Print

出版日期: 2017-01-25
点击次数:
下载次数:
DOI: 10.11834/jrs.20175324
2017 | Volumn21 | Number 1





                              上一篇|





下一篇


基础理论
地物波谱数据库建设进展及应用现状
expand article info 张莹彤1,2 , 肖青1 , 闻建光1 , 游冬琴1 , 窦宝成1,3 , 唐勇1 , 彭实1,2
1. 中国科学院遥感与数字地球研究所 遥感科学国家重点实验室, 北京 100101
2. 中国科学院大学, 北京 100049
3. 北京师范大学 全球变化与地球系统科学研究院, 北京 100875

摘要

地物以其固有的特性反射、吸收、辐射和透射电磁波。不同地物表面对不同波长的电磁波反射/辐射/散射特性不同,成为利用遥感手段进行目标物探测与识别的理论基础,而地物波谱数据库的建成对定量遥感建模、地表参数反演及环境生态监测等具有重要作用。近年来,国内外各研究机构已建成部分地物波谱数据库,通过收集典型地物波谱数据,记录长期积累且相对稳定的波谱信息及其配套参数,支持地物分类、目标识别等领域的研究。本文综述了国内外主要地物波谱数据的建库历程,阐述了波谱数据库在各专业领域的主要应用成果,分析比较现有的国内外波谱数据库平台在波段覆盖、地物类型、配套参数及共享方式的特点及不足。在此基础上,针对波谱数据库在建设中存在的数据管理分散、测量质量控制和配套参数的标准规范不完善、数据利用效率不充分等问题,给出了初步建议。最后,探讨各学科对波谱数据库平台的应用需求,并对波谱数据库建设重点将面向全波段、多尺度、多时相的通用型知识库的发展趋势进行展望。

关键词

地物波谱 , 数据库 , 可见光近红外 , 热红外 , 微波

Review on spectral libraries: Progress and application
expand article info ZHANG Yingtong1,2 , XIAO Qing1 , WEN Jianguang1 , YOU Dongqin1 , DOU Baocheng1,3 , TANG Yong1 , PENG Shi1,2
1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China
2.University of Chinese Academy of Sciences, Beijing 100049, China
3.State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875, China

Abstract

A spectrum is the distribution of electromagnetic radiation that has been reflected, emitted, or transmitted from ground objects because of their inherent physical characteristics. Remote sensing measurements provide a solid theoretical basis for applications such as target detection and identification fields considering that different materials possess distinct abilities for reflection, emission, and scattering mechanisms over different wavelength ranges. To support such studies, a spectral library is necessary for quantitative remote sensing modeling, land surface parameter inversion, and ecological environment monitoring. For nearly half a century, domestic and international research institutes have designed various spectral libraries by assembling spectral data of typical materials. These spectral libraries include a long-term, reliable, accumulative observation for a certain period and indispensable standard ancillary data. Such spectral data are essential resources for ground cover classification and target identification.

This study reviews the history of the development of spectral libraries by analyzing and comparing each spectral library with those of different wavelength ranges, types, ancillary data, and resources. The applications of two kinds of spectral libraries for different disciplines have been summarized. In this study, the general spectral library refers to a database with more comprehensive and abundant ground objects, including the United States Geological Survey Spectral Library, Advanced Spaceborne Thermal Emission and Reflection Radiometer Spectral Library, and Spectral Database System of Typical Objects in China. Meanwhile, the professional spectral libraries that were established focus mainly on the specific disciplines.

Comparison results reveal that spectrum data are relatively insufficient in the microwave band because previous research focused more on visible and near-infrared bands during the last century, especially on geological and ecological applications. This observation can also account for the over whelming quantity of minerals, rocks, and crops spectral data in existing data bases. However, most of the available spectra data that exist still exclude canopy or urban grassland spectra, although Nonetheless, vegetation spectra data have been considerable. Based on the research demand investigation for spectral library, the study should mainly focus on data management, quality control standard in measurements, and data utilization efficiency.

The establishment and full sharing of a comprehensive spectral library are crucial steps for domestic research. The waveband and the spatial and temporal gradients of the ground objects present the issues for accurate classification and identification applications. Thus, the full-wave band, spatial scales, or phenological information are significant in the completion of future spectral libraries.

Key words

spectra , database , visible-NIR , thermal infrared , microwave

1 引言

地物的波谱特征是一种重要的遥感辐射和散射信息,电磁波与地物表面相互作用,往往表现为地物在不同波段反射、热辐射、微波辐射及散射特征。利用电磁波的辐射和散射特征,通过数学统计或物理模型反演的方式从数据中提取有价值信息的科学研究,称为遥感科学(童庆禧等,2006闻建光等,2015)。地物波谱数据库以记录地物发射和反射辐射特征为基础,可进一步理解电磁辐射与地物的相互作用。李小文院士认为如需改变对测量与建模关系的传统认识,波谱测量与建模须同时开展,加深理解测量结果并逐步发展基础模型(李小文等,2002李小文,2006)。

波谱数据库指汇集典型地物的测量波谱,能够涵盖多种典型地面目标的波谱与特征参数的数据库(王锦地等,2009)。当遥感数据信息不足以支持应用需求,需要补充波谱数据库,作为支持模型反演信息的背景数据,并利用波谱模拟、模型对配套数据的解释、应用示范流程等推进波谱数据使用的科学性与识别的准确性时,将实现波谱数据库向波谱知识库的转化。不同地物具有不同的波谱特性,当前我们只能利用有限的遥感观测数据去试图认识和理解复杂的地球系统,地物波谱知识库的支撑显得尤为重要。

