目 录 第9章高光谱遥感微波遥感1 $91高光谱遥感 9.1.】高光谱遥感的基本概念 9.12高光谱遥感的应用. 9.1.3高光谱遥感的发展前景 4 S9.2多角度遇感 5 9.2.1双向反射概念 6 9.2.2双向反射模型 6 9.2.3双向反射模型反演方法 S9.3微波遥感 .9 9.3.1微波遥感概述 9 9.32微波遥感特性 10 9.3.3微波传感器及其分类 .12 9.3.4侧视雷达及其图像 13
目 录 第 9 章 高光谱遥感与微波遥感 ..................................................1 §9.1 高光谱遥感................................................................................................1 9.1.1 高光谱遥感的基本概念........................................................................... 1 9.1.2 高光谱遥感的应用.................................................................................. 2 9.1.3 高光谱遥感的发展前景........................................................................... 4 §9.2 多角度遥感................................................................................................5 9.2.1 双向反射概念......................................................................................... 6 9.2.2 双向反射模型......................................................................................... 6 9.2.3 双向反射模型反演方法........................................................................... 9 §9.3 微波遥感....................................................................................................9 9.3.1 微波遥感概述......................................................................................... 9 9.3.2 微波遥感特性....................................................................................... 10 9.3.3 微波传感器及其分类............................................................................ 12 9.3.4 侧视雷达及其图像................................................................................ 13
第9章高光谱遥感与微波遥感 §9.1高光谱遥感 9.1.1高光谱遥感的基本概念 高光谱遥感是高光谱分辨率遥感(yperspectral Remote Sensing)的简称，是指利用很多 很窄的电磁波波段从感兴趣的物体获取有关数据。它是在电磁波谱的紫外、可见光、近红 外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱议Imaging Spectrometer)为每个像元提供数十至数百个窄波段（通常波段宽度100m,且波段在波谱上不连续，并不 完全覆盖整个可见光至红外光(0.4~2.4μm)光谱范围。 在(400~900nm)光谱范围内的空间和光谱分辨率视觉化效果如图9一1所示，例如TM 波段相对较宽且光谱不连续，一个TM波段内只记录一个数据点，而用航空可见光红外光 成像光谱仪(AVIRIS)记录这一一波段节围的光 谱信息需用10个以上数据点，几乎是连续光 谱抽样(Schowengerdt,.1997)。xy轴代表平面 TM 空间，上面一个网格代表1个像元，入轴代 表波长或波段。高光谱遥感并不是简单的数 据量的增加，而是信息量的增加，信息量可 增加十倍以至数百倍。 成像光谱技术的发展引起了遥感及地学 科学家们的兴趣。高光谱遥感的出现是遥感 界的一场革命，它使本来在宽波段遥感中不 可深测的物质，在高光谱遥感中能被深测。 由于成像光谱系统获得的连续波段宽度一般 在10nm以内，因此这种数据能以足够的光 普分辨率区分出那些具有诊断性光谱特征的 地表物质。这一点在地质矿物分类及成图上 具有广泛的应用前景。而陆地卫星传感器， 像MSS和TM,则无法探测这些具有诊断性 光谱吸收特征的物质，因为它们的波段宽度 一般在100-200nm(远宽于诊断性光谱宽 图9-1TM和AVIRIS在可见光一近红外 度)，且在光谱上并不连续。类似地，假如矿 1
