植被冠层光谱和叶片光谱的尺度转换

1引言

全球气候变化和强人类活动深刻影响着自然界的水文循环过程，造成了水生态恶化、水环境污染、水灾害频发以及水资源短缺等问题。为破解“四水”问题，新时期水利行业大力推进“补短板”和“强监管”业务工作。以对地观测技术为核心的遥感技术具有监测范围广、速度快、频率高、成本低等优势，现已被广泛地应用于水利应用工作中，其重要分支高光谱遥感在近几年取得了飞速的发展，成为水利遥感中的新兴技术。

高光谱遥感凭借窄波段成像技术，可在高分辨率的光谱维度上反映涉水地物的生物物理属性，具有光谱分辨率高、探测地物信息能力强、所获光谱信息丰富等优势。遥感技术在水利行业的大部分应用可归纳为3个步骤：遥感数据的获取、图像处理与反演模型构建、结果分析。高光谱遥感在这3个步骤中均体现出与以往遥感技术的不同：数据获取方面，目前高光谱遥感数据主要来自机载或星载传感器获得的遥感影像和地面成像光谱仪的实测光谱数据，相较于以往的遥感数据蕴含着更精细的地物光谱信息，这对于光谱复杂的水体研究具有重要意义，高光谱遥感往往具有几十甚至上百个波段，一定程度上突破了多光谱遥感因波段数较少而无法精确识别地物的局限；图像处理方面，高光谱遥感影像波段多，数据维度高，为反演模型的构建提供了更多的波段选择，给水体辐射传输模型中部分参数的直接计算提供了条件，同时也衍生出数据冗余，图像处理困难等问题；结果分析方面，模型精度高，反演水体要素效果较好。

近年来，高光谱遥感技术在国内外的发展使其在水利行业的应用不断深入，为水生态保护、水环境监测等工作提供技术支持，在反演水质参数、监测藻类与水生植物生长状况、水草和藻类精确识别等工作中取得了诸多进展，在其他水利层面中也存在着一定的应用潜力。因此，有必要针对高光谱遥感数据及其在水利研究中的应用进行系统总结，指出其应用范围、实际效果和现存问题，并充分结合新时期水利行业的应用需求和高光谱遥感发展方向，展望未来高光谱遥感在水利行业的发展趋势，为拓展高光谱遥感在水利行业的深度应用提供参考。

2国内外高光谱遥感技术的发展

2.1高光谱遥感技术的成像原理和特点

高光谱遥感技术的核心为成像光谱仪，载有成像光谱仪的飞行器、卫星沿推扫方向获取目标的二维空间图像和一维光谱信息，形成三维数据立方体，成像过程如图1所示。该技术可对地球表面上的目标进行信息提取，直接反映出被观测物体的图1高光谱成像示意图几何影像和理化信息，实现对目标地物的探测、感知与识别。高光谱遥感数据具有高光谱分辨率、波段多、图谱合一等特点，可以捕捉地物间细微的光谱差异，这在一定程度上弥补了多光谱遥感光谱分辨率不足所造成的缺陷，同时也产生了数据冗余、相邻波段高相关性、图像处理复杂等新问题。高光谱遥感与多光谱遥感的具体优劣对比如表1所示。

图1 高光谱成像示意图

2.2光谱仪的发展

高光谱成像仪能以高光谱分辨率获得地物目标的多谱段影像。地物光谱仪最早出现，其后发展的成像光谱仪率先搭载于无人机等飞行器上，21世纪以后才出现了搭载于卫星上的成像光谱仪。由美国喷气推进实验室研发的机载可见光/红外成像光谱仪诞生于1987年，是一台革命性的成像光谱仪，推动了高光谱遥感技术的发展。国内光谱仪的研究机构以中国科学院上海技术物理研究所为首，先后研发出一系列性能达到国际先进水平的机载成像光谱仪。按照所搭载的平台进行分类，高光谱成像光谱仪主要功能和具有代表性的光谱仪器如表2所示。基于不同载荷平台的高光谱遥感在近年来均取得一定的发展，不同的载荷平台各有优劣，如表3所示。在研究中，通常需要根据不同的实际情况，选取不同载荷平台的高光谱数据，以满足具体的应用的需求。

