遙感（Remote Sensing）的概念始于美國(guó)地質(zhì)學(xué)家布魯特（Puritt），1962年美國(guó)密執(zhí)安大學(xué)召開的環(huán)境科學(xué)專題討論會(huì)上，這一術(shù)語被正式采用。此后，遙感技術(shù)在學(xué)術(shù)和科技界得到廣泛研究與應(yīng)用[1-2]。高光譜遙感（Hyperspectral Remote Sensing）屬于電磁波遙感技術(shù)中光學(xué)遙感的一種，始于20世紀(jì)80年代，主要利用電磁波的可見光和紅外波譜段來探測(cè)并獲取目標(biāo)信息[3-4]。高光譜遙感不同于多光譜遙感和微波遙感，它的光譜分辨率可達(dá)納米級(jí)，在可見光到紅外波段，其細(xì)分光譜通道數(shù)多達(dá)數(shù)十甚至數(shù)百個(gè)，具有光譜波段密、波段連續(xù)、數(shù)據(jù)量大、光譜寬度窄等優(yōu)勢(shì)。高光譜遙感可進(jìn)行地物的精確識(shí)別和分類、指示地物的地面特征、反演植被生長(zhǎng)參數(shù)等，目前在農(nóng)業(yè)、林業(yè)、地質(zhì)礦產(chǎn)、海洋等方面均有廣泛的應(yīng)用[5-8]。

城市綠地（Urban Green）是城市生態(tài)系統(tǒng)的重要組成部分，發(fā)揮著改善空氣質(zhì)量、緩解熱島效應(yīng)、調(diào)節(jié)微氣候和水文過程等生態(tài)功能，促進(jìn)居民身心健康。現(xiàn)有的城市綠地質(zhì)和量的管理都依賴于傳統(tǒng)的人工測(cè)量和樣點(diǎn)測(cè)定數(shù)據(jù)，缺乏區(qū)域尺度的、可智能化獲取的精細(xì)數(shù)據(jù)。遙感技術(shù)因其實(shí)時(shí)、動(dòng)態(tài)和覆蓋范圍廣等優(yōu)勢(shì)，在獲取區(qū)域數(shù)據(jù)、研究城市綠地生態(tài)環(huán)境方面受到廣泛關(guān)注[9-10]，而高光譜遙感技術(shù)豐富的光譜信息對(duì)于城市綠地的精細(xì)分類、信息獲取、變化監(jiān)測(cè)、參數(shù)反演和質(zhì)量監(jiān)測(cè)等方面具有巨大潛力。

文章對(duì)高光譜的起源、高光譜遙感技術(shù)平臺(tái)的發(fā)展、信息獲取與傳輸方式進(jìn)行了詳細(xì)的介紹，總結(jié)了當(dāng)前遙感圖像軟件處理平臺(tái)和常用技術(shù)（包括光譜混合模型、端元個(gè)數(shù)估計(jì)、端元自動(dòng)提取和光譜解混技術(shù)）。結(jié)合當(dāng)前高光譜在地面調(diào)查中的應(yīng)用，文章還探討了高光譜遙感在城市綠地資源調(diào)查中的應(yīng)用前景以及發(fā)展趨勢(shì)。提出了利用高光譜優(yōu)勢(shì)，結(jié)合多源數(shù)據(jù)智能監(jiān)測(cè)城市綠地動(dòng)態(tài)變化及高效管理城市綠地的技術(shù)方案，以期對(duì)未來城市綠地的高效感知和實(shí)時(shí)監(jiān)測(cè)提供新的思路和方法，為相關(guān)部門的決策提供科學(xué)參考。

