前言：中文期刊网精心挑选了高光谱遥感原理范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
高光谱遥感原理范文1
一、引言
多/高光谱遥感，是多/高光谱分辨率遥感测量的简称，它是从感兴趣的物体中获取许多比较窄、光谱连续的影像数据，并获取相应数据的技术。其工作范围是在电磁波谱的可见光、近红外、中红外和热红外波段范围内。多/高光谱遥感可以探测到可见光等不可探测或者很难探测到的物质。因而，多/高光谱遥感测量的出现是遥感领域的一次突破性革命。
多/高光谱遥感具有信息量大、光谱分析率高和图谱合一等优点，它可以实现同步获取目标信息、光谱信息以及辐射信息等优势，更为重要的是，多/高光谱遥感不需要人为信号源。多/高光谱遥感自诞生起就受到各个国家的重视和追捧，截至目前为止，多/高光谱遥感已经在地质勘探与地球资源调查、城市遥感与规划管理、环境与灾害监测、精细农业、深空探测以及军事目标识别等多个方面有了实质性的应用[2]，但是，它的前景依旧不可估量。多/高光谱遥感基本上属于无损、非接触式的检测，而文物古迹大多年代久远，有不可复原性，很难承受接触式测量带来的损伤和破坏，在这一点上，多/高光谱遥感和文物古迹保护不谋而合，将多/高光谱遥感和文物古迹保护有机的结合起来，是现代科学技术发展的趋势，也是考古界的需求和呼声。
本文主要探讨多/高光谱遥感在乐山文物古迹保护方面的应用，结合乐山市的具体信息，做出合理的分析和规划。
二、多/高光谱遥感在乐山大佛保护上的应用
很多的文物古迹都历经千百年时间，其表面或者内部都多少有一些损伤、风化或者腐蚀。这些文物又往往具有很高的历史价值，不能够随意进行接触式检测和调研，这对文物受损程度的评判带来了巨大的问题。
乐山大佛已经有了上千年的历史，大佛表面受到的磨损情况十分严重。根据相关专家的推算，现在我们看到的大佛，已经比最初的大佛“清瘦”了许多，也就是说，乐山大佛表面受到的风化和腐蚀情况十分严重。而大佛表面受损的情况，如果采用接触式的方法，一方面难度极大，效果不会很理想；另一方面，会对大佛表面产生伤害，进一步加强其表面的风蚀等。多/高光谱遥感则可以很好的解决这个问题，多/高光谱遥感是一种非接触式检测方法，既降低了检测成本，又保护了文物古迹，是一种较为可靠的方法。
我们知道，不同的物质对于多/高光谱遥感图像的不同波段有着不同的反应，这是基于多/高光谱遥感的特性。通过这些特性我们可以获得文物的一些内部信息，这些信息是很难通过文物表面检测而获得的。实际应用中，只要找到对大佛中的隐含信息较为敏感的波段，使用这些波段对其进行深入的研究，就可以获取一些普通方式无法获取的特征，从而可以恢复出一些已经消失的信息。此种技术已经在实际中有过采用的先例，例如，英国《星期日泰晤士报》于2006年5月28日首次向公众披露，塞拉奇尼借助多光谱成像技术成功地发现了达・芬奇的《三博士来朝》这幅世界名画背后的血腥的场面。
因此，如果我们把多/高光谱遥感应用在乐山大佛的保护上，将会卓有成效。一方面，我们可以通过多/高光谱遥感的信息，了解大佛本身的受损情况，并针对这些问题做出更好的保护措施，避免大佛受到进一步的伤害；另一方面，我们可以从大佛身上获得更多信息，预测大佛表面一些可能发生的问题，例如何处已经出现裂隙，何处已经出现凹陷，通过这些方面，我们可以防患于未然，在真正发生不可挽回损失之前就发现这些问题。
三、多/高光谱遥感在文物断代上的应用
多/高光谱遥感在文物的断代方面也有很好的作用。根据遥感学知识，即便是同一类型的文物，由于其年代不同，其原材料、加工工艺等方面都是大相径庭的，这些因素反应到成份上就造成了其光谱特征的不同。如果我们采用多/高光谱遥感对文物进行处理，就可以很容易的发现文物所含的成分特征，进而可以推断出文物大致的年限。但是，使用多/高光谱遥感对文物进行断代，需要通过测试大量相应的同类型材料样品，进而获得大量的数据，并通过这些数据建立一个丰富的光谱指纹数据库。通过这个数据库，我们就有了对比的准则，从而可以准确确定文物的年代。因此，如何建立一个数据量足够大的数据库，如何使得数据库的数据尽可能的涵盖各个方面，如何维护这个数据库，这些都是多/高光谱遥感在文物断代方面的一个现实问题。
乐山作为世界闻名的文化遗产丰富地区，拥有着大量的文物储备。但是，专家们对这些文物中的相当一部分的年代仍然存在着争议。对这些年限尚不明确的文物进行断代时就可以考虑使用多/高光谱遥感，相较于传统的断代方式，多/高光谱遥感方法可以更好的保护文物，避免断代时给文物带来的二次伤害，并且，在测量精度方面也有一定的保障。更多的去采用多/高光谱遥感断代方法，加快建设更完善的光谱指纹数据库，从长远角度来看，是非常有现实意义的。
四、多/高光谱遥感数字博物馆
在现代社会中，数字化已经成为了我们生活的大势所趋，在文物古迹方面也是如此。目前，已经出现了很多的数字博物馆，例如北京故宫博物院已经出现了数字紫禁城。但是，我们现在经常的数字博物馆，往往所涉及的都是可见光波段的图像，虽然已经具有很好的效果和实用价值，但是相比较于多/高光谱遥感，我们还有很多可以进一步研究的地方。与可见光相比较，多/高光谱遥感拥有更丰富、更立体的光谱信息，把多/高光谱遥感尝试应用到数字博物馆中，将会是一个很好的选择。普通的基于可见光的数字立体图像仅仅是对文物的空间信息进行了记录和再现，缺乏对文物的进一步信息的全方位立体的保存和重现，这使得我们在对文物做深入研究时有很大的局限性。
多/高光谱遥感相比较于可见光，可以获得更多的信息，除了三维信息、颜色信息之外，还有光谱信息。光谱信息是一个很广泛的事物，通过光谱信息，我们可以了解许多隐含的信息，例如文物的材质组成、历史变化、三维结构和外观形态等。多/高光谱遥感可以通过这些信息了解文物古迹的受损情况、年代推算，还可以对文物进行完好度评估，以及推算出受损文物的原貌等等。例如，埃及考古学家通过多/高光谱遥感技术，对已经淹没海底的古亚历山大港进行了数字重现，获得了极好的效果，古亚历山大港已经淹没海底，接触式的测量和评估是不现实的，多/高光谱遥感则为科学家们提供了很好的评估手段，对沉睡海底千年的古城重新展现在人们眼前。
结合于乐山市，通过多/高光谱遥感建立数字博物馆也是很必要的选择。如果建立乐山大佛或者峨眉山景区的多/高光谱遥感数字博物馆，一方面，我们可以利用多/高光谱遥感获得的文物古迹的光谱信息，对文物进行分析，更好地去保护这些乐山地区的文物古迹；另一方面，我们可以将获得的光谱信息和文物的普通信息一同展示出来，以数字博物馆的形式向人们展示，更大的信息量，更科学的分析和更合理的保护建议，在观众之中一定有更强烈的反响。例如，我们可以将乐山大佛等文物古迹的基于多/高光谱遥感数字博物馆放在互联网上，让更多的人去了解乐山地区宝贵的历史资源。无论从文物的保护层面还是所带来的宣传效应，这都是很好的选择。
五、结语
乐山作为一个拥有丰富历史资源的地区，在现有的保护措施的基础上，应该着眼于以多/高光谱遥感为例的新科技上，如何利用新科技、新手段去更好地保护文物古迹和推广文物古迹是现阶段我们需要思考的问题。
高光谱遥感原理范文2
