機載高光譜成像是一種新興技術，它是一種快速、無損的檢測技術，具有光譜分辨率高、波段多和圖譜合一的特點。自從1982年美國航天局噴氣推進實驗室研制出一臺機載成像光譜儀(AIS-1)并獲取遙感飛行數據以來，高光譜遙感的出現為遙感技術帶來一場革命。而后包括中國在內的許多國家都研制成功了一系列高光譜遙感設備，開展對地觀測和空間目標探測任務，搭載于衛星平臺、車載平臺(月球車、火星車等)和航空平臺。進入21世紀以來，機載高光譜應用發展出現井噴態勢，高光譜儀器性能的提高、功能的日益完善和高光譜數據快速、準確、自動化的分析處理，使得機載高光譜日益得到行業重視，廣泛應用于地質調查、環境監測、精準農業、海洋觀測、土地質量和城市規劃等領域。

作為光譜細分遙感成像技術，光譜成像儀研制朝著高光譜、高空間分辨率和微型化輕量化發展。目前國外商業化的光譜成像儀有3種：光機掃描型、推掃型和凝視型。以澳大利亞的HyMap為代表的光機掃描型機載成像儀，成為國內外高光譜行業應用的主打儀器。推掃型成像光譜儀有加拿大的CASI，芬蘭的SPECIM、挪威的AISA和美國的Headwall成像光譜儀。凝視型成像光譜儀有美國CRI的液晶可調諧成像光譜儀Varispec。國內小型化的機載高光譜儀器依賴進口，價格昂貴，且高性能的高光譜設備進口困難，限制了高光譜技術在國內的普及和推廣應用。

近些年來，在可見光-近紅外(400~1000nm)和短波紅外(1000~2500nm)波段范圍的高光譜成像儀研制方面，國內取得長足進步，優勢單位包括上海技術物理研究所、長春光機所和中國地質調查局南京地質調查中心等。從20世紀80年代開始，上海技物所研制出OMIS高光譜成像系統，深圳中達瑞和科技有限公司研制了液晶可調諧濾波器(LCTF)，基于LCTC的成像光譜儀SHIS等。中國地質調查局南京地質調查中心在國家重大儀器開發專項和國家重點研發計劃支持下，成功研制了以推掃式小型化成像光譜儀HMS400/1000為核心的輕型機載高光譜成像系統SSMap，已在江蘇、安徽、浙江等地進行了生態地質環境調查應用示范，取得了高質量的機載遙感數據，獲得了一批重要調查成果。

機載高光譜基本原理及其應用領域

基本原理

機載高光譜波段通常工作在400～2500nm(0.4～2.5μm)范圍內，由可見光和近紅外兩個譜段組成，可見光譜段為400～780nm(0.4～0.78μm)，主要用于區分巖心顏色、植被、水體等;近紅外光譜的波長在780～2500nm(0.78～2.5µm)，主要用于區分含羥基的物質，對此波段的近紅外光譜產生吸收的官能團主要是含氫基團，包括C-H(甲基、亞甲基、甲氧基、羧基、方基等)、羥基O-H、巰基S-H、氨基N-H等，它們的合頻和一級倍頻位于780～2500nm波段。由于含有羥基物質晶格中原子間的化學鍵的彎曲、伸縮和電子能級躍遷吸收某些區域的近紅外光譜，所以根據某些官能團的在近紅外區域的這種特征吸收光譜可以區分不同的物質。

應用領域

隨著機載高光譜遙感技術的發展，數據處理方法成熟，廣泛應用于地質調查、環境監測、海洋生態評價、土地質量評估、精準農業、林業生態和城市規劃領域。在地質調查領域中，利用機載高光譜遙感具有空間分辨率高，能夠精確反映地物目標這一特質，可以區分層狀硅酸鹽中單礦物(黏土礦物，綠泥石，蛇紋石等)，含羥基之硅酸鹽礦物(綠簾石，閃石等)，硫酸鹽礦物(明礬石，黃鐵鉀礬，石膏等)，碳酸鹽礦物(方解石，白云石等);而礦物種類揭示礦化作用過程中熱液蝕變體系結晶時的溫度、壓力和化學環境，礦物中的離子交換反映在羥基的波長移動上，礦物的含量反映在羥基的吸光度上，這些參數揭示地質事件和成礦規律。在環境監測領域，可迅速識別植物、建筑、水質、道路、濕地、土壤等分布與面積，通過建模，評價水土環境質量、農田作物長勢和病蟲害等。

