【導(dǎo)讀】理信息系統(tǒng)，全球定位系統(tǒng)等技術(shù)在內(nèi)的空間信息技術(shù)，逐漸深入到國民經(jīng)濟、社會生活與國家安全的。各個方面，使社會可持續(xù)發(fā)展和經(jīng)濟增長方式發(fā)生了深刻的變化，其發(fā)展與應(yīng)用水平業(yè)已成為綜合國力評價的重要。1998年美國副總統(tǒng)戈爾從戰(zhàn)略高度提出了空間信息技術(shù)綜合應(yīng)用的重大目標(biāo)之——“數(shù)字地球”的構(gòu)想，將空間。隨著國家和地區(qū)空間信息基礎(chǔ)設(shè)施的建立和完善，分布式數(shù)據(jù)。庫的發(fā)展與成熟，以及高性能計算、聯(lián)網(wǎng)處理能力的提高，美國和西方七國集團已把空間信息技術(shù)列為從工業(yè)化向。在應(yīng)用方面，3S技術(shù)已在國家的經(jīng)濟建設(shè)中，尤其在重大自然災(zāi)害監(jiān)測與評估和資源調(diào)查等方面，為國家。領(lǐng)導(dǎo)人和各級政府部門提供了大量科學(xué)的宏觀輔助決策信息，產(chǎn)生了巨大的社會效益。已經(jīng)正在將這些技術(shù)擺上部門業(yè)務(wù)化應(yīng)用的日程，成為主管部門執(zhí)法或制定產(chǎn)業(yè)政策、規(guī)范及行業(yè)技術(shù)改造的重要。部領(lǐng)導(dǎo)的一致好評。器態(tài)勢的控制；國產(chǎn)軟件在昆明世博會上應(yīng)用成功，并打入了2020年悉尼奧運會。

　　

【正文】 用方向分為兩大類， 一類為基于 Inter 的公共信息在線服務(wù)，為公眾提供交通、旅游、餐飲娛樂、房地產(chǎn)、 購物等與空間信息有關(guān)的信息服務(wù)。在國內(nèi)外的站點上已有了成功的應(yīng)用，如 MapQuest(h 網(wǎng)絡(luò)化的 GIS、 RS 產(chǎn)品的另外一類應(yīng)用為基于 Intra 的企業(yè)內(nèi)部業(yè)務(wù)管理，如幫助企業(yè)進 行設(shè)備管理、線路管理以及安全 監(jiān)控管理等等。隨著企業(yè) Intra 應(yīng)用的深入和發(fā)展，基 于 Intra 的網(wǎng)絡(luò)化的 GIS、 RS 產(chǎn)品應(yīng)用會有越來越大的市場，這無疑是未來的發(fā)展方向。 實用化、工程化與產(chǎn)業(yè)化 遙感技術(shù)通過多年的研究和發(fā)展，同時隨著遙感數(shù)據(jù)獲取技術(shù)的突飛進，大量有實力的商 業(yè)公司加入到遙感應(yīng)用領(lǐng)域。它們不僅為遙感行業(yè)帶入了大量資金，而且使應(yīng)用成本快速 下降，因此遙感技術(shù)產(chǎn)業(yè)化已經(jīng)成為必然趨勢。但是遙感產(chǎn)業(yè)化還存在許多關(guān)鍵問題有待 研究，其中遙感工程應(yīng)用技術(shù)及工程標(biāo)準(zhǔn)是急需解決的問題。測繪工程已經(jīng)是非常成熟的 工程技術(shù)，遙感工程可以很好的借鑒測繪生產(chǎn)的經(jīng)驗。例如適普公司的全數(shù)字?jǐn)z影測量系 統(tǒng)（ VisuoZo NT），自 1996 年在國內(nèi)開始銷售以來，在全國各省、各個行業(yè)及歐美、澳大 利亞及很多亞洲國家和地區(qū)（如香港、日本、韓國、馬來西亞、印度尼西亞等）有幾百個 的用戶。國家測繪局在黑龍江、四川、陜西建立數(shù)字化生產(chǎn)基地，也主要以適普公司的全 數(shù)字?jǐn)z影測量系統(tǒng)為主要生產(chǎn)線，取得了很可觀的收益。適普公司利用全數(shù)字?jǐn)z影測量系 統(tǒng)的技術(shù)優(yōu)勢，在日本得到了大量的數(shù)據(jù)生產(chǎn)任務(wù)，在全國建立了幾個數(shù)據(jù)生產(chǎn)基地，形 成了攝影測量生產(chǎn)的 工程化和產(chǎn)業(yè)化。 二、遙感地物定量化研究現(xiàn)狀 遙感信息定量化的要求使得高光譜遙感信息的定量分析與應(yīng)用成為迫切的需要。