遥感技术发展的新趋势分析

llccqq

李静

（适普软件有限公司，北京，100044）

摘要：本文阐述了遥感技术在近些年以至今后应用发展的新趋势，阐述了遥感地物定量化的意义和内涵，介绍了实现遥感地物定量化分析的高级工具ENVI，分析了应用遥感影像处理软件ENVI的高光谱分析工具进行地物识别和遥感地物定量化分析的流程。

关键词：遥感信息，定量化，多光谱，高光谱，分类，地物识别

一、当前遥感技术发展态势

　　遥感技术在八十年代由于陆地卫星的上天，出现了第一次发展高潮，它不仅使遥感技术成为很多行业跨入高新技术门槛的有力手段，而且也大大促进了遥感学科的研究工作。二十年来，广大遥感工作者不仅对遥感理论进行了深入研究，同时对遥感应用技术也进行了广泛探讨并进行了实践和应用，为遥感技术的进一步发展准备了足够的技术诸备。但是由于遥感数据源限制等多种原因，实用化一直受到人们的怀疑。90年代以来，随着遥感传感器以及小卫星技术的发展，人类生存环境的恶化以及全球一体化的需求，遥感技术再次迎来一个发展高峰。这一次高峰具有以下特点：

　　1、遥感数据源的突飞猛进：

　　现代遥感史以20世纪60年代末人类首次登上月球为重要里程碑，随后美国宇航局（NASA）、欧空局（ESA）和其他一些国家，如加拿大、日本、印度和中国先后建立了各自的遥感系统。所有这些系统已提供了大量从太空向地球观测而获取得有价值的数据和图片。随着信息技术和传感器技术的飞速发展，卫星遥感影像分辨率有了很大提高，包括空间分辨率、光谱分辨率和时间分辨率。1972年美国发射了第一颗地球资源技术卫星（ERTS-1）(后更名为陆地卫星1号（Landsat-1）,标志着地球遥感新时代的开始)。1972年以后，美国发射了一系列陆地卫星，包括陆地卫星1号至7号，所携带的传感器由四波段的多光谱扫描仪（MSS,分辨率为80m）发展到80年代初投入使用的专题制图仪（TM,7个波段，分辨率除第6波段的120米外，其余皆为30m），再到1999年4月发射升空的陆地卫星7号所搭载的增强型专题制图仪ETM+（增加了分辨率为15米的全色波段）。到80年代后期至90年代初，法国发射的SPOT卫星上载有20m（10m）的高分辨率传感器（HRV分辨率为20m,全色波段为10m）。印度发射的IRS卫星上载有6.25m分辨率的全色波段。1999年9月，美国空间成像公司（Space Imaging Inc.）发射成功的小卫星上载有IKONOS传感器，能够提供1m的全色波段和4m的多光谱波段，是世界上第一颗商用1米分辨率的遥感卫星。此外，SPIN-2卫星数据由俄国返回式卫星从80年代至今获得，它提供2米和10m分辨率全色影像数据及DEM和立体像对。由韩国太空研究院所有的KOMPSAT卫星数据从2000年开始可以提供6.6米分辨率的全色波段数据和13米多光谱（四个波段）数据。适普公司代理上述IKONOS和SPIN-2卫星数据的国内销售业务，因此可以将应用与研究良好的有机结合起来,并提供数据增值服务。

　　另一方面，低空间高时相频率的AVHRR（气象卫星NOAA系统系列，星下点分辨率为1km）以及其他各种航空航天多光谱传感器亦相继投入运行，形成现代遥感技术高速发展的盛期。除了常规遥感技术迅猛发展外，开拓性的成像光谱仪的研制已在80年代开始，并逐渐形成了高光谱分辨率的新遥感时代。

