典型目標地面光譜信息系統(tǒng)設計與實現(xiàn)

張東輝， 趙英俊， 秦凱

(核工業(yè)北京地質研究院遙感信息與圖像分析技術國家級重點實驗室，北京 100029)

0 引言

由于光譜數(shù)據(jù)是遙感圖像分類和目標識別的理論基礎數(shù)據(jù)，大量的遙感研究均需獲取、處理和管理這一數(shù)據(jù)。隨著采集地區(qū)和傳感器類型的增多，亟待引入軟件工程技術，科學地將大量的標準光譜數(shù)據(jù)進行管理。在此基礎上，通過光譜匹配技術，能夠實現(xiàn)地物類型的快速鑒別。

目前國際上具有代表性的波譜庫有：為研究不同粒度礦物的光譜特性，美國噴氣推進實驗室基于Beckman UV-5240型光譜儀，收集了上百種常見礦物光譜；美國在IGCP-264工程實施過程中，對26種樣本采用5種分光計測試；加利福尼亞技術研究所建立了ASTER光譜庫，這一光譜庫按照礦物、巖石、土壤、月壤、隕石、植被、水雪冰和人工材料的劃分方法，整理了超過1 500種典型地物的光譜數(shù)據(jù)；在多傳感器光譜數(shù)據(jù)獲取方面，約翰霍普金斯大學研發(fā)了包含15個子庫的不同分光計光譜數(shù)據(jù)。

在國內，中國科學院空間技術中心編寫的“中國地球資源光譜信息資料匯編”涵蓋了我國常見的地物光譜數(shù)據(jù)類型，為相關項目開展提供了科學依據(jù)。隨著光譜庫建設的推廣，針對行業(yè)需求的系統(tǒng)建設全面展開。中國科學院遙感與數(shù)字地球研究所建立了針對微波特性的知識庫[1]；中國科學院長春地理研究所針對目標識別和作物估產需要，建設了長春凈月潭地物波譜數(shù)據(jù)庫[2]；北京師范大學遙感與地理信息系統(tǒng)研究中心建立了我國典型地物標準波譜數(shù)據(jù)庫[3]；中國科學院安徽光學精密機械研究所在污染氣體檢測、痕量氣體濃度反演研究中，形成了一套痕量氣體特征光譜數(shù)據(jù)庫[4]；中國煤炭地質總局航測遙感局建立了礦物巖石高光譜數(shù)據(jù)庫[5]；武漢大學測繪遙感信息工程國家重點實驗室采用VC++語言，建立了GeoImager光譜數(shù)據(jù)庫系統(tǒng)[6]，應用于遙感基礎理論研究；南京大學國際地球系統(tǒng)科學研究所按照植被、土壤、巖石、礦物、原油、水體、冰雪和人工目標分類，建立了一套典型地物標準波譜數(shù)據(jù)庫[7]；山東科技大學將兗州礦區(qū)典型地物波譜數(shù)據(jù)庫應用于礦區(qū)生態(tài)環(huán)境監(jiān)測[8]；為實現(xiàn)光譜數(shù)據(jù)的快速處理，新疆農業(yè)大學所建立的新疆典型荒漠植物光譜數(shù)據(jù)庫系統(tǒng)在光譜求導、光譜參量提取和光譜比對等方面，具有實用價值[9-10]。

1 典型目標地面光譜信息系統(tǒng)設計

1.1 系統(tǒng)結構

為方便野外攜帶，系統(tǒng)采用單機(C/S)結構設計，在驗證用戶名和密碼基礎上，根據(jù)權限分配確保光譜數(shù)據(jù)的安全性。系統(tǒng)分為光譜數(shù)據(jù)管理、信息處理、信息分析、數(shù)據(jù)匹配和系統(tǒng)安全管理等子系統(tǒng)，分別實現(xiàn)典型地物光譜的相應操作功能(圖1)。在光譜數(shù)據(jù)匹配系統(tǒng)中，集成了測量環(huán)境、定標板、傳感器、測量人員和精度評價等信息，便于高光譜應用時信息的提取工作。