1 第 9 章 高光谱遥感与微波遥感 §9.1 高光谱遥感 9.1.1 高光谱遥感的基本概念 高光谱遥感是高光谱分辨率遥感(Hyperspectral Remote Sensing)的简称，是指利用很多 很窄的电磁波波段从感兴趣的物体获取有关数据。它是在电磁波谱的紫外、可见光、近红 外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱议(Imaging Spectrometer)为每个像元提供数十至数百个窄波段（通常波段宽度＜10nm＝光谱信息，能 产生一条完整而连续的光谱曲线。成像光谱仪将视域中观测到的各种地物以完整的光谱曲 线记录下来。这种记录的光谱数据能用于多学科的研究和应用中。从航空成像光谱仪(AIS) 的 32 个连续波段影像上，人们可以获取连续的光谱信息。这是高光谱遥感与常规遥感数据 的主要区别。后者又称宽波段遥感，波段宽一般＞100nm，且波段在波谱上不连续，并不 完全覆盖整个可见光至红外光(0.4～2.4μm)光谱范围。 在(400～900nm)光谱范围内的空间和光谱分辨率视觉化效果如图 9－1 所示，例如 TM 波段相对较宽且光谱不连续，一个 TM 波段内只记录一个数据点，而用航空可见光/红外光 成像光谱仪(AVIRIS)记录这一波段范围的光 谱信息需用 10 个以上数据点，几乎是连续光 谱抽样(Schowengerdt,1997)。x,y 轴代表平面 空间，上面一个网格代表 1 个像元，λ轴代 表波长或波段。高光谱遥感并不是简单的数 据量的增加，而是信息量的增加，信息量可 增加十倍以至数百倍。 成像光谱技术的发展引起了遥感及地学 科学家们的兴趣。高光谱遥感的出现是遥感 界的一场革命，它使本来在宽波段遥感中不 可探测的物质，在高光谱遥感中能被探测。 由于成像光谱系统获得的连续波段宽度一般 在 10nm 以内，因此这种数据能以足够的光 谱分辨率区分出那些具有诊断性光谱特征的 地表物质。这一点在地质矿物分类及成图上 具有广泛的应用前景。而陆地卫星传感器， 像 MSS 和 TM，则无法探测这些具有诊断性 光谱吸收特征的物质，因为它们的波段宽度 一般在 100—200nm(远宽于诊断性光谱宽 度)，且在光谱上并不连续。类似地，假如矿 图 9-1 TM 和 AVIRIS 在可见光—近红外
物成分有特殊的光谱特征，用这种高光谱分辨率数据也能将混合矿物或矿物像元中混有植 被光谱的情形，在单个像元内计算出各种成分的比例。在地物探测和环境监测研究中，利 用高光谱遥感数据，可采用确定性方法模型)，而不像宽波段遥感采用的统计方法（模型）。 其主要原因也是因为成像光谱测定法能提供丰富的光谱信息，并借此定义特殊的光谱特征。 9.1.2高光谱遥感的应用 1在地质调查中的应用 区域地质制图和矿产勘探是高光谱技术主要的应用领域之一。地质是高光谱遥感应用 中最成功的一个领域。各种矿物和岩石在电磁波谱上显示的诊断光谱特性(diagnostic spectral feature)可以帮助人们识别不同矿物成分。高光谱数据能反映出这类诊断性光谱特 征。一些广物成分比如石膏，胶岭石，白云母，高岭石以及白云石等等的光谱曲线明显地 显示了各自的吸收、反射诊断性光谱特征。这些诊断性光谱特征只有利用高光谱数据才有 可能被探测到。假如利用宽波段遥感数据，探测这类诊断性光谱特征是不可能的。高光谱 数据的光谱分辨率比宽波段遥感高数十倍(<I0m),在宽波段遥感图象上无法反映的具有 诊断性光谱特征的矿物，在高光谱图象上变得很容易识别。这从根本上改观了从光学遥感 图象上提取地质信息的质量和数量。高光谱遥感以数十至数百个连续且窄的光谱波段描述 一个像元。这一点在地质遥感中很重要，因为利用连续的窄波段能探测具有不同诊断性光 谱特征（特征波段宽度和位置等）的各种矿物。 利用AIS高光谱图象数据可直接在图像上识别一些具有诊断性光谱特征的地表矿物成 分。AVIRIS数据可被用来确定单个像元内混合矿物成分各自的百分比。由此产生的矿物成 分分布图及丰度图有助于加深对地质过程的理解。高光谱谣感能成功地应用于地质须域( 物识别和制图)的主要原因是高光谱遥感有许多不同于宽波段遥感的性质。 2在植被研究中的应用 同许多地表可矿物成分具有非常特殊的诊断性反射光谱特征一样，植物由于其也由一些 与地表矿物成分相同的化合物构成，因此也应有类似的光谱特征。己确定的大部分植物的 明显光谱特征是由于内含的叶绿素等色素和液态水引起的。一般而言，健康的绿色植物的 光谱曲线总是呈现明显的“峰和“谷”的特征。可见光部分的低谷(0.45和0.67μm处的 蓝、红光)主要由叶绿素强烈吸收引起。在可见光区的“蓝边”（蓝过渡到绿）、绿峰、“黄 边”（绿过谚到红）、红光低谷及红光过谚到沂红外的“红边”是描术描物色素状态和肆 状况的重要指示波段，“红边”是植物曲线最明显的特征。近红外高原区(0.7-1.3μm)对 于典型植物叶子的反射率一般为40%.50%。这主要是由于植物叶子内部组织结物（细胸结 构)多次反射散射之结果。13μm以后的三个明显低谷：14、1.9、和2.7um是由于叶子 内部的液态水强烈吸收的结果。相应地称这些波长位置为水吸收波段。这些吸收波段间出 现两个主要反射峰，位于1.6和22μm处。这是植物曲线所特有的光谱特征。这些特征主 要由其化学和形态学特征决定的，而这些特征与植被的生长发育阶段、健康状况和物候现 象密切相关。 由于不同植物绿叶之间以及同一植物不同部位的绿叶之间色素含量（主要是叶绿素） 及水分含量的差异，它们之间的光谱曲线线形存在许多差别。即使是同一种植物由于叶子 生长部位不同，它们叶绿素吸收引起的可见光曲线形状也可能明显不同。不同植物种类之
2 物成分有特殊的光谱特征，用这种高光谱分辨率数据也能将混合矿物或矿物像元中混有植 被光谱的情形，在单个像元内计算出各种成分的比例。在地物探测和环境监测研究中，利 用高光谱遥感数据，可采用确定性方法(模型)，而不像宽波段遥感采用的统计方法(模型)。 其主要原因也是因为成像光谱测定法能提供丰富的光谱信息，并借此定义特殊的光谱特征。 9.1.2 高光谱遥感的应用 1 在地质调查中的应用 区域地质制图和矿产勘探是高光谱技术主要的应用领域之一。地质是高光谱遥感应用 中最成功的一个领域。各种矿物和岩石在电磁波谱上显示的诊断光谱特性(diagnostic spectral feature)可以帮助人们识别不同矿物成分。高光谱数据能反映出这类诊断性光谱特 征。一些矿物成分比如石膏，胶岭石，白云母，高岭石以及白云石等等的光谱曲线明显地 显示了各自的吸收、反射诊断性光谱特征。这些诊断性光谱特征只有利用高光谱数据才有 可能被探测到。假如利用宽波段遥感数据，探测这类诊断性光谱特征是不可能的。高光谱 数据的光谱分辨率比宽波段遥感高数十倍（<10nm）,在宽波段遥感图象上无法反映的具有 诊断性光谱特征的矿物，在高光谱图象上变得很容易识别。这从根本上改观了从光学遥感 图象上提取地质信息的质量和数量。高光谱遥感以数十至数百个连续且窄的光谱波段描述 一个像元。这一点在地质遥感中很重要，因为利用连续的窄波段能探测具有不同诊断性光 谱特征（特征波段宽度和位置等）的各种矿物。 利用 AIS 高光谱图象数据可直接在图像上识别一些具有诊断性光谱特征的地表矿物成 分。AVIRIS 数据可被用来确定单个像元内混合矿物成分各自的百分比。由此产生的矿物成 分分布图及丰度图有助于加深对地质过程的理解。