　　由于高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波段遥感数据所不能探测的，使得成像光谱仪的波谱分辨率得到不断提高。从20世纪80年代初研制的第一代成像光谱仪--航空成像光谱仪（AIS）的32个连续波段，到第二代高光谱成像仪--航空可见光/红外光成像光谱仪（AVIRIS），AVIRIS是首次测量全部太阳辐射覆盖的波长范围（0.4 ~ 2.5μm）的成像光谱仪。美国宇航局于1999年底发射的中等分辨率成像光谱仪（MODIS）和即将送入地球轨道的高分辨率成像光谱仪（HIRIS）将为人类提供更多信息。MODIS是EOS计划（又称Terra计划）中用于观测全球生物和物理过程的仪器，每天可完成一次全球观测。MODIS提供0.4~2.5μm之间的36个离散波段的图像，星下点空间分辨率可为250m、500m、1km。MODIS每两天可连续提供地球上任何地方的白天反射图像和白天/昼夜的发射光谱图像。

　　HIRIS将有30m的空间分辨率，获取0.4~2.5μm波长范围的10nm宽的192个连续光谱波段。它是AVIRIS的继承者。HIRIS将获取沿飞行方向 前后＋60°～－30°及横向±24°的图像。虽然它的周期为16天，但由于它的指向能力，对于一些特殊区域，其覆盖频率将会更高。HIRIS数据将用于识别表面物质、测量小目标物的二向性反射分布函数（BRDF）及执行小空间范围的生态学过程的详细研究。

　　2001年即将发射的OrbView卫星将能同时提供更高空间分辨率和光谱分辨率的数据。它提供1m全色波段影像和4m或5m的多光谱波段及空间分辨率为8m的200个波段的高光谱数据。

　　此外，许多具有更高空间分辨率和更高波谱分辨率的商用及军事应用卫星也已发射或即将发射，如下表所示。



传感器 机构 波段数 分辨率
AVIRIS NASA/JPL 224 20 m
SEBASS DoD 128 .6 - 3.8 m
HYDICE DoD 210 .75 - 4.0 m
LASH Navy 48 .73- .91 m
ASRP DARPA / DARO 384 5.0 m




　　总之，信息技术和传感器技术的飞速发展带来了遥感数据源的极大丰富，每天都有数量庞大的不同分辨率的遥感信息，从各种传感器上接收下来。这些高分辨率、高光谱的遥感数据为遥感定量化、动态化、网络化、实用化和产业化及利用遥感数据进行地物特征的提取，提供了丰富的数据源。

　　2、定量化：空间位置定量化和空间地物识别定量化

　　遥感信息定量化是指通过实验的或物理的模型将遥感信息与观测目标参量联系起来，将遥感信息定量地反演或推算为某些地学、生物学及大气等观测目标参量。遥感信息定量化研究将涉及到遥感器性能指标的分析与评价、大气参量的计算与大气订正方法和技术、对地定位和地形校正方法与技术、计算机图像处理与算法实现、地面辐射和几何定标场的设置以及各种遥感应用模型和方法、观测目标物理量的反演和推算等多种学科及领域。其中，遥感器定标、大气订正和目标信息的定量反演是遥感信息定量化的三个主要研究方面。遥感信息的定量化研究，主要目标是实现空间位置定量化和空间地物识别定量化，即利用数字摄影测量技术和遥感地物波谱技术和模式识别技术来定位地物并判别地物特征。

　　遥感信息定量化，建立地球系统科学信息系统，实现全球观测海量数据的定量管理、分析与预测、模拟是遥感当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。但是仅靠目视解译和常规的计算机数据统计方法来分析遥感数据，精度总提不高，应用效率相对低，寻找应用的新突破口也非常困难。尤其对多时相、多遥感器、多平台、多光谱波段遥感数据的复合研究中，问题更为突出。其主要原因之一是遥感器在数据获取时，受到诸多因素的影响，譬如，仪器老化、大气影响、双向反射、地形因素及几何配准等，使其获取的遥感信息中带有一定的非目标地物的成像信息，再加上地面同一地物在不同时间内辐射亮度随太阳高度角变化而变化，获得的数据预处理精度达不到定量分析的高度，致使遥感数据定量分析专题应用模型得不到高质量的数据作输入参数而无法推广。GIS的实现和发展及全球变化研究更需要遥感信息的定量化，遥感信息定量化研究在当前遥感发展中具有牵一发而动全局的作用，因而是当前遥感发展的前沿。

