【Abstract】Hyperspectralremotesensingtechnology，beingoneofthemostimportantbreakthroughsacquiredinthefieldofearthobservationbyhumanintherecent20years，isanadvancingtechnologyofremotesensinginthenextdecades.Ithasthespecialqualitiesofhighspectralresolution，plentifuldataetc.，soitcanbeextensivelyappliedinenvironmentprotection，depositexploration，vegetationmonitoringandsoon.Theapplicationofhyperspectralremotesensinginmonitoringphysiologicalparametersofvegetationmainlyhasthefollowingaspects：nitrogencontentinplants，chlorophyllcontent，；watercontent.
【P键词】高光谱遥感；植物生理参数；氮素含量；叶绿素含量；水含量
【Keywords】hyperspectralremotesensing；plantphysiologicalparameters；nitrogencontentinplants；chlorophyllcontent；watercontent
【中图分类号】P23【文献标志码】A【文章编号】1673-1069（2017）05-0182-03
1引言
获取植物生理参数的传统方法是将植物带回到实验室进行化学和生物分析，这个过程需要花费巨大的人力物力成本，因此，我们探索是否可以应用新的技术来结合具体微生物复垦技术特点，以简化这些烦琐而且花费成本巨大的实验。利用高光谱扫描叶片来进行反演植物内部生理生化参数（氮磷钾等）含量，能够获得地物连续平滑的光谱曲线，并且可以捕捉到非常敏感微小的差异。
随着高光谱遥感技术的快速发展及其数据处理与分析方法的不断进步，与传统的生理生化实验相比，利用高光谱遥感数据反演植物生理生化参数在现实中会得到为更广泛的应用，高光谱遥感目前也正在成为观测植物长势和诊断植物病虫害的重要方法。
叶片中的氮素、叶绿素、水等含量与叶片反射率有着密切联系。可以用数学方法进行叶片生化组分含量的预测研究。随着高光谱遥感技术的发展，高光谱数据在作物生理参数诊断中所起的作用越来越受到人们的重视。
2高光谱遥感技术在作物生化参数诊断中的应用
高光谱分辨率遥感技术的发展是20世纪末最后20年中人类在对地观测方面所取得的重大技术突破之一，也是当前及今后几十年内的遥感前沿技术。国际遥感界将光谱分辨率达纳米（nm）数量级范围内的遥感技术称为高光谱（HypersPectral）遥感。其光谱分辨率高，并具有波段多、信息量丰富的特点。常规的作物生化参数的获取方法是将样本从大田运输到实验室进行测定，这种方法费时、费力，且具有破坏性。近年来，随着高光谱技术的发展，由于其具有简便、快速、大面积、非破坏性等特点，在作物参数反演中发挥着重要且独特的作用，便携式高光谱仪通过测定作物的反射率、吸收率和透射率来对生化参数进行测定，可反演的参数主要有叶绿素含量、全氮含量、水含量等[4]。
3监测生理参数的应用
3.1氮素测定
氮素是植物内许多重要有机化合物的组成成分，是植物细胞原生质中的基本物质。蛋白质、叶绿素和核酸的合成都离不开氮元素[5]，例如蛋白质的多少直接影响植物的生长发育，酶就是蛋白质的一种，缺少酶这种催化剂，植物生长必然要受到影响。