圖1典型目標地面光譜信息系統(tǒng)結構

Fig.1Architectureofthetypicalgroundtargetspectralinformationsystem

1.2 功能設計

該系統(tǒng)共分為7個功能部分：

1)光譜數(shù)據(jù)管理模塊。該模塊包括：對衛(wèi)星、航空和地面光譜數(shù)據(jù)的增加、更新和刪除功能，支持用戶對光譜按照類別方式逐條瀏覽和總覽。點擊光譜數(shù)據(jù)條目時，光譜曲線及實物照片、測量環(huán)境信息、傳感器信息、定標板信息和測量人員信息自動鏈接顯示。具有動態(tài)管理地物光譜類別的能力，系統(tǒng)支持植被、水體、土壤、巖礦和人工建筑5大類地物類型，在每個大類地物類型下，用戶可根據(jù)項目需要，個性化編輯子類。相應光譜庫中的樹狀結構也將發(fā)生聯(lián)動變化，不僅實現(xiàn)地物類別的動態(tài)管理，也對光譜庫的光譜數(shù)據(jù)起到了安全保護的作用。此外，還具備光譜數(shù)據(jù)統(tǒng)計及圖形化顯示統(tǒng)計結果的功能。

2)光譜信息處理模塊。針對單條光譜曲線，系統(tǒng)提供基本的數(shù)值運算，包括平方、開方、對數(shù)計算和余弦值計算等功能，實現(xiàn)光譜曲線快速變換；為滿足光譜去除儀器噪聲和去除水汽噪聲需求，系統(tǒng)集成了針對相應波段的去噪功能；此外，為進一步增強光譜細微差異，系統(tǒng)集成了重采樣、二值化編碼、光譜歸一化、光譜包絡線計算、光譜斜率計算、一階導數(shù)、二階導數(shù)、光譜積分和光譜柱狀圖等處理模型，通過光譜特性增強手段，實現(xiàn)光譜的精細處理。

3)光譜信息分析模塊。處理后的光譜數(shù)據(jù)可以直接進入分析模塊，在指定的波段范圍內，實現(xiàn)眾數(shù)、中值、均值、標準差和方差等光譜參量的快速分析。實現(xiàn)了光譜數(shù)據(jù)的基本統(tǒng)計信息計算。針對植被和水體研究的需要，為了自動發(fā)現(xiàn)光譜的特征吸收谷和反射峰，系統(tǒng)集成了藍邊、綠邊、黃邊和紅邊等光譜特征值，在定量計算含量和特征波段探尋方面，起到快速計算的目的。

4)光譜數(shù)據(jù)匹配模塊。支持“條件檢索”和“自動匹配”2種方式，前者適用于用戶輸入未知光譜數(shù)據(jù)時，通過設置一系列查詢條件(例如設置條件為450 nm處反射率小于0.2，780 nm處反射率大于0.7，且2 100 nm處反射率不等于0.5等)在光譜庫中查找滿足該條件的所有光譜數(shù)據(jù)。該查詢方法對于用戶鑒定未知光譜曲線，判斷地物類型具有重要意義。后者通過用戶導入波段和反射率數(shù)據(jù)，設置預處理方法(不做處理、一階微分、包絡線去除和吸收峰加權)后，根據(jù)所選的光譜匹配算法(光譜角匹配、光譜信息散度和光譜相似系數(shù))，自動在光譜庫中匹配最接近未知光譜的數(shù)據(jù)。

5)應用示范模塊。集成了植被、水體、土壤、巖礦和人工建筑信息綜合提取功能。提取的信息包括植被的寬帶綠度、窄帶綠度、光利用率、冠層氮、干旱或碳衰減、葉色素和冠層水分含量計算功能；水體的水系特征識別模型、藻濃度測量模型、懸浮顆粒濃度測量模型和有機污染級別判定模型；紅土、黑土和黃土土壤養(yǎng)分含量的定量提取模型；多種巖礦的特征吸收谷與反射峰計算模型；人工建筑的屋頂材質分析、道路材質分析、城市林地和草地分析以及城市景觀水體分析功能等。

由圖可見，水泥凈漿流動度隨VAc加入量增加先增大后減??；而混凝土的倒坍流空時間隨著VAc的量增加迅速減少，當VAc的加入量占單體總質量的10%，流空時間最少，混凝土的粘度較低，隨著疏水單體VAc的加入，表面活性效果有所增強，從而降低了混凝土的粘度。而之后繼續(xù)增加VAc用量粘度卻增大，這是由于在該反應體系中，VAc的反應活性明顯低于其他單體，當過量時，反應體系活性較低、轉化率降低，有大量的單體殘余在體系中，對水泥凈漿和混凝土粘度產生不利影響。

