高分辨率遥感作业.doc

根据光谱曲线实现对地物的区分

摘要：利用便携式光谱成像仪对草地、假草地、竹子等地物进行室外光谱数据采集，获得了这几种地物的高光谱数据。文章对高光谱数据进行了去噪和变换处理，减少数据的误差以获取更接近于地物的真实光谱曲线。而后对不同地物的光谱曲线特征进行分析，区分不同地物的。
关键词：数据采集；数据处理；光谱曲线分析
Distinction the ground objects according to the spectral curve
Abstract: using the portable spectral imager ,we got several surface features’ hyperspectral data .This paper discusses the hyperspectral data denoising processing and transformation, to reduce the error of the data in order to get spectral curve of features . And then analyze the different features of spectral curve features, to distinguish the different features.
Keywords: Data collection; data processing; Spectral curve analysis
1 引言
高光谱遥感指具有高光谱分辨率的遥感技术和科学（一般将光谱分辨率为λ/100的遥感称为高光谱遥感），基础是测谱学。成像光谱仪能在电磁波谱的紫外、可见光、近红外和短波红外区域获取许多非常窄且光谱连续的图像数据。成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，它们组成了一条完整而连续的光谱曲线。成像光谱仪将视域中观测到的各种地物以完整的光谱曲线记录下来。
在可见光到短波红外波段其光谱分辨率达到纳米数量级（通常波段宽度<10nm）。研究表明许多地表物质在吸收峰深度一半处的宽度为20~40nm。高光谱遥感的出现是遥感界的一场革命，它使在宽波段遥感中不可探测的物质，在高光谱遥感能被探测。陆地卫星遥感器的波段宽度一般在100~200nm，远大于诊断性光谱宽度，且在光谱上不连续，因而无法探测那些具有诊断性光谱特征的地表物质。而成像光谱系统获得的连续波段宽度一般在10nm以内，因此这种数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质。
地物的诊断性光谱宽度为20nm左右，陆地遥感卫星传感器的光谱分辨率太大，无法通过光谱曲线来对地物加以区分。高光谱传感器的光谱分辨率比较高，能够区分不同地物之间的光谱反射率的差别，从而实现对地物的分类。但是要通过光谱曲线实现地物的识别，首先要建立地物的波谱库，通过与波谱库的曲线对比，实现识别。地物光谱特性研究在遥感技术及应用的研究发展中占有重要的地位，国外的许多遥感研究部门已经开展了大量的地物光谱测量和研究工作。20世纪30年代苏联就对许多自然物体的光谱反射进行了系统的测量和研究[1]；在60年代末到70年代初，美国NASA建立了地球资源信息系统，包括植被、土壤、岩石矿物和水体等四大类地物的电磁波波谱特性数据[2]；80年代后期，美国USGS组织了地质光谱特性比较全面的研究，并制成了光谱数据库，包含近500条特征矿物与典型植被光谱数据，覆盖波谱范围为0.2～3.0um；美国喷气推进实验室对160 种矿物在0.4～2.5um的反射光谱进行了实验室测量研究，除光谱数据外，还规范了样品采集、样品纯度和组分分析方法[3]；90年代，美国Johns Hopkins大学建立了包括岩石、矿物、地球土壤、月球土壤、人工材料、陨石、植被、雪和冰的波谱数据库[4]。我国的许多学者也对地物的光谱进行研究，杜华强[5]等人提出利用分形理论对450～780nm之间的植被反射光谱曲线进行分形测量，并用分形维数定量反映其植被健康状况的新思路。研究表明，高光谱数据能更好地用于植被参数，如叶面积指数、生物量等的反演，更适用于土地覆盖与植被研究。
2数据采集及预处理
本次数据采集使用的是美国ASD（Analytical Spectral Device）公司的FieldSpec 3便携式的光谱仪，其光谱范围是350~2500nm，其中350~1000nm的分辨率是3nm，采样间隔是1.4nm；1000~2500nm的分辨率是10nm，采样间隔是2nm。测量的时间为2013年6月14日的13:00—14:00，天气无风晴朗，这样能保证太阳的高度与照度。每个地物进行10次的光谱测量，在对每种地物测量之前，先以白板进行定标，定标是保持白板水平放置，保证倾斜小于1°。传感器的测头垂直向下测量，距离地面约为1m左右，视场角为25°，地面视场范围直径半米左右。研究区域为中国矿业大学(北京)校园，对校园内的多种地物进行光谱测量。测量地物为草地、竹子、爬山虎、牡丹花、牡丹叶、井盖、沥青路、跑道等。
数据采集是受到外界环境的影响，不可避免的存在大量的噪声，在使用数据进行分析时要进行去噪声处理。数据未处理时的地物光谱图像如图1。

