高光谱遥感原理技术与应用篇1
关键词:高光谱分类提取投影寻踪
1高光谱遥感概述
高光谱遥感(HyperspectralRemoteSensing简称HRS)起步于80年代,发展于90年代,至今已解决了一系列重大的技术问题。它是光谱分辨率在10-2λ的光谱遥感,其光谱分辨率高达纳米(nm)数量级,具有波段数众多,连续性强的特点,其传感器在可见光到红外光的波长范围内(0.4μm～2.5μm)范围内以很窄的波段宽度(3～30nm)获得几百个波段的光谱信息,相当于产生了一条完整而连续的光谱曲线,光谱分辨率将达到5nm～10nm[1]。高光谱遥感数据的表现可以从以下三个方面来理解[2]:图像空间、光谱空间和特征空间。此外,随着高光谱遥感分辨率的增加,特征空间的维数很高,因而表现不同地物类别的能力也随之不断提高,这也是高光谱遥感之所以能够更精确识别地物的主要原因。
2高光谱遥感的应用
高光谱影像包含了丰富的地表空间、光谱和辐射的三重信息,它同时表现了地物的空间分布并获得了以像元为目标的地物光谱信息。高光谱遥感技术作为连接遥感数据处理、地面测量、光谱模型和应用的强有力工具,其显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱影像,其超多波段信息使得根据混合光谱模型进行混合像元分解获取“子像元”或“最终光谱单元”信息的能力得到提高,使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物、物理、化学过程和参数,随着成像光谱技术的发展与成熟,遥感技术已经大大拓宽了其原来的应用领域,归纳起来主要包括以下几个方面[5]-[19]:1)在精准农业领域的应用(作物参数反演);2)在林业领域的应用(树种识别、森林生物参数填图、森林健康检测等);3)在水质检测领域的应用(反演水质参数);4)在大气污染检测领域的应用(气溶胶、二氧化氮等的检测与反演);5)生态环境检测领域的应用(检测生物多样性、土壤退化、植被重金属污染等);6)在地质调查领域的应用(矿物添图,岩层识别,矿产资源、油气能源探测等);7)在城市调查领域的应用(城市绿地调查、地物及人工目标识别)。
3高光谱遥感图像分类与信息提取
3.1遥感图像处理
遥感数字图像处理是以遥感数字图像为研究对象,综合运用地学分析、遥感图像处理、地理信息系统、模式识别与人工智能技术,实现地学专题信息的自动提取[18],要素分类与提取在图像处理过程中占有决定性的地位。遥感图像分类是统计模式识别技术在遥感领域中的具体应用,统计模式识别的关键是提取待识别模式的一组统计特征值,然后按照一定准则做出决策,从而对数字图像予以识别。其主要依据是地物的光谱特征,即地物电磁波辐射的多波段测量值,这些测量值可以用作遥感图像的原始特征值。
3.2高光谱遥感图像分类与提取
目前,高光谱遥感数据分析方法主要有两个方向[19]-[30]:第一是基于光谱空间的分析方法,其基本原理是化学分析领域常用的光谱分析技术;第二个方向是基于特征空间分析技术,该方向的基本思想是把组成光谱曲线的各光谱波段组成高维空间中的一个矢量,进而用空间统计分析的方法分析不同地物在特征空间中的分布规律。
3.2.1基于光谱空间的分析方法
高光谱遥感技术的最大特点就是:在地物的每一个像元处,可以得到一条连续的光谱曲线,所有的光谱曲线的集合则构成了光谱空间,不同的地物对应于光谱空间中的一条光谱曲线。因此,基于光谱空间的数据分析方法是高光谱数据分析的主要技术之一,其主要思想类似于化学上常用的光谱分析技术,主要是通过对光谱曲线进行特征分析,发现不同地物的光谱曲线变化特征,从而达到识别地物的目的。由于这种分析方法与地物的物理化学属性直接相关,因此可以方便地对分析结果进行物理解释:由于分析过程主要是针对一个像元的光谱曲线,因此,算法往往比较直观和简单。这些特点使得基于光谱空间的分析技术成为引人注目的一种技术,因而,近年来在这方面产生了许多实用的研究结果。
常用的分析方法包括:(1)光谱角填图法(Sam-Spectralanglemapping):又称光谱角度匹配法.是以实验室测得的标准光谱或从图像上提取的一直已知点的平均光谱为参考,求算图像中每个像元矢量(将像元n个波段的光谱响应作为n维空间的矢量与参考光谱矢量之间的广义夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。(2)光谱解混技术(SpectralUnmixing):就是假设某一像元的光谱是由有限几种地物的光谱曲线按某种函数关系和比例混合而成,解混的目的就是通过某种分析和计算,估计出光谱混合方式和混合像元包含的光谱成分及相应比例。(3)光谱匹配滤波技术(matchedFilter):是通过部分光谱解混技术求解端元光谱丰度值的技术。由于前面介绍的线性光谱解混技术要求端元光谱足够完全,而实际上很难确定一幅待研究的高光谱图像所包含的全部端元光谱。匹配滤波技术则选定某些感兴趣的端元光谱的情况下,把未知的光谱归为背景光谱(Unknownbackground),最大化地突出已知端元光谱而同时尽可能抑制背景光谱,这种方法提供了一种快速探测指定地物种类的技术,而不必知道一幅图像中包含的全部端元光谱。(4)光谱特征匹配(SFF-SpectralFeatureFitting):根据电磁波理论,不同的物质有不同的光谱曲线。人们可以通过分析不同地物的光谱吸收表现,达到识别不同地物的目的。首先把反射光谱数据的吸收特征突出出来,然后用仅保留了吸收特征的光谱与参考端元光谱逐个波段进行最小二乘匹配,并计算出相应的均方根误差(RmS-RootmeanSquare),消除背景影响的方法主要是包络线法。
3.2.2基于特征空间的分类方法
前面介绍的基于光谱空间的分析方法主要是通过比较待分像元的光谱曲线与参考光谱的光谱曲线之间的相似程度来达到分类判别的目的。这种思想看起来很直观和理想,类似于人的指纹识别一样,每一个人都有不同的指纹,通过与指纹库中的指纹相比较就可以确定人的身份。然而,遥感问题却远远复杂得多,由于太阳辐射、大气、空间分辨率和光谱分辨率,观测噪声,及多种多样难以确定的因素的影响,很难测得所谓“纯”的光谱曲线。尽管有多种多样的光谱解混技术被提出,但多种因素的影响很难被充分估计出来,因而无论何种光谱分析技术都无法完全达到遥感图像辩识的要求。
另一种遥感图像地物辩识的思想则是从统计分布规律出发,在同一幅图像上,不同地物的光谱数据呈现不同的分布状态,比如不同均值和方差,通过分析这种统计分布规律而实现地物识别的技术就是基于特征空间的分类方法。遥感图像上的每个像元对应n个光谱波段反射值。假若把这几个波段值组成的n维矢量看作是n维欧几里德空间中的一个点,则称矢量X=(X1,X2,…,Xn)为像元的特征值,相应的n维欧几里德空间称为特征空间。在特征空间的意义上,遥感图像上的任一像元对应于特征空间中的一个点,因此,分类的方法可以从寻找像元在特征空间中的分布规律入手,也就是在特征空间中进行判别的问题。
常用的分析方法包括:(1)高斯最大似然分类器(mLC):是遥感分类的主要手段,其基本思想是,假设各类样本数据都是高斯分布(正态分布),判别准则为所属类别的分布密度最大。其分类器被认为是一种稳定性、鲁棒性好的分类器。但是,如果图像数据在特征空间中分布比较复杂、离散,或采集的训练样木不够充分、不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。(2)基于Bayes准则的分类器:基于Bayes准则的判别函数是统计模式识别的参数方法,要求各类的先验概率p(ωi)和条件概率密度函数p(ωix)已知。p(ωi)通常根据各种先验知识给出或假设它们相等:p(ωix)则是首先确定其分布形式,然后利用训练样本估计其参数。一般假设为正态分布,或通过数学方法化为正态分布。其判别函数为:Di(X)=p(ωi)p(ωix),i=1,2,…,m。若Di(X)Dj(X)j=1,2,…,m,j≠i,则X为ωi类。判别函数集有多种导出形式,如最大后验概率准则、最小风险判决准则、最小错误概率准则、最小最大准则、neyman-pearson准则等,是依据不同的规则选择似然比的门限来实现的。(3)最小距离判别法:该方法是最直观的一种判别方法,假设在p维欧氏空间中,把c个不同的类别看成分布在空间中的不同位置,最小距离判别方法的思想就是,对待分类的样本,若与某一类的空间几何距离最近,则判别为属于此类。该方法的关键问题,一是如何定义空间距离;另一问题是,如何计算点到各类别的空间距离。(4)基于模糊集理论的判别分类方法:相邻波段影像间存在较大的相似性表明,它们的分类作用可以相互近似替代。因此,只需利用其中的一幅影像参加分类即可,其它与之相似的光谱波段都可被视为冗余波段。显然,要删除这些冗余光谱波段,应首先对原始波段集合中的光谱波段进行模糊等价划分,然后在每个模糊等价波段组中只选择一个光谱波段(或进行线性融合)。(5)基于人工神经网络的分类法:通过建立统一框架,实现对影像的视觉识别和并行推理,是近年来发展起来的综合数据分类方法之一。其目标是利用人工神经网络技术的并行分布式知识处理手段,以遥感影像为处理对象,建立基于人工神经网络的遥感影像分类专家系统。(6)支持向量机(SupportVectormachine)分类方法:支持向量机是一种建立在统计学习理论基础之上的机器学习方法。其最大的特点是根据Vapnik的结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练样本集得到小的误差能够保证对独立的测试集保持小的误差。另外,由于支持向量算法是一个凸优化问题,局部最优解也是全局最优解,这是其它学习算法所不及的。以上介绍了几种分类方法,事实上,随着各学科的发展和交叉影响,基于特征空间的分析方法有许多新的进展。
4高光谱遥感数据分类存在的问题
随着光谱分辨率的提高,高光谱遥感能够提供对地物识别更充分的信息,对基于特征空间的分类而言,理论上说,随着特征空间维数的增加,分类精度将会越来越精确,但实际问题并非如此简单。综合以上高维空间的几何特征和统计特性[31]-[36],可以得出这样的结论:基于统计理论的参数估计若在原始高维空间进行,则需相当庞大的训练样本数才能得到比较满意的估计精度,非参数估计方法所需的样本数量更是不可想象。此外,原始高维数据空间的正态分布特性更是难以保证,而正态分布是许多参数估计方法的基础。因此,高光谱遥感分类的表现并未如人们所期望的那样简单,具体来说,在不讨论客观因素的情况下,影响高光谱遥感分类精度的主要因素主要是以下几条:
(1)训练样本数量问题:根据Hughes的研究结果[37],随着特征空间维数的增加,类别可分性提高,但由于遥感中常用的监督分类方法首先要估计样本的分布函数,或分布函数中的一些参数,随着空间维数的增加,待估参数的个数急剧增加,在训练样本数量一定的条件下,导致分类精度在特征空间的维数增加到一定数量后,反而会随着维数的增加而下降。
(2)特征空间的组成:前一个问题导致基于特征空间的分析方法通常不能在原始空间中直接进行,必须对原始波段空间进行降维预处理,得到一个保持了原始空间全局和局部特征结构的低维空间,然后在低维子空间中进行分类判别。
(3)分类器的选择。
(4)类别可分性:类别可分性是数据集固有的一种性质,是由客观条件造就的数据集内在结构,由于客观因素的影响,待分辨的类别之间可区分的程度会有很大的差异,数据集的这种内在的可分离程度对分类精度的高低有着至关重要的影响。
5结语
过去几十年高光谱遥感已经在各方面有了很大的应用,高光谱技术从遥感的角度提供了大尺度获取地面光谱数据的手段,为人们宏观分类识别地物提供了基础。但是人们在获取大量高光谱图像数据的同时,也面临着如何最大程度地利用这些海量数据的难题,关于高光谱分类与信息提取的技术,虽然取得了一些进展,但是从总体上仍落后于传感器的发展,因此对于高光谱分类与信息提取还有很大的空间值得去研究。
参考文献
[1]童庆禧,张兵,郑兰芬.高光谱遥感的多学科应用[m].北京:电子工业出版社,2006:1-54.
