高光譜遙感技術范文

導語：如何才能寫好一篇高光譜遙感技術，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：高光譜遙感；葉面積指數（LAI）；反演模型

Abstract: High spectrum remote sensing technology as the inversion of crop leaf area index ( LAI ) are a powerful tool, in recent years it has been pay more and more attention of both domestic and foreign scholars. The paper systematically summed up the use of hyperspectral remote sensing inversion of LAI value general methods, including experimental field establishment, data acquisition, LAI value, HVI value calculation, determination of inversion model is generated in five steps. Summarizes some common crop optimal LAI value quantitative inversion model for future related research, consulting.

Key words: remote sensing; leaf area index (LAI); inversion model

中圖分類號：S127文獻標識碼：A 文章編號：

引言

遙感技術是指遠距離、 在不直接接觸目標物體情況下,通過接收目標物體反射或輻射的電磁波,探測地物波譜信息,并獲取目標地物的光譜數據與圖像,從而實現對地物的定位、 定性或定量的描述。隨著遙感技術的不斷發展，遙感傳感器的數據獲取技術趨向于“三多”和“三高”方向發展，“三多”是指多平臺、多傳感器、多角度獲得遙感數據；“三高”則指高空間分辨率、高光譜分辨率和高時相分辨率遙感數據的獲取[1]。

現代遙感技術應用于農業生產已經有 20多年的歷史,該技術在作物認別、 面積計算、作物長勢監測、災害評估和產量估計等方面取得了重大成績。高光譜遙感是高光譜分辨率遙感（(Hyper spectral Remote Sensing）的簡稱，是指利用高光譜傳感器以高光譜分辨率獲取連續的地物光譜圖像的遙感技術，這里的高光譜分辨率是指傳感器用于探測地物的電磁波總波段寬度較寬（如MODIS傳感器達到了0.4~14.5um）、波段數較多（如美國 Analytical Spectral Devic公司生產的 FieldSpec Pro FR2500型背掛式野外高光譜輻射儀輸出波段數多達2150個）、每個子波段的波段寬度較窄（如MODIS傳感器的最小子波段寬度為5~10nm）[2]。高光譜遙感與常規遙感的區別在于常規遙感又稱寬波段遙感, 每個子波段的波段寬度一般為100 nm,且波段在波譜上不連續,并不完全覆蓋整個可見光至紅外光 (0.4～2.4μm)光譜范圍[3]。高光譜遙感的出現是遙感界的一場革命,它使本來在寬波段遙感中不可探測的物質在高光譜遙感中能被探測到。

目前，國內外在利用高光譜遙感手段反演植物的綠色葉面積指數，進而控制精準農業生產的技術方面有很多的研究。植物的綠色葉面積指數（LAI）是表征植被光合面積大小和冠層結構的重要參數。它參與許多生物和物理過程，與植物的呼吸蒸騰、太陽光吸收、通風透光、雨水的吸收等密切相關，同時還是作物生產中判斷作物長勢優劣的重要參數。因此，實時、動態監測作物LAI值狀況具有重要意義。而高光譜遙感技術以其快速、無損和大面積探測等特點，正逐步成為LAI值估測的有力工具。

葉面積指數反演的一般建模方法及精度評定

近年來，雖然在高光譜遙感技術反演植物的綠色葉面積指數，進而指導精準農業這一領域的相關研究較多，但綜合地總結并指導相關反演模型建立方法的文獻卻不多。本文在該領域各位先驅研究學者的研究、實踐基礎上，比較系統地總結出了高光譜植被指數與農作物葉面積指數之間定量模型的建立方法應當包括試驗田建立、光譜數據采集、LAI值測定、HVI值計算、反演模型的生成五個步驟，并闡述了反演模型用于實際生產中的農作物LAI值的反演評估情況。

2.1試驗田的建立

為了確定農作物葉面積指數（LAI）與農作物光譜特性之間的定量關系，一般需要針對欲研究的農作物建立試驗田，試驗田要充分模擬自然界中該農作物在各種生長情況下的理化特征，如農作物的正常生長情況、缺少肥料的情況、施肥過量的情況、缺水情況、過渡灌溉情況等等，便于之后采集的農作物高光譜數據具有一般性。

目前國內外主要采取物理脅迫以及化學脅迫的方法對試驗田中的農作物作相關處理，使試驗田中的農作物盡可能全面的包含在自然界中的各種生長情況。通過脅迫實驗使所采集到的農作物光譜數據包含了農作物在各種生長條件下的反射光譜, 可保證之后所建立的定量模型有較廣泛的適應性和一般性。

2.2農作物高光譜數據測量

篇2

隨著全球環境問題日益突出,環境災害與環境事故頻發,衛星遙感技術在環境監測與管理中得到大量應用,在環境保護中發揮的作用受到國際社會的高度重視。美國、日本及歐洲的一些國家近年來都在大力發展環境遙感監測技術。目前在軌運行的和計劃發展的國內外衛星傳感器提供數據的空間分辨率已從公里級發展到亞米級,重復觀測頻率從月周期發展到幾小時,光譜波段跨越了可見光、紅外到微波,光譜分辨率從多波段發展到超光譜,遙感數據獲取技術正走向實時化和精確化,衛星遙感應用正在向定量化和業務化快速發展[1]。當前,我國環境監測任務十分繁重,特別是對基于衛星遙感技術的環境遙感監測有著迫切需求。

1、遙感技術簡介

遙感技術(remotesensing,簡稱rs)是在現代物理學、空間技術、計算機技術、數學方法和地球科學理論的基礎上建立和發展起來的邊緣科學,是一門先進的、實用的探測技術,目前正進入一個能快速、及時提供多種對地觀測及測量數據的新階段。按遙感平臺的高度大體上可分為航天遙感、航空遙感和地面遙感,按所利用的電磁波的光譜段分類可分為可見反射紅外遙感,熱紅外遙感、微波遙感3種類型,按研究對象可分為資源遙感與環境遙感兩大類。隨著熱紅外成像、機載多極化合成孔徑雷達和高分辨力表層穿透雷達和星載合成孔徑雷達技術日益成熟,遙感波譜域從最早的可見光向近紅外、短波本文由收集整理紅外、熱紅外、微波方向發展。波譜域的擴展將進一步適應各種物質反射、輻射波譜的特征峰值波長的寬域分布。高光譜遙感的發展,使得遙感波段寬度從早期的0.4μm(黑白攝影)、0.1μm多光譜掃描)到5nm(成像光譜儀),遙感器波段寬度窄化,針對性更強,可突出特定地物反射峰值波長的微小差異;同時,成像光譜儀等的應用,提高了地物光譜分辨力,有利于區別各類物質在不同波段的光譜響應特性。

2、環境遙感基礎工作的應用技術

水環境遙感監測方面,初步開展了水環境可遙感指標體系研究,對葉綠素a懸浮物有色可溶性有機物溶解性有機碳水面溫度透明度等監測指標的光譜特征和規律進行了研究;初步開展了環境一號衛星在水環境領域中的應用潛力分析研究;初步開展了水環境指標(如葉綠素a懸浮物水溫)遙感反演與信息提取的技術流程研究大氣環境遙感監測方面,初步開展了大氣可遙感指標體系研究,對氣溶膠懸浮顆粒物o3,so2,no2,co2,ch4等監測指標的光譜特征和規律進行了研究;初步開展了環境一號衛星在大氣環境領域中的應用潛力分析研究以及大氣環境指標(如氣溶膠光學厚度)遙感反演與信息提取的技術流程研究[2]。

2.1 可見光、反射紅外遙感技術

用可見光和反射紅外遙感器進行物體識別和分析的原理是基于每一物體的光譜反射率不同來獲得有關目標物的信息。該類技術可以監測大氣污染、溫室效應、水質污染、固體廢棄物污染、熱污染等,是比較成熟的遙感技術,目前國際上的商業和非商業衛星遙感器多屬此類。該類遙感技術用于環境污染監測,目前主要是要提高傳感器多個譜段信息源的復合,發展圖像處理技術和信息提取方法,提高識別污染物的能力。重點發展其在大氣污染、溫室效應、水質污染、固體廢棄物污染、熱污染等監測中的應用。

2.2 熱紅外遙感技術

自然界中的所有物質,無論白天或夜間,都以一定波長向外輻射能量。在熱紅外遙感中,所有被觀測的電磁波的輻射源都是目標物。目前紅外探測器所使用的電磁波段,主要有3～5μm和8～14μm兩個波段,對地表常溫物體的探測通常使用8～14μm波段。熱紅外遙感主要探測目標物的輻射特性(發射率和溫度),鑒別出物質材料的類型,評價出各種現象根據熱輻射特征。

2.3 高光譜遙感技術

高光譜遙感技術的發展是人類在對地觀測方面所取得的重大技術突破之一,是21世紀的遙感前沿技術。高光譜遙感數據的特點高光譜分辨率和高空間分辨率,它將傳統的圖像維與光譜維信息融合為一體,在獲取地表空間圖像的同時,得到每個地物的連續光譜信息,從而實現依據地物光譜特征的地物成份信息反演及地物識別,因此在環境污染物監測中發揮主要作用。

3、遙感技術在生態環境監測與保護中的應用

我國的生態環境日益惡化,因此,如何在保護和改善生態環境的前提下發展生產已經提到了決策者們的議事日程上來。建立生態監測信息系統已經成為當務之急。這樣的生態監測系統集生態環境信息管理、數據庫管理、生態環境各要素的實時監測、時間和空間查詢分析等多功能為一體,可滿足實時動態、分時段監測、查詢和分析的要求[3]。

目前,環境污染已成為一些國家的突出問題,利用遙感技術可以快速、大面積監測水污染、大氣污染和土地污染以及各種污染導致的破壞和影響。近些年來,我國利用航空遙感進行了多次環境監測的應用試驗,對沈陽等多個城市的環境質量和污染程度進行了分析和評價,包括城市熱島、煙霧擴散、水源污染、綠色植物覆蓋指數以及交通量等的監測,都取得了重要成果。國家海洋局組織的在渤海灣海面油溢航空遙感實驗中,發現某國商船在大沽錨地違章排污事件,以及其它違章排污船20艘,并作了及時處理,在國內外產生了較大影響。隨著遙感技術在環境保護領域中的廣泛應用,一門新的科學——環境遙感誕生了。

篇3

關鍵詞:高光譜 分類 提取 投影尋蹤

1 高光譜遙感概述

高光譜遙感(Hyper spectral Remote Sensing 簡稱HRS)起步于80年代,發展于90年代,至今已解決了一系列重大的技術問題。它是光譜分辨率在10-2λ的光譜遙感,其光譜分辨率高達納米(nm)數量級,具有波段數眾多,連續性強的特點,其傳感器在可見光到紅外光的波長范圍內(0.4μm～2.5μm)范圍內以很窄的波段寬度(3～30nm) 獲得幾百個波段的光譜信息,相當于產生了一條完整而連續的光譜曲線,光譜分辨率將達到5nm～10nm[1]。高光譜遙感數據的表現可以從以下三個方面來理解[2]:圖像空間、光譜空間和特征空間。此外,隨著高光譜遙感分辨率的增加,特征空間的維數很高,因而表現不同地物類別的能力也隨之不斷提高,這也是高光譜遙感之所以能夠更精確識別地物的主要原因。

2 高光譜遙感的應用

高光譜影像包含了豐富的地表空間、光譜和輻射的三重信息,它同時表現了地物的空間分布并獲得了以像元為目標的地物光譜信息。高光譜遙感技術作為連接遙感數據處理、地面測量、光譜模型和應用的強有力工具,其顯著特點是在特定光譜區域以高光譜分辨率同時獲取連續的地物光譜影像,其超多波段信息使得根據混合光譜模型進行混合像元分解獲取“子像元”或“最終光譜單元”信息的能力得到提高,使得遙感應用著重于在光譜維上進行空間信息展開,定量分析地球表層生物、物理、化學過程和參數,隨著成像光譜技術的發展與成熟,遙感技術已經大大拓寬了其原來的應用領域,歸納起來主要包括以下幾個方面[5]-[19]:1)在精準農業領域的應用(作物參數反演);2)在林業領域的應用(樹種識別、森林生物參數填圖、森林健康檢測等);3)在水質檢測領域的應用(反演水質參數);4)在大氣污染檢測領域的應用(氣溶膠、二氧化氮等的檢測與反演);5)生態環境檢測領域的應用(檢測生物多樣性、土壤退化、植被重金屬污染等);6)在地質調查領域的應用(礦物添圖,巖層識別,礦產資源、油氣能源探測等);7)在城市調查領域的應用(城市綠地調查、地物及人工目標識別)。

