【遥感专题系列】定量/高光谱遥感之——概述
分享
-
2016-05-30
定量遥感和高光谱遥感是两种不同的分类，在知识结构上有交集，也有一定的区别。定量遥感重点是定量提取地表参数的技术，高光谱遥感是研究高光谱数据及其应用。
本文主要介绍以下内容：
1、定量遥感概况
定量遥感的定义很多，简单的就是从对地观测电磁波信号中定量提取地表参数的技术和方法研究，其中的对地观测电磁波信号可以理解为数据，常见的是图像，也有其他非成像的数据。如果使用高光谱数据，就属于高光谱遥感范畴了。
定量遥感包括两重内容：遥感信息在电磁波的不同波段内给出的地表物质的定量的物理量和准确的空间位置；从这些定量的遥感信息中，通过实验的或物理的模型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息。前者主要是数据预处理工作，后者主要是模型研究和反演工作。
根据数据源可分为三种研究类型：
一、 几个概念
定量遥感中首先，也是必须要了解的概念，我觉得有以下两个：
建模
装置在星体上的传感器，它的可测参数一般为电磁波的属性参数，也就是电磁辐射强度、偏振度、相位差等，常见的就是图像像元值。为了能根据这些测量的电磁波中反演得到地表物质的参数信息。需要在可测参数与地表物质的参数信息之间建立某种函数关系，这建立函数关系的过程我们称它为建模。建模实现目标参数反演的关键一步。
反演就是在构建的模型基础上，依据可测参数值反推模型的各个参数，得到没有参变量的模型，从而利用这个解算的模型计算得到地表物质的参数信息。从数学角度上看，反演就好像是解方程或解方程组。
二、 研究内容
定量遥感属于遥感发展的前沿科学，一些研究成果已经走出了实验室，如地表温度反演、植被参数反演、水质参数反演、大气参数反演等。根据定量遥感的技术流程可分为以下几个研究内容：
将无量纲的像元值变成具有物理意义的值，比如电磁波能量等，目的是能构建电磁波信号和地表参数的关系。
遥感传感器在空中获取地表信息的过程中，受到大气中分子、气溶胶和云粒子等大气成份的吸收、散射的影响。大气校正的作用就是消除这些因素的影响，它是定量遥感很关键的一步。
这个是定量遥感中的核心问题，可分为三种类型：
1、统计模型（即经验模型）：基于陆地表面变量和遥感数据的相关关系，对一系列的观测数据做经验性的统计描述或者进行相关性分析，构建遥感参数与地面观测数据之间的回归方程。
优点：参数少；容易建立且可以有效概括从局部区域获取的数据，简便，适用性强；
缺点：有地域局限性，所以可移植性差；理论基础不完备，缺乏对物理机理的足够理解和认识，参数之间缺乏逻辑关系。
2、物理模型：根据物理学原理建立的模型，模型中参数具有明确的物理意义，模型通常采用数学公式描述。常见的有植被二向性反射辐射传输模型、几何光学模型等。
优点：精度高，可移植性强；
缺点：此模型通常为非线性的，所以方程复杂，实用性较差；并且在复杂问题考虑中会产生大量参数，其中有些参数无法获取，从而采取近似，会产生误差，而对非主要因素有过多忽略或假定也会产生误差。
3、半经验模型：突出上述两种模型的优点，回避其缺点。考虑经验数据和物理过程，其参数往往是经验参数，但有一定物理意义，代表性的如地表二向反射模型等。
地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。
混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。
多角度遥感是指从两个以上的观测方向对下垫面进行观测，从不同的视角获取地表物信息。单一方向的遥感只能得到地面目标一个方向上的信息，多角度对地观测可以提高地表参数反演的准确度。
2、高光谱遥感概况
高光谱遥感（Hyperspectral Remote Sensing）比较正式的定义为：在电磁波谱的可见光，近红外，中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术（Lillesand & Kiefer 2000）。
高光谱遥感实际上是按照传感器类型来划分的，核心是高光谱图像及围绕高光谱图像的应用。高光谱图像的光谱通道窄（<</SPAN>λ/100）而连续，从每个像元均可提取一条连续的光谱曲线。
图1：高光谱图像示意图
高光谱遥感是当前遥感技术的前沿领域，它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。如：
(1)蕴含着近似连续的地物光谱信息，分类中可以采用基于地物光谱数据库的光谱匹配方法。可用于特殊目标的精确识别，如军事目标、违法作物等。
(2)高光谱数据能够探测具有诊断性光谱吸收特征的物质等。可用于植被识别、矿物识别等。
图2：高光谱数据用于隐藏目标识别
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d01017ygs.html
