導語：如何才能寫好一篇高光譜遙感原理與方法，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：高光譜圖像；數據融合；綜合評價；最佳方法；地球觀測1號

中圖分類號： TP751.1； TP391.41

文獻標志碼：A

Abstract： Subject to the imaging principle， manufacturing technology and other factors， the spatial resolution of spaceborne hyperspectral remote sensing imagery is relatively low. Therefore， the thesis proposed the image fusion of hyperspectral imagery and high spatial resolution imagery， and designed the best fusion algorithm to enhance spatial resolution of hyperspectral remote sensing imagery. According to the characteristics of Earth Observing1 （EO1） Hyperion hyperspectral imagery and Advanced Land Imager （ALI） panchromatic imagery， 4 kinds of fusion algorithms were selected to carry out a comparative study of the image fusion effect for the city and mountain regions from 9 kinds of remote sensing image fusion algorithms， namely GramSchmidt spectral sharpening fusion method， transform fusion method of Smoothing Filterbased Intensity Modulation （SFIM）， Weighted Average Method （WAM） fusion method and Wavelet Transformation （WT） fusion method. And it carried out the comprehensive evaluation and analysis of the image fusion effect from 3 aspects of qualitative， quantitative and classification precision， which aims to determine the best fusion method for EO1 hyperspectral imagery and panchromatic imagery. The experimental results show that： 1） from the image fusion effect， GramSchmidt spectral sharpening fusion method is the best in 4 kinds of fusion methods used； 2） from the image classification effect， the classification results based on the fusion image is better than the classification results based on the source image. The theoretical analysis and experimental results show that GramSchmidt spectral sharpening fusion method is an ideal fusion algorithm for hyperspectral imagery and high spatial resolution imagery， and it can provide powerful support to improve the clarity of hyperspectral remote sensing imagery， the reliability and the accuracy of the image object recognition and classification.

Key words： hyperspectral imagery； data fusion； comprehensive evaluation； best method； Earth Observing1 （EO1）

0引言

對于一套光學遙感器系統而言，圖像的空間分辨率與光譜分辨率是一對矛盾，在給定信噪比的條件下，為求得較高的光譜分辨率（窄光譜波段）往往意味著要付出低空間分辨率的代價[1]。相對于較高空間分辨率的多光譜圖像而言，當前高光譜遙感圖像的空間分辨率還都不夠高，尤其是航天高光譜遙感數據。為解決這一矛盾，已經（或即將）發射的搭載成像光譜儀的航天遙感平臺往往都會帶有一個高空間分辨率的全色通道傳感器。例如，地球觀測1號（Earth Observing1， EO1）衛星上就載有3個傳感器，即高級陸地成像儀（Advanced Land Imager， ALI）、高光譜成像光譜儀（Hyperion）和大氣校正儀（Linear Etalon Imaging Spectrometer Array Atmospheric Corrector， LAC）。其中Hyperion高光譜遙感圖像的光譜分辨率為10nm，空間分辨率為30m；而ALI圖像數據中就有一個空間分辨率為10m的全色通道波段。由此為本研究通過數據融合方式來提高高光譜遙感數據的空間分辨率提供了有利的條件，研究高光譜遙感圖像與高空間分辨率圖像的融合將具有十分重要的理論和現實意義。

將高光譜圖像與高空間分辨率圖像進行融合處理，在保持高光譜圖像的光譜物理特性和波形形態的同時，還可大幅度改善高光譜圖像的空間解析特性；融合后的圖像仍可為超多波段的圖像數據，且具有可定量分析的波譜形狀。目前有關多光譜遙感圖像與高空間分辨率全色圖像融合的文章很多，但鮮見涉及高光譜圖像融合的報道，這可能與目前此類數據源較少及數據特性限制有關。本研究將針對Hyperion和ALI遙感圖像的特點，選用多種融合方法對其進行數據融合實驗，并對這些方法的融合效果進行綜合分析評價，旨在尋找最佳的增強高光譜遙感圖像空間分辨率的融合算法，以提高高光譜圖像計算機分類的精度。

1研究方法

1.1遙感數據融合

遙感數據融合是將那些在空間或時間上冗余或互補的多源遙感圖像數據按一定的規則（或算法）進行運算處理，以獲得比任何單一數據更精確、更豐富的信息，從而生成一幅具有新的空間、波譜、時間特征的合成圖像[2-4]。遙感數據融合通常可分為3個層次：像元級融合、特征級融合和決策級融合。其中像元級融合強調不同圖像信息在像元基礎上的綜合及必須進行基本的地理編碼，即對柵格數據進行相互間的幾何配準，在各像元一一對應的前提下進行像元級的合并處理，以改善圖像處理的效果，使特征提取、圖像分割等工作在更準確的基礎上進行，并可獲得更好的圖像視覺效果[2]。由于像元級融合是基于最原始的圖像數據，能最大限度地保留圖像原有的真實感，以提供其他融合層次所不能提供的細微信息，故其一直是遙感圖像融合研究的熱點。本文所提及的遙感數據融合均指像元級的圖像數據融合。

目前，遙感數據融合的方法可分為4類：光譜變換、頻率的濾波、代數和多分辨率變換。1）基于光譜變換的融合方法，是將多光譜波段轉換到另一光譜域，并用全色高空間分辨率圖像替換其中的相關波段，然后通過反變換回到原始光譜域。其具體方法有彩色變換、主成分變換、GramSchmidt變換等。2）基于頻率的濾波融合方法，是在提取高空間分辨率圖像的高頻結構信息的基礎上，與多光譜波段圖像融合，使得在提高后者空間分辨率的同時保持其原有豐富的光譜信息。其具體方法有高通濾波、平滑調節濾波等。3）基于代數的融合方法，是通過加、減、乘、除及混合運算或對各波段圖像數據間的相關性進行加權運算來獲得融合圖像，可不同程度地消除大氣影響，增強相關的信息特征。其具體方法有加權平均法、Brovey變換等。4）基于多分辨率變換的融合方法，是先將參加融合的原圖像作多分辨率分解；然后將各相應層上的分解系數按一定的融合規則進行合成處理而得到融合系數；最后將融合系數進行多分辨率逆變換得到融合圖像。其具體方法有金字塔分解融合法、小波變換融合法等。

1.2高光譜與高空間分辨率圖像融合的特點及方法

高光譜遙感以多達數百個的納米量級寬度的窄波段對目標實施連續的光譜成像，由此可獲得地物在一定范圍內連續而精細的光譜曲線，故能充分利用地物不同波段光譜響應特征的微小差異來實現對地物的精細探測。但由于受制于制造技術及高光譜成像本身的特點，當前航天高光譜圖像的空間分辨率還不夠高，由此給對地物的精確識別與分類帶來一定的困難。鑒于此，研究高光譜分辨率圖像與高空間分辨率圖像的融合將具有十分重要的意義。高光譜遙感圖像與高空間分辨率遙感圖像融合的目的不僅在于提高高光譜圖像數據的空間分辨率，還應盡量保持高光譜圖像原有的光譜信息和波形形態，且仍可為超多窄波段的圖像數據，即所要得到的是高空間分辨率的高光譜圖像。采用常規方法進行高光譜圖像融合的困難在于：隨著波段數目的增加，高光譜圖像不僅數據量呈指數級增加，且其數據的特征空間維度及信息冗余度也在增大，海量的遙感數據及其衍生數據正極大地挑戰常規方法的數據解析能力。由此可見，傳統的多光譜遙感圖像融合方法不宜直接應用于高光譜遙感圖像融合，尋求適合于高光譜圖像的融合方法是高光譜遙感應用的一個有意義的研究方向。

由以上分析可知，高光譜數據的特點要求融合處理算法應能同時提高n個光譜波段的空間分辨率，且同時應盡量保留原始的光譜信息。在上述所列舉的9種具體的遙感圖像融合方法中，彩色變換和Brovey變換這兩種融合方法因僅能用于3個波段的多光譜圖像與全色波段圖像的融合，故不適用于高光譜圖像；主成分變換融合方法是把信息量最大的第一主成分替換掉，故難免會造成一定的光譜失真；高通濾波融合方法因采用大小固定的濾波器，故難以對圖像數據進行任意尺度的分解，且融合圖像仍包含較大的噪聲；金字塔分解融合方法雖能對不同傳感器的圖像進行較好的融合運算，但因其層間分解量之間具有相關性而導致其融合結果不夠理想。因此，本文舍棄這5種方法而選用其余4種方法對Hyperion高光譜圖像和ALI全色波段圖像進行融合：即基于光譜變換的GramSchmidt光譜銳化融合法、基于頻率的平滑調節濾波融合法、基于代數的加權平均融合法和基于多分辨率變換的小波變換融合法，并對這4種方法的融合效果進行綜合評價與分析，旨在尋找最佳的增強高光譜遙感圖像空間分辨率的融合算法，以改善高光譜圖像的空間解析特性，且同時能最大限度地保持其原有的光譜物理特性和波形形態。

1.3.4小波變換融合法

小波變換（Wavelet Transformation， WT）建立于傅里葉分析基礎之上，具有良好的時頻局部化特點，因而能有效地從信號中獲取信息。它通過伸縮、平移等運算功能對函數或信號進行多尺度的細化處理與分析，解決了傅里葉變換所不能解決的很多難題，故被稱為“數學顯微鏡”，而正是這種特性使小波變換具有對信號的自適應性[11]。

小波變換將原始圖像分解成一系列具有不同空間分辨率和不同頻率特性的子圖像，低頻分量反映的是圖像的整體視覺信息，而高頻分量反映的則是圖像的細節特征。將高空間分辨率圖像的高頻分量與相應的多光譜圖像的低頻分量組合并進行小波重建，所得到的融合圖像既能保留高空間分辨率圖像的空間結構信息，又能融合多光譜圖像豐富的光譜信息，可提高遙感圖像的解譯能力和分類精度。但由小波變換得到的融合圖像會隨小波分解尺度的增大而出現明顯的方塊效應，且小波在表達圖像邊緣的方向特性方面也存在一定的缺陷[12]。

3融合算法綜合評價與分析

以下從定性、定量和分類精度這3個方面對這些融合圖像的效果進行綜合評價和對比分析，從而確定適合EO1高光譜與全色圖像融合的最佳方法。

3.1定性評價

分別將上述子區1和子區2采用4種方法獲得的融合圖像與高光譜源圖像進行比對，發現融合后的圖像在視覺效果上均有很大改善，且圖像的空間紋理信息也都有顯著提升，可較好地反映圖像的細節特征。由此可見，圖像經此融合后，都能在較大程度地保持源有光譜信息的同時提高了空間分辨率。在這4種融合方法中，GSSS融合方法獲取的融合圖像效果最好，其整體視覺與原始圖像相差不大，尤其水體等地物的色調差異較小，道路、建筑物和植被等信息亦較清晰；SFIM融合方法次之；WAM融合方法使圖像變亮；WT融合方法使圖像變暗（如圖5）。此外，SFIM和WT方法的融合圖像存在較明顯的邊界模糊現象，尤其后者的模糊程度更為明顯。