高光譜遙感具有圖譜合一的特點(圖1)，避免了以往航攝帶來的弊端，它不僅能夠用圖像表達目標，還可以根據光譜識別目標，利用高光譜遙感技術，能夠高效地對長江經濟帶生態環境、經濟發展和城鎮布局進行評價，為政府規劃和治理提供技術服務。

圖1VNIR(a)和SWIR(b)光譜數據

機載高光譜成像系統SSMap研發及參數指標

系統研發

SSMap采用中國地質調查局南京地質調查中心自主研發的VRIN可見光-近紅外高光譜成像儀與SWIR短波紅外高光譜成像儀(圖2)進行機載航空高光譜測量系統集成(圖3~圖5)，并研發了配套的軟件對機載高光譜遙感數據進行預處理與信息提取。

系統由成像光譜儀、三軸穩定平臺、慣性導航儀和計算機控制與采集模塊等多個部分組成。

圖2VNIR可見光-近紅外及SWIR短波紅外成像光譜儀

圖3有人機系統組成(a)和無人機系統組成(b)

1—姿態傳感器;2—短波紅外成像光譜儀;3—可見光成像光譜儀;

4—穩定平臺;5—諾瓦泰慣性導航儀;6—支撐架;7—三軸穩定平

臺;8—短波紅外成像光譜儀

圖4直升機(a)運輸機(b)固定翼無人機(c)和旋翼無人機(d)飛行平臺

圖5有人機平臺安裝(a)和無人機平臺安裝(b)

主要技術參數

機載高光譜成像儀系統參數如表1和表2所示。

數據處理軟件研發

機載高光譜數據具有數據量大、處理過程復雜等特點，因此需要高性能的服務器電腦和專業的處理軟件。硬件部分由多臺高性能戴爾服務器電腦組成的運算系統，其服務器操作系統性能穩定，計算能力強，使數據處理工作得到了可靠保障。機載高光譜數據處理采用NovAtel的IE8.8軟件進行Pos數據后差分解算，采用自主研發的HyperPic軟件進行光譜數據處理，包括飛行規劃、大氣校正、幾何校正、輻射定標和反射率反演等功能。

機載高光譜數據采集流程與方法

系統安裝及檢查

飛行前將儀器設備安裝在固定翼飛機、直升機或者無人機等平臺上。檢查系統外觀是否有意有磕、碰和摔等情況。檢查測量系統及其配套設備、地面測量基站等工作狀態是否正常，確保系統各個部分組裝牢固安全。電源、電纜連接正確無誤，各儀器設備讀數正常。進行光譜成像儀的數據采集測試，保證設備工作正常。進行慣性導航儀檢查，確保GPS導航定位接收信號良好，通訊系統保持暢通。對系統進行干擾測試，保證數據收錄正常。

野外數據采集

航空數據采集作業流程包括現場踏勘、飛行準備、飛行測量和地物測量。

飛行前，工作小組需對測區邊緣和測區內進行現場踏勘，熟悉測區的地形地貌，對于地形復雜不容易達到的測區，通過地形圖進行了解，確定地面測量基站和像控點的布設選址。通過調研，確定最佳機場，制定應急迫降方案。

飛行準備包括：收集氣象資料，了解適航天氣;收集測區內的地圖并掃描成電子版;地圖裁切，輸入角坐標，進行地圖定位，作為飛行導航底圖;由專業機組人員對飛機及成像系統進行飛行前例行檢查，檢查飛機安全狀況，成像系統的各接口及儀器性能穩定性進行調試監測和評估。

在飛行測量中，飛機引擎啟動后，接通電源，啟動儀器設備，檢查設備狀態是否正常，并按照設計要求，設置相關技術參數。起飛后，打開鏡頭窗口遮擋板。進入測線前2km開始記錄數據，并于飛出測線2km后停止記錄數據，檢查記錄狀態，監測儀器狀態，根據信號強弱調整相關參數。操作人員要時刻監測航跡、航高、航速是否符合要求，同時監測氣象條件(云量、能見度)，填寫飛行記錄表。如不符合設計要求，及時進行補飛，補飛按原設計要求進行。飛行結束后，根據機上定位設備的需要，在靜止狀態下收集滿足定位要求的數據后，關閉儀器，備份數據，為下一架次測量存儲做好準備。