3 高光譜遙感圖像分類與信息提取

3.1 遙感圖像處理

遙感數字圖像處理是以遙感數字圖像為研究對象,綜合運用地學分析、遙感圖像處理、地理信息系統、模式識別與人工智能技術,實現地學專題信息的自動提取[18],要素分類與提取在圖像處理過程中占有決定性的地位。遙感圖像分類是統計模式識別技術在遙感領域中的具體應用,統計模式識別的關鍵是提取待識別模式的一組統計特征值,然后按照一定準則做出決策,從而對數字圖像予以識別。其主要依據是地物的光譜特征,即地物電磁波輻射的多波段測量值,這些測量值可以用作遙感圖像的原始特征值。

3.2 高光譜遙感圖像分類與提取

目前,高光譜遙感數據分析方法主要有兩個方向[19]-[30]:第一是基于光譜空間的分析方法,其基本原理是化學分析領域常用的光譜分析技術;第二個方向是基于特征空間分析技術,該方向的基本思想是把組成光譜曲線的各光譜波段組成高維空間中的一個矢量,進而用空間統計分析的方法分析不同地物在特征空間中的分布規律。

3.2.1 基于光譜空間的分析方法

高光譜遙感技術的最大特點就是:在地物的每一個像元處,可以得到一條連續的光譜曲線,所有的光譜曲線的集合則構成了光譜空間,不同的地物對應于光譜空間中的一條光譜曲線。因此,基于光譜空間的數據分析方法是高光譜數據分析的主要技術之一,其主要思想類似于化學上常用的光譜分析技術,主要是通過對光譜曲線進行特征分析,發現不同地物的光譜曲線變化特征,從而達到識別地物的目的。由于這種分析方法與地物的物理化學屬性直接相關,因此可以方便地對分析結果進行物理解釋:由于分析過程主要是針對一個像元的光譜曲線,因此,算法往往比較直觀和簡單。這些特點使得基于光譜空間的分析技術成為引人注目的一種技術,因而,近年來在這方面產生了許多實用的研究結果。

常用的分析方法包括:(1)光譜角填圖法(SAM-Spectral Angle Mapping):又稱光譜角度匹配法.是以實驗室測得的標準光譜或從圖像上提取的一直已知點的平均光譜為參考,求算圖像中每個像元矢量(將像元n個波段的光譜響應作為n維空間的矢量與參考光譜矢量之間的廣義夾角,根據夾角的大小來確定光譜間的相似程度,以達到識別地物的目的。(2)光譜解混技術(Spectral Unmixing):就是假設某一像元的光譜是由有限幾種地物的光譜曲線按某種函數關系和比例混合而成,解混的目的就是通過某種分析和計算,估計出光譜混合方式和混合像元包含的光譜成分及相應比例。(3)光譜匹配濾波技術(Matched Filter):是通過部分光譜解混技術求解端元光譜豐度值的技術。由于前面介紹的線性光譜解混技術要求端元光譜足夠完全,而實際上很難確定一幅待研究的高光譜圖像所包含的全部端元光譜。匹配濾波技術則選定某些感興趣的端元光譜的情況下,把未知的光譜歸為背景光譜(Unknown background),最大化地突出已知端元光譜而同時盡可能抑制背景光譜,這種方法提供了一種快速探測指定地物種類的技術,而不必知道一幅圖像中包含的全部端元光譜。(4)光譜特征匹配(SFF-Spectral Feature Fitting):根據電磁波理論,不同的物質有不同的光譜曲線。人們可以通過分析不同地物的光譜吸收表現,達到識別不同地物的目的。首先把反射光譜數據的吸收特征突出出來,然后用僅保留了吸收特征的光譜與參考端元光譜逐個波段進行最小二乘匹配,并計算出相應的均方根誤差(RMS-Root Mean Square),消除背景影響的方法主要是包絡線法。

3.2.2基于特征空間的分類方法

前面介紹的基于光譜空間的分析方法主要是通過比較待分像元的光譜曲線與參考光譜的光譜曲線之間的相似程度來達到分類判別的目的。這種思想看起來很直觀和理想,類似于人的指紋識別一樣,每一個人都有不同的指紋,通過與指紋庫中的指紋相比較就可以確定人的身份。然而,遙感問題卻遠遠復雜得多,由于太陽輻射、大氣、空間分辨率和光譜分辨率,觀測噪聲,及多種多樣難以確定的因素的影響,很難測得所謂“純”的光譜曲線。盡管有多種多樣的光譜解混技術被提出,但多種因素的影響很難被充分估計出來,因而無論何種光譜分析技術都無法完全達到遙感圖像辯識的要求。

另一種遙感圖像地物辯識的思想則是從統計分布規律出發,在同一幅圖像上,不同地物的光譜數據呈現不同的分布狀態,比如不同均值和方差,通過分析這種統計分布規律而實現地物識別的技術就是基于特征空間的分類方法。遙感圖像上的每個像元對應n個光譜波段反射值。假若把這幾個波段值組成的n維矢量看作是n維歐幾里德空間中的一個點,則稱矢量X=(X1,X2,…,Xn)為像元的特征值,相應的n維歐幾里德空間稱為特征空間。在特征空間的意義上,遙感圖像上的任一像元對應于特征空間中的一個點,因此,分類的方法可以從尋找像元在特征空間中的分布規律入手,也就是在特征空間中進行判別的問題。

常用的分析方法包括:(1)高斯最大似然分類器(MLC):是遙感分類的主要手段,其基本思想是,假設各類樣本數據都是高斯分布(正態分布),判別準則為所屬類別的分布密度最大。其分類器被認為是一種穩定性、魯棒性好的分類器。但是,如果圖像數據在特征空間中分布比較復雜、離散,或采集的訓練樣木不夠充分、不具代表性,通過直接手段來估計最大似然函數的參數,就有可能造成與實際分布的較大偏差,導致分類結果精度下降。(2)基于Bayes準則的分類器: 基于Bayes準則的判別函數是統計模式識別的參數方法,要求各類的先驗概率P(ωi)和條件概率密度函數P(ωi x)已知。p(ωi)通常根據各種先驗知識給出或假設它們相等: P(ωi x)則是首先確定其分布形式,然后利用訓練樣本估計其參數。一般假設為正態分布,或通過數學方法化為正態分布。其判別函數為:Di(X)=P(ωi) P(ωi x),i=1, 2,…,m。若Di(X)Dj(X) j=1,2,…,m,j≠i,則X為ωi類。判別函數集有多種導出形式,如最大后驗概率準則、最小風險判決準則、最小錯誤概率準則、最小最大準則、Neyman-Pearson準則等,是依據不同的規則選擇似然比的門限來實現的。(3)最小距離判別法:該方法是最直觀的一種判別方法,假設在p維歐氏空間中,把c個不同的類別看成分布在空間中的不同位置,最小距離判別方法的思想就是,對待分類的樣本,若與某一類的空間幾何距離最近,則判別為屬于此類。該方法的關鍵問題,一是如何定義空間距離;另一問題是,如何計算點到各類別的空間距離。(4)基于模糊集理論的判別分類方法:相鄰波段影像間存在較大的相似性表明,它們的分類作用可以相互近似替代。因此,只需利用其中的一幅影像參加分類即可,其它與之相似的光譜波段都可被視為冗余波段。顯然,要刪除這些冗余光譜波段,應首先對原始波段集合中的光譜波段進行模糊等價劃分,然后在每個模糊等價波段組中只選擇一個光譜波段(或進行線性融合)。(5)基于人工神經網絡的分類法:通過建立統一框架,實現對影像的視覺識別和并行推理,是近年來發展起來的綜合數據分類方法之一。其目標是利用人工神經網絡技術的并行分布式知識處理手段,以遙感影像為處理對象,建立基于人工神經網絡的遙感影像分類專家系統。(6)支持向量機(Support Vector Machine )分類方法:支持向量機是一種建立在統計學習理論基礎之上的機器學習方法。其最大的特點是根據Vapnik的結構風險最小化原則,盡量提高學習機的泛化能力,即由有限的訓練樣本集得到小的誤差能夠保證對獨立的測試集保持小的誤差。另外,由于支持向量算法是一個凸優化問題,局部最優解也是全局最優解,這是其它學習算法所不及的。以上介紹了幾種分類方法,事實上,隨著各學科的發展和交叉影響,基于特征空間的分析方法有許多新的進展。

4高光譜遙感數據分類存在的問題

隨著光譜分辨率的提高,高光譜遙感能夠提供對地物識別更充分的信息,對基于特征空間的分類而言,理論上說,隨著特征空間維數的增加,分類精度將會越來越精確,但實際問題并非如此簡單。綜合以上高維空間的幾何特征和統計特性[31]-[36],可以得出這樣的結論:基于統計理論的參數估計若在原始高維空間進行,則需相當龐大的訓練樣本數才能得到比較滿意的估計精度,非參數估計方法所需的樣本數量更是不可想象。此外,原始高維數據空間的正態分布特性更是難以保證,而正態分布是許多參數估計方法的基礎。因此,高光譜遙感分類的表現并未如人們所期望的那樣簡單,具體來說,在不討論客觀因素的情況下,影響高光譜遙感分類精度的主要因素主要是以下幾條:

(1)訓練樣本數量問題:根據Hughes的研究結果[37],隨著特征空間維數的增加,類別可分性提高,但由于遙感中常用的監督分類方法首先要估計樣本的分布函數,或分布函數中的一些參數,隨著空間維數的增加,待估參數的個數急劇增加,在訓練樣本數量一定的條件下,導致分類精度在特征空間的維數增加到一定數量后,反而會隨著維數的增加而下降。

(2)特征空間的組成:前一個問題導致基于特征空間的分析方法通常不能在原始空間中直接進行,必須對原始波段空間進行降維預處理,得到一個保持了原始空間全局和局部特征結構的低維空間,然后在低維子空間中進行分類判別。

(3)分類器的選擇。

(4)類別可分性:類別可分性是數據集固有的一種性質,是由客觀條件造就的數據集內在結構,由于客觀因素的影響,待分辨的類別之間可區分的程度會有很大的差異,數據集的這種內在的可分離程度對分類精度的高低有著至關重要的影響。

5 結語

過去幾十年高光譜遙感已經在各方面有了很大的應用,高光譜技術從遙感的角度提供了大尺度獲取地面光譜數據的手段,為人們宏觀分類識別地物提供了基礎。但是人們在獲取大量高光譜圖像數據的同時,也面臨著如何最大程度地利用這些海量數據的難題,關于高光譜分類與信息提取的技術,雖然取得了一些進展,但是從總體上仍落后于傳感器的發展,因此對于高光譜分類與信息提取還有很大的空間值得去研究。

參考文獻

[1] 童慶禧,張兵,鄭蘭芬.高光譜遙感的多學科應用[M].北京:電子工業出版社,2006:1-54.

[2] 許衛東.高光譜遙感分類與提取技術[J].紅外(月刊),2004,28-34.

[3] 薛利紅,羅衛紅,曹衛星,等.作物水分和氮素光譜診斷研究進展[J].遙感學報,2003,7(1):73-80

[4] 金震宇,田慶久,惠鳳鳴,等.水稻葉綠素濃度與光譜反射率關系研究[J].遙感技術與應用,2003,18(3):134-137.

[5] N.H.Younan, R.L.King, H.H.Bennett, and JR. Classification of Hyper spectral Data: A Comparative Study [J], Precision Agriculture, 2004(5):41-53.

[6] 程乾,黃敬峰,王人潮,等.MODIS植被指數與水稻葉面積指數及葉片葉綠素含量相關性研究[J].應用生態學報,2004,15(8):1363-1367.