　　鉴于遥感信息的定量化处理，可以在现有遥感数据的基础上，获取质量更高、位置更精确的信息，从而扩大遥感信息的应用深度和广度，实现遥感应用的工程化、实用化、功能化。国内的遥感机构在此方面做了不少工作。例如，中国科学院遥感应用研究所的几个部门利用全数字摄影测量软件做了很多的项目，如大庆油田项目、军方项目、西部开发项目等；其中863课题组用该系统制作了亚运村的三维景观漫游，用于北京申奥，取得了很好的效果。中科院遥感所通过这些项目，不仅取得了良好的经济效益和社会效益，而且将遥感应用与研究紧密结合在一起，通过这些项目的锻炼还培养了很多有实际经验的博士和硕士。

　　3、智能化：

　　遥感的智能化首先表现在遥感传感器的可编程：传感器不仅可以按设定的方式进行扫描，而且可以根据具体要求由地面进行控制编程，使用户可以获得多角度，高时间密度的数据。

　　影象识别和影象知识挖掘的智能化是遥感数据自动处理研究的重大突破：遥感数据处理工具不仅可以自动进行各种定标处理，而且可以自动或半自动提取道路，建筑物等人工建筑。地物波谱库的建立及高光谱自动识别系统使用户可以方便的进行地物识别，并在此基础上进行定量化分析。

　　遥感数据自动配准算法是遥感数据生产的一大福音，它不仅大大加快了数据定位速度，提高了生产效率，而且为数据定位提供了一种高精度的生产工具。
body.clientHeight)this.width=body.clientHeight" border=0>

　　4、动态化：

　　由于小卫星技术的发展，使得卫星造价很低，因此卫星网络计划得以顺利实施。NASA的"传感器网络"使用户可以在获得更高分辨率的数据的同时，也可以获得更高时间密度的遥感数据。而雷达微波技术的发展，更使用户可以获得全天候的遥感数据，这一切都为遥感动态监测创造了条件，使遥感数据真正实现了"四维"（空间维和时间维）信息获取。

　　5、网络化：

　　Internet改变了我们的世界。当前，Internet已不仅仅是一种单纯的技术手段，它已演变成为一种经济方式--网络经济。人们的生活也已离不开Internet。大量的应用正由传统的Client/Server(客户机/服务器)方式向Brower/Server（浏览器/服务器）方式转移，和传统的基于Client/Server的GIS、RS等产品相比较，新的网络化产品有如下优点：

　　更广泛的访问范围 客户可以同时访问多个位于不同地方的服务器上的最新数据，而这一Internet/Intranet所特有的优势大大方便了GIS的数据管理，使分布式的多数据源的数据管理和合成更易于实现。

　　平台独立性 无论服务器/客户机是何种机器，用户就可以透明地访问各种异构数据，在本机或某个服务器上进行分布式部件的动态组合和空间数据的协同处理与分析，实现远程异构数据的共享。

　　降低系统成本 传统GIS、RS在每个客户端都要配备昂贵的专业GIS、RS软件，而用户使用的经常只是一些最基本的功能，这实际上造成了极大的浪费。网络化的GIS、RS产品在客户端通常只需使用Web浏览器（有时还要加一些插件），其软件成本与全套专业GIS、RS相比明显要节省得多。另外，由于客户端的简单性而节省的维护费用也不容忽视。
更简单的操作 要广泛推广GIS，、RS使GIS、RS系统为广大的普通用户所接受，而不仅仅局限于少数受过专业培训的专业用户，就要降低对系统操作的要求。通用的Web浏览器无疑是降低操作复杂度的最好选择。

　　目前，网络化的GIS、RS产品在Internet/Intranet上的应用为典型的三层结构，三层结构包括客户机、应用服务器与Web服务器、数据库服务器。这种方式又称瘦客户机系统。瘦客户机系统是指在客户机端没有或者有很少的应用代码。在以往的终端和主机的体系结构中，所有系统都是瘦客户机系统。现在随着Internet技术以及Java、ActiveX技术的出现，瘦客户机系统又重新出现。客户机负责数据结果的显示和用户请求的提交; 地图应用服务器和Web服务器负责响应和处理用户的请求;而数据库服务器负责数据的管理工作。所有的地图数据和应用程序都放在服务器端，客户端只是提出请求，所有的响应都在服务器端完成，只需在服务器端进行系统维护即可，因此大大降低了系统的工作量。

