前言：中文期刊網精心挑選了高光譜遙感原理范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
高光譜遙感原理范文1
一、引言
多/高光譜遙感，是多/高光譜分辨率遙感測量的簡稱，它是從感興趣的物體中獲取許多比較窄、光譜連續的影像數據，并獲取相應數據的技術。其工作范圍是在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內。多/高光譜遙感可以探測到可見光等不可探測或者很難探測到的物質。因而，多/高光譜遙感測量的出現是遙感領域的一次突破性革命。
多/高光譜遙感具有信息量大、光譜分析率高和圖譜合一等優點，它可以實現同步獲取目標信息、光譜信息以及輻射信息等優勢，更為重要的是，多/高光譜遙感不需要人為信號源。多/高光譜遙感自誕生起就受到各個國家的重視和追捧，截至目前為止，多/高光譜遙感已經在地質勘探與地球資源調查、城市遙感與規劃管理、環境與災害監測、精細農業、深空探測以及軍事目標識別等多個方面有了實質性的應用[2]，但是，它的前景依舊不可估量。多/高光譜遙感基本上屬于無損、非接觸式的檢測，而文物古跡大多年代久遠，有不可復原性，很難承受接觸式測量帶來的損傷和破壞，在這一點上，多/高光譜遙感和文物古跡保護不謀而合，將多/高光譜遙感和文物古跡保護有機的結合起來，是現代科學技術發展的趨勢，也是考古界的需求和呼聲。
本文主要探討多/高光譜遙感在樂山文物古跡保護方面的應用，結合樂山市的具體信息，做出合理的分析和規劃。
二、多/高光譜遙感在樂山大佛保護上的應用
很多的文物古跡都歷經千百年時間，其表面或者內部都多少有一些損傷、風化或者腐蝕。這些文物又往往具有很高的歷史價值，不能夠隨意進行接觸式檢測和調研，這對文物受損程度的評判帶來了巨大的問題。
樂山大佛已經有了上千年的歷史，大佛表面受到的磨損情況十分嚴重。根據相關專家的推算，現在我們看到的大佛，已經比最初的大佛“清瘦”了許多，也就是說，樂山大佛表面受到的風化和腐蝕情況十分嚴重。而大佛表面受損的情況，如果采用接觸式的方法，一方面難度極大，效果不會很理想；另一方面，會對大佛表面產生傷害，進一步加強其表面的風蝕等。多/高光譜遙感則可以很好的解決這個問題，多/高光譜遙感是一種非接觸式檢測方法，既降低了檢測成本，又保護了文物古跡，是一種較為可靠的方法。
我們知道，不同的物質對于多/高光譜遙感圖像的不同波段有著不同的反應，這是基于多/高光譜遙感的特性。通過這些特性我們可以獲得文物的一些內部信息，這些信息是很難通過文物表面檢測而獲得的。實際應用中，只要找到對大佛中的隱含信息較為敏感的波段，使用這些波段對其進行深入的研究，就可以獲取一些普通方式無法獲取的特征，從而可以恢復出一些已經消失的信息。此種技術已經在實際中有過采用的先例，例如，英國《星期日泰晤士報》于2006年5月28日首次向公眾披露，塞拉奇尼借助多光譜成像技術成功地發現了達?芬奇的《三博士來朝》這幅世界名畫背后的血腥的場面。
因此，如果我們把多/高光譜遙感應用在樂山大佛的保護上，將會卓有成效。一方面，我們可以通過多/高光譜遙感的信息，了解大佛本身的受損情況，并針對這些問題做出更好的保護措施，避免大佛受到進一步的傷害；另一方面，我們可以從大佛身上獲得更多信息，預測大佛表面一些可能發生的問題，例如何處已經出現裂隙，何處已經出現凹陷，通過這些方面，我們可以防患于未然，在真正發生不可挽回損失之前就發現這些問題。
三、多/高光譜遙感在文物斷代上的應用
多/高光譜遙感在文物的斷代方面也有很好的作用。根據遙感學知識，即便是同一類型的文物，由于其年代不同，其原材料、加工工藝等方面都是大相徑庭的，這些因素反應到成份上就造成了其光譜特征的不同。如果我們采用多/高光譜遙感對文物進行處理，就可以很容易的發現文物所含的成分特征，進而可以推斷出文物大致的年限。但是，使用多/高光譜遙感對文物進行斷代，需要通過測試大量相應的同類型材料樣品，進而獲得大量的數據，并通過這些數據建立一個豐富的光譜指紋數據庫。通過這個數據庫，我們就有了對比的準則，從而可以準確確定文物的年代。因此，如何建立一個數據量足夠大的數據庫，如何使得數據庫的數據盡可能的涵蓋各個方面，如何維護這個數據庫，這些都是多/高光譜遙感在文物斷代方面的一個現實問題。
樂山作為世界聞名的文化遺產豐富地區，擁有著大量的文物儲備。但是，專家們對這些文物中的相當一部分的年代仍然存在著爭議。對這些年限尚不明確的文物進行斷代時就可以考慮使用多/高光譜遙感，相較于傳統的斷代方式，多/高光譜遙感方法可以更好的保護文物，避免斷代時給文物帶來的二次傷害，并且，在測量精度方面也有一定的保障。更多的去采用多/高光譜遙感斷代方法，加快建設更完善的光譜指紋數據庫，從長遠角度來看，是非常有現實意義的。
四、多/高光譜遙感數字博物館
在現代社會中，數字化已經成為了我們生活的大勢所趨，在文物古跡方面也是如此。目前，已經出現了很多的數字博物館，例如北京故宮博物院已經出現了數字紫禁城。但是，我們現在經常的數字博物館，往往所涉及的都是可見光波段的圖像，雖然已經具有很好的效果和實用價值，但是相比較于多/高光譜遙感，我們還有很多可以進一步研究的地方。與可見光相比較，多/高光譜遙感擁有更豐富、更立體的光譜信息，把多/高光譜遙感嘗試應用到數字博物館中，將會是一個很好的選擇。普通的基于可見光的數字立體圖像僅僅是對文物的空間信息進行了記錄和再現，缺乏對文物的進一步信息的全方位立體的保存和重現，這使得我們在對文物做深入研究時有很大的局限性。
多/高光譜遙感相比較于可見光，可以獲得更多的信息，除了三維信息、顏色信息之外，還有光譜信息。光譜信息是一個很廣泛的事物，通過光譜信息，我們可以了解許多隱含的信息，例如文物的材質組成、歷史變化、三維結構和外觀形態等。多/高光譜遙感可以通過這些信息了解文物古跡的受損情況、年代推算，還可以對文物進行完好度評估，以及推算出受損文物的原貌等等。例如，埃及考古學家通過多/高光譜遙感技術，對已經淹沒海底的古亞歷山大港進行了數字重現，獲得了極好的效果，古亞歷山大港已經淹沒海底，接觸式的測量和評估是不現實的，多/高光譜遙感則為科學家們提供了很好的評估手段，對沉睡海底千年的古城重新展現在人們眼前。
結合于樂山市，通過多/高光譜遙感建立數字博物館也是很必要的選擇。如果建立樂山大佛或者峨眉山景區的多/高光譜遙感數字博物館，一方面，我們可以利用多/高光譜遙感獲得的文物古跡的光譜信息，對文物進行分析，更好地去保護這些樂山地區的文物古跡；另一方面，我們可以將獲得的光譜信息和文物的普通信息一同展示出來，以數字博物館的形式向人們展示，更大的信息量，更科學的分析和更合理的保護建議，在觀眾之中一定有更強烈的反響。例如，我們可以將樂山大佛等文物古跡的基于多/高光譜遙感數字博物館放在互聯網上，讓更多的人去了解樂山地區寶貴的歷史資源。無論從文物的保護層面還是所帶來的宣傳效應，這都是很好的選擇。
五、結語
樂山作為一個擁有豐富歷史資源的地區，在現有的保護措施的基礎上，應該著眼于以多/高光譜遙感為例的新科技上，如何利用新科技、新手段去更好地保護文物古跡和推廣文物古跡是現階段我們需要思考的問題。
高光譜遙感原理范文2