关键词：遥感岩石矿物识别；矿化蚀变信息提取；地质构造信息提取；植被波谱特征；多光谱遥感技术；高光谱遥感技术；遥感生物地球化学技术；地质找矿
中图分类号：TP7文献标识码： A 文章编号：
一、遥感技术的地质应用
地质是指地球的性质和特征。主要指地球的物质组成、结构、构造、发育历史等，包括地球的圈层分异、物理性质、化学性质、岩石性质、矿物成分、岩层和岩体的产出状态、接触关系，地球的构造发育史、生物进化史、气候变迁史，以及矿产资源的赋存状况和分布规律等。遥感图像提供了大量的地质信息，包括矿产和环境地质信息，利用这些信息，可以使地质工作者预先熟悉工作区的地质情况，科学决策拟投入的工作量、工作方法和研究目的。所谓遥感地质制图就是利用遥感的方法完成地质图的绘制。分为航天遥感地质制图和航空遥感地质制图。
1、航天遥感地质制图
航天遥感是指以航天器为传感器承载平台的遥感技术。航天遥感实践中，针对具体应用需求，选择不同的传感器，如成像雷达、多光谱扫描仪等，通过卫星地面站获取合适的覆盖范围的最新图像数据，利用遥感图像专业处理软件对数据进行辐射校正、增强、融合、镶嵌等处理。同时，借助应用区域现有较大比例尺的地形数据，对影像数据进行投影变换和几何精确纠正，并从地形图上获得主要地名点、主干构造、底层、岩体，以及矿床矿点、物化探异常信息，进行相应的标注和整饰，制作地质数字正射影像图。
2、 航空遥感地质制图
所谓航空遥感是指以航空器如飞机、飞艇、热气球等为传感器承载平台的遥感技术。根据不同的应用目的，选用不同的传感器，如航空摄影机、多光谱扫描仪、热红外扫描仪、CCD 像机等，获取所需航摄像片和扫描数据进行地质制图。实践表明，遥感地质制图是一项新技术，不仅有它的优点而且也有它的缺点。遥感地质制图比常规的地质制图节省了大量的野外工作量，而且对客观现象的表示优于常规地质图，其主要的优势在于周期短、成本低。但是，因为野外工作量少，也带来一定的缺点。例如地质观测点的数量、样品种类和数量、地层和构造产状等不如常规地质图详细充实。
二、遥感技术的找矿应用
1、直接应用———遥感蚀变信息的提取岩浆热液或汽水热液使围岩的结构、构造和成分发生改变的地质作用称为围岩蚀变。围岩蚀变是成矿作用的产物，围岩蚀变的种类（组合）与围岩成分、矿床类型有一定的内在联系，围岩蚀变的范围往往大于矿化的范围，而且不同的蚀变类型与金属矿化在空间分布上常具规律可循，因此，围岩蚀变可作为有效的找矿标志。
1.1 蚀变遥感异常找矿标志围岩蚀变是热液与原岩相互作用的产物。常见的蚀变有硅化、绢云母化、绿泥石化、云英岩化、夕卡岩化等。
1.2 信息提取的实现与地物发生反射、透射等作用的电磁波是地物信息的载体，地物的光谱特性与其内在的物理化学特性紧密相关，物质成分和结构的差异造成物质内部对不同波长光子的选择性吸收和反射。具有稳定化学组分和物理结构的岩石矿物具有稳定的本征光谱吸收特征，光谱特征的产生主要是由组成物质的内部离子、基团的晶体场效应或基团的振动效果引起的。各种矿物都有自己独特的电磁辐射，利用波谱仪对野外采样进行光谱曲线测量，根据实测光谱与参考资料库中的参考光谱进行对比，可以确定出样品的吸收谷，识别出矿物组合。根据曲线的吸收特征，选择合适的图像波段进行信息提取。根据量子力学分子群理论，物质的光谱特征为各组成分子光谱特征的简单叠加。传感器在空中接收地表物质的光谱特性，因为探测范围内有干扰介质存在（白云、大气、水体、阴影、植被、土壤等），因此，在进行蚀变矿物信息提取时，根据干扰物质的光谱曲线出发，进行预处理消除干扰。目前遥感找矿蚀变异常信息的提取有多种方法，例如波段比值法、主成分分析法、光谱角识别法和MPH 技术（MaskPCAandHIS）、混合象元分解等。
2、遥感技术间接找矿的应用
2.1 地质构造信息的提取内生矿产在空间上常产于各类地质构造的边缘部位及变异部位，重要的矿产主要分布于板块构造不同块体的结合部或者近边界地带，在时间上一般与地质构造事件相伴而生，矿床多成带状分布，成矿带的规模和地质构造变异大致相当。遥感找矿的地质标志主要反映在空间信息上。从与区域成矿相关的线状影像中提取信息（主要包括断裂、节理、推覆体等类型），从中酸性岩体、火山盆地、火山机构及深部岩浆、热液活动相关的环状影像提取信息（包括与火山有关的盆地、构造），从矿源层、赋矿岩层相关的带状影像提取信息（主要表现为岩层信息），从与控矿断裂交切形成的块状影像及与成矿有关的色异常中提取信息（如与蚀变、接触带有关的色环、色带、色块等）。当断裂是主要控矿构造时，对断裂构造遥感信息进行重点提取会取得一定的成效。遥感系统在成像过程中可能产生“模糊作用”，常使用户感兴趣的线性形迹、纹理等信息显示得不清晰、不易识别。人们通过目视解译和人机交互式方法，对遥感影像进行处理，如边缘增强、灰度拉伸、方向滤波、比值分析、卷积运算等，可以将这些构造信息明显地突现出来。除此之外，遥感还可通过地表岩性、构造、地貌、水系分布、植被分布等特征来提取隐伏的构造信息，如褶皱、断裂等。提取线性信息的主要技术是边缘增强。
2.2 矿床改造信息标志矿床形成以后，由于所在环境、空间位置的变化会引起矿床某些性状的改变。利用不同时相遥感图像的宏观对比，可以研究矿床的剥蚀改造作用;结合矿床成矿深度的研究，可以对此类矿床的产出部位进行判断。通过研究区域夷平面与矿床位置的关系，可以找寻不同矿床在不同夷平面的产出关系及分布规律，建立夷平面的找矿标志。另外，遥感图像还可进行岩性类型的区分应用于地质填图，是区域地质填图的理想技术之一，有利于在区域范围内迅速圈定找矿靶区。
三、遥感找矿的发展前景
1、高光谱数据及微波遥感的应用
高光谱是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。它利用成像光谱仪以纳米级的光谱分辨率,成像的同时记录下成百条的光谱通道数据, 从每个像元上均可以提取一条连续的光谱曲线, 实现了地物空间信息、辐射信息、光谱信息的同步获取, 因而具有巨大的应用价值和广阔的发展前景。成像光谱仪获得的数据具有波段多, 光谱分辨率高、波段相关性高、数据冗余大、空间分辨率高等特点。高光谱图像的光谱信息层次丰富, 不同的波段具有不同的信息变化量, 通过建立岩石光谱的信息模型, 可反演某些指示矿物的丰度。充分利用高光谱的窄波段、高光谱分辨率的优势, 结合遥感专题图件以及利用丰富的纹理信息, 加强高光谱数据的处理应用能力。微波遥感的成像原理不同于光学遥感, 是利用红外光束投射到物体表面, 由天线接收端接收目标返回的微弱回波并产生可监测的电压信号, 由此可以判定物体表面的物理结构等特征。
2、3S 的结合。
3S 是遥感（RS）、地理信息系统（GIS）及全球定位系统（GPS）的简称。利用GPS 能迅速定位，确定点的位置坐标并科学地管理空间点坐标。海量的遥感数据需庞大的空间，因此要有强大的管理系统，随着当今人力资源价格的升高，在区域范围内找矿时，遥感表现出最小投入获得最大回报的优势，那么RS 与GIS 的结合也就势在必行，因为GIS 更有利于区域范围的影像管理及浏览。随着3S 技术的进展，遥感数据的可解译程度与解译速度得到进一步提高。目前，地质工作者尝试将3S 与VS（可视化系统）、CS（卫星通讯系统）等技术综合应用，取得了较好的效果.