進一步隨機選某一波段（如第48波段），對比融合前后圖像在該波段的水平方向光譜剖面曲線。由于兩個子區光譜剖面曲線的對比特征基本一致且受篇幅限制，故以下僅給出子區1的曲線結果（如圖6）。從圖6中可見，各種融合方法融合后的圖像與原始高光譜圖像在形態上基本一致，且因圖像空間分辨率的提高，光譜波動的細節均得到明顯的刻畫。其中：GSSS融合方法的光譜保真性最好，其水平光譜剖面曲線與源光譜圖像的水平光譜剖面曲線吻合度較高；SFIM融合方法次之；WAM和WT融合方法的水平光譜剖面線中存在某些局部反射率值的放大或縮小。

由表2可見，無論采用何種分類方法，高光譜融合圖像的總體分類精度及Kappa系數均比高光譜源圖像高，由此表明融合圖像的分類效果要優于源圖像；無論對高光譜源圖像或融合圖像進行分類，支持向量機分類方法的總體分類精度及Kappa系數均高于其他幾種分類方法，由此表明Hyperion高光譜圖像采用支持向量分類方法要優于其他幾種分類方法。

4結語

受制于成像原理及制造技術等因素，航天高光譜遙感圖像的空間分辨率相對較低。解決這一問題的思路在于：將高光譜圖像與高空間分辨率圖像進行融合處理，由此可提高高光譜遙感數據的空間分辨率，并較好地保持其光譜物理特性和波形形態。本研究著眼于高光譜圖像和高空間分辨率圖像各自的特點，開展了對Hyperion高光譜圖像和ALI全色波段圖像的一系列融合與分類實驗。選用4種融合方法對實驗區數據進行融合：即GramSchmidt光譜銳化融合法、SFIM變換融合法、WAM融合法和WT融合法，并分別從定性、定量和分類精度這3方面對這些方法的融合效果進行綜合評價與分析。

實驗結果顯示，從圖像融合效果看，在所采用的4種融合方法中，GramSchmidt光譜銳化融合法的效果最好；從圖像分類效果看，基于融合圖像的分類效果要優于基于源圖像的分類效果。由此表明，對于EO1高光譜與全色圖像的融合，GramSchmidt光譜銳化融合法是最佳融合方法，該方法不僅能較大程度地保留高光譜圖像中原有的光譜信息，同時也增強了其空間結構信息，由此可為提高高光譜遙感圖像的清晰度、可靠性及圖像的地物識別和分類的準確性提供有力的支持。

參考文獻：

[1]ZHANG B. Hyperspectral data mining supported by temporal and spatial information [J]. Beijing： Chinese Academy of Sciences， Institute of Remote Sensing Applications， 2002.（張兵.時空信息輔助下的高光譜數據挖掘 [D].北京：中國科學院遙感應用研究所，2002.）

[2]ZHAO Y. Analysis principles and methods of remote sensing applications [M]. Beijing： Science Press， 2003.（趙英時.遙感應用分析原理與方法 [M].北京：科學出版社，2003.）

[3]EHLERS M. Multisensor image fusion techniques in remote sensing [J]. ISPRS Journal of Photogrammetry and Remote Sensing， 1991， 46（1）： 19-30.

[4]SIMONE G， FARINA A， MORABITO F C， et al. Image fusion techniques for remote sensing applications [J]. Information Fusion， 2002， 3（1）： 3-15.

[5]CLAYTON D G. GramSchmidt orthogonalization [J]. Applied Statistics， 1971， 20（3）： 335-338.

[6]LABEN C A， BROWER B V. Process for enhancing the spatial resolution of multispectral imagery using Pansharpening： USA， 6011875 [P]. 20000104.

[7]LI C， LIU L， WANG J， et al. Comparison of two methods of fusing remote sensing images with fidelity of spectral information [J]. Journal of Image and Graphics， 2004， 9（11）： 1376-1385.（李存軍，劉良云，王紀華，等.兩種高保真遙感影像融合方法比較[J].中國圖象圖形學報，2004，9（11）：1376-1385.）

[8]LIU J G. Smoothing filterbased intensity modulation： a spectral preserve image fusion technique for improving spatial details [J]. International Journal of Remote Sensing， 2000， 21（18）： 3461-3472.

[9]XU H. Classification of fused imagery base on the SFIM algorithm [J]. Geomatics and Information Science of Wuhan University， 2004， 29（10）： 920-923.（徐涵秋.基于SFIM算法的融合影像分類研究 [J].武漢大學學報：信息科學版，2004，29（10）：920-923.）

[10]TONG Q， ZHANG B， ZHENG L. Hyperspectral remote sensing―principles， techniques and applications [M]. Beijing： Higher Education Press， 2006.（童慶禧，張兵，鄭蘭芬.高光譜遙感――原理、技術與應用 [M].北京：高等教育出版社，2006.）

[11]QIN Q， YANG Z. Practical wavelet analysis [M]. Xian： Xidian University Press， 1994.（秦前清，楊宗凱.實用小波分析 [M].西安：西安電子科技大學出版社，1994.）

[12]MAN W， YUAN Y， HUANG Y. A new remote sensing fusion algorithm based on curvelet transform [J]. Journal of Yangtze University： Natural Science Edition， 2010， 7（2）： 70-73.（滿旺，袁瑩，黃于同.一種基于曲波變換的遙感圖像融合新算法[J].長江大學學報：自然科學版，2010，7（2）：70-73.）

[13]U.S. Geological Survey. Earth Observing 1 （EO1） [EB/OL]. [20111113]. http：//eo1.usgs.gov.

[14]WU P. From Earth Observing1 satellite to see the new satellite technology in the 21st century [J]. International Space， 2001（8）： 10-16.（吳培中.從地球觀測1衛星看21世紀衛星新技術[J].國際太空，2001（8）：10-16.）

[15]UNGAR S G， PEARLMAN J S， MENDENHALL J A， et al. Overview of the Earth Observing One （EO1） mission [J]. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（6）： 1149-1159.

[16]TOET A. Multiscale contrast enhancement with applications to image fusion [J]. Optical Engineering， 1992， 31（5）： 1026-1031.

[17]LIU T， CHENG J. Remote sensing image fusion with wavelet transform and sparse representation [J]. Journal of Image and Graphics， 2013， 18（8）： 1045-1053.（劉婷，程建.小波變換和稀疏表示相結合的遙感圖像融合[J].中國圖象圖形學報，2013，18（8）：1045-1053.）

篇2

關鍵詞：水工環地質；應用；遙感信息；調查

中圖分類號： P283 文獻標識碼： A 文章編號：

概述

遙感技術首先應用在資源宏觀普查、動態監測上，而后才擴展到生態環境調查、環境污染監測等方面。經過多年的試驗、推廣和應用，遙感已成為各種自然資源調查、環境動態監測與工程應用不可缺少的地理空間信息獲取、更新和分析的手段和數據庫。隨著空間技術的進步，遙感技術已從過去單一的遙感技術發展到包括遙感、地理信息系統和全球定位技術在內的空間信息技術的應用，其領域已深入到了國民經濟、社會發展、國際安全以及人民生活的各個方面，稱為水工環地質調查與災害監測評估的重要技術支撐。

二、水工環領域遙感應用技術的發展現狀

經過近30年的應用研究，遙感技術依靠傳感器技術、圖像處理技術及計算機技術的提高，在水工環領域的應用取得了長足的發展。遙感水文地質開始逐步形成一門獨立的學科。傳統的遙感水文地質著重于水文地質測繪系統中定性特征的解釋和特殊標志的識別，近期的研究則擴展到應用熱紅外和多光譜影像進行地下水流系統內的地下水分析和管理，目前研究的重點集中到了空間補給模式、污染評價中植被、區域測圖單元參數的確定和空間地下水模型中地表水文地質特征的監測。縱觀國內外遙感技術在水工環領域的一些應用成果，可把近年來遙感技術的應用發展現狀概括為以下幾個方面：

4.1從目視解譯發展到計算機輔助解譯

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。

4.2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。

4.3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。

4.4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。數字模型成為遙感技術實現定量評價的重要途徑，而DEM/DTM是涉及地形數據計算方面不可缺少的工具。

4.5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。

4.6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。GPS 衛星定位的基本原理是將無線電信號發射臺從地面點搬到衛星上，組成一個衛星導航定位系統，應用無線電測距交會的原理，便可由 3 個以上地面已知點(控制站)交會出衛星的位置，反之利用 3 顆以上衛星的已知空間位置又可交會出地面未知點(用戶接收機)的位置。用戶使用 GPS 接收機在某一時刻同時接收3 顆以上的 GPS 衛星信號，測量出測站點(接收機天線中心)到 3顆以上 GPS 衛星的距離，并解算出該時刻GPS 衛星的窄間坐標，據此利用交會法解算出測站點的位置。實時動態測量的基本工作方法是，在基準站上安置l 臺 GPS 接收機，對所有可見GPS 衛星進行連續的觀測，并將其觀測數據通過無線電傳輸設備實時地發送給用戶觀測站(流動站)。在流動站上，GPS 接收機在接收 GPS 衛星信號的同時，通過無線電接收設備，接收基準站傳輸的觀測數據和轉換參數，然后根據 GPS 相對定位的原理，即時解算出相塒基準站的基線向量，解算出基準站的 WGS-84 坐標；再通過預設的 WGS-84坐標系與地方坐標系的轉換參數，實時地計算并顯示出用戶需要的三維坐標及精度；GPS可以對地面控制點精確定位，提高遙感數據空間精度。另外，在具體手段配合上，也出現了遙感技術與物探技術、鉆探技術等相結合的新方法。

4.7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。

4.8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。

三、主要遙感信息源及其發展

根據傳感器類型不同，遙感圖像可分為可見光攝影、紅外攝影和掃描、多光譜掃描、微波雷達和成像光譜圖像等。近10年來，傳感器技術迅猛發展，主要表現在：①圖像分辨率提高，衛星圖像分辨率已達到米級。②具備立體觀察功能。③應用波段數增加，機載高光譜成像儀已投入使用。如美國的AVIRIS（航空可見光/紅外成像光譜儀），波譜范圍0.4~2.5/l，波段數224個。CASI（袖珍航空光譜成像儀），波譜范圍0.4~0.95/u，波段數72個。高光譜成像光譜儀簡稱成像光譜儀，也稱超光譜成像儀，按其波段數目可分為高光譜成像光譜儀（波段數

四、結語

在水工環地質中對3S技術的采用，已經得到了很好驗證，可以一步到位外業的測量，節省了很多不必要的中間環節，對外業工作量進行最大限度地減少，從而縮短整個測量工期，提高工作效率。同時，簡化外業工序和迅速完成也可以使所有的后續專業工序更快的完成。

參考文獻：

篇3

關鍵詞：遙感水質監測遙感數據

1水體遙感監測的基本理論

1.1水體遙感監測原理、特點。影響水質的參數有：水中懸浮物、藻類、化學物質、溶解性有機物、熱釋放物、病原體和油類物質等。隨著遙感技術的革新和對物質光譜特征研究的深入，可以監測的水質參數種類也在逐漸增加，除了熱污染和溢油污染等突發性水污染事故的監測外，用遙感監測的水質數據大致可以分為以下四大類：渾濁度、浮游植物、溶解性有機物、化學性水質指標。

利用遙感技術進行水環境質量監測的主要機理是被污染水體具有獨特的有別于清潔水體的光譜特征，這些光譜特征體現在其對特定波長的光的吸收或反射，而且這些光譜特征能夠為遙感器所捕獲并在遙感圖象中體現出來。如當水體出現富營養化時，浮游植物中的葉綠素對近紅外波段具有明顯的“陡坡效應”，故而這類水體兼有水體和植物的光譜特征，即在可見光波段反射率低，在近紅外波段反射率卻明顯升高。