6)文件下載模塊。提供指定光譜范圍的波譜數(shù)據(jù)及其元數(shù)據(jù)、處理和分析結果文本的本地下載。

7)系統(tǒng)安全管理模塊。通過身份認證、角色管理和登錄管理，確保只有授權的用戶才能操作系統(tǒng)。權限管理還可進一步控制用戶的操作范圍。

1.3 數(shù)據(jù)庫設計

根據(jù)數(shù)據(jù)庫需求分析的結果，通過E-R實體關系圖對實體進行描述，概括出程序中所包含的實體及實體間的關系，歸納光譜信息系統(tǒng)的特點，數(shù)據(jù)具有的規(guī)律有：一條光譜曲線包含多個元數(shù)據(jù)信息；一個元數(shù)據(jù)對應多條光譜曲線；一條光譜曲線對應多個處理和分析結果；一個測量點對應多條光譜數(shù)據(jù)；一個處理模型對應多種地物類型。在合理化這些約束條件下，建立表之間的邏輯關系。其設計分為3部分：①地物光譜數(shù)據(jù)表，包括植被、水體、土壤、巖礦和人工建筑數(shù)據(jù)表；②地物類型表，包括植被、水體、土壤、巖礦和人工建筑類型表；③光譜元數(shù)據(jù)表，包括定標板、傳感器、測量人員和測量環(huán)境數(shù)據(jù)表。數(shù)據(jù)表結構與表間關系如圖2所示，其中箭頭指示了表與表通過主鍵ID的關聯(lián)關系。

圖2 典型目標地面光譜信息系統(tǒng)數(shù)據(jù)表結構與表間關系

2 典型目標地面光譜信息系統(tǒng)實現(xiàn)

2.1 光譜數(shù)據(jù)采集與質量控制

天、空、地一體化的光譜數(shù)據(jù)指來源于星載、機載高光譜傳感器和地面光譜輻射計3種平臺所獲取的光譜數(shù)據(jù)。數(shù)據(jù)類型分為植被、水體、土壤、巖礦和人工建筑。由實驗室多年多個項目積累的成果，廣泛分布于我國不同省市地區(qū)。在入庫前，系統(tǒng)對不同平臺的數(shù)據(jù)，通過輻射校正、重采樣和包絡線處理，形成面向地物的統(tǒng)一光譜標準，即一體化數(shù)據(jù)。星載數(shù)據(jù)包括Hyperion EO-1(400～2 500 nm)和ASTER EOS Terra(520～11 650 nm)；機載數(shù)據(jù)包括CASI1500(380～1 050 nm)，SASI600(950～2 450 nm)，TASI600(8 000～12 000 nm)和HyMap(400～2 500 nm)；地面數(shù)據(jù)包括HySpexSWIR-320(1 000～2 500 nm)，ASD FR(350～2 500 nm)和102F(2 000～16 000 nm)。

常見的光譜數(shù)據(jù)質量評估方法有統(tǒng)計檢驗法、光譜特征分析法和與標準光譜進行匹配的方法。3種方法互相配套和補充使用，經過合理的光譜質量評估工作，才能將光譜視為標準光譜。統(tǒng)計檢驗待入庫光譜與標準光譜的相關系數(shù)、均值和均方根誤差等指標，剔除異常光譜；對于特征波峰和波谷位置、光譜形態(tài)和水氣吸收帶等信息，波譜特征分析能夠快速評估光譜質量；將待入庫光譜與典型地物光譜進行匹配，得出光譜質量的定量評價。