波谱数据对于遥感信号识别地物、提取地表信息有重要参考意义。在遥感应用的飞速发展中,遥感信息提取新策略作为当前遥感科学与技术发展中的重要学科前沿之一(宫鹏,2009),其识别的效率及精度问题可通过地物波谱数据库得以辅助解决。将地物波谱特征用于地物识别与地理要素提取,可以提高地物属性识别精度,最终实现分类识别智能化与自动化。多年来,各机构组织收集了大量波谱数据,并建立了一系列基于不同学科背景下的波谱数据库。

本文对国内外波谱数据库的发展历史进行回顾,归纳总结了国内外可利用的波谱数据库,对比分析其在波段范围、地表覆盖类型和共享方式等多方面的异同,进一步阐述现阶段波谱数据的主要应用领域,探讨波谱数据库在使用过程中出现的主要问题及今后发展趋势,为波谱数据库的进一步建设和推广应用提供支撑。

2 地物波谱数据库建设

2.1 地物波谱数据库发展与现状

地物波谱特性研究从20世纪40年代起受到关注,原苏联科学家克里诺夫出版了国际上第一部地物光谱反射特性专著《自然地物的光谱反射特征》。1970年美国国家航空航天局NASA建成地球资源波谱信息系统The NASA Earth Resources Spectral Information System (ERSIS)(Vincent,1976),旨在自动提取可用信息,协助实验室与野外地物波谱测量及地面验证在内的数据采集、处理和分析工作。第一版ERSIS中约含100条岩矿、2600条植被及60条水体波谱曲线,数据按学科分类,并根据来源编码。后续的ERSIS版本,加入了植物发芽与成熟期波谱、矿物在热红外波段与冰雪的反射波谱数据,便于用户开展遥感反演研究。70年代末,国内开展为期两年的腾冲遥感试验(陈述彭和周上盖,1986),获取了100余种树木、作物、土壤、水体、地质体约1000组的波谱曲线。

20世纪80年代,美国建成的Jet Propulsion Laboratory (JPL)波谱数据库及United States Geological Survey (USGS)波谱数据库在地质领域研究中发挥了巨大作用。国内波谱库建设亦迅速开展。中国科学院国家空间科学中心建立了地物反射光谱数据库,中国科学院地球化学研究所彭文世等人(1982)编著《矿物红外光谱图集》,收录了583种矿物图谱。20世纪90年代,国外的John Hopkins University (JHU)波谱数据库、Advanced Space borne Thermal Emission and Reflection Radiometer (ASTER)波谱数据库,国内的Hyperspectral Image Processing and Analysis System (HIPAS)波谱数据库、长春净月潭地物反射光谱数据库等相继建立。随着版本逐渐完善与更新,USGS与ASTER波谱数据库以其涵盖地物类型广泛,多波段覆盖以及良好的交互性与后续分析处理功能,成为各专业领域普遍接受且获取便捷的地物波谱数据资源。2006年北京师范大学王锦地教授牵头建立了中国典型地物波谱库并开始对外共享。

与含有多种地物类型的综合波谱数据库同步发展的还包括专业波谱库,其主要目的是有针对性地为用户提供特定研究背景下的地物波谱,如以火星矿物陨石为主的Arizona State University (ASU)热红外波谱库,以植被、沼泽、珊瑚、土壤等为代表的HyperspectralInfraRed Imager (HyspIRI)波谱库(Green,2012)。目前,地物波谱数据库的发展由早期集中在矿物识别等地质应用领域,逐渐扩展到生态、水文以及大气科学等领域,在传感器设计、验证以及信息提取方面也有所助益(Vane和Goetz,1993Green等,1998),其发展也有效地将地物波谱特性和遥感纹理信息结合(童庆禧等,2006)。

除上述波谱库外,日本、法国、印度以及澳大利亚等国也在近一个世纪内针对较为具体的几类地物波谱进行了若干研究,但测量广度及研究深度稍有欠缺(周小虎和周鼎武,2009)。根据波谱库内覆盖的地物类型,本文将以通用型和专业型两大类区别国内外已建成的波谱数据库,通用型波谱库包含诸如USGS、ASTER、中国典型地物波谱库在内的地物覆盖类型较广的数据库,专业型波谱库为针对某一专业领域建成的库,如GAIA波谱库,圣巴巴拉城市波谱库等。

2014年,由中国科学院遥感与数字地球研究所牵头的国家科技基础性工作专项“测绘地物波谱本底数据库建设”项目启动,旨在国内较好的工作基础上以及多年来数据积累的支持下,尝试解决目前波谱数据库使用的若干问题,建成一套标准规范、一个系统下的地物波谱本底数据库共享平台GOSPEL (Ground Object SPEctral Library)。表 1列出了国内外波谱数据库的基本信息。

表 1 国内外波谱数据库及特征
Table 1 Characteristics of international and domestic spectral libraries

