由于光谱数据是遥感图像分类和目标识别的理论基础数据,大量的遥感研究均需获取、处理和管理这一数据。随着采集地区和传感器类型的增多,亟待引入软件工程技术,科学地将大量的标准光谱数据进行管理。在此基础上,通过光谱匹配技术,能够实现地物类型的快速鉴别。

目前国际上具有代表性的波谱库有: 为研究不同粒度矿物的光谱特性,美国喷气推进实验室基于Beckman UV-5240型光谱仪,收集了上百种常见矿物光谱; 美国在IGCP-264工程实施过程中,对26种样本采用5种分光计测试; 加利福尼亚技术研究所建立了ASTER光谱库,这一光谱库按照矿物、岩石、土壤、月壤、陨石、植被、水雪冰和人工材料的划分方法,整理了超过1 500种典型地物的光谱数据; 在多传感器光谱数据获取方面,约翰霍普金斯大学研发了包含15个子库的不同分光计光谱数据。

在国内,中国科学院空间技术中心编写的“中国地球资源光谱信息资料汇编”涵盖了我国常见的地物光谱数据类型,为相关项目开展提供了科学依据。随着光谱库建设的推广,针对行业需求的系统建设全面展开。中国科学院遥感与数字地球研究所建立了针对微波特性的知识库^[1]; 中国科学院长春地理研究所针对目标识别和作物估产需要,建设了长春净月潭地物波谱数据库^[2]; 北京师范大学遥感与地理信息系统研究中心建立了我国典型地物标准波谱数据库^[3]; 中国科学院安徽光学精密机械研究所在污染气体检测、痕量气体浓度反演研究中,形成了一套痕量气体特征光谱数据库^[4]; 中国煤炭地质总局航测遥感局建立了矿物岩石高光谱数据库^[5]; 武汉大学测绘遥感信息工程国家重点实验室采用VC++语言,建立了GeoImager光谱数据库系统^[6],应用于遥感基础理论研究; 南京大学国际地球系统科学研究所按照植被、土壤、岩石、矿物、原油、水体、冰雪和人工目标分类,建立了一套典型地物标准波谱数据库^[7]; 山东科技大学将兖州矿区典型地物波谱数据库应用于矿区生态环境监测^[8]; 为实现光谱数据的快速处理,新疆农业大学所建立的新疆典型荒漠植物光谱数据库系统在光谱求导、光谱参量提取和光谱比对等方面,具有实用价值^[9,10]。

但是,现有光谱库仍然存在一些不足: ①采集设备单一,多数光谱库选用的是1~2种传感器采集,数据之间缺乏互检; ②地物种类划分泛化性较弱,过分强调区域和测量环境,使得光谱库在使用时缺乏一定的鲁棒性; ③数据库功能强于信息系统功能,侧重于光谱数据的存储和管理,在数据处理、分析和应用模型集成方面较落后。针对上述问题,按照“光谱数据获取-规范-处理-匹配-分析-应用”的模式,建设了一套典型目标地面光谱信息系统,该系统支持天、空、地一体化的光谱数据; 光谱数据与应用模型无缝衔接; 集成了常用的光谱信息提取算法,提高光谱研究的工作质量和效率。

为方便野外携带,系统采用单机(C/S)结构设计,在验证用户名和密码基础上,根据权限分配确保光谱数据的安全性。系统分为光谱数据管理、信息处理、信息分析、数据匹配和系统安全管理等子系统,分别实现典型地物光谱的相应操作功能(图1)。在光谱数据匹配系统中,集成了测量环境、定标板、传感器、测量人员和精度评价等信息,便于高光谱应用时信息的提取工作。

该系统共分为7个功能部分:

1)光谱数据管理模块。该模块包括: 对卫星、航空和地面光谱数据的增加、更新和删除功能,支持用户对光谱按照类别方式逐条浏览和总览。点击光谱数据条目时,光谱曲线及实物照片、测量环境信息、传感器信息、定标板信息和测量人员信息自动链接显示。具有动态管理地物光谱类别的能力,系统支持植被、水体、土壤、岩矿和人工建筑5大类地物类型,在每个大类地物类型下,用户可根据项目需要,个性化编辑子类。相应光谱库中的树状结构也将发生联动变化,不仅实现地物类别的动态管理,也对光谱库的光谱数据起到了安全保护的作用。此外,还具备光谱数据统计及图形化显示统计结果的功能。