2.2 光譜數(shù)據(jù)處理的關鍵技術

對于入庫光譜曲線進行處理，在異常光譜剔除后，進行光譜數(shù)據(jù)的去噪和重采樣，結合研究目標，選擇合適的光譜變換方法，最后實現(xiàn)定量遙感的目標。用戶只需點擊需要處理的光譜曲線，系統(tǒng)便能夠對光譜數(shù)據(jù)進行相應處理，實現(xiàn)了光譜數(shù)據(jù)與應用模型的無縫銜接。其中，光譜去噪提供加權移動平均法和包絡線去除2種方法；光譜變換包括倒數(shù)、對數(shù)、倒數(shù)的對數(shù)、對數(shù)的倒數(shù)、均方根、一階微分、倒數(shù)一階微分、倒數(shù)的對數(shù)一階微分、對數(shù)一階微分、對數(shù)的倒數(shù)一階微分、均方根一階微分、二階微分和斜率等13種方法；光譜定量化提供了光譜吸收位置、吸收深度、吸收指數(shù)、吸收寬度、吸收對稱性和光譜積分等6種計算方法。

2.3 典型地物光譜綜合分析方法

系統(tǒng)集成5類典型地物的光譜分析方法，開展光譜數(shù)據(jù)的綜合分析。

1)植被的葉綠素、纖維素和木質素等都在光譜上有明顯的反應。該系統(tǒng)將植被的光譜特征進行識別，在超過30種指數(shù)模型和定量模型的輔助下，能夠精細提取植被的生長狀況，這對于作物的物候鑒定和健康評價都具有重要的意義。

2)純水光譜呈現(xiàn)類似拋物線的特征，在740 nm處達到反射率的最低值。因此，水體中的物質能夠導致光譜曲線發(fā)生明顯的偏離。根據(jù)這一原理，該系統(tǒng)集成了藻含量、泥沙含量和水深等遙感信息模型，實現(xiàn)了根據(jù)光譜分析水質的科學方法。

3)在土壤分析方面，根據(jù)土壤中氧化鐵、水分含量、碳酸鹽、硫酸鹽和重金屬等在土壤光譜中的作用規(guī)律，計算土壤可能的組成物質。此外，在土壤質量評價方面，該系統(tǒng)集成了干旱指數(shù)和地表熱慣量等綜合分析模型，實現(xiàn)了模型的科學集成。

4)系統(tǒng)按照過渡性金屬元素、碳酸根和羥基離子、硅鋁元素的劃分方式，分別針對400～1 300 nm，1 300～2 500 nm，3 000～5 000 nm的巖礦進行了綜合分析方法的集成。能夠針對導入該系統(tǒng)的巖礦光譜數(shù)據(jù)，快速計算特征波段，在反演模型的支持下，實現(xiàn)了巖礦光譜參數(shù)的自動計算。

5)人工建筑材料的選取中，水泥混凝土主要用于建筑物屋頂?shù)匿佋O，在960～970 nm的光譜范圍內，平均反射率相對較高；粘土混凝土在2 035 nm處有吸收特征；較老的建筑物屋頂，盡管大多是水泥混凝土材質，但是其表層遭受風化和植物滋生等影響，反射率整體降低，在1 015 nm處存在吸收特征；高反射率玻璃和金屬建筑物屋頂常見于特色建筑，在2 050 nm處存在吸收特征；低反射率瀝青建筑物屋頂反射率低，但受下墊面性質影響960 nm處有反射峰。該系統(tǒng)具有屋頂材質、道路材質、城市綠化以及景觀水體等多種綜合分析模型。

2.4 光譜數(shù)據(jù)匹配方法

光譜匹配能夠在預知地物的標準光譜響應曲線基礎上，通過比對未知光譜數(shù)據(jù)，實現(xiàn)光譜數(shù)據(jù)的鑒別和分類。系統(tǒng)采用光譜角匹配、光譜信息散度和光譜相似系數(shù)3種匹配方法。通過計算光譜數(shù)據(jù)之間的夾角，表征不同光譜數(shù)據(jù)的匹配程度，測試光譜ti與參考光譜ri的光譜夾角α為

(1)

光譜信息散度依據(jù)連續(xù)光譜反射率數(shù)據(jù)是由不確定性隨機數(shù)得到的結果。從曲線的形狀出發(fā)，計算出各個特征點的信息熵，通過比較信息熵和的大小，評估光譜的相似性。信息熵D的計算公式為

(2)

光譜相似系數(shù)是計算測試光譜與參考光譜的相關系數(shù)，完全相同，系數(shù)為1，越接近1越相似。光譜相似系數(shù)ρ的計算公式為

(3)