地面數據的獲取主要包括GPS地面基站測量、地面光譜采樣、水樣采集等三個部分，在航飛數據采集的同時，地面同步進行測量工作。

GPS地面基站測量

使用地面衛星導航定位基站數據做后差分計算，在飛行前30min打開地面基站，在衛星導航定

位基站搜索衛星成功后(至少8顆衛星)，采用靜態測量模式記錄數據，數據記錄頻率高于1Hz。飛行結束半小時后停止記錄，關閉地面基站，導出基站數據并備份。

光譜采樣及采樣點定位

地面光譜采樣采用寬譜段地物波譜儀(350~2500nm)，采樣點定位采用中海達iRTK2型號設備和江蘇Cors定位系統，定位精度達厘米級。作業需要獲取航空組規劃好的飛行路線圖，根據飛行路線圖，設計地面定標路線。選擇地面定標路線要求兼顧飛行路線條件與地面地物條件，每條航線范圍內有至少一個地面采樣點，每個采樣點采樣的地物種類數量視具體情況確定，在確保時間足夠的情況下，盡量多采地物光譜。在地面道路條件允許的情況下，盡量使定標路線垂直或近似垂直地斜交航線，保證每條航線地面采樣時間與飛行時間相差不大。在符合以上基本條件的地面路線中，選取沿途地物種類豐富，房屋建筑物遮擋較少，便于采樣作業的地面路線。飛行測量過程中，地面光譜采樣工作同步進行，并記錄采集點位置、時間和對應的架次及航帶，測量完成后，備份光譜數據和定位數據。圖6為采集的幾種典型地物地面光譜曲線。

圖6幾種典型地物地面光譜曲線

1—草地;2—槐樹;3—瀝青路;4—灘涂;5—水泥路;6—小麥

水體樣采集及現場測試

采樣前要根據檢測項目的性質和采樣方法要求，選擇適宜材質的盛水容器和采樣器，并充分清洗干凈。此外，還要準備好適當的交通工具。采樣容器一般使用塑料容器或玻璃容器。塑料容器用作測定金屬、放射性元素和其他無機物的盛水容器，玻璃容器則用作測定有機物和微生物等的盛水容器。有些項目要求提前加入保存劑，不同項目加入保存劑不同，根據保存劑的不同分別準備盛水容器。同時還準備一些采樣的工具，比如水桶，采樣器，現場使用的實驗設備：pH計、溫度計等。在采集河流、湖泊等地表水時，可以使用桶、瓶等容器直接采取。一般將其沉至水面下0.3~0.5m處采集。在橋上等地方采樣時，可將系著繩子的聚乙烯桶或帶著墜子的采樣瓶投于水中汲水，要注意不能混入漂浮于水面上的其他物質。采集深層水樣時，可以使用帶重錘的采樣器。測定溶解氧的水樣，要使用專門的雙瓶采樣器采樣。湖泊、水庫的采樣點應該設置在湖水的主要出入口、中心區、沿湖泊(水庫)水流方向、滯留區及湖邊城市水源區。大部分水樣在當天采樣工作完成后，立即送往專業分析機構進行測試，測試的指標見表3.

高光譜數據處理與信息提取

高光譜數據預處理

高光譜機載平臺獲取數據時，由于平臺高度及光譜儀視場角限制，導致數據獲取幅寬有限，需多架次飛行獲取的多航帶數據才能完整覆蓋研究區域。因此機載高光譜數據預處理包括輻射校正、幾何校正和圖像拼接等工作，以獲得在空間和輻射能量探測上的精準匹配的完整研究區域影像。最后通過同步獲取的地物波譜數據驗證影像的輻射精度，以進一步檢驗成像數據質量。