下载CSV 
名称 发布机构 建设年代 数据库网址 主要特征
国外 USGS波谱库 美国地质调查局USGS 1993 http://speclab.cr.usgs.gov/ 涵盖0.2-150 μm内1368条反射波谱,覆盖地物类型广,以矿物为主
JPL波谱库 喷气推进实验室JPL 1981 http://speclib.jpl.nasa.gov/documents/jpl_desc 波段范围0.4-2.5 μm,首次推出野外地质波谱数据库,矿物波谱按粒径尺度采样划分
JHU波谱库 约翰霍普金斯大学JHU 1991 http://speclib.jpl.nasa.gov/documents/jhu_desc 提供15个子库,地物配套参数详细,针对不同地物类型选用不同的分光计
ASTER波谱库 美国宇航局NASA 1998 http://speclib.jpl.nasa.gov/ 汇集0.4-15.4 μm内超过2400条波谱数据,分发范围广,支持在线搜索,交互性强
ASU热红外波谱库 亚利桑那大学ASU 2000 http://speclib.asu.edu/ 含矿岩、土壤波谱,提供样品质量、理化成分,可定制波谱数据并上传个人波谱数据
HyspIRI生态系统波谱库 喷气推进实验室JPL 1999 http://hesl.jpl.nasa.gov/ 0.38-2.5 μm内植被组分、土壤、光学参量、珊瑚、湿地、雪及人工目标光谱,应用性强
GAIA波谱库 欧空局ESA 2011 http://gaia.esa.int/spectralib/ 半经验波谱库,主要涵盖各类星体等宇宙物质模拟波谱
ICRAF-ISRIC全球土壤波谱数据库 世界农林中心世界土壤信息中心 2004 http://www.isric.org/data 涵盖4437个样本共785条土壤波谱,样本来源广泛,分类细致
国内 中国典型地物波谱库 北京师范大学 2002 http://spl.bnu.edu.cn/ 集波谱测量数据、遥感先验知识数据于一体,适用于理论研究,配套参数详细
地物反射光谱特性数据库 中国科学院光学精密机械研究所 1990 - 包含光学、微波、不同时相的波谱数据,含地面、航空、微波数据库
长春净月潭地物反射光谱数据库 中国科学院东北地理与农业生态研究所 2002 - 包含多种不同平台、不同角度的波谱数据
面向电子政务的全国典型地物波谱数据库 中国科学院遥感与数字地球研究所 2007 - 获取并整理了大量中国典型地物的波谱数据和配套参数,面向电子政务服务
中国污染水体反射光谱数据库 国家海洋局 2001 - 测量七大类污染水体,并记录气温、水温、透明度等参数及水质与生物学分析项,服务于水体研究

2.2 国外主要地物波谱库

2.2.1 USGS波谱库

美国地质调查局为研究矿产资源遥感勘探,早期发展了USGS波谱实验室,并建立了USGS波谱数据库。随着对地探测技术发展以及对各类地物更精细的识别需求,USGS波谱数据库已更新到目前的第6版(splib06a)(Clark等,2007)。波谱范围涵盖从可见光到红外0.2-150 μm波段,光谱数量达到1300余条。其中,矿物反射波谱从第5版的520余条增加到第6版的800余条。地物类型在splib05上增加了更多有机及挥发性化合物、植被以及人工目标地物。所有波谱数据以ASCII码存储,由波长、反射率及标准差组成,根据用户的不同研究需求,每条波谱的描述文件对应理化参数及一系列辅助信息,如矿物分子式、X光衍射、电子显微镜等观测数据,或植被类别与采样过程。每类波谱的描述有其特定模板。

Splib06内波谱按6个章节组织,每个章节的地物类型分别为矿物,土壤/岩石,涂料液体及其混合物、水及挥发性物质,人工目标,植物。样品命名共8个指定文档,波谱数据标题字段使用缩写,样品标题通常以该条波谱所属地物名或其缩写为起始,加以波谱纯度与波谱范围标识,例如波谱库中样品标题中常含有代码W1R1Bx以及W1R1Fa,其中W代表波长范围,R代表分辨率。

USGS第6版波谱数据库支持在线浏览,并发布了相应软件协助显示影像、分析成像光谱数据,其中包括计算混合矿物辐射传输的Radtran系统、通过图形用户界面(GUI)进行波谱分析的PRISM软件等。同时,该波谱库还集成了若干典型应用实例与相关文献,供用户参考。

表 2 USGS波谱库波谱范围命名规则
Table 2 Rules of nomenclature for spectral range in USGS spectral library

下载CSV 
名称 波谱范围 仪器编号 光谱仪
W1 0.2-3 μm B ASD
W2 1.5-6 μm F Nicolet
W3 6-25 μm N AVIRIS
W4 20-150 μm - -
W5 W2+W3 - -
W9 W2+W3+W4 - -

USGS波谱实验室中涉及少量月球、火星、水星、木星和土星波谱的ASCII文件,相关的行星波谱会在各个探测计划的基础上陆续加入。美国地质调查局已拟订进一步发展地物波谱库第7版本splib07a,新的波谱库中将包含更多不同粒径大小的矿物、有机挥发混合物及其他地物。

2.2.2 JPL波谱库

20世纪70年代初,Hunt等人在10年内对矿岩在可见红及近红外波段的反射特性做了大量理论研究,美国喷气推进实验室(JPL)于1981年首次推出野外地质波谱数据库(田庆久和宫鹏,2002)。Grove、Hook与Paylor Ⅱ于1990年发布了矿物波谱数据库([2015-11-13]http://speclib.jpl.nasa.gov/documents/jpl_desc),波谱库内包含由Beckman UV5240分光光度计测量的160种矿物波谱,波段范围为0.4-2.5 μm。该波谱库按3种粒径尺度选取了135种矿物,以研究矿物颗粒大小对反射率的影响。此外,波谱库中每类矿物的化学分子式均根据Fleischer或电子探针分析得到,并对矿物样品纯度进行了X射线衍射测试,矿物波谱配有如矿物名称、取样地点以及指定样本数量等其他辅助信息。JPL矿物波谱库的分类引用了传统的矿物学分类方法,即按照最主要的阴离子或阴离子基团进行分类,包括氧化物、氢氧化物、卤化物、硫酸盐、磷酸盐、硼酸盐、硫化物、碳酸盐、砷酸盐、硅酸盐和钨酸盐([2015-11-13]http://speclib.jpl.nasa.gov/)。目前,在软件ENVI中已嵌入0.4-2.5 μm内3种不同粒径的160种矿物波谱数据。