表1高光谱遥感与多光谱遥感的优劣对比

表2基于不同载荷平台的成像光谱仪介绍

表3基于不同遥感平台的光谱成像仪的优缺点

2.3高光谱遥感卫星的发展

21世纪初，搭载了Hyperion成像光谱仪的美国EO-1卫星成功发射，开启了航天高光谱遥感的时代，之后国内外的高光谱卫星技术均取得一定的突破。2001年10月欧空局发射的PROBA小卫星，搭载了紧凑型高分辨率成像光谱仪。2005年8月，美国JPL发射的火星探测卫星上搭载了紧凑探测成像光谱仪。印度于2008年10月发射的月船一号是其国内首颗探月卫星，搭载了印度自主研制的高光谱成像仪。俄罗斯卫星星座Resurs-P3搭载了高光谱载荷，服务于俄罗斯的资源勘探、农业、渔业等行业。

我国首个星载光谱仪中分辨率成像光谱仪搭载于神州3号飞船上，发射于2002年，此后国内星载成像光谱仪技术发展迅速。2008年发射了环境小卫星，迄今为止，在我国的环境监测方面发挥了巨大作用。现阶段高光谱遥感卫星技术进入发展最为迅速的时期，在轨卫星数量极大提高，我国也紧跟世界潮流，发射了一系列性能先进的高光谱卫星。国内外其他典型高光谱卫星如图2所示。

图2 国内外典型的高光谱卫星

高光谱遥感卫星的不断发展符合遥感天、空、地一体化的发展态势，星载高光谱数据逐渐丰富，且空间分辨率、光谱分辨率和在轨定标精度等方面不断提高，提供了高精度、高质量的遥感影像，为水质监测、水生态状况监测等水利行业提供了强有力的数据基础。

3高光谱遥感在水利研究中的应用

21世纪初至今，社会经济飞速发展，人类活动频繁等因素诱发了诸多水利问题，加之目前的部分水利监测系统不完善，“四水”问题越发突出，如图3所示。遥感具有大范围、全天候的精准动态监测的优势，已被广泛运用到水利行业中，水利遥感应运而生，其发展也与时俱进。近年来高光谱遥感在水生态以及水环境方面的应用逐渐增多，水华和水生植物监测以及水质参数定量反演等工作的结果精度越来越高，在光谱差异较小的不同水生植物精准识中也取得一定突破。在水灾害与水资源等研究中，现阶段高光谱遥感的应用较少，但也在缩短洪水响应时间、识别洪水淹没区域混合光谱以及提高水文数据的反演精度中发挥了一定的作用，具有一定的发展潜力。

图3 水利行业中存在的主要问题

高光谱遥感可获取水体中不同物质的光谱特征，因而对具有显著光谱特征的水体要素反演效果较好，其原理为：对叶绿素a和悬浮物等光谱特征较为明显的要素含量进行直接反演，并通过其结果间接反演出其他水体要素，如总氮、总磷、化学需氧量及藻类等水生植物含量等。目前的高光谱遥感反演模型主要分为经验模型和分析模型，经验模型应用广泛，模型原理简单，结果精度较高但普适性较差。分析模型则是基于水体辐射传输原理，通过传输公式由遥感数据反向计算水体中各组分的含量，该类模型普适性较好，结果精度高，但建模难度大。在高光谱遥感的实际应用中，应根据不同的工作需求，合理地发挥高光谱遥感的优势。

3.1高光谱遥感在水生态研究中的应用

目前国内外诸多水域的水生态状况不佳，内陆湖泊及水库存在着水华暴发、水体富营养化等问题。遥感技术凭借其大面积实时监测的优势，已然成为现阶段水生态监测的主要手段之一。近年来国内外学者围绕典型内陆水体展开了一系列光谱测量实验，揭示了水体中不同组分的反射率光谱差异，以往的多光谱遥感光谱分辨率较低，所选波段往往不能恰好位于光谱曲线的“峰或谷”处，因而降低了反演模型的精度。高光谱遥感以其极高的光谱分辨率可弥补这一缺陷，通过选取最合适的波段构建反演模型，从而提高水体组分的反演精度，以实现水华、藻类植物、水生植物的精准监测。