輻射定標

由于成像光譜儀輸出的數據并不具有物理意義，因此通過輻射定標將成像光譜儀的DN值轉為有物理意義的輻射亮度值，使遙感信息定量化。采用積分球系統(圖7)完成成像光譜儀的輻射定標。通過對比積分球能級數據即對應功率、積分時間下輸入的輻射亮度值與光譜儀輸出DN值之間的關系，逐波段進行線性擬合，完成光譜儀的輻射定標。在輻射定標前需要對積分球輻亮度數據進行線性插值，得到光譜儀的各波段所對應的輻亮度值。影像DN值與輻亮度值之間存在著線性關系，通過求解高光譜影像的各波段增益系數以及偏移量，完成影像數據的輻射定標。圖8和圖9為可見光影像和短波紅外影像輻射定標后的光譜變化。

反射率轉換

在經過輻射定標后，求得輻亮值數據，進一步使用經驗線性法進行反射率轉換，參與反射率轉換的地面同步光譜數達到324條，平均每一條航帶2條以上的同步地物波譜。

基于經驗模型的反射率反演算法，主要是應用圖像像元自身的灰度值，不考慮大氣、地物屬性以及遙感平臺特征，通過對象元灰度值進行求均值或回歸運算，在統計意義上獲得圖像的反射率值。

圖7積分球示意圖

圖8可見光數據輻射定標結果

圖9短波紅外數據輻射定標結果

經驗線性法(EmpiricalLine,EL)已經在遙感定標和反射率反演中被廣泛使用，主要依靠圖像象元值和圖像背景信息之間的擬合關系完成地表反射率的反演計算。經驗線性法基于如下簡化的公式：

DNb=ρ(λ)Ab+Bb(1)

其中：DNb為給定象元在波段b的數字量化值;ρ(λ)為實測地物象元在波段b所在的波長的地表反射率值;Ab為由于傳輸和儀器本身所導致的倍數增益系數;Bb為由于大氣程輻射和儀器導致的偏移。

該方法在應用中,一般會實測地面兩個或多個定標點的地面反射光譜數值(reflectancespectra)，然后計算遙感圖像上對應象元點的平均輻射光譜值,通過使用統計學中的回歸運算，得到公式(1)中的增益值Ab和偏移值Bb，最后應用該公式，對整幅遙感圖像進行反射率的計算。其中某一地物波譜反射率與地面波譜反射率對比如圖10.

圖10槐樹反射率和ASD數據對比

1— 影像光譜—槐樹;2—ASD光譜—槐樹

幾何校正

首先進行IMU/GPS數據處理，Pos數據采用諾瓦泰公司的IE8.8軟件進行處理(圖11)。該軟件一般

以采用精密單點定位PPP和基站兩種方式解算POS數據，本次采用基站后差分處理方式解算POS數據，精密計算每行數據于曝光時刻的機載GPS天線相位中心的WGS84框架坐標和姿態參數。

圖11IMU/GPS飛行軌跡示意圖

在完成POS數據的解算后進行插值處理，得到了高光譜影像各個掃描行所對應的外方位信息，可以通過建立旋轉矩陣進行坐標轉換，將導航坐標轉換為投影坐標。具體坐標的轉換過程如下：成圖坐標系(m)→導航坐標系(g)→IMU坐標系(b)→傳感器坐標系(c)→像空間坐標系(i)，由成圖坐標系轉換至像空間坐標系的旋轉矩陣表達形式如下：

式中旋轉矩陣可由已知條件觀測獲取，通過矩陣變換求得三個外方位元素姿態參數(ω,?,κ)，三個外方位元素位置參數(Xs,Ys,Zs)需要考慮IMU坐標系中的坐標位置偏移(Xt,Yt,Zt)進行修正。

在求得所有外方位元素(ω,?,κ,Xs,Ys,Zs)后，根據共線條件方程，采用直接法幾何校正計算像點坐標(x,y)對應的地面點坐標(X,Y,Z)，并賦予其像點對應的灰度值。坐標變換公式為：