2.2.3 ASTER波谱库

ASTER波谱数据库整合了JHU波谱库、JPL波谱库以及USGS波谱库,第1版(V1.2)在1998年7月推出,随即分发给90余个国家使用。2008年12月3日发布的第2版波谱库中(Baldridge等,2009),汇集了从可见光到热红外0.4-15.4 μm内超过2400条波谱数据。第2版比第1版新增了0.4-15.4 μm内100种岩石样本的波谱数据,并对最初的160种矿物样本波谱进行了重新测量。波谱库中有135种矿物样本经过压碎并研磨至125-500 μm,45-125 μm以及小于45 μm 3种粒径大小。

ASTER波谱库被划分为8个子库,分别为矿物、岩石、土壤、月球、陨石、植被、水雪冰以及人工目标,子库内列出了地物具体名称、波谱曲线、粒径大小、地物所在波谱子库及子类别等,命名完全遵循地物名称。在线波谱曲线提供交互性视图功能,在波谱曲线上可获得每一点具体的反射率值,或放大特定的波段范围。

波谱库内除雪和植被波谱外,其他波谱数据均通过方向半球反射测量,大多数情况下波谱数据的红外部分可利用基尔霍夫定律(E=1-R)计算地物发射率,其可行性已在实验室和野外测量中得到验证(Korb等,1996Salisbury等,1994)。

2.2.4 其他波谱数据库

USGS、ASTER等波谱库的丰富性与规范性,使其具有高应用频率与被依赖程度,在已有较成熟的通用型波谱库基础上,各组织也将研究方向部分转移到了专业波谱库的建设中。

美国亚利桑那州立大学在Mars Global Surveyor (1997)Terra (1999)发射成功后,获取The Thermal Emission Spectrometer (TES)及ASTER传感器所提供数据,将卫星、机载以及实验室波谱数据对比,利用纯度较高的样本建立了Arizona State University (ASU)波谱库(Christensen等,2000)。美国国家地理信息中心NCGIA (national center for geographic information)历时5年,开发了圣巴巴拉城市波谱库(Herold等,2004a),为城市环境研究提供数据支持;世界农林中心(ICRAF)及世界土壤信息中心(ISRIC)为完成全球土壤制图项目联合开发了ICRAF & ISRIC全球土壤波谱库(Garrity等,2003),其样品来源于非洲、亚洲、欧洲、北美及南美等58个国家,样本数量达4437条;JPL针对生态系统光谱测量的科研及应用需求,建立了HyspIRI生态系统波谱库(Green,2012),计划将现有所有生态相关波谱入库,包括植被组分、珊瑚、湿地等,同时服务于HyspIRI任务与陆地生态项目;欧空局于2013年12月发射卫星盖亚(Gaia),旨在测量银河系及其他近邻星系中数以十亿计的恒星,已发布的GAIA波谱数据库内([2015-11-13]http://gaia.esa.int/spectralib/)包含了行星及类行星等宇宙物质的模拟波谱;澳大利亚地球科学局建立了近海光谱数据库,以研究近海处物种丰富度及生物多样性等([2015-03-21]www.ozcoasts.gov.au)。

2.3 国内主要地物波谱库

2.3.1 地物反射光谱特性数据库

90年代初,中国科学院遥感应用研究所、中国科学院安徽光学精密机械研究所、中国科学院兰州冰川冻土研究所等单位,基于DOS系统和FOXBASE环境建立了中国第一个综合性“地物波谱特性数据库”。该波谱库采集约300种地物波谱,获取了不同气候带光学、微波的多时相波谱数据,设有岩矿、土壤、植被、水体和人工目标5个子库(田庆久和宫鹏,2002)。

系统具备常规统计分析、应用模式分析及地面与航空波谱数据参照功能,此后进一步发展为可在Window NT运行的波谱数据库系统,增强了波谱数据定量分析和特征提取功能。

2.3.2 长春净月潭地物波谱数据库

中国科学院东北地理与农业生态研究所于20世纪末在净月潭地区进行大量野外测量实验,建立了长春净月潭地物波谱数据库(张妍等,2002),光谱数据通过WDY-850地面光谱辐射计、WDY-2500近红外光谱辐射计和不同频段的微波辐射计测得,由地面野外测量数据、实验室样品测量数据以及航空测量数据3部分组成,配以环境参数和地理背景信息。波谱库内有土壤、植被、水体、雪和人工目标5类波谱,不同植被具有多时相光谱数据。

该波谱库由可见光数据系统、红外数据系统、有源微波及无源微波数据系统4个子系统构成,通过可视化界面方便用户进行数据管理,具有存储、查询、统计等基本功能;系统也提供多种地物目标的遥感反演模型,可通过数据进行目标参数反演,同时完成统计分析。

2.3.3 中国典型地物波谱库

随着波谱特性研究发展,波谱数据从早期几百条扩展到上万条,数据知识化程度也逐渐提高。2006年,在国家863计划的支持下,北京师范大学联合中国科学院遥感应用研究所等单位建立了中国典型地物波谱库(王锦地等,2009),收集典型农作物、岩矿和水体的波谱共计约3万条,由地面波谱测量数据库、遥感影像库、先验知识库、模型库4部分组成。中国典型地物波谱数据库根据遥感模型建立了目标的材料波谱及地表参数和遥感像元波谱的关系,确定波谱测量试验中地面与遥感关联的同步观测参数。同时,制定了技术标准和规范,并实施对数据测量、整理、审核、入库全过程的数据质量控制(苏理宏等,2002王培娟等,2004)。