[2]许卫东.高光谱遥感分类与提取技术[J].红外(月刊),2004,28-34.
[3]薛利红,罗卫红,曹卫星,等.作物水分和氮素光谱诊断研究进展[J].遥感学报,2003,7(1):73-80
[4]金震宇,田庆久,惠凤鸣,等.水稻叶绿素浓度与光谱反射率关系研究[J].遥感技术与应用,2003,18(3):134-137.
[5]n.H.Younan,R.L.King,H.H.Bennett,andJR.ClassificationofHyperspectralData:aComparativeStudy[J],precisionagriculture,2004(5):41-53.
[6]程乾,黄敬峰,王人潮,等.moDiS植被指数与水稻叶面积指数及叶片叶绿素含量相关性研究[J].应用生态学报,2004,15(8):1363-1367.
[7]张良培,郑兰芬,童庆禧,等.利用高光谱对生物变量进行估计[J].遥感学报,1997,1(2):111-114
[8]赵德华,李建龙,宋子键.高光谱技术提取植被生化参数机理与方法研究进展[J].地球科学进展,2003,18(1):94-99.
[9]方红亮,田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用,1998,13(1):62-69.
[10]陈楚群,潘志林,施平.海水光谱模拟及其在黄色物质遥感反演中的应用[J].热带海洋学报,2003,22(5):33-39.
[11]李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002,14(3):228-234.
[12]谭衢霖,邵芸.遥感技术在环境污染监测中的应用[J].遥感技术与应用,2000,15(4):246-251.
[13]童庆禧,郑兰芬,王晋年.湿地植被成像光谱遥感研究[J].遥感学报,1997,1(1):50-57.
[14]夏德深,李华.国外灾害遥感应用研究现状[J],国土资源遥感,1996,(3):1-8.
[15]甘甫平,王润生,郭小方,等.高光谱遥感信息提取与地质应用前景――以青藏高原为试验区[J],国土资源遥感,2000,3:38-44.
[16]王青华,王润生,郭小方.高光谱遥感技术在岩石识别中的应用[J].国土资源遥感,2000,4:39-43.
[17]刘建贵,张兵,郑兰芬,等.城乡光谱数据在城市遥感中的应用研究[J].遥感学报,2000,4:221-228
[18]梅安新,彭望,秦其明,等.遥感导论[m].北京:高等教育出版社.2002.
[19]荆凤,陈建平.矿化蚀变信息的遥感提取方法综述[J].遥感信息,2005,2:62-65.
[20]耿修瑞,张兵,张霞,等.一种基于高维空间凸面单形体体积的高光谱图像解混算法[J].自然科学进展,2004,14(7):810-814.
[21]CaRLJ.LeGLeiteR.SpectrallyDrivenClassificationofHighSpatialResolution,Huperspectralimagery:atoolformappingin-StreamHabitat[J].environmentalmanagement,2003,32(3):399-411.
[22]甘甫平,王润生,马蔼乃,等.基于光谱匹配滤波的蚀变信息提取[J].中国图像图形学报,2003,8(a)(2):147-150.
[23]李新双,张良培,李平湘.基于小波分量特征值匹配的高光谱影像分类[J].武汉大学学报•信息科学版,2006,31(3):274-277.
[24]p.Goovaerts.Geostatisticalincorporationofspatialcoordinatesintosupervisedclassificationofhyperspectraldata[J].GeographSyst,2002,(4):99-111.
[25]刘汉湖,杨武年,沙晋明.高光谱分辨率遥感在地质应用中的关键技术及前景[J].世界地质,2004,23(1):45-49.
[26]FrancescoLagona.adjacencyselectioninmarkovRandomFieldsforhighspatialresolutionhyperspectraldata[J].GeographSyst,2002(4):53-68.
[27]李石华,王金亮,毕艳.遥感图像分类方法研究综述[J].国土资源遥感,2005,2:1-6.
[28]王国明,孙立新.高光谱遥感影像优化分类波段选择[J].东北测绘,1999,22:21-23.
[29]allanaasbjergnielsen.Spectralmixtureanalysis:LinearandSemi-parametricFullanditeratedpartialUnmixinginmulti-andHyperspectralimageData[J].mathematicalimagingandVision.2001(15):17-37.
[30]修丽娜,刘湘南.人工神经网络遥感分类方法研究现状及发展趋势探析[J].遥感技术与应用,2003,18(5):339-345.
[31]张连蓬.基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D].山东:山东科技大学,2003.
[32]ShaileshKumar,JoydeepGhoshandmelbam.Crawford.HierarchicalFusionofmultipleClassifiersforHyperspectralDataanalysis[J].patternanalysis&application,2002(5):210-220
[33]谭璐,易东云,冯国柱,等.局部不变投影[J].自然科学进展,2004,14(3):282-287.
[34]李智勇,郁文贤,匡纲要,等.基于高维几何特性的高光谱异常检测算法研究[J].遥感技术与应用,2003,18(6):379-383.
[35]周晓云,孙志挥,张柏礼.一种大规模高维数据集的高效聚类算法[J].应用科学学报.2006,24(4):396-400.
[36]易尧华.基于投影寻踪的多(高)光谱影像分析方法研究[D].武汉:武汉大学,2004.
