高光谱遥感地表参数定量反演及应用

自20世纪80年代高光谱遥感技术诞生以来，中国紧跟前沿技术发展，不断创新并持续快速发展，始终与国际保持同步发展步伐，在高光谱遥感理论、机理与技术验证机典型应用等方面均取得了创新性成果，并已在农业、地矿、环境、文物保护等多领域得到了成功应用，产生了显著的社会经济效益。

植被生态与农业高光谱遥感

植被是生物多样性的重要组成部分。植被遥感，从小的层面上，包括杂草识别、作物分类及长势监测等；从大的层面上，它关系到区域的生态评价、国家的粮食安全以及全球的气候变化。高光谱遥感应用于植被参数反演研究主要包括：生化组分参数反演，如叶绿素Chls（Chlorophylls），类胡萝卜素Cars（Carotenoids）以及氮素N（Nitrogen）等；生物物理参数反演，如叶面积指数LAI（Leaf Area Index）；植被与环境相互作用因素反演，如光合有效辐射FPAR（Fraction of absorbed Photosynthetically Active Radiation）。

在植被生态监测方面，植被指数作为地表植被活动的度量指标之一，已经被广泛应用于地球环境监测，植被变化研究，各种自然灾害，如森林火灾，农作物病虫害，以及各种与环境变化有关的沙漠化，绿地减少，千旱等的研究。由于研究目的的不同，人们设计出了几十种植被指数。一种被普遍接受的植被指数是规格化差值植被指数NDVI，尽管NDVI克服了比值植被指数（RVI）（Jordan，1969）的弱点，将数值限定在[-1，1]之间，而且可以消除大部分与太阳角，地形，云/暗影和大气条件有关的辐照度条件的变化，但却带来了数值饱和问题。为改善NDVI受背景反射亮度影响的缺点，学者们也提出了各种方法，如垂直植被指数（PVI），加权差分植被指数（WDVI）（Clevers，1989），土壤调节植被指数（SAVI）（Huete，1988），针对不同研究目的，这些植被指数显示出了各自的优势。但对于高光谱数据，有几十甚至上百个波段，除了起主要作用的红色波段和近红外波段外，其他波段在反映植被的某些生物物理特性的细微变化时，显示了其不可忽视的独特作用。

因此，需要定义一种针对高光谱数据的新的植被指数算法。针对上述问题，提出了全谱段植被指数VIUPD（Zhang，2006，2007；Zhang等，2010），其计算原理利用了整个波段的有效信息，更能够反应植被的细微变化，该植被指数与传感器无关，因此，基于VIUPD建立的模型，精度更高，有助于利用多源遥感数据构建长时间序列植被指数，满足全球变化研究需要。

在农业生产方面，高光谱遥感在作物长势监测、产量估计、品质监测以及病虫害监测预测方面得到了广泛应用。目前，国内外在作物病虫害遥感监测研究中，主要是针对受病虫害胁迫作物的光谱特征，开展病虫害胁迫的特征提取。常用的特征提取方法包括基本的光谱运算及变换方法，如敏感波段提取法，光谱植被指数法，微分光谱分析法，吸收谷/反射峰等光谱位置参数提取法等）和光谱数据知识挖掘方法，如主成分分析法，小波分析法，神经网络法，支持向量机，偏最小二乘回归等。为开展作物不同病虫害区分研究，研究者提出了新型病害识别光谱指数。如通过引人RELIEF-F特征提取算法，阐明了小麦条锈病，白粉病以及蚜虫的光谱特征，并构建定量区分特定病害的新型光谱指数NSIs（New Spectral Indices），包括HI（Health-Index），PMI（Powdery Mildew-Index），YRI（Yellow Rust-Index），AI（Aphids-Index）（Huang等，2014），将这些新型植被指数用于叶片和冠层尺度病虫害区分均取得满意的结果。

岩矿高光谱遥感

高光谱遥感最先是由地质学家在研究矿物和演示的光谱特性时提出的，经过30年的发展，在岩矿光谱库构建、光谱机理、矿物混合模型、岩矿信息提取技术等方面取得了长足的进步（Tong等，2014）。高光谱遥感技术最初发展于矿产资源勘查领域，但现已进入一个全新的发展阶段。例如，在信息提取方法方面，充分考虑了遥感数据异源空间与光谱融合的手段提取蚀变信息，结果表明在识别种类、相对精度等方面均较融合前有较大幅度提升；在数据源方面，基于新型卫星高光谱载荷数据提出了岩矿高光谱识别与定量反演系列模型，如利用中国天宫一号高光谱卫星数据进行蚀变信息的有效提取与矿物填图工作，利用中国嫦娥一号数据制作了全月表典型造岩矿物与太空风化分布图（Shuai等，2013），如图11所示。

内陆水体高光谱遥感

内陆水体光学特性复杂，且随区域和季节变化大。波段较宽的多光谱遥感很难探测到水体组分的光谱信息，因此具有很大的局限性。高光谱遥感具备捕捉细微光谱特征的能力，一方面能够解决多光谱无法解决的某些问题，如蓝藻水华与水草的区分、藻蓝素浓度探测等；另一方面丰富的光谱信息能够提高内陆水体水质参数的反演精度。内陆水体高光谱遥感涉及3个关键问题：即内陆水体光场二向性测量与分析、水质参数高光谱遥感反演，蓝藻水华高光谱遥感监测等。目前，国际上能够测量水体光场二向性的主要就是水下鱼眼相机（Voss，1989；Voss和Chapin，2005），但是它只能测量水下光场。与之相对的水上光场二向性的测量具有更加重要的现实意义。

在水质参数高光谱遥感反演方面，通常有3种方法，即经验方法、半经验方法和分析方法（Dekker，1993），目前国际上仍是以经验模型为主，还没有形成模型库及自动化模型选择策略，针对此问题，Zhang等人（2015a）以中国典型内陆水体为研究区，首次建立了覆盖不同季节典型内陆水体的水质参数反演经验模型库以及模型自动选择机制。在蓝藻水华高光谱遥感提取技术方面，水草对蓝藻水华的干扰最大，传统方法利用FAI指数很难避免水草的干扰，为此，学者在蓝藻水华和水草光谱特征分析的基础上构建了叶绿素a光谱指数和藻青蛋白光谱指数，发展了基于光谱指数的蓝藻水华与水草高光谱遥感精细识别技术；构建了基于梯度复杂度的蓝藻水华阈值确定方法，实现了蓝藻水华分布的自动化提取（张兵等，2012）。此外，为提高环保业务部门对中国内陆水体开展大范围、快速水环境遥感监测的能力，在此基础上开发了地表水环境遥感监测系统，促进了高光谱遥感在水环境中的广泛应用，如图12所示为中国十大湖水色参量FU（Forel-Ule）值年均值图像。