粗校正后的影像，精度還存在一定的誤差，本實驗利用采集的像片控制點對所有有效的像片均進行微分糾正。按照航帶分區域糾正，最后通過鑲嵌過程，得到最終高光譜影像。

地物分類與信息處理

工作中采用可見光數據287個波段進行地物的精細分類。光譜分辨率和空間分辨率分別為2.42nm和1.0m。地面光譜采樣主要包含各類農作物和樹木、草地、道路材質等68個地物類別，根據工區內地物存在的實際情況，僅選取了農作物、樹木、草、水生植物、道路材質、建筑、裸露地表等七大類別，共計46種地物種類進行精細分類，具體如表4.工區內的其他地物由于數量較少或者光譜干擾嚴重無法區分，如構樹、棗葉、茶樹、銀杏、豇豆、葡萄、芒草、花崗巖地磚等，其中建筑類地物結合POI信息進行了人工解譯劃分，大致劃分為11類用地信息，具體為：一般工廠、加油站、化工企業、醫院診所、商業購物、學校、居民住宅、廣場公園、建筑零時用地、碼頭、行政機關等。

由于高光譜圖像波段數目多，各波段間具有較強的相關性，主成分分析(PCA)方法對高光譜數據進行降維和去除噪聲波段。支持向量機方法對高光譜遙感圖像進行分類，可實現圖像的分類識別，分類步驟及流程見圖12.

圖12基于PCA和SVM的高光譜遙感影像分類流程圖

主成分分析(PCA，PrincipalComponentsAnalysis)是一種簡化數據集的技術。它是一個線性變換。這個變換把數據變換到一個新的坐標系統中，使得任何數據投影的第一大方差在第一個坐標(稱為第一主成分)上，第二大方差在第二個坐標(第二主成分)上，依次類推。主成分分析經常用減少數據集的維數，同時保持數據集對方差貢獻最大的特征。

持向量機的基本思想是尋找一個分類超平面，使得訓練樣本中的兩類樣本能被分開，支持向量機(SupportVectorMachine，SVM)作為一種最新的也是有效的統計學習方法，近年來成為模式識別與機器學習領域一個新的研究熱點。SVM具有小樣本學習、抗噪聲性能、學習效率高與推廣性好的優點，能夠用于解決空間信息處理分析領域的遙感影像處理。遙感圖象分析與處理是SVM應用一個熱門的研究方向。一些主要應用如土地利用分類，目前針對高光譜數據進行分類還是僅僅局限于傳統的分類方法，不但運算速度慢，分類精度低，而且出現了嚴重的huges現象。而在高光譜遙感分類中SVM具有明顯的優性，因此SVM應用被歸納為高光譜遙感分類最重要的進展之一。通過飛行數據，研究了支持向量機在高光譜遙感圖像分類中的應用，建立了基于支持向量機的高光譜遙感圖像分類模型。

機載高光譜遙感應用示范

沿江地物、水體和岸線穩定性探測采用機載高光譜遙感技術，對長江下游干流鎮江—揚州段沿江兩岸岸線外5km范圍內進行生態地質環境遙感調查，總面積約670km2.飛行測線長度2500km。快速識別、提取工作區中的各項環境指標和影響因子，進行生態地質環境評價。飛行區域規劃如圖13所示。

圖13飛行區域及其測線規劃

研究目標

在采集的高光譜數據基礎上，識別和提取土地、植被、濕地、岸段、灘涂等自然資源要素，進行綜合研究，實施生態地質環境評價，給出工作區內各項功能區的開發利用建議;結合水體采樣化驗分析和數學建模方式，對工作區內的水體進行半定量的評價，識別和查找污染源頭，給出水產養殖用水、灌溉用水建議;利用光譜特征，圈定容易產生沖蝕崩塌的岸段;調查了解江灘濕地的植物種群分布及生長特點。

研究成果

(1)地物精細分類

地物精細分類面積為670km2.分類地物共計46類，具體如表5.分類結果(局部)見圖14~圖16.其中分類精度最大90.2%，最小68.69%，平均分類精度達到80.57%，分類精度和指標符合要求。