3.1.1水华监测

遥感技术可对水华灾害进行实时大范围的动态监测，有助于人们掌握水华的空间分布以及变化规律，从而为防治水华提供参考。基于多光谱遥感数据的植被指数阈值法可以区分水华和普通水体，但难以区分水华和水生植物。通过蓝藻水华的光谱曲线得知其在630nm附近具有的反射谷，在650nm附近具有反射峰，基于此原理通过波段比值或者波峰波谷处的光谱特征等参量来构建反演模型，多光谱遥感的光谱分辨率较低，难以精确捕捉光谱信息。而高光谱遥感拥有更细致的光谱，可在纳米级别获取连续的光谱信息，从而选取更靠近特征波段处的波段进行建模，实现蓝藻水华的精确监测。

Kudela等，以美国加利福尼亚州的平托湖为研究区域，使用高光谱红外成像仪，采用半经验模型方法监测该地区的蓝藻水华状况，结果表明平托湖的水华现象表现出强烈的季节性。还有科研人员综合卫星、机载和地面实测数据评估了在监测加利福尼亚海岸带巨藻生物量和生理状态变化的效果。

近年来我国的高光谱卫星发展迅速，许多科研院所与流域机构借助环境小卫星、高分五号和欧比特系列卫星针对太湖、巢湖、洞庭湖等湖泊以及部分水库展开了一系列的水华监测工作，在精度上对比以往的多光谱数据源具有显著提高。高光谱分辨率的影像数据在精准监测水华发挥了重要作用，但仍存在一些局限，其空间分辨率需进一步提高以满足小型湖泊、水库等小型水域的蓝藻水华监测，此外，部分商业卫星数据的获取也存在一定的限制。

3.1.2藻类群落与水生植物的监测

藻类群落以及水生植物的生物量及分布是水生态治理的重要参考，例如蓝藻大量繁殖是水华暴发的主要原因，监测水体中的蓝藻变化可对水华做出更准确的预测与预警。内陆水体组分较为复杂，生物种类繁多，各种生物之间光谱差异较大，多光谱遥感监测可用波段数较少，难以完成水体中各个要素的针对性监测与识别。高光谱遥感多波段的优势为监测模型的建立提供更多选择，结合由光谱仪获取的藻类、水生植物的光谱特征，从而建立藻类群落及水生植物的监测模型，对其生长状况以及分布进行监测。

近几年无人机在野外调查中逐渐普及，搭载了高光谱成像仪的无人机终端已经普遍投入到水生态监测的一系列工作中，诸如中科普光，航天宏图等国内公司已经实现了机载高光谱系统的业务化，为水生态的监测带来变便利。科研人员利用无人机系统对大型藻类群落进行监测研究，将由高光谱影像得出的光谱曲线和实测光谱曲线做出对比，指出高光谱遥感给光谱复杂的大型藻类监测研究提供了条件。还可以利用无人机载高光谱遥感技术监测淹没水生植物，指出该技术能够有效、多时相地监测低浊度和良好光学传输的浅水河中的藻类和淹没水生植被。有的科研人员以太湖为研究区，利用高光谱仪的实测数据，分析了浮游植物和CDOM（有色可溶性有机物）的光谱吸收系数在太湖的时空分布特征，建立了基于生物光学模型和固有光学量的浮游植物光谱吸收及CDOM的反演模型，从而对浮游植物数量进行监测。

除蓝藻水华外，水体中其他藻类也有着一定的研究价值。例如水体中优势藻类，荧光光谱特征、吸收光谱特征以及反射率光谱特征均可作为遥感识别依据，充分利用高光谱遥感数据所带来的丰富光谱信息，内陆水体优势藻类高光谱分类识别在未来有着一定的发展空间。