2)光谱信息处理模块。针对单条光谱曲线,系统提供基本的数值运算,包括平方、开方、对数计算和余弦值计算等功能,实现光谱曲线快速变换; 为满足光谱去除仪器噪声和去除水汽噪声需求,系统集成了针对相应波段的去噪功能; 此外,为进一步增强光谱细微差异,系统集成了重采样、二值化编码、光谱归一化、光谱包络线计算、光谱斜率计算、一阶导数、二阶导数、光谱积分和光谱柱状图等处理模型,通过光谱特性增强手段,实现光谱的精细处理。

3)光谱信息分析模块。处理后的光谱数据可以直接进入分析模块,在指定的波段范围内,实现众数、中值、均值、标准差和方差等光谱参量的快速分析。实现了光谱数据的基本统计信息计算。针对植被和水体研究的需要,为了自动发现光谱的特征吸收谷和反射峰,系统集成了蓝边、绿边、黄边和红边等光谱特征值,在定量计算含量和特征波段探寻方面,起到快速计算的目的。

4)光谱数据匹配模块。支持“条件检索”和“自动匹配”2种方式,前者适用于用户输入未知光谱数据时,通过设置一系列查询条件(例如设置条件为450 nm处反射率小于0.2,780 nm处反射率大于0.7,且2 100 nm处反射率不等于0.5等)在光谱库中查找满足该条件的所有光谱数据。该查询方法对于用户鉴定未知光谱曲线,判断地物类型具有重要意义。后者通过用户导入波段和反射率数据,设置预处理方法(不做处理、一阶微分、包络线去除和吸收峰加权)后,根据所选的光谱匹配算法(光谱角匹配、光谱信息散度和光谱相似系数),自动在光谱库中匹配最接近未知光谱的数据。

5)应用示范模块。集成了植被、水体、土壤、岩矿和人工建筑信息综合提取功能。提取的信息包括植被的宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素和冠层水分含量计算功能; 水体的水系特征识别模型、藻浓度测量模型、悬浮颗粒浓度测量模型和有机污染级别判定模型; 红土、黑土和黄土土壤养分含量的定量提取模型; 多种岩矿的特征吸收谷与反射峰计算模型; 人工建筑的屋顶材质分析、道路材质分析、城市林地和草地分析以及城市景观水体分析功能等。

6)文件下载模块。提供指定光谱范围的波谱数据及其元数据、处理和分析结果文本的本地下载。

7)系统安全管理模块。通过身份认证、角色管理和登录管理,确保只有授权的用户才能操作系统。权限管理还可进一步控制用户的操作范围。

根据数据库需求分析的结果,通过E-R实体关系图对实体进行描述,概括出程序中所包含的实体及实体间的关系,归纳光谱信息系统的特点,数据具有的规律有: 一条光谱曲线包含多个元数据信息; 一个元数据对应多条光谱曲线; 一条光谱曲线对应多个处理和分析结果; 一个测量点对应多条光谱数据; 一个处理模型对应多种地物类型。在合理化这些约束条件下,建立表之间的逻辑关系。其设计分为3部分: ①地物光谱数据表,包括植被、水体、土壤、岩矿和人工建筑数据表; ②地物类型表,包括植被、水体、土壤、岩矿和人工建筑类型表; ③光谱元数据表,包括定标板、传感器、测量人员和测量环境数据表。数据表结构与表间关系如图2所示,其中箭头指示了表与表通过主键ID的关联关系。

