垂直向下，探頭距離草坪10 cm，每處理測量值為10次，平均值作為該處理的光譜反射值。測量時及時進行標準白板校正。

1.2.2光合色素含量的測定

對應觀測馬蹄金冠層高光譜的葉片，隨機剪切葉片0.1 g，按照丙酮∶無水乙醇∶蒸餾水=4.5∶4.5∶1.0的混合液提取葉片色素，測量D663 nm，D646 nm和D470 nm的值，然后計算葉綠素和類胡蘿卜素含量\[17\]。

1.3數據分析

用SPSS 13.0進行數據統計分析，用Excel 2003作圖。

2結果與分析

2.1施氮水平對馬蹄金草坪光合色素含量的影響

與未施氮相比，施氮4，8和12 g/m2后馬蹄金草坪的葉綠素及類胡蘿卜素含量均顯著增加(P

表1不同施氮水平下馬蹄金光合色素含量

Table 1Effects of nitrogen levels on photosynthetic pigments contents of Dichondra repens

處理 光合色素含量/mg?g-1

葉綠素a葉綠素b 類胡蘿卜素 總葉綠素

N1 1.26±0.04b 0.36±0.02c 0.27±0.002c 1.62±0.06b

N2 1.63±0.02a 0.40±0.03b 0.36±0.03b 2.04±0.02a

N3 1.64±0.11a 0.41±0.04b 0.37±0.03b 2.18±0.14a

N4 1.81±0.02a 0.46±0.27a 0.42±0.004a 2.28±0.05a

注：同列中不同小寫字母表示差異顯著（P

2.2施氮水平對馬蹄金草坪冠層光譜反射率的影響

在綠光510~570 nm時，不同施氮水平馬蹄金草坪的冠層光譜反射率差異較大，尤其在綠峰550 nm處反射率差異尤其明顯，綠峰處不施氮時馬蹄金草坪的冠層反射率最大，達10.74，隨著施氮量的增加，綠峰處馬蹄金草坪的冠層光譜反射率逐漸降低，當施氮量增加到12 g/m2時，馬蹄金草坪的冠層光譜反射率下降為7.59%。

2.3馬蹄金草坪光合色素含量與冠層光譜反射率的相關關系

將不同施氮水平下馬蹄金草坪光和色素含量與綠波段510~570 nm光譜反射率分別進行相關分析（表2）。結果表明，馬蹄金草坪光合色素含量與綠波段草坪冠層光譜反射率呈負相關關系，以570 nm處相關

表2馬蹄金草坪光合色素含量與光譜反射率的相關性分析

Table 2Correlation analysis between reflectance and photosynthetic pigments of Dichondra repens