3.1.3水华与水草的识别

以往的利用多光谱遥感监测水华和水草的分布无法消除由二者光谱相似性所带来的影响，监测结果存在一定的误差。精准的草藻识别对于提高水质参数的反演精度有一定的意义，高光谱遥感善于捕捉地物间细微的光谱差异，在水华与水草的识别中发挥了重要的作用。李俊生等通过高光谱遥感识别方法研究了太湖的水华和水草，通过水面光谱测量实验对水华和典型水生植物的反射率光谱进行测量，采用的ASD光谱仪具有较高的光谱分辨率，可捕捉水体中各种生物的光谱差异，建立了光谱指数以及判别公式，并进行验证，证明公式识别效果较好。地面实测实验可以实现对水华水草的识别，但其工作较为繁琐，研究范围有限。随着星载高光谱成像仪的发展，基于卫星影像数据的水华水草识别的研究逐渐增多。朱庆等以太湖为研究区域，利用叶绿素a光谱指数并结合蓝藻蛋白基线构建了水华和水草的识别模型，基于多景海岸带高光谱成像仪（HICO）影像得出了整个太湖的水华水草分布图（图4），水华水草的平均提取精度较高。洪韬利用叶绿素a光谱指数并结合蓝藻蛋白基线构建了水华和水草的识别模型的方法对太湖区域进行水草水华的研究，使用整体性能参数较高的国产珠海一号高光谱卫星（OHS）数据，识别结果如图5所示，较能反映太湖水华与水草分布的实际状况。

注：A为假彩色合成图；B为水华和水草提取结果。

图4 基于HICO影像的太湖水华水草提取结果

3.2高光谱遥感在水环境研究中的应用

人类改变生存环境的同时诱发了一系列水环境问题，如水质恶化、水环境质量差以及城市黑臭水体增多等，近年来，水环境污染的防治逐渐成为水利部和流域机构的重要工作之一。水质参数的遥感反演，本质上是一个参数估计的问题，即：将光谱曲线的变化通过经验模型或分析模型与水质参数情况联系起来，因此光谱曲线变化特征的获取成为水质参数反演精度的关键。宽波段的多光谱遥感是水环境遥感的主要数据，但其难以精确获取水体的光谱信息。高光谱遥感的出现为内陆水体水环境监测提供了新的契机，它可以更精准地获取各种常见水质参数的光谱特征，对于叶绿素a、悬浮物等具有明显光谱的水质参数反演效果较好，并以此间接反演透明度、浊度、藻类生物量、总氮总磷以及化学需氧量等其他水环境要素。

图5 太湖OHS数据水华水草提取结果

3.2.1反演叶绿素a浓度

富营养化程度是衡量湖泊生态治理的指标，藻类的大量繁殖是造成湖泊富营养化的主要原因，叶绿素a在藻类中占有的比例较为稳定，因此叶绿素a浓度对于调查湖泊的富营养化程度具有重要意义。叶绿素a的吸收系数光谱特征表现为2个吸收峰，通常位于440nm和675nm附近，因675nm处受其他水体要素影响较小，因此常用675nm附近的特征光谱反演叶绿素a浓度。目前，高光谱遥感在叶绿素a的反演中取得了诸多进展。

从反演模型上来看，国内外学者大多使用半经验模型对叶绿素a进行反演，例如一阶微分模型，波段比值模型，三波段模型等。早期有国外学者利用AVIRIS数据进行过叶绿素a的反演效果验证，比如以荷兰的艾瑟尔湖为研究区，利用AVIRIS数据设计了矩阵反演模型，提出了从水下辐照提取了叶绿素浓度的方法，在当时取得了不错的效果，随着不同的高精度模型被提出以及更优质的高光谱数据源的出现，该模型现在运用较少。还有以700nm附近处的反射峰波长为光谱特征参量建立单波段模型反演保加利亚湖泊的叶绿素a，模型拟合度高达0.93。有的运用波段比值模型，基于Hyperion高光谱影像反演了南四湖叶绿素a浓度的分布，与实测情况较为吻合。韦安娜等以鄱阳湖为例，基于高分5号数据，通过穷举法建立了叶绿素a浓度三波段反演模型，反演精度较好。李俊生等以梅梁湾为研究区，通过半经验模型，基于高光谱影像反演了太湖梅梁湾的叶绿素浓度分布图，并取得了较好的结果，指出了CHRIS高光谱影像数据在内陆水质监测中具有巨大潜力。

分析模型涉及水体辐射传输方程，参数较多，整体建模难度较大，但其反演精度一般高于半经验模型。结合实测水体固有光学量，通过构建物理分析模型对水色参数进行估算，并与半经验模型做出对比，指出分析模型的精度更高。潘邦龙等基于HJ-1A星的高光谱数据与实测光谱数据，构建了基于空间八邻域与遗传算法的叶绿素a反演模型，获得较高的反演精度，指出高光谱空谱联合遥感反演的可行性。

