遥感图像技术范例

作者：程田飞 周为峰 樊伟 单位：中国水产科学研究院渔业资源遥感信息技术重点开放实验室 上海海洋大学海洋科学学院

1多源遥感数据源

随着遥感技术的发展，越来越多的不同类型的遥感传感器数据被用于对水域的观测。不同类型的遥感数据在水产养殖信息提取中具有各自的优势和特性，因而也对应有不同的应用领域和信息提取精度。一般来说，多光谱遥感记录了地物的反射、辐射波谱特征，拥有丰富的地物空间分布及光谱信息，有助于识别水产养殖区域，是目前水产养殖区信息提取的主要信息源。但大多数多光谱遥感图像数据空间分辨率相对较低，即空间的细节表现能力比较差，将多光谱图像和全色图像融合，可有效提高图像解译能力。目前常用的识别水产养殖区的卫星遥感数据主要有全色图像、多光谱图像和微波雷达图像等，具体参数如表1所示。SAR具有全天时、全天候、多波段、多极化工作方式、可变侧视角、穿透能力强等特点，SAR图像中则含有丰富的地表纹理结构信息。在沿海水域，由于海水对微波雷达的回波能量较弱，而养殖用的基座、围栏和网箱等回波能量较强，色调比周围的海水更亮，二者对比度较大，因而可从SAR图像中提取养殖区域的相关信息。此外，在进行精度验证时，还可利用GoogleEarth平台提供的在线照片，这为实地调查验证提供了便利。

2水产养殖区域的识别方法

由于受研究时间、研究区域和数据源等客观因素的限制，还没有一种方法是最普遍和最佳的水产养殖区的识别方法。目前常用的水产养殖区识别方法主要有目视解译、基于比值指数分析的信息提取、基于对应分析的信息提取、基于空间结构分析的信息提取以及基于面向对象的信息提取等。

2．1目视解译目视解译是遥感应用最常用、最基本的方法之一。它根据遥感图像目视解译标志(位置、形状、大小、色调、阴影、纹理、图形及相关布局等)和解译经验，与多种非遥感信息资料相结合，运用相关知识，采用对照分析的方法，进行由此及彼、由表及里、去伪存真、循序渐进的综合分析和逻辑推理，从遥感图像中获取需要的专题信息。目前，目视解译一般都采用人机交互方式。在解译前先通过遥感图像处理软件对图像进行必要的预处理，包括图像增强、图像融合等，有效地改善图像的可识别能力，突出主要信息，提高判读的精度。杨英宝等依据6景TM图像和3期高精度航片，利用人机交互式解译方法分析了东太湖20世纪80年代以来网围养殖的时空变化情况［6］;李新国等采用3景航空图像对东太湖的网围养殖面积动态变化进行人机交互目视解译［7］;樊建勇等在经过增强处理后的SAR图像上，对胶州湾海域养殖区进行了交互跟踪矢量化［8］;褚忠信等利用不同时期的TM图像，对黄河三角洲平原水库与水产养殖场面积进行了人机交互解译［9］;吴岩峻等用4景ETM+图像，经过多次外业调查，建立解译标志，采用人机交互方法，对海南省海水和岛上水产养殖区进行了勾画［10］;宫鹏等借助1987—1992年和1999—2002年的TM/ETM+图像及GoogleEarth平台提供的高分辨率图像和部分在线照片，对包括海水养殖场在内的全国湿地分布进行了目视解译，并绘制了专题图［11］。目视解译简单易行，而且具有较高的信息提取精度，适用于绝大多数养殖区域的识别，但是也存在一定的缺点。当解译人员的专业知识背景、解译经验不同时，可能得到不同的结果，其结果往往带有解译者的主观随意性。当养殖区域水体同非养殖区域水体的光谱特征或空间结构特征等相似时，解译人员就很难根据标志将其区分开来，使精度受到影响;而且目视解译工作量大、费工费时，难以实现对海量空间信息的定量化分析和保证信息的时效性，因此研究遥感信息的自动提取方法已成必然。