光合色素 光譜反射率/%

510 nm 520 nm 530 nm 540 nm 550 nm 560 nm 570 nm

葉綠素a -0.941 -0.927 -0.888 -0.947 -0.906 -0.961* -0.978*

葉綠素b -0.994** -0.990** -0.962* -0.995** -0.971* -0.994** -0.994**

類胡蘿卜素 -0.935 -0.925 -0.895 -0.947 -0.912 -0.963* -0.980*

總葉綠素 -0.871 -0.873 -0.869 -0.903 -0.885 -0.931 -0.952*

注：*為0.05 水平顯著相關；**為 0.01 水平極顯著相關

圖1不同施氮水平馬蹄金草坪冠層光譜反射率

Fig.1Effects of nitrogen levels on spectral reflection

rate of canopy

性最高，達顯著水平（P

2.4馬蹄金草坪光合色素含量的高光譜反演模型

在570 nm處馬蹄金草坪光合色素含量與光譜反射率具有較好的線性回歸關系，利用光譜反射率的變化來反演光合色素含量的變化可以達到較好的擬合效

圖2馬蹄金草坪葉綠素a含量與R570 nm之間的相關性

Fig.2Relationship between Chla and R570 nm

of Dichondra repens

圖3馬蹄金草坪葉綠素b含量與R570 nm之間的相關性

Fig.3Relationship between Chlb and R570 nm

of Dichondra repens

圖4馬蹄金草坪類胡蘿卜素含量與R570 nm之間的相關性

Fig.4Relationship between Cars and R570 nm

of Dichondra repens

圖5馬蹄金草坪總葉綠素含量與R570 nm之間的相關性

Fig.5Relationship between Chls and R570 nm

of Dichondra repens

果（R2達0.85以上，P

3討論與結論

（1）植物光合色素含量是植物生長和營養狀況的指標器，同時與氮素之間具有較高的相關性\[18\]。試驗結果表明，馬蹄金草坪光合色素含量和光譜反射率對施氮反映敏感，隨著施氮量的增加，馬蹄金草坪葉綠素a、葉綠素b、類胡蘿卜素和總葉綠素含量增加，葉片顏色變深，進而導致可見光區光譜反射率降低。馬蹄金草坪在綠波段510~570 nm的光譜反射率與光和色素含量呈顯著負相關關系，以綠波段570 nm處的反射率（R570 nm）與光合色素含量相關性最高，利用R570 nm的變化來反演其光合色素含量的變化可以達到較好的擬合效果（R2達0.85以上，P

（2）草坪是覆蓋度較高，低矮、致密、整齊、均一的人工植被，土壤背景、枯葉等因素對其影響較小，研究高光譜遙感技術在草坪上的應用比天然植被、農作物具有更高的精確度\[14\]。但試驗所用材料馬蹄金為暖季型C3 植物，無論從形態、生長習性上都與其他廣泛使用的禾本科草坪草建植的草坪有較大的差別\[19,20\]，所以，對于以禾本科草坪草建植的草坪，其營養狀況的高光譜監測模型有待進一步研究。另外，在紅外長波范圍，馬蹄金草坪光譜反射率與光合色素含量間的相關性還待進一步研究。

（3）高光譜技術操作簡單、結果可靠，與NTEP法和實測法(分光光度法)等評價草坪顏色的方法相比，可節省人力、物力，避免人為因素的影響，并且可以用在大面積草坪營養狀況和外觀質量的評價上\[17\]。此次試驗結果為利用高光譜遙感技術快速的、有效的、無損傷的探測馬蹄金草坪的營養狀況提供了理論支持和數據儲備。

參考文獻:

\[1\]張文，張建利，陳功.葉面施肥對草坪高光譜反射率及色澤的影響\[J\].草業學報，2009,18（2）:115-121.

\[2\]Tremblay N． Integrated narrowband vegetation indices for prediction of crop Chlorophyll Content for application to precision agriculture\[J\]．Remote Sensing of Environment,2002(81):416-426．

\[3\]王秀珍，黃敬峰，李云梅．水稻葉面積指數的多光譜遙感估算模型研究\[J\]．遙感技術與應用，2003，18（2）：57-65．

\[4\]王秀珍，黃敬峰，李云梅．水稻地上鮮生物量的高光譜遙感估算模型研究\[J\]．作物學報，2003，29（6）：815-821．

\[5\]李云梅，倪紹祥，王秀珍．線性回歸模型估算水稻葉片葉綠素含量的適宜性分析\[J\]．遙感學報，2003，9（5）：364-371．

\[6\]楊峰，錢育蓉，李建龍．利用高光譜技術無損傷探測高羊茅草坪草營養狀況研究\[J\]．中國草地學報，2009，31（1）：86-91．

\[7\]Tarpley L,Raja Reddy K,Gretchen F． Reflectance indices with precision and aecuracy in predicting cotton leaf nitrogen\[J\]．Crop Science,2000,40:1814-1819．

\[8\]方慧，宋海燕，曹芳．油菜葉片的光譜特征與葉綠素含量之間的關系研究\[J\]．光譜學與光譜分析，2007，27（9）：1731-1734．

\[9\]郭曼，常慶瑞，曹曉瑞．不同氮營養水平與夏玉米光譜特性關系初報\[J\]．西北農林科技大學學報，2008，36(11):123-129．

\[10\]楊紅麗，陳功，吳建付．氮肥水平對多花黑麥草葉綠素及高光譜反射特征的影響\[J\].云南農業大學學報，2009，24（4）：534-538．

\[11\]張俊華，張佳寶．夏玉米光譜特征對其不同色素含量的響應差異\[J\]．西北農業學報，2010，19（4）：70-76．

\[12\]王磊，白由路，盧艷麗．不同形式的光譜參量對春玉米氮素營養診斷的比較\[J\]．農業工程學報，2010，26（2）：218-223．

\[13\]張文，陳功，龍光強,等.利用高光譜參數評價單播草坪色澤的研究\[J\]．草原與草坪，2007（5）：6-10.