1.2水質參數的遙感監測過程。首先，根據水質參數選擇遙感數據，并獲得同期內的地面監測的水質分析數據。現今廣泛使用的遙感圖象波段較寬，所反映的往往是綜合信息，加之太陽光、大氣等因素的影響，遙感信息表現的不甚明顯，要對遙感數據進行一系列校正和轉換將原始數字圖像格式轉換為輻射值或反射率值。然后根據經驗選擇不同波段或波段組合的數據與同步觀測的地面數據進行統計分析，再經檢驗得到最后滿意的模型方程（如圖）。

圖1：遙感監測水質步驟簡圖

2水質遙感監測常用的遙感數據

2.1多光譜遙感數據。在水質遙感監測中常用的多光譜遙感數據，包括美國Landsat衛星的MSS、TM、ETM 數據，法國SPOT衛星的HRV數據，氣象衛星NOAA的AVHRR數據，印度遙感IRS系統的LISS數據，日本JERS衛星的OPS(光學傳感器)接收的多光譜圖像數據，中巴地球資源1號衛星（CBERS--1）CCD相機數據等。

Landsat數據是目前應用較廣的數據。1972年Landsat1發射后，MSS數據便開始被用于水質研究中。如解亞龍等用MSS數據對滇池懸浮物污染豐度進行了研究，明確了遙感數據與懸浮物濃度的關系；張海林等用MSS和TM數據建立了內陸水體的水質模型；Anne等人用TM和ETM 數據對芬蘭的海岸水體進行了研究。

SPOT地球觀測衛星系統，較陸地衛星最大的優勢是最高空間分辨率達10m。SPOT數據應用于水質研究中，學者們也做了一些研究。如可以利用SPOT數據來估算懸浮物質濃度和估計藻類生物參數。

AVHRR(高級甚高分辨率輻射計)是裝載在NOAA列衛星上的傳感器，每天都可以提供可見光圖像和兩幅熱紅外圖像，在水質監測等許多領域廣泛應用，如1986年，國家海洋局第二海洋研究所用NOAA數據對杭州灣懸浮固體濃度進行了研究。

2.2高光譜遙感數據

2.2.1成像光譜儀數據。成像光譜儀也稱高光譜成像儀，實質上是將二維圖像和地物光譜測量結合起來的圖譜合一的遙感技術，其光譜分辨率高達納米數量級。國內外的學者主要利用的有：美國的AVIRIS數據、加拿大的CASI數據、芬蘭的AISA數據、中國的PHI數據以及OMIS數據、SEAWIFS數據等進行了水體水質遙感研究，對一些水質參數，如葉綠素濃度、懸浮物濃度、溶解性有機物作了估測。

2.2.2非成像光譜儀數據。非成像光譜儀主要指各種野外工作時用的地面光譜測量儀，地物的光譜反射率不以影像的形式記錄，而以圖形等非影像形式記錄。常見的有ASD野外光譜儀、便攜式超光譜儀等。如對我國太湖進行水質監測時，水面光譜測量就用了GRE-1500便攜式超光譜儀，光譜的響應范圍0.30~1.1um，共512個測量通道，主要將其中0.35~0.90um的316個通道的數據用于水質光譜分析。并且非成像光譜儀與星載高光譜數據的結合，可望研究出具有一定適用性的水質參數反演模型。

2.3新型衛星遙感數據。新的衛星陸續升空為水質遙感監測提供了更高空間、時間和光譜分辨率的遙感數據。如美國的LandsatETM 、EO--1ALI、MODIS，歐空局的EnvlsatMERIS等多光譜數據和美國的EO-1Hyperion高光譜數據。Koponen用AISA數據模擬MERIS數據對芬蘭南部的湖泊水質進行分類，結果表明分類精度和利用AISA數據幾乎相同；Hanna等利用AISA數據模擬MODIS和MERIS數據來研究這兩種數據在水質監測中的可用性時發現；MERIS以705nm為中心的波段9很適合用來估算葉綠素a的濃度，但是利用模擬的MODIS數據得到的算法精度并不高。Sabine等把CASI數據和HyMap數據結合，對德國梅克萊堡州湖區水質進行了監測，為營養參數和葉綠素濃度的定量化建立了算法。

3水質遙感存在的問題與發展趨勢

3.1存在的問題：①多數限定于定性研究，或進行已有的航空和衛星遙感數據分析，卻很少進行定量分析。②監測精度不高，各種算法以經驗、半經驗方法為主。③算法具有局部性、地方性和季節性，適用性、可移植性差。④監測的水質參數少，主要集中在懸浮沉積物、葉綠素和透明度、渾濁度等參數。⑤遙感水質監測的波段范圍小，多集中于可見光和近紅外波段范圍，而且光譜分辨率大小不等，尤其是缺乏微波波段表面水質的研究。

3.2發展趨勢

3.2.1建立遙感監測技術體系。研究利用新型遙感數據進行水質定量監測的關鍵技術與方法，形成一個標準化的水安全定量遙感監測技術體系，針對不同類型的內陸水體，建立多種水質參數反演算法，實現實驗遙感和定量遙感的跨躍，從中獲得原始創新性的成果。

3.2.2加強水質遙感基礎研究。加深對遙感機理的認識，特別是水質對表層水體的光學和熱量特征的影響機理上，以進一步發展基于物理的模型，把水質參數更好的和遙感器獲得的光學測量值聯系起來；加深目視解譯和數字圖象處理的研究，提高遙感影象的解譯精度；增強高光譜遙感的研究，完善航空成像光譜儀數據處理技術。

3.2.3開展微波波段對水質的遙感監測。常規水質遙感監測波段范圍多數選擇在可見光或近紅外，尤其是缺乏微波波段表面水質的研究情況。將微波波段與可見光或近紅外復合可提高對表面水質參數的反演能力。

3.2.4拓寬遙感水質監測項。現階段水質遙感局限于某些特定的水質參數，葉綠素、懸浮物及與之相關的水體透明度、渾濁度等參數，對可溶性有機物、COD等參數光譜特征和定量遙感監測研究較少，拓寬遙感監測項是今后的發展趨勢之一。應加強其他水質參數的光譜特征研究，以擴大水質參數的定量監測種類，進一步建立不同水質參數的光譜特征數據庫。

3.2.5提高水質遙感監測精度。研究表明利用遙感進行水質參數反演，其反演精度、穩定度、空間可擴展性受遙感波段設置影響較大，利用星載高光譜數據進行水質參數反演，對其上百的波段寬度為10nm左右的連續波段與主要水質參數的波譜響應特性進行研究，確定水質參數診斷性波譜及波段組合，形成構造水質參數遙感模型和反演的核心技術，提高水質監測精度。

3.2.6擴展水質遙感監測模型空間。系統深入的研究水質組分的內在光學特性，利用高光譜數據和中、低分辨率多光譜數據進行水質遙感定量監測機理研究，進行水質組分的

定量提取和組分間混合信息的剝離，消除水質組分間的相互干擾，建立不受時間和地域限制的水質參數反演算法，形成利用中內陸水體水質多光譜遙感監測方法和技術研究低分辨率遙感數據進行大范圍、動態監測的遙感定量模型。

3.2.7改進統計分析技術。利用光譜分辨率較低的寬波段遙感數據得到的水質參數算法精度都不是很高，可以借鑒已在地質、生態等領域應用的混合光譜分解技術，人工神經網絡分類技術等，充分挖掘水質信息，建立不受時間和地域限制的水質參數反演算法，提高遙感定量監測精度。

3.2.8綜合利用“3S”技術。利用遙感技術視域廣，信息更新快的特點，實時、快速地提取大面積流域及其周邊地區的水環境信息及各種變化參數；GPS為所獲取的空間目標及屬性信息提供實時、快速的空間定位，實現空間與地面實測數據的對應關系；GIS完成龐大的水資源環境信息存儲、管理和分析。將“3S”技術在水質遙感監測中綜合應用，建立水質遙感監測和評價系統，實現水環境質量信息的準確、動態快速，推動國家水安全預警系統建設。參考文獻：

[1]張繼賢，喬平林.水資源環境遙感監測與評價[M].北京:測繪出版社，20__.

[2]謝歡，童小華.水質監測與評價中的遙感應用[J].遙感信息，20__.

[3]齊峰，王學軍.內陸水體水質監測與評價中的餓遙感應用[J].環境科學進展，1999.

[4]解亞龍，李勃，王星捷等.滇池懸浮物污染豐度的遙感檢測分析[J].昆明理工大學學報，20__.

[5]張海林，何報寅.遙感應用于湖泊富營養化評價的研究[J].上海環境科學，20__.

[6]劉燦德，何報寅.水質遙感監測研究進展[J].世界科技研究與發展，20__.

[7]萬余慶，張鳳麗，閆永忠.高光譜遙感技術在水環境監測中的應用研究[J].國土資源遙感，20__.

[8]周藝，周偉奇，王世新等.遙感技術在內陸水體水質監測中的應用[J].水科學進展，20__.

[9]李嶸.遙感技術在水環境監測中的應用研究[J].江西化工，20__.

[10]顧先冰，司群英.國內外遙感衛星發展現狀[J].航天返回與遙感，20__.

作者簡介：

篇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.

篇5

關鍵詞：

反射式高光譜； 可見光； 近紅外光； 人體組織檢測

中圖分類號： R 32933文獻標志碼： Adoi： 10.3969/j.issn.10055630.2017.01.013

Research progress in human tissue detection technologies

based on reflection hyperspectra

YUAN Xupeng1， ZHANG Dawei1， WANG Cheng2， DAI Bo1， ZHAO Mantong1

（1.School of OpticalElectrical and Computer Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China；

2.School of Medical Instrument and Food Engineering， University of Shanghai for Science and Technology， Shanghai 200093， China）

Abstract：

Hyperspectral imaging（HSI）detection technology has been widely used in agricultural detection，geological exploration and urban planning and so on.With the development of HSI technology，the technology of human tissue detection based on reflection HSI effect in the visibletonearinfrared band（4001 100 nm） has become a key research direction due to its various advantages like realtime，fast and accurate noninvasive characteristics.We review the current situation of HSI on the way of medical science and the contrast of different HSI technologies applied in human tissue detection，and summarize the research applications and achievements of human tissue detection based on reflection HSI，including cutaneous edema，tongue tumor and lung cancer and so on.The urgent problems of HSI in the medical field are also presented.