[7] 張良培,鄭蘭芬,童慶禧,等.利用高光譜對生物變量進行估計[J].遙感學報,1997,1(2):111-114

[8] 趙德華,李建龍,宋子鍵.高光譜技術提取植被生化參數機理與方法研究進展[J].地球科學進展,2003,18(1):94-99.

[9] 方紅亮,田慶久.高光譜遙感在植被監測中的研究綜述[J].遙感技術與應用,1998,13(1):62-69.

[10] 陳楚群,潘志林,施平.海水光譜模擬及其在黃色物質遙感反演中的應用[J].熱帶海洋學報,2003,22(5):33-39.

[11] 李素菊,吳倩,王學軍,等.巢湖浮游植物葉綠素含量與反射光譜特征的關系[J].湖泊科學,2002,14(3):228-234.

[12] 譚衢霖,邵蕓.遙感技術在環境污染監測中的應用[J].遙感技術與應用,2000,15(4):246-251.

[13] 童慶禧,鄭蘭芬,王晉年.濕地植被成像光譜遙感研究[J].遙感學報,1997,1(1):50-57.

[14] 夏德深,李華.國外災害遙感應用研究現狀[J],國土資源遙感,1996,(3):1-8.

[15] 甘甫平,王潤生,郭小方,等.高光譜遙感信息提取與地質應用前景――以青藏高原為試驗區[J],國土資源遙感,2000,3:38-44.

[16] 王青華,王潤生,郭小方.高光譜遙感技術在巖石識別中的應用[J].國土資源遙感,2000,4:39-43.

[17] 劉建貴,張兵,鄭蘭芬,等.城鄉光譜數據在城市遙感中的應用研究[J].遙感學報,2000,4:221-228

[18] 梅安新,彭望,秦其明,等.遙感導論[M].北京:高等教育出版社.2002.

[19] 荊鳳,陳建平.礦化蝕變信息的遙感提取方法綜述[J].遙感信息,2005,2:62-65.

[20] 耿修瑞,張兵,張霞,等.一種基于高維空間凸面單形體體積的高光譜圖像解混算法[J].自然科學進展,2004,14(7):810-814.

[21] CARL J. LEGLEITER. Spectrally Driven Classification of High Spatial Resolution, Huperspectral Imagery: A Tool for Mapping In-Stream Habitat [J].Environmental Management, 2003, 32(3):399-411.

[22] 甘甫平,王潤生,馬藹乃,等.基于光譜匹配濾波的蝕變信息提取[J]. 中國圖像圖形學報,2003,8(A)(2):147-150.

[23] 李新雙,張良培,李平湘.基于小波分量特征值匹配的高光譜影像分類[J].武漢大學學報•信息科學版,2006,31(3):274-277.

[24] P.Goovaerts. Geostatistical incorporation of spatial coordinates into supervised classification of hyperspectral data [J].Geograph Syst, 2002, (4):99-111.

[25] 劉漢湖,楊武年,沙晉明.高光譜分辨率遙感在地質應用中的關鍵技術及前景[J]. 世界地質,2004,23(1):45-49.

[26] Francesco Lagona. Adjacency selection in Markov Random Fields for high spatial resolution hyperspectral data [J].Geograph Syst, 2002(4):53-68.

[27] 李石華,王金亮,畢艷.遙感圖像分類方法研究綜述[J]. 國土資源遙感,2005,2:1-6.

[28] 王國明,孫立新. 高光譜遙感影像優化分類波段選擇[J].東北測繪,1999,22:21-23.

[29] Allan Aasbjerg Nielsen. Spectral Mixture Analysis: Linear and Semi-parametric Full and Iterated Partial Unmixing in Multi-and Hyperspectral Image Data [J]. Mathematical Imaging and Vision. 2001(15): 17-37.

[30] 修麗娜,劉湘南. 人工神經網絡遙感分類方法研究現狀及發展趨勢探析[J].遙感技術與應用,2003,18(5):339-345.

[31] 張連蓬.基于投影尋蹤和非線性主曲線的高光譜遙感圖像特征提取及分類研究[D].山東:山東科技大學,2003.

[32] Shailesh Kumar, Joydeep Ghosh and Melba M. Crawford.Hierarchical Fusion of Multiple Classifiers for Hyperspectral Data Analysis [J]. Pattern Analysis & Application, 2002 (5): 210-220

[33] 譚璐,易東云,馮國柱,等.局部不變投影[J].自然科學進展,2004,14(3):282-287.

[34] 李智勇,郁文賢,匡綱要,等.基于高維幾何特性的高光譜異常檢測算法研究[J].遙感技術與應用,2003,18(6):379-383.

[35] 周曉云,孫志揮,張柏禮. 一種大規模高維數據集的高效聚類算法[J].應用科學學報.2006, 24(4):396-400.

[36] 易堯華. 基于投影尋蹤的多(高)光譜影像分析方法研究[D].武漢:武漢大學,2004.

篇4

關鍵詞：遙感水質監測遙感數據

1水體遙感監測的基本理論

1.1水體遙感監測原理、特點。影響水質的參數有：水中懸浮物、藻類、化學物質、溶解性有機物、熱釋放物、病原體和油類物質等。隨著遙感技術的革新和對物質光譜特征研究的深入，可以監測的水質參數種類也在逐漸增加，除了熱污染和溢油污染等突發性水污染事故的監測外，用遙感監測的水質數據大致可以分為以下四大類：渾濁度、浮游植物、溶解性有機物、化學性水質指標。

利用遙感技術進行水環境質量監測的主要機理是被污染水體具有獨特的有別于清潔水體的光譜特征，這些光譜特征體現在其對特定波長的光的吸收或反射，而且這些光譜特征能夠為遙感器所捕獲并在遙感圖象中體現出來。如當水體出現富營養化時，浮游植物中的葉綠素對近紅外波段具有明顯的“陡坡效應”，故而這類水體兼有水體和植物的光譜特征，即在可見光波段反射率低，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?，F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（如圖）。

圖1：遙感監測水質步驟簡圖

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。

SPOT地球觀測衛星系統，較陸地衛星最大的優勢是最高空間分辨率達10m。SPOT數據應用于水質研究中，學者們也做了一些研究。如可以利用SPOT數據來估算懸浮物質濃度和估計藻類生物參數。

AVHRR(高級甚高分辨率輻射計)是裝載在NOAA列衛星上的傳感器，每天都可以提供可見光圖像和兩幅熱紅外圖像，在水質監測等許多領域廣泛應用，如1986年，國家海洋局第二海洋研究所用NOAA數據對杭州灣懸浮固體濃度進行了研究。

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LandsatETM 、EO--1ALI、MODIS，歐空局的EnvlsatMERIS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?，F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提高水質遙感監測精度。研究表明利用遙感進行水質參數反演，其反演精度、穩定度、空間可擴展性受遙感波段設置影響較大，利用星載高光譜數據進行水質參數反演，對其上百的波段寬度為10nm左右的連續波段與主要水質參數的波譜響應特性進行研究，確定水質參數診斷性波譜及波段組合，形成構造水質參數遙感模型和反演的核心技術，提高水質監測精度。

3.2.6擴展水質遙感監測模型空間。系統深入的研究水質組分的內在光學特性，利用高光譜數據和中、低分辨率多光譜數據進行水質遙感定量監測機理研究，進行水質組分的

定量提取和組分間混合信息的剝離，消除水質組分間的相互干擾，建立不受時間和地域限制的水質參數反演算法，形成利用中內陸水體水質多光譜遙感監測方法和技術研究低分辨率遙感數據進行大范圍、動態監測的遙感定量模型。

3.2.7改進統計分析技術。利用光譜分辨率較低的寬波段遙感數據得到的水質參數算法精度都不是很高，可以借鑒已在地質、生態等領域應用的混合光譜分解技術，人工神經網絡分類技術等，充分挖掘水質信息，建立不受時間和地域限制的水質參數反演算法，提高遙感定量監測精度。

3.2.8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]張繼賢，喬平林.水資源環境遙感監測與評價[M].北京:測繪出版社，20__.

[2]謝歡，童小華.水質監測與評價中的遙感應用[J].遙感信息，20__.

[3]齊峰，王學軍.內陸水體水質監測與評價中的餓遙感應用[J].環境科學進展，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分析[J].昆明理工大學學報，20__.

[5]張海林，何報寅.遙感應用于湖泊富營養化評價的研究[J].上海環境科學，20__.

[6]劉燦德，何報寅.水質遙感監測研究進展[J].世界科技研究與發展，20__.

[7]萬余慶，張鳳麗，閆永忠.高光譜遙感技術在水環境監測中的應用研究[J].國土資源遙感，20__.

[8]周藝，周偉奇，王世新等.遙感技術在內陸水體水質監測中的應用[J].水科學進展，20__.

[9]李嶸.遙感技術在水環境監測中的應用研究[J].江西化工，20__.

[10]顧先冰，司群英.國內外遙感衛星發展現狀[J].航天返回與遙感，20__.

作者簡介：

篇5

關鍵詞：土地資源；水質；草原

引言：在上世紀60 年代初期，衛星遙感技術獲得了體系化成長，逐漸成為觀測技術領域的重要應用。衛星遙感技術的監測主體具有遠程性，采取非直接接觸形式，完成監測目標性能探測，具有探測結果的高效性、探測數據的準確性、探測應用的成本可控性、探測范圍的規模性等優勢。

1 在土地資源勘測作業事項中遙感技術應用表現

1.1 土地資源遙感應用范圍

土地資源探測工作中融合遙感技術時，主要探測土地資源性能，關注土地資源數據動態變化，加強土地資源數據更新，便于從動態化、多樣化等視角，完成土地資源屬性探測工作，以期有效提升土地資源遙測工作的有序性、智能性。與此同時，遙測技術在土地質量檢測、生態性測評等方面，獲得了廣泛應用，提升其遙感技術在土地資源相關單位的應用價值，為相關土地資源利用開發工作提供技術支持，提升了土地資源保護效果，加強了土地資源相關決定的準確性。

1.2 獲取土地資源信息

針對土地資源開展的遙測工作，以獲取土地資源相關信息為重要項目。在獲取土地資源信息期間，針對遙感數據實際獲得了土地資源信息，比如時間、空間等，依據土地資源屬性加以數據歸類，提升土地資源信息獲取的有效性。在信息處理期間，信息提取的方式，通常表現為兩種，第一種方法為“目視歸類法”，第二種信息提取方法為“人工智能分類法”。目視歸類的提取應用，是以人工智能分類為基礎衍生而出的新型應用技術。

此信息提取方法的分析流程為：針對遙感影像加以篩選，開展圖像信息分析與甄別，在影像中完成標志設立，開展針對性判斷與信息讀取，完成數據圖繪制與面積比例確定，加強影像圖誤差消除，綜合開展精細化數據分析等。目視歸類法，現階段在全國范圍的土地資源相關工作中獲得了實踐性應用，獲取了相關有效的監測成果[1]。

2 在水資源勘測作業事項中遙感技術應用表現

2.1 獲取水資源信息

獲取水體信息時，遙測信息類別具體表現為：水資源分布情況、水資源面積測算等。針對此類信息獲取程序，常用的信息技術包括：

以圖像融合相關信息技術為基礎，比如色彩設計、IHS與HPH變化、比值測算等，以此提升水體信息顯示的直觀性。

以光譜關系的應用基礎，借助波段組合確定光譜規則的適用性，借助目視判斷解讀、閾值篩選等程序應用，精準獲取水體信息。

以遙感指數法為應用基礎，借助亮度、植被等指數遙測技術，在地面徑流較少的區域，有效獲取水資源信息。

在三種水資源信息獲取途徑中，遙感指數法的測量效果較為精準，獲得了相關水資源行業的廣泛認可。

2.2 水質監測

在監測水質情況時，分別從地面、航空等視角，完成水域質量情況探測，診斷水資源結構中的各項表現，比如反射、吸收等，以此確定水污染相關信息。一般情況下，水質遙測技術測定項目具體表現為：葉綠色含量、水體透明程度、懸浮物在區域水環境中的占比、有機物溶解處理效率等。高光譜遙測技術，獲取的遙感數據，在水質檢測工作中發揮出較為重要的作用。高光譜遙測技術展現的遙測數據，能夠以曲線性質表現出水質定量遙感具體情況，為遙測數據獲取增加了直觀性、精細性。