\[14\]張文，張建利，陳功.以高光譜植被指數研究草坪色澤\[J\]．草地學報，2008，16（5）：530-535.

\[15\]龍光強，陳功，郭濱，等.干旱脅迫下馬蹄金草坪反射光譜研究\[J\]．云南農業大學學報，2008，23（4）：468-473.

\[16\]錢育蓉，楊峰，李建龍等.利用高光譜數據快速估算高羊茅牧草光合色素的研究\[J\]．草業學報，2009，18（4）：94-102.

\[17\]許岳飛，金晶煒，孫小玲，等.基于反射光譜技術評價草坪質量模型的研究\[J\]．草業學報，2009，18（4）：256-259.

\[18\]Yoder B J，PettigrewCroshy R E．Predicting nitrogen and chlorophyll content and concentrations from reflectance pectra (400~2500 nm) at leaf and canopy scales\[J\]．Remote Sensing of Environment，1995，53(3)：199-211.

\[19\]初曉輝，岳信龍，陳功，等.水分脅迫下4種冷季型草坪草抗旱性比較研究\[J\].草原與草坪，2012，32（4）：15-19.

\[20\]單貴蓮，羅富成，黃多多，等.馬蹄金草坪雜草發生特點及防除方法研究\[J\].草原與草坪，2012，32（2）：45-49.

Effects of nitrogen levels on reflection spectrum

and photosynthetic pigment content

of Dichondra repens

CHU Xiaohui1,CHEN Gong1,ZHANG Yin2,REN Jian1,JIANG Hua1,

CHEN Xingtao1,SHAN Guilian1

（1.Department Pratacultural Science,Yunnan Agricultural University,Kunming 650201,China； 2.Yunnan

Lvsheng Landscape Limited Company,Kunming 650501,China）

高光譜遙感技術范文第3篇

[關鍵詞]地質勘探 遙感技術 發展前景

[中圖分類號] TP7 [文獻碼] B [文章編號] 1000-405X（2015）-9-265-1

遙感技術的出現在很大程度上提高了人類原本及其狹小的視野范圍和視覺能力，帶給了人類宏觀、多角度、多層次看待地理事物的機會，遙感技術發展到當今社會，已經成為人們必不可少的一個地質勘查技術手段，對人類的地質調查、礦產查詢都起著十分重要的作用。

1地質勘探中遙感技術的應用范圍

1.1對于地質構造信息的獲取

利用遙感技術進行相關的地質勘探工作最為主要的一個標志就是反映在相關的空間信息上。從地理環境所處的區域成礦線狀影像圖上就可以提取到許多十分重要的信息，包括酸性、堿性的巖體，火山形成的盆地，火山的構造以及熱液活動等一系列的地理環境都可以為遙感系統提供許多重要的內容。當斷裂是一個較為主要的控礦構造的時候，對于斷裂地區的構造遙感信息的重點提取可以收獲常規手段收獲不到的內容。遙感技術在地質勘探中的成像過程中還有可能會產生“模糊作用”，常使用戶感興趣的線性型際，紋理等重要信息顯得模糊不清，難以令相關的工作人員進行辨識工作，從而給遙感技術的進一步擴大使用留下了隱患。

1.2基于植被波譜的找礦意義

從生物的角度來說，在地下微生物和低下暗河的參與下，礦區內部的很多金屬元素或者是金屬礦物質都會引發礦區上層地質結構的構造變化，從而導致礦區上層地表覆蓋土壤成分的變化。而在礦區上層地表覆蓋有土壤的地方，往往生長著許多的植被，而這些植物對于金屬元素都能夠產生不同程度的吸收和聚集作用，進而影響到綠葉體內的葉綠素的含量，從而使得遙感衛星所觀察到的植被波譜出現異常。在礦區上方生長的這些植物的變化在沒有遙感技術之前，是很難被地質勘探的工作人員總結出來的，而遙感技術的出現在很大程度上幫助地質勘探工作有了一個更好的手段發現礦區構造。

