高光谱技术在地质方面的应用研究.docxVIP

高光谱技术在地质矿产和能源遥感勘查方面的应用 1 ?研究的现状 随着高光谱遥感地质应用的不断扩展和口益深入，高光谱遥感技术和方法也在不断改进。近 年來在以下儿个方面取得了突出的进展。 1 ?多层次的高光谱信息获取体系。 （地而光谱仪主要有澳人利亚的PIMA,美国的ASD、GER、热红外FT-IR等。机载和星 载成像光谱仪，国外具有代表性的机载成像光谱仪有美国的AVIRIS、澳大利亚的HyMap、 加拿大的CASI系列等；国内有屮科院开发的机载OMIS系列、PHI、干涉成像光谱仪等。） 基于高光谱数据的矿物精细识别。 利用高光谱遥感（含热红外高光谱）进行矿物识别可分为3个层次：矿物种类识别、矿 物含量识别和矿物成分识别。（1.基于单个诊断性吸收的特征参数；2.基于完全波形特征； 基于光谱知识模型） 高光谱影像地质环境信息反演。 在矿物识别和矿物精细识别的基础之上，根据矿物共生组合规律和矿物自身的地质意义 指示作用，直观地反演各种地质因素之间的内在联系，可提高高光谱在地质应用中分析和解 决地质问题的效能。（以上三条均与2009年3月提出） 高光谱植被地化信息探测研究。 岩石和土壤的地球化学异常会使植物金属含量增高或引起植物重金属屮毒现象,影响植 物的生长状态和长势，从而使植物的光谱特征（如绿峰、红谷、红外反射坪等）的强度和位置发 生改变，并可引起红边和蓝边斜率的变化和位置的偏移。植被生物变异特征在谱学上重点表 现为叶绿素（含类胡萝卜素）结构、含量、水分以及元素等的不同而引起的谱形差异，最为显著 的是光谱红边的“红移”（健康，生长旺盛）和“蓝移”（不发育，中毒等）。利用高光谱对植物光 谱的“精细”结构和变界的探测和分析，可以定量、半定量地提収与估计植被生物物理和生 物化学参数,快速且定量地评价冠层结构、状态或活力，冠层水文状态，估计冠层生物化学成分, 如N、P、K、糖类、淀粉、蛋白质、氨基酸、木质素、纤维素及叶绿素等的含量。进而结 合生物地球化学的分析，可用以探测和评价地球化学异常，分析环境污染程度，进行矿产资源 探测等。（2007年12月） 2?高光谱遥感在矿物识别方面的应用 1?研究的进展 在矿物识别应用屮，我们应当最终建立白己的识别谱系，矿物识别和信息处理技术可分为三 大类型： （1）基于单个诊断性吸收的特征参数（特征谱带） 岩石矿物单个诊断性吸收特征可以用吸收波段位置、吸收深度、吸收宽度、吸收而积、 吸收对称性、吸收的数目和排序参数作一完整的表征。根据端元矿物的单个诊断性吸收波形, 从成像光谱数据中提取并增强这些参数信息,可直接用于识别岩矿类型。 基于完全波形特征 利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影 响(如光谱漂移、变异等)，提高识别的精度。基于整个波形的识别技术方法是在参考光谱与象 元光谱组成的二维空间选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度，如相 似指数法(Similarityindex algorithm)、光谱角识别方法(Spectndangle mapper),王润生等根据矿 物的完全波形，利用神经网络进行矿物自动识别，甘甫平等设计开发了基于完全谱形的成像光 谱岩矿识别技术。 基于光谱知识模型 基于光谱模型的识别技术方法是建立在一定的光学、光谱学、结晶学和数学理论之上 的信号处理技术方法。 最终我们可以形成诸如以下的矿物识别谱系 图9基于矿物识别谱系集成 (2003) 2?技术及其流程 2.1高光谱地物的光谱识别技术 光谱识别是成像光谱区别于多光谱的本质所在，也是高光谱遥感的最大的优势所在。从成像 光谱众多的波段图像中，可以提取或重建地物在一定光谱段上的连续光谱信息。研究人员可 以根据地物“诊断”波谱特征等物理性质，直接识别地物类型和地物组分，定量、半定量估 计或反演地物及其组分相对含量。当然，图像识别和光谱识别之间并没有截然的界限。图像 识别，特别是特征提取和特征选择，都要以光谱知识为基础；而光谱识别过程屮，也常使用一 些图像处理方法，如波谱特征的提取。而有些方法，如光谱分析中光谱相似性度量的典型方法Z—的波谱角制图，也常被视为一种距离测度而将其归为一种图像分类方法。光谱识别不 同于图像识别的特点主要表现在光谱重建、光谱匹配、混合像元分解与端元选择等环节。高 光谱识别的基本原理是根据重建光谱与地物光谱或实测光谱的定量比对直接识别地物类 型、物质组分或物质成分，即以重建光谱与参考光谱相似性度量为基础的光谱匹配方法。将 重建光谱与参考光谱相比较，以某种测度函数度量它们之间的相似性或相关性程度。相似性 测度函数可以是距离函数（欧氏距离、马氏距离）、相似系数、相关系数、光谱向暈夹角、 光谱信息散度等。按匹配时所使用的数据、利用的光谱特征、所检测的成分，光谱匹配可分