该波谱库具有时间和空间尺度上的扩展功能,针对遥感地面测量在特定视场及时间点上的离散性,提供基于遥感模型的波谱内插和外延功能,利用观测数据及配套参数信息,对未知条件下的波谱进行模拟与插值(屈永华等,2004)。鉴于先验知识对遥感反演的重要性,北京师范大学在原典型地物波谱数据库的基础上,推进遥感波谱知识库的建设,王锦地等编著了《中国典型地物波谱知识库》,详细介绍了不同尺度波谱数据来源以及波谱知识库与地表参数反演的内容,其中系统使用指南为用户进行数据查询管理、模型计算提供了指导。

2.3.4 面向电子政务的全国典型地物波谱数据库

2010年,由国家发改委牵头启动了自然资源和地理空间基础本底数据库建设,中国科学院遥感与数字地球所承担“国家电子政务自然资源和地理空间基础信息库目”,建立了基于信息服务的地物波谱数据库(施建等,2011)。电子政务波谱数据服务平台建立在中国典型地物波谱数据库基础上,地物覆盖类型扩充至植被、水体、岩矿、土壤、冰雪和人工目标6大类,收集、改造并整合了2万余条波谱,主要面向电子政务和社会服务,为政府相关部门决策提供重要信息。

在需求、数据类型及共享标准上,电子政务波谱数据库更强调数据在共享中的规范性。电子政务波谱数据服务平台可进行数据删除与编辑等维护管理工作,如替换影像数据,并通过用户角色管理设计权限,更好地满足管理需求。

2.3.5 其他波谱数据库

目前,国内波谱数据测量工作仍相对较为分散。中国科学院空间科学中心于20世纪80年代初测量了岩石、土壤、植被、水体、农作物等地物光谱曲线1000余条,建设了反射光谱数据库;针对雷达遥感图像解译困难、应用门槛高、制约微波遥感应用的困境,中国科学院遥感与数字地球研究所邵芸等构建典型地物微波特性知识库,为微波遥感理论基础与应用研究提供模型、数据与专家知识等一体化支持(卞小林等,2015);其他国内的光谱数据库还有:国家海洋局建立的“中国污染水体反射光谱数据库”和中煤航测遥感局建立的“黄土高原生态环境观测基准带地物反射光谱数据库”分别面向水环境保护和黄土高原生态环境监测应用。

3 波谱数据库的主要应用领域

3.1 地质应用领域

地质研究领域中,波谱库应用主要集中在地球与各星球的岩矿的光谱识别模型、岩矿填图以及相关提取算法研究方面(Hapke,1981Charette等,1974Drake等,1999Swayze等,2004),1993年发布的第1版USGS波谱库中,444种样本中有423种为矿物波谱(Clark等,1993)。USGS团队Swayze等人(2000)发现在煤矿废料处理过程中,黄铁矿氧化会在表面产生酸性水且其随排放逐渐被中和,来自煤矿矸石山不同类型的含铁矿物,沉淀的位置近似于同心圆,可根据含铁次生矿物的波谱特征差异,利用USGS波谱库对酸性矿物废料制图,提供地球化学的指示信息。在矿物识别的相关提取算法方面,USGS波谱库第5版更新前后,Clark等人(20042003)集合一系列算法建立了专家系统决策框架Tetracorder,该系统可对目标物进行准确识别并制图。Goudge等人(2015)基于ASU波谱库,针对火星南部高地的Kashira火山口研究提出了高岭石族矿物沉降的光谱模型,可定量将CRISM可见光近红外数据集与TES热红外数据集匹配,对火星上的水蚀变矿床提供一致的矿物信息。

3.2 环境与生态应用领域

环境与生态监测方面,波谱数据库多用于分类制图,国内部分研究者也在实际工作中通过采集小范围区域的典型地物波谱并建库,以实现局部区域波谱数据的管理与波谱异常监测,进而研究区域性生态环境变化。针对2010年墨西哥湾原油泄漏事件,Clark等人(2010)利用近红外成像光谱分析技术以及USGS波谱库对海面上厚油的漂浮位置进行了亚像元尺度制图,定量得到了油水混合物中的水和油的比例。圣巴巴拉城市波谱库为美国国家地理信息中心支持城市制图及环境研究所建,Herold等人(2004b)将该波谱库内的波谱信息与IKONOS、TM数据结合,评估了高空间分辨率遥感图像对城市土地覆盖分类精度的影响;同时与ASTER波谱库中城市地表覆盖类型的光谱特性数据综合,给出了分离城市土地覆盖中相近波谱特征的最佳波段范围(Herold等,2003)。

国内在该领域的研究多基于独立建成的小型波谱库。此类波谱库功能性较强,多数集成了专业性的处理分析操作于波谱库系统中。因波谱曲线可表示典型地物如植被、水体等受环境胁迫因子的加剧或舒缓情况,波谱变化一定程度上代表了该区域生态环境的变化,范俊甫等实地采集目标波谱并建立了兖州矿区典型地物波谱数据库,为面向矿区的波谱分析提供数据支撑及环境监测依据(范俊甫,2011)。李少鹏在塔里木河下游和吐鲁番沙生植物园实测量荒漠植物(胡杨、柽柳和骆驼刺等)光谱数据及配套属性信息,将光谱吸收特征提取、红边参数提取、光谱匹配识别等常用光谱分析方法集成到数据库系统上,实现了对荒漠植物光谱数据的管理,对荒漠区生态恢复与植物高光谱遥感定量监测有很大意义(李少鹏,2013)。