高光谱遥感的发展为分析模型的发展提供了基础，以往的多光谱遥感难以得到模型方程中部分参数的精确值，需引入经验公式代替，而高光谱遥感波段数多达数百个，使得原先需要用经验方法近似估测的参数可以直接被计算，除此之外，利用高光谱遥感数据可提取反演对象的特征波段，以此结合反演参数的生物、化学属性进行分析，进而使的模型的物理意义更加明确，易于分析误差来源。

从数据源上来看，许多高光谱遥感数据均已被用于反演叶绿素a浓度，得到了较好的反演结果，机载数据作为补充也在国内一些湖泊与水库的叶绿素a反演取得了运用。以MarkTwain湖为例，将机载高光谱数据与实测数据通过偏最小二乘法建立回归关系，对叶绿素a，悬浮物等参数的检测精度均达到0.7以上。潘梅娥等太湖为研究区，基于HJ-1的HSI高光谱数据，通过建立了混合光谱分解模型反演叶绿素a浓度，该方法一定程度上消除了混合像元干扰，取得了较高的反演精度。洪韬利用珠海一号高光谱数据与地物光谱仪ASD测量的水体反射率，建立了珠海一号高光谱卫星的反射率值与实测叶绿素a浓度之间的关系，对洞庭湖的叶绿素a浓度进行了反演并得到其空间分布（图6）。

图6OHS反演洞庭湖Chl-a浓度分布

高光谱遥感反演叶绿素a浓度的研究在逐渐增加，但星载高光谱技术较难得到具有高空间分辨率的影像，空间维度上信息获取不足，而机载高光谱遥感具有高空间、高时间分辨率的优势，受到了越来越多遥感水质监测工作人员的青睐。

3.2.2测量水体中悬浮物浓度

水中的无机物、有机物、泥沙、黏土、微生物等悬浮物沉积后易厌氧发酵，提高水域的浑浊度，进一步恶化了水质。内陆水体光学特性比较复杂，在高悬浮物浓度的浑浊水体中，一些组分会削弱藻类植物反射率的光谱特征，不同的悬浮物成分、浓度以及粒径分布对水体反射率波谱特征造成的影响也不同，以上因素给遥感监测水生态，水环境的效果造成了负面影响。

悬浮物的光谱特征较宽，利用多光谱遥感数据也可以获得较高的反演精度。Richard基于MODIS的1波段（620~670nm）数据，通过半经验模型反演了北墨西哥湾的悬浮物浓度，结果精度较高。但多光谱方法也存在一定的局限性，祝令亚等，以太湖为研究区域，基于MODIS数据通过经验方法构建反演悬浮物反演模型，结论指出该模型在太湖的不同湖区适用性不同。由此可见以往的多光谱遥感反演悬浮物难以普遍获取较高的精度。

近年来高光谱遥感的发展为提高悬浮物浓度的监测精度做出一定贡献，由更加精细的光谱特征曲线分析得知，悬浮物的光谱特征在700~850nm较为明显，在700~850nm存在着氧气吸收通道（760nm）和2个水汽吸收通道（720nm，820nm），这些通道会给反演造成误差。高光谱遥感的优势在于有多个波段可以选择，从而避免了以上3个通道所造成的误差影响。同时，高光谱遥感波段数较多，为模型的构建提供了较多的选择，往往可以找到反演的最佳波段，从而进一步提高了悬浮物的反演精度。

余哲修等以滇池为研究区，构建了基于倒数变换的多元逐步回归模型，基于HJ-1A星的影像反演了悬浮物浓度，结果如图7所示，并通过克里格插值法对采集水样进行了悬浮物浓度的空间插值分析，以验证HSI影像反演的精度，通过验证指出反演精度较好。殷子瑶等基于珠海一号高光谱卫星数据，以684nm与540nm波段处的反射率构建比值模型反演了于桥水库的悬浮物浓度，反演结果精度较高，模型相对误差为8.6%。KennethA等利用明尼苏达州主要河流的机载高光谱数据影像，以水体固有光学量和光谱数据计算得到的表观光学量建立分析模型，反演了河水的悬浮物浓度，指出700nm处是该研究区测量悬浮物浓度的最佳波段，模型拟合度达到了0.77~0.93。张兵以太湖为研究区，通过生物光学模型对悬浮物等参数进行反演，并以航空高光谱遥感器WHI和航天高光谱遥CHRIS获取的图像对反演方法进行了检验，综合评价了不同平台的高光谱遥感研究方法的优劣。