氮肥是植被施肥中最不可或缺也是最普遍的肥料，而由于缺乏能够准确、快速、方便、经济诊断植物氮素营养水平的方法，如果施肥过量则会导致成本增加，污染环境；施肥过少则会导致植物缺乏养料，生长发育不正常，从而导致收成受损[6]。
从以上可以看出，研究精确、高效、实时地监测植物氮素含量的方法对于植物的生长状况监测具有至关重要的意义。基于此，很多学者提出不同条件下采用高光谱分析技术，提取植物氮素信息的方法。
目前作物氮素含量高遥感反演常采用的方法是基于高光谱敏感波段反射率或光谱植被指数的经验统计关系法[7]。孔维平[8]等利用ASD地物光谱仪，获取大豆叶片整个生理周期的高光谱数据，应用一阶微分光谱，衍生出基于光谱面积变量（A678-697）为自变量的幂函数模型，并以此为对照处理的大豆全氮最佳反演模型，该模型决定系数R2为0.81，EMSE和RE分别为0.33和7.59%。同时也衍生出基于光谱特征参数（A1605-1608-A1685-1709）为自变量，叶片全氮为因变量，决定系数R2为0.63，均方差（RMSE）分别为0.23和4.95%的模型。Feng等[8]发现将原始光谱进行一阶微分处理计算出红边区域的双峰面积可增加其与冬小麦叶片全氮含量的相关性，Li等[9]使用前人研究提出的可见光波段光谱指数，基于偏最小二乘回归方法对冬小麦叶片氮素含量进行了估测。Fava等[10]使用ASD地物光谱仪对地中海地区草地的光谱进行采集，发现近红外波段775-820nm和红边位置附近波段740-770nm的比值植被指数与草地的氮素浓度有较好的相关性。陈书琳[11]等在不同接菌处理条件下，对大豆叶片全氮含量做了相关性分析，并采用地物光谱仪，获取大豆成熟发育时期的高光谱数据，利用原始光谱，衍生出基于光谱位置的分析方法，以688nm和503nm处反射率的差值作为自变量，叶片全氮（TN）含量为因变量，分析结果表明：全氮含量与TN含量呈显著的正相关（R=0.8723**，n=39），其模型决定系数R2为0.559，EMSE为0.669。
由此可见，利用高光谱的反射特征以及衍生出的特征参数可以实时、动态、高效地监测植物的氮素含量。
3.2叶绿素测定
叶绿素可吸收光能，在植物进行光合作用的过程中必不可少，同时也是光合作用能力、植物生长发育阶段的指数器[12-13]。目前国内外研究人员针对高光谱遥感诊断叶绿素含量开展了大量研究。
房贤一[14]以蒙阴县果园的苹果树为试验材料，连续2年测定了苹果冠层光谱反射率和冠层叶绿素含量，分析了冠层叶绿素含量与光谱反射率之间的相关关系，并计算了400～1000nm任意两波段组合而成的RVI、DVI、NDVI和RDVI，分析了它们与冠层叶绿素含量的关系，以逐步回归分析做比较，建立了苹果冠层叶绿素含量监测模型。建立苹果冠层叶绿素含量及冠层光谱特征参量间的定量关系模型，以促进高光谱技术在苹果树精准施肥以及快速、无损长势监测中的应用发展，结果表明我们采用多元逐步回归方法建立起来的模型的苹果冠层叶绿素含量监测效果较好。Moran等[15]研究表明叶绿素含量与波段700nm附近的光谱反射率有很好的相关性，潘蓓[16]等利用ASDFieldspec3光谱仪，测定春梢停止生长期苹果冠层高光谱反射特性，对原始光谱进行一阶微分处理，与苹果叶绿素含量进行相关性分析以寻找与叶绿素含量相关性强的敏感波段，通过分析敏感区域400～1350nm范围内所有两波段组合的植被指数，选择最佳植被指数并建立苹果冠层叶绿素含量估测模型。结果表明：①苹果冠层叶绿素含量的敏感波段区域为400～1350nm。②利用筛选得到的植被指数CCI（D794/D763）构建的估测模型能较好地估测苹果冠层叶绿素含量。③以CCI（D794/D763）指数为自变量的估测模型CCC=6.409+1.89R3+1.587R2-7.779R的预测效果最佳。因此，利用高光谱遥感技术能够快速、精确地对苹果冠层叶绿素含量进行定量化反演，为监测苹果生长特性提供理论依据。