图1 采集的原始数据形成图像
（1） 对每个地物采集的10次样本进行平均值处理
对采集的10次同种地物的光谱做平均值处理，可以消除一次测量中因为某些偶然操作不当而引起的数据误差。对其做均值处理，还能起到平滑作用。
（2） 去除大气中水蒸气影响严重的波段
在进行数据处理时，考虑到大气中水汽的影响使数据存在大量噪声，因此在使用数据时，要对水汽影响比较严重的波段进行去除，去除的波段主要有1356~1417nm、1820~1932nm和大于2359nm的波段。
（3） 对个别噪声点进行剔除
由于测量仪器或者某些方面的原因，致使某些波段的反射率大于1，甚至达到几百，我们需要对这些波段进行剔除。
（4） 进行平滑处理
光谱去除噪声的方法有很多[6]，常用的平滑方法有移动平均法、傅里叶级数近似、相邻平均法等，但要主要尺度，尺度过大容易消弱波峰波谷，尺度过小则无法去除噪音。本文对数据进行平滑处理采用的是五点加权平滑法，研究发现，该法既能够消除掉随机误差又能够较好保留原有光谱特征。进行各种噪声去除后，草地的光谱图像如图2。

图2 波段剔除后的光谱图像
3 不同地物的光谱曲线及区分
本文主要利用光谱曲线实现对草地和假草的区分。
反射波谱是植物叶冠在日光照射下呈现的反射阳光的特性，波谱特征通常包含反射或吸收强度特征、波形特征、指数特征等。反射或吸收强度即某波长区间反射率或吸收谷深度。波形特征指反射峰、吸收峰和波形的陡坡的整体蓝移或红移。指数特征则是某几个波段区间反射或吸收特征的代数组合，这些参数往往用最大反射波长、吸收波长、反射率、峰或谷的面积、相应微分光谱参数、各类植被指数来表征。
绿色植被的遥感生物地球化学效应的波谱特征，是指植物叶冠与其周围环境系统之间的能量交换特征，它决定于叶子色素类型及数量、细胞结构以及含水量。植被在生长过程中受污染物等不利因素的胁迫，光谱反射特性要发生变化，这是利用遥感技术诊断和监测生态系统污染对植被损害的依据，如叶冠或叶面在日光照射下的反射辐射和透射特征。由于遥感所记录的主要是叶冠的反射、热辐射和微波辐射信息，因此相关研究中主要讨论叶冠的反射和辐射特征。这些特征一般用反射率、辐射强度、波形变化和各类植被指数来表征。在固定植物和环境因素的条件下，叶面反射波谱特征在不同波段的波谱特征受不同机理的制约，是自然光与叶体核子、电子、分子、原子、电磁场等物质和能量运动吸收或放出能量叠加的结果。
绿色植物的波谱特征主要取决于它的叶子。在可见光(380~760nm)，太阳辐射能量主要用于植物光合作用，叶冠对光的吸收作用很强：叶绿素强烈吸收蓝光和红光，在480nm和680nm附近形成两个吸收谷，分别称为“蓝谷”和“红谷”；对绿光吸收较弱，在蓝谷和红谷之间(520~600nm)出现绿反射峰(绿峰)，峰顶位于550nm附近，使植物外观呈绿色。