2．2基于比值指数分析的信息提取比值型指数［12］创建的基本原理就是在同一图像的多光谱波段内，求得每个像元在不同波段的亮度值之比，构成新的图像，以压制某些造成光照差异的因子或背景的影响，增强地物光谱特征的微小差别，突出目标地物的辐射特征。比值型指数通常又会作归一化处理，使其数值范围统一到－1～1之间。马艳娟等利用ASTER数据，分析养殖水体与非养殖水体在图像各波段上的特征差异，构建用于提取图像中水产养殖区域的指数(normalizeddifferenceaquacultureindex，NDAI);并分析用NDAI提取得到的结果中错分的受大气、传感器影响的水体与自然水体的各波段灰度值的分布，构建了用来进一步提取深海区域的指数(marineextractionindex，MEI)，将近海水产养殖区的养殖水体与其他水体区分开［13］，取得了较高的精度。由于比值指数分析的信息提取方法只考虑各波段上的灰度信息，当部分养殖区在光谱上与深海水域接近或是当深海水域光谱并非均一时，会导致错分。该方法适用于养殖区与背景环境光谱差异大的地区，否则将无法克服传统遥感分类方法所普遍存在的“椒盐”噪声，从而影响信息提取的精度。

摘要：在开采矿山过程中，必须监测地质环境，监测结果将直接影响到矿山的开采。遥感技术因具有多高度和多点位等优势而被广泛应用在矿山地质环境监测之中，遥感技术能够显著提高矿山地质环境监测结果的准确度。本文简要分析遥感技术在矿山地质环境监测中的应用效果。

关键词：遥感技术；矿山地质；环境监测；应用效果

随着技术的发展，遥感技术也随之发展起来，从而广泛应用到行业之中。在监测矿山地质环境过程中，充分利用遥感技术可清楚了解危险源以及危险发生的相关原因，从而进行有效管理，避免安全事故出现，与此同时积极保护矿山周围环境。

1简要分析遥感监测技术

遥感监测技术主要利用的是电磁辐射，对光学或电子学探测目标所辐射的信息加以接收和记录，再经过加工，最终成像。遥感监测技术应用在矿山地质环境监测过程中通过所辐射的红外线可发现不同的磁力，从而获得准确的监测结果。对矿山地质环境的有关监测就是通过建立计算机处理平台，调查分析矿山以及周围的地质环境，采集有关数据之后，再将信息数据输入到计算机系统中，精细化地处理有关数据，评估后通过计算机信息网络共享，当矿山地质环境发生有关变化时，数据信息也会发生变化，有关企业和单位能够根据监测信息对矿山加以管理，再向外界说明矿山地质环境方面的有关消息。

2我国矿山地质环境发展现状

矿山地质环境主要指的是矿山在开采过程中形成的地质灾害、地下水资源破坏、地形地貌景观破坏和土地资源破坏。我国国土面积大，因此矿山也比较多，而每一个矿山的地质环境均有所不同，因此在开采矿山之前需做好地质环境的勘查工作。矿山地质环境是一个生态系统，在开采时会影响到周围环境。一般情况下，如果未合理开采，开采后会发生地面塌陷（多是因为过度开采导致地下采空，含水层发生较大改变，从而影响地层变形）、地裂缝（多是因为过度开采导致地层水分不均匀）、崩塌以及滑坡灾害（多是因为露天开采过于频繁导致矿山植被层被严重破坏，继而使得表土层失去固定作用；矿山所开采的固体废弃物未按照标准处理，一旦遭遇雨季或其他外力情况时，将极易发生坍塌情况）等负面情况（见图1），导致居民无法再在此处居住。除此之外，在开采矿山时，相关工作人员的安全也非常重要，一旦发生地质灾害将严重威胁到工作人员的生命健康安全。实际调查显示，开采矿山会产生一些固体废弃物，有的固体废弃物含有重金属，有的固体废弃物被丢弃在露天环境下，导致对矿山地质环境的监测造成负面影响；有的废弃物占地面积广，很有可能占用耕地或林地，在清理过程中难度大，速度慢，对自然资源的影响和破坏程度极强；部分有毒物质渗入到地下水中将造成重大危害，无法有效清理。