另外孙江涛[17]等探究利用高光谱遥感技术来监测不同施磷水平下接种菌根对植物生长的影响规律，通过高光谱扫描实验以及室内样品化验，获得4个不同施磷水平状况下玉米的高光谱反射率、叶片的叶绿素含量、植株生物量等数据。对高光V数据进行导数光谱计算和连续统去除处理，得到以不同玉米叶绿素含量差异的光谱特征参数为自变量，以叶绿素含量为因变量的线性或非线性回归模型，接菌处理玉米叶绿素含量所有的反演模型中，以REP为变量构建的线性模型具有较高的拟合精度和反演效果，检验决定系数R2为0.753，对照处理的玉米叶绿素含量的所有反演模型中，以RG为变量构建的指数模型的拟合度最高达0.927，检验决定系数为0.834.吉海彦[18]等使用ASD便携式光谱仪和LI-COR1800型积分球，在350-1650nm的光谱范围内，测量冬小麦叶片在不同生长期的反射光谱，用偏最小二乘方法建立了冬小麦叶片叶绿素含量与反射光谱的定量分析模型。在400～750nm的光谱范围，建立了叶绿素含量与反射光谱的模型，结果显示叶绿素的预测值与真实值的相关系数为01898，相对标准偏差为1316%。在光谱范围为1400～1600nm的农业生产中，这些结果是非常令人满意的。
3.3水含量
叶片含水量是反映作物生理特性的一个重要参数，含水量的变化会影响作物对氮的利用以及叶片碳交换速率，从而影响碳循环和能量收支，以及作物产量。因此，选择适宜的
含水量反演指标评估旱情的发生、发展和变化情况，对进行相应的抗旱准备和采取及时的抗旱措施具有重要的指导作用。
Inoue等[19]研究发现大气对近红外水分吸收波段影响较大，因此不适合在高空遥感中用于评估植被的水分情况；在野外光谱采集中要充分考虑大气中水汽的影响，选择晴朗、能见度高且大气比较干燥的天气，以减少水汽对波段1450nm处水分吸收峰的影响。Pietro等[20]提出全球植被营养指数GVMI，使得相对含水量的反演从局部扩展到了整体；另外王纪华[21]等应用地物光谱仪探讨了小麦叶片含水量对近红外（NIR）波段光谱吸收特征参量的影响，结果表明：1165～1185nm间的光谱反射率与小麦叶片的含水量呈显著负相关，而且该波段在大气窗口之内，受大气层水的干扰较小，可作为航空或卫星遥感探测指标应用。由此根据大量观测数据建立了叶片含水量与吸收深度及吸收面积间的线性相关关系和回归方程式，从而提出一种利用光谱反射率诊断小麦叶片水分状况的遥感方法。
4结语
高光谱遥感凭借其充分利用地物光谱特征的特点为农作物研究提供了新的平台[22]，与传统的多光谱遥感或宽波段遥感相比，高光谱遥感不仅能比较真实全面地反映各类植被的光谱特征及其差异，还能实现对某些植被生化参数的定量测定。因此，可以运用高光谱遥感技术进行低耗、高效、实时、无损地植被生理参数监测，从而实现对植物生长状况的监测和评估。
应用高光谱遥感技术可以监测植物的氮含量、叶绿素含量、水含量，清晰地了解植物的生理参数，为判断植物的生长状况提供参考，并为农业生产进行定量施肥提供依据。
【参考文献】
【1】程一松，胡春胜等.氮素胁迫下的冬小麦高光谱特征提取与分析[J].资源科学，2003，25（1）：86-93.
【2】冯先伟，陈曦等.水分胁迫条件下棉花生理变化及其高光谱相应分析[J].干旱区地理，2004，27（2）：250-255.
【3】杨吉龙，李家存等.高光谱分辨率遥感在植被监测中的应用综述[J].世界地质，2001，20（3）：307-312.