Keywords： reflection hyperspectra； visible light； near infrared light； human tissue detection

引言

目前，基于光V成像（SI）的遙感技術（RST）已經在農業生產監測、煤礦挖掘、目標識別和檢測、災難預警、軍事勘測以及城市規劃等方面得到了廣泛的應用[1]。高光譜成像（HSI）技術的出現和快速發展是遙感技術又一個新的重要應用。

在醫學應用領域，高光譜成像仍是一項比較新的技術。到目前為止，組織病理學仍然是各種癌癥診斷的黃金標準，但是，這種方法對人體有很大的損傷且成本比較高，最終的診斷結果仍取決于病理學專家的主觀判斷[2]，診斷的結果難免會具有一定的片面性。最重要的是，檢查一個疑似腫瘤的病理學組織切片通常需要花費幾天的時間[3]。核磁共振成像（MRI）、X射線斷層攝影術（CT）以及超聲波檢查法等技術雖然已經發展成為現代生物醫學的主流成像技術，但其最大的困難之一是成像時器官和周圍的組織區分得不是特別明顯，當需要檢測的物體在不斷運動的時候，整個檢測過程將會變得更具有挑戰性[4]。高光譜成像技術的出現將會為各種疾病的診斷以及外科手術的指導提供參考[5]。

基于生物組織光學特性的不同，高光譜成像技術按照測量模式的不同可以分為三大類：反射式高光譜[6]、透射式高光譜[7]以及與熒光技術結合的反射式高光譜[8]。熒光和反射模式相結合的技術[89]一般用于鑒定生物分子或者診斷各種組織的表面形態。透射模式通常和顯微鏡相結合[7，10]，用來測量入射光透過生物組織后的光強。在高光譜的實際應用中，反射模式應用最為廣泛[11]。例如，Akbari等[12]利用近紅外（1 000～2 500 nm）高光譜成像技術并結合支持向量機（SVM）算法來檢測10個人體的胃組織，最終確定1 226～1 251 nm和1 288～1 370 nm波段的光譜作為測量正常組織和癌變組織的光譜，能為醫生在手術時提供安全邊距，也能檢測手術之后癌變組織是否被完全切除干凈。Nouri等[13]利用高光譜成像系統結合波段轉換與選擇的方法在實驗中檢測豬的輸尿管，實驗證明波段選擇法比波段轉換法提供的信息更多，但是波段轉換法中波段與波段之間的相關性更低。

本文主要介紹反射式高光譜在可見光到近紅外波段（400～1 100 nm）在人體生物組織檢測方面的應用及反射式高光譜成像系統的工作原理。

1高光譜成像系統的關鍵步驟及工作原理

高光譜成像系統如圖1所示[14]，白光均勻地照射在組織上，入射狹縫的作用是限制光譜帶寬，即決定了高光譜系統的光譜分辨率，然后經過準直透鏡進行準直，之后再通過散光裝置（目前主要的散光裝置有棱鏡、光柵、聲光可調濾光器（AOTF）和液晶可調諧濾光片（LCTF））將白光分成一系列窄帶光譜，這些光譜通過聚焦透鏡聚焦在探測器陣列上。為了得到比較理想的圖像，探測器的光譜響應值一般應調節在其最大光譜響應值的80%左右。

高光譜成像系統能產生三維信息，包括二維空間成像信息和第三維光譜信息，即能同時提供實驗對象的光譜（即化學信息）和圖像（即物理信息）特征[15]，如圖2所示[16]。利用高光譜成像技術對組織進行檢測時，光能夠穿透生物組織一定的厚度，由于生物組織結構的不均一性，光在各個方向發生散射，血紅蛋白、黑色素和水吸收不同波長的光[17]，所以，不同組織或者器官的反射光譜取決于自身的生物化學和組織學特性[18]，為鑒別正常組織和癌變組織提供了強有力的依據。

2可見光到近紅外光的反射式高光譜對人體組織的檢測

2.1基于AOTF高光譜檢測舌腫瘤

舌癌是一種惡性腫瘤，剛開始只是一個比較硬的小白塊或者潰瘍，但是會慢慢擴散到身體的其他部位并危及生命。Liu等[2]在2011年利用基于AOTF（AOTF沒有可移動的單元，因此不會受到方位變換或者機械振動等的干擾，是一種具有高輸出和高速可編程裝置的大視場可調諧濾波片）的醫學高光譜成像系統（600～1 000 nm）測量并分析了人舌的反射光譜，如圖3所示[2]，然后采用稀疏表示（SR）的算法判斷每一個像素點是正常的還是癌性的。他們首創性地構建了自己的舌腫瘤圖像數據庫，其中包括65個腫瘤組織和34個部分腫瘤組織。圖4 所示為腫瘤組織和正常組織的歸一化反射光譜曲線，兩者之間的差異能有效地幫助我們區分腫瘤組織和正常組織[2]。

為了驗證實驗數據處理方法的優越性，Liu等還將自己的方法和支持向量機（SVM）[19]以及關聯向量機（RVM）[20]進行比較，如圖5所示[2]。實驗結果表明識別率最高時可以達到96.5%，如果能將樣本的數量再進一步擴大并嘗試其他的數據處理方法，或許會有更好的效果。雖然最終的結果還要讓醫生進行鑒定，但是此實驗系統提供的小型數據庫可以在醫生進行舌診斷時提供非常有用的參考。

2.2基于LCTF高光譜檢測吸煙者的肺

Lee等[21]于2009年利用基于LCTF的高光譜系統（650～1 100 nm）在實驗中檢測豬的正常肺和模擬的吸煙者的人肺的差異，其中LCTF的調諧、圖像的獲取以及數據的存儲都通過C++編程實現。由于獲得的數字圖像包含系統的補償和增益，它們會隨著時間的推移而發生改變，所以有必要進行光學校準。圖6顯示了LCTF由雙鹵素燈照射下在波長650～1 100 nm之間的透射特性[21]，表征了可調諧濾波器的校準狀況，然后根據不同空間坐標在相對應波長處的模型公式I（x，y，λk）=L（x，y，λk）S（x，y，λk）?R（x，y，λk）+O（x，y，λk）[22]進行校準，其中I（x，y，λk）代表高光譜圖像中空間坐標點（x，y）和波長λk，L（x，y，λk）代表光照度，S（x，y，λk）代表系統光譜響應，R（x，y，λk）代表反射率，O（x，y，λk）代表暗電流和雜散光引起的誤差。

校準之后，分別從肺的三個不同部位（左肺、右肺和心切跡）選取10 000個像素點求其平均值，圖7所示為豬的健康肺和模擬的吸煙者的肺的光譜區別[21]。兩種組織有相似的光譜形狀，但是模擬的吸煙者的肺的反射率明顯高于正常肺。因此，此實驗結果有助于我們區別健康肺和不健康的肺。

雖然實驗結果比較明顯，但是豬肺和人肺之間還是存在很大的差異性，所以下一步的工作如果能都用人肺進行比較會具有更強的說服力。

2.3用宏觀的高光譜方法檢測癌癥轉移

直到2012年才有人提出用高光譜技術對病理組織切片進行成像來檢測癌癥，Akbari等[23]采用波帶寬度為450～950 nm的光譜相機來檢測人體頭和脖子的癌細胞轉移。他們將高度擴散的癌細胞轉移到老鼠身上，大約2～3周以后將老鼠的淋巴結和肺組織做成病理切片，然后利用高光譜進行成像，如圖8所示[23]。

而后，將高光譜收集到的不同組織的高維度數據利用支持向量機算法進行分類，區分正常的像素點和癌變的像素點，建立實驗的訓練集，圖9分別為老鼠淋巴結和肺組織的正常組織和癌變組織的反射光譜圖[23]，可以有效地區分正常組織和癌變組織。建立訓練集以后，用支持向量機算法對其余的組織進行評價，其敏感度和特異性[2425]（也是一種統計學測量方法）在肺病理切片和淋巴結病理切片中分別為97.7%和92.6%以及98.3%和96.2%，取得了很好的效果。

用高光譜成像技術檢測病理切片的方法為研究癌癥的擴散機制以及治療癌癥的方法提供了一種全新的途徑，在醫學上具有重要的現實意義。

組織發炎的時候通常會伴隨局部組織積水，稱為水腫，可能會導致組織感染、淋巴結堵塞以及癌癥等。Stamatas等[26]用高光譜成像技術檢測皮膚水腫和紅疹，水腫和紅疹是通過電離子透入療法將組胺通過皮膚注射到體內產生的，圖10分別為注射不同劑量的組胺所產生的水腫和紅疹的效果[26]，水腫和紅疹的明顯程度取決于組胺的劑量。水腫的區域隨著組胺劑量的增大而增大，而紅疹卻在到達一定程度后保持穩定甚至衰減，主要是因為水腫擠壓削弱了深處血管的擴張，紅疹的區域超出了水腫的區域屬于典型的風團反應。

水腫和紅疹的光譜分析如圖11所示[26]，分別顯示了在560，580，700，970 nm處的光譜圖。在前兩個波長處，脫氧血紅蛋白和血紅蛋白吸收強烈，較暗的區域是由于血液濃度較高所以吸收較多造成的，但是這個波長范圍內的光只能滲透皮膚幾百微米的深度。在后兩個波長處，表面毛細血管處的紅疹在這個波段范圍內是不可見的，但是，較深較大的毛細血管由于較高的血紅蛋白濃度所以吸收比較強烈，這也就解釋了為何在600 nm以上的波段內在較白的背景下能看見較深處的血管。

雖然光譜圖像包含了l色團不同濃度在相應譜帶范圍內吸收光的信息，但是由于染色團對光的吸收有很多重疊部分，需要用曲線擬合和發色團的消光系數作為主要的向量，計算出每個像素點上發色團對應的濃度，這樣就可以構建一個濃度圖，每一個像素點的發色團濃度可以根據光譜分析算法計算得到，如圖12所示[26]，依次代表了血紅蛋白濃度、脫氧血紅蛋白濃度、水濃度和光的強度散射圖，用圖像分析的方法就能夠從這些圖片中提取定量的信息進行分析。

該實驗第一次提出用水和血紅蛋白的特征吸收帶來證明水腫反應的功能圖像，對于研究水腫有重要的意義。但是，水腫是由于血漿膠體滲透壓降低或者淋巴回流受阻等多方面病因引起的，如果能對水腫反應進行具體的定性分析，將會有特別的價值。

2.5利用高光譜技術研發針對胃癌的診斷支持系統

Goto等[27]在2015年利用高光譜技術來區分胃腫瘤和周圍正常黏膜組織，并試圖確定一個特定的最優波長用于診斷胃癌。

他們將104個腫瘤塊分為兩組，即訓練組54個和測試組50個，為了保證準確性，訓練組每一塊組織上分別平均取1個腫瘤區域和正常區域10個像素點進行測量。因為每塊組織都不完全相同，所以腫瘤區域的校正光譜是通過腫瘤區域的平均光譜減去正常黏膜區域的平均光譜，相應地，正常黏膜區域的校正光譜為零，腫瘤區域的校正光譜和正常黏膜區域的校正光譜之間的馬氏距離用于確定最優波長，之后再將訓練集的54塊組織平均分為子訓練集和子測試集用于確定截止值。圖13顯示了測試集中其中一塊組織上的光譜反射曲線[27]，經過30次實驗以后可以確定770 nm作為最優波長，然后可以確定1/4為最優截止值。最后

用測試集的50塊組織以同樣的方法來檢測診斷支持系統的可靠性并取得了很好的效果，將反射光譜數據和最優截止值導入到光譜相機（HSC）分析軟件中就可以很快地自動識別正常組織和腫瘤組織。

此實驗是在胃腺瘤切除以后的樣本上進行的，此時血液的流動量以及氧飽和度都已經發生改變，對提取的數據有一定的影響；此外，最優截止值取決于光譜相機和實驗過程，所以最優截止值必須進行相應的優化，以提高實驗的精確度。

3結論

在介紹高光譜在醫學領域的發展現狀以及工作原理的基礎上，描述了反射式高光譜成像系統在可見光到近紅外（400～1 100 nm）波段在人體組織檢測中的應用，提供了較為完備的人體組織研究現狀，為醫學方面的檢測提供了很大的幫助。但是，目前的高光譜檢測技術在醫學方面的應用主要停留在實驗水平，因為從提取像素點進行分析到確定最終的結果需要一定的時間，這嚴重地阻礙了其在醫學方面的應用。同時，現在的高光譜設備的光譜相機工作波段一般比較窄，有較大的局限性，如果能開發出比較寬的波段范圍，將大大促進高光譜在醫學領域的應用。因此，如何將光譜儀器和算法有效地融合在一起，在短時間內給出診斷結果，以及研究寬波段光譜儀，都將是以后的主要研究方向。

參考文獻：

[1]YANG J H，WANG L G，QIAN J X.Hyperspectral image classification based on spatial and spectral features and sparse representation[J].Applied Geophysics，2014，11（4）：489499.