1 高光譜成像光譜儀的發(fā)展

高光譜成像光譜儀可以根據(jù)搭載平臺(tái)不同而分為航天高光譜成像光譜儀、航空高光譜成像光譜儀和地面高光譜成像光譜儀，它們的工作波段主要在可見光波段和近紅外波段等，主要性能參數(shù)包括光譜分辨率、空間分辨率、瞬時(shí)視場(chǎng)和噪聲反射率差等[11]。國(guó)外最早的高光譜成像光譜儀AIS-1，由美國(guó)噴氣實(shí)驗(yàn)室于1983年研制成功。我國(guó)最早的高光譜成像光譜儀MAIS，由中科院于1989年研發(fā)成功。20世紀(jì)90年代，我國(guó)陸續(xù)研發(fā)了推帚式成像光譜儀（PHI）、新型模塊化成像光譜儀（OMIS）和輕型高穩(wěn)定度干涉成像光譜儀（LASIS）等。表1總結(jié)了國(guó)內(nèi)外常見的高光譜成像光譜儀相關(guān)信息。

2 高光譜遙感信息獲取與傳輸

高光譜遙感信息獲取和傳輸系統(tǒng)是以衛(wèi)星、機(jī)載或者地面為承載平臺(tái)，搭載高光譜遙感傳感器設(shè)備，可快速實(shí)時(shí)獲取并傳輸數(shù)據(jù)的遙感監(jiān)測(cè)系統(tǒng)[12-13]，具有多功能、輕便、時(shí)效性強(qiáng)、信息損失少、智能和可視化等特點(diǎn)[14-15]，高光譜成像儀獲取到地物光譜反射率信息后，借助高光譜數(shù)據(jù)處理系統(tǒng)可實(shí)現(xiàn)高光譜數(shù)據(jù)的可視化分析。對(duì)于星載高光譜傳感器而言，以電磁波形式記錄的地面物體的輻射和反射信息傳遞給地面接收站后，通過遙感數(shù)據(jù)傳輸系統(tǒng)以地面光纖網(wǎng)絡(luò)傳遞到并進(jìn)行數(shù)據(jù)處理和二次傳輸。機(jī)載高光譜傳感器則是通過傳輸系統(tǒng)和串口獲取數(shù)字圖像，后借助無線傳輸技術(shù)傳達(dá)給地面接收器[16]。

3 高光譜遙感數(shù)據(jù)處理

與傳統(tǒng)遙感數(shù)據(jù)相比，高光譜遙感數(shù)據(jù)具有波段多、光譜分辨率高、空間分辨率高等特點(diǎn)，這使得高光譜遙感數(shù)據(jù)面臨諸如混合像元、噪聲干擾、數(shù)據(jù)冗余等問題，因此，除進(jìn)行傳統(tǒng)遙感數(shù)據(jù)預(yù)處理步驟外，還應(yīng)開展針對(duì)以上問題的高光譜數(shù)據(jù)處理，包括混合像元分解、噪聲消除、特征提取、降維運(yùn)算、圖像融合等。常用的高光譜遙感數(shù)據(jù)處理軟件有PCI、ENVI和ERDAS等。

3.1 混合像元分解

遙感影像以像元為單位記錄地面的輻射和反射信號(hào)，由于高光譜遙感影像空間分辨率相對(duì)較低，混合像元問題普遍存在于高光譜影像中，因而需進(jìn)行像元解混處理。常用的混合像元分解方法有光譜混合模型（線性混合模型、隨機(jī)混合模型和非線性混合模型）、端元個(gè)數(shù)估計(jì)（NPD算法和正交子空間投影法）、端元自動(dòng)提取（典型端元提取算法、空間信息輔助下的端元提取技術(shù)和基于粒子群優(yōu)化的端元提取算法）和光譜解混技術(shù)（非監(jiān)督分類算法和監(jiān)督分類算法）等[10]。