　　现在，网络化的GIS、RS产品得到越来越广泛的应用。概括起来，其应用方向分为两大类，一类为基于Internet的公共信息在线服务，为公众提供交通、旅游、餐饮娱乐、房地产、购物等与空间信息有关的信息服务。在国内外的站点上已有了成功的应用，如MapQuest(http://www.mapquest.com)。这些站点提供大量的与空间位置有关的各种生活类信息服务。网络化的GIS、RS产品的另外一类应用为基于Intranet的企业内部业务管理，如帮助企业进行设备管理、线路管理以及安全监控管理等等。随着企业Intranet应用的深入和发展，基于Intranet的网络化的GIS、RS产品应用会有越来越大的市场，这无疑是未来的发展方向。

　　6、实用化、工程化与产业化

　　遥感技术通过多年的研究和发展，同时随着遥感数据获取技术的突飞进，大量有实力的商业公司加入到遥感应用领域。它们不仅为遥感行业带入了大量资金，而且使应用成本快速下降，因此遥感技术产业化已经成为必然趋势。但是遥感产业化还存在许多关键问题有待研究，其中遥感工程应用技术及工程标准是急需解决的问题。测绘工程已经是非常成熟的工程技术，遥感工程可以很好的借鉴测绘生产的经验。例如适普公司的全数字摄影测量系统（VisuoZo NT），自1996年在国内开始销售以来，在全国各省、各个行业及欧美、澳大利亚及很多亚洲国家和地区（如香港、日本、韩国、马来西亚、印度尼西亚等）有几百个的用户。国家测绘局在黑龙江、四川、陕西建立数字化生产基地，也主要以适普公司的全数字摄影测量系统为主要生产线，取得了很可观的收益。适普公司利用全数字摄影测量系统的技术优势，在日本得到了大量的数据生产任务，在全国建立了几个数据生产基地，形成了摄影测量生产的工程化和产业化。

二、遥感地物定量化研究现状

　　遥感信息定量化的要求使得高光谱遥感信息的定量分析与应用成为迫切的需要。高光谱遥感器的光谱分辩率已达数纳米，空间分辩率仅几米，对应图象任一像元反演的地物光谱，可与地面实测值相比拟，这将便于实验室地物光谱分析模型直接应用到高光谱遥感的处理和分析研究，以及利用计算机自动进行地物的光谱分类和匹配识别研究。在传统的遥感影像分类过程中，样本选取的精度与准确性直接影响了计算机分类的精度与准确性，由于遥感数据的空间分辨力有限（如TM为30×30m），因此每一个像元反映的是其像元范围内所有地物的综合，混合像元问题造成了地物识别的困难性和面积统计的不确定性；由于传统的统计分类方法的统计特性造成了分类中的混分和漏分，从而大大影响了分类精度。另一方面，遥感信息定量化，将要求使不同种类遥感数据的信息进行复合，使复合后的信息不仅达到空间分辩率的归一化，而且其辐射值仍保持着目标结构和成分的物理信息，这将在全球变化和全球资源环境状况监测和调查等应用研究中具有重要的意义。上述种种问题对遥感影像处理软件提出了严峻的考验。

　　成像光谱仪（Imaging Spectrometer）为每个像元提供数十至数百个窄波段（通常波段宽度<10 nm）光谱信息，能产生一条完整而连续的光谱曲线。图1展示成像光谱仪的基本概念。 由于高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波段遥感数据所不能达到的，由此可见，高光谱数据在遥感地物定量分析上具有极大的应用前景。

body.clientHeight)this.width=body.clientHeight" border=0>

三、ENVI用于遥感地物定量化研究

　　适普软件公司代理的美国RSI公司的遥感影像处理软件ENVI是一套功能齐全的遥感影像处理系统，是显示、分析并处理多光谱数据、高光谱数据和雷达数据的高级工具。其先进的高光谱分析工具为地物目标识别、变化信息检测提供了可靠的手段。该系统功能强大,效果直观,完全由IDL(一种完全面向矩阵的强大的可视化开发语言)开发,方便灵活,可扩展性强，获2000年美国权威机构NIMA遥感软件测评第一。