3 在林草濕地資源勘測作業事項中遙感技術應用表現

3.1 遙測森林資源

針對森林資源開展的監測工作，主要面向森林災害予以防范。森林災害主要表現為：火災、病蟲害。在針對火災安全事故開展遙測工作時，設定了衛星數據方位周期，形成了以氣象衛星為基礎的監測體系，運行狀態穩定。針對病蟲害問題開展的森林資源監測工作，是借助光譜反射現象，獲取植物可能性產生的病蟲害表現。利用機載高光譜完成遙感數據分析工作，能夠在光譜曲線特征中確定相關植物種類的病癥，比如靈芝莖基腐病。結合光譜曲線獲取的遙測數據，精準確定植物健康性，以此完善森林資源防蟲害工作體系。

3.2 遙測草原資源

利用第三代實用氣象觀測衛星、氣象衛星程序傳感器等技術傳輸的數據，獲取植被、牧草等信息，判斷草原資源生長與氣象之間存在的關聯關系，由此獲取區域牧草長勢，發揮出遙測技術的應用價值。利用遙感技術，能夠完成區域草原分布、長勢情況的信息獲取，為相關單位綠化建設、環境保護工作提供有效支撐[2]。

3.3 遙測濕地資源

濕地資源在遙測期間，存在的工作障礙為濕地劃分依據，相應提升濕地信息處理難度?，F階段，針對濕地資源監測工作，采取的是綜合型監測方式，借助空間分辨率、光譜分辨率、遙感影像多種技術，協同完成監測工作，以此獲取濕地資源的監測動態性，在神經網絡分類法作用下，科學完成森林濕地類型劃分，具有劃分的精準性。

4 在礦產資源勘測作業事項中遙感技術應用表現

4.1 獲取巖礦信息

針對巖礦信息開展的遙感測定工作，能夠為地質學發展提供科學依據。在探測期間，采取巖礦信息識別、獲取巖礦侵蝕變化情況、建設遙感找礦程序等形式，系統性開展礦產資源探測工作。礦物結構中包含的成分有晶體、陰陽離子等。此類物質在吸收光波后，形成了差異性光譜特征，借助此類光譜特征，采取相似指數、光譜角等形式，判斷巖礦信息，提升信息獲取的實效性。

4.2 監測礦山資源

監測礦山資源時，旨在為礦山開發相關作業程序提供指導信息。監測項目具體包括：開發區域具體情況，比如適用的開采形式、確定開采區域等；礦山區域地質條件，采場區域確定、統計廢棄物數量等。借助高空間分辨率能夠完成礦山資源的全面監測，獲取可用的遙感數據，加強自動信息分類提取，結合人機數據交互，提升數據可讀性，以期直觀展現礦山環境的具體情況，為礦山開發相關事業增加科學指導。

結論：綜上所述，在信息處理技術發展背景下，遙感技術相應獲得了成熟化發展。現階段，針對自然資源開展的探測工作，尚未制定較為完善的探測標準與行為規范，相關理論與應用研究，尚需深入研究，以期在實踐探測活動中檢驗遙感技術的應用能力，使其應用獲得完善，為自然資源相關工作提供技術支持。

參考文獻

[1]尤淑撐，何蕓.自然資源遙感監測體系建設現狀與發展展望[J].無線電工程，2020，50(05):343-348.

篇6

關鍵詞：遙感地質勘查技術；具體應用；研究分析

1 遙感地質勘查技術的概述

1.1 遙感地質勘查技術的基本概念

遙感地質勘查技術指通過遙感器對檢測的數據運用電磁、光譜進行掃描識別的技術，由于地質勘查的范圍比較廣，因此在地質勘查期間主要利用的是飛機和衛星遙感器。遙感地質勘查技術在地質勘查工作中的運用能夠有利于深入分析所勘查地質的特性，能夠全面而深入的研究所勘查的地質信息和地質特征，同時還能為地質勘查獲取更為科學的數據和理論。遙感地質勘查技術與傳統的地質勘查技術相比，遙感地質勘查技術的檢測數據結果更加的準確，而且檢測效率也比較高，因此在地質勘查方面的作用越來越重要。

1.2 遙感地質勘查技術的基本特點

首先，遙感地質勘查技術具有科學性。由于遙感地質勘查主要以數據信息來分析地質狀況，因此，需要大量且準確的數據，而遙感地質勘查技術主要使用衛星、飛機等遙感器來對勘查的地質實施科學計算，同時利用電磁技術和光譜技術等，通過計算機技術將勘查的地質情況利用航拍獲得信息數據，使我國的遙感地質勘查技術更具科學性[1]。

其次，遙感地質勘查技術也具有精確性。由于地質勘查所運用的技術比較先進，同時，隨著人們對礦產資源的需求越來越大，因而在地質勘查中的分工越來越細化，而遙感地質勘查技術可以通過電磁技術和光譜技術進行對勘查的地質進行掃描，根據實際掃描額結果顯示，遙感地質勘查技術獲得的檢測數據具有精確性，因而如今被廣泛的運用于地質勘查工作中。

2 遙感地質勘查技術的具體應用研究

2.1 遙感地質勘查技術在地質構造信息獲取方面的應用

在地質研究過程中，由于地質結構比較復雜，因而在獲取準確有效信息的過程中需要相關的設備技術，遙感技術在勘查找礦的工作中運用比較廣泛，工作人員根據空間信息數據分析尋找到礦廠的地質標志，然后在提取空間信息的過程中則運用到遙感技術，并對地質結構進行深入的分析研究，并測繪出相關的線性圖像，以及地質構造研究中需要注意方面。

在酸性巖體和火山盆地等地質的研究中，需要運用遙感地質勘查技術，可以將勘查的地質結構以圖像的形式展現，為地質勘查工作提供科學有效的數據。但由于遙感技術在成像的過程中受到的影響因素比較多，因此，如果遙感地質勘查技術在使用時受到影響，則形成的圖像比較模糊，所以使得地質的線性形跡和地質紋理信息都不能全面清晰的顯示出來，工作人員在短時間內無法快速弄明白地質結構，這對地質勘測工作產生嚴重的影響[2]。為了促使遙感地質勘查技術的廣泛使用，同時也為了合理運用遙感地質勘查技術，因此，在實際地質勘查工作中，地質勘查工作人員在地質構造成像中主要采用的是人機交互和目視解譯等方式，主要通過獲取相關的關鍵信息，然后制作成圖，為地質構造提供參考。

2.2 遙感地質勘查技術能夠通過獲取植被光譜來確定礦產的具置

由于礦區中的金屬或者礦物質對周圍植被的生長環境產生一定的影響，并且礦區周圍的地下水以及地下微生物等對礦區的結構層產生影響，使得礦區的結構層發生很大的改變，讓原來比較規律的礦物質結構層發生錯亂，對植被生長的土壤層造成破壞，而生長在土壤中的植物在吸收土壤中的養分時，土壤中的金屬元素或者礦物質元素進入植被中，使得植物在生長過程中吸收礦區的金屬或礦物質元素，讓植被的葉綠素發生改變，并通過植被的反射光譜體現出來。而遙感技術正是通過對植被反射光譜的檢測分析、以及確定光譜信息來判斷該區域是否有礦物質，由于不同種類的植被在吸收金屬元素或者礦物質元素后會在不同的器官位置呈現出不同的特點，因而在使用遙感技術時，需要地址勘查工作人員根據不同的植被光譜信息進行全面分析。為了確保對植被光譜分析判斷的準確性，工作人員可以收集大量的植被光譜資料，并對其色調進行研究分析，同時在使用遙感技術時，可以利用遙感技術直接分離提取異常色調，進而分析出金屬植被的吸收能力和聚集能力。

2.3 遙感勘查技術能夠利用巖礦光譜技術識別巖礦性質和地質類型

在遙感地質勘查技術發展運用過程中，主要運用的是巖礦光譜技術，在地質勘查中運用更多的是多光譜技術和高光譜技術，由于多光譜技術和高光譜技術都是通過提取多光譜蝕變信息進而實現對巖石性質的識別，同時也能夠對高光譜的礦物質加以識別。其具體的運用如下：由于多光譜技術具有較低的光譜分辨率，因而光譜特征的表現力也比較弱，所以在實際地質勘查運用期間主要以圖像線性信息和圖像的灰度變化來分析巖礦的特性[3]。而高光譜技術不僅可以獲取到連續光譜信息，而且能對不同的地質類型加以直觀的識別判斷。根據上述的分析，在實際的遙感地質勘查技術運用中，主要將多光譜技術和高光譜技術綜合使用，因此在巖礦性質和巖礦地質類型的分析中都能獲取準確有效的信息。

3 提高遙感地質勘查技術應用的具體措施

在遙感地質勘查技術應用過程中，其應用范圍比較廣泛，為地質勘查工作做了非常大的推動作用，同樣，隨著社會對礦物質資源的需求越來越大，遙感地質勘查技術在應用過程中也存在許多問題，需要工作人員在遙感地質勘查期間采取合理的措施。

首先，地質勘查工作人員要加強對遙感技術的理論研究，實際地質勘查是對理論的實踐研究，而在實際地質勘查期間遇到的問題則需要通過理論研究來解決，因此，需要地質勘查工作人員深入研究大量與遙感技術有關的文獻資料，并提出新的理論研究，人們對地質勘查的進一步認識提供有價值的參考。

其次，要加強地質勘查技術方面的支持。目前，遙感地質勘查技術的應用正在不斷的擴展，為了提高遙感地質勘查技術的運用范圍，一方面要對遙感地質勘查技術保持其先進性，另一方面還要培養一批先進遙感地質勘查技術人才，只有配套的技術人才搭配才能在地質勘查工作中獲取高效、高質量的成果。除此之外，還要對遙感地質勘查技術的有效應用進行指導并加以規范，尤其是對遙感地質勘查技術方面的責任制度，要及時解決在實際地質勘查中遇到的問題，并在解決問題的同時提出新的發展方向，進而促進我國遙感地質勘查技術的可持續發展。

在國家經濟迅速發展的過程中，國家對礦產資源的需求量不斷增加，隨著遙感地質勘查技術的運用，一方面提高了地質勘查工作的效率，另一方面解決了社會對地質勘查精確度的高要求。本文主要從遙感地質勘查技術在地質構造信息獲取、通過植被光譜確定礦產位置、以及利用巖礦光譜技術進行分別巖礦信息和類型等方面進行深入的研究，從而提出了遙感地質勘查技術在應用方面的具體措施，以此促使遙感地質勘查技術的可持續發展。

參考文獻

[1]閆佳 .遙感地質勘查技術與應用研究[J].科技經濟市場，2014，06：135.