3.2 噪聲消除

高光譜遙感數(shù)據(jù)具有極窄的光譜寬度，對(duì)地物的光譜特性及微小變化極其敏感，因此，高光譜成像儀在記錄地面數(shù)據(jù)時(shí)，既可有效獲取目標(biāo)地物的反射光譜信息。同時(shí)，一些類似于地形因子、傳感器本身、地物二向性反射等因素導(dǎo)致的干擾信息，大氣輻射傳輸效應(yīng)帶來的反射、輻射、照度、信息等噪聲也將被記錄。高光譜影像數(shù)據(jù)的輻射校正處理通過相應(yīng)的反演系數(shù)對(duì)每個(gè)波段進(jìn)行反演，得以獲取目標(biāo)輻射能量值，進(jìn)而實(shí)現(xiàn)輻射噪聲消除，以獲得地物反射率、輻射率和地表溫度等真實(shí)的物理參數(shù)[17]?；诟吖庾V圖像進(jìn)行的目標(biāo)探測(cè)可有效進(jìn)行噪聲消除，其主要依據(jù)感興趣目標(biāo)的反射光譜與其他地物的差異對(duì)目標(biāo)進(jìn)行特定的區(qū)分和提取，按是否需要先驗(yàn)知識(shí)，分為異常探測(cè)和光譜匹配兩種方法[18]。

表1 國(guó)內(nèi)外主要高光譜成像光譜儀相關(guān)信息

3.3 特征提取和降維運(yùn)算

光譜分辨率高的特點(diǎn)決定了高光譜遙感影像數(shù)據(jù)量大的事實(shí)，龐大的數(shù)據(jù)體量使得影像在處理和應(yīng)用過程中計(jì)算難度增大、耗時(shí)增長(zhǎng)；同時(shí)，相關(guān)研究表明，當(dāng)訓(xùn)練樣本數(shù)量有限時(shí)，存在最優(yōu)特征維數(shù)，使分類精度達(dá)到最佳狀態(tài)[19]。因此，對(duì)高光譜影像進(jìn)行特征提取和降維運(yùn)算的研究與處理，可有效提取信息，摒棄冗余信息，有利于實(shí)現(xiàn)最優(yōu)特征的選擇與應(yīng)用。常用的特征提取方法有基于類別可分性的特征提取、依類內(nèi)類間距離準(zhǔn)則的特征提取、依概率距離準(zhǔn)則的特征提取和依信息熵準(zhǔn)則的特征提取。常用的降維運(yùn)算有主成分分析、噪聲分離變換、卷積運(yùn)算和獨(dú)立成分分析等[20]。

3.4 圖像融合

通過對(duì)多源遙感影像的融合處理，可在保持光譜分辨率的基礎(chǔ)上，實(shí)現(xiàn)空間分辨率的提升。目前，高光譜數(shù)據(jù)融合方法主要有以下三類：第一類為頻域?yàn)V波方法，即將高光譜數(shù)據(jù)的低頻信息與高空間分辨率的高頻信息結(jié)合，如小波變換方法；第二類為利用概率統(tǒng)計(jì)方法結(jié)合高光譜和高空間分辨率數(shù)據(jù)之間的物理相關(guān)性實(shí)現(xiàn)優(yōu)化擬合，如最大后驗(yàn)概率算法；第三類是基于混合光譜解混理論，利用高空間分辨率數(shù)據(jù)的空間信息，輔助高光譜解混得到高空間分辨率下的像元光譜[21]。

4 高光譜遙感在城市綠地調(diào)查中的應(yīng)用

4.1 城市綠地信息獲取

城市綠地信息的獲取主要基于實(shí)地資源調(diào)查與遙感技術(shù)手段的結(jié)合，通過在調(diào)查數(shù)據(jù)與遙感影像之間建立關(guān)系，實(shí)現(xiàn)城市綠地現(xiàn)狀及變化等信息的獲取?；谶b感影像進(jìn)行城市綠地分類時(shí)，植被類型豐富且光譜相似，光譜分辨率突出的高光譜數(shù)據(jù)能夠更全面、細(xì)致的獲取植被光譜特征及其差異，提高分類精度、實(shí)現(xiàn)變化監(jiān)測(cè)，尤其在城市綠地樹種分類、植被識(shí)別等精細(xì)尺度，相比與傳統(tǒng)遙感數(shù)據(jù)具有明顯的優(yōu)勢(shì)，Zhang等基于高光譜遙感數(shù)據(jù)建立植被特征庫實(shí)現(xiàn)了植被的精細(xì)分類[22]；董文雪等利用機(jī)載激光雷達(dá)和高光譜的方式對(duì)湖北省神龍架的森林喬木物種多樣性調(diào)查進(jìn)行了精準(zhǔn)且快速有效的監(jiān)測(cè)[23]。