图7 滇池悬浮物浓度反演结果

3.2.3测量泥沙含量

传统的泥沙含量测量方法取样工作量大，监测覆盖面窄，时效性差。早期人们主要利用Landsat产品与国产高分卫星产品进行泥沙含量的反演，而随着高光谱遥感技术的发展和光谱仪技术的成熟，凭借高光谱数据光谱丰富的优势，进一步深入了对水色、浊度以及透明度的研究，进而提高了泥沙含量测量的精度。

杨光源等，利用HJ-1A星获得的HSI高光谱数据产品，以北海市为研究区，分析了水体悬浮泥沙的光谱特征，利用单波段模型和多波段模型对研究区河口附近的近岸浅水区进行悬浮泥沙的浓度反演，结果证明单波段的指数模型反演效果较好。万庆余等以黄土高原的几种常见土壤为实验样品介绍了利用高光谱遥感技术分析泥沙含量过高而导致的水污染类型和强度的方法。

通过遥感悬监测浮物浓度仍存在一些缺陷，在水体泥沙浓度过高的区域，测量深度有限，只能达到水体顶端向下几米的范围。目前国内外对泥沙含量的遥感反演研究很少选择内陆河流作为研究区域，尤其是山区河流，而高光谱遥感精准识别地物的特点为地质情况复杂，水文特征多变的山区河流泥沙研究提供条件，在未来，研究人员可借助高光谱遥感对此类地区开展更多的研究。

3.3高光谱遥感在水灾害方面的应用

洪水遥感的目标是迅速且精准地监测洪水淹埋面积、洪水水深以及洪水持续时间等主要特征。现阶段的水体淹没范围多采用多光谱遥感技术或雷达提取来确定，存在着遥感数据波段数目少、波谱不连续、光谱分辨率低等缺陷，对于成分较为复杂的洪水水体识别存在着一定的困难，高光谱遥感可作为多光谱遥感和雷达技术的补充，以其精准的光谱识别能力，可以对水体淹没地物存在的混合光谱做更细致的分析，从而提取更准确的水体淹没范围。

星载高光谱遥感的发展为水灾害监测提供了新的条件。伴随着搭载了Hyperion传感器的EO-1卫星投入使用，洪水等水灾害响应的时间大大缩减，Hyperion影像具有高光谱分辨率、高空间分辨率的特征，为水体信息的提取提供了更好的条件。王向成等通过对辽东湾地区典型地物的光谱曲线进行测定与分析，基于Hyperion影像数据提出了快速自动提取水体信息的斜率法，实现了快速且准确的进行水体信息的自动提取与分类，为洪水、海啸等灾害提供研究基础。

3.4高光谱遥感在水资源研究方面的应用

全球变暖和人类改造自然行为致使流域水循环物理过程与转化机制发生改变，原有的水资源评价方法也需改进以更好地满足人们掌握水资源总体状况需要。遥感技术全天候，大面积的监测优势使其在水资源的监测与保护中发挥了重要作用，具体体现在利用遥感监测土壤水、地下水、地表水，估算蒸散发量、降雨量等方面。高光谱遥感在水资源监测中发挥了一定作用，通过高光谱的图像分析，可以提取出更精细水文地质信息，为开发、保护和管理水资源提供参考。

就监测和反演土壤水来说，利用微波遥感、雷达等技术提取土壤水的提取精度已可以满足部分工作需求，不同波段的遥感反演各有优劣，表6给出不同波段遥感反演土壤水的优劣对比。

表6 不同波段遥感反演土壤水的优劣对比

高光谱遥感可作为遥感反演土壤水的数据源补充，其优势体现在可获取连续的光谱曲线，从而更好地捕捉不同季节，不同地区土壤的细微的变化，建立土壤反射率与土壤含水量的关系来实现高精度监测。此外高光谱的混合像元分解技术，可同时获取各个组分的光谱信息和混合比例信息，这对监测植被覆盖区域的土壤水具有重要的意义，一定程度上减小了植被在土壤水监测所带来误差。