图3 绿色植物主要反射光谱响应特征
在近红外波段(750~1250nm)，植物叶内细胞间空隙导致光的散时和折射，使反射率增高，形成红外反射坪，它的主要控制因素是叶体细胞结构、叶面粗糙度、树冠结构、生化物质中原子、分子的轨道能级跃迁、水含量和叶温等，其中最主要的控制因素是细胞结构、叶面生化物质含量和树冠结构。植物病变后，叶细胞发生畸变或遭到破坏，细胞间隙增多，散射增强，光谱特征往往表现为反射率增高。受毒害后植物叶子细胞壁破裂，植物叶子出现黄斑病变，也影响近红外波段的光谱特性。近红外区970nm，1170nm微吸收带为水的特征吸收带。叶子中的水含量决定了这些吸收带的强弱。植物的水含量直接影响其在短波红外波段的反射率值，随着叶子水含量的降低，反射率显著增大。由于红谷和红外反射坪的综合作用，植物反射光谱在680 nm~750nm光谱区间急剧上升，形成一个反射陡坡，称为“红边”。

图4 草地的实测光谱曲线图

图5 假草的实测光谱曲线
根据以上分析植物的光谱特征主要体现在350~1000nm这一波段范围，下面分别分析草地和假草测得的光谱曲线，从而实现两者的区分。

图6 350~1000nm草地光谱曲线图

图7 350~1000nm假草光谱曲线图
（1）草地与假草整体反射率的比较。草地的整体反射率比较大，最大达到0.4；而假草的整体反射率比较小，小于0.1。
（2）可见光波段（380~760nm）的光谱比较。由于光合作用的原因，真草在480nm和680nm处出现两个谷，在550nm处出现波峰，在680~760nm处反射率突然增大，从不到0.1升到0.4；假草在350~560nm处反射率一直上升，并且在560nm达到最大，而后降低并且在650nm处达到最小，而后一直上升。
（3）在近红外波段（750~1000nm）的光谱曲线特征比较。真草在该波段处反射率基本没有变化，而假草在缓慢地上升。
以上三点，可以从光谱曲线区分出真草和假草。
4 结束语
本文利用ASD光谱仪对校园内的地物进行光谱采集，并以此生成植物的光谱曲线，对光谱曲线进行分析来达到区分识别不同地物，主要成果如下。
（1）采集不同地物的光谱数据并对数据进行前期处理。由于数据的采集过程中受天气、人为的因素影响，不可避免的出现误差，光谱的平滑处理可以减少噪声的影响，使光谱数据更有利于分析。
（2）对不同地物光谱曲线进行特征分析，能够区分不同的地物；对地物的波谱曲线与波谱库的波普曲线进行对比，可以进行地物的识别。

参考文献
[1] 童庆禧, 田国良. 中国典型地物波谱及其特征分析[M] . 北京: 科学出版社, 1990.
[2] Leeman V. The NASA Earth Resources Spectral Information System: A Data Compilation[M]. NASA-CR-115757, Willow Run Lab, Michigan University, 1971.
[3] Grove C I , Hook S J , Paylor E D. Laboratory Reflectance Spectra for 160 Minerals 0.4～2.5 Micrometers[Z]. JPL Publication 92-2, Jet Propulsion Laboratory , Padadena, CA, USA, 1992.
[4] 苏理宏, 李小文, 王锦地, 唐世浩. 典型地物波谱知识库建库与波谱服务的若干问题[J]. 地球科学进展, 2003, 18(2): 185-191.
[5] 杜华强, 金伟, 葛宏立等. 用高光谱曲线分形维数分析植被健康状况[J]. 光谱学与光谱分析, 2009,29(8): 2136-2140.
[6] CHEN Zhigang, SHU Jiong. Journal of Infrared and Millimeter Waves, 2008,27(5): 378.