篇7

關鍵詞：土壤重金屬；高光譜遙感；估算方法；統計分析；預測精度

中圖分類號：TP79；S158；S153.6 文獻標識碼：A 文章編號：0439-8114（2013）06-1248-06

土壤是人類賴以生存的主要自然資源之一，也是人類生態環境的重要組成部分[1]。隨著工業的發展和農業生產的現代化，大量污染物進入土壤環境，其中重金屬是重要的污染物質之一[2]。土壤污染中重金屬主要指汞、鎘、鉛、鉻以及類金屬砷等生物毒性顯著的物質，也指具有一定毒性的一般重金屬如鋅、銅、鈷、鎳、錫等，目前最令研究者關注的重金屬是汞、鎘、鉛等。土壤重金屬污染不僅會造成農作物減產，質量下降，嚴重者會通過食物鏈影響人體健康，因此對土壤重金屬含量進行監測非常必要。傳統的野外采樣和室內化學分析方法具有測量精度高、準確性強等優點，但相對費時費力，而且很難獲取大面積空間上連續的污染物含量分布信息。遙感技術因其多時相、大面積等特點逐漸被研究者應用于土壤性質的監測，高光譜遙感則以其多且連續的光譜波段特點被應用于監測土壤重金屬含量，可以實現大范圍、非破壞性和非接觸元素的快速測樣[3，4]。

由于土壤中重金屬含量低，對土壤光譜曲線影響微弱，直接分析土壤樣品重金屬元素的特征光譜來估算其含量比較困難。通過借助重金屬元素與土壤有機質、黏土礦物、鐵錳氧化物、碳酸鹽礦物之間的吸附或賦存關系，可以間接反演土壤重金屬元素含量，反演精度在一定程度上取決于重金屬元素與這些組分之間的相關性[5-7]。

近年來國內外學者在土壤重金屬遙感反演研究方面已經取得長足進展，多數研究基于實驗室的土壤光譜分析。例如有學者基于土壤可見-近紅外、近-中紅外反射光譜特征，實現了對礦區用地[8，9]、農業用地[10，11]、潮灘[12，13]等研究區土壤重金屬元素含量的反演研究。如Kemper 等[8]利用土壤反射光譜反演了Aznalcollar礦區土壤As、Hg、Pb以及Fe元素的含量。國內的Wu等[10]利用實驗室土壤的反射光譜模擬Hymap、Aster以及TM影像波段，實現了大面積監測南京江寧地區土壤Hg污染，發現估測土壤中Hg的最佳波段和土壤Fe的吸收波段一致，且相關分析表明土壤Hg的含量與土壤反射率成負相關關系。另外Moros等[12]在研究中發現了土壤重金屬元素和有機物質之間的相關性，基于土壤可見-近紅外和中紅外反射光譜，建立偏最小二乘回歸模型，實現了對河灘土壤中As、Cd、Co等元素污染水平的定量監測。

土壤反射光譜特征與重金屬元素含量之間的定量反演研究，可為進一步應用空間或航空遙感技術進行高光譜遙感定量監測土壤重金屬污染提供技術和理論支持，為土壤中重金屬含量的快速監測和大面積的土壤重金屬污染評價提供技術支撐。

1 土壤光譜特性及特征波段的提取

土壤光譜信息是土壤表層各種屬性的綜合反映，其中土壤顏色、質地、有機質含量和各種礦物質成分等對土壤光譜的影響作用較為明顯[14]。土壤屬性與實驗室實測反射光譜的相關關系已得到證實：在可見光和近紅外波段，土壤光譜的吸收特征主要是由金屬離子的電子躍遷形成，在短波紅外區域，土壤的吸收主要歸因于有機質、層狀硅酸鹽、碳酸鹽、硫酸鹽等礦物質的各類分子團中化學鍵的伸展、彎曲、變形等振動[7]。

土壤中有機質、氧化鐵、黏粒比例的增加，會降低土壤光譜反射率；土壤有機質與反射率較強的相關關系主要反映在可見光波段，而土壤氧化鐵和黏粒則在近紅外波段可以得到更精確的區分[15]。在可見光波段，土壤光譜曲線斜率較大，429、490 nm附近是土壤氧化鐵微弱的吸收峰，470 nm附近則是土壤氧化錳微弱的吸收峰，波長600 nm附近是土壤有機質典型的反射峰，815 nm附近則是有機質的次反射峰，在近紅外波段，反射光譜的斜率較小，接近水平。900 nm附近的吸收峰是土壤中3價鐵所致，1 000 nm附近的吸收峰是土壤中鐵的氫氧化合物特征譜帶，1 400、1 900、2 200 nm附近的吸收峰是土壤硅酸鹽礦物中水分子羥基伸縮振動和Al―OH彎曲振動的合頻譜帶，濕度降低了所有光譜段的反射率并在1 400、1 900 nm處產生較強和較寬的吸收帶。2 455 nm附近的吸收峰則是土壤碳酸鹽中CO32-基團振動產生的譜帶[16，17]。圖1為土壤樣品的原始光譜曲線示意圖。

通常土壤反射光譜需要預處理以突出光譜信息中的細微特征，常見預處理方法有光譜反射率的微分、倒數對數和連續統去除等，以此來獲得表征不同土壤成分的特征波段。但實際工作中需要針對不同的土壤背景條件，不同的重金屬污染類型，更加系統地分析土壤反射光譜特征差異，運用合適的預處理方法和統計方法提取研究區土壤特征波段，建立土壤重金屬的光譜特征數據庫。土壤重金屬特征光譜的確定，可為區域土壤重金屬含量反演模型的建立（包括特征波段參數選擇）打下基礎[11]。

2 土壤重金屬含量反演的主要方法

土壤中重金屬元素含量很低，在土壤反射光譜的各波段沒有明顯的吸收特征，且土壤組成成分復雜，每個組分對反射光譜的影響是非線性混合，致使土壤的反射輻射過程復雜。用物理模型進行反演較難，通常采用統計方法分析土壤重金屬含量與反射光譜特征之間的相關性，間接實現對土壤重金屬元素含量的估算。常用方法主要包括單變量以及多元統計分析方法，多元統計方法較之單變量方法反演精度要高[16，18，19]。也有研究同時采用以上兩種方法來計算土壤重金屬含量[10，18]。

2.1 單變量統計分析方法

單變量統計法主要運用相關分析方法來探討土壤重金屬含量與光譜反射率之間是否存在較為顯著的相關性，選擇相關性最顯著的波段建立模型來預測土壤重金屬含量。根據波段選擇方法不同可分為單波段分析方法和波段有效變換后的分析方法。

如李淑敏等[11]利用光譜分析的方法探討北京地區農業土壤中重金屬含量與可見-近紅外光譜反射率的相關關系，通過對土樣原始反射光譜及其一階、二階微分光譜與各土壤重金屬含量進行單波段分析，確定了Cr、Ni、Cu等8種土壤重金屬的特征光譜，建立了估算土壤重金屬含量的回歸模型。任紅艷[18]研究分析了礦區農田土壤原始反射光譜和經過連續統去除后的光譜信息，確定了土壤光譜反射率與重金屬元素含量相關性最大的波段，得到了反演Cu、Cd等重金屬元素含量的最佳擬合模型。

由于土壤的高光譜反射率極易受到環境差異的影響，單波段反射率建立反演模型穩定性不足，因此可用敏感波段均值處理或組合等變換后的光譜波段與土壤重金屬含量進行相關分析，提高模型的穩定性，達到更高的預測精度。蔣建軍等[20]通過對敏感波段511 nm處對應的有機質診斷指數R/R450-750進行間隔10 nm的均值化處理，以敏感范圍均值R507-516/R450-750取代敏感波段R/R450-750作為自變量x，建立了有機質含量的預測模型，然后根據有機質含量和重金屬含量之間的關系間接反演Cd含量。此外，根據不同波段反射率提供的信息可以互相補充的特點，解憲麗等[7]提出利用波段組合方法能夠顯著提高光譜變量和重金屬含量間的相關性的論點，所建立Pb、Zn等元素的反演模型的可靠性要優于單波段預測方法。

2.2 多元統計分析

多元統計分析是光譜學研究中預測光譜特征物質的常用方法，因其綜合使用較多的波譜段，提高了統計預測的精度[18]。多元逐步回歸分析、主成分回歸（PCR）分析和偏最小二乘回歸（PLSR）分析是目前分析土壤組成與反射光譜間關系常用的統計方法[16]。此外，還有研究用人工神經網絡方法[9]或多種多元統計分析方法相結合[21，22]來反演土壤重金屬含量。

2.2.1 多元逐步回歸法 多元逐步回歸法是根據土壤重金屬含量與土壤反射光譜的相關分析，找出與重金屬元素相關性較好的光譜特征波段，對各重金屬含量與特征波段的光譜變量進行多元回歸分析。根據回歸系數和F統計量最高、均方根誤差最小的原則，選擇土壤重金屬高光譜遙感監測的最佳回歸模型。多元逐步回歸分析方法簡單明了，常被用來確定對于某種化學成分敏感的波段，并說明敏感波段值與這種化學成分濃度有較好的相關性，據此可以用這些確定的波長位置來估計化學成分的濃度[19]。

龔紹琦等[17]通過對濱海鹽土土壤光譜進行處理，通過對鎘、銅、鎳等重金屬含量與反射光譜變量的相關分析，獲得了反演土壤成分的特征波段為429、470、490、1 430、2 398、2 455 nm，利用逐步回歸分析方法分別建立了反演上述幾種重金屬元素的最佳遙感模型。另外王維等[23]運用土壤光譜反射率、一階微分、倒數對數這3種光譜數據對土壤銅含量進行了多元逐步回歸分析，并比較了不同光譜預處理方法對模型精度的影響。

2.2.2 主成分回歸法 主成分回歸分析是一種多元回歸分析方法，被廣泛應用在化學與測譜學分析中[22]。它利用全部光譜信息并進行壓縮，將高度相關的波長點歸于一個獨立變量，提取為數不多的獨立變量建立回歸方程，通過內部檢驗來防止過度擬合。用預測均方根誤差（RMSEP）來評價模型的預測能力。

其中：ym是土壤重金屬含量實測值，yp是對應的模型預測值。

部分學者用主成分回歸分析方法取得了很好的預測效果。Wu等[10]用 PCR 法建立了室內土壤光譜與Hg含量的反演模型， 二者相關系數R=0.69，均方根誤差RMSE=0.15。任紅艷等[22]利用在實驗室獲取的礦區農田土壤可見-近紅外反射光譜與土壤As和Fe的濃度數據構建了反演As和Fe的PCR預測模型，并指出其預測能力要優于偏最小二乘回歸預測模型。但現有研究也證明PCR預測能力要受重金屬種類的影響[24，25]，如Islam等[24]用紫外-近紅外-可見光譜反演了農業土壤中Ca、Mg等元素的含量，但對K、Na元素的反演能力就差。

2.2.3 偏最小二乘回歸法 偏最小二乘回歸方法作為一種有效的光譜分析方法，在光譜數據處理中已得到廣泛應用。該方法提供一種多對多線性回歸建模的方法，當兩組變量的個數很多，且都存在多重相關性，而觀測數據的數量又較少時，與傳統的多元線性回歸分析方法相比，PLSR方法解決了多元線性回歸方法所面臨的多重共線性問題，可概括提取光譜信息，從而較為準確地定量反演重金屬元素含量。而且與主成分回歸分析相比，PLSR方法不僅很好地概括光譜信息，而且還要求新生成的成分對因變量（重金屬）有最強的解釋性。在某種意義上，PLSR模型綜合了多元線性回歸和主成分分析兩種方法。此外，與人工神經網絡法（ANN）相比，PLSR 的因子負荷可以形象地揭示自變量與因變量的關系，從而有助于理解利用反射光譜反演無明顯光譜特征重金屬的機理?；谏鲜鲈?，目前研究中廣泛采用PLSR來反演土壤重金屬元素含量，并取得了很好的反演效果[26-30]。模型的反演能力同樣由預測均方根誤差來評價。

國外Kooistra等[31]發現利用河灘土壤的反射光譜可以較好地反演土壤重金屬Zn、Cd的污染水平，指出利用土壤可見-近紅外反射光譜建立的PLSR模型是定量分析河灘土壤成分及重金屬含量的有效途徑。國內Ren等[32]應用PLSR方法，分析長江口鹽沼土壤的反射光譜，定量反演了土壤重金屬As和Cu的含量，并取得了極顯著相關的結果。鄭光輝等[33]用PLSR方法建立反射光譜與土壤As含量之間的模型，通過交叉驗證、估算檢驗建模精度，證明了利用反射光譜反演土壤As含量的可行性。表1列舉了用反射光譜定量反演土壤重金屬含量的主要統計分析方法。

3 模型精度的影響因素分析

在土壤重金屬含量反演模型建立過程中，很多因素會對模型精度產生影響，所以很難全面地估計所建立的光譜模型精度。在不同的研究區域，由于土壤類型[32]、組分和污染水平的不同[34]，模型的應用會受到限制，精度也會受到一定影響。對于同一研究區域，重金屬元素種類、樣品集數量、元素的分析形態及化學分析誤差[9]、高光譜波段范圍的選取[35，36]及高光譜數據的處理方法等因素都會對模型的反演精度產生影響。以下主要就高光譜數據處理方法對模型精度的影響進行總結討論，采取合適的光譜數據處理方法會提高光譜模型的響應預測能力。