本文主要介绍以下内容：
- 定量遥感概况
- 高光谱遥感概况
1、定量遥感概况
定量遥感的定义很多，简单的就是从对地观测电磁波信号中定量提取地表参数的技术和方法研究，其中的对地观测电磁波信号可以理解为数据，常见的是图像，也有其他非成像的数据。如果使用高光谱数据，就属于高光谱遥感范畴了。
定量遥感包括两重内容：遥感信息在电磁波的不同波段内给出的地表物质的定量的物理量和准确的空间位置；从这些定量的遥感信息中，通过实验的或物理的模型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息。前者主要是数据预处理工作，后者主要是模型研究和反演工作。
根据数据源可分为三种研究类型：
- 可见光、近红外的定量遥感
- 热红外波段的定量遥感
- 微波的定量遥感
一、 几个概念
定量遥感中首先，也是必须要了解的概念，我觉得有以下两个：
建模
装置在星体上的传感器，它的可测参数一般为电磁波的属性参数，也就是电磁辐射强度、偏振度、相位差等，常见的就是图像像元值。为了能根据这些测量的电磁波中反演得到地表物质的参数信息。需要在可测参数与地表物质的参数信息之间建立某种函数关系，这建立函数关系的过程我们称它为建模。建模实现目标参数反演的关键一步。
- 反演
反演就是在构建的模型基础上，依据可测参数值反推模型的各个参数，得到没有参变量的模型，从而利用这个解算的模型计算得到地表物质的参数信息。从数学角度上看，反演就好像是解方程或解方程组。
二、 研究内容
定量遥感属于遥感发展的前沿科学，一些研究成果已经走出了实验室，如地表温度反演、植被参数反演、水质参数反演、大气参数反演等。根据定量遥感的技术流程可分为以下几个研究内容：
- 遥感传感器定标
将无量纲的像元值变成具有物理意义的值，比如电磁波能量等，目的是能构建电磁波信号和地表参数的关系。
- 大气校正
遥感传感器在空中获取地表信息的过程中，受到大气中分子、气溶胶和云粒子等大气成份的吸收、散射的影响。大气校正的作用就是消除这些因素的影响，它是定量遥感很关键的一步。
- 定量遥感模型
这个是定量遥感中的核心问题，可分为三种类型：
1、统计模型（即经验模型）：基于陆地表面变量和遥感数据的相关关系，对一系列的观测数据做经验性的统计描述或者进行相关性分析，构建遥感参数与地面观测数据之间的回归方程。
优点：参数少；容易建立且可以有效概括从局部区域获取的数据，简便，适用性强；
缺点：有地域局限性，所以可移植性差；理论基础不完备，缺乏对物理机理的足够理解和认识，参数之间缺乏逻辑关系。
2、物理模型：根据物理学原理建立的模型，模型中参数具有明确的物理意义，模型通常采用数学公式描述。常见的有植被二向性反射辐射传输模型、几何光学模型等。
优点：精度高，可移植性强；
缺点：此模型通常为非线性的，所以方程复杂，实用性较差；并且在复杂问题考虑中会产生大量参数，其中有些参数无法获取，从而采取近似，会产生误差，而对非主要因素有过多忽略或假定也会产生误差。
3、半经验模型：突出上述两种模型的优点，回避其缺点。考虑经验数据和物理过程，其参数往往是经验参数，但有一定物理意义，代表性的如地表二向反射模型等。
- 混合像元分解
地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。
混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。
- 多角度遥感
多角度遥感是指从两个以上的观测方向对下垫面进行观测，从不同的视角获取地表物信息。单一方向的遥感只能得到地面目标一个方向上的信息，多角度对地观测可以提高地表参数反演的准确度。
2、高光谱遥感概况
高光谱遥感（Hyperspectral Remote Sensing）比较正式的定义为：在电磁波谱的可见光，近红外，中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的技术（Lillesand & Kiefer 2000）。
高光谱遥感实际上是按照传感器类型来划分的，核心是高光谱图像及围绕高光谱图像的应用。高光谱图像的光谱通道窄（<</SPAN>λ/100）而连续，从每个像元均可提取一条连续的光谱曲线。
高光谱遥感是当前遥感技术的前沿领域，它利用很多很窄的电磁波波段从感兴趣的物体获得有关数据，它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。如：
(1)蕴含着近似连续的地物光谱信息，分类中可以采用基于地物光谱数据库的光谱匹配方法。可用于特殊目标的精确识别，如军事目标、违法作物等。
(2)高光谱数据能够探测具有诊断性光谱吸收特征的物质等。可用于植被识别、矿物识别等。
图2：高光谱数据用于隐藏目标识别
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d01017ygs.html