高光谱遥感原理技术与应用篇2
1遥感估产的原理及建模基础
任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。相同的物体具有相同的波谱特征,不同的物体,其波谱特征也不同,遥感技术就是基于该原理,利用搭载在各种遥感平台上的传感器接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态[1]。卫星遥感数据具有高度的概括性,卫星获取的光谱植被指数反映了植物叶绿素和形体的变化[3]。大量的研究也表明,植物的叶面积系数、生物量、干物重与光谱植被指数间存在着较好的相关关系[4]。因此,利用从卫星获取的植被光谱信息估测产量成为了可能。用于区域植物生物量估测的遥感模型基础是从光合作用即植被生产力形成的生理过程出发,在建立模型的过程中,根据植物对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输,结合植被生产力的生态影响因子,最后在卫星接收到的信息之间建立完整的数学模型及其解析式[5]。
2遥感估产模型的类型
20世纪70年代后期估产模型将遥感信息作为变量加入到模型中,建立了大量的遥感估产模型。理论上探讨植物光合作用与植物光谱特征间的内在联系以及植物的生物学特性与产量形成的复杂关系等,方法上从单纯建立光谱参数与产量间的统计关系,发展到考虑植物生长的全过程,将光谱的遥感物理机理与植物生理过程统一起来,建立基于成分分析的遥感估测模型,使估算精度不断提高[6]。由于研究对象的不同,选用的估产参数也不尽相同,模型种类也较多,基本上可以分为2类[7-8],即统计模型和综合模型。
2.1遥感统计模型
目前,基于统计的遥感估产有3种技术路线:一是遥感光谱绿度值(植被指数)-生物量关系模式。在对作物、草原、森林的估产中,这是一种常用的思路,但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况;二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式,即先分析实测地物光谱绿度值与生物量之间的关系,建立相应模型,再分析卫星遥感植被指数与地物光谱绿度值的关系,建立卫星遥感植被指数与生物量之间的关系模型,最后利用光谱监测模型和卫星遥感监测模型进行监测与估产;三是遥感-地学综合模式。该方法将气温、降水等环境因子引入模型,与遥感-生物量模型互相补充,克服各自存在的缺陷,可进一步提高估产精度。建立的统计模型有线性、幂函数、指数、对数等,回归的方法也有一元回归、多元回归、逐步回归等,得到的系数差别较大,并且应用也局限于建模的时间和地点,在很多情况下地面资料的数也影响模型的精度。
2.2遥感综合模型
综合模型借助遥感信息和植被信息、气象因子等来建立,其包含了更多的信息量,可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔,但受到模型中大量的参数和变量获取的限制(例如呼吸、衰老、光合作用、碳分配、凋落物的分解等),以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响,部分模型只适用于当时的研究区域,如何通过“尺度扩大”来改进模式中的区域限制,更好地适应遥感信息的同化需要,也是亟需解决的一个关键问题。
高光谱遥感原理技术与应用篇3
关键词遥感估产;类型;现状;展望
遥感起源于20世纪60年代,这是一种在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。随着遥感技术的发展,宏观大尺度的估产越来越多地使用遥感方法,并结合地理信息系统和全球定位系统等技术,可以构建出不同条件下植被的生长模型和估产模型[2]。遥感技术估产与传统的估产方式相比,前者的工作量少,精准性更强,在实际应用中显示出了独有的优越性。前人做了大量有关运用遥感技术对作物、草地、森林及海洋生态系统的植被估产的研究。遥感估产已从试验研究阶段逐步进入到实际业务使用阶段。现探讨有关遥感估产的原理及估产模型的基本类型。快速
1遥感估产的原理及建模基础
任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。相同的物体具有相同的波谱特征,不同的物体,其波谱特征也不同,遥感技术就是基于该原理,利用搭载在各种遥感平台上的传感器接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态[1]。卫星遥感数据具有高度的概括性,卫星获取的光谱植被指数反映了植物叶绿素和形体的变化[3]。大量的研究也表明,植物的叶面积系数、生物量、干物重与光谱植被指数间存在着较好的相关关系[4]。因此,利用从卫星获取的植被光谱信息估测产量成为了可能。用于区域植物生物量估测的遥感模型基础是从光合作用即植被生产力形成的生理过程出发,在建立模型的过程中,根据植物对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输,结合植被生产力的生态影响因子,最后在卫星接收到的信息之间建立完整的数学模型及其解析式[5]。
2遥感估产模型的类型
20世纪70年代后期估产模型将遥感信息作为变量加入到模型中,建立了大量的遥感估产模型。理论上探讨植物光合作用与植物光谱特征间的内在联系以及植物的生物学特性与产量形成的复杂关系等,方法上从单纯建立光谱参数与产量间的统计关系,发展到考虑植物生长的全过程,将光谱的遥感物理机理与植物生理过程统一起来,建立基于成分分析的遥感估测模型,使估算精度不断提高[6]。由于研究对象的不同,选用的估产参数也不尽相同,模型种类也较多,基本上可以分为2类[7-8],即统计模型和综合模型。
2.1遥感统计模型
目前,基于统计的遥感估产有3种技术路线:一是遥感光谱绿度值(植被指数)-生物量关系模式。在对作物、草原、森林的估产中,这是一种常用的思路,但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况;二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式,即先分析实测地物光谱绿度值与生物量之间的关系,建立相应模型,再分析卫星遥感植被指数与地物光谱绿度值的关系,建立卫星遥感植被指数与生物量之间的关系模型,最后利用光谱监测模型和卫星遥感监测模型进行监测与估产;三是遥感-地学综合模式。该方法将气温、降水等环境因子引入模型,与遥感-生物量模型互相补充,克服各自存在的缺陷,可进一步提高估产精度。建立的统计模型有线性、幂函数、指数、对数等,回归的方法也有一元回归、多元回归、逐步回归等,得到的系数差别较大,并且应用也局限于建模的时间和地点,在很多情况下地面资料的数也影响模型的精度。
2.2遥感综合模型
综合模型借助遥感信息和植被信息、气象因子等来建立,其包含了更多的信息量,可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔,但受到模型中大量的参数和变量获取的限制(例如呼吸、衰老、光合作用、碳分配、凋落物的分解等),以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响,部分模型只适用于当时的研究区域,如何通过“尺度扩大”来改进模式中的区域限制,更好地适应遥感信息的同化需要,也是亟需解决的一个关键问题。
3展望
遥感技术经过几十年的发展,已经日趋成熟,遥感估产的优点是可以得到长时间尺度和大空间尺度的生产力资料,因而它仍是未来生产力探测方法的发展方向。目前国际上对各类生态系统的估产模型有很多,建立的模型和所选择的数据源并不是任何时期、任何区域都适用,应该根据研究区域的实际情况来改进生物量模型和选择合适的遥感数据源。基于遥感技术的生物量估算需要运用多种技术,综合多种方法,使估算模型达到最优。新的数学方法的不断探索和试验是充分发挥遥感信息作用的前提和途径,数量化理论、神经网络方法、CwSi理论、灰色系统理论、数值模拟等
理论的尝试将可能实现高精度定量估测。
4参考文献
[1]梅安新,彭望琭,秦其明,等.遥感导论[m].北京:高等教育出版社,2001.
[2]李海亮,赵军.草地遥感估产的原理与方法[J].草业科学,2009,26(3):34-38.
[3]冯奇,吴胜辉.我国农作物遥感估产研究进展[J].世界科技研究与发展,2006,28(3):32-36,6.
[4]申广荣,王人潮.植被光遥感数据的研究现状及其展望[J].浙江大学学报,2001,27(6):682-690.
[5]张佳华.生物量估测模型中遥感信息与植被光合参数的关系研究[J].测绘学报,1999,28(2):128-132.
[6]赵英时.遥感应用分析原理与方法[m].北京:科学出版社,2003.
[7]陶伟国,徐斌,杨秀春.草原产草量遥感估算方法发展趋势及影响因素[J].草业学报,2007,16(2):1-8.
高光谱遥感原理技术与应用篇4
[论文摘要]为适应当前高等教育中新型农科人才培养的要求，针对农科本科生的特点，本文明确了遥感课程教学目标，通过分析当前遥感教材的优缺点确定了适宜教材，依据理论联系实际以及学以致用的原则提出了以应用为目标的主要教学内容。
遥感就是对地球表面的地学过程及特征进行物理量测量，并以数字量的形式客观地收集、记录、传输、处理和重现这一信息的科学技术，是现代空间信息科学的主要组成部分[1]，涉及到空间、电子、光学、计算机和生物学、地学等学科领域，特别是在资源监测、环境管理、全球变化、动态监测等中应用非常广泛，显示其优越性。目前已广泛应用于农业、林业、地质、地理、水文、海洋、气象、环境等领域，已发挥重大作用。农业遥感即为将现代遥感技术与农业科学相结合，而应用于农业生产领域的一门新兴前沿技术，在当今遥感领域中最为活跃，也是迄今遥感应用最成功的领域之一，一直受相关科研机构、高等院校以及政府的积极关注。其中与农业学科领域关系密切的应用主要有：土壤调查，水分监测，草原调查、估产及监测，农学中的作物长势监测、营养诊断与作物估产，植保中的病虫害监测，农业气象中的农业气候研究与监测，农业生态中的环境保护和鱼情水产研究等[2]。伴随我国农业信息化进程的快速提升，遥感课程在高校农科本科生教育中的地位日趋重要。面对当前高等教育中新型农科人才需求，许多本科专业，对遥感技术都提出了很高的要求[3]，因此，为适应农业现代化和信息化的要求，必须进一步加强遥感课程教学以及提升学生遥感技术应用水平。基于此，根据笔者近5年的遥感课程教学实践，本文结合农科本科生的实际特点制定遥感课程教学目标、选择适宜教材以及调整教学内容。
一、教学目标
通过本课程的教学，使农科本科生了解农业遥感的基本理论、基础知识、研究现状及农业遥感技术发展趋势与应用，了解电磁辐射与电磁波谱的相关知识，学习地物波谱的测定方法，认识地物反射光谱的响应规律，学习绘制地物反射光谱曲线的方法，掌握常规的遥感仪器和软件的操作方法，理解遥感技术农学机理，掌握遥感图像处理的基本原理和方法，掌握遥感图像的地物影像特征、遥感图像解译及遥感制图的基本技能，掌握光谱数据处理方法，使农科本科生掌握研究农业遥感的基本方法和基本技能，注重培养农科本科生的实际操作和应用能力。