摘要：基于海洋环境污染信息智能图像监测技术为核心进行研究，分析海洋环境污染信息智能图像监测技术，包含智能化数字遥感技术、合理运用水质传播器、大数据的对比分析法等，并以此为依据，对信息智能图像监测技术的测试和仿真实验展开较为深入的分析。

关键词：海洋污染；信息技术；智能监测；图像监测

0引言

伴随我国科学技术的飞速发展，人类针对海洋环境保护意识正在逐年提升。但是据目前我国海洋环境污染监测现状来看，部分国家都在使用传统海洋监测技术，相对于智能图像监测技术而言，该技术存在监测范围小、不具备精准性等问题，而且该技术只能适应于近海环境监测，若是长时间对污染源进行监测，某处污染源会因为监测时间较长，在监测的过程当中从另一区域漂移到另一个区域。因此，本文提出了海洋环境污染信息智能图像监测技术，合理运用该技术对海洋环境污染问题进行监测，不仅能提高海洋环境污染的监测精度，同时还能根据监测信息获取到海洋环境污染样品信息，进而大范围应用信息智能图像监测技术。

1海洋环境污染信息智能图像监测技术分析

依照目前海洋环境污染信息智能图像监测技术应用现状来看，主要包含：智能化数字遥感技术、合理运用水质传播器、大数据对比分析法等。因此，将针对海洋环境污染信息智能图像监测技术，展开较为深入的分析。

1.1智能化数字遥感技术

1教学内容与教学方法改革

1．1教材与教案

遥感课程的教材较多，其中《遥感导论》在内容上着重于遥感基本原理和方法的介绍，条理清楚，阐述准确，适合各类专业学生遥感基础理论;《遥感概论》内容安排合理，重视遥感科学的技术性和实践性;两部教材可结合使用，保证遥感知识的全面掌握。在教学过程中，统一制定一本教材，其他教材作为参考教材推荐给学生，同时将一些专业的遥感资讯网站推荐给学生，以便学生自学使用。教案在教材内容的基础上，补充教材以外最新的遥感前沿信息，并根据学生的专业补充遥感技术在该专业中的应用案例。动态更新的教案改变以往一成不变的教材教学，提高学生的专业应用能力。随着互联网资讯的飞速发展，在教学过程中，除了教材与教案，也会及时的推荐专业的资讯平台给学生，帮助学生更好地进行课后学习，提高学生的自学能力。

1．2教学内容

本科生应具备坚实的理论基础及较好的专业实践能力，因此应用遥感的教学内容包括理论教学和实践教学两部分。理论教学包括:遥感概论、遥感的物理基础、遥感技术原理及特点、遥感图像处理、遥感图像的目视解译和计算机解译、遥感应用和3S技术应用。理论教学过程中，在传统的理论知识讲解基础上，充分考虑学生的专业背景，尽量使用与学生专业相关的数据案例进行教学，以便提高学生的学习兴趣及知识的应用能力。实践教学包括:遥感图像处理软件的使用、遥感图像基本处理技术、遥感图像计算机分类以及遥感图像人机交互解译的应用实践。同样的，在实践教学部分，也是结合学生的专业背景，尽量使用与学生专业相关的数据;在实验环节上针对不同专业的同学设计与专业应用有关的实验步骤，争取让学生在实践教学过程中能够完整的进行一个与专业相关的遥感应用练习，提高学生的实际应用能力。

