高光谱遥感技术研究进展

【摘 要】 遙感领域最重要的发展之一就是高光谱遥感的兴起，它已成为国际遥感技术研究的热门课题。高光谱遥感是一门综合性、多学科交叉的技术，它逐渐被广泛的应用在林业、农业、地质、土壤、海洋等领域。本文介绍了高光谱技术的主要发展历程，以及在5个领域中主要应用方向，为了解高光谱提供依据。

【关键词】 遥感技术 高光谱数据 发展 应用

引 言

遥感技术采用各种手段，利用各种传感器来检测这些信息，并通过分析这些特征来达到研究目标对象的目的。而高光谱成像技术和仪器的发展为遥感技术的发展开辟了新的前景。高光谱技术在我国近二十年迅速发展起来的全新遥感技术，它具有窄波段、多通道、及图谱合一的优点，以纳米级的超高光谱分辨率和几十或几百个波段同一时间对地面目标成像，从而获得连续的地物光谱信息。高光谱遥感与传统遥感相比具有更强的地物识别与定量反演的能力，弥补了遥感在微观层面的空缺。

高光谱遥感正在由实验研究阶段逐步转向实际应用阶段，而在技术发展方面则由以航空系统为主开始转向于航空和航天高光谱分辨率遥感系统相结合的阶段。目前为止，国际上已有40余套航空成像光谱仪处于运行状态，在实验、研究以及信息的商业化方面发挥着重要作用[1]。而作为国际遥感科学的研究前沿和热点，高光谱遥感已广泛的应用到许多学科领域。

1高光谱的发展

20世纪初，利用气球和飞机作为遥感平台，拉开了遥感技术的大幕;20世纪50年代末、60年代初，前苏联率先发射人造地球卫星，相继美国发射名为TIROS-1的首个气象卫星;20世纪70年代，美国发射了一系列的陆地资源卫星Landsat和气象卫星[2]。之后，法国、加拿大以及中国等也先后发射各国的资源卫星与气象卫星，开启了航天遥感新的纪元。

高光谱遥感技术诞生于20世纪80年代，它是成像技术与光谱技术结合在一起，在对目标地物的空间特征成像的同时，对每个空间像元形成几十乃至几百个窄波段进行连续的光谱覆盖，其特点是在特定的光谱区域以高光谱分辨率同时获取连续的地物光谱图像，高光谱遥感的显著特点已经成为连接遥感数据处理、地面测量、光谱模型和应用的强有力的工具。高光谱遥感的基础是波谱学，早在20世纪初波谱学就被用于识别分子和原子的结构。

高光谱遥感技术以高光谱分辨能力，高时间采样频率和大范围同步成像等优势，为实现地物反演和地物状况的准确估算创造了可能，达到在不同的时空尺度上精确、实时的获取地面目标的数量、质量的动态变化。因此，伴随着高光谱传感器的快速发展，高光谱遥感被广泛的应用林业、农业、地质等领域，并取得阶段性的成效。

2高光谱的应用

2.1高光谱在林业中的应用。高光谱遥感具有超高的光谱分辨率，能够识别光谱的细微变化，为研究植被光谱响应及物理机制提供支撑[3]。利用高光谱遥感提取植被的生理参数，包括叶面积指数、生物量等，了解植被的生理过程已成为当前研究植被的趋势。植被高光谱遥感数据被广泛的用于植被参数估算与分析、植被长势监测、估产及生物量估算等领域[8]。基于高光谱数据的混合光谱分解的方式可以提取森林郁闭度信息，全面地了解森林结构和森林环境，为做好森林生态系统的管理工作提供支撑[4]。并且，高光谱数据采取多维光谱空间信息分析技术可以提取森林变化信息和监测森林火灾，有效保证森林资源管理的科学性。

2.2高光谱在农业中的应用。高光谱遥感技术不仅能对目标成像，又能量测目标物的波谱特性。国外较早将高光谱遥感技术运用在农业中，如美国农业部（USDA）和国家航空航天局（NASA）等部门在1980年便开始了对全球多种粮食作物进行产量估算[5]。农作物冠层与大多数地物一样，属非朗伯体，会表现出不同程度的各向异性特征，一般利用多角度遥感观测以获取作物冠层的多角度信息，提升作物生化参量的监测和反演精度[6]。农业中，高光谱遥感既可以很好的识别农作物类型，也可以监测农作物长势情况，还能反演农作物的理化特性等，对农作物的品质、长势和产量的预测及评估的需求是促进高光谱遥感技术在农业的应用中蓬勃发展。

2.3高光谱在地质中的应用。高光谱遥感具有地表地物丰富的光谱信息，在地质中，可以根据不同岩石的光谱特征，运用图像处理方法，对各种岩石类型信息进行提取，逐步实现高光谱遥感技术在地质领域由定性向定量的转变。岩类随造岩矿物的不同，光谱曲线呈现区域性变化，但也具有局部的稳定性和规律性。通过对研究区进行野外光谱特征测试，对比分析光谱特征，再利用计算机进行岩类识别与信息提取。

3小结

高光谱遥感的出现是遥感界的一场革命， 随着对高光谱遥感技术的深入研究，学者在海量的高光谱遥感数据上面临着波段选择、特征提取以及如何更有效的对高光谱遥感信息提取等问题，并且发展相应的计算机软硬件，以减少存储空间的需要和数据处理的时间，提高存储容量和处理速度是刻不容缓的。针对高光谱遥感影像在分类处理方面存在提升分类精度以及提高分类精度的挑战。我国在高光谱遥感技术领域中起步较晚，虽然目前差距逐渐缩小，但是星载高光谱数据在研究某些地物目标仍不能满足精度要求，提高传感器的稳定性、同步飞行参数获取等以得到更好质量的高光谱影像是今后必然发展趋势。

【参考文献】

[1] 白继伟. 基于高光谱数据库的光谱匹配技术研究[D].中国科学院研究生院（遥感应用研究所），2002.

[2] 唐延林，黄敬峰.农业高光谱遥感研究的现状与发展趋势[J].遥感技术与应用，2001（04）：248-251.

[3] 何理深，张超.湿地植被高光谱遥感技术应用研究[J].西南林业大学学报（自然科学），2018，38（06）：208-214.

[4] 申广荣，王人潮.植被高光谱遥感的应用研究综述[J].上海交通大学学报（农业科学版），2001（04）：315-321.

[5] 姜奥.遥感技术在林业监测中的应用[J].河南农业，2018（32）：25-26.

[6] Singh R， Semmwal D P， Rai A， et al. Small area estimation of cropyield using remote sensing satellite data[J].International Journal of Remote Sensing，2002，23（1）：49-56.

作者简介：张晗（1996—），女，汉族，重庆永川人，学生，硕士，单位：成都理工大学地图学与地理信息系统专业，研究方向：3S技术与数字国土。