關鍵詞：遙感巖石礦物識別；礦化蝕變信息提??；地質構造信息提??；植被波譜特征；多光譜遙感技術；高光譜遙感技術；遙感生物地球化學技術；地質找礦
中圖分類號：TP7文獻標識碼： A 文章編號：
一、遙感技術的地質應用
地質是指地球的性質和特征。主要指地球的物質組成、結構、構造、發育歷史等，包括地球的圈層分異、物理性質、化學性質、巖石性質、礦物成分、巖層和巖體的產出狀態、接觸關系，地球的構造發育史、生物進化史、氣候變遷史，以及礦產資源的賦存狀況和分布規律等。遙感圖像提供了大量的地質信息，包括礦產和環境地質信息，利用這些信息，可以使地質工作者預先熟悉工作區的地質情況，科學決策擬投入的工作量、工作方法和研究目的。所謂遙感地質制圖就是利用遙感的方法完成地質圖的繪制。分為航天遙感地質制圖和航空遙感地質制圖。
1、航天遙感地質制圖
航天遙感是指以航天器為傳感器承載平臺的遙感技術。航天遙感實踐中，針對具體應用需求，選擇不同的傳感器，如成像雷達、多光譜掃描儀等，通過衛星地面站獲取合適的覆蓋范圍的最新圖像數據，利用遙感圖像專業處理軟件對數據進行輻射校正、增強、融合、鑲嵌等處理。同時，借助應用區域現有較大比例尺的地形數據，對影像數據進行投影變換和幾何精確糾正，并從地形圖上獲得主要地名點、主干構造、底層、巖體，以及礦床礦點、物化探異常信息，進行相應的標注和整飾，制作地質數字正射影像圖。
2、 航空遙感地質制圖
所謂航空遙感是指以航空器如飛機、飛艇、熱氣球等為傳感器承載平臺的遙感技術。根據不同的應用目的，選用不同的傳感器，如航空攝影機、多光譜掃描儀、熱紅外掃描儀、CCD 像機等，獲取所需航攝像片和掃描數據進行地質制圖。實踐表明，遙感地質制圖是一項新技術，不僅有它的優點而且也有它的缺點。遙感地質制圖比常規的地質制圖節省了大量的野外工作量，而且對客觀現象的表示優于常規地質圖，其主要的優勢在于周期短、成本低。但是，因為野外工作量少，也帶來一定的缺點。例如地質觀測點的數量、樣品種類和數量、地層和構造產狀等不如常規地質圖詳細充實。
二、遙感技術的找礦應用
1、直接應用———遙感蝕變信息的提取巖漿熱液或汽水熱液使圍巖的結構、構造和成分發生改變的地質作用稱為圍巖蝕變。圍巖蝕變是成礦作用的產物，圍巖蝕變的種類（組合）與圍巖成分、礦床類型有一定的內在聯系，圍巖蝕變的范圍往往大于礦化的范圍，而且不同的蝕變類型與金屬礦化在空間分布上常具規律可循，因此，圍巖蝕變可作為有效的找礦標志。
1.1 蝕變遙感異常找礦標志圍巖蝕變是熱液與原巖相互作用的產物。常見的蝕變有硅化、絹云母化、綠泥石化、云英巖化、夕卡巖化等。
1.2 信息提取的實現與地物發生反射、透射等作用的電磁波是地物信息的載體，地物的光譜特性與其內在的物理化學特性緊密相關，物質成分和結構的差異造成物質內部對不同波長光子的選擇性吸收和反射。具有穩定化學組分和物理結構的巖石礦物具有穩定的本征光譜吸收特征，光譜特征的產生主要是由組成物質的內部離子、基團的晶體場效應或基團的振動效果引起的。各種礦物都有自己獨特的電磁輻射，利用波譜儀對野外采樣進行光譜曲線測量，根據實測光譜與參考資料庫中的參考光譜進行對比，可以確定出樣品的吸收谷，識別出礦物組合。根據曲線的吸收特征，選擇合適的圖像波段進行信息提取。根據量子力學分子群理論，物質的光譜特征為各組成分子光譜特征的簡單疊加。傳感器在空中接收地表物質的光譜特性，因為探測范圍內有干擾介質存在（白云、大氣、水體、陰影、植被、土壤等），因此，在進行蝕變礦物信息提取時，根據干擾物質的光譜曲線出發，進行預處理消除干擾。目前遙感找礦蝕變異常信息的提取有多種方法，例如波段比值法、主成分分析法、光譜角識別法和MPH 技術（MaskPCAandHIS）、混合象元分解等。
2、遙感技術間接找礦的應用
2.1 地質構造信息的提取內生礦產在空間上常產于各類地質構造的邊緣部位及變異部位，重要的礦產主要分布于板塊構造不同塊體的結合部或者近邊界地帶，在時間上一般與地質構造事件相伴而生，礦床多成帶狀分布，成礦帶的規模和地質構造變異大致相當。遙感找礦的地質標志主要反映在空間信息上。從與區域成礦相關的線狀影像中提取信息（主要包括斷裂、節理、推覆體等類型），從中酸性巖體、火山盆地、火山機構及深部巖漿、熱液活動相關的環狀影像提取信息（包括與火山有關的盆地、構造），從礦源層、賦礦巖層相關的帶狀影像提取信息（主要表現為巖層信息），從與控礦斷裂交切形成的塊狀影像及與成礦有關的色異常中提取信息（如與蝕變、接觸帶有關的色環、色帶、色塊等）。當斷裂是主要控礦構造時，對斷裂構造遙感信息進行重點提取會取得一定的成效。遙感系統在成像過程中可能產生“模糊作用”，常使用戶感興趣的線性形跡、紋理等信息顯示得不清晰、不易識別。人們通過目視解譯和人機交互式方法，對遙感影像進行處理，如邊緣增強、灰度拉伸、方向濾波、比值分析、卷積運算等，可以將這些構造信息明顯地突現出來。除此之外，遙感還可通過地表巖性、構造、地貌、水系分布、植被分布等特征來提取隱伏的構造信息，如褶皺、斷裂等。提取線性信息的主要技術是邊緣增強。
2.2 礦床改造信息標志礦床形成以后，由于所在環境、空間位置的變化會引起礦床某些性狀的改變。利用不同時相遙感圖像的宏觀對比，可以研究礦床的剝蝕改造作用;結合礦床成礦深度的研究，可以對此類礦床的產出部位進行判斷。通過研究區域夷平面與礦床位置的關系，可以找尋不同礦床在不同夷平面的產出關系及分布規律，建立夷平面的找礦標志。另外，遙感圖像還可進行巖性類型的區分應用于地質填圖，是區域地質填圖的理想技術之一，有利于在區域范圍內迅速圈定找礦靶區。
三、遙感找礦的發展前景
1、高光譜數據及微波遙感的應用
高光譜是集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體的綜合性技術。它利用成像光譜儀以納米級的光譜分辨率,成像的同時記錄下成百條的光譜通道數據, 從每個像元上均可以提取一條連續的光譜曲線, 實現了地物空間信息、輻射信息、光譜信息的同步獲取, 因而具有巨大的應用價值和廣闊的發展前景。成像光譜儀獲得的數據具有波段多, 光譜分辨率高、波段相關性高、數據冗余大、空間分辨率高等特點。高光譜圖像的光譜信息層次豐富, 不同的波段具有不同的信息變化量, 通過建立巖石光譜的信息模型, 可反演某些指示礦物的豐度。充分利用高光譜的窄波段、高光譜分辨率的優勢, 結合遙感專題圖件以及利用豐富的紋理信息, 加強高光譜數據的處理應用能力。微波遙感的成像原理不同于光學遙感, 是利用紅外光束投射到物體表面, 由天線接收端接收目標返回的微弱回波并產生可監測的電壓信號, 由此可以判定物體表面的物理結構等特征。
2、3S 的結合。
3S 是遙感（RS）、地理信息系統（GIS）及全球定位系統（GPS）的簡稱。利用GPS 能迅速定位，確定點的位置坐標并科學地管理空間點坐標。海量的遙感數據需龐大的空間，因此要有強大的管理系統，隨著當今人力資源價格的升高，在區域范圍內找礦時，遙感表現出最小投入獲得最大回報的優勢，那么RS 與GIS 的結合也就勢在必行，因為GIS 更有利于區域范圍的影像管理及瀏覽。隨著3S 技術的進展，遙感數據的可解譯程度與解譯速度得到進一步提高。目前，地質工作者嘗試將3S 與VS（可視化系統）、CS（衛星通訊系統）等技術綜合應用，取得了較好的效果.