(2)地表水水質評價

本次高光譜遙感探測利用高光譜數據與地面實際水樣測試分析數據，建立相關性模型，根據《地表水環境質量標準》(GB3838-2002)，對工作區內除長江以外的地表水體進行水質反演評價，評價指標包括總磷、總氮、氨氮、化學需氧量、五日生化需氧量、溶解氧、葉綠素7個指標。評價結果表明：Ⅲ類水占比最少，僅占0.03%;Ⅳ類水占比13.12%;Ⅴ類水體占比最多，為58.13%;劣Ⅴ類水體占比28.72%，主要集中在A、B、C、D、E五塊區域(圖17~圖20)。其中，A區位于工作區西北側，區東側為工廠聚集區，北部為居民生活區，南部為大棚種植、養殖集中區，此處水質較差可能是因為工廠活動和施肥因素的影響;B區位于工作區西側，區域內有塑料包裝、建筑工程、機械配件等工廠，有較為密集的居民生活區，此處水質較差可能是受到工廠施工、居民生活用水排放的影響;C區位于工作區中部，區域內有鋼鐵廠、鞋廠等工廠，初步判斷水體受到了工廠施工環境的影響;D區位于工作區北側偏西，區內有河流，水質較差區域主要分布在居民生活區的周圍，可能受到居民生活的影響;E區位于工作區東側長江南岸，區內為大片水體種植、養殖區，養殖施肥導致此處水質較差。

圖14地物分類結果相對百分比圖

1—水稻;2—青菜;3—菱角;4—荷葉;5—大豆;6—上海青;7—花生;8—油菜;9—芝麻;10—蘿卜;11—草莓;12—蕎麥;13—桑樹;14-楊樹;15—女貞;16—冬青;17—欒樹;18—松柏;19—香樟樹;20-夾竹桃;21—杉樹;22—樺樹;23—竹子;24—羅漢松;25—玉蘭;26—檉柳;27—海桐;28—松樹;29—李子樹;30—天竺葵;31—櫸樹;32—綠化草地;33—雜生草叢;34—蘆葦;35—水體;36—藻;37—浮萍;38—水葫蘆;39—一般建筑;40—工礦企業建筑;41—種植大棚;42—灘涂;43—裸土;44—瀝青;45—水泥;46—未分類地物

圖15高光譜遙感功能區分布圖

圖16高光譜遙感地物精細分類圖

圖17高光譜遙感地表水綜合等級劃分圖

1—工作區范圍;2—I類水;3—II類水;4—III類水;5—IV類水;6—V類水;7—劣V類水

圖18高光譜遙感地表水總氮(N)元素濃度反演分級圖

1—工作區范圍;2—I類水;3—II類水;4—III類水;5—IV類水;6—V類水;7—劣V類水

圖19高光譜遙感地表水總磷(P)元素濃度反演分級圖

1—工作區范圍;2—I類水;3—II類水;4—III類水;5—IV類水;6—V類水;7—劣V類水

圖20高光譜遙感地表水五日生化需氧量(BOD5)反演分級圖

1—工作區范圍;2—I類水;3—II類水;4—III類水;5—IV類水;6—V類水;7—劣V類水

(3)江灘濕地評價

對研究區內主要三處江灘濕地植被進行了分類，濕地區1位于鎮江市焦山風景區以北，面積約16.84km2.濕地區2位于農場以南，面積約10.03km2.濕地區3位于揚中市壽字圩以北，面積約6.13km2.分類結果表明(圖21~圖23)，濕地均存在不同程度的開發利用，開發利用的主要內容為水產養殖、苗圃、水稻。其中濕地1的水產養殖水域面積占比達22.32%，濕地2的水稻種植面積占比達18.89%，濕地3的水稻種植和苗圃積植面積加起來達到了42.17%，由此可見，這些人工開發肯定會對濕地生態環境產生不利影響。

(4)長江岸段穩定性評價

利用高光譜數據的精細分類結果，在GIS(地理信息系統)軟件支持下，對研究區內的江岸穩定性進行評價，評價因子包括岸線材質、岸前灘涂、岸前灘涂植被、岸后植被等。評價結果(圖24)表明，相對穩定岸段多分布于堤壩、沿江公路、港口、公園;相對穩定性較差岸段主要是自然岸段，主要分布于鎮江市江心洲南北兩岸、揚洲江都區自茅家圩往北直至王家橋一帶、揚中市壽字圩以北環江路附近。

圖21濕地區1地物精細分類結果圖

1—水;2—水泥路面;3—水杉;4—柳樹;5—蒿草;6—蘆葦;7—水草;8—綠藻;9—泥路;10—毛草

圖22濕地區2地物精細分類結果圖

1—水;2—水泥路面;3—裸土;4—水稻;5—泥路;6—房屋;7—沖積物;8—蘆葦;9—水草;10—柳樹;11—香樟;12—綠藻;13—其他硬化地表;14—樺樹;15—楊樹;16—毛草;17—蒿草