高光譜遙 感器的光譜分辨率已達數(shù)納米，空間分辨率僅幾米，對應(yīng)圖象任一像元反演的地物光譜， 可與地面實測值相比擬，這將便于實驗室地物光譜分析模型直接應(yīng)用到高光譜遙感的處理 和分析研究，以及利用計算機自動進行地物的光譜分類和匹配識別研究。在傳統(tǒng)的遙感影 像分類過程中，樣本選取的精度與準(zhǔn)確性直接影響了計算機分類的精度與準(zhǔn)確性，由于遙 感數(shù)據(jù)的空間分辨力有限（如 TM 為 3030m），因此每 一個像元反映的是其像元范圍內(nèi)所有 地物的綜合，混合像元問題造成了地物識別的困難性和面積統(tǒng)計的不確定性；由于傳統(tǒng)的 統(tǒng)計分類方法的統(tǒng)計特性造成了分類中的混分和漏分，從而大大影響了分類精度。另一方 面，遙感信息定量化，將要求使不同種類遙感數(shù)據(jù)的信息進行復(fù)合，使復(fù)合后的信息不僅 達到空間分辨率的歸一化，而且其輻射值仍保持著目標(biāo)結(jié)構(gòu)和成分的物理信息，這將在全 球變化和全球資源環(huán)境狀況監(jiān)測和調(diào)查等應(yīng)用研究中具有重要的意義。上述種種問題對遙 感影像處理軟件提出了嚴(yán)峻的考驗。 成像光譜儀（ Imaging Spectrometer）為每個像元提供數(shù)十至數(shù)百個窄波段（通常波段寬 度 10 nm）光譜信息，能產(chǎn)生一條完整而連續(xù)的光譜曲線。圖 1 展示成像光譜儀的基本概念 。 由于高光譜數(shù)據(jù)能以足夠的光譜分辨率區(qū)分出那些具有診斷性光譜特征的地表物質(zhì)，而 這是傳統(tǒng)寬波段遙感數(shù)據(jù)所不能達到的，由此可見，高光譜數(shù)據(jù)在遙感地物定量分析上具 有極大的應(yīng)用前景。 圖 1 成像光譜儀的基本概念 三、 ENVI 用于遙感地物定量化研究 適普軟件公司代理的美國 RSI 公司的遙感影像處理軟件 ENVI 是一套功能齊全的遙感影像處理 系統(tǒng)， 是顯示、分析并處理多光譜數(shù)據(jù)、高光譜數(shù)據(jù)和雷達數(shù)據(jù)的高級工具。其先進的高 光譜分析工具為地物目標(biāo)識別、變化信息檢測提供了可靠的手段。該系統(tǒng)功能強大 ,效果直 觀 ,完全由 IDL(一種完全面向矩陣的強大的可視化開發(fā)語言 )開發(fā) ,方便靈活 ,可擴展性強， 獲 2020 年美國權(quán)威機構(gòu) NIMA 遙感軟件測評第一。 ENVI 可以高效地利用和分析各種類型的遙感數(shù)據(jù)。 ENVI 對于要處理的圖像波段數(shù)沒有限制 ，可以處理最先進的衛(wèi)星格式，如 Landsat7, SPOT, RADARSAT, NASA, NOAA, EROS 和 TERR A,并準(zhǔn)備接受未來所有傳感器的信息。 ENVI 提供對 AVHRR、 Landsat MSS、 Landsat TM 的定標(biāo)功能，可以根據(jù)頭文件信息將影像中 象素點的灰度值定標(biāo)為反射率或輻射率，并能自動將 Landsat TM 的熱紅外波段（第六波段 ）定標(biāo)為溫度值。 ENVI 擁有世界上最先進的高光譜和多光譜分析工具。利用 ENVI 提供的高光譜分析工具，用 戶可以分析圖像中任意點的波譜曲線，用戶可以計算出圖像中純度最高的像元，通過與已 知波譜庫的比較確定未知波譜的組分。用戶不但可以使用 ENVI 自帶的波譜庫，也可以 自定 義波譜庫，甚至可以組合使用線性波譜分離和匹配濾波技術(shù)進行亞像元分解，以消除匹配 誤差獲得更精確的結(jié)果。利用與 ENVI 相結(jié)合的雷達工具通過選擇極化、分析散射模式、提 取紋理信息來更好的識別目標(biāo)。 ENVI 進行地物識別的流程分析（如圖 2 所示）： 遙感數(shù)據(jù)定標(biāo)： 遙感數(shù)據(jù)本質(zhì)上是地物波譜。為了保證樣本于地物關(guān)系的一致性，首先對遙感數(shù)據(jù)進行反 射率定標(biāo)。將影像的灰度值轉(zhuǎn)化為反射率或輻射率圖像。 