　　ENVI可以高效地利用和分析各种类型的遥感数据。ENVI对于要处理的图像波段数没有限制，可以处理最先进的卫星格式，如Landsat7, SPOT, RADARSAT, NASA, NOAA, EROS和TERRA,并准备接受未来所有传感器的信息。

　　ENVI提供对AVHRR、Landsat MSS、Landsat TM的定标功能，可以根据头文件信息将影像中象素点的灰度值定标为反射率或辐射率，并能自动将Landsat TM的热红外波段（第六波段）定标为温度值。

　　ENVI拥有世界上最先进的高光谱和多光谱分析工具。利用ENVI提供的高光谱分析工具，用户可以分析图像中任意点的波谱曲线，用户可以计算出图像中纯度最高的像元，通过与已知波谱库的比较确定未知波谱的组分。用户不但可以使用ENVI自带的波谱库，也可以自定义波谱库，甚至可以组合使用线性波谱分离和匹配滤波技术进行亚像元分解，以消除匹配误差获得更精确的结果。利用与ENVI相结合的雷达工具通过选择极化、分析散射模式、提取纹理信息来更好的识别目标。

ENVI进行地物识别的流程分析（如图2所示）：



　　1、遥感数据定标：
遥感数据本质上是地物波谱。为了保证样本于地物关系的一致性，首先对遥感数据进行反射率定标。将影像的灰度值转化为反射率或辐射率图像。

　　2、采用MNF方法实现信息重组：

　　基于对高光谱遥感图像信息提取开发出来的MNF分析是在主成分分析基础上经过进一步改进，由美国著名科学家Boardman 和Kruse于1994年发明的一种图位空间变换方法。基于对高光谱遥感图像信息提取开发出的MNF分析首先把噪声成分从图像信息中分离出去，这样也同时减少了对超大数据量的处理要求。MNF分析的第一步是以噪声成分的协方差矩阵为基础，对图像数据作去相关和重定标处理，这样使得噪声成分具有单一方差，且没有带到带的相关性；第二步对经上述处理后的新数据作一次标准的主成分分析。最后，通过对比特征值与相应的结果图像可以把结果图像分成大特征值和主要成分图像，小特征值和噪声成分为主的图像两部分。

　　3、利用PPI（纯净像元指数）进行样本提纯
纯净像元指数法对图像中的像素点进行反复迭代，找出图像中相对纯净的像元（作为图像波谱终端单元），选择MNF结果的前三个主成分作为分析数据，结果图像中最亮的像元是最纯净的像元，把它们定义为感兴趣区（ROI）。

　　4、利用N-D散度法进行样本重组

　　为了提高样本的精度，ENVI提供N维散度法来进一步提纯样本。N维散度法不仅利用了最新的可视化技术使用户可以在真实N维样本空间中进行样本分离，而且可以使样本精度大大提高，减少了由于肉眼识别造成的误差。我们将选出的ROI进行n维散度分析，允许散点在n维空间适时旋转，散点的运动使得用户能同时使用图像的所有波段做波谱分析，技术人员的视觉技术和散点的几何形状被同时使用来定位图像的波谱终端单元，这些波谱终端单元可以用于波谱角分类、混合像元分解、匹配滤波和光谱特征拟合等。

　　5、分类并进行地物识别

　　由于传统统计分离法没用考虑地物波谱特征和混合像元问题，往往造成分类中的混分和漏分，同时也无法反映地物分类的真实性。为了解决这个问题，ENVI提供了两种最先进的分类方法：波谱角分析法和特征分析法，同时采用了规则分类法进行类别重组。在波谱库的支持下进行波谱角分类。波谱角分类（SAM）是根据图像像元与参考光谱或ROI的相似性来决定一个像元的类别。从分类结果看，SAM类别识别能力强，可以剔除光照影像，同时分类碎块小。特征分析主要是针对分类识别中，由于各种干扰造成漏分及混分的现象提出的特征识别方法。由于遥感数据的混合像元效应和各种干扰造成不同物质谱线相似，相同物质谱线差异大等现象，从而形成传统方法中的漏分及混分。由于各种物质都有自己的特征吸收峰，它并不受到其它现象的干扰，因此通过波谱特征识别就可以大大减少混分和漏分现象。规则分类法是对某一分类规则得到的类型特征按用户定义的参数标准进行类型重组的方法，它可以实现不同类别不同标准的归类方式，大大增加了分类的灵活性。