高光谱遥感能成功地应用于地质领域（矿 物识别和制图）的主要原因是高光谱遥感有许多不同于宽波段遥感的性质。 2 在植被研究中的应用 同许多地表矿物成分具有非常特殊的诊断性反射光谱特征一样，植物由于其也由一些 与地表矿物成分相同的化合物构成，因此也应有类似的光谱特征。已确定的大部分植物的 明显光谱特征是由于内含的叶绿素等色素和液态水引起的。一般而言，健康的绿色植物的 光谱曲线总是呈现明显的“峰”和“谷”的特征。可见光部分的低谷（0.45 和 0.67μm 处的 蓝、红光）主要由叶绿素强烈吸收引起。在可见光区的“蓝边”（蓝过渡到绿）、绿峰、“黄 边”（绿过渡到红）、红光低谷及红光过渡到近红外的“红边”是描述植物色素状态和健康 状况的重要指示波段，“红边”是植物曲线最明显的特征。近红外高原区（0.7-1.3μm）对 于典型植物叶子的反射率一般为 40%-50%。这主要是由于植物叶子内部组织结构（细胞结 构）多次反射散射之结果。1.3μm 以后的三个明显低谷：1.4、1.9、和 2.7μm 是由于叶子 内部的液态水强烈吸收的结果。相应地称这些波长位置为水吸收波段。这些吸收波段间出 现两个主要反射峰，位于 1.6 和 2.2μm 处。这是植物曲线所特有的光谱特征。这些特征主 要由其化学和形态学特征决定的，而这些特征与植被的生长发育阶段、健康状况和物候现 象密切相关。 由于不同植物绿叶之间以及同一植物不同部位的绿叶之间色素含量（主要是叶绿素） 及水分含量的差异，它们之间的光谱曲线线形存在许多差别。即使是同一种植物由于叶子 生长部位不同，它们叶绿素吸收引起的可见光曲线形状也可能明显不同。不同植物种类之
间“吸收谷”、“反射峰”的差异就更明显了。这种植物绿叶光谱曲线线形除受各种类及部 位因素影响外，还受物候季相的影响。所有这些光谱特征差异如果能用像地面光谱仪一样 测量记录下来，那么对于植物学研究将有很大的帮助。因此精细分划10m左右的细波段 能记录丰富的电磁波信息，能详细描述不同植物特有的光谱特征，这是传统多光谱技术所 做不到的。 高光谱遥感不仅能用于除传统多光谱遥感对植被的识别与分类外，还能对植物化学成 分（指植物体内的）及植物长势等作出评估。而且，高光谱遥感数据能大大地改善对植被 的识别与分类精度。单就充分利用植被的光谱信息而言，人们可以从众多的窄波段中筛选 出那些对植物类型间光谱差异极为明显的波段，利用少数几个窄波段对植被类型进行识别 和分类：也可采用一些数据压缩技术，重新组合几个综合波段，充分利用植被的光谱信息， 这对植被识别与分类精度的改善必将大有帮助。由于航高的原因，改善空间分辨率有一定 难度，但光谱分绑率的提高同样也能改善植物遥感水平。高光谱遥感的出现，使植物化学 成分的遥感估测成为可能。因此植物遥感已非局限于对植物类型的识别和分类，而已涉及 到各种植物化学成分的估测。如对植物叶内的N、P、K、糖类、淀粉、蛋白质、氨基酸 木质素、纤维素及叶绿素等的估测，并为评价植物长势、估计陆地生物量从理论和实践上 提供了可靠的保证。在植物生态学研究中应用高光谱遥感数据，主要涉及以下几个方面： 植物群落、种类的识别、冠层结构、状态或活力的评价、冠层水文状态的评价和冠层生物 化学成分的估计。 3在其它领域中的应用 (1)大气遥感 目前用高光谱研究大气，主要目标是水蒸气、云和气溶胶研究。过去的工作多是利用 AVIRIS高光谱数据，特别是利用以下三个光谱通道：0.94μm和1.14μm是两个重要的水 蒸气吸收通道，1.04μm是重要的水蒸气窗口通道。这里三通道比值被用来识别云层区域， 其定义为： 3BR=(0m)(m) 21u04m (9-1) 式中，I为AVIRIS对应于波长的测量强度。由于云层顶和背景之间水蒸气路径差异，这种 比值能增强云与背景的可分离性。另外从高光谱数据中可以逐像元地提取大气总柱水蒸气 信息，从而推算地表反射率。也可以在两个不同的研究点上，将高反差的自然地表和人工 地表（塑料薄膜覆盖物）作为试验场地，以获取气溶胶光学厚度信息 (2)水文与冰雪 利用高光谱成像光谱仪可以测定沿海、江河、湖泊中的叶绿素、浮游生物、有机质、 悬浮物和水生植物等以及它们的分布。例如：利用AVIRIS数据研究美国Tahoe湖的叶绿素 浓度和湖底深度制图：利用沿岸水色扫描仪CZCS从已经纠正的AVIRIS图像上提取湖水叶 绿素浓度，并与瓶装湖水样品分析结果进行比较，两者结果非常一致。 3
3 间“吸收谷”、“反射峰”的差异就更明显了。这种植物绿叶光谱曲线线形除受各种类及部 位因素影响外，还受物候季相的影响。所有这些光谱特征差异如果能用像地面光谱仪一样 测量记录下来，那么对于植物学研究将有很大的帮助。因此精细分划 10nm 左右的细波段 能记录丰富的电磁波信息，能详细描述不同植物特有的光谱特征，这是传统多光谱技术所 做不到的。 高光谱遥感不仅能用于除传统多光谱遥感对植被的识别与分类外，还能对植物化学成 分（指植物体内的）及植物长势等作出评估。而且，高光谱遥感数据能大大地改善对植被 的识别与分类精度。单就充分利用植被的光谱信息而言，人们可以从众多的窄波段中筛选 出那些对植物类型间光谱差异极为明显的波段，利用少数几个窄波段对植被类型进行识别 和分类；也可采用一些数据压缩技术，重新组合几个综合波段，充分利用植被的光谱信息， 这对植被识别与分类精度的改善必将大有帮助。由于航高的原因，改善空间分辨率有一定 难度，但光谱分辨率的提高同样也能改善植物遥感水平。高光谱遥感的出现，使植物化学 成分的遥感估测成为可能。因此植物遥感已非局限于对植物类型的识别和分类，而已涉及 到各种植物化学成分的估测。如对植物叶内的 N、P、K、糖类、淀粉、蛋白质、氨基酸、 木质素、纤维素及叶绿素等的估测，并为评价植物长势、估计陆地生物量从理论和实践上 提供了可靠的保证。在植物生态学研究中应用高光谱遥感数据，主要涉及以下几个方面： 植物群落、种类的识别、冠层结构、状态或活力的评价、冠层水文状态的评价和冠层生物 化学成分的估计。 3 在其它领域中的应用 （1）大气遥感 目前用高光谱研究大气，主要目标是水蒸气、云和气溶胶研究。过去的工作多是利用 AVIRIS 高光谱数据，特别是利用以下三个光谱通道：0.94μm 和 1.14μm 是两个重要的水 蒸气吸收通道，1.04μm 是重要的水蒸气窗口通道。这里三通道比值被用来识别云层区域， 其定义为： (1.04 ) (0.94 ) (114 ) 2 3 m m m I I I BR + = (9-1) 式中，I 为 AVIRIS 对应于波长的测量强度。由于云层顶和背景之间水蒸气路径差异，这种 比值能增强云与背景的可分离性。另外从高光谱数据中可以逐像元地提取大气总柱水蒸气 信息，从而推算地表反射率。也可以在两个不同的研究点上，将高反差的自然地表和人工 地表(塑料薄膜覆盖物)作为试验场地，以获取气溶胶光学厚度信息。 （2）水文与冰雪 利用高光谱成像光谱仪可以测定沿海、江河、湖泊中的叶绿素、浮游生物、有机质、 悬浮物和水生植物等以及它们的分布。例如：利用 AVIRIS 数据研究美国 Tahoe 湖的叶绿素 浓度和湖底深度制图；利用沿岸水色扫描仪 CZCS 从已经纠正的 AVIRIS 图像上提取湖水叶 绿素浓度，并与瓶装湖水样品分析结果进行比较，两者结果非常一致