3.1 合適的光譜分辨率

合適的光譜分辨率能提高模型反演精度。劉華等[37]通過對光譜采樣間隔為1 nm的土壤反射率和EO-1衛星Hyperion高光譜波段建模效果比較發現，不論是比較預測值與實測值的相關系數，還是相對誤差，前者所建模型對土壤重金屬含量的反演要好于后者，說明光譜分辨率高，對土壤定量反演能力較好。

但研究也證實并不是光譜分辨率越高，重金屬預測精度就越高。有些學者通過對重采樣后降低了光譜分辨率的數據進行分析也取得了較好的預測精度。因重金屬元素光譜特征較寬，不需尖銳的吸收峰，且相對較低的光譜分辨率增強了光譜信噪比， 從而提高了預測精度。鄭光輝等[33]采用經過多元散射校正處理后的數據反演土壤砷的含量，進行2、4、6、8、16、32和64 nm重采樣，分別進行建模、驗證和反演，表明土壤的4 nm分辨率光譜的建模、驗證和估算結果最佳。其他研究也得出類似結論，如Kemper等[8]認為寬的采樣間隔（10或20 nm）減少了噪聲的影響，得出較好的反演結果。但過大的采樣間隔也會損失部分光譜信息，降低模型精度。如黃長平等[38]證實在使用經驗方法估算沒有明顯光譜特征的成分時，光譜分辨率不是一個必要條件，這為模擬衛星傳感器波段反演土壤重金屬含量提供了理論依據。

同時有研究結果表明，不同重金屬元素最佳采樣間隔不同[39]。在實際工作中要根據重金屬種類、土壤理化性質來選取合適的光譜分辨率而提高模型的精度。

3.2 不同光譜預處理方法

為了提高模型預測精度，建模之前先對初始反射光譜進行預處理。研究證實最佳預測結果與光譜預處理方法有關，土壤光譜數據預處理可以消減光譜中因受隨機因素影響而產生的誤差，增強相似光譜之間的差別、突出光譜的特征值，提高重金屬含量的響應能力、回歸模型的穩定性和預測能力[40，41]。然而并非所有的預處理方法都可以取得理想的預測結果。目前常用的光譜預處理方法有一階微分（FD）、二階微分（SD）、光譜倒數對數[log（1/R）]、連續統去除（CR）和多元散射校正（MSC）等。

微分光譜是光譜分析中常用的預處理方法，可消除基線漂移或平緩背景干擾的影響，并可提供比原始光譜更高的分辨率和更清晰的光譜輪廓變換，增強土壤重金屬的光譜信息，提高模型的精度。如王維等[23]證實應用一階微分處理后的光譜逐步回歸表現較好，預測精度高于原始反射率和光譜倒數對數的處理方法。但Wu 等[39]認為一階微分不能明顯提高估算精度，未經任何處理的原始光譜同樣可以表達土壤屬性。Kooistra等[13]研究發現，導數變換并不能顯著提高預測效果，與Volkan等[42]的研究結果一致。

光譜的倒數對數處理方法也具有較理想的處理效果。土壤反射率經對數變化后，不僅增強可見光區的光譜差異（可見光區的原始光譜一般偏低），而且趨向于減少由于光照條件、地形等變化引起的隨機因素影響，提高模型精度。王璐等[16]對天津污灌區土壤光譜特征預測土壤重金屬含量的能力進行了分析和評價，結果表明光譜的倒數對數log（1/R）是估算土壤重金屬元素含量較理想的指標，尤其是對Cd和Pb，檢驗精度R2超過0.8。

多元散射校正方法由于可以有效去除散射影響，提高信噪比，也可以得到最佳建模、驗證和反演結果。任紅艷等[22]利用主成分回歸方法研究礦區農田土壤砷含量與反射光譜的關系時發現多元散射校正可顯著提高模型的估算能力。鄔登巍等[35]通過對樣品的中紅外（MIR）漫反射光譜進行多種預處理，結果表明，依次經平滑、基線校正、多元散射校正預處理能顯著提高中紅外光譜數據的反演精度。

4 高光譜模型在模擬多光譜數據方面的應用

利用現有多光譜遙感傳感器可以進行土壤重金屬元素的監測。不少研究建立了土壤重金屬含量與模擬HyMap、TM、ASTER以及 Quickbird 光譜的關系，雖然模型精度比高光譜數據模型精度略低，但可以進行大面積監測。

王璐等[16]采用PLSR方法對模擬的TM和ASTER多光譜數據進行分析，發現土壤重金屬Cd、Hg和Pb都與TM數據的第三波段（661 nm）和ASTER的第二（658 nm）、第四（1 655 nm）、第五（2 166 nm）波段有較高的相關性，而這些波段與土壤中有機質、氧化鐵以及黏土礦物對光譜的影響波段較接近。同樣李巨寶等[43]通過對土壤樣品重金屬含量和ETM+數據的模擬光譜數據STM進行相關分析，發現位于短波紅外的TM7波段是預測土壤Fe、Zn、Se含量的最佳波段。另外劉華等[37]也用不同的模型進行了土壤室內光譜與相關高/多光譜數據波段匹配模擬的研究。

光譜模擬數據是理想狀態下的結果，實際遙感應用中土壤光譜特征成分（總鐵、有機質以及黏土礦物等）在高/多光譜遙感數據上的表現必然受到植被及大氣等背景信息的干擾和影響。從模擬光譜層次的研究到遙感影像層次的應用還需要考慮更多因素的影響。但以上研究同樣可以為利用遙感技術快速、大面積、有效地進行土壤重金屬動態監測提供理論依據和技術途徑。

5 土壤重金屬含量遙感反演中出現的問題及研究前景

近年來在應用高光譜數據定量反演土壤重金屬含量的研究取得了較大的進展，但存在建模形態單一，特征光譜數據庫數據不足及準確性不高，應用范圍較窄及降噪程度不夠等原因造成的對目標物定量反演準確度不高等方面的問題?？傮w來說，運用高光譜技術估算土壤中重金屬元素含量，其模型擬合總體精度能達到75%～80%，平均相對誤差30%～40%，驗證精度60%～70%[15]。

因野外獲取反射光譜或者高空遙感應用會受到很多因素影響，如地表狀況（粗細度、土壤濕度、植被覆蓋等）、大氣吸收和光照情況等，目前用遙感手段對土壤重金屬理化特性研究的工作多局限于實驗室的光譜分析。以實驗室反射光譜預測研究為基礎，介于實驗室反射光譜和高空遙感應用之間的野外土壤反射光譜研究將是未來研究重點。隨著遙感技術的不斷創新，遙感反演土壤重金屬含量的方法也越來越多。建立更適合于現有遙感技術的模型來反演土壤重金屬含量以及提高模型的模擬精度將是未來研究的主要目標。

參考文獻：

[1] 林凡華，陳海博，白 軍.土壤環境中重金屬污染危害的研究[J].環境科學與管理，2007，32（7）：74-76.

[2] 陳興蘭，楊成波.土壤重金屬污染、生態效應及植物修復技術[J]. 環境整治，2010（3）：58-62.

[3] 吳健生，宋 靜，鄭茂坤，等.土壤重金屬全量監測方法研究進展[J].東北農業大學學報，2011，42（5）：133-139.

[4] 李湘洲.重金屬鉛和鎘對土壤與作物的危害及防治[J]. 經濟林研究，2000，18（4）：12-13.

[5] 賀軍亮，蔣建軍，孫中偉，等.土壤重金屬含量光譜估算模型的初步研究[J].農機化研究，2009（9）：22-25.

[6] WU Y Z， CHEN J， JI J F， et al. A mechanism study of reflectance spectroscopy for investigating heavy metals in soils[J].Soil Science Society of America Journal，2007，71（3）：918-926.

[7] 解憲麗，孫 波，郝紅濤.土壤可見光-近紅外反射光譜與重金屬含量之間的相關性[J]. 土壤學報，2007，44（6）：982-993.

[8] KEMPER T， SOMMER S. Estimate of heavy metal contaminationin soil after a mining accident using reflectance spectroscopy[J]. Environmental Science and Technology，2002，36（12）：2742-2747.

[9] SIEBIELEC G， MCCARTY G W， STUCZYNSKI T I， et al. Near-and mid-infrared diffuse reflectance spectroscopy for measuring soil metal content[J]. Journal of Environmental Quality， 2004， 33（6）：2056-2069.

[10] WU Y Z， CHEN J， JI J F， et al. Feasibility of reflectance spectroscopy for the assessment of soil mercury contamination[J]. Environmental Science & Technology，2005，39（3）：873-878.

[11] 李淑敏，李 紅，孫丹峰，等.利用光譜技術分析北京地區農業土壤重金屬光譜特征[J].土壤通報，2011，42（3）：730-735.

[12] MOROS J， DE VALLEJUELO S F， GREDILLA A， et al. Use of reflectance infrared spectroscopy for monitoring the metal content of the estuarine sediments of the Nerbioi-Ibaizabal River（metropolitan bilbao， bay of biscay， basque country）[J]. Environmental Science & Technology，2009，43（24）：9314-9320.

[13] KOOISTRA L， WEHRENS R， LEUVEN R， et al. Possibilities of visible-near-infrared spectroscopy for the assessment of soil contamination in river floodplains[J]. Analytica Chimica Acta， 2001，446（1-2）：97-105.

[14] 汪善勤，舒 寧.土壤定量遙感技術研究進展[J]. 遙感信息，2007（6）：89-93.

[15] 孫 華.土壤重金屬污染修復及其遙感評價研究概述[J]. 浙江師范大學學報（自然科學版），2005，28（4）：446-450.

[16] 王 璐，藺啟忠，賈 東，等.基于反射光譜預測土壤重金屬元素含量的研究[J].遙感學報，2007，11（6）：906-913.

[17] 龔紹琦，王 鑫，沈潤平，等.濱海鹽土重金屬含量高光譜遙感研究[J]. 遙感技術與應用，2010，25（2）：169-177.

[18] 任紅艷.寶山礦區農田土壤――水稻系統重金屬污染的遙感監測[D].南京：南京農業大學，2008.

[19] 吳昀昭. 南京城郊農業土壤重金屬污染的遙感地球化學基礎研究[D]. 南京：南京大學，2005.

[20] 蔣建軍，徐 軍，賀軍亮，等.基于有機質診斷指數的土壤鎘含量反演方法研究[J].土壤學報，2009，46（1）：177-182.

[21] JANIK L J， FORRESTER S T， RAWSON A. The prediction of soil chemical and physical properties from mid-infrared spectroscopy and combined partial least-squares regression and neural networks （PLS-NN） analysis[J]. Chemometrics and Intelligent Laboratory Systems，2009，97（2）：179-188.

[22] 任紅艷， 莊大方， 邱冬生， 等. 礦區農田土壤砷污染的可見-近紅外反射光譜分析研究[J]. 光譜學與光譜分析，2009，29（1）：114-118.

[23] 王 維，沈潤平，吉曹翔. 基于高光譜的土壤重金屬銅的反演研究[J]. 遙感技術與應用，2011，26（3）：348-354.

[24] ISLAM K， SINGH B， MCBRATNEY A. Simultaneous estimation of several soil properties by ultra-violet， visible， and near-infrared reflectance spectroscopy[J]. Australian Journal of Soil Research，2003，41（6）：1101-1114.

[25] CHANG C W， LAIRD D A， MAUSBACH M J， et al. Near-infrared reflectance spectroscopy-principal components regression analysis of soil properties[J]. Soil Science Society of America Journal，2001，65（2）：480-490.

[26] VISCARRA ROSSEL R A， WALVOORT D J J， MCBRATNEY A B， et al. Visible， near-infrared， mid-infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties[J]. Geoderma，2006，31（1-2）：59-75.

[27] VAN GROENINGEN J W， MUTTERS C S， HORWARTH W R， et al. NIR and DRIFT-MIR spectrometry of soils for predicting soil and crop parameters in a flooded field[J]. Plant Soil，2003，250（1）：155-165.