3 應用實例

3.1 植被光譜綜合分析應用

系統(tǒng)集成了綠度、光利用率、氮素、葉綠素、干旱和水分含量等7種植被參量的多種地物的特征吸收谷與反射峰計算模型。在針對植被特征波段發(fā)現(xiàn)、含量分析和定量遙感計算等方面，都實現(xiàn)了快速自動計算。

以灌木草光譜為例，按照質量評估、光譜異常篩選、平滑去噪和重采樣等流程，導入數(shù)據(jù)管理系統(tǒng)。該系統(tǒng)能夠自動分析這一灌木草的一系列特征參數(shù)(圖3)，同時，給出每一光譜數(shù)據(jù)的參考值和優(yōu)秀值，使使用者能夠快速分析這一灌木草的生長狀況。例如，計算出灌木草的歸一化植被指數(shù)為0.466，優(yōu)秀值為0.2～0.8，因此，這一光譜對應的灌木草植被指數(shù)是有效的；紅邊位置指數(shù)為0.71 μm，參考值是0.7～0.73 μm，說明該灌木草未發(fā)生紅邊位移，長勢良好。此外，該灌木草的水分含量、葉色素含量和干旱指數(shù)也同步計算出，能夠反映該灌木草所生長環(huán)境的綜合情況。

圖3 植被光譜綜合分析系統(tǒng)提取光譜參數(shù)

3.2 土壤光譜信息提取應用

采用機載航空高光譜儀CASI和SASI獲取我國東北某地高光譜數(shù)據(jù)，其中CASI和SASI光譜范圍分別為380～1 050 nm和950～2 450 nm，空間分辨率分別為0.6 m和1.8 m，光譜分辨率分別為2.3 nm和15 nm。搭載平臺為“運12”雙發(fā)渦槳飛機，飛行時間為2017年4月14日，數(shù)據(jù)獲取時間為正午12點。地面進行同步黑白布和典型地物地面光譜測量，同時通過架設基站同步獲取靜態(tài)GPS數(shù)據(jù)。地面光譜測量數(shù)據(jù)可發(fā)揮2方面作用：①通過測量黑白布反射率，為航空高光譜數(shù)據(jù)提供輻射校正參考光譜；②通過對地面典型土壤光譜數(shù)據(jù)的精細分析，為航空高光譜數(shù)據(jù)反演提供理論基礎。

首先，在所獲取的航空高光譜影像上選擇采樣點的土壤光譜數(shù)據(jù)，導入到該系統(tǒng)中。以1號樣點的黑土光譜為例(圖4)，由于黑土光譜反射率普遍較低，原始光譜數(shù)據(jù)特征波段不顯著。通過對數(shù)的倒數(shù)處理后，得出437 nm處光譜反射率值最大，具有顯著的反射特性。一階微分計算顯示這一土壤光譜的光譜變換最大波譜位置為：943 nm，950 nm，762 nm，781 nm和847 nm，通過分析這些光譜位置，對于掌握土壤成分含量與光譜的特征位置具有顯著意義。包絡線去除能夠進一步提取特征波段，結果顯示950 nm，437 nm，523 nm和475 nm處的包絡線去除后，反射率達到極大值，可以作為建模波段進行定量遙感計算。

圖4 系統(tǒng)支持下的土壤光譜處理結果

4 結論與討論

針對光譜研究中，缺乏高效率地面光譜分析手段的實際應用需求，研究典型目標地面光譜數(shù)據(jù)獲取、分析、處理和綜合信息提取的技術方案，在軟件工程和數(shù)學模型支持下，建立了一套典型目標地物標準光譜信息系統(tǒng)。

所構建軟件平臺區(qū)別于傳統(tǒng)的光譜數(shù)據(jù)庫思路，著重于信息系統(tǒng)，將常見的典型地物光譜進行了綜合管理，提高了數(shù)據(jù)的使用效率，在內置上百種光譜分析模型的支持下，達到了高效、快速和準確挖掘光譜蘊含的豐富地物信息的目標，為目標識別、資源勘查、土地利用和生態(tài)環(huán)境評價等工作提供了技術支撐。隨著信息系統(tǒng)光譜收集量的增加和新型光譜分析模型的不斷引入，該系統(tǒng)將成為地物光譜定量化應用的重要技術工具之一。