利用高光谱AVIRIS光学图像还可以探测到冰雪覆盖度、粒径、地表液态含水量、混杂 物和深浅等冰雪性质。例如：利用一种新的光谱混合分析技术，改善了高山地区雪盖面积 的判读精度。 (3)环境与灾害 高光谱图像可以用来探测危险环境因素。例如：编制酸性矿物分布图，特殊蚀变矿物 分布图，评价野火危险的等级等。利用多种航空航天遥感资料，普通遥感与高光谱遥感数 据结合探则火灾的发生地点以及其它与燃烧现象有关的地表生物量，燃烧的后果，地表组 成及更新情况。 高光谱遥感调查还用于研究弃矿环境的恢复等问题。 (4)土壤调查 高光谱土壤遥感可以提供土壤表面状况和性质的空间信息，空间差异性。但由于土壤 性质的空间变化是连续的，土壤表面覆盖使土壤调查与监测比较困难。 根据实验室光谱仪测定0.52~2.32μm的土壤二向性反射光谱，将土壤反射光谱曲线 归纳为五类：a.有机质控制类型（富含有机质，中细结构）：b.最小改变类型（低有机质含 量，铁含量中等)：c,铁影响类型（低有机质含量，铁含量居中等）：d.有机质影响类型（富 含有机质，中粗结构)：e.铁控制类型（富含铁，细结构）。 研究表明，预测土壤有机质含量最佳的波段为0.62μm~0.56μm,预测模型为： 有机质含量-K·dg1/n/d起 (9-2) dilg(1/ro62)]/dios6 r为反射光谱值，K为待定常数。 利用高光谱数据研究土壤退化和侵蚀也取得了成效。例如：发现了土壤组之间光谱差 异明显，利用这一差异可以区分性质相似的土壤类型。同时发现实验室测定的野外土样光 谱与AVIRIS测量的光谱相关性很高，表明这种传感器识别士壤变异的本领可以与实验室光 谱分析类比。这种数据经过处理也可以用来编制士壤分布图。 高光谱分辨率数据和高空间分辨率数据相结合的光谱混合模型，可以描述地表组分数 量和分布特征。例如：将干草和绿色植被从和土壤有关的细微地表光谱成分中区分开。 (5)城市环境 高光谱和高空间分辨率遥感数据的结合，有可能细分出城市地物和人工目标。例如： 结合特征提取技术，采用“分级掩模”，逐级分类再作复合处理成图，在城市地物区分过程 中很有成效。但是，总的来说城市环境遥感方面的工作还有待深入研究。 9.1.3高光谱遥感的发展前景 将米高光谱卫星传感器将以AVIRIS的工作方式测量太阳反射光谱。它们将提供多时相 全球各个区域的高光谱图像(Green等，1998)。几个新的航天成像光谱仪己被研制出来。 美国字航局计划将两个成像光谱仪作为地球观测系统(EOS)的一部分。这两个光谱仪是中等 4
4 利用高光谱 AVIRIS 光学图像还可以探测到冰雪覆盖度、粒径、地表液态含水量、混杂 物和深浅等冰雪性质。例如：利用一种新的光谱混合分析技术，改善了高山地区雪盖面积 的判读精度。 （3）环境与灾害 高光谱图像可以用来探测危险环境因素。例如：编制酸性矿物分布图，特殊蚀变矿物 分布图，评价野火危险的等级等。利用多种航空航天遥感资料，普通遥感与高光谱遥感数 据结合探测火灾的发生地点以及其它与燃烧现象有关的地表生物量，燃烧的后果，地表组 成及更新情况。 高光谱遥感调查还用于研究弃矿环境的恢复等问题。 （4）土壤调查 高光谱土壤遥感可以提供土壤表面状况和性质的空间信息，空间差异性。但由于土壤 性质的空间变化是连续的，土壤表面覆盖使土壤调查与监测比较困难。 根据实验室光谱仪测定 0.52～2.32μm 的土壤二向性反射光谱，将土壤反射光谱曲线 归纳为五类：a．有机质控制类型(富含有机质，中细结构)；b．最小改变类型(低有机质含 量，铁含量中等)；c．铁影响类型(低有机质含量，铁含量居中等)；d．有机质影响类型(富 含有机质，中粗结构)；e．铁控制类型(富含铁，细结构)。 研究表明，预测土壤有机质含量最佳的波段为 0.62μm～0.56μm，预测模型为： 有机质含量=K· 0.62 0.56 0.62 0.62 [lg(1/ )]/ [lg(1/ )]/ d r d d r d (9-2) r 为反射光谱值，K 为待定常数。 利用高光谱数据研究土壤退化和侵蚀也取得了成效。例如：发现了土壤组之间光谱差 异明显，利用这一差异可以区分性质相似的土壤类型。同时发现实验室测定的野外土样光 谱与 AVIRIS 测量的光谱相关性很高，表明这种传感器识别土壤变异的本领可以与实验室光 谱分析类比。这种数据经过处理也可以用来编制土壤分布图。 高光谱分辨率数据和高空间分辨率数据相结合的光谱混合模型，可以描述地表组分数 量和分布特征。例如：将干草和绿色植被从和土壤有关的细微地表光谱成分中区分开。 （5）城市环境 高光谱和高空间分辨率遥感数据的结合，有可能细分出城市地物和人工目标。例如： 结合特征提取技术，采用“分级掩模”，逐级分类再作复合处理成图，在城市地物区分过程 中很有成效。但是，总的来说城市环境遥感方面的工作还有待深入研究。 9.1.3 高光谱遥感的发展前景 将来高光谱卫星传感器将以 AVIRIS 的工作方式测量太阳反射光谱。它们将提供多时相 全球各个区域的高光谱图像(Green 等，1998)。几个新的航天成像光谱仪已被研制出来。 美国宇航局计划将两个成像光谱仪作为地球观测系统(EOS)的一部分。这两个光谱仪是中等