1.3礦產改造信息的標志性

當礦區的主題礦床形成之后，受到礦床所在地區地理環境、地理空間位置變化的影響，往往會導致礦床的某些性狀發生一個根本性的變化，從而導致地質勘查人員的工作難度增大。而通過遙感技術獲取到的宏觀遙感技術圖像的對比，就可以十分輕易的研究出礦床的剝蝕改造作用，進而結合礦床進行成礦深度的詳細研究。通過深入的研究區域內平面構造關系圖和礦床位置的關系，就可以找到不同礦床在不同的區域構造圖中的變化規律，進而建立一個較為完善的地質勘探標志體系，從而有利于后續開發工作的進展。

2地質勘探過程中遙感技術的發展前景

2.1高光譜數據及遙感微波的運用

高光譜技術是指集探測器技術、精密光學儀器、微弱信號檢測、計算機技術等多種高精技術于一體的綜合性技術，對于地質勘探工作效率的提升有著十分顯著的作用。基于高光譜技術的遙感微波可以以納米級的光譜分辨率，在完成的生成圖像的同時記錄下多達上百條的光譜數據通道。而從每個成像單元上提取出的光譜數據則可以建立一條連續的光譜曲線，從而進一步的實現了地理物理空間信息、輻射數據信息和光譜成像信息之間的同步，因此這種基于高光譜技術的遙感微波有著十分光明的應用前途和發展前景，我們應該充分的關注這種技術的發展，并不斷的與自身的實際情況相結合，將其應用到自身的實際工作當中，為地質勘查工作做出應有的貢獻。

2.2數據的融合

隨著在地質勘探過程中遙感技術的不斷發展，尤其是微波、多光譜等各種新型的傳感器材的不斷問世，他們開始以各種不同的空間尺度和時間周期以及光譜范圍等多個方面反映出目標物品的各種特性，構成了同一地區的多源頭數據鏈。但是相對于單源頭的數據來說，這種多數據源頭的數據形式可以在多個方面形成一個較為鮮明的對比，從而幫助地質勘探人員更好的完成相關地質勘探數據匯總工作，從而極大程度上提高了工作的準確性和效率。基于這方面的數據融合主要包括來自遙感衛星上個數據的融合處理，遙感數據和非遙感系統產生的數據融合處理。盡管在遙感技術中數據的融合取得了許多令人可喜可賀的進展，但是相對來說并不十分成熟的算法公式令數據的融合仍然存在著許多的問題。因此，在以后的工作中仍然需要地質勘探的相關工作人員不斷的進行相關的補充和完善。

2.3圖像接受、處理及信息提取技術的發展和完善

除了以上幾個方面之外，遙感技術另外一個十分值得重視的發展方面就是要不斷的提升遙感圖像的接收成像能力、以及對于遙感系統所產生信息的提取和處理能力。而要想做好這個方面的遙感系統開發工作，則應該從以下方面入手，首先應該進一步發展具有高分辨率的傳感器，以便能夠接收更加微弱、更加細小的地質信息信號。其次，加強信息的提取方法還包括應該解決計算機處理的技術問題，如補償信號在傳遞過程中的丟失以及失真，圖像的不清晰成像等。這些問題都是十分值得重視的方面。另外，加強對于后備人才梯隊的培養也是一個十分重要的方面，只有不斷的提升地質勘探人員的技能素養，才能夠滿足相關技術的發展需求。

3結語

綜上所述，在地質勘探的工作當中，遙感技術為其效率的提高和工作范圍的擴大提供了強有力的支持并獲得了極大的成功。遙感技術的直接應用是遙感信息的提取，遙感技術的間接應用范圍更加廣泛，包括對于地質構造信息的獲取、基于植被波譜的尋礦等。因此，地質勘探行業的從業人員一定要從實際出發，不斷的加強對于遙感技術的學習，以滿足日益發展的地質勘探行業的要求。

參考文獻

[1]黨永峰.遙感技術在森林資源連續清查中的應用---以利用遙感技術分析森林植被、地類的動態變化為例[J].林業資源管理，2004，（06）：94-95.