3、地物化遙的有機融合
礦床的形成是多種地質作用綜合的結果，礦床形成后又會經歷后期的破壞或者疊加成礦作用，因此，任何一種單一的找礦手段都不可避免地遭遇地質多解性的困擾，實現地物化遙多種找礦方法與手段的有機融合，能有效地提高找礦效果，并從總體上降低找礦成本。目前，以遙感信息為主體，結合地質、地球物理、地球化學等多源地學數據的綜合信息找礦法已經形成。
4、遙感植物地球化學
在高植被覆蓋區實現遙感波譜數據與礦致植物地球化學異常的有機融合，將會較好地推進遙感找礦技術在植被覆蓋區的應用。
四、結束語
遙感技術應用于地質找礦必須以現代成礦理論為指導, 以圖像處理手段和綜合解譯分析為主要工作方法, 密切結合野外地質調查, 建立遙感地質找礦模式, 預測找礦遠景區, 縮小找礦靶區, 實現遙感找礦的日的。遙感技術應用于地質找礦, 在地質工作程度較低、地形條件較差、交通不便的高寒地區具有常規地質方法不可替代的優越性, 應綜合運用多種手段, 進行綜合分析研究, 才能充分發抨遙感技術的優勢, 取得更好的找礦效果。
參考文獻
[1]耿新霞.楊建民.張玉君等．遙感技術在地質找礦中的應用及發展前景［J］.地質找礦論叢.2012，23（2）：89－93．
高光譜遙感原理范文3
作者簡介:陳偉（1983-），男，浙江杭州人，博士研究生，主要研究方向：模式識別、高光譜遙感； 余旭初（1963-），男，湖北羅田人，教授，博士生導師，博士，主要研究方向：攝影測量與遙感、模式識別； 張鵬強（1978-），男，甘肅鎮原人，講師，博士，主要研究方向：攝影測量與遙感、序列影像處理。
文章編號:1001-9081（2011）08-02092-05doi:10.3724/SP.J.1087.2011.02092
（1.信息工程大學 測繪學院，鄭州450052； 2.65015部隊，遼寧 大連116023；
3.北京望神州科技有限公司 銷售部，北京100020）
（）
摘 要:高光譜遙感影像具有豐富的光譜信息，在地物識別方面具有明顯的優勢。一類支持向量機（OCSVM）不僅保留了支持向量機的原有優勢，而且只需要待識別類型的訓練樣本。為此提出了算法，通過數學模型選擇、核函數設計與參數的自適應調整將OCSVM原理融入到高光譜影像的地物識別算法中，提高了識別的精度，降低了對訓練樣本的要求。最后利用兩幅高光譜影像進行了實驗分析，實驗結果證明了所提算法的有效性。
關鍵詞:高光譜影像；一類支持向量機；支持向量數據描述；地物識別；參數選擇
中圖分類號: TP391.413文獻標志碼:A
Object recognition based on one-class support vector machine in
hyperspectral image
CHEN Wei1, YU Xu-chu1, ZHANG Peng-qiang1, WANG Zhi-chao2,WANG He3
（1. Institute of Surveying and Mapping, Information Engineering University, Zhengzhou Henan 450052, China；
2. Unit 65105, Dalian Liaoning 116023, China;
3. Sales Department, Digital LandView Technology Company Limited, Beijing 100020, China）
Abstract: The hyperspectral remote sensing image is rich in spectrum information, so it has advantages in object recognition. One-Class Support Vector Machine （OCSVM） not only holds the advantages of support vector machines but also only needs the train samples of the recognized objects. The algorithm proposed in this paper selected mathematical model, designed kernel function, adjusted parameter adaptively, and added the theory of OCSVM into the object recognition algorithm for hyperspectral image which improved the precision of recognition and reduced the demand of train samples. Lastly, the experiments were conducted on two hyperspectral images, and the results prove the validity of the proposed method.
Key words: hyperspectral image; One-Class Support Vector Machine （OCSVM）; Support Vector Data Description （SVDD）; object recognition; parameter selection
0 引言
高光譜遙感將反映目標輻射屬性的光譜與反映目標空間和幾何關系的圖像有機地結合在一起，續寫和完善了光學遙感從黑白全色影像通過多光譜到高光譜的全部影像信息鏈，其圖譜合一的特點為分類、探測及目標識別提供了極大的便利。其應用領域已涵蓋地球科學的各個方面，除了在地質找礦和制圖、大氣和環境監測、農業和森林調查、海洋生物和物理研究等領域發揮著越來越重要的作用之外，還在遙感測繪領域展現出美好的前景［1］。生產突出表示某種地形要素的專題地圖是測繪的重要任務，可以通過分類的方法得到感興趣的目標地物在影像中的分布情況，但是基于分類的方法需要攝影區域中各類地物的訓練樣本，而在實際中獲取訓練樣本的時間和經濟成本較高。高光譜地物識別的目的與目標檢測［2］相似，都是將影像分為目標地物與背景兩部分，此外，與基于光譜匹配的目標檢測方法類似都需要目標地物光譜的先驗信息。但是，基于光譜匹配的目標檢測方法并不完全適用于地物識別的場合，主要原因有以下兩點：首先，基于正交子空間投影（Orthogonal Subspace Projection， OSP）的系列方法、基于最小二乘（Least Squares， LS）的系列方法和子空間匹配方法需要的不僅僅是目標地物光譜的先驗信息，并且需要各類背景地物光譜的先驗信息；其次，目標檢測關心的多是亞像素級的小地物，并且這類地物在影像中的分布較少，而地物識別通常關心植被、水系等分布較廣的地物類型，在這種情況下線性約束最小方差（Linearly Constrained Minimum Variance， LCMV）以及約束能量最?。–onstrained Energy Minimization， CEM）等目標光譜信號約束檢測方法雖然僅需要目標地物光譜的先驗信息，但是會由于目標地物在影像中的分布過多而造成很低的探測精度。在高光譜影像處理中，通常采用光譜角度匹配（Spectral Angle Match， SAM）的方法進行地物識別，利用SAM識別地物，僅需目標地物光譜的先驗信息，并且計算效率較高，但是受到光照變化、相同地物不同質地、成像噪聲等因素的影響，光譜匹配方法很難滿足地物精細識別的要求。
支持向量機（Support Vector Machine， SVM）技術自20世紀90年代以來異軍突起，由于其處理高維小樣本、非線性可分數據時的良好性能，正好滿足了高光譜影像處理的要求，因此在高光譜影像分類［3］與混合像素分解［4］領域都得到了應用。但是地物識別問題與分類問題的不同之處在于，其訓練樣本只有目標地物，因此，普通的SVM算法無法直接應用于地物識別中。一類支持向量機（One-Class Support Vector Machine， OCSVM）是SVM的一種分支算法，與普通的SVM算法需要每個待分類別的訓練樣本相比，OCSVM只需要待識別類型一類的訓練樣本。目前，OCSVM已經在多種檢測問題中得到了應用［5-6］。本文將分析OCSVM算法的原理，并將其應用于高光譜影像地物識別中。