分辨率成像光谱仪(MODIS)和高分辨率成像光谱仪(IRIS)(Wane&Goetz,1993:和Gupta, 1991)。携带MODIS的EOS-AM卫星已于1999年12月8日上午在加州Vandenberg空军基 地被成功地送入轨道。MODIS是EOS计划（又称Tera计划）中用于观测全球生物和物理过 程的仪器，每天可完成一次全球观测。该仪器计划搭载于EOS一AM(上午轨道)和PW(下午轨 道)系列卫星上，提供长期观测，从中人们可以获得对地球表面和大气层底部全球动力过程 的进一步认识。MODIS是一个真正多学科综合的仪器，可以对高优先级的大气（云及其相关 性质)、海洋（洋面温度和叶绿素）及地表特征（土地覆盖变化、地表温度、植被特性）进行 致的、同步观测。该仪器可望对整个地球系统，包括陆、洋、气过程间的相互作用的进 步认识做出重大贡献。MOIS仍延用传统的成像辐射计的设计思想，由横向扫描镜、光收 集器件、一组线性探测器阵列和位于4个焦平面上的光谱干涉滤色镜组成。这种光学设计 可为地学应用提供0.4一14.5μm之间的36个离散波段的图像，星下点空间分辨率可为 250m、500m或1km。M0DIS每两天可连续提供地球上任何地方的白天反射图像和白天/昼夜 的发射光谱图像。每个M0DIS仪器的设计工作寿命为5年，4个仪器期望在1999年至2006 年间发射。用于搜集供全球变化研究的14年数据集。 HRIS将有30m的空间分辨率，获取0.4一2.5μm波长范围的10m宽的192个连续光 谱段。它是AVIRIS的继承者。HIRIS将获取沿飞行方向前后+60°~-30°及横向±24的图 像。虽然它的周期为16天，但由于它的指向能力，对于一些特殊区域，其覆盖频率将会更 高。HIRIS数据将用于识别表面物质、测量小目标物的二向性反射分布函数(BBDF)及执行 小空间范围的生态学过程的详细研究。 美因的行星地球计划(MTPE)和E0S计划是全球性的，一直会延续到2014年以后(Asra1 &Greenstone,1995)。与此同时，NASA计划于2000年4月发射寿命为一年的试验卫星E0 -l,携带Hyperion(高光谱成像仪)、ALI(先进的陆地成像仪)等高光谱传感器和大气纠正 仪(Atmospheric Corrector)(见http:/eol.gsfc.nasa.gov/Technology/)。该计划将为 本世纪高光谱卫星遥感对地观测莫定基础。这些计划的最终目的是评价各种地球系统过程 包括水文过程、生物地球化学过程、大气过程及固体地球过程。成像光谱仪（星载）将成为 这些计划实施中的关键仪器。但是这种星载成像光谱仪仍会面临重大难题，如卫星的飞行 高度和速度能起从空间测量高质量光谱的困难，为精确地测量光谱、辐射值及空间位省 的定标需要新的处理方法和能力。 因此，VIRIS系统和其它航空成像光谱仪将会继续为科研和应用提供高质量的高光谱 图像数据，并用来验证第一代星载成像光谱仪的工作性能(Green等，1998)。对于现有的 航空成像光谱仪技术系统亦需要完善。例如，在传感器方面，需要改善其获取数据的性能， 提高图像数据的信噪比，增强机上实时数据处理能力：在数据分析处理方面，强调大气订 正、信息提取技术，要求发展新算法和完善已有的算法，并向构成标准化应用处理算法软 件包（工具）方向努力，特别是发展和完善那些针对高光谱海量数据和丰富光谱信息特点设 计的算法和软件，以提高高光谱数据处理效率以及分析、研究和应用水平。 §9.2多角度遥感 理想光滑表面的反射是镜面反射，理想粗糙表面的反射是漫反射（朗伯反射）。20世
5 分辨率成像光谱仪(MODIS)和高分辨率成像光谱仪(HIRIS)(Vane ＆ Goetz，1993；和Gupta， 1991)。携带 MODIS 的 EOS—AM 卫星已于 1999 年 12 月 8 日上午在加州 Vandenberg 空军基 地被成功地送入轨道。MODIS 是 EOS 计划(又称 Terra 计划)中用于观测全球生物和物理过 程的仪器，每天可完成一次全球观测。该仪器计划搭载于 EOS—AM(上午轨道)和 PM(下午轨 道)系列卫星上，提供长期观测，从中人们可以获得对地球表面和大气层底部全球动力过程 的进一步认识。MODIS 是一个真正多学科综合的仪器，可以对高优先级的大气(云及其相关 性质)、海洋(洋面温度和叶绿素)及地表特征(土地覆盖变化、地表温度、植被特性)进行一 致的、同步观测。该仪器可望对整个地球系统，包括陆、洋、气过程间的相互作用的进一 步认识做出重大贡献。MODIS 仍延用传统的成像辐射计的设计思想，由横向扫描镜、光收 集器件、一组线性探测器阵列和位于 4 个焦平面上的光谱干涉滤色镜组成。这种光学设计 可为地学应用提供 0.4—14.5μm 之间的 36 个离散波段的图像，星下点空间分辨率可为 250m、500m 或 1km。MODIS 每两天可连续提供地球上任何地方的白天反射图像和白天/昼夜 的发射光谱图像。每个 MODIS 仪器的设计工作寿命为 5 年，4 个仪器期望在 1999 年至 2006 年间发射。用于搜集供全球变化研究的 14 年数据集。 HIRIS 将有 30m 的空间分辨率，获取 0.4—2.5μm 波长范围的 10nm 宽的 192 个连续光 谱段。它是 AVIRIS 的继承者。HIRIS 将获取沿飞行方向前后+60 ～ -30及横向24的图 像。虽然它的周期为 16 天，但由于它的指向能力，对于一些特殊区域，其覆盖频率将会更 高。HIRIS 数据将用于识别表面物质、测量小目标物的二向性反射分布函数(BBDF)及执行 小空间范围的生态学过程的详细研究。 美国的行星地球计划(MTPE)和 EOS 计划是全球性的，一直会延续到 2014 年以后(Asrar ＆Greenstone，1995)。与此同时，NASA 计划于 2000 年 4 月发射寿命为一年的试验卫星 EO —1，携带 Hyperion(高光谱成像仪)、ALI(先进的陆地成像仪)等高光谱传感器和大气纠正 仪(Atmospheric Corrector)(见 http://eol.gsfc.nasa.gov/Technology／)。该计划将为 本世纪高光谱卫星遥感对地观测奠定基础。这些计划的最终目的是评价各种地球系统过程， 包括水文过程、生物地球化学过程、大气过程及固体地球过程。成像光谱仪(星载)将成为 这些计划实施中的关键仪器。但是这种星载成像光谱仪仍会面临重大难题，如卫星的飞行 高度和速度能引起从空间测量高质量光谱的困难，为精确地测量光谱、辐射值及空间位置 的定标需要新的处理方法和能力。 因此，VIRIS 系统和其它航空成像光谱仪将会继续为科研和应用提供高质量的高光谱 图像数据，并用来验证第一代星载成像光谱仪的工作性能(Green 等，1998)。对于现有的 航空成像光谱仪技术系统亦需要完善。例如，在传感器方面，需要改善其获取数据的性能， 提高图像数据的信噪比，增强机上实时数据处理能力；在数据分析处理方面，强调大气订 正、信息提取技术，要求发展新算法和完善已有的算法，并向构成标准化应用处理算法软 件包(工具)方向努力，特别是发展和完善那些针对高光谱海量数据和丰富光谱信息特点设 计的算法和软件，以提高高光谱数据处理效率以及分析、研究和应用水平。 §9.2 多角度遥感 理想光滑表面的反射是镜面反射，理想粗糙表面的反射是漫反射（朗伯反射）。20 世