高光譜遙感技術范文第4篇

【關鍵詞】遙感技術；水質監測；污染水體；光譜

1水體遙感監測的基本理論

水質參數的遙感監測過程。首先，根據水質參數選擇遙感數據，并獲得同期內的地面監測的水質分析數據。現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，加之太陽光、大氣等因素的影響，遙感信息表現的不甚明顯，要對遙感數據進行一系列校正和轉換將原始數字圖像格式轉換為輻射值或反射率值。然后根據經驗選擇不同波段或波段組合的數據與同步觀測的地面數據進行統計分析，再經檢驗得到最后滿意的模型方程。

2水質遙感監測常用的遙感數據

2.1多光譜遙感數據。在水質遙感監測中常用的多光譜遙感數據，包括美國Landsat衛星的MSS、TM、ETM+數據，法國SPOT衛星的HRV數據，氣象衛星NOAA的AVHRR數據，印度遙感IRS系統的LISS數據，日本JERS衛星的OPS（光學傳感器）接收的多光譜圖像數據，中巴地球資源1號衛星（CBERS--1）CCD相機數據等。

Landsat數據是目前應用較廣的數據。1972年Landsat1發射后，MSS數據便開始被用于水質研究中。如解亞龍等用MSS數據對滇池懸浮物污染豐度進行了研究，明確了遙感數據與懸浮物濃度的關系；張海林等用MSS和TM數據建立了內陸水體的水質模型；Anne等人用TM和ETM+數據對芬蘭的海岸水體進行了研究。

2.2高光譜遙感數據

2.2.1成像光譜儀數據。成像光譜儀也稱高光譜成像儀，實質上是將二維圖像和地物光譜測量結合起來的圖譜合一的遙感技術，其光譜分辨率高達納米數量級。國內外的學者主要利用的有：美國的AVIRIS數據、加拿大的CASI數據、芬蘭的AISA數據、中國的PHI數據以及OMIS數據、SEAWIFS數據等進行了水體水質遙感研究，對一些水質參數，如葉綠素濃度、懸浮物濃度、溶解性有機物作了估測。

2.2.2非成像光譜儀數據。非成像光譜儀主要指各種野外工作時用的地面光譜測量儀，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。常見的有ASD野外光譜儀、便攜式超光譜儀等。如對我國太湖進行水質監測時，水面光譜測量就用了GRE-1500便攜式超光譜儀，光譜的響應范圍0.30～1.1um，共512個測量通道，主要將其中0.35～0.90um的316個通道的數據用于水質光譜分析。并且非成像光譜儀與星載高光譜數據的結合，可望研究出具有一定適用性的水質參數反演模型。

2.3新型衛星遙感數據。新的衛星陸續升空為水質遙感監測提供了更高空間、時間和光譜分辨率的遙感數據。如美國的Landsat ETM+、EO--1ALI、MODIS，歐空局的Envlsat MERIS等多光譜數據和美國的EO-1Hyperion高光譜數據。Koponen用AISA數據模擬MERIS數據對芬蘭南部的湖泊水質進行分類，結果表明分類精度和利用AISA數據幾乎相同；Hanna等利用AISA數據模擬MODIS和MERIS數據來研究這兩種數據在水質監測中的可用性時發現；MERIS以705nm為中心的波段9很適合用來估算葉綠素a的濃度，但是利用模擬的MODIS數據得到的算法精度并不高。Sabine等把CASI數據和HyMap數據結合，對德國梅克萊堡州湖區水質進行了監測，為營養參數和葉綠素濃度的定量化建立了算法。

3水質遙感存在的問題與發展趨勢

3.1存在的問題：①多數限定于定性研究，或進行已有的航空和衛星遙感數據分析，卻很少進行定量分析。②監測精度不高，各種算法以經驗、半經驗方法為主。③算法具有局部性、地方性和季節性，適用性、可移植性差。④監測的水質參數少，主要集中在懸浮沉積物、葉綠素和透明度、渾濁度等參數。⑤遙感水質監測的波段范圍小，多集中于可見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的研究。