1．3教学方法

传统的遥感教学主要着重于课本的理论教学并辅以相应知识环节的操作练习，实践教学各环节主要对应理论知识点进行独立练习，缺乏系统完整的应用实践，更没有联系学生专业，做到与实践专业相结合的实践教学。应用遥感课程更注重与学生专业相结合的应用实践，因此在教学方法上进行了一系列的改革探索。理论教学分为课内和课外，课堂上以理论讲述结合实例讲解为主;重点问题以思考题的方式让学生在课外利用互联网资讯平台进行查阅思考，再在课堂上以讨论提问的形式将课外查阅信息和课本知识融会贯通，并增加遥感知识在其专业应用的课堂讨论，加深学生对知识的理解，同时提高学生的自学能力。实践教学根据学生的专业背景设计不同的实例应用操作，让学生在一个完整的遥感应用实例中进行遥感软件操作、遥感图像处理、遥感图像计算机分类以及遥感图像人机交互解译等练习。学习遥感技术的同时也学习了一个遥感应用项目是如何实现的。这样结合学生专业的实践教学不但提高了学生的学习兴趣，也增强了学生的动手能力，让学生能够将所学知识运用到自己的专业学习中，为毕业设计或将来就业奠定良好的专业技能。

摘要：该文分析了农业信息学的课程设计与本科教学过程中存在的问题，结合近年来课程最新研究内容设计了基于无人机技术的玉米出苗率、叶面积指数、株高、生物量、叶绿素及叶片氮含量监测等6个教学案例，旨在提高学生上课的积极性，培养学生的实践能力和动手能力，推动教学改革，为涉农专业高层次应用型人才的培养提供参考。

关键词：农业信息学；无人机遥感技术；课程案例

1引言

农业信息学作为农业与信息技术一门交叉的新学科与技术深度融合，是作物栽培生理、农业遥感和智能决策等领域的交叉与创新，研究空间大，知识融通性强，有助于将关键技术转化为生产力。其先进的数据获取手段与数据采集方法，拓展了无人机遥感在农作物图像处理、光谱数据分析、光合机理、生理特征、几何形态研究的广度和深度，为作物精准栽培与智慧农业研究方法的创新与发展奠定了理论基础，为现代农业的智能化、定量化，信息化发展提供了重要的技术支持［1-3］。随着无人机遥感监测技术的不断发展，其核心技术如机器学习、深度学习已经开始应用于作物农艺参数监测中，提高了传统农业的生产效率［2］。该技术在农学类专业教学领域的应用不断增加，提高了农业信息技术的教学水平和质量，为我国培养了一批该领域高层次专业人才［3-6］。虽然在教学过程中已取得了一定的成就，但受教师们传统教学的影响，教学中仍存在一定问题，如教师单方面灌输知识［7］，农业信息化教学内容中图像处理，无人机飞行线路规划较为难懂，导致学生难以理解，积极性差，最终教学效果不理想。课堂部分授课内容若让学生自主设计、并参与，定能增加学生积极性，提高教学质量。作物学教学特点就是要求学生去基地实训，通过亲身实践更好地理解课程内容。无人机遥感（UAVRemoteSensing）具有较大的适用性、机动性，技术的快速发展，其搭载数码越来越高分辨率的数码相机，UAV遥感在农业上正成为一种有潜力技术，可用于监测作物农艺参数。目前，UAV在农业领域的应用已经非常普遍，并取得了一系列的成果，在一定程度上推动了农业信息化的发展［8］。然而，由于其包含了作物学、图像处理、无人机飞行操作等较多的知识点，要完成这些实践内容，就要求学生多角度、多层次的掌握综合知识。通过让学生参与基于无人机的作物长势与营养监测的实践探究，可以培养他们的综合能力，提升教学质量，为农业信息化的发展培养基础人才［9］。为了提作物学本科生学习的积极性，笔者结合目前的研究内容基于无人机的玉米生产长势与营养诊断，将该内容设计为6个教学案例，让学生在实践中学习知识，即基于无人机的玉米出苗率、叶面积指数、株高、地上部干物质量、叶绿素值、叶片含氮量监测，旨在推动教学改革，培养学生的实践能力。