纪70年代以来，卫星遥感主要采取垂直观测方式，以获得地表二维信息。对获取的数据则 基于地面目标漫反射的假定，作一些简单校正后，利用地面目标的光诣特性作有监督或无 监督的最大似然率分类，或经验解译。这些在遥感技术发展的初期是合理的，也取得了很 大的成功。 随着遥感技术的发展及其面临的各种新的要求，人们越来越迫切需要弄清各种地物与 光辐射之间相互作用的机理。例如，尽管卫星云图已经很直观地显示了各种气团的运动趋 势，但中、长期的天气预报准确性仍然很不令人满意。其主要原因之一就是在大气动力学 模型中，需要知道大气下垫面的反照率（影响地面和大气温度）和粗糙度（影响气流运动） 而目前的遥感手段只能提供个别方向上的反照率，把它当作半球反照率，对植被结构也只 能提供非常有限的信息。这样，天气中长期预报很难准确，气团的运动常常会突然偏离模 型预计的运动方向和速度。也就是说，通常通过遥感手段所获得的信总是以垂直反射光谱 为基调的，没有涉及太阳光入射角度及观测角度的影响因素。事实上，在遥感图象上，自 然地表的表观亮度除取决于所测地物的几何形态特征和光谱性质外，在很大程度上还与入 射光方向和观测方向有关。这两个方向的差异，明显地引起地表（冠层）反射的差别，这 种差别不仅随着标志这两个方向的双种角度的变化而变化，而且随着地表（冠层）结构要 素变化而变化。基于此，在遥感领域中，多角度遥感特别是植被双向反射的研究就异军突 起，迅速发展起来了。 9.2.1双向反射概念 二向性反射是自然界中物体表面反射的基本宏观现象，即反射不仅具有方向性，这种 方向性还依赖于入射的方向而异。双向反射函数（即只是入射方向与反射方向夹角的函数 就是用来描述地物的这种双向反射特性的。但直到20世纪70年代Nicodemus(1977)才 给出了二向性反射分布函数(Bidirectional Reflectance Distribution Function,,BRDF)迄今最 完善的定义，即 BF(0,,0,)=d) (9-3) dE(2. 单位为1/s(球面度)。 从这个严格定义的BRDF,可以推演出不同情况下常用的其它量，如二向反射比等等 式中0，（天顶角）和中：（方位角）确定入射方向：0，和中，描述某一反射方向：Q,Q 相应表示在反射和入射方向上的两个非常小的（微分）立体角：dE(Q)表示在一个微分面 积元dA(为叙述方便计，假定水平放置)之上，由于Q,这个微分立体角内辐照度(Q,) 的增量所致的dA上辐亮度的增量：dL(Q)则是由于增量dE(Q)引起的Q,方向上辐照度 的增量（图9-2）。 92.2双向反射模型 在地物双向反射光谱的研究中，最基础的工作是建立计算地物BRDF的数学模型，到现 在为止，己建立了近百种不同的数学模型。一般说来，模型可分为经验（统计）模型和物理 模型两种。 6
6 纪 70 年代以来，卫星遥感主要采取垂直观测方式，以获得地表二维信息。对获取的数据则 基于地面目标漫反射的假定，作一些简单校正后，利用地面目标的光谱特性作有监督或无 监督的最大似然率分类，或经验解译。这些在遥感技术发展的初期是合理的，也取得了很 大的成功。 随着遥感技术的发展及其面临的各种新的要求，人们越来越迫切需要弄清各种地物与 光辐射之间相互作用的机理。例如，尽管卫星云图已经很直观地显示了各种气团的运动趋 势，但中、长期的天气预报准确性仍然很不令人满意。其主要原因之一就是在大气动力学 模型中，需要知道大气下垫面的反照率（影响地面和大气温度）和粗糙度（影响气流运动）。 而目前的遥感手段只能提供个别方向上的反照率，把它当作半球反照率，对植被结构也只 能提供非常有限的信息。这样，天气中长期预报很难准确，气团的运动常常会突然偏离模 型预计的运动方向和速度。也就是说，通常通过遥感手段所获得的信息是以垂直反射光谱 为基调的，没有涉及太阳光入射角度及观测角度的影响因素。事实上，在遥感图象上，自 然地表的表观亮度除取决于所测地物的几何形态特征和光谱性质外，在很大程度上还与入 射光方向和观测方向有关。这两个方向的差异，明显地引起地表（冠层）反射的差别，这 种差别不仅随着标志这两个方向的双种角度的变化而变化，而且随着地表（冠层）结构要 素变化而变化。基于此，在遥感领域中，多角度遥感特别是植被双向反射的研究就异军突 起，迅速发展起来了。 9.2.1 双向反射概念 二向性反射是自然界中物体表面反射的基本宏观现象，即反射不仅具有方向性，这种 方向性还依赖于入射的方向而异。双向反射函数（即只是入射方向与反射方向夹角的函数） 就是用来描述地物的这种双向反射特性的。但直到 20 世纪 70 年代 Nicodemus（1977）才 给出了二向性反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）迄今最 完善的定义，即 BRDF (θi ,φi, θr ,φr) = ( ) ( ) i r dE dL （9-3） 单位为 1/sr（球面度-1）。 从这个严格定义的 BRDF，可以推演出不同情况下常用的其它量，如二向反射比等等。 式中θi（天顶角）和φi（方位角）确定入射方向；θr 和φr 描述某一反射方向；Ωr，Ωi 相应表示在反射和入射方向上的两个非常小的（微分）立体角；dE(Ωi)表示在一个微分面 积元 dA（为叙述方便计，假定水平放置）之上，由于Ωi 这个微分立体角内辐照度 L(Ωi) 的增量所引致的 dA 上辐亮度的增量；dL(Ωr)则是由于增量 dE(Ωi)引起的Ωr方向上辐照度 的增量（图 9-2）。 9.2.2 双向反射模型 在地物双向反射光谱的研究中，最基础的工作是建立计算地物 BRDF 的数学模型，到现 在为止，已建立了近百种不同的数学模型。一般说来，模型可分为经验(统计)模型和物理 模型两种