1 算法原理與描述
OCSVM僅需利用待識別類型即正類的樣本進行訓練，就可將樣本分為正類與外點（負類），因此它解決的是一個一分類問題，從機器學習的角度看一類SVM屬于無指導學習問題。從不同的角度出發，Tax等人提出的支持向量數據描述（Support Vector Data Description， SVDD）方法［7］與Schlkopf等人設計的算法［8］，是一類SVM的兩條技術途徑，為便于區分，在后續內容中將Schlkopf等人的算法稱為1-SVM算法。SVDD的目的是計算得到在高維空間中能包含最多正類樣本同時具有最小半徑的超球體，而1-SVM是將一分類問題視為一個特殊的兩類分類問題，并且通過在高維空間中求取正類與原點之間的最大間隔分離超平面來達到一類分類的目的。
對于高光譜影像地物識別而言，基于OCSVM的方法既具有SVM原有的優勢，又有其自身的優點，概括起來主要有以下幾個方面：1）僅需利用待識別地物的訓練樣本，有利于降低訓練樣本獲取的成本和提高作業效率；2）非參數估計，該方法完全依賴于數據本身，而不需要事先對數據的分布進行假設；3）滿足稀疏性條件，即僅需要待識別地物類型少量的訓練樣本，并且僅用較少的數據就可對待識別地物進行精確的描述；4）良好的泛化性能；5）由于核函數的引入使其具有非線性分類能力；6）較快的處理速度，有利于高光譜數據的實時和近實時處理。
下面，首先對OCSVM的兩種主要算法的原理進行分析，然而給出基于OCSVM的高光譜影像地物識別的具體過程。
1.1 SVDD算法
SVDD的基本思想是對正類分布的支撐區域建立一個“小”而“緊”的超球面模型，該超球面需以較大的概率包含盡可能多的正類樣本并盡量排除負類樣本，同時該超球面應該具有較小的半徑，如圖1所示為最小超球面模型，落在超球面上的正類樣本就是支持向量。對于線性不可分的情況，SVDD通過引入松弛變量，以及利用核函數將樣本隱式非線性映射到高維特征空間的方法加以解決。
圖1 SVDD示意圖
由于高光譜地物識別面臨的情況大多數都是非線性的，所以在此直接介紹非線性SVDD，具體方法用數學語言可以描述為：設有訓練樣本集T{Xi|i1,2,…,N}且Xi∈Rl，Φ（?）為原始l維空間至某個高維特征空間F的非線性映射，則SVDD在變換后的高維特征空間中計算尋找最優超球面的任務，可以表示為如下所示的優化問題：
minr,c,ζi r2+C∑Ni1ζi（1）
s.t. Φ（Xi）－a2≤r2+ζi, ζi≥0且i1,2,…,N（2）
其中：r為最優超球面的半徑；a為超球體的質心；?表示歐氏距離；ζi為松弛變量，類似SVM線性不可分的情況，表示允許部分訓練樣本落于超球面之外；C為懲罰系數，用于調節超球面的半徑與超球面包裹訓練樣本數量之間的關系，C的大小與超球體包含樣本數量之間呈正比關系，是需要人工設置的參數。
利用拉格朗日乘子法，同時結合核函數代替高維特征空間F上的內積，可將如式（1）和式（2）所示的優化問題轉化為對偶形式：
minα∑i, jαiαjk（Xi,Xj）－∑iαik（Xi,Xi）（3）
s.t. 0≤αi≤C, ∑iαi1（4）
其中k（?,?）為滿足Mercer條件的核函數。利用二次規劃優化方法可以求解式（3）和式（4）所示的優化問題從而得到α，如果αi0則對應的樣本落于超球面內，若αiC則對應的樣本落于超球面外，而滿足0
f（X）sgn（r2－Φ（X）－c2）
sgn（r2－∑i, jαiαjk（Xi,Xj）+2∑iαik（Xi,X）－k（X,X））（5）
其中超球面的半徑r等于任意一個支持向量到球心的距離。
1.2 1-SVM算法
不同于SVDD構造最小超球面的思想，1-SVM的出發點是在變換后的特征空間中尋找到最優分離超平面，使得正類樣本和原點之間具有最大間隔。圖2為表示1-SVM原理與其參數意義的示意圖。
圖2 1-SVM示意圖
1-SVM通過引入分離超平面和最大間隔的思想，在變換后的特征空間中盡可能地使正類落于分離超平面的一側，而使原點與其他類別落于另一側。設有訓練樣本集T{Xi|i1,2,…,N}且Xi∈Rl，Φ（?）為原始l維空間至某個高維特征空間F的非線性映射，則1-SVM尋找最優分離超平面任務的目標函數可表示為式（6）：
minw,ρ,ζ,b〈w,w〉+∑Ni1ζi－ρ（6）
s.t. 〈w,Φ（Xi）〉≥ρ－ζi; ζi≥0且v∈［0,1］（7）
其中：w和ρ為分離超平面的參數，ρ/w代表間隔的大??；ζi為松弛變量，表示允許部分訓練樣本落于分離超平面的原點一側；v的作用是調節w和ζi之間的關系，是需要設置的變量，代表了訓練樣本識別錯誤率的上限，而vN代表支持向量數量的下限［9］。
如式（6）和式（7）所示的最優分離超平面目標函數可以轉化為如下所示的二次規劃（Quadratic Programming, QP）尋優的對偶問題：
minα∑i, jαiαjk（Xi,Xj）（8）
s.t. 0≤αi≤; ∑iαi1（9）
求解上述QP問題可以得到最終的判別函數：
f（X）sgn（∑iαik（Xi,X）－ρ）（10）
其中：Xi都為支持向量；αi為相應的拉格朗日乘子，且αi滿足0
ρ∑jαjk（Xi,Xj）（11）
1.3 SVDD與1-SVM的相關性分析
SVDD與1-SVM之間有著緊密的聯系，當采用的核函數為分別如式（12）和式（13）所示的高斯徑向基核以及指數徑向基核這類徑向基核函數時：
k（Xi,Xj）exp－（12）
k（Xi,Xj）exp（－qXi－Xj）（13）
如式（3）所示的對偶形式可表示為式（14）:
minα（∑i, jαiαjk（Xi,Xj）-1）（14）
如果再認為C和為相同的變量，則此時在數學形式上SVDD和1-SVM滿足等價關系［8］。
1.4 算法描述
如上所述，SVDD的懲罰系數C負責調節最小化超球體半徑和包含盡可能多的正類樣本這對矛盾間的關系，定性地講C的值具有明確的含義，即C值的大小與超球體包裹的正類樣本個數呈正比關系。定量地講C值本身并沒有確切的意義，所以C值的設置比較困難。與之相比1-SVM的參數v表示的是對訓練樣本識別錯誤率的上限，同時也相當于支持向量占訓練樣本比例的下限，具有明確的定量意義，因此在數學形式上采用1-SVM算法的最大間隔分離超平面模型，有利于參數的設置。
多項式函數、徑向基函數和Sigmoid函數是三種常用的滿足Mercer條件的核函數，其中最為常用的是如式（12）所示的高斯徑向基核函數，這是由于其對應的特征空間是無窮維的，有限的數據樣本在該特征空間中肯定是線性可分的［10］。同時考慮到核函數為高斯徑向基函數時，SVDD和1-SVM兩者存在等價關系，而高斯核函數適用于超球體模型［11］。因此選擇高斯徑向基函數作為核函數。
在高光譜影像地物識別中，對于不同的地物需要設置不同的高斯核函數的尺度參數σ。σ控制著核函數的平滑程度，并且其值應該與1-SVM的參數v相適應，以達到最好的識別效果。在此，采用Unnthorsson等人提出的方法［12］來獲取參數σ的值。在這種方法中，事先規定訓練樣本最大錯誤率v以及σ的取值范圍［σmax,σmin］，然后利用1-SVM對訓練樣本進行識別得到不同σ值下的識別正確率。
如圖3所示，x軸和y軸分別表示σ的取值和1-SVM對訓練樣本的識別正確率，取使得識別正確率第一次滿足大于（1－v）條件時的σ作為最優值。此外，為了便于設置σ的取值范圍，事先需將高光譜影像的DN值規范化至［0,1］。
圖3 σ選擇方法示意圖
地物識別的目的是區分目標地物與背景，可視為一種特殊的兩類分類問題。因此可借助誤差矩陣，通過計算分類精度的方法作為識別精度的評價指標。分類精度評價指標包括：制圖精度、用戶精度、總體精度和Kappa系數。其中用戶精度是從用戶的角度反映分類圖的可靠性，制圖精度是從制圖的角度反映圖像上被標識為各類地物的可靠性，總體精度的計算只采用了誤差矩陣中對角線上被正確分類的像素數量，因此這三種指標不能全面反映整體的精度。而Kappa系數既考慮了對角線上被正確分類的像素數量，同時也考慮到各種錯分和漏分的誤差，更加全面反映了分類精度［13］。由于篇幅的限制，本文不能給出每種地物識別結果的誤差矩陣，結合上述的原因，利用Kappa系數作為精度評價的綜合指標。