2教学案例

2.1基于无人机遥感的玉米出苗率估算。出苗率是玉米大田生产的一个重要指标，及时确定出苗率对于栽培管理决策如补苗、灌水等措施具有重要意义，同时也能预测产量。常规方法评估过程通过人工数苗，费时费力，且容易出现视觉疲劳，造成准确率下降。目前，基于无人机遥感，通过图像分析处理技术，可以快速准确地监测大田作物的早期出苗率。采用Photosacn软件自动将无人机获取的单张高清影像拼接成一个整体，在识别出苗率的研究中，由于最大类间方差法的较好性能可以用于多种作物与作物分割，所以选择最大类间方差阈值分割法分割识别玉米图像。玉米4叶期后叶片之间会有重叠，按照常规计数法会将重叠在一起的几株玉米识别成1株，造成准确率降低。通过几何特征如叶片的长宽比、形态参数可区分识别重叠植株，通过识别重叠区形态特实现玉米植株计数，建立玉米苗期数的回归模型。该方法也可较好地识别杂草，提高出苗率识别的准确性。通过比较基于无人机与人工数苗的差异，可以评估该方法的精确性。

2.2基于无人机遥感的叶面积指数监测。LAI是作物冠层性能及其生长和产量潜力的指标，是栽培和育种研究中重要的先决条件，精准估计LAI对于监测玉米的生长状况尤为重要。无人机遥感作为一种新型非破坏性的测量方法，已被广泛应用于估计作物的LAI，特别是在较大尺度范围下优势明显。在玉米关键生育时期如苗期、拔节期、吐丝期，通过UAV获取冠层数字图像并处理，提取图像红绿蓝（R、G、B）通道值，用于LAI相关性较高的图像色彩参数如G-R，并用公式计算冠层覆盖度CC。以UAV图像提取的色彩参数与大田测量LAI为基础，通过不同回归分析方法，如单变量回归、偏最小二乘估计法以及精确性较高的机器学习方法如回归和随机森林何支持向量机法构建基于UAV的LAI估算模型，并通过R2和RMSE进行模型检验，选出估测LAI的最佳图像参数与回归方法，建立LAI最佳模型，为大面积玉米栽培措施的制定提供科学依据。

摘要：遥感技术属于一类创新科技体系，利用这项技术能够实时监测国土资源现状，为土地资源的管理调查工作带来重要的技术保障，让国土资源的开发与利用更具合理性和实效性，并且进行国土资源管理中遥感技术应用研究工作，最后概述相关技术在国土资源调查中的应用价值，从而为相关领域的研究与实践带来相应的参考思路。

关键词：遥感技术；国土资源；管理调查；应用研究

要保障社会经济长期可持续性发展，务必要先关注自然资源的有效开发与利用。森林与湿地等众多国土资源会对社会经济建设发展产生重要的动态化影响，务必要利用所需的技术体系实时监测这些资源的改变现象。在20世纪60年代诞生遥感技术，这是会产生明显社会效益与经济效益的探测技术，在其科研与实践中获取显著成果，虽然遥感技术发展历程较短，但是在现今网络信息化技术飞速发展的大环境下，必将会有巨大的应用空间。

1遥感技术概述

遥感技术在应用时具备突破距离限制的无接触式探测功能，从而获取人工操作方式无法调研的土地数据资源。选择各类传感器装置后获得各个地区的地表数据资料，在此基础上，进行数据的传输操作、整理操作以及分析操作等，以此研究相关空间的实际区位情况、形态情况、性质情况以及周边环境情况等，这是国土资源领域调查管理的重要技术应用方面。在遥感技术进行应用推广过程中，其获得的地理物资数据资源有着很强的真实性，能够较为直观地分析图像信息，在综合层面上获得各类所需数据信息，并且研究各类国土资源数据资料，结合周期考虑因素等及时更新国土资源数据信息，充分保障相关数据资源具备的实时性特征。以实际应用角度进行分析可知，遥感技术具备较强的分辨率参数与较高的精确性，从而综合性、实时性地获取研究所需的动态国土资源数据信息，最终产生较为理想的技术应用价值。