3.2發展趨勢

3.2.1建立遙感監測技術體系。研究利用新型遙感數據進行水質定量監測的關鍵技術與方法，形成一個標準化的水安全定量遙感監測技術體系，針對不同類型的內陸水體，建立多種水質參數反演算法，實現實驗遙感和定量遙感的跨躍，從中獲得原始創新性的成果。

3.2.2加強水質遙感基礎研究。加深對遙感機理的認識，特別是水質對表層水體的光學和熱量特征的影響機理上，以進一步發展基于物理的模型，把水質參數更好的和遙感器獲得的光學測量值聯系起來；加深目視解譯和數字圖象處理的研究，提高遙感影象的解譯精度；增強高光譜遙感的研究，完善航空成像光譜儀數據處理技術。

3.2.3開展微波波段對水質的遙感監測。常規水質遙感監測波段范圍多數選擇在可見光或近紅外，尤其是缺乏微波波段表面水質的研究情況。將微波波段與可見光或近紅外復合可提高對表面水質參數的反演能力。

3.2.4拓寬遙感水質監測項。現階段水質遙感局限于某些特定的水質參數，葉綠素、懸浮物及與之相關的水體透明度、渾濁度等參數，對可溶性有機物、COD等參數光譜特征和定量遙感監測研究較少，拓寬遙感監測項是今后的發展趨勢之一。應加強其他水質參數的光譜特征研究，以擴大水質參數的定量監測種類，進一步建立不同水質參數的光譜特征數據庫。

3.2.5綜合利用“3S”技術。利用遙感技術視域廣，信息更新快的特點，實時、快速地提取大面積流域及其周邊地區的水環境信息及各種變化參數；GPS為所獲取的空間目標及屬性信息提供實時、快速的空間定位，實現空間與地面實測數據的對應關系；GIS完成龐大的水資源環境信息存儲、管理和分析。將“3S”技術在水質遙感監測中綜合應用，建立水質遙感監測和評價系統，實現水環境質量信息的準確、動態快速，推動國家水安全預警系統建設。

參考文獻：

[1]劉紅；張清海；林紹霞；趙璐h；林昌虎.遙感技術在水環境和大氣環境監測中的應用研究進展 [J].貴州農業科學，2013，（1）.

高光譜遙感技術范文第5篇

關鍵詞：遙感地址勘查技術；具體應用；研究

0前言

隨著信息時代的到來，地質勘查與地質研究技術不斷革新，如何利用遙感技術進行地質勘查，受到了越來越多學者的關注。較之其他范疇的地質勘查技術，遙感地質勘查技術具有其獨特性，它利用影像直觀地分析某區域的地質特性，搜集多元化的地質數據；然而遙感地質勘查技術也具有著一定的局限性，其地質狀況分析過程必須經過實驗室化驗，獲取手段較為復雜。因此，對遙感地質勘查技術的研究具有一定的現實意義，在應用過程中應注意揚長避短，發揮其最大效益。

1遙感地質勘查技術概述

1.1遙感地質勘查技術的概念

所謂遙感地質勘查技術，主要是利用飛機與衛星等遙感器等對檢測地標的地質數據進行電磁、光譜的掃描與識別，從而深入地分析檢測地標的地質特性，從而摸清地質信息與地質特征，為地質勘探工作提供更好的理論與數據依據，以便地質勘探與研究的順利進行。較之傳統的地質勘查技術相比，遙感地質勘查技術憑借其多層次、綜合性及宏觀性的特點，大大提升了地質勘查檢測結果的精準性，具有技術先進、檢測結果準確等優勢，在現代地質勘查工作中占據著越來越重要的地位[1]。

1.2遙感地質勘查技術的特點

第一，遙感地質勘查技術具有一定的科學性。遙感技術的利用，為地質勘查工作數據采集提供了科學的理論依據。我國的遙感地質勘查技術應用例如衛星、飛機等高端遙感器對檢測地標的具體地質狀況進行科學的計算與檢測，電磁技術、光譜技術同現代化計算機技術與現代化航拍器械的結合，使地質掃描工作更具科學性，為地質勘查與地質研究工作提供了科學的勘查數據與地質資料。第二，遙感地質勘查技術具有較強的精確性。隨著礦產需求量不斷增大，我國地質勘查工作不斷細化，對地質勘查技術的精細化要求也越來越高。遙感地質勘查技術利用電磁技術與光譜技術對地質狀況進行掃描與分析，滿足了地質勘查工作的精細化需求。

