遥感信息定量化分析方法

后勤部长

遥感技术已成为陆、海面过程实验和研究的一个必不可少的手段。遥感技术以其特有的优势，实现了对地表不间断的昼夜观测，并在获取区域上的陆、海面参数方面具有不可替代的作用。从遥感信息中获取陆、海面参数的过程，其实就是遥感信息定量化分析的过程。众所周知，如今遥感技术发展的重要趋势之一就是从定性遥感向定量遥感发展。
    遥感信息定量化的过程其实就是建立遥感信息模型的过程，即得出遥感数据与陆、海面参数之间相互关系的方程。其步骤大致如下：首先对遥感数据进行校正，包括几何校正和辐射量校正。其中辐射量校正对于遥感信息定量分析非常重要，具体指消除遥感数据中依附在辐射亮度中的各种失真的过程，主要包括对传感器的灵敏度特性引起的辐射误差校正、光照条件的差异引起的辐射误差校正以及大气的散射和吸收引起的辐射误差校正，即大气校正。然后利用各种数学方法，如回归分析法，建立实测的陆、海面参数与遥感数据（大多是从遥感数据中计算得来的各种参数）之间的关系模型，即遥感信息模型。最后在对建立起来的遥感信息模型进行正确性验证的基础上，利用遥感数据对大面积区域的陆、海面参数进行反演。
    根据遥感信息获取所利用的电磁波波段的不同，具体又可以分为分成光学遥感和微波遥感。下文从光学遥感和微波遥感两个方面对遥感信息的定量化分析方法进行介绍。

光学遥感：

    光学遥感（包括可见、近红外及热红外遥感）对地表反射率、地表温度（LST）以及植被参数等的获取具有较大的优势，而对其它参数如土壤湿度、地表粗糙度也有一定的有效性。
（1）地表反射率：
    地表反射率是控制地表净辐射并进而影响地表及低层大气的加热率的重要参数。遥感反演地表反射率已有很多成熟的方案，可以直接从遥感数据获取地表反射率。Pinty等针对气象卫星宽带数据，Nunez等针对GMS数据以及Brest等针对Landsat数据都发展了反演地表反射率的方法。Saunders等利用NOAA/AVHRR的可见和近红外数据发展了反演算法，求出了英国Isles地区4～10月的地表反射率分布，其结果分别是农业区具有高于真值17％～22％以及城区和山区低于真值大约13%的精度。
（2）地表温度（LST）和比辐射率：
    地表温度和比辐射率是控制陆面水分和能量平衡的两个重要参数。在众多的LST反演算法中，为消除大气的影响，以利用分裂窗口算法为最多，分裂窗口算法的基本公式为：
Ts ＝ a0 ＋ aiTi
式中：Ts 即地表温度，Ti是热红外通道的亮度温度（即AVHRR的第4和第5通道），a0、ai为经验常数。
    Van de Griend在"Botswana水文和地表能量平衡研究计划"的支持下所进行的研究中，获得了大量的比辐射率实地观测数据和红光（0.58～0.68微米）、近红外（0.71～1.1微米）的遥感数据，从这些观测数据中发现，比辐射率与NDVI（Normalized Differencial Vegetation Index，标准化差植被指数，NDVI＝具有非常高的相关性，近而在比辐射率与NDVI间建立了非常实用的关系模型，即

    由于NDVI可以很容易地由遥感数据求得，所以这一研究对遥感反演比辐射率非常方便实用。
（3）植被指数：
    在各地表特征参数中，地表植被指数反映了地表面的覆盖状况，其变化直接影响改变地面辐射平衡最敏感的参数－地表反射率，进而改变地表的能量平衡。利用卫星遥感数据获取并分析区域地表植被指数的变化和特征，国内外研究者已进行了大量的工作，发展了诸多比较成熟的植被指数，如比值植被指数、标准化差植被指数（NDVI）等，其中以NDVI应用最普遍。Price指出，裸土和100％植被覆盖的典型NDVI值分别为0.1和0.6，并可利用此二值建立NDVI与植被覆盖百分比之间的线性关系。
    Fassnacht等借助Landsat-5卫星资料，利用多个植被指数估算了威斯康星中北部森林中各种林型的叶面积指数（LAI），结果表明，以NDVI的估测关系精度最高。
（4）其它地表参数：
    Nieuwenhuis等利用热红外图像，对区域性作物的蒸发量进行了估测，Vidal等则通过卫星热红外数据的一个简单的相关分析，估测每日蒸发量。Caselles等则结合实际观测资料，综合利用Landsat TM和NOAA－AVHRR图像对西班牙Barrax地区的实际蒸发量进行了遥感制图。
    在光学遥感中，新近发展起来的高光谱遥感在遥感信息的定量分析中有着更高的利用价值。光谱遥感技术的兴起是20世纪80遥感技术的最大成就之一，所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。高光谱使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。
    利用高光谱遥感资料估测地表植被化学组分将会在精确农业、生态系统研究、森林防火、灾害和污染评估、资源调查等方面得到广泛应用，尤其是运用这一技术较为精确地获取区域以至全球的地表植被化学参数，特别是蛋白质、糖、淀粉、木质素、纤维素等含量的确定，将更有用武之地。