ET（蒸腾蒸发量）的估算是制定灌溉计划、水库水损失估算、径流预测的研究依据，是水利行业的重要应用之一。高光谱遥感估算ET研究进行较早，早在2005-2006年国内外许多学者就已使用更详细的高光谱数据结合地表实测数据和大气数据，改善了ET的空间估算方法，但由于数据短缺的限制，这些方法并未取得推广。ET的估算涉及的研究区范围普遍较大，且要求数据的时间分辨率较高，因此目前的高光谱遥感在估算ET方面的应用一直存在着数据量不足的局限。在未来，随着高光谱数据数量的不断积累，覆盖范围的扩大，高光谱遥感有望在ET估算应用中取得更多的应用。

4高光谱遥感技术在水利研究应用中的优势和问题

4.1高光谱遥感技术在水利研究应用中的优势

高光谱遥感的出现在一定程度上突破了以往水利遥感存在的局限，它能够获取水体中各种物质的光谱特性，大大提升了水体要素的反演精度，除此之外高光谱遥感还能进行水体要素的分类识别，比如不同藻类，藻类和水草之间的识别，不同应用的原理以及体现的高光谱遥感优势如表7所示。

表7高光谱遥感典型应用的原理及优势

4.2高光谱遥感技术在水利研究应用中面临的问题

现阶段的高光谱遥感在水利行业的应用正处于发展阶段，从数据上来说，高光谱遥感涉及的数据包含实测光谱数据、机载高光谱数据、星载高光谱数据，前两者需要实测获取，部分星载数据来自商业卫星，其获取也存在一定的限制。整体来看，目前可用的高光谱遥感较为短缺且不易获取。除此之外，其在理论方法及模型构建等方面还未成熟，仍面临着一系列问题。

4.2.1水体要素半经验反演模型需进一步优化

以往的经验模型仅依靠遥感数据和实测数据的统计关系来建立，存在一定缺陷。高光谱遥感为模型构建提供了更多波段选择，其所获取的水体要素光谱曲线也给人们分析波段的物理意义提供基础，可帮助人们建立精度更高，物理意义更明确的半经验模型。

而半经验模型的构建仍面临着一些问题，其中最主要的问题为波段的选择与波段组合形式。比值、三波段、四波段模型是主要的水体要素半经验反演模型，但高光谱遥感波段数通常为几十个至上百个，现阶段半经验反演模型波段利用效率普遍较低。研究人员应该在水体要素光谱特征分析的基础上，合理选取波段或波段组合，提高波段利用效率以构建更完善的高光谱水体要素半经验反演模型。

4.2.2构建水体要素分析模型困难

分析模型的构建依赖于复杂的水体辐射传输模型，而现存的分析模型几乎都要引入经验公式来确定部分参数，一般将引入经验公式的分析模型称为半分析模型。半分析模型中的各参数均具有明确的物理意义，确立高光谱遥感数据和水体辐射传输方程中各个参数与的关系有助于半分析模型的构建。而水体辐射传输过程受大气影响较大以及水体光学特性影响较大，导致传感器接收的离水辐射信号较弱，目前的水体固有光学量数据积累较少，大气模型精度有待提高，这些因素造成了高光谱遥感半分析模型的构建较为困难。

4.2.3高光谱遥感影像处理复杂

高光谱遥感影像可近似视为三维数据立方体，数据维度高，数据量大，这意味着其必然存在数据冗余，图像处理困难等问题。目前仅针对高光谱影像开发的影像处理软件较少，因此高光谱遥感影像的高效率处理是一个亟待解决的问题。

机载数据成本高，观测范围有限，大范围的湖泊、水库以及城市河网的水质动态监测必须借助大量遥感影像，因此批量快速地处理高光谱遥感影像对于推广其应用具有重要意义。研究人员可以考虑通过选取有效波段，进行遥感数据降维等方法优化高光谱遥感影像的处理过程，另外在未来还应研发专门处理高光谱遥感影像的工具与软件。

5高光谱遥感技术在水利研究应用中的发展方向

目前高光谱遥感在水利行业中的应用主要集中在水环境和水生态方面的不同水生植物精细分类识别中，在水资源监管和水灾害调查等方面，高光谱遥感还未取得突破性进展。结合目前高光谱遥感水利应用所面临的问题，给出以下展望。