[28] MOROS J， MARTNEZ-SANCHEZ M J， PEREZ-SIRVENT C， et al. Testing of the region of murcia soils by near infrared diffuse reflectance spectroscopy and chemometrics[J]. Talanta，2009，78（2）：388-398.

[29] SUMMERS D， LEWIS M， OSTENDORF B， et al. Visible near-infrared reflectance spectroscopy as a predictive indicator of soil properties[J]. Ecological Indicators，2011，11（1）：123-131.

[30] CHODAK M， NIKLINSKA M， BEESE F. Near-infrared spectroscopy for analysis of chemical and microbiological properties of forest soil organic horizons in a heavy-metal-polluted area[J]. Biol Fertil Soils，2007，44（1）：171-180.

[31] KOOISTRA L， WANDERS J， EPEMA G F， et al. The potential of field spectroscopy for the assessment of sediment properties in river floodplains[J]. Analytica Chimica Acta，2003，484（2）：189-200.

[32] REN H Y， ZHUANG D F， SINGH A N， et al. Estimation of As and Cu contamination in agricultural soils around a mining area by reflectance spectroscopy： a case study[J]. Pedosphere，2009，19（6）：719-726.

[33] 鄭光輝，周生路，吳紹華.土壤砷含量高光譜估算模型研究[J].光譜學與光譜分析，2011，31（1）：173-176.

[34] DONG Y W， YANG S Q， XU C Y， et al. Determination of soil parameters in apple-growing regions by near and mid-infrared spectroscopy[J]. Pedosphere，2011，21（5）：591-602.

[35] 鄔登巍，吳昀昭，馬宏瑞. 基于中紅外漫反射光譜的土壤重金屬元素含量預測研究[J]. 光譜學與光譜分析，2010，30（6）：1498-1502.

[36] SONG Y X， LI F L， YANG Z F， et al. Diffuse reflectance spectroscopy for monitoring potentially toxic elements in the agricultural soils of Changjiang River Delta， China[J]. Applied Clay Science，2012，64：75-83.

[37] 劉 華，張利權.崇明東灘鹽沼土壤重金屬含量的高光譜估算模型[J]. 生態學報，2007，27（8）：3427-3434.

[38] 黃長平，劉 波，張 霞，等.土壤重金屬Cu含量遙感反演的波段選擇與最佳光譜分辨率研究[J]. 遙感技術與應用，2010， 25（3）：353-341.

[39] WU Y Z，CHEN J，WU X M，et al. Possibilities of reflectance spectroscopy for the assessment of contaminant elements in suburban soils[J]. Applied Geochemistry，2005，20（6）：1051-1059.

[40] GALVEZ-SOLA L， MORAL R， PEREZ-MURCIA M D， et al. The potential of near infrared reflectance spectroscopy （NIRS） for the estimation of agroindustrial compost quality[J]. Science of the Total Environment，2010，408（6）：1414-1421.

[41] 李民贊.光譜分析技術及其應用[M].北京：科學出版社，2006.

篇8

關鍵詞 地質礦產勘測；高科技技術；應用研究

中圖分類號P5 文獻標識碼A 文章編號 1674-6708（2014）114-0126-02

地質礦產勘測技術發展至今，已經有非常久的歷史了，勘測技術也可以說是各式各樣，伴隨著我國經濟的迅猛發展，工業領域對礦產資源的需求量越來越大，而我們要更加注重的就是要把傳統的勘測技術與現代的先進的新型勘測技術相結合，以提高礦產的勘測工作效率，進而促進我國經濟的發展。

1 中國地質礦產勘測的現狀

我國是一個地大物博的國家，總的礦產儲備量居全世界前幾位，其中有些礦產的儲備量更是居世界第一位，可是我國的人口基數大，人均礦產資源的占有率低于世界平均水平，并且礦產的使用率不高，造成了資源的浪費，這也就加劇了我國對于礦產的迫切需求。自建國以后，我國的礦產勘測技術突飛猛進，為我國的經濟建設做出了卓越的貢獻。不過，我們應該清醒的認識到，雖然我國的礦產儲備量很高，但是還有個別種類的礦產資源滿足不了我國的經濟建設需求，仍需要從外國進口，這就要求我們要不斷的改進勘測技術，使用高科技技術，找到更多的礦產資源。

2 新形勢下高科技在地質礦產勘測中的應用

2.1 GPS在地質礦產勘測中的應用

2.1.1 GPS含義和原理

全球定位系統（英語：Global Positioning System）通稱GPS，它是一個中距離的原型軌道衛星導航系統，可以為地球表面的絕大部分地區提供準確的定位、測速和高精度的時間標準。該系統包括太空中的24顆GPS衛星；地面上1個主控站、3個數據注入站和5個監測站及作為用戶端的GPS接收機。它需要各個部分的協調工作，才能確保定位的準確從而獲得比較精確地數據。

GPS的工作原理，是對衛星所發出的信號進行處理和匯總，將匯總的數據和信息進行整合，最后對正確的空間位置進行定位。DPS技術應用于全球各個領域，尤其對于地質的勘測有極大的幫助，它具有一定的定位功能，發出的信號和提供的數據具有實時性。GPS對于外界的干擾具有很好的抵制作用，抗干擾能力強，而且對于數據具有保密的功能。GPS主要由九個部分組成，分別是五個監控站、三個注入站和一個主控站。主控站主要是對衛星發出的信號和數據進行分析和整合，然后傳輸到注入站，注入站再將這些信息和數據輸送到存儲器中，然后GPS將定位的結果呈現出來。

2.2 GPS在地質礦產勘測工作中的具體應用步驟

2.2.1 GPS進行野外采集的準備工作

首先將GPS進行初始化，使GPS不留原始的數據，這樣才能更準確地定位。在初始化完成后，相關的工作人員要建立橫向和縱向的測量系統，在用GPS進行定位時，最好使用兩臺或兩臺以上的GPS，以其中的一臺作為基準，另外兩臺作為數據的參考，找出這三臺GPS在定位中存在的誤差，最后綜合這三臺GPS的定位狀況，做出合理分析，得出最終的結論。需要注意的是，在進行野外定位之前，需要對每一臺GPS進行初始化設定，從而使三臺GPS達到同步的標準。

2.2.2 對GPS野外站點進行位置的選擇

通常進行地質勘測的地區都位于山區，山區的樹木茂盛，通視條件一般都比較差，于是，在進行野外站點的選擇時，要根據當地的實際狀況，盡量選擇通視條件較好，視野相對開闊的地方，這樣有利于衛星對當地數據的收集，提高GPS定位的精確度。

2.2.3 GPS野外站點的數據采集工作

GPS在進行數據采集的時候，數據的精確度受到衛星的高度、當地對衛星干擾的大小等方面的影響。所以，在信息采集的時候，要保持衛星信號的良好，進行數據采集時要保持15分鐘以上，根據距離的長度，相應的增加數據采集的時間。如在定位的距離大于5000時，數據的采集工作要持續30分鐘以上。如果定位的距離大于10千米時，數據采集工作要持續45分鐘以上。

2.2.4 GPS對觀測到的數據進行處理

將三臺GPS所收集的數據進行整合，得出最準確的數據信息。在進行結算的時候，各項數據都要進行準確的輸入，否則都會使整個地質勘測工作無法正常的運行，數據要保留小數點后的四位，盡量地提高數據結算的精確度。

2.3 遙感技術在地質勘測工作中的應用

2.3.1 遙感技術對礦產資源的識別作用

巖石的類別和組成成分是礦物質形成的基礎條件，遙感通過對一類巖石的類型和組成成分進行分析，進行數據的整合，發現巖石中是否有礦物質或預測這類巖石是否有成礦的可能性。遙感技術對巖石類別的識別主要通過圖像的增強效果、圖像的變換和進行圖像分析的方法，通過增強巖石在圖像中的色調、顏色和紋理，從而更清晰地觀察巖石的類別。遙感技術在礦產勘測的工作中發揮著重要的作用。

遙感技術對巖石類型的識別主要依靠光譜和空間特征的差異，高光譜下的遙感技術具有分辨率高、數據精確等特點，近年來被廣泛應用于地質礦產的勘測工作。高光譜的遙感可以有效地區分巖石的含礦量，提高礦產勘測的效率。

2.3.2 遙感技術在礦產勘測工作中可以提供礦化蝕變信息

巖石蝕變信息的收集與提取是礦產勘測工作中的一項重要內容，巖石蝕變的類別與巖石的化學成分、相關的礦床類別是密切相關的、巖石蝕變的范圍通常大于巖石礦化的范圍，因此，巖石蝕變可作為礦產勘探一個重要方法，有助于進行礦產的勘測工作。

巖石蝕變時，其在種類、顏色、結構等方面與其他周圍的巖石具有一定的差別，這些差別用遙感技術鑒別時體現出光譜的差異。光譜的差異為遙感技術提取礦物信息提供了有力的保障，因此，可以通過遙感技術進行礦產的勘測工作。

2.3.3 遙感技術對地質構造信息的提取

遙感技術對地質構造信息的提取是礦產勘測工作中的一項重要內容。通過礦產專家的多年實踐，礦化蝕變帶是有規律可循的，它總是沿著一定地質構造分布。遙感技術對地質構造信息的獲取主要呈現出線性的影像和環行的影像，根據不同的成礦條件，可以得出不同的成礦信息。

有些巖石區域的成礦紋理比較模糊，遙感技術使巖石的線性行跡、紋理等信息變得清晰，通過遙感技術對呈現的影像進行相關的處理，如增強邊緣的線條、通過比值的分析，使構造的輪廓清晰地展現出來。遙感技術通過對線性和環行的影像進行分析和統計，確定礦物的構造和分布情況，確定礦產分布的規律，對地質礦產的勘測工作具有重要意義。

4 結論

20世紀以來，一系列高科技技術已經被廣泛的應用于地質礦產勘測的工作中，新技術、新理念的應用大大提高了地質礦物勘測工作的效率，擴大了礦產資源的開采。加強礦產資源的勘測與開發，獲取更多的礦產勘測信息，需要更精準的高科技技術的支持。

參考文獻

篇9

關鍵詞：航空遙感技術、現狀、應用、趨勢、成就

中圖分類號：TP7文獻標識碼： A 文章編號：

一、航空遙感的發展現狀

一九六零年美國的學者就提出了遙感這一概念，這是一項FQ綜合技術，將其定義為以攝影方式或以非攝影方式獲得被探測目標的圖像或數據的技術，是為了更加全面的描述這種技術和方法，從現實的意義來分析，通常我們把它稱為一種遠離的目標，通過非直接接觸而判定、測量并分析目標性質的技術。一九七二年第一顆地球資源衛生發射升空，一直以來，法國、美國、俄羅斯、日本、印度以及中國等國家陸續發射了對地觀測的衛星，并且越來越多。如今，大氣窗口的全部都已被衛星遙感的多傳感器技術所覆蓋，光學遙感包含以下幾種：近紅外、見光及短波紅外區，以探測目標物的反射和散射熱紅外遙感的波長可從8／an到14Inn，以射率和溫度等輻射特征，微波遙感的波長是從1mm到100cm的范圍，其中被動微波遙感主要是以目標的散發射率與溫度的探測為主，主動微波遙感通過合成孔徑雷達探測目標的反向散射特征。微波遙感能夠全天時、全天候的對地進行觀測，雷達干涉的測量多數采用兩付天線同步成像，或者是一付天線需要隔一段時間之后重復成像，利用同名像點的相位差對地面目標的三維坐標進行測定，精度可以達到5In～10In，差分干涉測量定相對位移量的精度更高，在自動獲取數字高程模型的精度上得到很大的提高。航空航天遙感對地定位不依賴地面的控制，也就是對影像目標的實地位置能夠確定，過去的一個世紀中取得的重大成果中就包括從空中和太空觀測地球獲取影像，體出了多平臺多傳感器航空航天遙感數據獲取技術趨向于三高。多平臺多傳感器航空航天遙感數據獲取技術有著非常快速的發展，并趨向于高空間分辨率、高光譜分辨率及高時向分辨率。在二零零一年衛星遙感的空間分辨率有了快速的提高，而時間分辨率的提高則是由于小衛星技術的快速發展，傳感器與小衛星星座的大角度傾斜可以以1d～3d的周期獲得感興趣地區的遙感影像。