3.3 农业应用领域

农业应用中,基于波谱知识库的研究多依赖于植被与土壤波谱,研究内容包括以波谱数据库为基础的空间或属性参数扩展、植被波谱的尺度效应问题、植被参量反演以及农作物种植面积估算。基于全球土壤的专业型波谱库已建成,但仅少量植被森林与树冠的波谱可从通用型波谱库中获得,暂无相应的专业型波谱库。波谱数据的属性参数预测研究方面,Shepherd等人(2003)基于ICRAF & ISRIC全球土壤波谱库对漫反射光谱分析的方法,快速无损地评估了土壤属性,并列出土壤样品尺寸的预测属性及其精度。以中国典型地物波谱库为基础,在波谱数据空间扩展的研究中,王锦地等借鉴长期观测数据与地物波谱库,整理得到中国5种农作物的主要生长参数在其主要生育期的统计数据,并给出了以北京地区冬小麦数据为例的参数先验知识空间扩展结果(王锦地等,2007);由于现有波谱库中收集到的同一地物波谱与遥感图像中的地物波谱尺度不同,万华伟等人(2008)利用物理模型与统计模型建立了不同尺度下波谱的转换关系。波谱数据辅助模型反演研究方面,姚延娟等人利用波谱数据库中的农作物信息提取模型反演所需的先验知识,并将纯像元叶面积指数与实测数据对比验证,结果表明基于波谱库先验知识(配套参数齐全的农作物波谱)对提高叶面积指数反演精度具有可行性(姚延娟等,2006)。陈水森通过开展玉米和小麦两种作物全生长期光谱测试试验,建立了典型农作物波谱库,对作物纯像元的识别方法、作物面积估算模型、像元纯度的检测模型做出了讨论(陈水森,2005);作者以广东省农作物不同生育期的动态波谱数据库为例给出了示范应用(陈水森等,2005)。

农业监测领域建成的部分小型波谱库,可用于农作物的病虫害监测、土壤盐渍化检测以及精细化农业中。曹入尹等人(2008)以小麦条锈病为例,设计开发了动态高光谱波谱库监测作物病害,对病害程度给予科学判断。邱宏烈等通过在阜康、吐鲁番和库尔勒地区采用野外便携式光谱仪探测具有诊断性光谱吸收特征地物,区分盐渍化土壤和盐生植被类型(一般陆地资源卫星无法区分)(邱宏烈等,2003)。

3.4 海洋应用领域

面向海洋开发的波谱数据库较少,研究或进行海洋水色研究,或针对近海口处的地物建库,准确了解沿海生态环境,完成分类制图;对海洋水体的研究,可提取不同污染类型水体的特征波谱曲线监测水质。唐军武(1996)通过建立海洋多光谱分析处理系统,对超多波段海洋成像光谱数据进行处理,获取了海洋物理化学参数,该系统以SeaWiFS Bio Optical Archive and Storage System (SeaBASS)为参照标准,最终建立以多光谱数据为主的海洋波谱数据库,为海洋水色应用研究提供波谱分析处理环境。澳大利亚近海波谱数据库对遥感影像分类提供了准确的数据信息支持,通过测定近海处各端元的波谱信号,服务于澳大利亚近海栖息地状况及发展趋势的研究(Creese等,2009)。Vahtmäe和Kutser (2013)为研究沿海处底栖生物栖息环境的分类制图,采用了基于高分辨率的遥感影像以及基于波谱库分类的两种分类方法,因其使用的建立在HydroLight辐射传输模型基础上的波谱库,因受大气校正以及测得水质等多因素影响,结果表明基于高分辨率影像分类的方法在底栖生物栖息环境处的分类结果更优。

4 现有波谱数据的特征分析

4.1 波段覆盖以光学波段为主,微波波段数据不足

国内外通用型波谱数据库现多提供可见光、近红外和短波红外波段波谱,仅个别专业型波谱库支持热红外与微波波段的波谱信息。图 1为部分代表性波谱数据库测得地物的波段范围。

图 1 代表性波谱数据库波段范围
Fig. 1 The wavelength range of typical spectral libraries

USGS波谱知识库根据地物的不同反射特性,波谱曲线以0.2-3.0 μm,1.5-6.0 μm,5-25 μm及25-150 μm 4个波段分别提供,覆盖可见光-近红外-短波红外以及热红外部分,未涉及微波波段。JPL波谱库波段范围为0.4-2.5 μm,因开展年限较早,仅包含可见光、近红外和短波红外部分。ASTER波谱库未收录USGS波谱库中岩矿在远红外波段的波谱,但在波段0.4-15.4 μm内共享的波谱数据,其地物类型最为全面,可见光近红外波谱数据误差小于3%,热红外波谱数据误差小于1%(Korb等,1996)。

由于专业型波谱库针对于特定学科研究,波段范围与通用型波谱库相比较窄。HyspIRI任务中的Visible,Near-Infrared and Shortwave Infrared (VSWIR)成像光谱仪与多光谱Thermal Infrared (TIR)传感器涉及可见光及热红外波段,但HyspIRI生态系统波谱库中现仅提供了0.36-2.5 μm内的波谱数据;GAIA波谱库包含一个类星体和3个恒星模拟波谱,波段范围为0.25-1.05 μm。ICRAF & ISRIC全球土壤波谱库仅覆盖波段为0.35-2.5 μm,无热红外和微波波段。