[2]LIU Z，WANG H J，LI Q L.Tongue tumor detection in medical hyperspectral images[J].Sensors，2012，12（1）：162174.

[3]KONG S G，MARTIN E M，VODINH T.Hyperspectral fluorescence imaging for mouse skin tumor detection[J].ETRI Journal，2006，28（6）：770776.

[4]LIU Z，YAN J Q，ZHANG D，et al.Automated tongue segmentation in hyperspectral images formedicine[J].Applied Optics，2007，46（34）：83288334.

[5]LU G L，FEI B W.Medical hyperspectral imaging：a review[J].Journal of Biomedical Optics，2014，19（1）：010901.

[6]ROSAS J G，BLANCO M.A criterion for assessing homogeneity distribution in hyperspectral images.Part 2：application of homogeneity indices to solid pharmaceutical dosage forms[J].Journal of Pharmaceutical and Biomedical Analysis，2012，70：691699.

[7]DICKER D T，LERNER J，VAN BELLE P，et al.Differentiation of normal skin and melanoma using high resolution hyperspectral imaging[J].Cancer Biology & Therapy，2006，5（8）：10331038.

[8]LARSENE L P，RANDEBERG L L，OLSTAD E，et al.Hyperspectral imaging of atherosclerotic plaques in vitro[J].Journal of Biomedical Optics，2011，16（2）：026011.

[9]MARTIN M E，WABUYELE M，PANJEHPOUR M，et al.An AOTFbased dualmodality hyperspectral imaging system （DMHSI） capable of simultaneous fluorescence and reflectance imaging[J].Medical Engineering & Physics，2006，28（2）：149155.

[10]LI Q L，WANG Y T，LIU H Y，et al.Nerve fibers identification based on molecular hyperspectral imaging technology[C]∥Proceedings of 2012 IEEE International Conference on Computer Science and Automation Engineering.Zhangjiajie，China，2012：1517.

[11]侯路，李柏承，周瑤，等.基于可見近紅外高光譜成像技術的梨硬度和可溶性固體含量的預測[J].激光雜志，2015（10）：7074.

[12]AKBARI H，UTO K，KOSUGI Y，et al.Cancer detection using infrared hyperspectral imaging[J].Cancer Science，2011，102（4）：852857.

[13]NOURI D，LUCAS Y，TREUILLET S.Efficient tissue discrimination during surgical interventions using hyperspectral imaging[M]∥STOYANOV D，COLLINSD L，SAKUMA I，et al.Information processing in computerassisted interventions.Switzerland：Springer，2014：266275.

[14]GOETZ A F H.Three decades of hyperspectral remote sensing of the earth：a personal view[J].Remote Sensing of Environment，2009，113（S1）：S5S16.

[15]易偉松，劉文強，陸東，等.高光譜成像結合化學計量學診斷胃癌組織[J].中國醫學物理學雜志，2015，32（1）：124128.

[16]SHAHZAD A，SAAD M N，WALTER N，et al.Hyperspectral venous image quality assessment for optimum illumination range selection based on skin tone characteristics[J].Biomedical Engineering Online，2014，13（1）：109.

[17]WANG L V，WU H I.Biomedical optics，principle and imaging[J].Journal of Biomedical Optics，2008，13（4）：049902.

[18]AKBARI H，KOSUGI Y，KOJIMA K，et al.Detection and analysis of the intestinal ischemia using visible and invisible hyperspectral imaging[J].IEEE Transactions on Biomedical Engineering，2010，57（8）：20112017.

[19]RAJPOOT K，RAJPOOT N.SVM optimization for hyperspectral colon tissue cell classification[M]∥BARILLOT C，HAYNORD R，HELLIER P.Medical image computing and computerassisted intervention.Heidelberg：Springer，2004：829837.

[20]MIANJIF A，ZHANG Y.Robust hyperspectral classification using relevance vector machine[J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（6）：21002112.

[21]LEE J H，WON C H.Characterization of lung tissues using liquidcrystal tunable filter and hyperspectral imaging system[C]∥Proceedings of 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Minneapolis，2009：14161419.

[22]PAN Z H，HEALEY G，PRASAD M，et al.Face recognition in hyperspectral images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25（12）：15521560.

[23]AKBARI H，HALIG L V，ZHANG H Z，et al.Detection of cancer metastasis using a novel macroscopic hyperspectral method[C]∥Proceedings of the SPIE Medical Imaging 2012：Biomedical Applications in Molecular，Structural，and Functional Imaging.San Diego，California，2012，8317：831711.

[24]YANG X F，FEI B W.A multiscale and multiblock fuzzy Cmeans classification method for brain MR images[J].Medical Physics，2011，38（6）：28792891.

[25]WANG H S，FEI B W.A modified fuzzy Cmeans classification method using a multiscale diffusion filtering scheme[J].Medical Image Analysis，2008，13（2）：193202.

[26]STAMATASG N，SOUTHALL M，KOLLIAS N.In vivo monitoring of cutaneous edema using spectral imaging in the visible and near infrared[J].Journal of Investigative Dermatology，2006，126（8）：17531760.

篇6

0引言

水產養殖是指商業性的飼養水生生物(包括魚類、軟體動物、甲殼類動物和水生植物)的活動［1］，按操作的基面性質可分為陸地、水面和灘涂等3大類。以陸地為主的系統主要包括池塘、稻田以及在陸地建造的其他設施;以水面為基礎的養殖系統包括攔灣、圍欄、網箱及筏式養殖，通常位于設有圍場的沿海或內陸水域;以灘涂為基礎的養殖系統包括基塘養殖和高位池養殖［2］。我國是世界第一水產養殖大國，也是世界唯一的養殖產量超過捕撈產量的國家，而且目前水產養殖規模仍在繼續快速增長中。在為滿足世界水產品需求做出巨大貢獻的同時，我國的水產養殖正面臨著水環境狀況的日益惡化、社會輿論的監督、政策與法規的監控及水產品質要求日益提高等各方面的壓力，水產養殖日益成為當前研究熱點之一。

遙感具有探測范圍廣、獲得資料速度快、周期短、時效性強、成本低、經濟效益大等優點。利用遙感圖像能快速提取所需水產養殖的專題信息，可幫助養殖場選址、決定養殖品種，開展養殖密度、養殖水體污染(赤潮、水質等)監測;結合GIS技術，還可對養殖區進行規劃和管理，評估水產養殖區對環境的影響，加深對魚類等水生生物棲息地的理解和認識［3－4］。以往由于農業活動和降水作用導致的水質隨季節變化明顯，導致水產養殖遙感識別需要更高的時間分辨率數據來獲取信息等原因，相對于在其他領域(如地質學和林學等)的應用，遙感在水產養殖方面的應用發展較遲緩［5］。近年來，隨著遙感技術的發展，日益豐富的多平臺、多種類、多分辨率的遙感數據為水產養殖信息獲取提供了新的契機;許多研究人員也對水產養殖專題信息的快速、高精度提取方法進行了積極的探索和研究，使得遙感在水產養殖中的應用日趨廣泛。本文針對目前的研究現狀，對用于水產養殖區域識別的遙感數據源、識別方法進行分析和總結，并進一步探討其研究和應用的趨勢。

1多源遙感數據源

隨著遙感技術的發展，越來越多的不同類型的遙感傳感器數據被用于對水域的觀測。不同類型的遙感數據在水產養殖信息提取中具有各自的優勢和特性，因而也對應有不同的應用領域和信息提取精度。一般來說，多光譜遙感記錄了地物的反射、輻射波譜特征，擁有豐富的地物空間分布及光譜信息，有助于識別水產養殖區域，是目前水產養殖區信息提取的主要信息源。但大多數多光譜遙感圖像數據空間分辨率相對較低，即空間的細節表現能力比較差，將多光譜圖像和全色圖像融合，可有效提高圖像解譯能力。目前常用的識別水產養殖區的衛星遙感數據主要有全色圖像、多光譜圖像和微波雷達圖像等，具體參數如表1所示。SAR具有全天時、全天候、多波段、多極化工作方式、可變側視角、穿透能力強等特點，SAR圖像中則含有豐富的地表紋理結構信息。在沿海水域，由于海水對微波雷達的回波能量較弱，而養殖用的基座、圍欄和網箱等回波能量較強，色調比周圍的海水更亮，二者對比度較大，因而可從SAR圖像中提取養殖區域的相關信息。此外，在進行精度驗證時，還可利用GoogleEarth平臺提供的在線照片，這為實地調查驗證提供了便利。2水產養殖區域的識別方法由于受研究時間、研究區域和數據源等客觀因素的限制，還沒有一種方法是最普遍和最佳的水產養殖區的識別方法。目前常用的水產養殖區識別方法主要有目視解譯、基于比值指數分析的信息提取、基于對應分析的信息提取、基于空間結構分析的信息提取以及基于面向對象的信息提取等。

2．1目視解譯

目視解譯是遙感應用最常用、最基本的方法之一。它根據遙感圖像目視解譯標志(位置、形狀、大小、色調、陰影、紋理、圖形及相關布局等)和解譯經驗，與多種非遙感信息資料相結合，運用相關知識，采用對照分析的方法，進行由此及彼、由表及里、去偽存真、循序漸進的綜合分析和邏輯推理，從遙感圖像中獲取需要的專題信息。目前，目視解譯一般都采用人機交互方式。在解譯前先通過遙感圖像處理軟件對圖像進行必要的預處理，包括圖像增強、圖像融合等，有效地改善圖像的可識別能力，突出主要信息，提高判讀的精度。楊英寶等依據6景TM圖像和3期高精度航片，利用人機交互式解譯方法分析了東太湖20世紀80年代以來網圍養殖的時空變化情況［6］;李新國等采用3景航空圖像對東太湖的網圍養殖面積動態變化進行人機交互目視解譯［7］;樊建勇等在經過增強處理后的SAR圖像上，對膠州灣海域養殖區進行了交互跟蹤矢量化［8］;褚忠信等利用不同時期的TM圖像，對黃河三角洲平原水庫與水產養殖場面積進行了人機交互解譯［9］;吳巖峻等用4景ETM+圖像，經過多次外業調查，建立解譯標志，采用人機交互方法，對海南省海水和島上水產養殖區進行了勾畫［10］;宮鵬等借助1987—1992年和1999—2002年的TM/ETM+圖像及GoogleEarth平臺提供的高分辨率圖像和部分在線照片，對包括海水養殖場在內的全國濕地分布進行了目視解譯，并繪制了專題圖［11］。目視解譯簡單易行，而且具有較高的信息提取精度，適用于絕大多數養殖區域的識別，但是也存在一定的缺點。當解譯人員的專業知識背景、解譯經驗不同時，可能得到不同的結果，其結果往往帶有解譯者的主觀隨意性。當養殖區域水體同非養殖區域水體的光譜特征或空間結構特征等相似時，解譯人員就很難根據標志將其區分開來，使精度受到影響;而且目視解譯工作量大、費工費時，難以實現對海量空間信息的定量化分析和保證信息的時效性，因此研究遙感信息的自動提取方法已成必然。