綜上所述的數學模型和核函數選擇、參數設置以及精度評價指標，基于一類SVM的高光譜影像地物識別過程如下：
1）將原始高光譜影像的DN值規劃至［0,1］；
2）選擇待識別地物的訓練樣本；
3）設置高斯核函數參數σ的范圍和1-SVM的參數v；
4）利用Unnthorsson的方法選擇最優的σ值；
5）訓練1-SVM得到αi和ρ；
6）利用訓練好的1-SVM對整幅影像進行識別；
7）識別精度評價。
2 實驗
本文進行兩組高光譜數據的實驗，每組數據都提供了攝影地區主要地物類型的樣本，在實驗中將以每種地物類型輪流作為目標地物，從該類型地物的樣本中隨機選擇100個用于分類器的訓練，剩余的所有樣本則用于測試，以此來驗證一類SVM算法的效果。實驗中設置訓練樣本錯誤識別率上限v為0.05，并運用文獻［12］中的方法確定高斯核函數的尺度參數σ。
此外，為了便于比較，本文還給出了SAM［14］方法的識別結果。由于SAM得到的是待識別樣本與參考光譜間的光譜角度值，為了便于比較精度，借助測試樣本得到對SAM結果的最佳分割閾值，從而以SAM的最高識別精度參與比較。
本實驗采用的計算機硬件環境為Intel Core2 CPU 3.0GHz、2.99GHz，內存3.25GB，軟件環境為Windows XP、Matlab 7.5。
2.1 實驗1
由中國科學院上海技術物理研究所的OMIS獲取的江蘇太湖沿岸的影像，光譜覆蓋范圍0.46～12.85μm，共128波段，影像寬347像素、高513像素，實驗采用受噪聲影響比較小的6～64、113～128共75個波段。通過對影像目視判讀，采集了7類地物的樣本，其分布如圖4（a）所示，樣本信息如表1所示，地物樣本均值光譜曲線如圖5所示。各類地物的識別結果如圖4（b）～（h）所示，具體精度指標如表2所示。表2中，采用SAM對太湖影像的任何一種地物進行識別需耗時8.6653s。
圖4 OMIS太湖影像
圖5 太湖影像樣本均值光譜曲線
表1 太湖影像檢驗樣本信息
2.2 實驗2
2001年5月31日，由NASA的EO-1衛星上的Hyperion傳感器獲取的南非博茨瓦納（Botswana）Okavango三角洲地區影像，影像寬256像素、高400像素，光譜分辨率大約為10nm，光譜范圍400～2500nm，共242波段，經過輻射校正，去除噪聲和大氣吸收波段。實驗采用原數據中10～55、82～97、102～119、134～164、187～220波段共145波段。地面覆蓋類型的樣本采集用來反映所研究地區洪水對植被的影響，樣本采集根據植被測量和航空攝影測量獲得，如圖6（a）所示，樣本信息如表3所示，地物樣本光譜曲線如圖7所示。各類地物的識別結果如圖6（b）～（f）所示，具體精度指標如表4所示。表4中，采用SAM對博茨瓦納影像的任何一種地物進行識別需耗時5.0715s。
表2 太湖影像地物識別精度
5道路2.180.90240.00090.5916110.85056房屋0.350.84670.00060.562390.74717水體0.350.96160.00060.5013100.9460
表3 博茨瓦納影像樣本信息
2.3 實驗結果分析
本文采用的基于一類支持向量機的高光譜影像地物識別方法，對以上兩組實驗數據都取得了較SAM地物識別方法更高的識別精度。特別是在不同植被類型的識別這種復雜情況下，基于一類支持向量機的方法更是體現出來它的優勢，與SAM相比，其精度普遍要高出10%～20%。另外，基于一類支持向量機的識別方法同時也具有較高的處理速度。
3 結語
一類支持向量機不僅保留了支持向量機方法處理高維小樣本數據的原有優勢，而且僅需要待識別類型一類的訓練樣本。它的這些特點與復雜的高光譜影像地物識別問題的要求相契合。本文分析總結了一類支持向量機的基本原理與技術
途徑，并以此為基礎設計了基于一類支持向量機的高光譜影像地物識別方法，最后通過實驗證明了本文算法的有效性。然而，一類支持向量機方法作為一種新興的數據分析的有效手段，其本身還有很大的改進余地，此外，它在高光譜影像分析的應用領域也不僅限于地物識別方面。因此，下一步的研究，一方面將追蹤一類支持向量機方法的最新進展，用于提高地物識別的精度；另一方面還將探索其在高光譜影像聚類分析、分類和混合像素分解方面的應用。
圖6 Hyperion博茨瓦納影像
表4 博茨瓦納影像地物識別精度
圖7 博茨瓦納影像樣本均值光譜曲線
參考文獻:
[1] 余旭初，馮伍法，林麗霞.高光譜――遙感測繪的新機遇［J］.測繪科學技術學報，2006，23（2）：130-132.
［2］ 賀霖，潘泉，邸|,等.高光譜圖像目標檢測進展［J］.電子學報，2009，37（9）：2016-2024.
［3］ 楊國鵬.基于機器學習方法的高光譜影像分類研究［D］.鄭州：信息工程大學,2010.
［4］ 吳波，張良培，李平湘.基于支持向量回歸的高光譜混合像元非線性分解［J］.遙感學報，2006，10（3）：312-318.
［5］ LI KUN-LUN, HUANG HOU-KUAN, TIAN SHENG-FENG, et al. Improving one-class SVM for anomaly detection ［C］// Proceedings of 2003 International Conference on Machine Learning and Cybernetics. Washington, DC: IEEE Computer Society, 2003: 3077-3081.
［6］ BANERJEE A, BURLINA P, DIEHL C. A support vector method for anomaly detection in hyperspectral imagery ［J］. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44（8）： 2282-2291.
［7］ TAX D, DUIN R. Data domain description using by support vectors ［C］// Proceedings of 1999 the European Symposium on Artificial Neural Networks. Brussel: D-Facto, 1999： 251-256.
［8］ SCHZLKOPF B, PLATT J C, SHAWE-TAYLOR J T, et al. Estimating the support of a high-dimensional distribution ［J］. Neural Computation, 2001, 13（7）: 1443-1471.
［9］ SCHZLKOPF B, SMOLA J, WILLIAMSON R C, et al. New support vector algorithms ［J］. Neural Computation, 2000, 12（5）: 1207-1245.
［10］ 白鵬，張喜斌，張斌,等.支持向量機理論及工程應用實例［M］.西安：西安電子科技大學出版社，2008：18.
［11］ TAX D, DUIN R. Support vector domain description ［J］. Pattern Recognition Letters, 1999, 20（11/12/13）： 1191-1199.
［12］ UNNTHORSSON R, RUNARSSON R T, JOHNSON T M. Model selection in one class nu-SVMs using RBF kernels ［C］// Proceedings of the 16th International Conference on Condition Monitoring and Diagnostic Engineering Management. Vaxjo, Sweden: V|xj University Press, 2003： 1054-1060.