3、地物化遥的有机融合
矿床的形成是多种地质作用综合的结果，矿床形成后又会经历后期的破坏或者叠加成矿作用，因此，任何一种单一的找矿手段都不可避免地遭遇地质多解性的困扰，实现地物化遥多种找矿方法与手段的有机融合，能有效地提高找矿效果，并从总体上降低找矿成本。目前，以遥感信息为主体，结合地质、地球物理、地球化学等多源地学数据的综合信息找矿法已经形成。
4、遥感植物地球化学
在高植被覆盖区实现遥感波谱数据与矿致植物地球化学异常的有机融合，将会较好地推进遥感找矿技术在植被覆盖区的应用。
四、结束语
遥感技术应用于地质找矿必须以现代成矿理论为指导, 以图像处理手段和综合解译分析为主要工作方法, 密切结合野外地质调查, 建立遥感地质找矿模式, 预测找矿远景区, 缩小找矿靶区, 实现遥感找矿的日的。遥感技术应用于地质找矿, 在地质工作程度较低、地形条件较差、交通不便的高寒地区具有常规地质方法不可替代的优越性, 应综合运用多种手段, 进行综合分析研究, 才能充分发抨遥感技术的优势, 取得更好的找矿效果。
参考文献
[1]耿新霞.杨建民.张玉君等．遥感技术在地质找矿中的应用及发展前景［J］.地质找矿论丛.2012，23（2）：89－93．
高光谱遥感原理范文3
作者简介:陈伟（1983-），男，浙江杭州人，博士研究生，主要研究方向：模式识别、高光谱遥感； 余旭初（1963-），男，湖北罗田人，教授，博士生导师，博士，主要研究方向：摄影测量与遥感、模式识别； 张鹏强（1978-），男，甘肃镇原人，讲师，博士，主要研究方向：摄影测量与遥感、序列影像处理。
文章编号:1001-9081（2011）08-02092-05doi:10.3724/SP.J.1087.2011.02092
（1.信息工程大学 测绘学院，郑州450052； 2.65015部队，辽宁 大连116023；
3.北京望神州科技有限公司 销售部，北京100020）
（）
摘 要:高光谱遥感影像具有丰富的光谱信息，在地物识别方面具有明显的优势。一类支持向量机（OCSVM）不仅保留了支持向量机的原有优势，而且只需要待识别类型的训练样本。为此提出了算法，通过数学模型选择、核函数设计与参数的自适应调整将OCSVM原理融入到高光谱影像的地物识别算法中，提高了识别的精度，降低了对训练样本的要求。最后利用两幅高光谱影像进行了实验分析，实验结果证明了所提算法的有效性。
关键词:高光谱影像；一类支持向量机；支持向量数据描述；地物识别；参数选择
中图分类号: TP391.413文献标志码:A
Object recognition based on one-class support vector machine in
hyperspectral image
CHEN Wei1, YU Xu-chu1, ZHANG Peng-qiang1, WANG Zhi-chao2,WANG He3
（1. Institute of Surveying and Mapping, Information Engineering University, Zhengzhou Henan 450052, China；
2. Unit 65105, Dalian Liaoning 116023, China;
3. Sales Department, Digital LandView Technology Company Limited, Beijing 100020, China）
Abstract: The hyperspectral remote sensing image is rich in spectrum information, so it has advantages in object recognition. One-Class Support Vector Machine （OCSVM） not only holds the advantages of support vector machines but also only needs the train samples of the recognized objects. The algorithm proposed in this paper selected mathematical model, designed kernel function, adjusted parameter adaptively, and added the theory of OCSVM into the object recognition algorithm for hyperspectral image which improved the precision of recognition and reduced the demand of train samples. Lastly, the experiments were conducted on two hyperspectral images, and the results prove the validity of the proposed method.
Key words: hyperspectral image; One-Class Support Vector Machine （OCSVM）; Support Vector Data Description （SVDD）; object recognition; parameter selection
0 引言
高光谱遥感将反映目标辐射属性的光谱与反映目标空间和几何关系的图像有机地结合在一起，续写和完善了光学遥感从黑白全色影像通过多光谱到高光谱的全部影像信息链，其图谱合一的特点为分类、探测及目标识别提供了极大的便利。其应用领域已涵盖地球科学的各个方面，除了在地质找矿和制图、大气和环境监测、农业和森林调查、海洋生物和物理研究等领域发挥着越来越重要的作用之外，还在遥感测绘领域展现出美好的前景［1］。生产突出表示某种地形要素的专题地图是测绘的重要任务，可以通过分类的方法得到感兴趣的目标地物在影像中的分布情况，但是基于分类的方法需要摄影区域中各类地物的训练样本，而在实际中获取训练样本的时间和经济成本较高。高光谱地物识别的目的与目标检测［2］相似，都是将影像分为目标地物与背景两部分，此外，与基于光谱匹配的目标检测方法类似都需要目标地物光谱的先验信息。但是，基于光谱匹配的目标检测方法并不完全适用于地物识别的场合，主要原因有以下两点：首先，基于正交子空间投影（Orthogonal Subspace Projection， OSP）的系列方法、基于最小二乘（Least Squares， LS）的系列方法和子空间匹配方法需要的不仅仅是目标地物光谱的先验信息，并且需要各类背景地物光谱的先验信息；其次，目标检测关心的多是亚像素级的小地物，并且这类地物在影像中的分布较少，而地物识别通常关心植被、水系等分布较广的地物类型，在这种情况下线性约束最小方差（Linearly Constrained Minimum Variance， LCMV）以及约束能量最小（Constrained Energy Minimization， CEM）等目标光谱信号约束检测方法虽然仅需要目标地物光谱的先验信息，但是会由于目标地物在影像中的分布过多而造成很低的探测精度。在高光谱影像处理中，通常采用光谱角度匹配（Spectral Angle Match， SAM）的方法进行地物识别，利用SAM识别地物，仅需目标地物光谱的先验信息，并且计算效率较高，但是受到光照变化、相同地物不同质地、成像噪声等因素的影响，光谱匹配方法很难满足地物精细识别的要求。
支持向量机（Support Vector Machine， SVM）技术自20世纪90年代以来异军突起，由于其处理高维小样本、非线性可分数据时的良好性能，正好满足了高光谱影像处理的要求，因此在高光谱影像分类［3］与混合像素分解［4］领域都得到了应用。但是地物识别问题与分类问题的不同之处在于，其训练样本只有目标地物，因此，普通的SVM算法无法直接应用于地物识别中。一类支持向量机（One-Class Support Vector Machine， OCSVM）是SVM的一种分支算法，与普通的SVM算法需要每个待分类别的训练样本相比，OCSVM只需要待识别类型一类的训练样本。目前，OCSVM已经在多种检测问题中得到了应用［5-6］。本文将分析OCSVM算法的原理，并将其应用于高光谱影像地物识别中。