采用 MNF 方法實現(xiàn)信息重組： 基于對高光譜遙 感圖像信息提取開發(fā)出來的 MNF 分析是在主成分分析基礎(chǔ)上經(jīng)過進一步改進 ，由美國著名科學(xué)家 Boardman 和 Kruse 于 1994 年發(fā)明的一種圖位空間變換方法?；趯Ω? 光譜遙感圖像信息提取開發(fā)出的 MNF 分析首先把噪聲成分從圖像信息中分離出去，這樣也同 時減少了對超大數(shù)據(jù)量的處理要求。 MNF 分析的第一步是以噪聲成分的協(xié)方差矩陣為基礎(chǔ)， 對圖像數(shù)據(jù)作去相關(guān)和重定標(biāo)處理，這樣使得噪聲成分具有單一方差，且沒有帶到帶的相 關(guān)性；第二步對經(jīng)上述處理后的新數(shù)據(jù)作一次標(biāo)準(zhǔn)的主成分分析。最后，通過對比特征值 與相應(yīng)的結(jié)果圖像 可以把結(jié)果圖像分成大特征值和主要成分圖像，小特征值和噪聲成分為 主的圖像兩部分。 利用 PPI（純凈像元指數(shù)）進行樣本提純 純凈像元指數(shù)法對圖像中的像素點進行反復(fù)迭代，找出圖像中相對純凈的像元（作為圖像 波譜終端單元），選擇 MNF 結(jié)果的前三個主成分作為分析數(shù)據(jù)，結(jié)果圖像中最亮的像元是最 純凈的像元，把它們定義為感興趣區(qū)（ ROI）。 利用 ND 散度法進行樣本重組 為了提高樣本的精度， ENVI 提供 N 維散度法來進一步提純樣本。 N 維散度法不僅利用了最新 的可視化技術(shù)使用戶可以在真實 N 維樣本空間 中進行樣本分離，而且可以使樣本精度大大提 高，減少了由于肉眼識別造成的誤差。我們將選出的 ROI 進行 n 維散度分析，允許散點在 n 維 空間適時旋轉(zhuǎn)，散點 的運動使得用戶能同時使用圖像的所有波段做波譜分析，技術(shù)人員的 視覺技術(shù)和散點的幾何形狀被同時使用來定位圖像的波譜終端單元，這些波譜終端單元可 以用于波譜角分類、混合像元分解、匹配濾波和光譜特征擬合等。 分類并進行地物識別 由于傳統(tǒng)統(tǒng)計分離法沒用考慮地物波譜特征和混合像元問題，往往造成分類中的混分和漏 分，同時也無法反映地物分類的真實性。為了解決這個問題， ENVI 提供了兩種最先進的分 類方法：波譜角分析法和特征分析法，同時采用了規(guī)則分類法進行類別重組。在波譜庫的 支持下進行波譜角分類。波譜角分類（ SAM）是根據(jù)圖像像元與參考光譜或 ROI 的相似性來 決定一個像元的類別。從分類結(jié)果看， SAM 類別識別能力強，可以剔除光照影像，同時分類 碎塊小。特征分析主要是針對分類識別中，由于各種干擾造成漏分及混分的現(xiàn)象提出的特 征識別方法。由于遙感數(shù)據(jù)的混合像元效應(yīng)和各種干擾造成不同物質(zhì)譜線相似，相同物質(zhì) 譜線差異大等現(xiàn)象，從而形成傳統(tǒng)方法中的漏分及混分。由于各種物質(zhì)都有自己的特征吸 收峰，它并不受到其它現(xiàn)象的干擾，因此通過波譜特征識別就可以大大減少混分和漏分現(xiàn) 象。規(guī)則分類法是對某一分類規(guī)則得到的類型特征按用戶定義的 參數(shù)標(biāo)準(zhǔn)進行類型重組的 方法，它可以實現(xiàn)不同類別不同標(biāo)準(zhǔn)的歸類方式，大大增加了分類的靈活性。 另外， ENVI 提供的亞像元分解法和空域分辨增強法來解決混合像元問題。亞像元分析法是 針對混合像元的特點，利用地物波譜組合等研究成果，對遙感數(shù)據(jù)每一個像元進行波譜分 離，從而計算出每個像元中含有某類地物的含量，達到解決混合像元問題的目的，空域分 辨增強法是為了增強小于或接近一個像元的地物。由于混合像元造成了接近一個像元或小 于一個像元的地物邊界不清，從而減少了此類地物的識別能力?？沼蚍直嬖鰪娎每臻g域 地物文理特 點和空間大核卷積算法，增強此類地物的識別能力。 