2遙感地質勘查技術的具體應用

2.1對于地質構造信息的獲取

在一般情況下，內生礦通常處于地質構造的異常部位與邊緣部位，礦產資源主要分布在板塊構造不同體的結合部位，這些地質信息都可以利用遙感地質勘查技術進行檢測，在遙感器航拍的空間信息可以清楚地檢測到板塊構造邊界地帶的礦床。在利用遙感技術提取地質標志信息時，一般選擇與檢測區域具有成礦幾率的線狀、帶狀影像，同時在獲取地質構造信息的過程中，對斷裂與推覆體這一主要控礦構造模塊的信息進行集中處理。在利用電磁與光譜技術掃描地質信息的過程中，由于外部因素與內部因素多方面的影響，圖像成像的部分地質紋理信息與地質線性形跡難以清晰顯示[2]。對地質構造信息的“模糊作用”可以合理利用專家目視解譯或人機交互等科學方法對圖像進行處理，利用科學的計算機圖像恢復技術或目視比值分析等有效措施，突出重點地質構造信息。在地質構造信息提取的過程中，遙感地質勘查技術可以利用地表巖性特征、地質地貌特征等數據對地質構造隱性信息加以提取。

2.2利用巖礦光譜技術進行識別

巖礦光譜技術是遙感地質勘查技術的理論基礎，適用于多光譜技術與高光譜技術，通過對多光譜蝕變信息的提取，對地質進行巖性識別與高光譜礦物識別。由于多光譜技術的光譜分辨率較低，導致巖礦的光譜特征表現力較弱，因此巖礦光譜技術主要基于圖像線性信息與圖像灰度特征，對巖礦的反射率差異進行分析。高光譜技術可以獲取連續光譜信息，直觀地識別地質類型，這是區別于多光譜技術的主要特征。巖礦光譜技術可以利用多光譜技術與高光譜技術有效地識別巖礦類型，識別與成礦作用有直接關系的礦物蝕變信息，對蝕變強度進行定量，為地質勘探工作提供技術支持。

2.3利用植被波譜特征進行找礦

礦產資源受到地下水微生物等外部因素的影響，可能使蘊藏的金屬資源或礦產資源產生化學反應，使地表層產生一定程度上的結構變化，影響土壤層的成分組成[3]。地表植物對礦產資源存在著不同程度的聚集度與吸收度，使得地表植被的繁盛光譜特征產生不同的差異。基于這一特征，遙感地質勘查技術可以根據提取到的植被光譜異常信息進行分析，將植被光譜的異常色調進行有效的分離與提取，根據異常植被光譜對該地區是否存在礦產進行合理判定，提高礦靶區勘查工作的準確性，指導相關地質勘查工作的開展。針對植被對金屬含量呈現的差異性，相關部門可以在既定礦區詳細地收集植被樣品的光譜特征，通過圖像處理技術重點分析較為特殊的植被光譜，在光譜分析過程中，明確波譜測試技術靈敏度的有限性，對植被微弱的金屬含量信息進行深入的分析，結合當地地質地貌實際情況科學地判定當時是否存在礦產資源。

3結論

隨著我國國民經濟的快速發展，國家對于礦產資源的需求量就越來越大，利用有效的礦產勘查技術顯得尤為重要。遙感地質勘查技術一方面較之傳統的勘查技術確實更具效率與精確性，可以根據實際地質情況進行有效的監測與評價，具有一定的先進性；另一方面隨著礦產資源需求量的增大，遙感技術的發展面臨著更為嚴峻的挑戰。因此在應用遙感地質勘查技術的過程中，應不斷對遙感技術進行完善與創新，實現對礦產資源的有效監控。

作者:繆杰 李鳳 馬娟 張輝 單位:1. 莒縣陵陽地震臺 2. 河北省地震局石家莊中心臺 3. 昌邑地震臺

參考文獻：