　　另外，ENVI提供的亚像元分解法和空域分辨增强法来解决混合像元问题。亚像元分析法是针对混合像元的特点，利用地物波谱组合等研究成果，对遥感数据每一个像元进行波谱分离，从而计算出每个像元中含有某类地物的含量，达到解决混合像元问题的目的，空域分辨增强法是为了增强小于或接近一个像元的地物。由于混合像元造成了接近一个像元或小于一个像元的地物边界不清，从而减少了此类地物的识别能力。空域分辨增强利用空间域地物文理特点和空间大核卷积算法，增强此类地物的识别能力。

下图所示为对美国加利福尼亚州圣地亚哥地区的某一海军飞行基地的遥感影像进行分类和地物识别的结果，原始图像为AVIRIS数据（已经过大气辐射校正），在原始图像上，有些飞机清晰可见，依据飞机形状就可以分辨出来，但有些小飞机受影像空间分辨率限制，人眼很难将其从图像中识别出来，此时，利用ENVI的高光谱分析工具，用波谱角分类的方法可以方便准确地将其辨认出来，如图3的右图所示，影像中下部的红点与与影像中部的飞机被分为一类，可见其确实是某种类型的飞机。


body.clientHeight)this.width=body.clientHeight" border=0>
body.clientHeight)this.width=body.clientHeight" border=0>

　　6、最后，用户可以使用ENVI的波谱分析器，将分类结果中感兴趣地物的波谱曲线与ENVI自带的波谱库或自定义波谱库进行对比

　　分析，从而识别未知地物。达到目标检测识别的目的。下图所示为对飞机表面物质的波谱曲线进行分析，用ENVI的波谱分析包将其与该地区的波谱库进行比较，得出其最有可能是某种物质的结果。

body.clientHeight)this.width=body.clientHeight" border=0>



　　遥感信息定量化使高光谱遥感信息的定量分析与应用成为现实。高光谱遥感器的光谱分辩率已达数纳米，空间分辩率仅几米，对应图象任一像元反演的地物光谱，可与地面实测值相比拟，这将便于实验室地物光谱分析模型直接应用到高光谱遥感的处理和分析研究，以及利用计算机自动进行地物的光谱分类和匹配识别研究。长期以来，高光谱遥感一直处于在以航空为基础的研究发展阶段，且主要集中在一些发达国家，对其数据的研究和应用还十分有限。近些年来情况出现了转机，随着近些年各种高光谱传感器的出现，一个高光谱群星灿烂的局面将展现在我们面前，高光谱遥感的深入应用正处在突破的前夕。

参考文献

[1]浦瑞良，宫鹏，高光谱遥感及其应用，高等教育出版社，2000,8

[2]田庆久，遥感信息定量化理论、方法与应用，2000，11

[3]Boardman, J. W., Kruse, F. A., and Green, R. O., 1995, Mapping target signatures via
partial unmixing of AVIRIS data: in Summaries, Fifth JPL Airborne Earth Science
Workshop, JPL Publication 95-1, v. 1, p. 23-26.

[4]Boardman, J. W., 1993, Automated spectral unmixing of AVIRIS data using convex
geometry concepts: in Summaries, Fourth JPL Airborne Geoscience Workshop, JPL
Publication 93-26, v. 1, p. 11 - 14.

[5]Green, A. A., Berman, M., Switzer, P, and Craig, M. D., 1988, A transformation for
ordering multispectral data in terms of image quality with implications for noise
removal: IEEE Transactions on Geoscience and Remote Sensing, v. 26, no. 1, p. 65-
74.

[6]Markham, B. L., and Barker, J. L.,1986, Landsat MSS and TM post-calibration
dynamic ranges, exoatmospheric reflectances and at-satellite temperatures: EOSAT
Landsat Technical Notes, No. 1, August 1996.

[7]Research Systems Inc, 1997, ENVI User's Guide, Chapter 10.

[8]Sabins, F. F. Jr., 1986, Remote Sensing Principles and Interpretation: W. H. Freeman
and Company, New York, 449 p.

wangxlin

了解了，感谢提供！