与国外的波谱库相比,国内波谱库的通用型与专业型差异较小,测量重复性较高,多反映可见光-近红外波段内波谱信息。长春净月潭地物光谱数据库、空间科技中心地物反射光谱数据库测得地物光谱集中在0.38-2.5 μm。地物反射光谱特性数据库较前两者在微波波段有所丰富,包含地面波谱数据库(0.4-2.4 μm)、航空波谱数据库(0.4-1.1 μm)、微波波谱数据库(0.8-3 cm)和字典库。中国典型地物波谱库对农作物、岩矿以及水体的波谱数据采集分别使用了不同类型仪器,如野外光谱辐射计ASD FieldSpe/FR,红外光谱测量仪Model 102F以及GER1500型地物波谱仪等,波谱测量范围主要涵盖0.38-20 μm。

4.2 地物类型以岩矿、农作物为主,其他类型相对较少

根据波谱库内覆盖的地物类型,本文已将国内外已建成的波谱数据库以通用型和专业型区分。专业型波谱库如国外的HyspIRI生态系统波谱库,该库提供植被组分、土壤、光学参量、珊瑚、水体、湿地、雪及人工目标等多类生态相关的地物波谱,但因前后测量数据难以统一,配套参数仍在更新中,已发布的数据仅给出了珊瑚、水生植物以及植被的23条示例波谱;ASU热红外波谱库内多为岩矿波谱,其余为少量土壤、月壤及星体数据;圣巴巴拉城市波谱库提供不同类型的植被、人行道、屋顶以及多种道路端元的波谱反射数据,可用于城市环境监测等研究。国内的专业型波谱库如中国污染水体反射光谱数据库,包含河流、水库、湖泊、排污口、海带/扇贝养殖区、盐池、赤潮水体、溢油水体等不同类型污染水体光谱曲线330组。

与专业型波谱库相比,通用型波谱库覆盖地物类型的子类详细程度较低,但基本地物全面。除了岩矿、土壤、植被、水体、人工目标等地物,USGS加入了不同类型的混合地物波谱,ASTER波谱库中也增添了月壤和陨石的波谱数据。国内的波谱数据数量充足,但光谱的地物类型重复性高,主要以农作物、岩矿及水体波谱为主。

USGS中地物类型有:矿物;土壤、岩石、混合物(不含植被);涂料;液体、液体混合物、水及其他挥发性物质;人工目标(包括人造化学品);植物、植被群落、混合植被及微生物。其中,矿物波谱所占比重最大;因植被在研究中特殊的重要性,库内包含乔木、灌木、草、花、叶子、地衣以及其他微生物光谱,并提供植被群落的光谱200余条,但森林冠层光谱极为匮乏,群落光谱也多为低矮植被光谱。人造材料中包含塑料、屋顶材料、加工过的木材、涂料等材料的波谱数据,同时含有水或有机液体与矿物混合的光谱,几乎涵盖所有遥感图像所解译出的人工目标类型。ASTER波谱库综合3个波谱库的数据并持续发展,被划分为矿物、岩石、土壤、月球、陨石、植被、水雪冰以及人工目标8个子库,岩矿信息占总数据的90%,植被波谱数量仅有4条。表 3(Baldridge等,2009)详细列出了ASTER波谱库中的地物类型、子类以及矿物粒径尺寸的分类情况。

表 3 ASTER波谱库地物类型及分类信息(Baldridge等,2009)
Table 3 Type and class information of ASTER Spectra Library

下载CSV 
波谱库 仪器 类型/数量 分类示意 子类 粒径尺寸
JPL Nicolet 矿物(1748) 硅酸盐
硫酸盐
碳酸盐
层状硅酸盐
网状硅酸盐
长英矿物
铁镁质盐
粉末
中细粒
中粒
粗糙
固体
压实粉末
JHU Perkin 岩石(473) 沉积岩
火成岩
USGS Beckman 人工地物(84)
Perknic 土壤(69)
月壤(17)
陨石(60) 普通球粒陨石
植被(4) 干草
水/雪/冰(9)

4.3 基本配套参数齐全,缺乏统一标准

地物波谱模拟与波谱数据应用需要配套参数支撑,长期实验积累、相对稳定的背景数据以及不同角度、不同地点、不同季节下的辅助信息,不仅可为模型参数提供参考值,也可作为地表参数定量反演的先验知识数据。

国内外波谱库中,USGS、ASTER与中国典型地物波谱库配套参数较为规范,前两者所含参数大致相同,中国典型地物波谱库侧重植被在时间序列和空间分布下的波谱数据。

USGS波谱库为每一条波谱曲线配有描述文档、ASCII文件以及光谱图像,每类波谱的描述文件设有特定模板,配套参数由样本ID、子类、分子式、收集地点、贡献者、样品图像、样品成分比例、描述信息等参数组成。矿物中补充粒径尺寸,植被也加入冠层顶部与底部光谱描述、单一叶片或植被群落光谱以及植被在不同季节、不同颜色或不同干枯程度下的波谱。ASTER波谱库中配套参数与USGS波谱库相似,大致涵盖样品名称、类型、粒径尺度、所属单位、波段范围、来源地、半球反射测量角度、坐标及其他信息。

中国典型地物波谱库设计了数据文件以方便波谱入库,一组波谱共享一类配套参数和说明文件,配套说明中包括测量的时间、地点、操作人、仪器以及测量条件等,农作物配套参数包括如作物结构参数、生理生化参数、大气参数等,图表和照片存放在其他格式数据文件中(王锦地等,2009)。

4.4 数据库建设与共享情况

波谱研究在国内外起步时间相差约10年,并且在平台建设以及共享数据方面,国内的推行力度与国外相比也较弱。图 2反映了波谱数据的可获取情况以及共享方式,绿色为建成的国外波谱库,粉色为国内波谱库。

图 2 国内外部分波谱数据的共享方式
Fig. 2 Current sharing status of international and domestic spectra libraries