高光譜遙感原理范文4
關鍵詞：金屬礦產；勘查；新技術
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：O741+.2文獻標識碼：A 文章編號：
0引言
經濟社會發展對礦產資源的需求持續快速增長，礦產資源保障程度總體呈現不足趨勢。因此，重視發展新一代金屬礦產的勘查技術與方法，探索和發現新礦床的新技術、新方法，無疑成為勘查取得成功的重要條件。礦產勘查正進入以技術為先導的新時代，未來大型礦床的發現將在很大程度上依賴于高新技術的應用及多技術的綜合。因此本文注重提出各種新技術與新方法的分析，以此提供交流學習的機會。
1蝕變流體填圖技術
流體廣泛分布于地殼、地幔及地表中，流體研究是當今固體地球科學發展的前沿，而地幔柱、地殼中流體的大規模遷移與巖漿熱液是地球流體研究的3個熱點問題。地球各層圈中流體地質的性狀與作用的研究，已成為當前國際地球科學研究的重要前沿領域，大尺度區域性的流體地質調查與研究是這一領域的熱點之一。由此可見，蝕變流體填圖是區域性流體地質研究的基礎，是一種具有探索性和創新性的新的地質調查方法。
圖1所示是1∶50000銅陵地區蝕變流體填圖項目,識別出區域上存在5種類型的熱液流體,根據流體活動特征,將所發育的流體記錄歸并為4個流體系統、7個流體子系統和18個流體單元。這些流體系統基本代表了長江中下游銅陵地區流體活動的時間序列及與地層、構造、巖漿巖的關系,它們的空間展布特征反映了不同時期流體活動的規模、形式及中心區域。
2地球化學勘查技術
2.1理論基礎
勘查地球化學的理論基礎是成礦物質在成礦過程中，在圍巖中留下元素運移軌跡或在成礦以后，通過分散在四周巖石、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分散模式，根據這些元素變化軌跡或分散模式去追蹤和發現新的礦床。
圖1安徽銅陵新橋硫鐵礦蝕變流體地質簡圖
2.2氣體地球化學測量技術
氣體地球化學測量方法由于氣體的強穿透性,可將大量的與深部礦化作用有關的物質攜帶到地表,可直接或間接指示各種地質成礦過程,而受到勘查地球化學的重視。眾所周知,巖石的不斷地脫氣是一種普遍的自然現象,是地質體沉積、變質并與地下水相互作用的結果;礦床和形成礦床的流體在化學性質上與其周圍環境明顯不同。當這種脫氣作用形成的氣流通過不同地質體時,可將不同組分載入,造成礦床上方與區域背景氣體信號之間存在某種差異。盡管這種差異很微弱,但采用一種獨特的測量方法-土壤熱釋氣體測量（SDP,soil-gas desorption pyrolysis）,完全可以探測到這種微弱差異的信息。SDP技術是通過表層土壤并分析其中氣體組分來實現對地下礦產的勘查的。
2.3應用實例
勘查技術有效性可以通過在實際找礦中的應用效果來檢驗。對于研究隱伏礦的勘查技術來說,直接采用鉆探方法來找礦成本非常昂貴，SDP技術能在最大程度的節省初投資情況下準確無誤地對地下情況進行研究。
圖2所示礦區，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。礦區的西部和北部是含硫化物的薄層硅質礦帶,并帶有磁鐵礦-黃鐵礦這些與鐵石有關的蝕變。東部主礦體是高品位、富含磁黃鐵礦的硅質礦體。礦體覆蓋層總厚度在東邊約300m。
圖2利用普通模式對Osborne礦床上的SDP調查的數據處理
SDP土壤調查點位分布見圖2。采樣間距不規則,背景區為100m,接近礦化和在礦化上方分別為50m和25m。氣體測量結果采用斯潘賽床的標準模板處理,在Osborne礦床也得到良好的異常顯示,說明在干旱地區,SDP技術能夠具有較強勘查銅金礦床的能力。
目前，國內在硫化多金屬礦床SDP化探研究和試驗方面還鮮見報道。由于基于SDP法的土壤硫化氣體化探技術具有找礦指標的多樣性、找礦效果的直接性和找礦方法的可操作性，若結合其它物化探勘查方法，在尋找覆蓋區隱伏礦方面必將發揮其獨特的潛力和技術優勢，具有巨大的應用前景
3地球物理勘查技術
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尋找與礦產有關的地球物理參數異常來達到間接找礦目的，或者通過尋找與地質構造有關的地球物理參數異常來查明深部地質構造，從而為區內成礦規律研究提供依據，為礦產勘查提供方向。
3.1主要技術方法
1）地下電磁波法
地下電磁波法是利用無線電波在鉆孔或坑道中發射和接收，根據不同位置上接收的場強，來確定地下不同介質分布的一種地下物探方法，常稱為無線電波透視法。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，判斷兩孔之間所見礦體是否相連，確定礦體產狀等。
2）金屬地震法
金屬地震法是利用地下物質對地震波反射的差異，查明深部控礦構造、圈定容礦巖石甚至直接尋找深部盲礦體的金屬礦的方法，其原理見圖3。金屬地震法最近在數據采集、處理和解釋等諸多方面得到了很大的改進和完善。隨著數據測量、處理和解釋技術的改進和完善，金屬地震方法正在逐步發展成為一種實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）時間域航空電磁法
中高山區高精度航空磁測方法是指使用專用磁測系統在中高山區獲取高精度磁場數據,使用專用的數據處理和解釋方法獲得地質成果的技術統稱。目前用于中高山區航磁測量系統有很多種，時間域航空電磁法就是其中的一種。時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、圈定斷裂構造帶、航空電磁電阻率填圖、淺層水資源調查等。
時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都是航空電磁法尋找金屬礦產的重要方向。Harmony礦是西澳大利亞Leinster礦床的一部分,1998年,時間域航空電磁法在該礦床上用25Hz基頻4ms脈寬進行了測量,發現了一處夾在兩層石英質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在該礦體上的實測數據。
圖4時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
4.1應用現狀
高光譜遙感是將光譜技術和成像技術相結合，以納米級的超高光譜分辨率對目標進行成像，同時獲取數十甚至上百個波段，形成連續光譜圖像的技術。地質調查是高光譜遙感應用的一個重要領域。隨著高光譜遙感技術的發展，成像光譜儀的光譜分辨率和空間分辨率越來越高，因此它的應用面也越來越廣，巖礦識別、礦物豐度制圖以及找礦勘查是成像光譜應用的主要方向，也是率先應用的領域。
4.2尚待解決的關鍵問題
1）高光譜礦產勘查模型的普適性
高光譜礦產勘查信息提取模型已經比較多，但沒有一種具有普適性的方法。由于模型與模型間的設計條件區別較大，需要因地制宜地提取模型參數，況且大多數模型都要求大量實測數據去修正。因此目前所建立的模型幾乎都以假設的理想條件為基礎，而實際問題中卻同時存在復雜性與多樣性，急需解決的問題還很多。
2）光譜混合分解模型及其端元提取
礦產基地中土壤、殘骸等形成的混合光譜機制復雜多樣，尤其是地形復雜的地區，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鍵，深入研究基于混合光譜的端元提取技術，對高光譜礦產信息提取的實用化以及定量化有重大價值。
5結論
目前高光譜遙感技術，蝕變流體填圖技術，地球化學勘查技術和地球物理勘查技術等高新技術的綜合運用是提高礦產勘查成功率的保障。但是這些技術都是以信息通訊技術的發展為依托的，信息通訊技術的發展直接制約礦產勘查的方法的進一步發展。因此，我們應以信息技術的發展為核心，最大限度地利用各種現有的數據資料，綜合運用各種先進技術提高礦產勘查的成功率。
參考文獻
[1] 惠衛東, 雷軍文. 金屬礦產勘查中的新技術與新方法[J]. 新疆有色金屬 , 2008,(06)
[2] 成宇. 遙感技術的新應用[J]. 百科知識 , 2007,(07)
[3] 王學求.《礦產勘查地球化學:過去的成就與未來的挑戰》[J].地學前緣, 2003（3）
[4] 趙永貴.中國工程地球物理研究的進展與未來[J].地球物理學發展,2002,17(2):305-3
09.