1 算法原理与描述
OCSVM仅需利用待识别类型即正类的样本进行训练，就可将样本分为正类与外点（负类），因此它解决的是一个一分类问题，从机器学习的角度看一类SVM属于无指导学习问题。从不同的角度出发，Tax等人提出的支持向量数据描述（Support Vector Data Description， SVDD）方法［7］与Schlkopf等人设计的算法［8］，是一类SVM的两条技术途径，为便于区分，在后续内容中将Schlkopf等人的算法称为1-SVM算法。SVDD的目的是计算得到在高维空间中能包含最多正类样本同时具有最小半径的超球体，而1-SVM是将一分类问题视为一个特殊的两类分类问题，并且通过在高维空间中求取正类与原点之间的最大间隔分离超平面来达到一类分类的目的。
对于高光谱影像地物识别而言，基于OCSVM的方法既具有SVM原有的优势，又有其自身的优点，概括起来主要有以下几个方面：1）仅需利用待识别地物的训练样本，有利于降低训练样本获取的成本和提高作业效率；2）非参数估计，该方法完全依赖于数据本身，而不需要事先对数据的分布进行假设；3）满足稀疏性条件，即仅需要待识别地物类型少量的训练样本，并且仅用较少的数据就可对待识别地物进行精确的描述；4）良好的泛化性能；5）由于核函数的引入使其具有非线性分类能力；6）较快的处理速度，有利于高光谱数据的实时和近实时处理。
下面，首先对OCSVM的两种主要算法的原理进行分析，然而给出基于OCSVM的高光谱影像地物识别的具体过程。
1.1 SVDD算法
SVDD的基本思想是对正类分布的支撑区域建立一个“小”而“紧”的超球面模型，该超球面需以较大的概率包含尽可能多的正类样本并尽量排除负类样本，同时该超球面应该具有较小的半径，如图1所示为最小超球面模型，落在超球面上的正类样本就是支持向量。对于线性不可分的情况，SVDD通过引入松弛变量，以及利用核函数将样本隐式非线性映射到高维特征空间的方法加以解决。
图1 SVDD示意图
由于高光谱地物识别面临的情况大多数都是非线性的，所以在此直接介绍非线性SVDD，具体方法用数学语言可以描述为：设有训练样本集T{Xi|i1,2,…,N}且Xi∈Rl，Φ（・）为原始l维空间至某个高维特征空间F的非线性映射，则SVDD在变换后的高维特征空间中计算寻找最优超球面的任务，可以表示为如下所示的优化问题：
minr,c,ζi r2+C∑Ni1ζi（1）
s.t. Φ（Xi）－a2≤r2+ζi, ζi≥0且i1,2,…,N（2）
其中：r为最优超球面的半径；a为超球体的质心；・表示欧氏距离；ζi为松弛变量，类似SVM线性不可分的情况，表示允许部分训练样本落于超球面之外；C为惩罚系数，用于调节超球面的半径与超球面包裹训练样本数量之间的关系，C的大小与超球体包含样本数量之间呈正比关系，是需要人工设置的参数。
利用拉格朗日乘子法，同时结合核函数代替高维特征空间F上的内积，可将如式（1）和式（2）所示的优化问题转化为对偶形式：
minα∑i, jαiαjk（Xi,Xj）－∑iαik（Xi,Xi）（3）
s.t. 0≤αi≤C, ∑iαi1（4）
其中k（・,・）为满足Mercer条件的核函数。利用二次规划优化方法可以求解式（3）和式（4）所示的优化问题从而得到α，如果αi0则对应的样本落于超球面内，若αiC则对应的样本落于超球面外，而满足0
f（X）sgn（r2－Φ（X）－c2）
sgn（r2－∑i, jαiαjk（Xi,Xj）+2∑iαik（Xi,X）－k（X,X））（5）
其中超球面的半径r等于任意一个支持向量到球心的距离。
1.2 1-SVM算法
不同于SVDD构造最小超球面的思想，1-SVM的出发点是在变换后的特征空间中寻找到最优分离超平面，使得正类样本和原点之间具有最大间隔。图2为表示1-SVM原理与其参数意义的示意图。
图2 1-SVM示意图
1-SVM通过引入分离超平面和最大间隔的思想，在变换后的特征空间中尽可能地使正类落于分离超平面的一侧，而使原点与其他类别落于另一侧。设有训练样本集T{Xi|i1,2,…,N}且Xi∈Rl，Φ（・）为原始l维空间至某个高维特征空间F的非线性映射，则1-SVM寻找最优分离超平面任务的目标函数可表示为式（6）：
minw,ρ,ζ,b〈w,w〉+∑Ni1ζi－ρ（6）
s.t. 〈w,Φ（Xi）〉≥ρ－ζi; ζi≥0且v∈［0,1］（7）
其中：w和ρ为分离超平面的参数，ρ/w代表间隔的大小；ζi为松弛变量，表示允许部分训练样本落于分离超平面的原点一侧；v的作用是调节w和ζi之间的关系，是需要设置的变量，代表了训练样本识别错误率的上限，而vN代表支持向量数量的下限［9］。
如式（6）和式（7）所示的最优分离超平面目标函数可以转化为如下所示的二次规划（Quadratic Programming, QP）寻优的对偶问题：
minα∑i, jαiαjk（Xi,Xj）（8）
s.t. 0≤αi≤; ∑iαi1（9）
求解上述QP问题可以得到最终的判别函数：
f（X）sgn（∑iαik（Xi,X）－ρ）（10）
其中：Xi都为支持向量；αi为相应的拉格朗日乘子，且αi满足0
ρ∑jαjk（Xi,Xj）（11）
1.3 SVDD与1-SVM的相关性分析
SVDD与1-SVM之间有着紧密的联系，当采用的核函数为分别如式（12）和式（13）所示的高斯径向基核以及指数径向基核这类径向基核函数时：
k（Xi,Xj）exp－（12）
k（Xi,Xj）exp（－qXi－Xj）（13）
如式（3）所示的对偶形式可表示为式（14）:
minα（∑i, jαiαjk（Xi,Xj）-1）（14）
如果再认为C和为相同的变量，则此时在数学形式上SVDD和1-SVM满足等价关系［8］。
1.4 算法描述
如上所述，SVDD的惩罚系数C负责调节最小化超球体半径和包含尽可能多的正类样本这对矛盾间的关系，定性地讲C的值具有明确的含义，即C值的大小与超球体包裹的正类样本个数呈正比关系。定量地讲C值本身并没有确切的意义，所以C值的设置比较困难。与之相比1-SVM的参数v表示的是对训练样本识别错误率的上限，同时也相当于支持向量占训练样本比例的下限，具有明确的定量意义，因此在数学形式上采用1-SVM算法的最大间隔分离超平面模型，有利于参数的设置。
多项式函数、径向基函数和Sigmoid函数是三种常用的满足Mercer条件的核函数，其中最为常用的是如式（12）所示的高斯径向基核函数，这是由于其对应的特征空间是无穷维的，有限的数据样本在该特征空间中肯定是线性可分的［10］。同时考虑到核函数为高斯径向基函数时，SVDD和1-SVM两者存在等价关系，而高斯核函数适用于超球体模型［11］。因此选择高斯径向基函数作为核函数。
在高光谱影像地物识别中，对于不同的地物需要设置不同的高斯核函数的尺度参数σ。σ控制着核函数的平滑程度，并且其值应该与1-SVM的参数v相适应，以达到最好的识别效果。在此，采用Unnthorsson等人提出的方法［12］来获取参数σ的值。在这种方法中，事先规定训练样本最大错误率v以及σ的取值范围［σmax,σmin］，然后利用1-SVM对训练样本进行识别得到不同σ值下的识别正确率。
如图3所示，x轴和y轴分别表示σ的取值和1-SVM对训练样本的识别正确率，取使得识别正确率第一次满足大于（1－v）条件时的σ作为最优值。此外，为了便于设置σ的取值范围，事先需将高光谱影像的DN值规范化至［0,1］。
图3 σ选择方法示意图
地物识别的目的是区分目标地物与背景，可视为一种特殊的两类分类问题。因此可借助误差矩阵，通过计算分类精度的方法作为识别精度的评价指标。分类精度评价指标包括：制图精度、用户精度、总体精度和Kappa系数。其中用户精度是从用户的角度反映分类图的可靠性，制图精度是从制图的角度反映图像上被标识为各类地物的可靠性，总体精度的计算只采用了误差矩阵中对角线上被正确分类的像素数量，因此这三种指标不能全面反映整体的精度。而Kappa系数既考虑了对角线上被正确分类的像素数量，同时也考虑到各种错分和漏分的误差，更加全面反映了分类精度［13］。由于篇幅的限制，本文不能给出每种地物识别结果的误差矩阵，结合上述的原因，利用Kappa系数作为精度评价的综合指标。