经验（统计）模型一般是描述性的，对观测到的数据作经验性的统计描述，或者进行 相关分析，形成作为半球上观测方向和入射方向天顶角、方位角经验函数的BRDF模型 (Walthall et al,.1985(土壤)：Barnsley,1993(植被))。这类模型的主要优点是简单，直观。在 地面实况不清或遥感信号产生机理过于复杂的情况下，经验（统计）模型是一种很好的工 具。但它的建立需要以大量观测方向和入射方向于不同天顶角和方位角的观测值为基础， 对于在典型地面不同角度的观测值有限的卫星遥感来说，经验（统计）模型的应用具有局 限性。另外，经验（统计）模型中的许多系数来自大量观测值的相关分析，可能随植被类 型和研究条件的不同而异，所以其通用性和适用性也有局限。 10 图9-2BRDF中的参量图示 基于物理基础建立的物理模型，通常试图找出产生地面非朗伯体特性及观测数据的原 因。这类模型是在大量的观测试验基础上以及一些合理的相关假设条件下，应用辐射传输 原理进行推理计算而建立的。所以其所需参数物理意义明确，计算时可根据己知的先验知 识给定其取值范围，设定“软边界”和“硬边界”。而且，其中一些参数独立于具体的波 段，不需要象多波段的经验（统计）模型那样必须对每个单独波段进行校正，以形成各个 波段具体的BRDF经验（统计）模型。这样，在一定程度上简化了基于物理基础的BRDF模 型。通过所建立的RDF模型，不同太阳入射角和观测角下地表的双向反射特性即可方便地 算出，相比经验（统计）模型，对其模型计算值须利用其它的观测值作进一步的分析和校 正要简单且可靠。反过来，应用反演技术，通过反射观测值可反演形成BRDF模型的物理参 数。因而，双向反射物理模型的研究是近年来人们比较关注，在遥感应用中具有巨大潜力 和广阔应用前景的研究领域
7 经验（统计）模型一般是描述性的，对观测到的数据作经验性的统计描述，或者进行 相关分析，形成作为半球上观测方向和入射方向天顶角、方位角经验函数的 BRDF 模型 (Walthall et al.,1985(土壤)；Barnsley,1993(植被)）。这类模型的主要优点是简单，直观。在 地面实况不清或遥感信号产生机理过于复杂的情况下，经验（统计）模型是一种很好的工 具。但它的建立需要以大量观测方向和入射方向于不同天顶角和方位角的观测值为基础， 对于在典型地面不同角度的观测值有限的卫星遥感来说，经验（统计）模型的应用具有局 限性。另外，经验（统计）模型中的许多系数来自大量观测值的相关分析，可能随植被类 型和研究条件的不同而异，所以其通用性和适用性也有局限。 基于物理基础建立的物理模型，通常试图找出产生地面非朗伯体特性及观测数据的原 因。这类模型是在大量的观测试验基础上以及一些合理的相关假设条件下，应用辐射传输 原理进行推理计算而建立的。所以其所需参数物理意义明确，计算时可根据已知的先验知 识给定其取值范围，设定“软边界”和“硬边界”。而且，其中一些参数独立于具体的波 段，不需要象多波段的经验（统计）模型那样必须对每个单独波段进行校正，以形成各个 波段具体的 BRDF 经验（统计）模型。这样，在一定程度上简化了基于物理基础的 BRDF 模 型。通过所建立的 BRDF 模型，不同太阳入射角和观测角下地表的双向反射特性即可方便地 算出，相比经验（统计）模型，对其模型计算值须利用其它的观测值作进一步的分析和校 正要简单且可靠。反过来，应用反演技术，通过反射观测值可反演形成 BRDF 模型的物理参 数。因而，双向反射物理模型的研究是近年来人们比较关注，在遥感应用中具有巨大潜力 和广阔应用前景的研究领域。 图 9-2 BRDF 中的参量图示 X Y Z dA O dΩr R θr dΩi I θi φr φi
目前已经出现的许多物理模型，如果按模型的来源和针对的介质单元来区分，可以简 单分为两类，即几何光学模型和辐射传输模型，表91列出了两种模型的主要特点。按其 理论基础，Gol把现有的植被二向反射模型分为4类：几何光学模型，混浊介质模型，混 合模型和计算机模拟模型。 ()几何光学模型 这是以几何光学原理为基础的经典模型。假定植被是由具有己知几何形状和光学性质、 并按一定方式排列的几何体所组成，通过分析这些几何体对光线的截获和遮阴及地表面的 反射来确定植被的反射系数。 (2)混浊介质模型 这类模型起源于随机介质（即混浊介质）中的辐射传输方程。假设植被的各组分（叶 茎、花或穗等)为己知光学性质和取向小的吸收和散射体，群体被认为是由它们在水平方 向按随机分布方式组成的平面平行层(Plane-Parallel Layer)的集合，把叶面积指数(LAI) 叶角分布函数(LAD)等作为群体的基本结构参数来考虑群体结构对其垂直辐射场的影响。 这样，辐射传输模型以研究辐射在冠层中薄层或单元中的传输过程为基础，对辐射传输方 程求解，推算辐射与冠层相互作用，由此解释辐射在冠层中的传输机理，进而得到冠层及 其下垫面对入射辐射的吸收、透过和反射的方向和光谱特性。混浊介质模型是目前水平均 匀群体中应用最「泛的模型。 表9-1几何光学模型和辐射传输模型特点对比 几何光学模型 辐射传输模型 0 代表模型 Li-Strahler模型 Ross一Ni1son一Kuusk模型 SAL模型 况 原始理论基 谣成像元分解理设 植被辐射传输理论 模型专业来测 遥感像元分解理论 植被生理、植被生态 采用介质单 植株个体（如树冠 叶片 单次敢射解 模 多次敏射解 有 型 热点现象解释 有 无 现 单次散射介历 植株 叶片 多次射介质 叶片 叶片 热点产生根 植株形状 尺度与分在 叶片形状 尺度与分布 型 模型适用范 由稀疏分布的致密个体组成的群体 任意状况、但更适于均匀、不 (如森林) 间断植被（如农作物） (3)混合模型 混合模型东分利用几何光学植刑在解释阴影投，面积和地物表面空间相关性上的其术 优势，同时引入辐射传输模型在解释均匀媒介中多次散射上的优势，是几何光学模型和混 8
8 目前已经出现的许多物理模型，如果按模型的来源和针对的介质单元来区分，可以简 单分为两类，即几何光学模型和辐射传输模型，表 9-1 列出了两种模型的主要特点。按其 理论基础，Goel 把现有的植被二向反射模型分为 4 类：几何光学模型，混浊介质模型，混 合模型和计算机模拟模型。 ⑴几何光学模型 这是以几何光学原理为基础的经典模型。假定植被是由具有已知几何形状和光学性质、 并按一定方式排列的几何体所组成，通过分析这些几何体对光线的截获和遮阴及地表面的 反射来确定植被的反射系数。 ⑵混浊介质模型 这类模型起源于随机介质（即混浊介质）中的辐射传输方程。假设植被的各组分（叶、 茎、花或穗等）为已知光学性质和取向小的吸收和散射体，群体被认为是由它们在水平方 向按随机分布方式组成的平面平行层（Plane-Parallel Layer）的集合，把叶面积指数（LAI）、 叶角分布函数（LAD）等作为群体的基本结构参数来考虑群体结构对其垂直辐射场的影响。 这样，辐射传输模型以研究辐射在冠层中薄层或单元中的传输过程为基础，对辐射传输方 程求解，推算辐射与冠层相互作用，由此解释辐射在冠层中的传输机理，进而得到冠层及 其下垫面对入射辐射的吸收、透过和反射的方向和光谱特性。