高光譜遙感原理范文5
關鍵詞：遙感信息；水工環；應用
遙感信息技術經過多年的發展與實踐，已經集合了傳感器技術、計算機技術等先進的技術，這使得遙感信息技術在水工環中的應用更為深化?，F如今，遙感信息技術已經成為水工環不可缺少的技術，隨著水工環勘察需求的加大，對該技術會更大的依賴。
1 遙感信息在水工環中的應用發展現狀
1.1 傳統的遙感信息技術需要人工進行解譯，但是隨著信息技術的融入，可以進行計算機解譯，大大提高了解譯效率。如線性影像計算機自動判釋專家系統及土地利用（分類）計算機判讀模型以及機助信息提取與制圖系統等。由于影像的多解性及識別系統的不完善性，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。
1.2 從幾何形態解譯到充分利用光譜信息。過去的多光譜遙感數據波段劃分過少，只有幾個波段，使地面波譜測試數據與圖像光譜數據難以精確比較。因此，圖像解譯工作很少考慮地物的波譜特征，主要根據影像的色彩、色調、紋理、陰影等所形成的幾何形態特征。隨著機載成像光譜儀（高光譜）技術的商業運作及2000年前后的高光譜成像衛星的發射，使得用光譜信息對地物的分析更精細、更準確。
1.3 出現地面溫度反演技術。地面溫度反演是指從熱紅外圖像數據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據進行組分溫度反演法等。
1.4 從定性分析評價到依靠計算機數字模型模擬的定量分析評價。如遙感技術在地下水流系統應用中，根據遙感數據建立的地形、流域面積、水系密度等數據集結合氣象數據建立空間補給模型。
1.5 使用單一遙感信息源到多元信息擬合。目前的遙感應用技術，已不再是單一使用各種遙感數據，而是根據需要結合利用了其他信息源，如地質、地形、水文、土壤、植被、氣象、巖土物理力學特征及人類活動等資料。這樣，圖像數據的預處理尤其重要，如幾何較正、多波段數字合成、鑲嵌、數據變換等，而地理信息系統（GIS）在多元信息數據管理中起著重要作用。
1.6 從單一手段應用到多手段應用近年來，遙感技術（RS）與地理信息系統（GIS）和全球定位系統（GPS）的綜合應用，即“3S”技術，成為遙感技術應用的主流。GIS是數據庫管理、數據圖形處理、各主題圖件疊加、制圖的重要工具。
1.7 數字攝影測量技術的發展。數字攝影技術的成熟，推進了制圖工作的現代化，改善了基礎圖件的質量和成圖效率，并影響著遙感技術的調查方法。該技術的產品可直接作為GIS的數據源，便于遙感與GIS一體化研究與開發。如我國自己開發的全數字攝影測量軟件VIRTUOZO，具有數字化測圖、自動生成DEM/DTM和等高線、生成正射影像等功能。
1.8 遙感技術應用成果向著便于保存、復制、攜帶及傳輸方向發展。這意味著遙感技術應用成果的數字化。由于是數字成果，可載于多種介質上，如CD-ROM、磁帶及計算機硬盤上，使攜帶處理更加方便。隨著1998年“數字地球”計劃的提出及我國國土資源部“數字國土”工程的實施，遙感應用成果數字化顯得尤其必要。
2 遙感信息在水工中的應用
2.1 在水文地質中的應用
遙感信息技術主要是用來進行測繪，以此提高水文地質勘查的準確性，同時也便于對水文地質工作展開定量或者是定性分析。遙感信息技術能夠進行光譜合成，也可能進行圖像處理，而這樣的功能正是水文地質勘查需要的，如果地域比較特殊，工作人員借助遙感技術能夠分辨出水質與植物，依據水質與植物之間的關系，就此推斷出該區域水質的具體情況。遙信信息技術在水文地質中的應用，還便于地下水系統分析，這樣工作人員就能夠隨時對地下水水質情況進行了解，一旦發現污染，會立即展開評價，采取措施。紅外熱感技術也是應用在水文地質勘查中一項非常重要的技術，該技術主要用來進行地下熱水勘察，工作人員利用紅外成像，能夠直接判斷出地表溫度，而后再進行精確的計算，即可分析出地下熱水情況。
2.2 在工程地質中的應用
目前，我國工程選址中基本上都會應用遙感信息技術，尤其是大型工程選址，遙感信息技術更是不可或缺。工程選址過程中運用遙感技術，能夠提升地質評價的準確性，以此實現選址區域內的地質情況進行更為科學的分析，利于工程建設進行有效的規劃。工程地質中應用遙感信息技術，能夠得到最為直觀的圖像，工作人員可以依據圖像內容進行分析，而且由于圖像是通過衛星影像傳輸的，所以觀測質量完全能夠保證。借助衛星傳輸數據，能夠對光譜數據展開認真的處理以及科學的計算，這對工程選址來說異常重要，通常情況下，工程選址人員都是依據這些數據來完成選址工作。遙感信息技術能夠將地表圖像顯現出來，而工作人員則可以通過地表圖像對該區域內的地貌、地質環境等展開分析，這不僅能夠保證工程選線具有真實性，還能夠保證工程合理。與此同時，遙感信息技術的應用，還能夠對地質災害情況進行判斷，通過構建科學的數學模型，對工程區域內可能會出現的災害情況進行評估，再充分的利用風險評價，兩者統一起來，對工程順利進展奠定了基礎。
2.3 在環境地質中的應用
遙感信息技術的應用，有利于環境監測水平的提高。遙感信息技術的應用，有利于工作人員對水資源污染狀態展開分析，針對污染嚴重程度，工作人員可以進行不同程度的測量。比如對于工業廢水，通常是利用遙感信息技術中熱感圖像，通過圖像分析，工作人員能夠掌握工業廢水污染范圍，具體分布情況以及污染程度等?，F階段，遙感信息技術在環境監測中應用程度更加深入，專家學者也對此進行了大力的研究，取得了比較好的效果。目前，遙感信息技術能夠對水土流失情況進行密切的監測，同時也能夠對地質變化情況展開監測，這對我國水資源保護，提高水資源利用率有著積極的作用。
結束語
綜上所述，可知遙感信息技術已經在水工環中得到了深入的應用，當然隨著遙感技術研究的深入，技術水平的提升，該技術的應用領域會更加的廣泛，優勢會更加的突出。因為遙感信息技術的應用，使得水工環工作人員不必經常進行外業測量，以此提升了工作效率。當然具體如何應用遙感信息技術，還需要工作任意結合具體的工程實踐而定。
參考文獻
[1]胡志文，歐陽燕，羅湘.水工h地質勘察及遙感技術在地質工作中的應用[J].江西建材，2012（05）.
[2]張燦.談國內外在水工環領域中遙感技術的應用[J].科技創業家，2012（13）.
高光譜遙感原理范文6
農作物光譜的遙感已經被深入研究，并被證明是現代農業管理的一個重要工具。農業光譜遙感是指在田野上方所得到的光譜圖像，此時的入射電磁輻射通常是指陽光[1]。當陽光照射到作物或土壤表面時，光線會被反射、吸收或透射，這取決于光線的波長和所接觸物體的特性。所接觸物體的物理或化學性質的差異，例如葉子的顏色、質地或形狀，決定了某一特殊波長的光線被反射、吸收或透射的能量多寡。農業中最常用的遙感技術是光譜反射比測量。所測定的光譜反射比（反射能量與入射能量的比值）是波長的函數[2,3]。與波長相關的反射比曲線這一光譜特征隨植物品種和條件不同而有所差異。大多數農業應用項目中所測得的電磁波的波長范圍從可見光（400~700nm）直至近紅外范圍（700~2500nm）之間[1]。研究表明這一范圍內的光譜特征可以為了解作物和土壤的生理學和生物學性質提供豐富和有價值的信息[1,4,5]。已經依據所測定的光譜反射比數據編制了某些特殊植物和農作物的光譜學指數，用于對不同的農業狀況進行研究[1,6]。光譜儀、輻射計和數字照相機可以安裝在不同的平臺上，諸如地面（拖拉機或卡車）、空中（飛機）或太空（衛星）等，以收集各種數據。傳感器平臺移動時可進行小范圍的連續測量，接著進行數據處理并繪制相應圖像[3]。遙感結果的質量可從空間分辨率、光譜分辨率和時間分辨率等方面進行評估[1,3]?？臻g分辨率是指在圖像中可以辨認的最小區間。空間分辨率與圖像的像素直接相關。光譜分辨率表達了由傳感器所測定的電磁波譜線的數值和寬度。時間分辨率則表明一個傳感器平臺能以怎樣的時間間隔提供該區域的測量數據。農業和農場管理應用所需數據的空間分辨率通常為2~5米，時間分辨率則為1~3天，以及1個像素的地域精度和24小時內的農產品送貨時間，同時需對大氣環境的干擾，諸如灰塵、一氧化碳、二氧化碳和臭氧等進行校正[6]。在上一個十年中，對傳感器分辨率的嚴苛要求極大地推動了農用傳感器研發的進展[6]。空間分辨率在很大程度上取決于傳感器平臺的類型。地面和空中的傳感器平臺可以較容易地滿足田野上方空間分辨率的要求，但成本和勞動力的花費很大。設置在太空的平臺只能提供較低的分辨率，同時易受氣象條件的影響，例如云層的干擾。各類傳感器平臺的優劣在Scotford等的文章中作了概括的評價[1]。