二、适宜教材
依据农科特点和遥感在农业领域中的应用现状，选择适宜教材是比较困难。如教育部面向21世纪课程教材《遥感导论》[2]，这部教材的特点是内容丰富，涉及技术原理较多、较深，对于农科本科生而言，技术原理显得过深、有些内容较为陈旧，尤其应用案例。《植被与生态遥感》[4]教材内容系统，编排合理，理论分析深入、学术价值较高，但有关遥感基础概念和基本技能甚少，作为农科本科生教材尚不合适。《遥感概论》[5]内容编排逻辑性强，概念清晰易懂，实验内容简单而易开展，但很多应用案例比较陈旧，不能满足当今新型农科本科生人才需求。21世纪高等院校教材《遥感技术导论》[6]内容系统，理论构架完整，概念清晰易懂，技术注解详细，但对于农业应用涉及较少，所选应用案例也较老化。《农业定量遥感基础与应用》[7]是一本系统阐述农业遥感新应用的专著，可作为农科本科生教学的参考书，但由于技术理论基础体系不完整、内容因偏重于农情遥感而显得覆盖面不够广泛，不适宜作为农科本科生教材。为此，笔者讲解遥感原理时选择《遥感技术导论》作为教材，讲解较新遥感农业应用案例时选择《农业定量遥感基础与应用》作为教材，这样可有效地提高学生的遥感理论和实践应用水平，以适应新型农科人才培养的要求。
三、教学内容
科学地选择教学内容，优化教学内容，合理教学分配，是《遥感导论》教学的关键环节[8]。主要内容为遥感的基本概念、类型、特点、发展概况与在不同应用领域中所发挥的作用、电磁辐射与地物光谱特征、遥感成像原理与遥感图像特征、遥感图像处理、遥感图像目视解译与制图、遥感在农业领域的应用等。
电磁辐射与地物光谱特征主要讲解斯忒藩-玻尔兹曼定律、维恩位移定律、基尔霍夫定律、黑体辐射规律或普朗克公式、大气的成份和结构、典型植被光谱反射特性以及地物反射三种形式（镜面反射、漫反射和方向反射），重点解释该内容所涉及到的一些术语或概念，比如电磁波谱、光谱特征、辐照度、辐射出射度、朗伯源、绝对黑体、太阳常数、大气窗口、光的干涉和衍射、反射率及反射波谱等，该内容要配套开展光谱测定仪的使用及光谱数据处理操作方法等光谱实验。遥感成像原理与遥感图像特征主要讲解世界范围内主要的陆地卫星、气象卫星、对地观测系统（eoS）卫星和海洋遥感卫星平台、摄像像片的几何特征（垂直摄像、倾斜摄像、几何特征、中心投影、垂直投影和像片的比例尺）、微波遥感的概念和特点以及四种分辨率（光谱分辨率、空间分辨率、时间分辨率和辐射分辨率）间的关系。遥感图像处理主要讲解光学原理（亮度对比、颜色对比、颜色性质、明度、色调、饱和度以及加色法和减色法等）、遥感影像的预处理（包括辐射校正、几何校正、对比度增强、空间滤波、彩色变换、图像运算、多光谱变换等）和多源信息复合等，该内容要配套开展辐射校正、几何校正、拼接、镶嵌、掩膜、融合、link等上机操作性实验。遥感图像目视解译与制图主要讲解遥感影像的目视解译、遥感影像的监督分类和非监督分类及其误差和精度评价、专题图制作等。遥感在农业领域的应用主要讲解植被遥感、土壤遥感、水体遥感等。
四、结语
遥感技术是20世纪60年代兴起的一种从远距离不实际接触物体而感知地表目标物及其特征的综合性探测技术，是现代空间信息科学的主要组成部分，涉及到多种学科领域，它的功能和价值引起了许多学科的关注。
近5年，面向农科本科生基础知识的实际情况，笔者以学生发展为本紧扣教学大纲开展遥感课程教学，教学目标制定明确，教材选用适宜，教学内容丰富，覆盖面广，应用实例典型且较新。结合遥感技术在农业领域中的应用，主要内容涵盖了农业资源与农田环境监测、数字农作技术、精确农业、农情监测预报等主要应用领域，集中体现遥感可视为农业资源利用的“好管家”、农田管理的“好帮手”、农情监测的“千里眼”等重要作用。
课程教学目标定位合理，重点突出，符合农科本科生实际，适应当前新型农科人才发展的需求。所选用的教材互补性强，主次分明，难易程度适中，有利于农科本科生人才培养。教学内容本着理论联系实际以及学以致用的总体原则进行系统讲授，概念讲解透彻，有明显的重点和难点，遥感图像解译方法适应当前农业应用需求，覆盖面较广，且系统性强，适应当前高等教育中新型农科人才培养的要求。
近5年教学实践证实，针对农科本科生的特点，本文该课程的教学目标、教材和教学内容是合理的，与当前高等教育中新型农科人才培养的要求是相适应的。
[参考文献]
[1]杨邦杰.农情遥感监测[m].北京：中国农业出版社，2005.
[2]梅安新，彭望琭，秦其明，等.遥感导论[m].北京：高等教育出版社，2001.
[3]王鹏新，严泰来，张超，等.农业院校研究生遥感科学与技术系列课程建设初探[J].高等农业教育，2008，06：80-83.
[4]张佳华，张国平，王培娟.植被与生态遥感[m].北京：科学出版社，2010.
[5]彭望琭.遥感概论[m].北京：高等教育出版社，2002.
[6]常庆瑞，蒋平安，周勇等.遥感技术导论[m].北京：科学出版社，2004.
高光谱遥感原理技术与应用篇5
【关键词】遥感技术；3S；结合发展前景
【中图分类号】tp【文献标识码】a
【文章编号】1007-4309（2013）07-0060-2
一、遥感技术的找矿应用
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，矿床多成带分布，成矿带的规模和地质构造变异大致相同。
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往往要包括断裂、节理、推覆体等类型，从中酸性岩体、火山盆地、火山机构及深亨岩浆、热液活动相关的环状影像提取信息泡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启、住要表现为岩层信息，从与控矿断裂交切形成的块状影像及与感矿有关的色异常中提取信息位口与蚀变、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.植被波谱特征的找矿意义
在微生物以及地下水的参与下，矿区的某些金属元素或矿物引起上方地层的结构变化，进而使土壤层的成分产生变化，地表的植物对金属具有不同程度的吸收和聚集作用，影响植叶体内叶绿素、含水量等的变化，导致植被的反射光谱特征有不同程度的差异。矿区的生
物地球化学特征为在植被地区的遥感找矿提供了可能，可以通过提取遥感资料中由生物地球化学效应引起的植被光谱异常信息来指导植被密集覆盖区的矿产勘查，较为成功的是某金矿的遥感找矿东南地区金矿遥感信息提取。
不同植被以及同种植被的不同器官问金属含量的变化很大，因此需要在己知矿区采集不同植被样品进行光谱特征测试，统计对金属最具吸收聚集作用的植被，把这种植被作为矿产勘探的特征植被，其他的植被作为辅助植被。遥感图像处理通常采用一些特殊的光谱特征增强处理技术，采用主成分分析、穗帽变换、监督分类非监督分类等方法。植被的反射光谱异常信息在遥感图像上呈现特殊的异常色调，通过图像处理，这些微弱的异常可以有效地被分离和提取出来，在遥感图像上可用直观的色调表现出来，以这种色调的异同为依据来推测未知的找矿靶区。植被内某种金属成分的含量微小，因此金属含量变化的检测受到谱测试技术灵敏度的限制，当金属含量变化微弱时，现有的技术条件难以检测出，检测下限的定量化还需进一步试验。理论上讲，高光谱提取植被波谱的性能要优于多光谱很多倍，例如对某一农业区进行管理，根据每一块地的波谱空间信息可以做出灌溉、施肥、喷洒农药等决策，当某农作物十枯时，多光谱只能知道农作物受到损害，而高光谱可以推断出造成损害的原因，是因为土地干旱还是遭受病虫害。因此利用高光谱数据更有希望提取出对找矿有指示意义的植被波谱特征。
3.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，可以研究矿床的侵蚀改造作用；结合矿床成矿深度的研究，可以对类矿床的产出部位进行判断。通过研究区域夷平而与矿床位置的关系，可以找寻不同矿床在不同夷平而的产出关系及分布规律，建立夷平而的找矿标志。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。
二、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、波段相关度高、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而，由天线接收端接收目标返回的微弱同波并产生可监测的电压信号，由此可以判定物体表而的物理结构等特征。微波遥感具有全天时、全天候、穿透性强、波段范围大等特点，因此对提取构造信息有一定的优越性，同时也可以区分物理结构不同的地表物体，因为穿透性强，对覆盖地区的信息提取也有效。微波遥感技术因其自身的特点而具有很大的应用潜力，但微波遥感在天线、极化方式、斑噪消除、几何校止及辐射校止等关键技术都有待于深入研究，否则势必影响微波遥感的发展。
2.数据的融合
随养遥感技术的微波、多光谱、高光谱等大量功能各异的传感器不断问世，它们以不同的空间尺度、时间周期、光谱范围等多方面反映地物目标的各种特性，构成同一地区的多源数据，相对于单源数据而高，多源数据既存在互补性，又存在冗余性。任何单源信息只能反映地物目标的某一方面或几个方面的特征，为了更准确地识别目标，必须从多源数据中提取比单源数据更丰富、有用的信息。多源数据的综合分析、互相补充促使数据融合技术的不断发展。通过数据融合，一方面可以去除无用信息，减少数据处理量，另一方面将有用的信息集中起来，便于各种信息特征的优势互补。
蚀变矿物特征光谱曲线的吸收谷位于多光谱数据的波段位置，因此可以识别蚀变矿物，但是波段较宽，只对蚀变矿物的种属进行分类。与可见一红外波段的电磁波相比，达波对地而的某些物体具有强的穿透能力，能够很好地反映线性、环性沟造。达图像成像系统向多波段、多极化、多模式发展，获取地表信息的能力越来越强。总的来说，多光谱、高光谱数据的光谱由线特征具有区分识别岩石矿物的效果，所以对光学图像与雷达图像进行融合处理，既能提高图像的分辨率、增强纹理的识别能力，又能有效地识别矿物类型。
尽管融合技术的研究取得了一些可喜的进展，但未形成成熟的理论、模型及算法，缺乏对融合结果的有效评价手段。在以后的研究中，应该深入分析各种图像的成像机理及数据间的相关性、互补性、冗余性等，解决多源数据的辐校止问题，发展空间配准技术。优化信息提叉的软件平台，实现不同格式图像问的兼容性。
三、结束语
综上所述，遥感技术作为矿产勘查的一种手段应用于找矿取得了一定成就。遥感技术的直接应用是蚀变遥感信息的提取，遥感技术的间接应用包括地质构造信息、植被的光谱特征及矿床改造信息等方面。遥感找矿具有很大的发展前景的领域主要有：高光谱数据、数据融合技术、3s的紧密结合、计算机技术的发展。
【参考文献】
[1]吴晓伟.测绘工程GpS三维空间大地控制网的建设[J].硅谷，2013，4（2）.
[2]杨巨平，唐立哲.浅谈GpS在测绘中运用的几全要点[J].科技风，2013，10（4）.