因為具有全天候全天時的特征，以及應用INSAR和東一INSAR進行高精度三維地形及其變化測定的可能性，因此，全世界各國家都在普遍關心的就是SAR雷達衛星。在機載和星載SAR傳感器以及應用研究方面我們國家還處于形成體系的階段，如今，我們國家將把遙感數據獲取的方法全面推進，從而形成自主的高分辨率資源衛星、雷達衛星、測圖衛星和對環境與災害進行實時監測的小衛星群。

二、航空遙感技術的應用

從遙感科學的本質來分析，就是通過對地球表層的遙感，如巖石圈、大氣圈、水圈以及生物圈都屬于地球表層。根據遙感儀器所選用的波譜性質遙感技術可以分為以下幾種，聲納遙感技術、電磁波遙感技術、物理場遙感技術等。電磁波遙感技術是利用各種物體或物質反射出不同的特性的電磁波而進行遙感。包括見光、微波及紅外等遙感技術。按照感測目標的能源作用可以分為以下兩種技術，包括：被動式遙感技術、主動式遙感技術。如果按照記錄信息的表現形式來分的話，可以分為圖像方式以及非圖像方式，若按遙感器使用的平臺來分，可以分為航空遙感技術、航天遙感技術、地面遙感技術等三種技術。從遙感的應用領域來分的話，可以分為環境遙感技術、地球資源遙感技術、海洋遙感技術以及氣象遙感技術等。遙感應用具體包括：土地資源調查、陸地水資源調查、植被資源調查、城市遙感調查、地質調查、海洋資源調查、環境資源調查以及考古調查與規劃管理等。

三、我國航空遙感技術的發展趨勢

科學技術在不斷的進步，光譜信息逐漸趨向成像化，雷達成像向多極化發展，光學探測多向化，地學分析也越來越智能化，環境研究也向動態化發展，資源研究方面也趨于定量化，這對遙感技術的實時性有很大的提高，并且對遙感技術的運行性也起到很大的提高作用，使它向多頻率、多尺度、全天候的方向發展，與此同時，還要向高效快速以及高精度的目標發展下去。其一、隨著高性能新型傳感器研制開發水平的不斷提高，以及環境資源遙感對高精度遙感數據的要求越來越高，高光譜分辨率以及高空間已經成為衛星遙感影像獲取技術的未來發展方向。遙感傳感器的改進與突破重點體現在像光譜儀和雷達上，高分辨率的遙感資料對地質勘測以及海洋陸地的生物資源調查都有非常顯著的效果。其二、全天候全天時獲取影像并穿透地物是雷達遙感具有的能力，并且在對地觀測領域有很大的優勢。無論是干涉雷達技術，還是被動微波合成孔徑成像技術，還是三維成維技術及植物穿透性寬波段雷達技術都在發揮著越來越重要的作用，并且也是實現全天候對地觀測的非常主要的技術，使環境資源的動態監測能力得到很大的提高。其三、不斷開發陸地表面溫度及發射率的分離技術，并使其得以完善，對陸地表面的能量交換進行定量估算并進行監測，除此之外，還要對平衡過程進行監測，這會在全球氣候變化的研究中起到更大的作用。其四、由航空、航天與地面觀測臺站網絡等組成的并且以地球作為研究對象的綜合對地觀測數據獲取系統，不但具有提供定性、定位、定量的能力，而且還具有提供全天候、全空間及全時域的數據能力，為資源開發、地學研究、環境保護及區域經濟的持續發展提供科學數據，同時提供信息服務。

四、我國在航天遙感技術方面已取得的巨大成就

在對地觀測系統中一項重要的組成部分就是航空遙感，無論是在災害應急響應監測方面，還是在高精度地表測量中以及礦產資源探測等領域都發揮著非常重要的作用。有了863計劃等國家科技計劃的支持，我們國家一直堅持自主創造并不斷創新，在無人機遙感、高精度輕小型航空遙感、高效能航空SAR遙感等領域都自主研發了紅外、可見光、激光、合成孔徑雷達等航空遙感傳感器，技術非常先進并且實用性很強，把國外的技術壟斷與技術壁壘徹底打破了，研發出一系列的軟件及硬件產品，并且是適合我們國家國情的產品，形成獨具特色的全國航空遙感網，應用領域包括地礦、測繪、環保、農業、水利、減災、交通、軍事以及一些重大的工程建設，并且發揮出了非常重要的作用。如今，我們國家的遙感技術在國際中處于領導者的地位。

由高精度小型化POS、高精度輕型組合寬角數字相機、穩定平臺、輕小型機載LIDAR、超輕型飛機（或無人機）和相應軟件組成了高精度輕小型航空遙感系統。此系統與國外一些同類的產品相比，具有以下優點：重量輕、體積水、成本低、功能全并且操作起來非常方便，更重要的是擁有自主知識產權，主要應用于大比例尺測繪、高分辨率對地觀測、數字城市建設以及重大自然災害應急響應等方面，不但可以節省大量的人力、物力以及財力，而且對于遙感工作效率及效益有很大的提高。

高效能航空SAR遙感應用系統不但突破了系統總體與系統集成、X波段干涉SAR、P波段極化SAR技術，而且還突破了地形測圖處理技術，技術指標要滿足測圖精度的要求，這樣才能有利于技術流程及標準的形成，把國外技術的封鎖徹底打破了，使國內的空白得到了填補，使我國成為世界上第三個擁有先進航空SAR遙感系統的國家。

參考文獻：

［1］馬藹乃．遙感概論．北京：科學出版社，1984

［2］浦瑞良，宮鵬．高光譜遙感及其應用．北京：高等教育出版社，2OO0

篇10

關鍵詞:遙感技術 信息提取 找礦

遙感技術(Remote Sensing)即遙遠的感知,是20世紀60年代興起并迅速發展起來的一門綜合性探測技術,它是在航空攝影測量基礎上,隨著空間技術、信息技術、電子計算機技術等當代高新技術的迅速發展,以及地學、環境等學科發展的需要,逐步形成發展的一門新興交叉科學技術。具有宏觀、動態、綜合、快速、多層次、多時相的優勢。在新技術迅猛發展的今天,遙感技術伴隨著航空、航天技術的發展而不斷提高與完善,服務領域不斷擴展,受到普遍重視,顯示出極其廣泛的應用價值、良好的經濟效益和巨大的生命力。

1、遙感信息提取

全球變化的研究涉及一系列重大全球性環境問題,提出了大量關系到地球的重要科學問題。由于涉及的范圍極其廣泛,因而具有高度綜合和交叉學科研究的特點。葉篤正先生曾指出,“全球環境是一個不可分割的整體,任何區域的環境變化都要受到整體環境變化的制約;反過來,整體環境的變化又是各區域相互影響著的環境變化的綜合體”。遙感作為獲取地球表面時空多變要素的先進方法,是地球系統科學研究的重要組成部分,是對全球變化進行動態監測不可替代的手段。陳述彭先生指出,沒有遙感,就提不出全球變化這樣的科學問題。所以遙感對地理信息學科具有巨大的推動作用,就像望遠鏡對天文學和物理學的推動作用一樣。遙感科學的意義在于:對傳統地理學來說,遙感要求從定性到定量描述;對傳統物理學來說,遙感要求在像元尺度上對局地尺度上定義的概念、推導出的物理定律、定理的適用性進行檢驗和糾正,而這種糾正是與像元尺度上的地學定量描述密不可分的。

1.1 遙感圖像掩膜處理

衛星遙感圖像處理,尤其是提取礦化蝕變等微弱遙感信息,需要針對工作區選取盡可能小的圖像范圍,同時要對工作區范圍內圖像中的云霧、水體、冰雪、植被、大面積風成土壤等干擾進行掩膜等處理,然后才能進行圖像處理。

1.2 去相關拉伸

去相關拉伸變換是原始光譜波段的一種線性變換,這種變換通常是原始光譜波段的加權總和與差。研究表明該方法對一些遙感圖像數據有效,能產生好的圖像效果和提供新的洞察點;利用這種圖像處理方法主要目的是提取一些方法不能提取的一些重要礦化蝕變、侵入體及構造等遙感信息。

1.3 卷積增強

遙感圖像上的線性特征,特別是和地質構造和成礦環境有關的線性體和斷裂構造的增強處理和分析是遙感圖像處理和研究的一個重要方面。對數字圖像而言,線性體信息提取目前主要有梯度閾值法、模板卷積法、超曲面擬合法、曲線追蹤和區域生長等,地質遙感線性體信息提取采用模板卷積濾波算法效果較好,它是一種鄰域處理技術,即通過一定尺寸的模板(矩陣)對原圖像進行卷積運算來實現的。

2、遙感技術在地質找礦中的應用現狀

長期以來,地質工作者迫切希望能有一種目的性明確、“窺一斑而知全豹”的理論和方法來指導找礦。因此遙感技術以其獨有的特點在地質找礦中的作用顯得尤為重要。應用遙感與地質資料進行綜合分析、預測區域成礦遠景等已取得了很多成果。遙感技術在地質找礦中的應用主要表現在兩個方面:(1)通過研究遙感影像上的地質構造與成礦的關系,認識成礦規律并圈定找礦遠景區。(2)是通過對遙感圖像進行增強處理,綜合分析,提取一定的地質信息,從而為成礦預測提供有用資料。遙感圖像早已非常成功地應用于農、林、水利和交通等部門的調查和規劃。在我國最早使用遙感圖像的是地質行業,其主要任務就是用于地質找礦。

3、遙感技術信息提取在找礦中應用的相關技術

3.1 遙感圖像分析找礦

遙感圖像分析找礦是利用各種航天與航空遙感圖像進行目視判讀,分析已知礦產地質的圖像特征,結合地質背景、成礦條件及物化探異常,根據類比的原則從已知推未知,可進行一定的成礦預測。使用大比例尺航空像片,尤其是彩色和紅外彩色像片,能直接識別原生礦體及礦化地區的露頭,尤其是金屬礦床及露頭的特異彩色形成良好的找礦標志。例如在彩色航片上磁鐵礦、錳礦、煤礦等呈深灰色或黑色;赤鐵礦、斑銅礦為紅色;孔雀石、銅礦、次生鈾礦、次生鉻礦為綠色;風化的鐵帽常呈褐色;鹽礦、石英脈礦呈白色等。由于礦體露頭與圍巖抗風化、抗侵蝕能力不同,形成巖墻或溝谷,也可直接識別。此外,人工開采區的采礦場、豎井、平峒、廢石堆、尾砂等在圖像上也能直接識別。

3.2 遙感圖像提取礦產信息進行成礦預測

遙感圖像提取礦產信息進行成礦預測是利用遙感圖像處理技術對遙感圖像進行處理,提取礦床、礦化有關信息,如蝕變帶、氧化帶、鐵帽等含礦地質體或某元素地球化學異常區,直接顯示在圖像上,從而達到找礦的目的。

3.3 遙感圖像地質綜合分析找礦

遙感圖像地質綜合分析找礦是以區域地質演化與成礦規律分析為基礎,確定出調查區內主要的成礦模式與控礦的地質要素,根據控礦地質要素的遙感信息特征(包括的與隱伏的)選取一定的圖像處理方案,進行有關地質信息的增強或提取處理,同時結合物化探資料進行目視圖像分析。物化探資料的圖像化及用數學地質與遙感地質相結合的方法進行成礦預測,是遙感地質綜合找礦向縱深發展的新趨勢。

4、結語

目前遙感已成為地質調查和資源勘查與監測的重要技術手段。應用范圍已由區域地質、礦產勘查、水文地質、工程地質、環境地質勘查擴大到農業地質、旅游地質、國土資源、土地利用、城市綜合調查、環境監測等許多領域。應用技術方法水平隨著遙感和計算機技術的發展也有了很大的提高,應用效果和社會經濟效益也愈來愈明顯。

參考文獻

[1]陳述.遙感技術與遙感數字圖像分析處理方法、解譯制圖及其綜合應用實務全書[M].銀川:寧夏大地音像出版社,2005.9:90-92.