高光譜遙感已成為地表植被地學過程對地觀測的強有力的工具，其特點是在特定光譜域以高光譜分辨率同時獲取連續的地物光譜圖像，使得遙感應用著重于在光譜維上進行空間信息展開，定量分析地球表層生物物理化學過程和參數。

傳統的植被指數如比值植被指數、垂直植被指數或綠度等，與植被生物量有較好的相關關系，但這些指數受外部條件如植被覆蓋率、葉子顏色和土壤顏色的影響較大，影響了這些指數的獲取精度。利用高光譜遙感導數光譜技術能消除上述因素的影響，直接反映植被葉面積指數、葉綠素含量等信息。

1高光譜遙感信息處理方法

1.1定標與大氣糾正

高光譜遙感數據易受一些外部因素的影響，諸如遙感器老化、地物二向性反射、大氣效應、地形因子等，這些因子會削弱高光譜遙感數據賴以區分地物的敏感性。高光譜遙感信息的光譜一圖像轉換，必須進行定標和大氣輻射校正，以消除這些因子的影響。

1.2光譜圖像增強

光譜圖像增強技術如光譜間的算術運算可增強像元光譜的差異。其中，濾波運算是廣泛采用的信息增強方法。濾波運算，一方面是為了消除噪聲，突出目標地物；另一方面也是為了方便進一步的導數運算。

1.3降維運算

為了將高光譜遙感數據與常用的寬波段數據進行對比分析，有必要對它進行降維處理。常用的降維方法都是通過卷積運算得到低光譜分辨率數據。

1.4混合像元分解

圖像中每個像元均是一些最終單元(endmember)光譜的線性混合。由于高光譜遙感數據具有光譜波段劃分細、數量多等特點，有利于選擇各種單一地物光譜區分明顯的波段，將混合光譜反演成為單一光譜。

1.5光譜匹配

利用光譜數據庫光譜進行光譜匹配可以直接識別地物成分。美國JPL最早發展了二值編碼光譜匹配，已用于單礦物的識別。

2植被參數分析

植被各種參數的反演是植被遙感的主要內容之一。通過高光譜遙感植被指數技術可以提取植物生物物理參數的定量信息n。但在這一方面仍需要發展更適宜高光譜遙感的植被指數，并建立這些新指數與植被參量的定量聯系。

2.1歸一化指數

歸一化植被指數(NDVI)，被定義為近紅外波段(NIR)與可見光紅波段(R)數值之差和這兩個波段數值之和的比值。

2.2葉面積指數(LAI)

葉面積指數難以直接從遙感信息直接反演。國際上多用一個相對簡單的反射模型來擬合：

由此模型推導得

吸收光合有效輻射(APAR)

植物冠層的光合有效輻射無論從理論和實驗中都證明與反射值有聯系。遙感所得的APAR比LAI能更可靠地估計作物生物量，因為作物的光合作用過程直接把APAR能量轉換成干物質，因此APAR是作物初級生產力的一個較好的指標。

03

//植被生長監測

高光譜遙感的超多波段(幾十、上百個)、光譜分辨率高(3～20nm)的特點，使其可探測植被的精細光譜信息(特別是植被各種生化組分的吸收光譜信息)，反演各組分含量，監測植被的生長狀況。

植被初級生產力與生物量

冠層的理化特性在一定程度上控制著森林的初級生產力(NPP)。比如葉面積、葉厚度和氮含量通過控制光合作用和傳輸速率來影響NPP。

植物病蟲害監測

植物病蟲害的監測通過監測葉子的生物化學成分來進行。植物光譜維方向的特征信息主要集中在由植物葉片中生物化學成分含量的變化形成的吸收波形處。植物光譜的導數實質上反映了植物內部物質(葉綠素及其它生物化學成分)的吸收波形的變化。

病蟲害感染導致葉子葉肉細胞結構發生變化，使得葉子的光譜反射率也發生了變化。大豆受蠶豆斑點葡萄孢(Botrytis{abae)感染后，大豆反射率在可見光區變平坦，在近紅外的800nm處反射率降低。受感染的程度與可見光的反射率的相關性，一階導數比原始的反射率要高，可以用它來監測病蟲害的感染情況。、運用高光譜遙感還能監測植被受空氣污染的狀況。Holer等發現受空氣污染地區多年的葉簇的紅邊位置比正常葉子向短波方向偏移了5nm(藍移)。在某些植被類型中，藍移還與重金屬含量偏高有關。實驗表明藍移是林地受污染后在光譜上表現的細微變化，它可以作為監測林地健康狀況的診斷指標。

04

//結語

(1)高光譜遙感作為一種新的遙感技術已經在植被指數、植被葉面積指數、光合有效輻射等因子的估算中以及在植被生物化學參數分析、植被生物量和作物單產估算、作物病蟲害監測中得到廣泛的應用。

(2)選擇合適的反演算法是保證高光譜遙感信息反演精度的關鍵，它決定著消除遙感器

老化、大氣影響、地形效應等因素影響的效果。要定量地對植被生物量和作物單產進行估算，需要解決的問題還很多。目前多用的是一些回歸算法，盡管離實用化還有一定的距離，但畢竟顯示了其應用潛力。

(3)目前運用地面研究與航空遙感進行植被監測的試驗較多，為將來應用航天高光譜遙感數據進行研究奠定了基礎。

(4)高光譜遙感數據量巨大，必須選擇適宜的數據壓縮算法以減少存貯空間需求。

審核編輯 黃昊宇