2．2基于比值指數分析的信息提取

比值型指數［12］創建的基本原理就是在同一圖像的多光譜波段內，求得每個像元在不同波段的亮度值之比，構成新的圖像，以壓制某些造成光照差異的因子或背景的影響，增強地物光譜特征的微小差別，突出目標地物的輻射特征。比值型指數通常又會作歸一化處理，使其數值范圍統一到－1～1之間。馬艷娟等利用ASTER數據，分析養殖水體與非養殖水體在圖像各波段上的特征差異，構建用于提取圖像中水產養殖區域的指數(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的結果中錯分的受大氣、傳感器影響的水體與自然水體的各波段灰度值的分布，構建了用來進一步提取深海區域的指數(marineextractionindex，MEI)，將近海水產養殖區的養殖水體與其他水體區分開［13］，取得了較高的精度。由于比值指數分析的信息提取方法只考慮各波段上的灰度信息，當部分養殖區在光譜上與深海水域接近或是當深海水域光譜并非均一時，會導致錯分。該方法適用于養殖區與背景環境光譜差異大的地區，否則將無法克服傳統遙感分類方法所普遍存在的“椒鹽”噪聲，從而影響信息提取的精度。

2．3基于對應分析的信息提取

對應分析是在因子分析的基礎上發展起來的分析方法，又稱“R－Q型因子分析”［14］。該方法已在生物和統計領域得到廣泛的認同和應用，但在遙感領域的應用相對較少。在遙感應用中對應分析方法既研究圖像波段特征屬性及其相互關系，也研究像元特征之間的關系，有利于提高信息提取的精度。王靜等應用該方法快速有效地進行了滆湖圍網養殖區湖泊圍網分布信息的提取［15］。該方法對遙感圖像的質量要求較高，并在分析前要進行嚴格有效的圖像預處理。此外，該方法并無法有效地解決“異物同譜”和“異物同紋理”的分類問題。

2．4基于空間結構分析的信息提取

空間結構分析的處理方法有鄰域分析、紋理分析、線性特征提取等。其中，鄰域分析是對波段每一個像元依據四周鄰近的像元對其進行空間分析的方法［16］，分析和運算的像元數目和位置由掃描窗口確定;紋理表現是指圖像灰度在空間上有序重復出現的特征，反映了一個區域中某個像元灰度級的空間分布規律，其基本分析方法有3類:統計分析方法、結構分析方法和頻譜分析方法。周小成等采用ASTER遙感圖像，以九龍江河口地區為研究示范區，利用卷積算子，采用鄰域分析法來增強水產養殖地的空間紋理信息［17］;李俊杰等利用紋理統計分析方法中的灰度共生矩陣(graylevelco－occurrencematrices，GLCM)，選用中巴資源衛星02星多光譜數據，以白馬湖為試驗區，提取湖泊圍網養殖區，實驗表明紋理量化的均值指標能夠較好地反映自然水體、圍網養殖區和其他地物內部結構的異質性，取得了較理想的效果［18］;林桂蘭等利用方差算法對廈門海灣海上的吊養和網箱養殖進行紋理分析，得到養殖專題圖［19］;初佳蘭等選用長海縣廣鹿島海區的SAR圖像，統計有效視數(ef-fectivenumberoflooks)，并對圖像進行多種方法濾波分析，提取了浮筏養殖信息［20］。基于空間結構分析的養殖區識別方法，適用于近海水產養殖地的自動提取，而不適用于內陸水產養殖地，因為后者在空間上的分布孤立，斑塊小，與其他農用坑塘水體的空間特征類似，但仍可以作為一種遙感圖像識別的輔助方法。

2．5基于面向對象的信息提取

面向對象的圖像分析主要思想是:首先將圖像分割成具有一定意義的圖像對象，然后綜合運用地物的光譜特征、紋理、形狀、鄰近關系等相關信息，在最鄰近法和模糊分類思想的指導下，確定分割對象所屬類別，得到精度比較高的遙感圖像分類結果［21］。對于養殖區分布的提取，面向對象的圖像分析方法基本步驟包括多精度圖像分割、面向對象的水陸劃分和非養殖水域剔除。首先，使用多精度圖像分割對原始圖像進行分割以獲得分割圖斑，并計算各個圖斑的特征，為后繼分析服務;然后，根據遙感圖像中水域的輻射特性進行水陸分割;接著根據圖斑的光譜、形狀及空間特征提取出面狀、線狀非養殖水域部分;最后，在水陸劃分得到的水域全圖的基礎上剔除以上提取的面狀水系和線狀水系，得到養殖水域提取結果［22］。謝玉林等利用該方法，對珠江口養殖區域進行了提取，驗證該方法在水產養殖區提取上的可行性［22］;關學彬等采用該方法對海南省文昌地區的水產養殖區進行監測，取得了理想效果［23］;孫曉宇等采用該方法，利用多時相遙感數據對珠江口海岸帶地區水產養殖場的變化進行了提取［24］。面向對象的圖像分析將處理的對象從像元過渡到了圖斑的對象層次，更接近人們觀測數據的思維邏輯，更利于知識與規則的融合。在很多情況下，面向對象的遙感圖像分析方法會比基于像元的分析方法取得更好的效果。采用面向對象技術，在解決常規圖像分類時的椒鹽噪聲效應、結果的可解釋性上有很大優勢，因此在高分辨率圖像信息提取中能夠發揮更大的作用。但是當特征及隸屬度函數選取不當時，會出現較嚴重的誤分現象，此時要結合目視解譯方法，判別分類結果的合理性，優化隸屬度函數，重新進行分類。

3總結與展望

篇7

關鍵詞:遙感 土壤水 定量 反演

中圖分類號:TP7 文獻標識碼:A 文章編號:1672-3791(2012)05(c)-0001-02

土壤水分是表示一定深度土層的土壤干濕程度的物理量,是監測土地退化和干旱的重要指標,同時也是水文學、氣象學、土壤學、生態學以及農業科學等研究領域中的一個重要參數。一方面它影響地表與大氣界面的水分和能量交換,其變化會引起土壤熱學特性、地表光學特性的改變,從而影響氣候的變化;另一方面它是植物和作物賴以生存的主要源泉,其大小決定著植物或作物根系的發育,對進行大尺度精準農業的水分調節,節水灌溉具有重要意義。

遙感技術不僅能對農作物長勢進行大面積、實時、非破壞性監測,從而實現精準農業的發展對地表土壤水分信息快速、及時的掌握,還能為精準農業的發展提供動態監測和分析作物的健康狀況與影響作物產量等必要的技術支持。目前獲取土壤水分含量的方法主要有田間實測法、土壤水分模型法和遙感法三種。其中傳統的田間實測法和土壤水分模型法,因測點稀、速度慢、范圍有限,無法滿足精準農業中對土壤水分信息快速獲取的需求。而遙感估測土壤水分的方法原理是通過測量土壤表面發射或反射的電磁能量,研究遙感信息與土壤水分含量之間的關系,并建立相關的信息模型,從而反演出土壤水分情況,恰恰克服了前二種估測方法的實時性差、單點測量空間變異性差、不能宏觀表現等缺陷,為精準農業中大面積快速獲取土壤水分信息、實時準確監測提供科學依據。

1 國內外研究進展

如何快速、準確地獲取區域地表土壤含水量信息是定量遙感研究的熱點之一,也是目前遙感技術應用研究的前沿領域。國內外用遙感技術監測土壤水分的方法有很多,目前在該領域的研究主要集中在光學遙感(即可見光-近紅外、熱紅外遙感)和微波遙感波段進行。主要方法有:基于可見光-近紅外土壤水分光譜法、基于熱紅外遙感的溫度法、植被指數法、基于可見光及熱紅外遙感的植被指數-冠層溫度法、微波遙感監測土壤水分法、高光譜遙感監測土壤水分法。

1.1 基于可見光-近紅外土壤水分光譜法

Bowers等人早在1965年就發現裸地土壤濕度的增加會引起土壤發射率的降低,這為后來利用土壤水分光譜法方法進行土壤水分的遙感監測研究提供了理論依據。土壤水分光譜法正是應用遙感估算光學植被度,分解象元排除法來提取土壤水分光譜信息。國內外學者在這方面做了大量工作,有的根據水的吸收率曲線提出使用中紅外波段來監測土壤濕度,采用MODIS數據并結合實地調查資料,建立了MODIS第7通道的反射率與地面濕度的線性光學。另有學者利用遙感資料估算“光學植被覆蓋度”,然后利用像元分解法分離植被與土壤信息,提取土壤水分光譜信息。該方法需要根據不同環境、不同土壤組分建立相應的遙感反演模型,應用比較局限,大面積推廣較難。

1.2 基于熱紅外遙感的溫度法

熱紅外遙感最重要的應用之一是反演土地表面溫度。具有代表性的有熱慣量法、區域蒸散法、亮溫指數法(LST)、溫度狀態指數法(TCI)、條件溫度指數法和歸一化溫度指數法。熱慣量法反演土壤水分的模型研究,主要集中在對于土壤熱慣量的解析式計算、從熱平衡與熱傳導方程的化簡與計算、環境因子的影響等多方面著手,得到了大量的熱慣量模式,建立了較為完善的土壤水分反演模型。蒸散法根據能量流的傳輸原理,對實際蒸散(E)與潛在蒸散(Ep)的比值與土壤水分的關系進行研究,其理論基礎來源于P-M彭曼公式。針對不同的下墊面情況發展了單層、雙層和多層模型。利用衛星一次過境觀測的輻射溫度值,計算地表輻射溫度以及蒸散,結合當地氣象臺站數據計算出作物缺水指數(CWSI),建立了土壤水分與作物缺水指數的回歸方程。隨后又有DSI指數、區域缺水指數(RWSI)相關研究,在遙感的定性及半定量階段估算地表蒸散和干旱程度的精確估算上做了相關探討。溫度狀態指數(TCI)和亮溫指數(BTI)強調了溫度與植物生長的關系,提出了亮度溫度,以通過對NDVI、亮溫與土壤水分的統計分析來建立三者間的數理關系,從而利用遙感反演的亮溫和NDVI計算土壤水分含量,建立了土壤相對濕度和NDVI、亮溫的回歸模型。歸一化溫度指數(NDTI)可消除地表溫度季節變化的影響,通過能量平衡一空氣動力學阻抗模型計算,需要衛星過境時刻的氣溫、太陽輻射、相對濕度、風速和葉面積指數等數據。該方法也主要適用于裸地或植被生長早期。

1.3 植被指數法

植被指數法是研究土壤濕度與遙感植被信息相互關系的重要手段。研究表明歸一化植被指數(NDVI)、距平植被指數(AVI)、植被狀態指數(VCI)、標準植被指數(SVI)等都與土壤濕度有一定關系。一般來講,當作物缺水時,作物的生長將受到影響,植被指數將會降低。國內學者也利用VCI研究了我國土壤濕度狀況,應用VCI結合常規資料進行綜合分析,對我國干旱狀況進行宏觀動態監測。但該方法較適用于高植被覆蓋區域,仍有很多限制性因子和條件。