高光谱遥感原理技术与应用篇6
[关键词]遥感技术地质勘查应用
[中图分类号]p62[文献码]B[文章编号]1000-405X（2015）-2-211-1
1引言
遥感技术主要是在高空利用遥感器远距离的探测目标，通过探测对象辐射或反射的电磁波、可见光等来对其进行探知和识别的技术。先进的遥感技术不仅可以获取地球表面地形、地貌的自然特征，还可以获取矿产、植被、山体等实物特性。现将遥感技术应用在地质勘查矿产资源的探测方面，对我国经济的发展有着积极的作用。在实际矿产探测时，我们需要借助遥感技术提取、分析相关的数据和图像信息，并结合实际现场的地形地貌特点，充分借助线环形构造原理，综合论证分析，找到相关的矿产资源。因此，我们不难看出遥感技术具有宏观性、综合性、多角度、多空间的特点。
2遥感技术的实际应用
2.1地质构造信息的获取
不同地质构造的边界或者由于板块运动而产生的变异部位通常存在着内生矿。重要矿产一般都是随机分布在不同板块连接或者临界的地方，随着重大地质的变异相继产生，矿床为带状分布，规模与地质构造的变异差不多。
遥感技术应用在矿产资源的探测方面多表现在空间信息上。主要通过提取该区域矿产的线状影像资料，主要包括地质的断裂、变异等；环状影像资料，主要包括火山、盆地等；带状影像资料，主要包括岩层信息等。还有从控矿断裂交切处出现的块状影像资料和感矿相关的色异常中提出的相关信息。需要说明的是，如果断裂变异为主要控矿构造时，利用遥感技术对断裂信息重点提取分析具有重要的作用。
遥感技术在拍摄成像处理的过程中，通常会出现不清晰和模糊的情况，造成人们无法对那些有兴趣想要重点探索的区域进行清楚的识别。人们利用自我的目测解释或者通过人机互动等方法，对所提取的遥感影像综合分析处理，例如：加强边界线处理，增加灰度调色，利用科学算法等一系列方法，使地质构造信息简单明了的显现出来。此外，遥感技术仍可以通过地表地貌、植被、岩石分布等主要特征，综合提取分析，来获得隐蔽的构造信息。
2.2利用植被波谱特点探矿
受地下水和微生物的共同作用，矿产资源中的金属元素、矿物质都可能或多或少的对上边地层结构产生影响，从而使土壤的营养构成产生变化，生长在最上方土壤上边的植被对于金属元素有着吸附和聚集的作用，导致自身生长过程中水分和叶绿素等主要物质的变化，那就产生了植被反射光谱的差异。因此，这就为遥感技术的应用奠定了理论基础，人们可以通过提取分析遥感资料中植被光谱的异常信息来探寻矿产资源。
人们应该掌握不同植被或者同种植被不同叶、茎含金属量的差异变化。所以，通过对已知现有矿区不同植被或同种植被的不同部位作为样品，进行光谱测试，归纳分析总结出对金属最有吸收聚集作用的植被，将这一种类的植被定为矿产探测的有效植被，其余作为辅助植被。遥感技术的图像处理一般通过光谱增强技术，采用主要成分分析，监督分类等方法。一般情况下，遥感图像上的异常颜色分布均为植被反射的光谱异常信息，我们通过对图像的分析和处理，将这些细微的异常信息分析、提取出来，并将他们直观、重点的重新标注于遥感图像上边，以此来综合推断未探知的矿产资源大致分布。由于植被体内有些金属元素的成分含量
微乎其微，所以，金属元素的含量变化检测受检测仪器的灵敏度限制。倘若，植被体内的金属元素含量变化十分微小，现在的科学技术仍然不能检测出来，那么检测下限就需要重新定量，由实验重新获得。从数据分析上可知，高光谱较多光谱在获取植被波谱方面的优点要多很多。
2.3矿床信息的变化依据
由于外界环境的不断变化，矿床也会随之产生某些性状的变化。我们可以通过调取不同时段的遥感资料和图像进行宏观对比，分析矿床的剥蚀改造作用；综合相关成矿深度的知识，找出矿床的产出部位。
3遥感技术的发展趋势
3.1高光谱的实际应用
高光谱是一种融合了计算机、探测、光学、信号处理于一身的综合技术。充分显示了纳米级别的光谱分辨率在光谱仪中的实际应用，在成像的时候可以同时记录下数百条的光谱通道数据，从每一个像元中提取连续的光谱曲线，实现空间信息，光谱信息和辐射信息的同时获取，所以有着很大的发展空间。高光谱的图像光谱信息具有层次分明、信息丰富的特点，对于不同波段有阵不同的信息变化量，通过建立相关模型，得出矿物的丰度。人们应该充分利用高光谱的优势，加强数据应用处理能力。
3.2数据的整合
伴随着大量新型传感器的不断产生，可以从不同的空间、时间和光谱范围等诸多方面来客观真实的反应地物目标的特点，形成同一个区域的多元数据，和单元数据比较，多元数据具有互补性的优点。单源数据仅能突出地物目标在一个方面或者几个方面的特点，想要全面，多层次的了解目标，就必须以多源据作为基础，提取更多丰富、有意义的信息。多源数据的发展促使数据整合技术的不断前进。借助数据整合，我们不仅可以删除无用信息，提高数据处理效率，还可以将有价值的信息集中整合起来，形成互补优势。
3.33S技术的有机结合
遥感（RS），地理信息系统（GiS），全球定位系统（GpS）统称为3S。我们利用全球定位系统可以有效的迅速定位，确认全球范围内的任何点坐标并进行科学管理。大量的遥感数据需要更大的空间，所以更加需要强大的管理系统。现阶段，随着人力成本的大幅上升，在区域范围内探寻矿产资源的过程中，遥感技术已经表现出了小投资大回报的绝对优势，所以RS和GiS的技术整合相当重要。随着3S技术的不断升级完善，地质工作人员可以尝试3S和可视系统、卫星通信系统等先进科学技术的综合应用，
4结束语
笔者认为，遥感技术作为地质勘查的重要手段，在矿产资源的探测方面有着更大的发展前景，对矿产资源的可持续发展有着积极的作用。
参考文献
高光谱遥感原理技术与应用篇7
关键词：遥感技术；地质勘查找矿；应用
中图分类号：C35文献标识码：a
引言
矿场资源是众多自然资源的一种，是人类来意生存的重要的物质资源。由于我国人口基数较大，对矿产资源的使用量需求较高，所以，如何有效开发利用、合理使用、以及后备资源的补充等方面的研究逐渐成为我国研究的重点。经济的发展提高了矿产资源的需求量，同时推动了找矿工作的发展。在地质找矿中运用遥感技术，主要是通过获取遥感信息，提取岩石中的矿物信息，并进行成矿分析，减轻了地质找矿工作的难度，有利于提高地质找矿工作的效率和质量。
一、遥感技术在地质找矿中的运用
1、遥感识别岩石矿物
成矿的赋存条件和物质基础是岩石组合和类型，岩石在成矿过程中具有十分重要的作用，遥感技术能够提前岩石矿物信息，研究矿物的光谱特征，遥感技术中的数据提取技术能够提取岩性信息。对图像进行增强、变换和分析，能够使图像颜色增强，色调、纹理差异明显，从而区分出不同类型的岩石及其岩性组合。同时，遥感技术的矿物识别功能在地质填图中也发挥了重要作用。通常，适合对矿物的光谱特征进行研究的大气窗口有两种：0.4-2.5μm，反映了岩石的反射光谱特征；8-14μm，反映岩石的发射光谱特征。遥感技术识别地物依靠其空间特征和地物光谱的差异，高光谱遥感技术的分辨率很高、波段巨多、数据量大，其窄波段能够对不同岩石的吸收特征进行区分，并提取、量化、重建岩石的光谱特征，识别混合象元的模型并进行分解分析，区分出岩石矿物的不同。如今，我国将遥感技术的岩性识别功能多应用在岩石率高、植被稀少的地区，在植被覆盖较多的区域运用较少，对遥感识别岩性技术的研究重点是高光谱和多光谱提取岩性信息。
2、提取矿化蚀变信息
遥感技术在地质找矿中的应用主要是提取地质信息，而岩石的蚀变信息是其中的重要内容。围岩蚀变是围岩和含矿热液相互作用产生的，围岩相应的矿床类型、化学成分与蚀变类型密切相关。通常，围岩蚀变范围超出矿化范围，因此围岩蚀变是找矿的有效标志。围岩蚀变的常见类型包括绢云母化、硅化、褐铁矿化、云英岩化、矽卡岩化和青磐岩化等。岩石矿化蚀变后会与正常岩石在颜色、结构和种类方面形成差异，导致岩石反射光谱差异，蚀变岩石的光谱波形出现异常，为遥感技术提取图像信息提供了科学依据。所以利用遥感技术能够识别图像异常，找出准确的围岩矿化蚀变区域和开采位置。现阶段，我国大多使用aSteR、etm+数据和遥感微波数据等作为数据源，其中etm+数据源应用最多，将该数据作为信息来源，通过彩色图像合成法对单波段的图像进行分类，并提取区域生金矿的蚀变信息，从而有效圈定异常矿化蚀变信息，结合野外验证工作，能够发现矿化蚀变带；此外，利用etm+数据，对图像实施大气校正、几何校正等预先处理，并通过掩膜方法提取了矿化蚀变信息，从而发现了多个金、铜矿点。
3、提取地质构造信息
地质构造信息也是地质信息的重要组成部分。通过户外地质观察发现，矿化蚀变区域是沿着地质构造分布。成矿的主要条件即地质构造，对内生矿床作用显著。提取的主要地质构造信息是环形影像和线性影像。构造环境不同导致提取出的成矿信息不尽相同。例如，不同区域的破碎断裂带、节理带的线状信息、火山盆地、热液活动、深成岩浆等环状信息、赋矿岩层、矿源层等带状信息、蚀变、矿化等色块、色带、色环异常信息。通过多波段数据，能够综合解译矿区构造信息，从而确定矿区的成矿构造和成矿环境；结合几何学方法，定量分析矿区线性构造，能够确定成矿远景区。遥感技术具有成像模糊功能，能够使研究区域的线性纹理和形迹逐渐清晰，拉伸遥感影像的灰度、增强图像边缘、进行比值分析、方向滤波、卷积运算后，突显出了构造信息。同时，通过分辨率较高的卫星数据，能够使构造信息更加清晰。统计分析解译的环形或线性影像，并结合物探、化探等相关资料，能够明确成矿构造的特征及其分布；通过数学统计方法，能够分形解译出遥感图像的线性构造，验证内生金属矿与线性构造之间的分布规律，从而明确找矿靶区；利用地质构造、水系特征、地表岩性、植被分布、山谷地貌等信息，能够提取出地质构造隐伏信息。