基于高光譜遙感數(shù)據(jù)可進(jìn)行城市綠地火災(zāi)防控，因高光譜遙感對(duì)溫度具有強(qiáng)烈的敏感性，城市綠地著火點(diǎn)地表溫度升高后，能夠迅速確定發(fā)生火災(zāi)的準(zhǔn)確范圍和蔓延趨勢(shì)[19]。高光譜遙感還能準(zhǔn)確判斷出城市綠地的病蟲害災(zāi)害，如通過對(duì)葉綠素濃度和葉片卷葉率的探測(cè)，可以快捷準(zhǔn)確地獲取到病蟲害的發(fā)生區(qū)域及分布狀態(tài)，從而制定相應(yīng)的預(yù)警預(yù)報(bào)和治理方案。徐海舟運(yùn)用三腳架和手持地物光譜儀采集高光譜影像，通過建立葉部主要病害脅迫下降香黃檀病情指數(shù)的高光譜反演模型，探討了利用高光譜遙感監(jiān)測(cè)降香黃檀葉部主要病害的方法[24]。

4.2 城市綠地參數(shù)反演

高光譜遙感因其光譜波段密、波段連續(xù)、數(shù)據(jù)量大、光譜寬度窄等優(yōu)勢(shì)，可獲取更加細(xì)致的光譜信息，在城市綠地參數(shù)反演中應(yīng)用廣泛，如楊志青等選取北京市奧林匹克公園為研究區(qū)，采取地面固定多角度高光譜成像儀連續(xù)監(jiān)測(cè)的方法，探討了城市綠地生態(tài)系統(tǒng)光化學(xué)反射植被指數(shù)與光能利用率的關(guān)系[25]；李喆等以高光譜數(shù)據(jù)為基礎(chǔ)，識(shí)別對(duì)植被光合有效輻射吸收率（FAPAR）敏感的吸收峰，構(gòu)建估算草地冠層水平FAPAR的高光譜吸收特診參數(shù)模型[26]。劉曉清和柳云龍利用土壤重金屬在高光譜不同波段的反射率差異性，建立了重金屬反演模型，為探測(cè)城市綠地的重金屬含量提出了有效的方法和手段[27]。多光譜遙感影像由于光譜分辨率較低，常常無法獲取地物連續(xù)的波譜特征，而高光譜遙感影像較好地避免了這種誤差。

5 高光譜遙感技術(shù)在城市綠地中的發(fā)展趨勢(shì)