综上所述的数学模型和核函数选择、参数设置以及精度评价指标，基于一类SVM的高光谱影像地物识别过程如下：
1）将原始高光谱影像的DN值规划至［0,1］；
2）选择待识别地物的训练样本；
3）设置高斯核函数参数σ的范围和1-SVM的参数v；
4）利用Unnthorsson的方法选择最优的σ值；
5）训练1-SVM得到αi和ρ；
6）利用训练好的1-SVM对整幅影像进行识别；
7）识别精度评价。
2 实验
本文进行两组高光谱数据的实验，每组数据都提供了摄影地区主要地物类型的样本，在实验中将以每种地物类型轮流作为目标地物，从该类型地物的样本中随机选择100个用于分类器的训练，剩余的所有样本则用于测试，以此来验证一类SVM算法的效果。实验中设置训练样本错误识别率上限v为0.05，并运用文献［12］中的方法确定高斯核函数的尺度参数σ。
此外，为了便于比较，本文还给出了SAM［14］方法的识别结果。由于SAM得到的是待识别样本与参考光谱间的光谱角度值，为了便于比较精度，借助测试样本得到对SAM结果的最佳分割阈值，从而以SAM的最高识别精度参与比较。
本实验采用的计算机硬件环境为Intel Core2 CPU 3.0GHz、2.99GHz，内存3.25GB，软件环境为Windows XP、Matlab 7.5。
2.1 实验1
由中国科学院上海技术物理研究所的OMIS获取的江苏太湖沿岸的影像，光谱覆盖范围0.46～12.85μm，共128波段，影像宽347像素、高513像素，实验采用受噪声影响比较小的6～64、113～128共75个波段。通过对影像目视判读，采集了7类地物的样本，其分布如图4（a）所示，样本信息如表1所示，地物样本均值光谱曲线如图5所示。各类地物的识别结果如图4（b）～（h）所示，具体精度指标如表2所示。表2中，采用SAM对太湖影像的任何一种地物进行识别需耗时8.6653s。
图4 OMIS太湖影像
图5 太湖影像样本均值光谱曲线
表1 太湖影像检验样本信息
2.2 实验2
2001年5月31日，由NASA的EO-1卫星上的Hyperion传感器获取的南非博茨瓦纳（Botswana）Okavango三角洲地区影像，影像宽256像素、高400像素，光谱分辨率大约为10nm，光谱范围400～2500nm，共242波段，经过辐射校正，去除噪声和大气吸收波段。实验采用原数据中10～55、82～97、102～119、134～164、187～220波段共145波段。地面覆盖类型的样本采集用来反映所研究地区洪水对植被的影响，样本采集根据植被测量和航空摄影测量获得，如图6（a）所示，样本信息如表3所示，地物样本光谱曲线如图7所示。各类地物的识别结果如图6（b）～（f）所示，具体精度指标如表4所示。表4中，采用SAM对博茨瓦纳影像的任何一种地物进行识别需耗时5.0715s。
表2 太湖影像地物识别精度
5道路2.180.90240.00090.5916110.85056房屋0.350.84670.00060.562390.74717水体0.350.96160.00060.5013100.9460
表3 博茨瓦纳影像样本信息
2.3 实验结果分析
本文采用的基于一类支持向量机的高光谱影像地物识别方法，对以上两组实验数据都取得了较SAM地物识别方法更高的识别精度。特别是在不同植被类型的识别这种复杂情况下，基于一类支持向量机的方法更是体现出来它的优势，与SAM相比，其精度普遍要高出10%～20%。另外，基于一类支持向量机的识别方法同时也具有较高的处理速度。
3 结语
一类支持向量机不仅保留了支持向量机方法处理高维小样本数据的原有优势，而且仅需要待识别类型一类的训练样本。它的这些特点与复杂的高光谱影像地物识别问题的要求相契合。本文分析总结了一类支持向量机的基本原理与技术
途径，并以此为基础设计了基于一类支持向量机的高光谱影像地物识别方法，最后通过实验证明了本文算法的有效性。然而，一类支持向量机方法作为一种新兴的数据分析的有效手段，其本身还有很大的改进余地，此外，它在高光谱影像分析的应用领域也不仅限于地物识别方面。因此，下一步的研究，一方面将追踪一类支持向量机方法的最新进展，用于提高地物识别的精度；另一方面还将探索其在高光谱影像聚类分析、分类和混合像素分解方面的应用。
图6 Hyperion博茨瓦纳影像
表4 博茨瓦纳影像地物识别精度
图7 博茨瓦纳影像样本均值光谱曲线
参考文献:
[1] 余旭初，冯伍法，林丽霞.高光谱――遥感测绘的新机遇［J］.测绘科学技术学报，2006，23（2）：130-132.
［2］ 贺霖，潘泉，邸|,等.高光谱图像目标检测进展［J］.电子学报，2009，37（9）：2016-2024.
［3］ 杨国鹏.基于机器学习方法的高光谱影像分类研究［D］.郑州：信息工程大学,2010.
［4］ 吴波，张良培，李平湘.基于支持向量回归的高光谱混合像元非线性分解［J］.遥感学报，2006，10（3）：312-318.
［5］ LI KUN-LUN, HUANG HOU-KUAN, TIAN SHENG-FENG, et al. Improving one-class SVM for anomaly detection ［C］// Proceedings of 2003 International Conference on Machine Learning and Cybernetics. Washington, DC: IEEE Computer Society, 2003: 3077-3081.
［6］ BANERJEE A, BURLINA P, DIEHL C. A support vector method for anomaly detection in hyperspectral imagery ［J］. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44（8）： 2282-2291.
［7］ TAX D, DUIN R. Data domain description using by support vectors ［C］// Proceedings of 1999 the European Symposium on Artificial Neural Networks. Brussel: D-Facto, 1999： 251-256.
［8］ SCHZLKOPF B, PLATT J C, SHAWE-TAYLOR J T, et al. Estimating the support of a high-dimensional distribution ［J］. Neural Computation, 2001, 13（7）: 1443-1471.
［9］ SCHZLKOPF B, SMOLA J, WILLIAMSON R C, et al. New support vector algorithms ［J］. Neural Computation, 2000, 12（5）: 1207-1245.
［10］ 白鹏，张喜斌，张斌,等.支持向量机理论及工程应用实例［M］.西安：西安电子科技大学出版社，2008：18.
［11］ TAX D, DUIN R. Support vector domain description ［J］. Pattern Recognition Letters, 1999, 20（11/12/13）： 1191-1199.
［12］ UNNTHORSSON R, RUNARSSON R T, JOHNSON T M. Model selection in one class nu-SVMs using RBF kernels ［C］// Proceedings of the 16th International Conference on Condition Monitoring and Diagnostic Engineering Management. Vaxjo, Sweden: V|xj University Press, 2003： 1054-1060.