4、利用植被波谱特征确定找矿位置
地下水和微生物能够引发地表矿化岩石结构和成分的变化，从而改变岩石上覆盖的土壤成分。遥感技术的利用生物化学方法确定找矿位置的原理是：植物生长会吸收岩石和土壤中蕴含的矿物元素，矿物元素与植物生物循环共同作用，形成植物组织，对植物酶的活性具有直接影响。当植物体内重金属积累超过阈值后，便会出现毒化作用，对植物生存必要的生命元素的吸收产生抑制作用，使植物在生态和生理方面出现变异。这些变异使植物的光谱反射率以及光谱波形变化异常，反映在在遥感图像上，则呈现出色彩、色度和灰度的变化，而遥感技术则能够提取或探测出这些特征。
5、提取多光谱遥感蚀变信息
多光谱遥感技术具有多光谱摄影和系统扫描的功能，对不同普段的电磁波谱进行摄影遥感，从而获取植被和其他地物的影像。多光谱遥感能够影像的结构和形态差异或光谱特征对不同地物进行判别，增加了遥感信息量。多光谱遥感由于空间分辨率和波谱分辨率的影像，其数据源在地质找矿运用中受到一定限制，但是新的数据源出现为地质找矿提供了更加有效的信息。其中，aSteR遥感数据具有较多波段、更高的空间分辨率和更窄的光谱范围，在提取矿化信息时具有显著优势。需要重视的是，单一数据源只能够反映出目标地物的单一特征，在判别地物时并不准确，集中多源数据，能够汇总有效信息，剔除无效信息。数据源集中包括遥感数据之间和遥感与非遥感数据融合。目前，遥感找矿中应用最为广泛的是物探、化探和多光谱的融合。
二、遥感技术在找矿工作中的利用
1、线性构造与成矿之间的关系
通过对线性结构进行分析，需找成矿的可能性地质地貌所形成的线性构造，会对成矿有一定的影响。通常情况下，在地质地貌发生变化比较大的地区会出现矿产，比如巨型断裂带。但是，很多具有工业远景的矿床主要分布在平行的次级断裂以及节理带之中。通过感知地形结构，对矿区的特点进行分析在利用遥感图像中，可以得知，岩浆区中的矿床一般会存在与剪切应力场的拉张区域，在利用遥感技术进行技术处理，可以使人们的目光锁定在该区域之内，对拐点的附近进行勘察，从而减少时间与精力。
2、环形构造影像与成矿之间的关系
影像环形构造是由航天遥感图像发现的，并且与矿产有着相应的联系。在与矿产形成密切关系的影响环形构造中，很多原因是与岩浆有着密切关系的，因此导致找矿的意义有所不同。除此之外，岩浆侵入中造成环形体的重要因素为金属矿产，由于岩浆在侵入的时候会引起围浆的变化，往往会导致边界变得模糊。影像线性体与环形体之间相互依存的关系为找矿工作提供了理论基础，具有复合的关系。
结束语
总之，一个地区地质条件造就了矿产资源的不同，在勘察矿产资源的过程中，不仅要结合以往的经验，并且还要根据实际情况进行研究，从基础出发，在理论上阐述矿床的基本成因&遥感技术，在总结分析的过程中，建立相应的遥感资料，积极寻找勘察矿石的有效方案。
参考文献
[1]钱建平，伍贵华，陈宏毅.现代遥感技术在地质找矿中的应用[J].地质找矿论丛.2012（03）.
高光谱遥感原理技术与应用篇8
[关键词]数据融合，高光谱数据，多光谱数据，CRiSp锐化
中图分类号：tp79文献标识码：a文章编号：1009-914X（2014）18-0113-02
[abstract]multispecralsharpeningofhyperspectralimageryfusesthespectralcontentofahyperspectralimagewiththespatialandspectralcontentofthemultispectralimage.theapproachweihavebeeninvestigatingconparesthespecralinformationpresentinthemultispectralimagetothespectralcontentinthehyperspectralimageandderivesasetofequationstoapproximatelytransformthemultispectralimageintoasynthetichyperspectralimagetoproduceasharpenedproduct.weevaluatethistechniqueagainstseveraltypesofdata，showinggoodperformanceacrosswithalldatasets.Recentimprovementsinthealgorithmallowtargetdetectiontobeperformedwithoutlossofperformanceevenatextremesharpeningratios.
[Keywords]Datafusion，multispectralimage，Hyperspectralimage，CRiSp
1引言
“遥感是在不直接接触的情况下，对目标实体或现象进行远距离感知的一门科学技术。1957年，前苏联成功地发射了全球第一颗人造地球卫星“斯普特尼克1号”，标志着人类对自身生存空间的探索进入了一个全新的时代。从此，人类能够脱离地球，从一个更高的平台通过各类传感器观察、研究和分析地球，解读人与自然的关系，为人类生存发展提供更加全面、及时的科学数据支持。
1.1高光谱遥感信息处理技术
高光谱遥感作为一系列新理论、新技术、新思想推动发展起来的新型遥感技术，从技术整体而言具有继承、发展和创新的特色。其在一定意义上是对多光谱技术的继承和发展，许多多光谱遥感数据的分析和处理技术如信息增强、数据减维、波段选择等在高光谱处理中加以改进依然适用，例如从模式识别的理论出发，利用离散度分析方法、主成分分析（K-L变换）等数据变换方法对已经预处理好的高光谱图像进行特征提取，并通过特征提取降低高光谱的数据维数，然后利用各种传统方法如最小距离或最大似然法等方法对其低维数据进行分类。
1.2图像融合的分类与层次
由于融合的思想被广泛应用于图像处理、分析中，以多源图像为对象的融合处理方法很多，其目的、手段也各不相同。因此，很难给多源图像融合技术定义一个准确的分类。依据融合处理的层次不同，一般将图像融合技术划分为三个层次：像元级、特征级和决策级。
本文的研究内容主要是像素级图像融合。
2数据与预处理
地球观测卫星-1（eo-1）是naSa新千年计划（nmp）的第一颗对地观测卫星，也是面向21世纪为接替Landsat7而研制的新型地球观测卫星，目的是对卫星本体和新型遥感器技术进行验证。该卫星于2000年11月21日成功发射。eo-1的设计寿命为12～18个月，原计划运行1年，但目前卫星仍运行正常。
eo-1上搭载了3种传感器，即：高光谱成像光谱仪Hyperion；高级陆地成像仪aLi（advancedLandimager）；大气校正仪aC（atmosphericCorrector）。
针对HJ-1a星上的HSi数据和CCD数据2级产品的预处理的研究。提出了处理流程及其相关算法。其中主要包括对数据的辐射亮度值转换、条纹去除（本文只针对HSi数据中存在的条纹进行研究，CCD数据不存在条纹）、大气纠正，从而得到精确的地表光谱反射率图像。
3多光谱转化为合成高光谱的模型（CRiSp锐化）
CRiSp算法是一种非常有效的高光谱、多光谱传感器图像融合方法。CRiSp算法成功地使用多分辨率相对较高的多光谱图像来改善高光谱图像的分辨率。它利用一种理想的数学方法组合高光谱数据和多光谱数据，这种方法的现实依据是高光谱图像和多光谱图像拍摄的物理场景是相同的，因而两者具有较好的匹配性。这个问题在前面的SiFt算法已经能够成功地解决。多光谱图像具有较高的空间分辨率，而高光谱具有较丰富的频谱细节，CRiSp锐化方法正好结合了两者的优点，使得最终得到的结果具有较高的空间分辨率和频谱细节。
3.1CRiSp锐化算法过程
CRSip算法的整个流程如下，如下图5.7所示，原始的输入数据有两个，一个是原始的高光谱图像pH，一个是原始的多光谱图像pm。原始的多光谱图像通过线性近似转化为合成高光谱图像pH’。注意，在这个转化中，合成高光谱图像相比原来的多光谱图像，其频谱信息并没有增加，只是pH’具有多光谱图像pm的高空间分辨率。最后使用小波变换或Butterworth方法对pH’和pH进行融合，得到最终的融合光谱图像。这种算法融合两者的优点：多光谱图像的高空间分辨率和高光谱图像的高频分析能力。
（1）输入数据
整个系统的输入数据由一个高光谱图像和一个高分辨率的多光谱图像组成。高光谱图像的频谱由几十甚至上百个连续的波段组成，这些连续波段使得每个图像象元都能够提取一条连续的光谱曲线。多光谱图像的频谱是由一系列离散的波段构成。这个算法的输入数据要求：多光谱和高光谱的图像背景应相同，拍摄时间间隔尽量短，两者拍摄的时间间隔越短，匹配误差就约小。理想的输入数据是高光谱图像和多光谱图像在同一场景同一时间拍摄，两个图像没有匹配误差没有任何变化。