篇8

論文摘要 在遙感技術中，為了更精確地判讀多光譜圖像，掌握地面上各種地物的光譜輻射特性是十分重要的。介紹FieldSpec?誖 HandHeld 手持便攜式光譜分析儀的測量原理方法、工作規范及注意事項，概要地說明了影響光譜測量的因素。

在遙感領域中，為了研究各種不同地物或環境在野外自然條件下的可見和近紅外波段反射光譜，需要適用于野外測量的光譜儀器。對野外地物光譜進行測量，我們使用的是美國ASD公司FieldSpec?誖HandHeld 手持便攜式光譜分析儀。其主要技術指標為：波長范圍為300~1 100nm，光譜采樣間隔為1.6nm，靈敏度線性：±1%。FieldSpec?誖HandHeld手持便攜式光譜分析儀可用于戶外目標可見—近紅外波段的光譜輻射測量。該光譜儀在戶外主要利用太陽輻射作為照明光源，利用響應度定標數據，可測量并獲得地物目標的光譜輻亮度；利用漫反射參考板對比測量，可獲得目標的反射率光譜信息；通過對經過標定的漫反射參考板的測量，可獲得地面的總照度以及直射、漫射照度光譜信息；利用特定的輔助測量機械裝置，可獲得地面目標的BRDF（方向反射因子）光譜信息參數。

為了使地物光譜數據可靠和高的質量，使數據便于對比和應用，有必要提出地物光譜測試規范和測量要求。

1儀器的標準和標定

1.1光譜分辨率

實用分辨寬度對0.04~1.10μm小于5nm，1.1~2.5μm小于15nm。對于FieldSpec?誖HandHeld 手持便攜式光譜分析儀，起始波長為325nm，終止波長為1 075nm，波長步長為1nm，則光譜分辨率取3nm。

1.2線性標定

線性動態范圍有3個量級，最大信號對應為0.8~1.0，太陽常數照明的白板（＜90％）峰值響應輸出。線性誤差小于3％（回歸誤差）。

1.3光譜響應度的標定

反射率小于、等于15％（大于1％）的目標，信噪比應大于10。反射率大于15％的目標，信噪比應大于20。

2野外測定方法與工作規范

2.1目標選取

選取測量目標要具有代表性，應能真實反映被測目標的平均自然性。對于植被冠層及用物的測量應考慮目標和背景的綜合效應。

2.2能見度的要求

對一般無嚴重大氣污染地區，測量時的水平能見度要求不小10km。

2.3云量限定

太陽周圍90°立體角，淡積云量，無卷云、濃積云等，光照穩定。

2.4風力要求

測量時間內風力小于5級，對植物，測量時風力小于3級。

2.5測量方法

在11時30分至14時30分進行測量，每種地物光譜測量前，對準標準參考板進行定標校準，得到接近100％的基線，然后對著目標地物測量；為使所測數據能與衛星傳感器所獲得的數據進行比較，測量儀器均垂直向下進行測量。

3野外光譜測量注意事項

野外光譜測試的基本要求是在晴天中午前后進行，風力不超過5級，如果測試土壤光譜，必須在雨過3d以后進行。為了使數據具有代表性，要仔細比較選擇被測地物，對同一種地物測量多次，保證測試結果準確可比。

3.1儀器的位置

儀器向下正對著被測物體，至少保持與水平面的法線夾角在±10°之內，保持一定的距離，探頭距離地面高度通常在1.3m，以便獲取平均光譜。視域范圍可以根據相對高度和視場角計算。如果有多個探頭可選，則在野外盡量選擇寬視域探頭。測量植物冠層光譜時，注意測量最具代表性的物種。

3.2傳感器探頭的選擇

當野外地物范圍比較大，物種純度比較高、觀測距離比較近時，選用較大視場角的探頭；當地物分布面積較小時，或者物種在近距離內比較混雜，或需要測量遠處地物時，則選用小視場角的探頭。

3.3避免陰影

探頭定位時必須避免陰影，人應該面向陽光，這樣可以得到一致的測量結果。野外大范圍測試光譜數據時，需要沿著陰影的反方向布置測點。

3.4白板反射校正

天氣較好時每隔幾分鐘就要用白板校正1次，防止傳感器響應系統的漂移和太陽入射角的變化影響，如果天氣較差，校正應更頻繁。校正時白板應放置水平。

3.5防止光污染

不要穿帶淺色、特色衣帽，如果穿戴白色、亮紅色、黃色、綠色、藍色的衣帽，就會改變反射物體的反射光譜特征。

要注意避免自身陰影落在目標物上。當使用翻斗卡車或其他平臺從高處測量地物目標時，要注意避免金屬反光，如果有，則需要用黑布包住反光部位。

3.6觀測時間和頻度

光譜測試應在10～14時之間完成，并在無云晴朗的天空下進行，盡量避免過早或過晚。在時間許可時，盡量多測一些光譜。每個測點測試5個數據，以求平均值，降低噪聲和隨機性。

3.7采集輔助數據

在所有的測試地點必須采集GPS數據，詳細記錄測點的位置、植被覆蓋度、類型以及異常條件、探頭的高度，配以野外照相記錄，便于后續的解譯分析。

野外地物光譜測量是一個需要綜合考慮各種光譜影響因素的復雜過程，我們所獲取的光譜數據是太陽高度角、太陽方位角、云、風、相對濕度、入射角、探測角、儀器掃描速度、儀器視場角、儀器的采樣間隔、光譜分辨率、坡向、坡度及目標本身光譜特性等各種因素共同作用的結果。光譜測定前要根據測定的目標與任務制定相對應的試驗方案，排除各種干擾因素對所測結果的影響，使所得的光譜數據盡量反映目標本身的光譜特性，并在觀測時詳細記錄環境參數、儀器參數以及觀測目標（如土壤、植被、人工目標）的輔助信息。只有這樣，所測結果才是可靠的并具有可比性，為以后的圖像解譯和光譜重建提供依據。

參考文獻

[1] 中國農業工程學會，中國農業工程研究設計院.國外農業工程第（9輯）[M].上海：上海科學技術文獻出版社，1983.

[2] 萬余慶，譚克龍，周日平.高光譜遙感應用研究[M].北京：科學出版社，2006.

篇9

【關鍵詞】無損測試；玉米；氮素；營養診斷

在所有的農作物中，玉米是最能耐受土壤和肥料中高氮素量而不致影響產量的作物。因此，玉米的氮肥用量常常過高，這在造成氮肥巨大浪費的同時，付出的環境代價也是無法估量的。準確、及時地對玉米進行氮素營養診斷，從而確定氮肥施用量，提高氮肥利用率具有十分重要意義。基于土壤和植物組織的實驗室分析診斷方法普遍要求破壞樣本，且需要耗費大量的人力、物力，時效性差，不利于推廣應用。隨著相關領域科技水平的不斷提高，氮素營養診斷的無損測試技術日趨成熟[1]。

無損測試技術是指在不破壞植物組織結構的基礎上，利用各種手段對作物的生長、營養狀況進行監測。可以迅速、準確地對田間作物氮營養狀況進行監測，并能及時提供追肥所需要的信息。傳統的氮素營養診斷無損測試方法主要有肥料窗口法和葉色卡片法，近年來，葉綠素儀和遙感技術成為研究的熱點，本文主要對其在玉米氮素營養診斷上的應用研究現狀做以介紹。

1 葉綠素儀法

研究表明植物的葉片葉綠素含量與葉片含氮量密切相關，因此，可以通過測定葉綠素含量來監測植物氮素狀況。據此原理，日本的MINOLTA公司在20世紀80年代末設計和制造了SPAD-501葉綠素儀，隨后又推出SPAD-502葉綠素儀，用來進行田間作物氮素診斷及施肥推薦。

我國已經廣泛開展采用葉綠素儀進行玉米的氮素診斷和氮肥推薦的研究。李志宏研究葉綠素儀在夏玉米氮營養診斷中的應用時發現，應用葉綠素儀（SPAD-502）監測夏玉米氮營養狀況的最佳測定部位為葉基部開始40%～70%區域，該部位葉綠素儀測定值與玉米全氮、施氮量及產量之間均有較好的相關性[2]。李占成研究也認為葉綠素儀（SPAD-502）測定值與玉米葉片全氮含量、玉米子粒產量以及施氮量之間均有顯著相關性[3]。為消除品種之間和生長環境的不同對SPAD值所帶來的影響，李志宏與李占成分別采用相對葉綠素儀測定值校正法，提高葉綠素儀對玉米追肥推薦中氮營養狀況的預測精度，但是無法完全消除外部因素對葉綠素值的影響，甚至會影響葉綠素儀發揮其快速、簡便的特點[2-3]。而不同的玉米品種在不同的生長階段，SPAD值差異較大，需要針對不同玉米品種建立不同的SPAD值的診斷標準。由上述可見，如何進一步克服干擾因素的干擾、提高診斷的可靠性和普適性仍是研究的重點。

2 光譜遙感分析技術

2.1 敏感波段研究

20世紀70年代以來科學家們進行了大量的基礎研究尋找氮素的敏感波段及其反射率在不同氮素水平下的表現，探討利用光譜診斷氮素的可能性。研究發現許多植物在缺氮時無論是葉片還是植物冠層水平的可見光波段反射率都有所增加，Blackmeretal研究發現，550nm和710nm波長處的反射率能更好地診斷玉米氮素含量，并且指出R550-600/ R800-900能敏感地反映出氮素脅迫。易秋香研究發現玉米全氮含量與原始光譜在716nm處具有最大相關系數（r=- 0.847），呈極顯著負相關[4]。周麗麗對試驗玉米品種研究發現，3個品種（組合）都在500～649nm和691～730nm表現極顯著的負相關關系，并在同一波長獲得最高的相關系數，說明可以利用統一的波段來預測不同品種的葉片氮含量[5]。

2.2 葉片光譜指數與模型研究

明確了玉米的氮素敏感波段后，許多學者便通過各種統計方法來尋求含氮量與光譜反射率或其演生量的關系，并建立模型來估算作物的氮素含量[6]。王磊在玉米關鍵生育期有針對性地選擇第6片完全展開葉和第12片完全展開葉（果穗葉）進行光譜監測，發現紅邊斜率、綠峰最大反射率、比值植被指數和歸一化差值植被指數與葉片氮含量均存在較好的相關關系，并選擇比值植被指數與葉片氮含量建立估測模型，確立玉米生育前期以對數模型，生育后期以指數模型為氮素營養的光譜診斷模型[7]。陳志強在構建玉米葉片氮素含量的預測模型時發現，以光譜指數DSI（564，681）和DSI（681，707）構建的指數預測模型效果最好，預測精度達93.43%和93.39%，能有效估測葉片氮素含量[8]。周麗麗依品種建立了葉片含氮量與歸一化差值光譜指數（NDSI）或比值光譜指數（RSI）的定量關系模型，NDSI（714，554）和RSI（714，554）所建模型的擬合度最好[5]。易秋香試驗研究發現由759nm處的光譜反射率一階微分值所構建的指數模型作為對玉米全N含量的預測模型最為理想[4]。