关键词遥感估产;类型;现状;展望
遥感起源于20世纪60年代,这是一种在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。随着遥感技术的发展,宏观大尺度的估产越来越多地使用遥感方法,并结合地理信息系统和全球定位系统等技术,可以构建出不同条件下植被的生长模型和估产模型[2]。遥感技术估产与传统的估产方式相比,前者的工作量少,精准性更强,在实际应用中显示出了独有的优越性。前人做了大量有关运用遥感技术对作物、草地、森林及海洋生态系统的植被估产的研究。遥感估产已从试验研究阶段逐步进入到实际业务使用阶段。现探讨有关遥感估产的原理及估产模型的基本类型。
1遥感估产的原理及建模基础
任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。相同的物体具有相同的波谱特征,不同的物体,其波谱特征也不同,遥感技术就是基于该原理,利用搭载在各种遥感平台上的传感器接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态[1]。卫星遥感数据具有高度的概括性,卫星获取的光谱植被指数反映了植物叶绿素和形体的变化[3]。大量的研究也表明,植物的叶面积系数、生物量、干物重与光谱植被指数间存在着较好的相关关系[4]。因此,利用从卫星获取的植被光谱信息估测产量成为了可能。用于区域植物生物量估测的遥感模型基础是从光合作用即植被生产力形成的生理过程出发,在建立模型的过程中,根据植物对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输,结合植被生产力的生态影响因子,最后在卫星接收到的信息之间建立完整的数学模型及其解析式[5]。
2遥感估产模型的类型
20世纪70年代后期估产模型将遥感信息作为变量加入到模型中,建立了大量的遥感估产模型。理论上探讨植物光合作用与植物光谱特征间的内在联系以及植物的生物学特性与产量形成的复杂关系等,方法上从单纯建立光谱参数与产量间的统计关系,发展到考虑植物生长的全过程,将光谱的遥感物理机理与植物生理过程统一起来,建立基于成分分析的遥感估测模型,使估算精度不断提高[6]。由于研究对象的不同,选用的估产参数也不尽相同,模型种类也较多,基本上可以分为2类[7-8],即统计模型和综合模型。
2.1遥感统计模型
目前,基于统计的遥感估产有3种技术路线:一是遥感光谱绿度值(植被指数)-生物量关系模式。在对作物、草原、森林的估产中,这是一种常用的思路,但是该方法得到的遥感估产等级图只反映卫星摄影时的植物长势和生物量的空间分布状况;二是遥感光谱绿度值-地物光谱绿度值-生物量关系模式,即先分析实测地物光谱绿度值与生物量之间的关系,建立相应模型,再分析卫星遥感植被指数与地物光谱绿度值的关系,建立卫星遥感植被指数与生物量之间的关系模型,最后利用光谱监测模型和卫星遥感监测模型进行监测与估产;三是遥感-地学综合模式。该方法将气温、降水等环境因子引入模型,与遥感-生物量模型互相补充,克服各自存在的缺陷,可进一步提高估产精度。建立的统计模型有线性、幂函数、指数、对数等,回归的方法也有一元回归、多元回归、逐步回归等,得到的系数差别较大,并且应用也局限于建模的时间和地点,在很多情况下地面资料的数也影响模型的精度。
2.2遥感综合模型
综合模型借助遥感信息和植被信息、气象因子等来建立,其包含了更多的信息量,可以更加精确地反映植被的生物物理参数。尽管这类方法前景广阔,但受到模型中大量的参数和变量获取的限制(例如呼吸、衰老、光合作用、碳分配、凋落物的分解等),以及当物种的组成在时空上变化较大时出现复杂的、异质性的、冠层的描述问题的影响,部分模型只适用于当时的研究区域,如何通过“尺度扩大”来改进模式中的区域限制,更好地适应遥感信息的同化需要,也是亟需解决的一个关键问题。
3展望
遥感技术经过几十年的发展,已经日趋成熟,遥感估产的优点是可以得到长时间尺度和大空间尺度的生产力资料,因而它仍是未来生产力探测方法的发展方向。目前国际上对各类生态系统的估产模型有很多,建立的模型和所选择的数据源并不是任何时期、任何区域都适用,应该根据研究区域的实际情况来改进生物量模型和选择合适的遥感数据源。基于遥感技术的生物量估算需要运用多种技术,综合多种方法,使估算模型达到最优。新的数学方法的不断探索和试验是充分发挥遥感信息作用的前提和途径,数量化理论、神经网络方法、cwsi理论、灰色系统理论、数值模拟等
理论的尝试将可能实现高精度定量估测。
4参考文献
[1]梅安新,彭望琭,秦其明,等.遥感导论[m].北京:高等教育出版社,2001.