天、空、地一体化的光谱数据指来源于星载、机载高光谱传感器和地面光谱辐射计3种平台所获取的光谱数据。数据类型分为植被、水体、土壤、岩矿和人工建筑。由实验室多年多个项目积累的成果,广泛分布于我国不同省市地区。在入库前,系统对不同平台的数据,通过辐射校正、重采样和包络线处理,形成面向地物的统一光谱标准,即一体化数据。星载数据包括Hyperion EO-1(400~2 500 nm)和ASTER EOS Terra(520~11 650 nm); 机载数据包括CASI1500(380~1 050 nm),SASI600(950~2 450 nm),TASI600(8 000~12 000 nm)和HyMap(400~2 500 nm); 地面数据包括HySpexSWIR-320(1 000~2 500 nm),ASD FR(350~2 500 nm)和102F(2 000~16 000 nm)。

常见的光谱数据质量评估方法有统计检验法、光谱特征分析法和与标准光谱进行匹配的方法。3种方法互相配套和补充使用,经过合理的光谱质量评估工作,才能将光谱视为标准光谱。统计检验待入库光谱与标准光谱的相关系数、均值和均方根误差等指标,剔除异常光谱; 对于特征波峰和波谷位置、光谱形态和水气吸收带等信息,波谱特征分析能够快速评估光谱质量; 将待入库光谱与典型地物光谱进行匹配,得出光谱质量的定量评价。

对于入库光谱曲线进行处理,在异常光谱剔除后,进行光谱数据的去噪和重采样,结合研究目标,选择合适的光谱变换方法,最后实现定量遥感的目标。用户只需点击需要处理的光谱曲线,系统便能够对光谱数据进行相应处理,实现了光谱数据与应用模型的无缝衔接。其中,光谱去噪提供加权移动平均法和包络线去除2种方法; 光谱变换包括倒数、对数、倒数的对数、对数的倒数、均方根、一阶微分、倒数一阶微分、倒数的对数一阶微分、对数一阶微分、对数的倒数一阶微分、均方根一阶微分、二阶微分和斜率等13种方法; 光谱定量化提供了光谱吸收位置、吸收深度、吸收指数、吸收宽度、吸收对称性和光谱积分等6种计算方法。

系统集成5类典型地物的光谱分析方法,开展光谱数据的综合分析。

1)植被的叶绿素、纤维素和木质素等都在光谱上有明显的反应。该系统将植被的光谱特征进行识别,在超过30种指数模型和定量模型的辅助下,能够精细提取植被的生长状况,这对于作物的物候鉴定和健康评价都具有重要的意义。

2)纯水光谱呈现类似抛物线的特征,在740 nm处达到反射率的最低值。因此,水体中的物质能够导致光谱曲线发生明显的偏离。根据这一原理,该系统集成了藻含量、泥沙含量和水深等遥感信息模型,实现了根据光谱分析水质的科学方法。

3)在土壤分析方面,根据土壤中氧化铁、水分含量、碳酸盐、硫酸盐和重金属等在土壤光谱中的作用规律,计算土壤可能的组成物质。此外,在土壤质量评价方面,该系统集成了干旱指数和地表热惯量等综合分析模型,实现了模型的科学集成。

4)系统按照过渡性金属元素、碳酸根和羟基离子、硅铝元素的划分方式,分别针对400~1 300 nm,1 300~2 500 nm,3 000~5 000 nm的岩矿进行了综合分析方法的集成。能够针对导入该系统的岩矿光谱数据,快速计算特征波段,在反演模型的支持下,实现了岩矿光谱参数的自动计算。

5)人工建筑材料的选取中,水泥混凝土主要用于建筑物屋顶的铺设,在960~970 nm的光谱范围内,平均反射率相对较高; 粘土混凝土在2 035 nm处有吸收特征; 较老的建筑物屋顶,尽管大多是水泥混凝土材质,但是其表层遭受风化和植物滋生等影响,反射率整体降低,在1 015 nm处存在吸收特征; 高反射率玻璃和金属建筑物屋顶常见于特色建筑,在2 050 nm处存在吸收特征; 低反射率沥青建筑物屋顶反射率低,但受下垫面性质影响960 nm处有反射峰。该系统具有屋顶材质、道路材质、城市绿化以及景观水体等多种综合分析模型。