此外研究表明，玉米的不同生育時期，其光譜響應的敏感程度和敏感波段存在差異。玉米氮素光譜營養診斷的敏感時期是拔節期和喇叭口期，拔節期和喇叭口期采用可見光波段的光譜反射率可靠性較高，而開花吐絲期采用近紅外波段的光譜反射率可靠性較高，且兩波段組合光譜變量對葉片葉綠素和全氮含量的判別精度高于單一波段的判別精度[9]。由此可知，在不同的玉米生育期，應選擇相應的敏感波段，構建相關度高的光譜參數來診斷作物的營養狀況。金梁研究發現拔節期和抽雄期的最佳光譜指數是GNDVI，大喇叭口期則以REP-LI為最佳光譜指數[10]。

2.3 玉米冠層光譜研究

作物冠層光譜分析對作物生長信息的快速獲取，營養診斷及精確管理均具有重要的意義，在玉米冠層光譜分析方面，張俊華研究發現缺素使冠層光譜反射率在可見光波段增加，在近紅外波段降低。可見光波段反射率（460nm除外）與夏玉米含氮量呈負相關，整個生育期以560nm反射率與作物含氮量相關性最佳，冠層光譜在可見光范圍內與含氮量的相關性優于近紅外波段[11]。孫紅研究不同施氮水平下玉米冠層光譜反射特征分析時發現施氮水平偏低區域的葉片冠層反射率在整個可見光區均明顯高于其他施氮水平，偏高和正常施氮區域內葉片光譜反射強度基本相同[12]。也有學者運用圖像處理技術對玉米冠層葉片的近地多光譜圖像進行分析，建立玉米葉片氮素營養含量的估測模型[13-14]。研究表明，多光譜圖像分析也可實現對玉米冠層氮營養含量的快速估測。但是冠層光譜反射特征受到植株葉片水分含量、冠層幾何結構、土壤覆蓋度、大氣對光譜的吸收等因素的影響[15]，大大限制了利用遙感進行玉米氮素診斷的可靠性和普及性。

3 結語

氮素營養診斷是玉米營養診斷的核心，是科學合理施用氮肥的主要依據。無損測試技術實效性好、準確度較高，但天氣條件、品種類型以及其他脅迫因子的干擾影響無損測試技術的研究和實際運用，因此，對于主要干擾因素的研究會成為今后研究的重點。

參考文獻

[1]賈良良，陳新平，張福鎖.作物氮營養診斷的無損測試技術[J].世界農業，2001，6：36-37.

[2]李志宏，張云貴，劉宏斌，張福鎖.葉綠素儀在夏玉米氮營養診斷中的應用[J].植物營養與肥料學報，2005，11（6）：764-768.

[3]李占成，李瑋，梁秀枝，楊富葉.綠素儀在玉米氮營養診斷及推薦施肥中的研究與應用[J].作物雜志，2011，4：58-62.

[4]易秋香，黃敬峰，王秀珍，錢翌.玉米全氮含量高光譜遙感估算模型研究[J].農業工程學報，2006，22（9）：138-142.

[5]周麗麗，馮漢宇，閻忠敏，劉克.周順利玉米葉片氮含量的高光譜估算及其品種差異[J].農業工程學報，2010，26（8）：195-199.

[6]焦雯，閔慶文，林 ，朱清科，張建軍.植物氮素營養診斷的進展與展望[J].中國農學通報，2006，22（12）：351-355.

[7]王磊，白由路，盧艷麗，王賀，楊俐蘋.基于光譜分析的玉米氮素營養診斷[J].植物營養與肥料學報，2011，17（2）：333-340.

[8]陳志強，王磊，白由路，楊俐蘋，盧艷麗，王賀，王志勇.玉米葉片的光譜響應及其氮素含量預測研究[J].光譜學與光譜分析，2013，33（4）：1066-1070.

[9]王磊，白由路.不同氮處理春玉米葉片光譜反射率與葉片全氮和葉綠素含量的相關研究[J].中國農業科學，2005，38（11）：2268-2276.

[10]金梁，胡克林，田明明，魏丹，李虹，白由路，張軍政.夏玉米葉片分層氮素營養的高光譜診斷[J].光譜學與光譜分析，2013，33（4）：1032-1037.

[11]張俊華，張佳寶，欽繩武.不同施肥長期定位試驗地夏玉米冠層光譜特征研究[J].植物營養與肥料學報，2010，16（4）：874-879.

[12]孫紅，李民贊，張彥娥，趙勇，王海華.不同施氮水平下玉米冠層光譜反射特征分析[J].光譜學與光譜分析，2010，30（3）：715-719.

[13]王海華，張彥娥，郭威.基于多光譜圖像的玉米營養監測技術研究[J].農機化研究，2012，11：178-181

篇10

關鍵詞 遙感圖像處理 教學改革 教學方法

中圖分類號：G424 文獻標識碼：A DOI：10.16400/ki.kjdks.2017.02.052

Abstract Remote sensing image processing is not only an important part of the remote sensing system， but also has a very important position in the application of remote sensing technology. In order to improve the teaching quality of remote sensing image processing， the paper discussed the optimization of teaching content，the diversification of teaching methods and means，and strengthening of practical application of theories. In hope of playing a reference significance to the actual teaching work.

Keywords remote sensing image processing； teaching reform； teaching method

隨著對地觀測技術的迅速發展，①遙感技術已經滲透到社會生活的各個方面，廣泛應用于農業、林業、海洋、氣象、醫學、軍事、生態環境等領域，發揮著越來越重要的作用。遙感是地理信息系統專業的核心課程，而遙感圖像處理是整個遙感系統的重要組成部分，對于“遙感圖像處理”課程的原理以及方法的掌握和學習尤為重要。探討該門課程的教學內容、教學方法和手段，實踐教學等方面的改革，對提高學生的圖像處理水平有非常重要的作用。

1 教學內容改革

學生選課一般都遵循教學大綱的安排，在學習“遙感圖像處理”之前已經修過了“遙感導論”，掌握了遙感的基礎知識，根據多年的教學經驗，結合教學大綱，對于“遙感圖像處理”的課程設置安排如表1所示。

總課時量為40課時，由于已經有了“遙感導論”的基礎，根據學生對遙感知識掌握的實際情況，作者認為實際操作與理論相結合非常重要，不僅鍛煉了學生的圖像處理等動手能力，還能更好地輔助學生加深對原理的理解，因此設置上機課為18課時，占到45%，接近一半。

綜合性實驗放在最后一章，目的是使學生將前面所學知識連成一個體系運用在實踐中。例如本章例子是地表溫度的遙感反演，涉及到從相關網站下載原始影像、影像的合成、影像的鑲嵌、輻射校正、大氣校正、幾何校正、裁剪、圖像混合運算、制圖、出圖、分析、作報告。通過這幾個步驟的逐步處理，學生不僅對相關原理有了更深的理解，還會真正明白為什么要學習遙感，學習圖像處理的目的是什么，在際生活中到底有什么作用，對人類生活有什么意義，知道了所以然，才會使學生學習更有動力。

2 教學方法和手段的改革

2.1 教學環境

為方便學生操作計算機，教學是在機房進行的，且人手一臺。講解理論課時，由教師機控制所有學生機，學生機屏幕的播放完全同步于教師機，講臺近在咫尺，記筆記快速方便；在學生實踐練習環節，學生可親自動手操作，達到最佳的教學效果，培養獨立解決問題的能力。

2.2 教學軟件

專業的遙感數字圖像處理軟件系統主要有：ERDAS、PCI和ENVI。②ERDAS IMAGINE 遙感圖像處理系統是美國LEICA公司的遙感圖像處理系統，包括面向多種應用領域的產品模塊，以及面向不同層次用戶的模型開發工具；PCI Geomatica遙感圖像處理系統是加拿大PCI公司開發的用于圖像處理、制圖、GIS、雷達數據分析以及資源管理和環境監測的多功能軟件系統；ENVI遙感圖像處理系統是美國ITT公司的一套功能齊全的遙感圖像處理系統，是處理、分析并顯示多光譜數據、高光譜數據和雷達數據的高級工具。這三款軟件的功能都很強大，均可以實現圖像處理工作，它們之間也有很好的接口，各自的標準文件能夠互相轉換，因此使用起來非常方便。教學軟件主要使用目前比較流行的ENVI系統，但是根據已工作的或者讀研的畢業生的回饋信息發現，有的公司或者高校運用ERDAS和PCI還是比較普遍的。因此，為使學生畢業后擺脫軟件的困擾，對ERDAS和PCI軟件也會加以適當介紹，使學生不至于太過陌生。

2.3 教學工具

如今大學生上課基本均是多媒體課件，字跡清晰，圖像生動，還可以動畫顯示，因此如果課件做得漂亮生動，利用好了多媒體的優點，可達到事半功倍的效果，可是有些時候推算公式或者按步驟說明邏輯問題時，就顯示出了它的弊端。遇到此類問題，作者會借助計算機附件中的畫圖板來講解問題，筆，橡皮，顏料，畫圖工具一應俱全，如果能運用自如，對多媒體課件是個很好的補充，非常便捷，教學效果極佳。

2.4 教學方法

遙感中的內容很多是抽象的，特別是涉及到數學公式，學生會覺得枯燥，容易疲勞。如果可以將內容變得生動，以做游戲的方法逐步深入，會達到很好的效果。例如在講解數學形態學中的腐蝕運算時，可以將集合A看做棋盤，結構元素B看做棋子，制定好規則后，讓學生通過下棋的游戲方式來了解腐蝕的概念和原理，因為這個“下棋的規則”即是“腐蝕的概念”；同時，可以將下棋的過程制作成動畫，一步步播放，既生動又易懂，課堂氣氛活躍。如圖1所示。

3 實踐教學改革

3.1 考試方式的設置

考試方式設置如下：平時成績占20%，上機考試占30%，理論考試占50%。平時和上機成績占到50%，其一是因為遙感的大部分理論在“遙感導論”中已經學習并考試，這里沒有必要考重復的內容；其二是“遙感圖像處理”本身是實踐性很強的一門課程，講課過程中實踐環節是重要的一部分，那么實踐考試也應是不可缺少的重要一環。上機考試采用的方式為，將學生兩人為一個單位分組，每組一個題目，留一周的時間完成，上交的成果為最終的結果圖像和紙質報告。這種考試方式靈活，既考查了學生的實踐能力和對原理的理解程度，也鍛煉了他們的團結協作能力。

3.2 角色反轉實踐教學

選課的學生中部分為師范類學生，親自上講臺講課不失為一個很好的鍛煉機會，每學期會選2課時理論內容留給學生授課，將學生分組，授課內容組間自行分配協調，每組10～15分鐘。要求每組學生查閱資料結合書本知識，整理內容，書寫教學教案，推選講解人。該類實踐活動可以激發學生的積極性，在查閱資料、準備教案的過程中主動理解并消化知識，能夠在有限的時間清晰表達完整的內容，達到極好的教學效果。

4 結束語

教學改革是學科發展的需要，實現人才培養的重要手段，③科學合理的教學方式不僅能夠提高教學質量和教學效果，激發教師的教學潛能，而且有利于培養學生的實踐能力和團結協作精神。本文根據作者多年課堂教學和實踐教學的經驗，以及學生的反饋信息，從教學內容、教學方法和手段、實踐教學等方面探討了“遙感圖像處理”課程的教學改革模式，以期對實際教學工作起到借鑒和參考意義。

注釋

① 陳鋒銳，喬家君，閆衛陽，等.“遙感數字圖像處理”教學改革初探.計算機時代，2013（6）：67-68，71.