圖 3 波譜角分類結(jié)果（左圖為原始 AVIRIS 數(shù)據(jù)，右圖為波譜角分類結(jié)果） 下圖所示為對美國加利福尼亞州圣地亞哥地區(qū)的某一海軍飛行基地的遙感影像進行分類 和地物識別的結(jié)果，原始圖像為 AVIRIS 數(shù)據(jù)（已經(jīng)過大氣輻射校正），在原始圖像上，有 些飛機清晰可見，依據(jù)飛機形狀就可以分辨出來，但有些小飛機受影像空間分辨率限制， 人眼很難將其從圖像中識別出來，此時，利用 ENVI 的高光譜分析工具，用波譜角分類的方 法可以方便準(zhǔn)確地將其辨認(rèn)出來，如圖 3 的右圖所示，影 像中下部的紅點與與影像中部的飛 機被分為一類，可見其確實是某種類型的飛機。 圖 4 利用波譜庫識別未知波譜信息 最后，用戶可以使用 ENVI 的波譜分析器，將分類結(jié)果中感興趣地物的波譜曲線與 ENVI 自 帶的波譜庫或自定義波譜庫進行對比分析，從而識別未知地物。達到目標(biāo)檢測識別的目的 。下圖所示為對飛機表面物質(zhì)的波譜曲線進行分析，用 ENVI 的波譜分析包將其與該地區(qū)的 波譜庫進行比較，得出其最有可能是某種物質(zhì)的結(jié)果。 遙感信息定量化使高光譜遙感信息的定量分析與應(yīng)用成為現(xiàn)實。高光譜遙感器的光譜分辨 率已達數(shù)納米，空間分辨率僅幾米，對應(yīng)圖象任一像元反演的地物光譜，可與地面實測值 相比擬，這將便于實驗室地物光譜分析模型直接應(yīng)用到高光譜遙感的處理和分析研究，以 及利用計算機自動進行地物的光譜分類和匹配識別研究。長期以來，高光譜遙感一直處于 在以航空為基礎(chǔ)的研究發(fā)展階段，且主要集中在一些發(fā)達國家，對其數(shù)據(jù)的研究和應(yīng)用還 十分有限。近些年來情況出現(xiàn)了轉(zhuǎn)機，隨著近些年各種高光譜傳感器的出現(xiàn)，一個高光譜 群星燦爛的局面將展現(xiàn)在我們面前，高光譜遙感的深入應(yīng)用正處在突破的前夕。 參考文獻 [1]浦瑞良，宮鵬，高光 譜遙感及其應(yīng)用，高等教育出版社， 2020,8 [2]田慶久，遙感信息定量化理論、方法與應(yīng)用， 2020， 11 [3]Boardman, J. W., Kruse, F. A., and Green, R. O., 1995, Mapping target signa tures via partial unmixing of AVIRIS data: in Summaries, Fifth JPL Airborne Ea rth Science Workshop, JPL Publication 951, v. 1, p. 2326. [4]Boardman, J. W., 1993, Automated spectral unmixing of AVIRIS data using co nvex geometry concepts: in Summaries, Fourth JPL Airborne Geoscience Workshop, JPL Publication 9326, v. 1, p. 11 14. [5]Green, A. A., Berman, M., Switzer, P, and Craig, M. D., 1988, A transformat ion for ordering multispectral data in terms of image quality with implication s 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 postcalibration dynamic ranges, exoatmospheric reflectances and atsatellite temperatures: EO SAT Landsat Technical Notes, No. 1, August 1996. [7]Research Systems Inc, 1997, ENVI User39。s Guide, Chapter 10. [8]Sabins, F. F. Jr., 1986, Remote Sensing Principles and Interpretation: W. H . Freeman and Company, New York, 449 p. 六： 國內(nèi)外