（2）多光谱数据线性近似转化为合成高光谱数据的模型
用一系列线性方程把多光谱图像近似转化为高光谱图像的前提是多光谱图像和高光谱图像拍摄的是同一个场景，具有相同的物理特性，因此同一物理场景下的多光谱和高光谱之间具有很强的关联性，可以用一系列线性方程表示两者之间的关系。这里用pH表示高光谱图形的频谱矩阵，pm表示多光谱矩阵的频谱矩阵。
其中F表示高光谱变换为多光谱的滤波器矩阵，e表示高斯白噪声。滤波器矩阵F用来把高光谱数据转化为多光谱数据。当多光谱图像是一个由高光谱波段简单求和的全色光谱时，F是一单位行向量[2]。上述方程描述了多光谱图像和高光谱图像之间最简单的关系。对图像变换没有多大实际用处。我们真正需要的上述过程的反变换，既是要得到一个能够把多光谱图像转化为高光谱图像的变换矩阵[3]。但即使这种变换也不能增加多光谱的频谱信息，因为多光谱图像包含的频谱信息本来就比高光谱少。
由上列方程很容易得到其逆变换方程：
G表示多光谱近似转化为高光谱的估计矩阵。这个变换过程相当于在多光谱的频域进行插值，即进行升采样。近似转化的效果很大程度上取决于图像中的波段数，这是一个近似估计，高光谱的波段越多，估计的效果越好；另外也与波段的质量和位置有关。滤波器G的表达式可由最小二乘法可近似得出。
（3）图像模型
估计矩阵G与多光谱的频谱简单相乘，得到高光谱的频谱估计：
其中SH高光谱的频谱向量，Sm表示多光谱的频谱向量。逐个频谱按上述公式进行计算，得到最终的合成高光谱图像。需要注意的是，这个高光谱模型并不是原始的高光谱图像完美近似，因为这个模型只是把多光谱图像进行线性近似转化为高光谱图像，转化后的合成高光谱图像和原始的高光谱图像在频谱上具有相同的秩。尽管这个合成高光谱图像比多光谱图像的波段数多得多，但实际其统计特性和多光谱图像是一样的[1]。这个合成高光谱并没有增加更多有用的信息，只是便于图像融合进行下一步操作。
（4）合成高光谱图像和原始高光谱图像融合的算法描述
当多光谱图像转化为高光谱图像后，就可以进行合成高光谱图像和原始高光谱图像的融合了。
用一对滤波器有选择性得选取合成高光谱和原始高光谱中的数据进行融合。让合成高光谱图像通过一个高通滤波器，选取其高频部分，让原始高光谱图像通过一个低通滤波器，选取其低频部分，然后两者进行简单相加。相加得到的结果就是最终所要的锐化图像。原始高光谱通过滤波器前要进行升采样，这是因为原始高光谱的空间分辨率比合成高光谱的空间分辨率低，只有进行空间插值即升采样才能使两个图像匹配。
当前广泛应用的两种滤波器是小波变换滤波器和巴特沃式（Butterworth）滤波器。小波滤波器是一种简单的正交空间滤波器，能够很容易地把图像分解为高频子图像和低频子图像。小波变换的优点是方便，快速。当两个图像之间的匹配性好时，这种方法得到的锐化结果就好；反之，当两个图像匹配较差时，小波变换的效果就很差。这就是说小波变换滤波器的稳健性不好。
Butterworth滤波器的数据容量比小波变换滤波器小，但具有更多的数值特性。它是使用离散余弦变换把高分辨率的图像和低分辨率的图像输入到频谱域，然后对两个图像的频谱参数进行加权求和，求和的结果进行反余弦变换就得到锐化图像。Butterworth滤波器的优点在于，不管高分辨率图像和低分辨率图像的匹配性如何，最终的锐化结果都不会变换太大，就是说其稳健性比小波变换好。缺点是计算耗内存，速度慢。
3.2CRiSp融合实验结果
图5.9中所示（a）图为CCD影像，（b）图为相应地区经过配准与尺度转换的HSi影像，（c）图为利用CRiSp方法利用巴特沃兹滤波器进行融合的方法得到的影像。（d）图为利用CRiSp方法利用小波变换进行融合的方法得到的影像。从图上看CRiSp方法融合方法既提高了空间分辨率，其光谱信息也保存得比较完好。而巴特沃斯滤波器因为其滚降速度更快，效果也较小波融合得更好。
4融合结果评价
CRiSp融合方法能实现两幅图像空间信息和光谱信息的全面融合，而且实现了多光谱和高光谱的所有波段全部参与计算，使得融合结果更加全面，这种方法的计算量也不大。如果图像不同部位光谱信息相差太大，还可以分块局部融合，在具体的实现过程中应用非常灵活，是目前较好的能应用于高光谱和多光谱图像融合的成熟方法。
参考文献
[1]LS.ReedandX.Yu，"adaptivemultibandCFaRDetectionofanopticalpatternwithUnknownSpectralDistribution，"ieeetrans.onacoustics，SpeechandSignalprocessing，Vol.38，no.10（october1990）.
[2]alexanderSibiryakov，miroslawBober.imageRegistrationUsingRSt-ClusteringanditsapplicationinRemoteSensing.proc.ofSpie，2006，Vo1.6365：63650G1-63650G13.
[3]michale.winter，edwinm.winter.HyperspectralimageShapeningUsingmultispectralData.ieee，2007.
[4]浦瑞良，宫鹏.高光谱遥感及其应用[m].高等教育出版社，2000：81-97.
高光谱遥感原理技术与应用篇9
关键词：遥感技术;反演模型;水质参数
一、引言
水资源匮乏已成为一个全球面临的难题，也成为制约经济社会发展的一个瓶颈，甚至在很多国家连居民的基本生活用水都难以保证。因此，各国专家都在致力于水资源的开发、探索中，尤其是地下水资源的勘探及海水的水质监测、净化方面。正是基于这种实际的需要，水质领域的研究者也在运用新的技术手段探索水质参数监测的方法。
研究者对地下水质及海水水质参数的研究，是为了满足不同用户对水质的要求。通过对地下水演变及成因进行分析、研究，可以找到解决水资源短缺的办法，实现水资源的持续利用。遥感技术在水资源的勘探及水质检测方面为工作者提供了技术支持及保障。当前，遥感反演技术在水质参数监测上的应用已经较为成熟，并为解决人类水资源匮乏作出了巨大贡献，尤其是在深层地下水资源的勘探，海水水质参数的监测上。
二、传统的水质监测技术
随着工业的发展及人类生活、生产形成的废水越来越多，只靠古老的、自然的水循环已难以解决水资源的污染问题。同时，再采用传统的水质监测、水质采样分析的方法，将无法满足用户对水质的需求。因为传统的采样分析方法，是在不同的河段进行采样，然后将采样放置在容器内静置，并通过物理的、化学的方法分离、监测水质，分析水中所含有的各种成分，得出水质参数及指标。
这种监测方法会受到采样点空间分布密度的限制，不能客观、全面地反映需要监测的水域的真实情况。在监测的过程中耗费时间较长、成本也比较高、效率低下，有时得出的结果也不尽人意。随着人们对水质要求的不断提高及要求的多样化，传统的水质监测技术已略显无能为力。科学技术的发展，为水质的监测提供了新的手段、方法，尤其是遥感技术在水质参数监测上的运用，为水质参数监测提供了更加高效的方法。
三、遥感反演技术的概述
当今各国已不在满足于地球上的竞争、资源的争夺，已将其扩展到了外太空。卫星的发射就是很好的证明。各国之所以抢先发射卫星，战领宇宙空间，是因为通过卫星可以为人类返回很多地球表面的数据信息，而不仅仅是为了网络通讯。比如通过卫星返回的图片，人类可以对我们所生活的地球有一个更全面的了解。矿产资源的分布情况、地形地貌情况、水资源的分布情况等，还可以通过遥感反演技术更清楚、更高效、更准确地了解地球上某一流域水质参数，随时监测水质参数，及时了解水质情况，并根据用户需要为其提供水资源。
随着遥感科学技术的不断发展，水质研究者试图将偏振作为遥感的另一维信息源加以利用。光的偏振在大气与海洋系统中形成了丰富的数据信息。研究者可以根据水面反射光的偏振效应、反射光在布儒斯特角时的规律、水体散射介质对入射光的偏振状态的改变等信息得出水体物质的组成。因此，偏振信息的遥感反演方法可以作为一种新的水质参数监测方法，这种基于遥感反演技术的水质监测方法，对水质领域的研究将具有划时代的意义。
针对用水户不同的需要，研究者对水质的监测往往也会采用不同的方法。常用的水质参数评价方法主要有：综合指数法、模糊数学法、模糊综合评价法、灰色聚类法、灰色关联度法、人工神经网络、遗传算法、多元回归模型、逻辑斯谛曲线模型、主成分分析法、集对分析法、投影寻踪模型法、物元分析与可拓集合法等，虽然研究者为我们呈现了很多水质评价监测的方法，但是由于水环境的不确定性，在水质管理的实践中，能够广泛应用的方法还是比较少的。利用遥感卫星，可以对水质的时空分布及变化情况进行定性甚至定量的监测。这种监测方法监测范围广、速度快、监测周期长、成本低，因此在我国已经将这一技术应用到长江、黄浦江、闽江等内陆水域的监测中，然而很多技术的使用仍然在探索、完善中。
四、遥感反演技术在水质监测上的应用原理