微波遥感：

    在遥感信息定量反演地物参数方面，光学遥感在反演地表反射率、地表温度等参数方面具有较大优势，但在反演土壤湿度方面，其发展前景远不如微波遥感。微波遥感监测土壤水分具有坚实的物理基础，即：土壤的介电特性和土壤水分含量有密切关系。水的介电常数大约为80，而干土仅为3，它们之间具有较大的反差，土壤的介电常数随土壤湿度变化而变化，国内外研究者对此进行了大量实验研究。同时，微波遥感不受光照条件限制，能够全天候工作，并对植被和土壤有一定的穿透能力，因此微波遥感土壤湿度参数是今后遥感的一个重要研究方向。
（1）主动微波遥感的应用
     不同含水量的土壤介电特性不同，其回波信号也不同，据此可建立后向散射系数和土壤水分含量的关系。从雷达数据获取土壤含水量面临的一个问题，是要将含水量的影响与其它因子，如地表粗糙度或土壤纹理区分开。目前大多数研究是依据统计方法!通过对数据间相关分析，建立土壤含水量（一般在10cm以内）与后向散射系数之间的经验函数关系，而以线性关系应用最普遍。李杏朝在GPS定位的基础上，同步测量土壤水分、土壤后向散射系数和同步获取的X波段、HH极化的机载SAR图像，建立了土壤湿度与后向散射系数、雷达图像灰度之间的线性关系公式，利用这些关系式获取的土壤湿度的相对误差分别为17.48%和12%等。Sano等利用多波段（C和Ku波段）、多角度雷达数据对农业区裸地的土壤湿度进行了大面积制图研究，亦建立了类似的线性关系。
    Rao等利用雷达后向散射系数数据，同时估测土壤湿度和土壤表面粗糙度，在σ0（后向散射系数）与mv（土壤湿度）、σ（粗糙度）、m（坡度）之间建立了线性方程，即:

利用这一算法，在湿度值较小的情况下可计算出较精确的土壤湿度和粗糙度值。
（2）被动微波遥感的应用
    土壤的介电常数随其含水量变化而变化，由辐射计观测到的亮度温度也随之变化。土壤湿度是影响被动微波辐射测量的关键因子，这一点已达成共识。为此!国内外专家围绕土壤湿度与亮度温度之间的关系进行了大量的理论研究及野外和航空遥感实验，发展了具有局地应用价值的各种算法。与主动微波遥感相比，被动微波遥感土壤湿度研究开展得较早，其算法种类多，也更成熟。特别是自1978年以后，装载在雨云号卫星及国防气象卫星上的SMMR、SSM/I等微波辐射计卫星微波遥感数据的有效利用，基于卫星微波遥感数据的被动微波遥感土壤湿度算法得到了发展，因此其实用意义更大。
    70年代初，NASA在美国亚历山大农田进行了航空微波辐射计飞行实验，并同步观测了0～15cm的土壤湿度。Schmugge等对实验数据进行了分析，发现亮度温度TB与土壤湿度（重量百分比）具有较好的线性相关，并利用一个分层模式对土壤湿度决定土壤微波辐射的重要性进行了模拟研究。
    1980年开始实施的美国农业和资源的航空遥感调查计划（AgRISTARS），将微波遥感土壤湿度研究作为主要目标，目的是通过一系列野外航空遥感实验，定量研究其它因子如植被、粗糙度、观测角、土壤纹理结构、大气等因子对微波遥感土壤湿度的影响。通过几年的工作，取得了较多的成果。
    Wang等利用Skylab 1.4GHz辐射计以及SMMR 6.6 GHz和10.7Hz辐射计获取的数据，选取两类下垫面截然不同的研究区来研究植被对反演土壤湿度的影响，分别建立了植被区与裸露区的土壤湿度指示因子与裸露区之间的线性关系。Teng等利用SSM/I数据以及FIFE试验期间获取的地面观测资料，对美国玉米－小麦带湿润农田的土壤湿度进行了估测研究，分析了19 GHz的亮度温度TB与API之间的相关关系。进而在研究区建立API与TB和MPDI（微波极化差指数）之间的相关关系。研究表明，在研究区的半干旱农田中，SSM/I19 GHz水平极化亮度温度与由气象数据计算的API之间的相关很好（0.6～0.85）。
    另外，利用SSM/I亮度温度反演地表温度，McFarland等进行了有益的探讨，建立了Ts与各通道的亮度温度Tbv之间的线性关系：

    考虑地表水分含量对辐射亮度温度的影响，对此公式进行了修正，建立了如下组合关系：

    利用修正的关系，对美国中部平原三种下垫面条件的温度进行了反演，所得结果与相应观测站的百叶箱温度较一致。随着微波遥感的发展，各种表征地表特征的微波指数也得到了应用，Choudhury等的研究表明，37 GHz的亮度温度差可以作为植被变化的指示因子，并尝试利用亮度温度差对全球的植被覆盖进行制图研究。Felde的研究表明，微波极化差指数（MPDI）的变化与植被的变化一致，并建立了MPDI与NDVI之间的对应关系，MPDI更适合于干旱半干旱地区的稀疏植被的变化。
    微波遥感以其全天候运行，并对植被与土壤具有一定的穿透能力的特点，已经在陆面参数获取方面显示了优势，微波遥感土壤湿度研究已取得较大进展，随着研究的深入，特别是随着携载先进主、被动微波遥感器的卫星的发射，较高时空分辨率的微波遥感数据将得到有效的利用，从而必将促进微波遥感土壤湿度及其它参数算法的发展和应用，大大促进遥感信息的定量应用.