混浊介质模型是目前水平均 匀群体中应用最广泛的模型。 表 9-1 几何光学模型和辐射传输模型特点对比 几何光学模型 辐射传输模型 概 况 代表模型 原始理论基础 模型专业来源 Li—Strahler 模型 遥感像元分解理论 遥感像元分解理论 Ross—Nilson—Kuusk 模型 SAIL 模型 植被辐射传输理论 植被生理、植被生态 初 期 模 型 采用介质单元 单次散射解释 多次散射解释 热点现象解释 植株个体（如树冠） 有 无 有 叶片 有 有 无 现 有 模 型 单次散射介质 多次散射介质 热点产生根源 模型适用范围 植株 叶片 植株形状、尺度与分布 由稀疏分布的致密个体组成的群体 （如森林） 叶片 叶片 叶片形状、尺度与分布 任意状况、但更适于均匀、不 间断植被（如农作物） ⑶混合模型 混合模型充分利用几何光学模型在解释阴影投射面积和地物表面空间相关性上的基本 优势，同时引入辐射传输模型在解释均匀媒介中多次散射上的优势，是几何光学模型和混
浊介质模型的综合。对群体的每一组分的处理类似于混浊介质模型，被认为是光学性质己 知的、小的吸收和散射体，而整个群体仍同几何模型一样，被处理成具有几何形状和空间 分布特征植株的集合，联系两者的关键是间隙率模型。此类模型是通用模型，也是最复杂 的BRDF模型 (4)计算机模拟模型 上面所讨论的三类模型在处理植被结构时通常不能同时考虑植被各组分的尺度大小、空间 距离和非随机的分布特征，这显然不能完整地反映出自然植被的真实特征。计算机模拟模 型能比它们更灵活、更详细、更真实地处理上述非均匀群体问题。它能同时真实地考虑植 被各组分的大小、形状和任意的空间分布方式对群体BRDF的影响，模拟出群体内、外辐 射场的统计特征，确定出可获得最大光合效能的最佳群体结构特征。另外，在研究群体中 辐射与植株间的相互作用过程以及这些过程与群体结构参数之间的关系方面计算机模拟方 法也是很有效的。计算机模拟模型主要有两种方式：结构真实模型和蒙特卡洛方法。 9.2.3双向反射模型反演方法 自20世纪70年代以来，许多研究结果表明，同垂直测量相比，非垂直的多角度测量 对于估算地物（特别是植被）的结构特征具有很大的优越性。对建立的物理模型，从逆过 程分析，可以获得更丰富的冠层结构信息，因而，地物双向反射物理模型反演技术的研究 也是当前地物双向反射特性研究中的一个主要内容。目前用得较多的是最优化方法、表搜 索法、神经网络反演法等反演技术。 §9.3微波遥感 9.3.1微波遥感概述 微波是电磁辐射中的一个波段，其范围包括波长1m一1m的电磁波段，也有人把 0.1mm一1m的亚毫米波算在微波内。微波的频率范围是300GHz一300MHz:若包括亚毫米波 的话，则微波频率范围为3000GH2一300z 微波的波长比常用的可见光、近红外、热红外的波长都大得多，因此，微波的性质与 可见光、近红外、热红外有很大的不同。 微波遥感是以微波为信息传播媒介的遥感，它通过微波传感器获取目标物发射或反射 的微波辐射，经过图像分析解译来识别地物。微波遥感分为无源（被动）微波遥感和有源 (主动)微波遥感两大类。 无源微波遥感所用的传感器本身不发射电磁波，只靠接收目标和背景所发射的微波能 量来探测目标特性。它所收到的电磁波信号强度与目标的发射率有关，也与目标、背景的 温度、性质，特别是目标物的表面温度密切相关。因此，其辐射测最等效于估计温度。 有源微波遥感所用的传感器本身发射微波去照射目标，然后接收目标反射或散射回米的微 波信号，通过检测、分析回来的信号，确定目标的各种特性及目标对传感器的距离和方位。 有源微波传感器记录的有关目标和背景的图像或数据，与目标、背景的发射率无关，也与 日照变化无关，图像较稳定、清晰，易识别。如果合理的选择频率、极化方式和波束照射 9
9 浊介质模型的综合。对群体的每一组分的处理类似于混浊介质模型，被认为是光学性质已 知的、小的吸收和散射体，而整个群体仍同几何模型一样，被处理成具有几何形状和空间 分布特征植株的集合，联系两者的关键是间隙率模型。此类模型是通用模型，也是最复杂 的 BRDF 模型。 ⑷计算机模拟模型 上面所讨论的三类模型在处理植被结构时通常不能同时考虑植被各组分的尺度大小、空间 距离和非随机的分布特征，这显然不能完整地反映出自然植被的真实特征。计算机模拟模 型能比它们更灵活、更详细、更真实地处理上述非均匀群体问题。它能同时真实地考虑植 被各组分的大小、形状和任意的空间分布方式对群体 BRDF 的影响，模拟出群体内、外辐 射场的统计特征，确定出可获得最大光合效能的最佳群体结构特征。另外，在研究群体中 辐射与植株间的相互作用过程以及这些过程与群体结构参数之间的关系方面计算机模拟方 法也是很有效的。计算机模拟模型主要有两种方式：结构真实模型和蒙特卡洛方法。 9.2.3 双向反射模型反演方法 自 20 世纪 70 年代以来，许多研究结果表明，同垂直测量相比，非垂直的多角度测量 对于估算地物（特别是植被）的结构特征具有很大的优越性。对建立的物理模型，从逆过 程分析，可以获得更丰富的冠层结构信息，因而，地物双向反射物理模型反演技术的研究 也是当前地物双向反射特性研究中的一个主要内容。目前用得较多的是最优化方法、表搜 索法、神经网络反演法等反演技术。 §9.3 微波遥感 9.3.1 微波遥感概述 微波是电磁辐射中的一个波段，其范围包括波长 1mm—1m 的电磁波段，也有人把 0.1mm—1mm 的亚毫米波算在微波内。微波的频率范围是 300GHz—300MHz；若包括亚毫米波 的话，则微波频率范围为 3000GHz—300MHz。 微波的波长比常用的可见光、近红外、热红外的波长都大得多，因此，微波的性质与 可见光、近红外、热红外有很大的不同。 微波遥感是以微波为信息传播媒介的遥感，它通过微波传感器获取目标物发射或反射 的微波辐射，经过图像分析解译来识别地物。微波遥感分为无源（被动）微波遥感和有源 （主动）微波遥感两大类。 无源微波遥感所用的传感器本身不发射电磁波，只靠接收目标和背景所发射的微波能 量来探测目标特性。它所收到的电磁波信号强度与目标的发射率有关，也与目标、背景的 温度、性质，特别是目标物的表面温度密切相关。因此，其辐射测量等效于估计温度。 有源微波遥感所用的传感器本身发射微波去照射目标，然后接收目标反射或散射回来的微 波信号,通过检测、分析回来的信号，确定目标的各种特性及目标对传感器的距离和方位。 有源微波传感器记录的有关目标和背景的图像或数据，与目标、背景的发射率无关，也与 日照变化无关，图像较稳定、清晰，易识别。如果合理的选择频率、极化方式和波束照射