2遥感技术与国土资源调查

2.1国土资源调查基本概念

摘要：三维立体景观设计是数字城市的重要载体，在优化城市景观布局、协调城市整体发展规划、调动市民参与城市建设的积极性等方面具有积极意义。本文提出了一种基于立体正射影像对的三维立体景观设计方法，实现以可量测的形式快速构建三维立体景观模型，基于VS2012开发环境，开发了对应的软件系统。以某三线城市为案例验证表明该方法具有效率高、三维真实感强、可视化等优势，满足三维立体景观设计的一般性需求。

关键词：立体正射影像对；三维立体景观；三维坐标量测；可视化；系统开发

数字城市涉及大规模存储技术、遥感技术、图像处理技术、三维图像建模技术等，对城市进行多角度、全方位、可视化描述，实现城市过去、现在、未来的数字化表征。数字城市包含多个层次，但其基础是城市地理空间数据集合[1-3]，而三维立体景观作为城市地理空间数据集合的重要组成部分，三维立体景观设计方法研究对加快我国城市数字化进程具有现实意义。传统的三维立体景观设计方法多集中于实际地物的信息采集与三维建模或者借助三维建模软件进行虚拟化实现，针对小范围或者单独的三维立体景观设计，上述方法具有较好的可行性，但是针对大规模、协调性的城市全域三维立体景观设计，传统方法效率较低、整体把握性差、抽象性不足、可扩展性较差，无法满足要求日益提高的城市三维立体景观整体布局设计需求[4]。基于上述背景，利用立体正射影像对的三维可量测、立体观测性强、全域描述性等特性，提出了一种基于立体正射影像对的三维立体景观设计方法，核心步骤包括原始遥感图像的预处理、数字高程模型（DEM）的构建、正射影像对的生成、三维立体景观的生成等步骤，为了便于推广使用，在VS2012[5]环境下开发了对应的软件系统，输入城市相关参数即可便捷的给出城市三维立体景观设计方案。选取国内某三线城市，对基于立体正射影像对的三维立体景观设计方法进行实际验证，验证结果表明，基于立体正射影像对的三维立体景观设计方法可实施性较好，对协调城市整体三维立体景观布局、优化城市景观环境具有重要作用。

1城市原始遥感图像的预处理与空间定位

通过遥感技术获取的城市原始图像存在周期性的噪声和大量冗余、山体阴影等，为了实现遥感图像的精确空间定位，需要对城市原始遥感图像进行预处理[6]。针对周期性的噪声和大量冗余问题，采用带通或者槽形滤波器进行滤波处理；针对山体阴影问题，采用比值法对其进行消除。基于Matlab环境[7]，对上述过程进行编码实现。遥感图像处理完成后，需要进行空间定位，考虑到目标城市的规模和具有标识意义的地表建筑，采用基于遥感图像线特征提取的三维空间定位法，具体步骤如下：S1：选择经过预处理后的遥感图像中带有标识意义的地表建筑，可以选取道路、河流、广场等，对这些地表建筑进行线特征提取；S2：对提取到的线特征进行图像增强、边缘细化、边缘追踪、中心点定位等处理，保证线特征长度、拐角数目等满足线特征的阈值要求；S3：对满足阈值要求的线特征进行实际匹配，先进行层次匹配，然后进行检测匹配，所有匹配完成后形成匹配集；S4：根据匹配集进行遥感图像的定位。