[2]李海亮,赵军.草地遥感估产的原理与方法[j].草业科学,2009,26(3):34-38.
[3]冯奇,吴胜辉.我国农作物遥感估产研究进展[j].世界科技研究与发展,2006,28(3):32-36,6.
[4]申广荣,王人潮.植被光遥感数据的研究现状及其展望[j].浙江大学学报,2001,27(6):682-690.
[5]张佳华.生物量估测模型中遥感信息与植被光合参数的关系研究[j].测绘学报,1999,28(2):128-132.
[6]赵英时.遥感应用分析原理与方法[m].北京:科学出版社,2003.
[7]陶伟国,徐斌,杨秀春.草原产草量遥感估算方法发展趋势及影响因素[j].草业学报,2007,16(2):1-8.
关键词：地质勘探;矿产;遥感找矿;国土资源
近年来，随着科学技术的进步和国际环境的影响与促进，我国的遥感技术也逐步发展并趋于成熟，目前已经建立了集信息的采集、处理、应用等环节于一体的国土资源遥感技术体系。可以说，我国已经把遥感技术应用于地质调查、矿产勘查、矿山开发、环境监测、城市规划等重要领域。
1遥感找矿技术概述
随着科学技术的不断发展与进步，国际、国内的地质矿产勘探工作都不同程度地得到了很大的技术支撑，地质勘探业迅速崛起，遥感找矿技术已经成为一项较为成熟的地质找矿方法。
遥感找矿技术主要是指运用遥感技术进行地质矿藏的发现、开采等工程。该技术的理论支撑是遥感技术，按照光谱分为可见光遥感、红外遥感和微波遥感。遥感技术用于地质找矿作业，能够全面、客观地记录和分析矿山的物质成分和结构，大大提高和改善了发现矿藏的几率和速度，并且分析结果更加精确和科学。
遥感找矿技术主要是依据大地层中的各种物理化学物质所发生的反射、透射等物理作用而产生的电磁波，来传递各种地质成分的特征信息。各种物质的物理化学特性与其发出的光谱的特息相关，物质成分及结构的差异使得不同物质的内部对不同波长的光子进行选择性的吸收和反射、透射等物理作用。一般而言，具有稳定的物理结构和稳定的化学性质的物质具有稳定的光谱吸收特征，而不同的矿物质又具有不同的电磁波辐射能力。在遥感找矿技术中，我们利用波谱仪等遥感设备对野外采集的样品进行光谱试验，获取数据并测量其光谱曲线，再与资料库中的已知光谱进行比较，可以确定矿物质中所含有的各种成分，并进一步判断其含量与纯度。这样，我们就利用遥感找矿技术，成功地为决策者开发利用矿山资源提供了可靠资料。
2遥感找矿技术在地质勘探中的运用
遥感找矿技术可以用以提取地质构造，对地质勘探具有重要意义。根据现有资料，重要的矿产主要分布在地壳板块的边界地带以及不同块体的结合部位。遥感找矿技术能够对地质成分进行全面的分析和反馈，帮助地质勘探工作者提供可靠信息，如地表岩层、地质构造、地貌特征、水体和植被分布等。地质勘探测量工作者，可通过这些信息提取潜伏的地质构造特征，比如地表褶皱、地层断裂等。
遥感找矿技术主要利用金属矿床形成的特定光谱异常区进行工作，通过遥感技术形成图形和图像。质地中存在的各种矿物质的光谱曲线波动不一样，比如围岩的光谱曲线会相对很平缓，每个波段之间的差值也十分小;而矿化蚀变岩的光谱曲线波动较大，每个波段之间的差值也很大。这样，根据不同的光谱曲线，就能确定地质的性质，为地质勘探工作提供数据。