遥感反演技术其实利用的是不同物质反射光的波长不同的原理。水质遥感监测就是根据被污染水体所呈现的光谱特征与清洁水体的不同，并可根据呈现的光谱特征判断污染物质。因为太阳光入射到物体的表面，经过物质的选择性吸收与散射，形成不同的吸收光谱。水体的光谱敏感通道主要集中在0.35～0.90um之间。当水体被污染后，就会出现富营养化，水体中的浮游植物增多，浮游植物的叶绿素对近红外波段具有明显的“陡坡效应”，当叶绿素浓度不同时，在0.43～0.70um光谱波段会出现较明显的差异，因此近红外波段与红光波段的比值可以用来估算水体中叶绿素的浓度变化。
对于水中含有的其他悬浮颗粒，同样可以运用不同物质对太阳光吸收反射的光谱波段的不同，分析水质中所含有的物质的成分及数量，以便更好地掌握水质的参数，对水质进行实时监控。如果水中悬浮的泥沙增加，将会增加太阳光的反射率，并使光谱曲线的反射峰往长波方向移动，尤其是可见光波段中的红光波段。
目前在内陆水体水质遥感监测中应用较广泛的多光谱数据之一是运行时间长、应用广泛的Landsat卫星。Landsat卫星成功运用近红外波段与红光波段的比值（tm4/tm3），提取了浓度为10～200mg/L的叶绿素（R2>0.92），同时这一比值还可以用来估算水体中叶绿素浓度的变化，可以运用三波段模型、两波段模型、反射峰位置法、一阶微分法等方法估算水质叶绿素a的浓度。如果缺乏卫星同步实测数据，则可以利用水体本身的遥感光谱信息建立水质参数遥感模型。
五、结束语
水资源的短缺及用水户对水质参数提出的不同需求，促使水质监测部门改变传统的分段采样的水质参数监测方法，探索运用卫星遥感反演技术对地下水资源勘探及地表水水质参数的监测。随着遥感反演技术的成熟，我国的水质分析与研究领域也正在蓬勃发展，各种利用卫星遥感反演技术建立的水质监测模型不断出现，尽管现在已经形成了多种水质监测评价方法，但由于水环境是一个特殊的循环系统，具有很大的不确定性，目前能够广泛应用的模型还不多，且须要根据水质的实际情况不断地修改、调整模型。为了能更准确地反映水资源的保有量、水质参数情况及为用水户提供符合其需要的水质，水质研究者要树立科学的态度，为水质参数有效的分析提供科学的监测数据，建立推进水质参数监测、分析的研究模型，促进水资源循环利用，解决水资源短缺问题。
参考文献：
高光谱遥感原理技术与应用篇10
关键词：遥感技术；地质找矿；应用
中图分类号：F407文献标识码：a
1.导言
所谓遥感技术指的是对远距离目标反射的或辐射的可见光、电磁波、红外线、卫星云图等信息进行收集与处理，最后感知成像，探测与识别目标的一种技术。利用遥感技术能够将地质的分层信息与成分信息反映到遥感图像中，且可以全面分析地质相关的信息，有助于勘探到有矿的地表区域，从而发现矿产资源同。其在地质找矿中的应用具体包括:勘查清楚地质矿体所在的范围、呈现的几何形态、成矿的地段;分析成矿区域的地质条件。这些都可为后期的地质找矿工作提供遥感地质的科学依据。
2遥感技术在地质找矿中的应用
遥感技术在地质找矿中的应用可以分为直接应用和间接应用。
2.1直接应用
遥感蚀变信息提取法是遥感技术在地质找矿工作中较为常见的方法，主要是通过对岩浆热液对围岩结构发生的改变进行信息提取。因岩浆热液或水汽热液的影响，导致围岩的结构、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，其种类、成分以及成矿的类型存在一定的内在联系。通常情况下，围岩蚀变的范围大于矿化的范围，并且不同的蚀变类型与金属矿化在空间分布上具备一定的规律性，因此，围岩蚀变可以作为地质找矿的可靠标志。
首先，围岩蚀变是热液与原岩相互作用的产物，其常见的蚀变有硅化、绢石母化、绿泥石化、石英岩化、夕卡岩化等。
其次，实现对于地质信息的提取。当某地区的地貌发生变化时，电磁波的反射和透射作用也会随之发生改变，面电磁波是地物信息的一种重要载体，同时，地物的光谱特性与其内在的物理化学特性紧密相关。由于地质成分在结构上的巨大差异，会导致地质内部产生不同的波长光子，其吸收性和反射性各不相同。岩石矿物自身具有稳定的化学组成和物理结构，对本征光谱的吸收也更加稳定，同时，光谱的产生主要是由组成物质的内部离子和基团的晶体效应及基团振动所引起的，不同矿物具有不同的电磁辐射。因此，只要利用遥感技术中的波谱仪对野外采样进行光谱曲线测量，并与数据库中的参考光谱进行对比，就可以轻松确定矿物的种类，还可以根据吸收特性，选择合适的图像波段进行地质信息提取，这也是识别矿物最有效的方法之一。
最后，由于现代遥感技术多是利用航空航天技术从空中接收地表物质的光谱特征，容易受到石层、大气、水体、植被等的干扰，因此，在进行蚀变矿物信息提取时，要对干扰物质的光谱信息进行分析，尽量消除干扰的影响。就目前的发展情况看，遥感找矿蚀变异常信息的提取方法有多种，主要有波段比值法、主成分分析法、光谱角识别法等。
2.2间接应用
2.2.1地质构造信息的提取
在通常情况下，矿产的生成是各类地质构造不同运动的结果，如火山运动、地震活动等。矿产一般分布在各类地质构造的边缘部位及变异部位，重要的矿产则分布于板块构造不同块体的结合部或者近边界地带，从形成时间上看，与地质构造运动的时间是一致的，矿床的分布也会随着地质构造运动的规模变动面改变，并且多旱带状分布一运用遥感技术找矿，就是利用这一地质特征进行的一可以在矿产形成区域，利用线形影像对相应的信息进行提取，同时也可以从火山盆地、火山结构、热液活动等相关的影像资料中，提取找矿所需信息，之后结合相关影响因素，进行综合评定。
2.2.2植被波谱特征的应用
地貌植被与矿场的形成有着重要的联系，金属元素随着时间的推移，会逐渐生成微生物，微生物通过地下水以及土壤的作用，对表面土层产生一定的影响，使其发生变化。地表植被在对相应的金属元素进行吸收后，会产生相应的变化，其颜色和生长趋势与其他地区的同类植物或有所不同。这样的生物地质化特征也在很大程度上为遥感找矿提供了便利的条件，通过对相关信息的提取，可以得出植被中不同种类金属含量的差异，再根据植物对金属的吸收作用，将地下所蕴含矿藏进行分类和确认。同时，遥感技术可以通过图像的收集，对光谱特征进行增强处理，如果植被在反射光谱中出现异常信息，通过对图像的处理，可以将其提取出来，并根据图像色调的变化，对矿区的位置进行推测。
2.2.3矿床改造信息标志
矿床在形成后，并不是固定不变的，面是会根据所处环境和空间的位置，发生微量的变化，并促使部分矿床的性质发生改变。因此，通过对不同时期形成的遥感图像的分析和对比，结合矿床和成矿勘测，可以对矿床发生质变的位置进行直接的判断。面通过对矿区中不同矿床位置的研究，可以找出矿床在不同层次的分布规律，为找矿提供重要标志。利用遥感图像，还可以对岩层的类型进行区分，并得到理想的地质图纸，对于矿区的选定是十分重要的。
3、遥感地质找矿的未来发展
遥感技术在地质找矿事业中的应用越来越广泛，在未来还会有更进一步的发展。主要有以下几种层面:
3.1经济发展的需要
矿产资源对于一个国家的经济发展来讲是至关重要的。为了使我国矿产资源的供应符合经济发展的需要，加强地质勘测的力度己经得到了国家政府的号召。推动科技的创新和进步，实现地质勘测工作的科技化，提高地质找矿的工作效率，扩大资源的开发利用，是新时期我国经济快速发展的奠基石。只有满足了整个社会对矿资源的需求，经济才能实现真正地腾飞。
3.2适用范围推广
遥感地质找矿己经突破国家范畴，各国通过互相学习，总结经验，促进了遥感技术的发展;遥感地质找矿从应用的地域范围上来讲，从陆地找矿向海洋找矿拓展，从人口密集地区向人口稀疏地区扩散，有效促进了遥感技术在不同环境下的应用;遥感地质找矿的理念有所更新，以前只是单纯追求矿资源的开采量，现在遥感技术在地质找矿的应用中更加注重了环保意识，防止地质灾害的发生;找矿事业从地球拓展到外太空，遥感技术的远程操控性在满足了这一技术要求。
3.3新技术的拓展
高光谱遥感技术在地质找矿中因为其高空间分辨率的高光谱遥感技术给遥感地质找矿添加新的血液。高光谱遥感技术绘制的图谱能够有效地区分矿与非成矿断裂、蚀变岩体、地层和非蚀变岩体、地层，能够精准地找到新的矿产蕴藏靶区。高光谱成像系统从理论和技术方面都能对地质找矿做出贡献。遥感系统技术地质勘查系统正在有条不紊地构建该系统能够把航天、航空、陆地、海洋、地下的遥感数据进行有效收集处理，构建出一套二维地质勘查遥感系统立体式的地质侦测技术系统利用航空遥感技术、航空物探技术、地面地下物探测技术、地球化学技术等等先进的地质勘测技术，构建出了从地面到天空再到太空的立体式地质勘查技术系统。
结束语
遥感技术在地质找矿事业中的拓展应用任重道远，遥感找矿还拥有更加广阔的发展前景，遥感技术在地质找矿中的应用必须以现代成矿理论为指导，结合实际情况，选择适当的工作方法，建立健全遥感地质找矿系统，从面实现遥感找矿的目的。相关工作人员要对遥感找矿技术进行认真分析和对待，结合相应的措施，对其进行完善，推动遥感技术在地质找矿中的应用和发展。
参考文献
[l]魏磊，赵鹏海，何晓宁，白冰.浅谈遥感技术在矿产开发中的作用【L】.测绘与空间地理信息，2012,35(9>:21-25.
[2]李本仕.探究现代遥感技术在地质找矿中的作用【L】.建材与装饰-2013,(3):171一172.
[3]钱建平，伍贵华，陈宏毅.现代遥感技术在地质找矿中的作用【L】.地质找矿论丛，2012,27(3):355-359.