光譜遙感技術早在上世紀六十年代初已被用于農業。傳統的光譜傳感器采用一個多光譜成像系統，各個平行的傳感器陣列在電磁波的可見光波段至中紅外波段之間分別測量少量的光譜帶（3~6）[2,7]。近二十年來高光譜成像技術（hyperspectralimaging）的進展促進了光譜分辨率的提高。高光譜成像系統可以測量許多（數百個）極窄的相近光譜帶，波長范圍從可見、近紅外、中紅外直至熱紅外[2,3,7,8]。由高光譜系統可以得到詳盡的高分辨率光譜數據，并可由此得到有關農作物和田地特征的詳盡而精確的信息。高光譜系統產生了海量的數據。如何對數據進行解析有賴于對高光譜傳感器和測定對象性質的深入了解[2,3]。當前，高光譜成像的研究課題包括數據處理機制、數據比對和模型建立等[9,10]。光譜遙感已經被成功地應用于測量農作物營養狀況、農作物病害、水資源缺乏或豐盈、叢生的雜草、昆蟲危害、植物種群、洪水管理和其它田野狀況[1~3,11,12]。食品工業已采用光譜遙感技術來監控食品質量和檢測可能發生的食品污染[13~16]。在食品加工廠中通常采用一種人工光源來照射在傳送帶上輸送的食品，然后用一個傳感器系統來測量所產生的熒光或散射光的反射比。用于食品質量監控的光線波長包括紫外（10~400nm）、可見（400~750nm）和近紅外（750~2500nm）等波段[13]。近來，三維高光譜成像系統已被用于準確測定[17~21]。
2電子鼻
植物和樹木通常都會釋放出揮發性有機物（VOCs），這是它們日常生理過程的副產物。此類特殊的揮發性有機物的產生以及所釋放的數量反映了農作物和農田的情況。濕度、光線、溫度、土壤情況、施肥、昆蟲和植物病害都會影響揮發性物質的釋放。電子鼻在農業中的最常見應用是測定農作物病害、判別昆蟲危害以及監測食品質量。電子鼻通常由氣體傳感器陣列和電子模式識別系統兩部分組成。陣列中的各種傳感器的選擇性可以廣泛或部分交叉覆蓋，模式識別系統中則包含了多變量統計數據處理工具。電子鼻的典型訓練過程是對健康的植物/水果和罹患病害的植物/水果所釋放的揮發性物質的特性進行比較。這一領域的最新進展可參見Sankaran等所撰寫的評論文章[22]。電子鼻在食品工業中的重要應用是在加工和包裝過程中評估水果和蔬菜的新鮮和腐敗程度[23,24]。研究工作表明，揮發性物質的檢測可以指示水果的成熟度以及哪些化合物能促進水果的成熟，如氨[25,26]、乙醇[26]、乙烯[26,27]和反式-2-己烯醛[28]等。電子鼻已用于檢測蘋果儲藏期間芳香物的數量變化[29]，評估采摘后的桃、梨、香蕉[29~31]和油桃[29,31]等水果的質量，以及檢測土豆的腐爛[32]等。不過上述研究都還處于初始階段。傳感器的穩定性、使用壽命、標定、選擇性以及氣體傳感器陣列儀器的標準化等都是制約其商業應用的因素[33]。電子鼻和電位傳感器曾被用來確定安放食草性昆蟲誘捕器的范圍[34~36]。近來，利用電子鼻來測定植物在受到昆蟲襲擊后所釋放出的揮發性物質，以便及早確定昆蟲危害的發生[37~39]。
3電化學傳感器
電化學傳感器在農業領域中的一個重要應用是土壤化學中對諸如pH值或營養成分的直接測量。土壤測試結果對于提高農作物產量和生產質優、味美的食品至關重要。關于土壤傳感器的評述可參見Adamchuk等最近撰寫的文章[40]。用于測量土壤中某些離子活度（H+,K+,NO3-,Na+等）的電化學傳感器有如下兩類：1）離子選擇電極和2）離子選擇性場效應管(ISFET)傳感器。這兩類傳感器也被用于監測植物對離子的攝取。營養成分的攝取速度取決于植物對營養的需求，此種需求與植物的生長速度和植物體的營養狀況有關。多數常量營養元素（如氮、磷、鉀）的吸收過程都很活躍。監測植物體或生長系統的離子濃度可以幫助農民制訂施肥策略和提高產量。離子選擇電極已經可以用于多種不同離子的檢測。它們可用于土壤和作物(如土豆[41,42]和蔬菜)中氮元素的監測，以便進行施肥管理[43,44]。植物或土壤中的離子（例如碘離子、氟離子、氯離子、鈉離子、鉀離子和鎘離子等）可以用離子選擇電極進行測定，以便對植物的新陳代謝、營養以及植物中所存在的重金屬離子的毒物學影響[45~48]等進行研究。隨著離子選擇電極和離子選擇性場效應管的發展，促進了溫室工業中為作物/植物開發特定離子營養液供應系統的努力。某些研究者開發了基于特定離子濃度測量的液體肥料注入系統[49,50]。這些系統能自動進行植物所需營養的補給。
4生物傳感器
近年來，用于化學污染物質以及食源性病原體檢測的生物傳感器的研究工作廣泛展開。食源性疾病對公共衛生是一個迫在眉睫的威脅，每年由此造成的損失近300億美元[51]。現今的細菌檢測方法，例如細菌培養、菌落計數、聚合酶鏈反應（PCR）[52]以及基于抗體的酶聯免疫法（ELISA）[53]等技術所需樣品量較大，隨后還需在實驗室中進行樣品制備以及對試樣進行分析，既費力又費時。大量研究工作集中于開發適用的生物傳感器，用于對目標化學物質和病原體進行快速測定[54~56]，且操作人員無需經過特殊培訓。生物傳感器通常由如下兩部分組成：1）生物分子識別元件（生物探針），它能識別目標病原體并與之反應；2）變換元件，它能對生物探針與目標待分析物的相互作用發生響應并將其轉換成可測定信號。有幾篇新發表的評論文章對近年來生物傳感器研發中的生物探針和變換器探索研究進行了很好的評述[57~60]。目前常用的生物探針主要有核酸(DNA/RNA)、蛋白質、酶、抗體和噬菌體[61~63]。用于生物傳感器的變換部件則主要有以下四類：電化學變換器、光學式變換器、熱學變換器和聲波(AW)器件。生物分子識別元件及其在傳感器界面的恰當固定化決定了生物傳感器的選擇性，生物傳感器的靈敏度則決定于變換器元件。對高性能生物傳感器的需求已經和正在推動著不同種類變換元件的研究開發。在生物傳感器開發過程中，抗體和多肽長期被用作生物識別結構[64,65]。但是無論單克隆抗體和多克隆抗體都有其局限性，例如成本高昂、效果欠佳、易損傷和繁瑣的固定化操作。近年來，纖維狀噬菌體和溶解性噬菌體作為生物分子識別元件引起了許多研究者的注意[66~68]。與抗體相比，纖維狀噬菌體具有明顯長處。噬菌體的結構非常穩定，可以抵抗攝氏80度以上的溫度以及各種化學品（例如酸、堿和有機溶劑）的作用[69]。噬菌體的三維識別表面能夠提供多個鍵合位點，因而對所測定的病原體有很強的鍵合能力。再則，只需花少量費用即可得到大量合用的噬菌體[70]。表1中列出了已經用于測定食源性病原體的多種噬菌體生物傳感器。聲波器件構成了高靈敏度換能器的一個重要類別，并顯示了諸多優異特性，例如高靈敏度、成本低廉、易使用、可遠距離測量、微型化和能用于現場測量等[62,71~74]。近年來，由無定形磁伸縮材料制作的聲波器件已被用于高性能生物傳感器的研發。應用磁伸縮材料開發了兩類聲波器件：1）磁彈性（magnetoelastic,ME）共振器[75~82]；2）磁伸縮微懸臂梁（magnetostrictivemicrocantilevers,MSMC）[83~85]。圖2顯示了磁彈性生物傳感器的操作原理。研究者已經用微機械加工的方法制作了基于噬菌體的獨立式磁彈性生物傳感器，在其中的磁彈性共振器表面覆蓋了用基因工程制得的噬菌體，用來與待測病原體進行特異性鍵合（圖3）[86,87]。ME生物傳感器在交變磁場作用下以特定的共振頻率進行振蕩。當生物傳感器與待測病原體接觸后彼此發生鍵合。這種鍵合作用導致共振器的質量增加，因而使生物傳感器的共振頻率降低。ME生物傳感器是一類無線傳感器，并且不需要附帶電源。ME生物傳感器也是一種價廉和一次性傳感器件，應用微機械加工方法制作一千個傳感器的加工成本小于一美分。ME生物傳感器已成功用于檢測許多種病原體，例如沙門氏桿菌、炭疽芽胞桿菌和大腸桿菌等[77~81,88,89]。最近的研究表明，ME生物傳感器可以對新鮮食品表面的細菌直接進行測定而無需取樣操作（水洗和消化）[90]。用于多種化學戰劑和食品污染物的高靈敏檢測和鑒別的酶基生物傳感器在過去幾十年中發展迅速并被視作有效工具。具有高毒性的有機磷神經毒劑（organophosphateneurotoxins,OPs）已被廣泛地用作農用殺蟲劑和化學戰劑，因而對農產品和食品中的OPs的鑒別性測定尤為重要。用于OPs測定的生物傳感器研發工作中的兩個重要方向是1）對特種酶，例如乙酰膽堿酯酶和丁酰膽堿酯酶（AChE和BChE)的抑制[91~94]；2）應用不同水解酶對OPs進行直接水解[95~99]。