高光谱遥感原理范文4
关键词：金属矿产；勘查；新技术
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
中图分类号：O741+.2文献标识码：A 文章编号：
0引言
经济社会发展对矿产资源的需求持续快速增长，矿产资源保障程度总体呈现不足趋势。因此，重视发展新一代金属矿产的勘查技术与方法，探索和发现新矿床的新技术、新方法，无疑成为勘查取得成功的重要条件。矿产勘查正进入以技术为先导的新时代，未来大型矿床的发现将在很大程度上依赖于高新技术的应用及多技术的综合。因此本文注重提出各种新技术与新方法的分析，以此提供交流学习的机会。
1蚀变流体填图技术
流体广泛分布于地壳、地幔及地表中，流体研究是当今固体地球科学发展的前沿，而地幔柱、地壳中流体的大规模迁移与岩浆热液是地球流体研究的3个热点问题。地球各层圈中流体地质的性状与作用的研究，已成为当前国际地球科学研究的重要前沿领域，大尺度区域性的流体地质调查与研究是这一领域的热点之一。由此可见，蚀变流体填图是区域性流体地质研究的基础，是一种具有探索性和创新性的新的地质调查方法。
图1所示是1∶50000铜陵地区蚀变流体填图项目,识别出区域上存在5种类型的热液流体,根据流体活动特征,将所发育的流体记录归并为4个流体系统、7个流体子系统和18个流体单元。这些流体系统基本代表了长江中下游铜陵地区流体活动的时间序列及与地层、构造、岩浆岩的关系,它们的空间展布特征反映了不同时期流体活动的规模、形式及中心区域。
2地球化学勘查技术
2.1理论基础
勘查地球化学的理论基础是成矿物质在成矿过程中，在围岩中留下元素运移轨迹或在成矿以后，通过分散在四周岩石、土壤、水系沉积物、水、植物及气体中形成各种类型的地球化学分散模式，根据这些元素变化轨迹或分散模式去追踪和发现新的矿床。
图1安徽铜陵新桥硫铁矿蚀变流体地质简图
2.2气体地球化学测量技术
气体地球化学测量方法由于气体的强穿透性,可将大量的与深部矿化作用有关的物质携带到地表,可直接或间接指示各种地质成矿过程,而受到勘查地球化学的重视。众所周知,岩石的不断地脱气是一种普遍的自然现象,是地质体沉积、变质并与地下水相互作用的结果;矿床和形成矿床的流体在化学性质上与其周围环境明显不同。当这种脱气作用形成的气流通过不同地质体时,可将不同组分载入,造成矿床上方与区域背景气体信号之间存在某种差异。尽管这种差异很微弱,但采用一种独特的测量方法-土壤热释气体测量（SDP,soil-gas desorption pyrolysis）,完全可以探测到这种微弱差异的信息。SDP技术是通过表层土壤并分析其中气体组分来实现对地下矿产的勘查的。
2.3应用实例
勘查技术有效性可以通过在实际找矿中的应用效果来检验。对于研究隐伏矿的勘查技术来说,直接采用钻探方法来找矿成本非常昂贵，SDP技术能在最大程度的节省初投资情况下准确无误地对地下情况进行研究。
图2所示矿区，位于澳大利亚Isa Block Eastern Succession山的南端,为一铜金矿床,围岩为中元古代的石英岩和铁石,岩层被30-40m厚的中生代沉积物所覆盖。矿区的西部和北部是含硫化物的薄层硅质矿带,并带有磁铁矿-黄铁矿这些与铁石有关的蚀变。东部主矿体是高品位、富含磁黄铁矿的硅质矿体。矿体覆盖层总厚度在东边约300m。
图2利用普通模式对Osborne矿床上的SDP调查的数据处理
SDP土壤调查点位分布见图2。采样间距不规则,背景区为100m,接近矿化和在矿化上方分别为50m和25m。气体测量结果采用斯潘赛床的标准模板处理,在Osborne矿床也得到良好的异常显示,说明在干旱地区,SDP技术能够具有较强勘查铜金矿床的能力。
目前，国内在硫化多金属矿床SDP化探研究和试验方面还鲜见报道。由于基于SDP法的土壤硫化气体化探技术具有找矿指标的多样性、找矿效果的直接性和找矿方法的可操作性，若结合其它物化探勘查方法，在寻找覆盖区隐伏矿方面必将发挥其独特的潜力和技术优势，具有巨大的应用前景
3地球物理勘查技术
目前除地面核磁共振方法找水是一种较直接的物探方法外，其它地球物理勘探方法都是一种通过寻找与矿产有关的地球物理参数异常来达到间接找矿目的，或者通过寻找与地质构造有关的地球物理参数异常来查明深部地质构造，从而为区内成矿规律研究提供依据，为矿产勘查提供方向。
3.1主要技术方法
1）地下电磁波法
地下电磁波法是利用无线电波在钻孔或坑道中发射和接收，根据不同位置上接收的场强，来确定地下不同介质分布的一种地下物探方法，常称为无线电波透视法。在金属矿勘查中，地下电磁波法以双孔法最为常用，可用于寻找井间盲矿体，判断两孔之间所见矿体是否相连，确定矿体产状等。
2）金属地震法
金属地震法是利用地下物质对地震波反射的差异，查明深部控矿构造、圈定容矿岩石甚至直接寻找深部盲矿体的金属矿的方法，其原理见图3。金属地震法最近在数据采集、处理和解释等诸多方面得到了很大的改进和完善。随着数据测量、处理和解释技术的改进和完善，金属地震方法正在逐步发展成为一种实用性的寻找深部隐伏矿体的有效方法。
图3金属地震法原理
3）时间域航空电磁法
中高山区高精度航空磁测方法是指使用专用磁测系统在中高山区获取高精度磁场数据,使用专用的数据处理和解释方法获得地质成果的技术统称。目前用于中高山区航磁测量系统有很多种，时间域航空电磁法就是其中的一种。时间域航空电磁法适用于金属硫化物矿床及与硫化物共生的贵金属矿床的普查、圈定断裂构造带、航空电磁电阻率填图、浅层水资源调查等。
时间域航空电磁法用于镍金属硫化物的勘查。块状硫化物的勘查一直以来都是航空电磁法寻找金属矿产的重要方向。Harmony矿是西澳大利亚Leinster矿床的一部分,1998年,时间域航空电磁法在该矿床上用25Hz基频4ms脉宽进行了测量,发现了一处夹在两层石英质水平层间的线性垂直块状硫化矿体。该矿体约有760×104t,镍含量约1.55%。图4给出了GEOTEM在该矿体上的实测数据。
图4时间域航空电磁法用于镍金属硫化矿勘查
4高光谱遥感技术
4.1应用现状
高光谱遥感是将光谱技术和成像技术相结合，以纳米级的超高光谱分辨率对目标进行成像，同时获取数十甚至上百个波段，形成连续光谱图像的技术。地质调查是高光谱遥感应用的一个重要领域。随着高光谱遥感技术的发展，成像光谱仪的光谱分辨率和空间分辨率越来越高，因此它的应用面也越来越广，岩矿识别、矿物丰度制图以及找矿勘查是成像光谱应用的主要方向，也是率先应用的领域。
4.2尚待解决的关键问题
1）高光谱矿产勘查模型的普适性
高光谱矿产勘查信息提取模型已经比较多，但没有一种具有普适性的方法。由于模型与模型间的设计条件区别较大，需要因地制宜地提取模型参数，况且大多数模型都要求大量实测数据去修正。因此目前所建立的模型几乎都以假设的理想条件为基础，而实际问题中却同时存在复杂性与多样性，急需解决的问题还很多。
2）光谱混合分解模型及其端元提取
矿产基地中土壤、残骸等形成的混合光谱机制复杂多样，尤其是地形复杂的地区，其多种组分的光谱混合分解模型研究有待深入。建模后端元光谱的确定是模型成功与否的关键，深入研究基于混合光谱的端元提取技术，对高光谱矿产信息提取的实用化以及定量化有重大价值。
5结论
目前高光谱遥感技术，蚀变流体填图技术，地球化学勘查技术和地球物理勘查技术等高新技术的综合运用是提高矿产勘查成功率的保障。但是这些技术都是以信息通讯技术的发展为依托的，信息通讯技术的发展直接制约矿产勘查的方法的进一步发展。因此，我们应以信息技术的发展为核心，最大限度地利用各种现有的数据资料，综合运用各种先进技术提高矿产勘查的成功率。
参考文献
[1] 惠卫东, 雷军文. 金属矿产勘查中的新技术与新方法[J]. 新疆有色金属 , 2008,(06)
[2] 成宇. 遥感技术的新应用[J]. 百科知识 , 2007,(07)
[3] 王学求.《矿产勘查地球化学:过去的成就与未来的挑战》[J].地学前缘, 2003（3）
[4] 赵永贵.中国工程地球物理研究的进展与未来[J].地球物理学发展,2002,17(2):305-3
09.