圖23濕地區3地物精細分類結果圖

1—水;2—綠藻;3—房屋;4—水泥路面;5—泥路;6—砂石;7—未分類;8—沖積物;9—裸土;10—水稻;11—水草;12—蘆葦;13—楊樹;14—毛草

圖24岸基穩定評價

1—相對穩定性較差;2—穩定性一般;3—相對穩定

土壤污染探測

研究區位于江蘇省鎮江市丹陽東北部地區，地貌以平原為主，地勢較平坦，局部有較小范圍的剝蝕殘丘，最高峰為123m，其余的地區為平原，海拔高度一般在7m。飛行面積310km2.飛行測線總長度為740km(圖25)。

圖25飛行軌跡示意圖

研究目標

通過機載高光譜技術采集耕地土壤高光譜影像，并進行同步野外地物波普測量，進行耕地土壤地面檢測和高光譜傳感器數據融合。采集耕地土壤具有代表性的實驗樣品，實驗室測定其全氮含量、有機質含量、水分含量、土壤肥力以及重金屬污損情況等，與光譜特性分析結果對比，確定耕地土壤生態參數及其變化與光譜特性基本關系，建立耕地土壤影響因子快速監測的高光譜反演模型。

研究成果

通過反演結果可以看出，丹陽地區元素As的污染區域較多，主要集中研究區域的西北、西南和東部地區;元素Cr主要集中在中北部地區，而元素Cu則集中在中南部地區(圖26~圖28)。根據其分布可以發現，除了相關性較高的Hg和Ni外，其他污染元素分布并沒有一定的相關性，分布區域各不相同。通過機載高光譜反演影像與實際采集樣品分析結果插值對比分析，兩者在數值趨勢上基本一致(圖29)，說明通過高光譜影像進行污染元素含量反演具有較強的說服力。丹陽地區土壤重金屬污染元素主要為As、Cr、Cu。實地調研后發現，圖中污染元素含量較高的區域基本都位于工業區，其中，與汽車行業的相關工業園對污染元素Cu的影響較大，而一些家具、橡膠加工行業對污染元素Cr和As的影響較大。

圖26丹陽地區元素As高光譜反演結果圖圖27丹陽地區元素Cr高光譜反演結果圖

圖27 丹陽地區元素Cr高光譜反演結果圖

圖28丹陽地區元素Cu高光譜反演結果圖

圖29丹陽地區土壤元素As實測插值分析圖

生態環境調查

研究目標

通過機載高光譜成像技術對安徽省池州市貴池區進行生態環境調查。通過采集的高光譜影像、同步水體樣采集測試與實際土壤樣品分析，反演得出藻類分布、土壤重金屬污染分布及礦山開采區的粉塵污染分布信息。

研究成果

利用航空高光譜數據對安徽貴池秋浦河沿岸地區生態環境調查發現，水體藻類有著特征波段，通過反演能夠有效提取到藻類信息(圖30)，精度可達74.33%以上。

由機載高光譜反演的影像與實際采集土壤樣品分析結果插值對比分析，兩者結果基本一致(圖31.圖32)，進一步說明了機載高光譜探測土壤污染的有效性。

在貴池某礦山開采區通過機載高光譜反演影像可以清晰識別出礦山粉塵污染分布(圖33)。

圖30藻類信息(藍色)分布圖

圖31 機載高光譜Cr元素反演影像(上)與實際采集土壤樣品分析結果(下)對比

圖32機載高光譜Cu元素反演影像(上)與實際采集土壤樣品分析結果(下)對比

圖33高光譜遙感識別貴池某礦山粉塵(紅色區域)污染分布

結論

高光譜成像技術將成像技術與光譜技術相結合，探測目標的二維幾何空間及一維光譜信息，獲取高光譜分辨率的連續、窄波段的圖像數據。隨著機載高光譜遙感技術的發展，數據處理方法日益成熟，這項技術被廣泛應用于地質調查、環境監測、海洋生態評價、土地質量評估、精準農業、林業生態和城市規劃等領域。