高光谱遥感技术及其水利应用进展

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。

1国内外高光谱遥感技术与发展

1.1 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

1.2 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

1.3 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。

2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。

2.1 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。

2.1.1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。

2.1.2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。

2.1.3 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。

3.1 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。

3.2 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。

3.3 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。

审核编辑：汤梓红