高光谱遥感原理范文5
关键词：遥感信息；水工环；应用
遥感信息技术经过多年的发展与实践，已经集合了传感器技术、计算机技术等先进的技术，这使得遥感信息技术在水工环中的应用更为深化。现如今，遥感信息技术已经成为水工环不可缺少的技术，随着水工环勘察需求的加大，对该技术会更大的依赖。
1 遥感信息在水工环中的应用发展现状
1.1 传统的遥感信息技术需要人工进行解译，但是随着信息技术的融入，可以进行计算机解译，大大提高了解译效率。如线性影像计算机自动判释专家系统及土地利用（分类）计算机判读模型以及机助信息提取与制图系统等。由于影像的多解性及识别系统的不完善性，虽还需要投入一定的人力工作，但已大幅提高解译工作效率。
1.2 从几何形态解译到充分利用光谱信息。过去的多光谱遥感数据波段划分过少，只有几个波段，使地面波谱测试数据与图像光谱数据难以精确比较。因此，图像解译工作很少考虑地物的波谱特征，主要根据影像的色彩、色调、纹理、阴影等所形成的几何形态特征。随着机载成像光谱仪（高光谱）技术的商业运作及2000年前后的高光谱成像卫星的发射，使得用光谱信息对地物的分析更精细、更准确。
1.3 出现地面温度反演技术。地面温度反演是指从热红外图像数据的辐射亮度值获得地表温度信息。反演方法主要有地表温度多通道反演法和多角度数据进行组分温度反演法等。
1.4 从定性分析评价到依靠计算机数字模型模拟的定量分析评价。如遥感技术在地下水流系统应用中，根据遥感数据建立的地形、流域面积、水系密度等数据集结合气象数据建立空间补给模型。
1.5 使用单一遥感信息源到多元信息拟合。目前的遥感应用技术，已不再是单一使用各种遥感数据，而是根据需要结合利用了其他信息源，如地质、地形、水文、土壤、植被、气象、岩土物理力学特征及人类活动等资料。这样，图像数据的预处理尤其重要，如几何较正、多波段数字合成、镶嵌、数据变换等，而地理信息系统（GIS）在多元信息数据管理中起着重要作用。
1.6 从单一手段应用到多手段应用近年来，遥感技术（RS）与地理信息系统（GIS）和全球定位系统（GPS）的综合应用，即“3S”技术，成为遥感技术应用的主流。GIS是数据库管理、数据图形处理、各主题图件叠加、制图的重要工具。
1.7 数字摄影测量技术的发展。数字摄影技术的成熟，推进了制图工作的现代化，改善了基础图件的质量和成图效率，并影响着遥感技术的调查方法。该技术的产品可直接作为GIS的数据源，便于遥感与GIS一体化研究与开发。如我国自己开发的全数字摄影测量软件VIRTUOZO，具有数字化测图、自动生成DEM/DTM和等高线、生成正射影像等功能。
1.8 遥感技术应用成果向着便于保存、复制、携带及传输方向发展。这意味着遥感技术应用成果的数字化。由于是数字成果，可载于多种介质上，如CD-ROM、磁带及计算机硬盘上，使携带处理更加方便。随着1998年“数字地球”计划的提出及我国国土资源部“数字国土”工程的实施，遥感应用成果数字化显得尤其必要。
2 遥感信息在水工中的应用
2.1 在水文地质中的应用
遥感信息技术主要是用来进行测绘，以此提高水文地质勘查的准确性，同时也便于对水文地质工作展开定量或者是定性分析。遥感信息技术能够进行光谱合成，也可能进行图像处理，而这样的功能正是水文地质勘查需要的，如果地域比较特殊，工作人员借助遥感技术能够分辨出水质与植物，依据水质与植物之间的关系，就此推断出该区域水质的具体情况。遥信信息技术在水文地质中的应用，还便于地下水系统分析，这样工作人员就能够随时对地下水水质情况进行了解，一旦发现污染，会立即展开评价，采取措施。红外热感技术也是应用在水文地质勘查中一项非常重要的技术，该技术主要用来进行地下热水勘察，工作人员利用红外成像，能够直接判断出地表温度，而后再进行精确的计算，即可分析出地下热水情况。
2.2 在工程地质中的应用
目前，我国工程选址中基本上都会应用遥感信息技术，尤其是大型工程选址，遥感信息技术更是不可或缺。工程选址过程中运用遥感技术，能够提升地质评价的准确性，以此实现选址区域内的地质情况进行更为科学的分析，利于工程建设进行有效的规划。工程地质中应用遥感信息技术，能够得到最为直观的图像，工作人员可以依据图像内容进行分析，而且由于图像是通过卫星影像传输的，所以观测质量完全能够保证。借助卫星传输数据，能够对光谱数据展开认真的处理以及科学的计算，这对工程选址来说异常重要，通常情况下，工程选址人员都是依据这些数据来完成选址工作。遥感信息技术能够将地表图像显现出来，而工作人员则可以通过地表图像对该区域内的地貌、地质环境等展开分析，这不仅能够保证工程选线具有真实性，还能够保证工程合理。与此同时，遥感信息技术的应用，还能够对地质灾害情况进行判断，通过构建科学的数学模型，对工程区域内可能会出现的灾害情况进行评估，再充分的利用风险评价，两者统一起来，对工程顺利进展奠定了基础。
2.3 在环境地质中的应用
遥感信息技术的应用，有利于环境监测水平的提高。遥感信息技术的应用，有利于工作人员对水资源污染状态展开分析，针对污染严重程度，工作人员可以进行不同程度的测量。比如对于工业废水，通常是利用遥感信息技术中热感图像，通过图像分析，工作人员能够掌握工业废水污染范围，具体分布情况以及污染程度等。现阶段，遥感信息技术在环境监测中应用程度更加深入，专家学者也对此进行了大力的研究，取得了比较好的效果。目前，遥感信息技术能够对水土流失情况进行密切的监测，同时也能够对地质变化情况展开监测，这对我国水资源保护，提高水资源利用率有着积极的作用。
结束语
综上所述，可知遥感信息技术已经在水工环中得到了深入的应用，当然随着遥感技术研究的深入，技术水平的提升，该技术的应用领域会更加的广泛，优势会更加的突出。因为遥感信息技术的应用，使得水工环工作人员不必经常进行外业测量，以此提升了工作效率。当然具体如何应用遥感信息技术，还需要工作任意结合具体的工程实践而定。
参考文献
[1]胡志文，欧阳燕，罗湘.水工h地质勘察及遥感技术在地质工作中的应用[J].江西建材，2012（05）.
[2]张灿.谈国内外在水工环领域中遥感技术的应用[J].科技创业家，2012（13）.
高光谱遥感原理范文6
农作物光谱的遥感已经被深入研究，并被证明是现代农业管理的一个重要工具。农业光谱遥感是指在田野上方所得到的光谱图像，此时的入射电磁辐射通常是指阳光[1]。当阳光照射到作物或土壤表面时，光线会被反射、吸收或透射，这取决于光线的波长和所接触物体的特性。所接触物体的物理或化学性质的差异，例如叶子的颜色、质地或形状，决定了某一特殊波长的光线被反射、吸收或透射的能量多寡。农业中最常用的遥感技术是光谱反射比测量。所测定的光谱反射比（反射能量与入射能量的比值）是波长的函数[2,3]。与波长相关的反射比曲线这一光谱特征随植物品种和条件不同而有所差异。大多数农业应用项目中所测得的电磁波的波长范围从可见光（400~700nm）直至近红外范围（700~2500nm）之间[1]。研究表明这一范围内的光谱特征可以为了解作物和土壤的生理学和生物学性质提供丰富和有价值的信息[1,4,5]。已经依据所测定的光谱反射比数据编制了某些特殊植物和农作物的光谱学指数，用于对不同的农业状况进行研究[1,6]。光谱仪、辐射计和数字照相机可以安装在不同的平台上，诸如地面（拖拉机或卡车）、空中（飞机）或太空（卫星）等，以收集各种数据。传感器平台移动时可进行小范围的连续测量，接着进行数据处理并绘制相应图像[3]。遥感结果的质量可从空间分辨率、光谱分辨率和时间分辨率等方面进行评估[1,3]。空间分辨率是指在图像中可以辨认的最小区间。空间分辨率与图像的像素直接相关。光谱分辨率表达了由传感器所测定的电磁波谱线的数值和宽度。时间分辨率则表明一个传感器平台能以怎样的时间间隔提供该区域的测量数据。农业和农场管理应用所需数据的空间分辨率通常为2~5米，时间分辨率则为1~3天，以及1个像素的地域精度和24小时内的农产品送货时间，同时需对大气环境的干扰，诸如灰尘、一氧化碳、二氧化碳和臭氧等进行校正[6]。在上一个十年中，对传感器分辨率的严苛要求极大地推动了农用传感器研发的进展[6]。空间分辨率在很大程度上取决于传感器平台的类型。地面和空中的传感器平台可以较容易地满足田野上方空间分辨率的要求，但成本和劳动力的花费很大。设置在太空的平台只能提供较低的分辨率，同时易受气象条件的影响，例如云层的干扰。各类传感器平台的优劣在Scotford等的文章中作了概括的评价[1]。光谱遥感技术早在上世纪六十年代初已被用于农业。