5.1 城市綠地智能監(jiān)測(cè)技術(shù)方案構(gòu)建

1.高光譜遙感技術(shù)智能監(jiān)測(cè)城市綠地技術(shù)方案

近年來，高光譜遙感在林業(yè)監(jiān)測(cè)、病蟲害防治和森林防火方面得到了廣泛的應(yīng)用[10]。城市綠地作為城市生態(tài)系統(tǒng)的重要組成部分，探明其時(shí)空變化和演變趨勢(shì)，對(duì)于城市的合理規(guī)劃和可持續(xù)發(fā)展具有重要意義。本文在借鑒高光譜遙感技術(shù)的優(yōu)勢(shì)，明確高光譜數(shù)據(jù)處理方法的基礎(chǔ)上，結(jié)合城市綠地的發(fā)展需求，設(shè)計(jì)了利用高光譜，結(jié)合多源數(shù)據(jù)（氣象數(shù)據(jù)、地面觀測(cè)數(shù)據(jù)和其他數(shù)據(jù)）融合分析，從而達(dá)到智能管控城市綠地的技術(shù)方案。方案以期利用時(shí)空連續(xù)的高光譜數(shù)據(jù)和其他數(shù)據(jù)，經(jīng)過預(yù)處理和計(jì)算后，建立高光譜特征（波段、紋理和空間）與地物（植被和土壤）的關(guān)系模型，為城市綠地的監(jiān)測(cè)、評(píng)估、診斷、改良和預(yù)測(cè)提供新的方法（圖1）。

5.2 發(fā)展趨勢(shì)

高光譜遙感技術(shù)是觀測(cè)地表植被強(qiáng)有力的工具，可以探測(cè)到在寬波段遙感中不能夠探測(cè)到的物質(zhì)特征，從而獲取連續(xù)的地物光譜圖像，定量分析植被表層生物物理化學(xué)過程和參數(shù)，使城市綠地研究更為理想和準(zhǔn)確，對(duì)城市的可持續(xù)發(fā)展起到較好的指導(dǎo)和推動(dòng)作用[2]。

未來高光譜遙感技術(shù)在城市綠地研究中的發(fā)展趨勢(shì)：

（1）結(jié)合多源遙感數(shù)據(jù)的城市綠地高光譜圖像精細(xì)化分析。衛(wèi)星高光譜遙感數(shù)據(jù)空間分辨率偏低，限制其實(shí)際應(yīng)用效能，不同遙感數(shù)據(jù)具有各自的時(shí)間、空間和波譜特征，利用多源遙感數(shù)據(jù)可以實(shí)現(xiàn)不同數(shù)據(jù)的深度綜合互補(bǔ)，是獲得更全面和豐富的地表信息以及實(shí)現(xiàn)多源遙感數(shù)據(jù)價(jià)值的關(guān)鍵。在城市綠地資源調(diào)查中，一方面利用高光譜遙感數(shù)據(jù)能提供具有診斷意義的植被精細(xì)光譜信息，另一方面其他高空間分辨率的遙感數(shù)據(jù)，能準(zhǔn)確定位植被具體位置，兩者綜合使用可實(shí)現(xiàn)城市綠地植物信息的精確提取和分類。

（2）高光譜成像儀和激光雷達(dá)掃描儀等硬件設(shè)備的聯(lián)合應(yīng)用。將激光雷達(dá)和高光譜技術(shù)相結(jié)合，利用激光雷達(dá)具有大氣和水體的穿透能力以及高精度的測(cè)距與定位能力，能完成多層次立體綜合成像探測(cè)，構(gòu)建先進(jìn)、高效和多層次的三維立體綜合探測(cè)系統(tǒng)，通過三維數(shù)字重建還原地物的三維幾何形狀。兩者相結(jié)合，能完成地面植物株數(shù)、位置、株高、胸徑、冠幅和蓄積量等參數(shù)反演和模式識(shí)別。

（3）人工智能技術(shù)與高光譜遙感技術(shù)的結(jié)合使用。高光譜圖像能滿足深度學(xué)習(xí)對(duì)數(shù)據(jù)量的要求，豐富的數(shù)據(jù)有利于對(duì)植被的生物生化參量信息進(jìn)行挖掘與探索，從而提高模型識(shí)別及反演的精度。近年來，常用人工智能學(xué)習(xí)方法（隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等）建立高光譜與植物的關(guān)系，并且算法也在逐步提升和改進(jìn)，使得反演結(jié)果精確程度越來越高。這種基于人工智能的信息自動(dòng)獲取、加工與提取技術(shù)，具有方便、快捷和準(zhǔn)確的特點(diǎn)，使高光譜遙感技術(shù)更加快速廣泛地應(yīng)用于不同領(lǐng)域。