2数字高程模型（DEM）的构建与正射影像对的生成

数字高程模型（DEM）采用一组有序的数值阵列来描述地面高程的实体模型，该实体模型包括数字化的各种地貌因子，包括起伏度、起伏变化率、坡向、坡度在内的线性和非线性组合的空间分布值，是生成正射影像对的基础[8-10]。基于构建效率和光滑度的考虑，采用克吕金内插法来构建数字高程模型，详细过程如下：S1：基于遥感图像的定位数据集，绘制出遥感图像的定位分布散点图；S2：根据分布散点图的分布样点数和均匀程度，选择常规克里金插值或者块克里金插值法，根据采样点间的距离和采样点的整体空间分布情况进行合理插值；S3：根据生成的DEM范围，进行样点数据集的外接矩形绘制，最终生成数字高程模型；S4：对生成的数字高程模型进行标记处理，标记出低洼地带并检查是否有失真现象。数字正射影像具有精确的平面位置，包含有完整而丰富的影像信息，具有较强的二维直观性，为了把这种优势扩展到三维，引入人工视差辅助机制，把具有明显优势的数字正射影像与数字高程模型下的立体辅助影像进行组合，形成立体正射影像对，从而实现具有直观性的高精度的三维立体景观。如图3所示，左图用于生成数字正射影像，方法是根据数字高程模型上的定位高程值映射到遥感图像上，根据控制点坐标进行数字影像内定向，最后按图廓线裁切得到一幅数字正射影像图，并进行地名注记、公里格网和图廓整饰等。右图用于构造虚拟的立体模型，根据数字高程模型给出的起伏度、起伏变化率、坡向、坡度等地形情况引入人工视差，利用人工视差反应数字高程模型的地形起伏情况，从而形成一个立体辅助片，并与正射影像构成立体模型。

摘要：由于精密传感器的不断发展和数字图像处理技术的改进，地球表面遥感在地质学中的应用日益增加。在这里，我们着重于能够为地质灾害调查提供高分辨率数据的新遥感工具和技术。这些包括机载成像系统，如无人机(无人驾驶飞行器)和激光雷达(光探测和测距)，以及地球轨道卫星上的新雷达传感器。我们强调先进合成孔径雷达干涉术(InSAR)技术的应用，即多时间干涉术(MTI)。有了目前(自2014年以来)欧洲航天局(ESA)Sentinel-1任务提供的免费图像，MTI现在可以更经济地长期(多年)、定期(每周—每月)、精确(毫米)测量大面积(数千平方公里)的地面位移。反过来，这意味着提高了对滑坡/边坡失稳、地震和火山灾害的探测和监测能力。

关键词：遥感；地质灾害无人机；激光雷达；卫星InSAR

1介绍

遥感通常被定义为通过分析地面或空气或空间传感器获得的数据(通常是图像)来获取关于某一物体、区域或过程的信息的过程。关于遥感原理和数字图像处理与解译的背景信息，读者可以参考教科书和手册(如文献[1-3])。由于航空照片的日益普及，遥感在地质学上的系统应用始于20世纪。最初，黑白摄影被用于侦察地质制图[4]。另一个重要步骤是1972年发射地球资源技术卫星1号(ERTS-1)，这标志着利用星载传感器绘制地球资源地图。在这里，我们讨论了一些创新的遥感技术及其在滑坡/边坡不稳定、地震和火山灾害调查中的应用。这些危险可能影响广泛的地区，并需要天气(可能低成本)的信息来进行评估。同时也为新的遥感技术在特定地质灾害研究中的应用提供了有代表性的参考。

2创新的遥感技术和应用

2.1无人飞行器

无人机，也被称为无人驾驶航空系统(UAS)，远程驾驶飞机系统(RPAS)或简单的无人机，通常需要一个人在地面[5]操作。无人机可以搭载各种类型的简单或复杂的成像传感器。然而，它们通常包括用于收集非常高分辨率(cm-dcm)图像的轻型数码相机。鉴于调查调度的灵活性，无人机特别适合在应急响应阶段(如文献[6])快速评估地质灾害。此外，由于飞行时间延长(数小时)，有了一天的监测能力，监测活跃的地质灾害(例如火山、滑坡)。重要的是，作为通常低空飞行的平台，无人机也可以在低空云层条件下获取图像。然而，在强风的情况下，它们的应用可能会受到限制(甚至是不可行的)。航空法规还可以显著限制无人机的使用。机载激光雷达和卫星分别提供区域和从区域到全球尺度的覆盖，无人机最适合在较小的区域和局部尺度的应用(例如，3D地图[7]；工程地质调查[8])。