传统的光谱传感器采用一个多光谱成像系统，各个平行的传感器阵列在电磁波的可见光波段至中红外波段之间分别测量少量的光谱带（3~6）[2,7]。近二十年来高光谱成像技术（hyperspectralimaging）的进展促进了光谱分辨率的提高。高光谱成像系统可以测量许多（数百个）极窄的相近光谱带，波长范围从可见、近红外、中红外直至热红外[2,3,7,8]。由高光谱系统可以得到详尽的高分辨率光谱数据，并可由此得到有关农作物和田地特征的详尽而精确的信息。高光谱系统产生了海量的数据。如何对数据进行解析有赖于对高光谱传感器和测定对象性质的深入了解[2,3]。当前，高光谱成像的研究课题包括数据处理机制、数据比对和模型建立等[9,10]。光谱遥感已经被成功地应用于测量农作物营养状况、农作物病害、水资源缺乏或丰盈、丛生的杂草、昆虫危害、植物种群、洪水管理和其它田野状况[1~3,11,12]。食品工业已采用光谱遥感技术来监控食品质量和检测可能发生的食品污染[13~16]。在食品加工厂中通常采用一种人工光源来照射在传送带上输送的食品，然后用一个传感器系统来测量所产生的荧光或散射光的反射比。用于食品质量监控的光线波长包括紫外（10~400nm）、可见（400~750nm）和近红外（750~2500nm）等波段[13]。近来，三维高光谱成像系统已被用于准确测定[17~21]。
2电子鼻
植物和树木通常都会释放出挥发性有机物（VOCs），这是它们日常生理过程的副产物。此类特殊的挥发性有机物的产生以及所释放的数量反映了农作物和农田的情况。湿度、光线、温度、土壤情况、施肥、昆虫和植物病害都会影响挥发性物质的释放。电子鼻在农业中的最常见应用是测定农作物病害、判别昆虫危害以及监测食品质量。电子鼻通常由气体传感器阵列和电子模式识别系统两部分组成。阵列中的各种传感器的选择性可以广泛或部分交叉覆盖，模式识别系统中则包含了多变量统计数据处理工具。电子鼻的典型训练过程是对健康的植物/水果和罹患病害的植物/水果所释放的挥发性物质的特性进行比较。这一领域的最新进展可参见Sankaran等所撰写的评论文章[22]。电子鼻在食品工业中的重要应用是在加工和包装过程中评估水果和蔬菜的新鲜和腐败程度[23,24]。研究工作表明，挥发性物质的检测可以指示水果的成熟度以及哪些化合物能促进水果的成熟，如氨[25,26]、乙醇[26]、乙烯[26,27]和反式-2-己烯醛[28]等。电子鼻已用于检测苹果储藏期间芳香物的数量变化[29]，评估采摘后的桃、梨、香蕉[29~31]和油桃[29,31]等水果的质量，以及检测土豆的腐烂[32]等。不过上述研究都还处于初始阶段。传感器的稳定性、使用寿命、标定、选择性以及气体传感器阵列仪器的标准化等都是制约其商业应用的因素[33]。电子鼻和电位传感器曾被用来确定安放食草性昆虫诱捕器的范围[34~36]。近来，利用电子鼻来测定植物在受到昆虫袭击后所释放出的挥发性物质，以便及早确定昆虫危害的发生[37~39]。
3电化学传感器
电化学传感器在农业领域中的一个重要应用是土壤化学中对诸如pH值或营养成分的直接测量。土壤测试结果对于提高农作物产量和生产质优、味美的食品至关重要。关于土壤传感器的评述可参见Adamchuk等最近撰写的文章[40]。用于测量土壤中某些离子活度（H+,K+,NO3-,Na+等）的电化学传感器有如下两类：1）离子选择电极和2）离子选择性场效应管(ISFET)传感器。这两类传感器也被用于监测植物对离子的摄取。营养成分的摄取速度取决于植物对营养的需求，此种需求与植物的生长速度和植物体的营养状况有关。多数常量营养元素（如氮、磷、钾）的吸收过程都很活跃。监测植物体或生长系统的离子浓度可以帮助农民制订施肥策略和提高产量。离子选择电极已经可以用于多种不同离子的检测。它们可用于土壤和作物(如土豆[41,42]和蔬菜)中氮元素的监测，以便进行施肥管理[43,44]。植物或土壤中的离子（例如碘离子、氟离子、氯离子、钠离子、钾离子和镉离子等）可以用离子选择电极进行测定，以便对植物的新陈代谢、营养以及植物中所存在的重金属离子的毒物学影响[45~48]等进行研究。随着离子选择电极和离子选择性场效应管的发展，促进了温室工业中为作物/植物开发特定离子营养液供应系统的努力。某些研究者开发了基于特定离子浓度测量的液体肥料注入系统[49,50]。这些系统能自动进行植物所需营养的补给。
4生物传感器
近年来，用于化学污染物质以及食源性病原体检测的生物传感器的研究工作广泛展开。食源性疾病对公共卫生是一个迫在眉睫的威胁，每年由此造成的损失近300亿美元[51]。现今的细菌检测方法，例如细菌培养、菌落计数、聚合酶链反应（PCR）[52]以及基于抗体的酶联免疫法（ELISA）[53]等技术所需样品量较大，随后还需在实验室中进行样品制备以及对试样进行分析，既费力又费时。大量研究工作集中于开发适用的生物传感器，用于对目标化学物质和病原体进行快速测定[54~56]，且操作人员无需经过特殊培训。生物传感器通常由如下两部分组成：1）生物分子识别元件（生物探针），它能识别目标病原体并与之反应；2）变换元件，它能对生物探针与目标待分析物的相互作用发生响应并将其转换成可测定信号。有几篇新发表的评论文章对近年来生物传感器研发中的生物探针和变换器探索研究进行了很好的评述[57~60]。目前常用的生物探针主要有核酸(DNA/RNA)、蛋白质、酶、抗体和噬菌体[61~63]。用于生物传感器的变换部件则主要有以下四类：电化学变换器、光学式变换器、热学变换器和声波(AW)器件。生物分子识别元件及其在传感器界面的恰当固定化决定了生物传感器的选择性，生物传感器的灵敏度则决定于变换器元件。对高性能生物传感器的需求已经和正在推动着不同种类变换元件的研究开发。在生物传感器开发过程中，抗体和多肽长期被用作生物识别结构[64,65]。但是无论单克隆抗体和多克隆抗体都有其局限性，例如成本高昂、效果欠佳、易损伤和繁琐的固定化操作。近年来，纤维状噬菌体和溶解性噬菌体作为生物分子识别元件引起了许多研究者的注意[66~68]。与抗体相比，纤维状噬菌体具有明显长处。噬菌体的结构非常稳定，可以抵抗摄氏80度以上的温度以及各种化学品（例如酸、碱和有机溶剂）的作用[69]。噬菌体的三维识别表面能够提供多个键合位点，因而对所测定的病原体有很强的键合能力。再则，只需花少量费用即可得到大量合用的噬菌体[70]。表1中列出了已经用于测定食源性病原体的多种噬菌体生物传感器。声波器件构成了高灵敏度换能器的一个重要类别，并显示了诸多优异特性，例如高灵敏度、成本低廉、易使用、可远距离测量、微型化和能用于现场测量等[62,71~74]。近年来，由无定形磁伸缩材料制作的声波器件已被用于高性能生物传感器的研发。应用磁伸缩材料开发了两类声波器件：1）磁弹性（magnetoelastic,ME）共振器[75~82]；2）磁伸缩微悬臂梁（magnetostrictivemicrocantilevers,MSMC）[83~85]。图2显示了磁弹性生物传感器的操作原理。研究者已经用微机械加工的方法制作了基于噬菌体的独立式磁弹性生物传感器，在其中的磁弹性共振器表面覆盖了用基因工程制得的噬菌体，用来与待测病原体进行特异性键合（图3）[86,87]。ME生物传感器在交变磁场作用下以特定的共振频率进行振荡。当生物传感器与待测病原体接触后彼此发生键合。这种键合作用导致共振器的质量增加，因而使生物传感器的共振频率降低。ME生物传感器是一类无线传感器，并且不需要附带电源。ME生物传感器也是一种价廉和一次性传感器件，应用微机械加工方法制作一千个传感器的加工成本小于一美分。ME生物传感器已成功用于检测许多种病原体，例如沙门氏杆菌、炭疽芽胞杆菌和大肠杆菌等[77~81,88,89]。最近的研究表明，ME生物传感器可以对新鲜食品表面的细菌直接进行测定而无需取样操作（水洗和消化）[90]。用于多种化学战剂和食品污染物的高灵敏检测和鉴别的酶基生物传感器在过去几十年中发展迅速并被视作有效工具。具有高毒性的有机磷神经毒剂（organophosphateneurotoxins,OPs）已被广泛地用作农用杀虫剂和化学战剂，因而对农产品和食品中的OPs的鉴别性测定尤为重要。用于OPs测定的生物传感器研发工作中的两个重要方向是1）对特种酶，例如乙酰胆碱酯酶和丁酰胆碱酯酶（AChE和BChE)的抑制[91~94]；2）应用不同水解酶对OPs进行直接水解[95~99]。