光谱匹配能够在预知地物的标准光谱响应曲线基础上,通过比对未知光谱数据,实现光谱数据的鉴别和分类。系统采用光谱角匹配、光谱信息散度和光谱相似系数3种匹配方法。通过计算光谱数据之间的夹角,表征不同光谱数据的匹配程度,测试光谱 ti与参考光谱 ri的光谱夹角 α为

(1)α=cos-1∑i=1ntiri∑i=1nti2∑i=1nri2。

光谱信息散度依据连续光谱反射率数据是由不确定性随机数得到的结果。从曲线的形状出发,计算出各个特征点的信息熵,通过比较信息熵和的大小,评估光谱的相似性。信息熵D的计算公式为

(2)D=∑i=1n-tilbti/ri。

光谱相似系数是计算测试光谱与参考光谱的相关系数,完全相同,系数为1,越接近1越相似。光谱相似系数 ρ的计算公式为

式中 t-i和 r-i分别为测试光谱和参考光谱均值。

系统集成了绿度、光利用率、氮素、叶绿素、干旱和水分含量等7种植被参量的多种地物的特征吸收谷与反射峰计算模型。在针对植被特征波段发现、含量分析和定量遥感计算等方面,都实现了快速自动计算。

以灌木草光谱为例,按照质量评估、光谱异常筛选、平滑去噪和重采样等流程,导入数据管理系统。该系统能够自动分析这一灌木草的一系列特征参数(图3),同时,给出每一光谱数据的参考值和优秀值,使使用者能够快速分析这一灌木草的生长状况。例如,计算出灌木草的归一化植被指数为0.466,优秀值为0.2~0.8,因此,这一光谱对应的灌木草植被指数是有效的; 红边位置指数为0.71 μm,参考值是0.7~0.73 μm,说明该灌木草未发生红边位移,长势良好。此外,该灌木草的水分含量、叶色素含量和干旱指数也同步计算出,能够反映该灌木草所生长环境的综合情况。

采用机载航空高光谱仪CASI和SASI获取我国东北某地高光谱数据,其中CASI和SASI光谱范围分别为380~1 050 nm和950~2 450 nm,空间分辨率分别为0.6 m和1.8 m,光谱分辨率分别为2.3 nm和15 nm。搭载平台为“运12”双发涡桨飞机,飞行时间为2017年4月14日,数据获取时间为正午12点。地面进行同步黑白布和典型地物地面光谱测量,同时通过架设基站同步获取静态GPS数据。地面光谱测量数据可发挥2方面作用: ①通过测量黑白布反射率,为航空高光谱数据提供辐射校正参考光谱; ②通过对地面典型土壤光谱数据的精细分析,为航空高光谱数据反演提供理论基础。

首先,在所获取的航空高光谱影像上选择采样点的土壤光谱数据,导入到该系统中。以1号样点的黑土光谱为例(图4),由于黑土光谱反射率普遍较低,原始光谱数据特征波段不显著。通过对数的倒数处理后,得出437 nm处光谱反射率值最大,具有显著的反射特性。一阶微分计算显示这一土壤光谱的光谱变换最大波谱位置为: 943 nm,950 nm,762 nm,781 nm和847 nm,通过分析这些光谱位置,对于掌握土壤成分含量与光谱的特征位置具有显著意义。包络线去除能够进一步提取特征波段,结果显示950 nm,437 nm,523 nm和475 nm处的包络线去除后,反射率达到极大值,可以作为建模波段进行定量遥感计算。

针对光谱研究中,缺乏高效率地面光谱分析手段的实际应用需求,研究典型目标地面光谱数据获取、分析、处理和综合信息提取的技术方案,在软件工程和数学模型支持下,建立了一套典型目标地物标准光谱信息系统。

所构建软件平台区别于传统的光谱数据库思路,着重于信息系统,将常见的典型地物光谱进行了综合管理,提高了数据的使用效率,在内置上百种光谱分析模型的支持下,达到了高效、快速和准确挖掘光谱蕴含的丰富地物信息的目标,为目标识别、资源勘查、土地利用和生态环境评价等工作提供了技术支撑。随着信息系统光谱收集量的增加和新型光谱分析模型的不断引入,该系统将成为地物光谱定量化应用的重要技术工具之一。