5.1构建典型水利要素标准波谱数据集

遥感研究以地物光谱数据为基础，国外的USGS、ASTER、HyspIRI等波谱库以及国内的中国典型地物波谱库、地物反射光谱特征数据库等均是涉及领域较多，建设年代较早的波谱库。内陆水体光学特征复杂且随地域和季节的变化较大，在成像光谱技术还未成熟时，很难建立较为完备且有针对性的标准波谱数据集。

高光谱成像仪以其多谱段，高光谱分辨率的特点可以获得丰富的地物光谱信息，为建立高精度的地物波谱库提供基础。随着近几年水利遥感的不断发展，研究人员应根据需求，利用高光谱成像仪在不同尺度和时间情况下，对常见水文要素，洪水淹没后地物混合光谱，不同地区水域的叶绿素、典型水生植物、藻类、悬浮物等水利要素的波谱进行更精确的测量与提取，并以此构建更完备的典型水利要素标准波谱数据库，一定程度上减轻实验前复杂的光谱测量的工作量，为水利要素的遥感精准识别与定量提取提供基础。

5.2多平台高光谱载荷水利要素协同监测与多源遥感数据的融合

近几年航空航天高光谱遥感技术发展迅速，高光谱遥感的载荷平台不断丰富。研究人员应根据具体工作需求合理选取不同平台或多平台结合的研究方法。大范围宏观层面的趋势分析可以选取大范围多时相的星载高光谱遥感影像，小范围微观层面的精准反演可以选取机载高光谱遥感影像。总之，多平台协同监测有助于提高反演效率，节约工作成本，充分发挥不同平台的优势。

星载高光谱遥感影像普遍具有空间分辨率低的缺陷，因此可以考虑将光谱分辨率较高的高光谱遥感影像同空间分辨率较高的高分影像进行数据融合，充分发挥不同数据的优势，为水利行业提供更多的优质数据。

5.3水利高光谱遥感信息智能挖掘的新方法

人们对于海量数据的挖掘和应用需求日益增长。高光谱遥感较高的数据量和数据维度所造成的数据冗余问题使其图像处理较为复杂，从高光谱数据中快速而精准地挖掘出水利行业所需要的信息是推广高光谱遥感在水利行业应用的必要条件。

机器学习可以通过样本训练进行数据学习，从数据库中发现数据的发展趋势，实现数据分析的自动化处理，极大地提高了高光谱遥感图像处理的工作效率，而目前面向水利要素的高光谱遥感样本库较少，制约着水利高光谱遥感图像自动分类算法的精度和效率。另外，通过耦合水文物理模型和人工智能模型，有助于进一步提高水利高光谱遥感信息定量识别和精度，从而更好地满足水利行业多样化的应用需求。

6结论与讨论

高光谱遥感以其数据采集的时效性、地物光谱测量的准确性，外加融合多源数据共同监测的全面性帮助人们客观准确地认知水利要素的光谱成像机理，提高了地物信息精细分类和识别的精度，迄今为止在内陆水体监测、典型水质参数反演、水生态状况调查等方面展开了应用并取得了一系列成果。

近年来成像技术不断突破，成像仪的光谱分辨率已然达到纳米级，波段数达到数百个，高光谱遥感的光谱分辨率将更加精细。大面阵高分辨率探测器技术不断提高，改善了影像的空间分辨率。卫星组网技术的发展缩短了卫星重访周期，高光谱遥感数据的时间分辨率也将大幅度提高。这一系列的改变促使高光谱遥感朝着定量化的方向发展，与此同时越来越多载有高光谱成像仪的卫星成功发射丰富了高光谱遥感的数据源，更多种类的高光谱数据将会被发掘并投入使用，不断扩大高光谱遥感技术在水利行业的应用范围。

高光谱遥感数据短缺与高光谱影像信息提取困难是当前高光谱遥感所面临的主要问题，面向新时期水利行业的应用需求，需要聚焦高光谱遥感新数据、新载荷，开展水利遥感与人工智能交叉学科之间的新方法、新理论以及新思路的研发，不断改善高光谱遥感存在的缺陷。在未来，高光谱遥感将蓬勃发展，为破解四水问题和新时期水利行业服务提供更先进的技术支撑。

欢迎关注公众号：莱森光学，了解更多光谱知识。

莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。

审核编辑 黄昊宇