可以看出，提取蚀变信息是遥感技术在地质找矿工作中的一项主要手段。那么，遥感找矿技术是如何进行处理蚀变信息的？目前可以用单一的热红外波段或者比值分析，也可以将二者结合，再对蚀变信息进行增强，然后与已知的大量数据进行对比分析。例如，在植被覆盖非常广泛或者冰雪大量覆盖的地区，为了在不遗失任何信息的前提下去除干扰，我们可以采用比值处理法，这就是通常所说的图像预处理;我们也可以利用热红外光谱技术探测物体的辐射能量，从而压抑森林植被和积雪造成的信号干扰。
目前，地质矿产勘探遥感找矿技术已经为我国的基础地质调查、矿产资源勘查和环境地质调查与评价提供了重要的数据资料。我国目前已经形成了关于地质矿产勘探遥感找矿技术运用的工作流程和技术方法，开发了"野外调查微机辅助遥感图像解译系统"，为中国地质调查局制定了1∶25万遥感地质调查的技术规定，绘制了相关精度和比例的影像图，并做了详细的遥感地质解译，编制了航磁系列图、推断地质图和地球地质物理断面图等图件。成功运用该项技术进行了不同地区的区域地质岩性填图，确定各类火成岩体的分布，准确圈定了火山岩及火山机构，为直接或间接找矿等工作服务。这一系列的科研成果，都标明地质矿产勘探遥感找矿技术在我国地质勘探工作领域所发挥的积极作用。
3地质矿产勘探遥感找矿技术的发展前景
在我国，地质勘查技术方法不断取得创新，找矿方式方法也取得突破性进展。国家也在不断加强地质矿产勘探遥感找矿技术开发体系的建设，提高地质勘查的能力。根据目前我国的国家需求和社会需求，结合我国地质矿产勘探遥感找矿技术的发展现状，未来几年将重点加强开展并加强以下3个业务体系的建设：
（1）矿产资源航空物探与遥感勘查应用体系;（2）环境地质、工程地质、地质灾害调查与监测多领域应用与服务体系;（3）海洋与陆域油气资源航空物探遥感调查体系;上述业务体系体现了遥感找矿技术在地质矿产勘探领域的重要应用和拓展。开发和完善以上体系，需要我们不断加强技术创新，坚持自主开发为主与引进外部技术为辅相结合的机制，不断提高和完善我国地质矿产勘探遥感找矿技术的自主创新能力。
4对当前遥感找矿技术的几点建议
4.1加强技术装备建设，加大投资力度。
我国疆土地域跨越较大，而且国土资源复杂，如果只采用单一的运载工具，就无法适用于中西部地区的测量作业，同时又缺少适合于高原地区和山区遥感勘查飞行的直升机。对于海洋资源，大航程超低空海洋航空物探专用飞机的开发运用将成为严重制约海洋资源调查能力的关键资源。国内设备对数据的记录、处理能力精度不高，缺乏航重、航电以及航空气测设备等，这就造成一部分遥感信息源的缺乏。国外高精度遥感数据价格昂贵，而国产资源卫星数量少、分辨率和精度难以满足自身要求，严重制约我国地质矿产勘探工程的快速发展。
4.2需要提高技术层次，深化应用技术的研究与开发。
地质矿产勘探遥感找矿技术的应用领域不断扩展与遥感技术工程化能力不足的矛盾比较突出，因此随着我国国土资源管理对遥感找矿技术的业务化应用的迫切需求，遥感技术的自动化、工程化程度有待提高。
结束语
遥感找矿技术作为矿产勘查领域内的新生力量，在易找矿日益减少的情况下，将会起到越来越重要作用。许多遥感找矿的成功经验所带来的有益启示是，遥感应用必须与物化探、磁力、重力、地震探矿方法相结合，还需要进一步重视地热、地气的热力作用，深入研究生物地球化学效应、地球化学填图方法、生物成矿和数字地质的空间统计分析方法。只有加深对地表成矿信息的理解和诠释，才有可能对深部的、海底的隐伏矿床由此及彼、由表及里，从地球系统科学与地质信息科学的深度作出科学的推论和预测。
参考文献