USGS波谱库与ASTER波谱库现支持在线下载以及FTP获取波谱ASCII文件,USGS波谱库最为快捷,ASTER波谱库需提交订单以获取整个波谱库的数据。HyspIRI生态系统波谱库与ASTER在配套参数格式、共享方式等方面保持一致,但暂时仅有20余条示例数据供下载。其他专业型波谱库中,GAIA波谱库在其子波谱库中选择温度、星体旋转速度、所含金属的丰度等参数获得模拟波谱信息后,可下载波谱数据,无需登录;ASU热红外波谱库在目标波谱输出时,提供HDF、ASCII文件以及VM文件三种格式;圣巴巴拉城市波谱库和ICRAF & ISRIC全球土壤波谱库与其他波谱库提供数据的方式差异较大,前者通过Excel在线共享其所测得所有道路、屋顶及水泥人行道等地物,后者波谱数据库以Access格式给出,土壤成分以及物理参数均可通过在数据库中查找关系表或关键字段,获得所需波谱信息,其关系数据库(Garrity等,2003)如图 3所示。

图 3 ICRAF & ISRIC全球土壤波谱库关系数据库结构(Garrity等,2003)
Fig. 3 Structure of the relational database in ICRAF & ISRIC globally distributed soil spectral library

中国典型地物波谱库于2005年平台建成并启动共享工作,该波谱库不仅整合了过去20多年的典型地物波谱数据,也在完善地物覆盖类型与波段范围。

4.5 现存问题及初步建议

国内外波谱研究与波谱库发展目标不同,当前面临的挑战也有所差异。本文虽将USGS波谱库与ASTER波谱库归为通用型波谱库,但岩矿仍为其研究重点。从该角度分析,国外现已发布的波谱库平台本质上仍为专业波谱库,即针对某一学科建库,其他波谱数据为辅。目前,国外波谱数据应用广泛,根本原因在于其高数据质量、良好的共享性与齐全的基本配套参数。但是,植被波谱数据的采集数量与种类上有所欠缺。国内波谱库的建设工作,随着各领域的波谱数据规范化、测量标准统一将日臻完善。

中国波谱数据的研究主要集中于基础地物波谱的采集上,目前,制约波谱数据库广泛利用的原因及建议主要有以下几点:

(1)国内现有波谱数据量庞大,但多数波谱集中在可见光-近红外波段,测量种类分布不均,数据重复性较高。

回顾国内的腾冲遥感试验、中国科学院空间科学中心地物反射光谱库、HIPAS地物反射光谱数据库,测得大量相似类型地物。波谱数据测量类型方面,植被波谱作为各领域研究中的重要支撑数据,目前可获得数据仍然有限。整合已有数据、有针对性的测量地物波谱,补充林木、土壤、水体及人工绿地等波谱是完善国内波谱数据库的首要途径。

针对现有波谱数据的波段覆盖问题,国内现已开展全波段地物波谱测量试验。2016年1月,由中国科学院遥感与数字地球研究所与中国科学院东北地理与农业生态研究所等单位组织的全波段地物波谱测量试验在长春等地完成,试验测量了积雪、冻土和湖冰等寒区典型地表,综合利用便携式光谱辐射计、红外波谱仪、地基微波辐射计(ka,K波段)和车载微波辐射计(X,C,L波段)全波段仪器设备。2016年还将在华北地区针对植被开展全波段测量试验。全波段、系统的测量地物波谱有助于改善波段覆盖单一的问题。

(2)采集过程及质量控制问题。植被森林和树冠的波谱数据测量难度较高,一些冰川、沼泽等地物的波谱也难以获取。现已逐渐考虑应用航空平台、无人机搭载光谱仪等方式进行测量。

波谱数据在后期应用中,当作为辅助参数输入模型时,对噪声要求较高。所以,高质量的数据不仅需要实验室的后处理,也需在采集过程中严格控制,得到较高质量的波谱曲线,以增加可利用数量及效率。

(3)波谱数据的配套参数支持问题。

由于中国现有波谱数据库多为遥感事业单位与部门为主建立,仅个别数据库具有标准规范及配套参数信息。因波谱库的建设目的与测量地物目标不同,各领域对于丰富的波谱数据难以直接应用,也无法说明其可靠性。因而在波谱数据采集时建议考虑将质量控制与配套参数整编为统一格式或方案,建立行业或国家标准。

(4)地物波谱数据库面向的应用领域与测得波谱的尺度问题。

为将波谱数据应用于各领域,应测量不同空间尺度与长时间序列的多时相地物波谱,并对数据配以解释说明。群落波谱作为林业研究的重点,其生长时间从数月到上百年不等,叶绿素与水分含量受季节影响也较大,在测量中应予以考虑。

此外,波谱库中不同观测尺度的波谱数据的关联,既有在实验室非常严格的条件下获取的材料波谱,如矿物,叶片和水样的波谱,也有在野外测量的相对均一地表条件的端元波谱,如冬小麦冠层波谱和行间土壤光谱。同时,为了和遥感应用相结合,可获取与遥感平台传感器测量尺度相近的像元波谱。

(5)数据管理分散,共享力度较弱。

虽然波谱研究工作开展年限较早,但国内波谱库平台的发布时间较晚,受限于各种问题,共享力度不是很充分,导致重复建设严重。国内在20年内测量了大量典型地物波谱,但各波谱库缺乏传承与持续更新。建议加强对共享问题的重视,以公益服务的形势予以多方面支持,保障数据库平台的维护与更新。

5 结语

5.1 应用需求

基于各学科对于波谱数据库的利用,因地物分类体系差异原因,波谱数据库暂无法有效地应用于测绘行业,例如土地动态监测波谱特征数据库将土地划分为耕地、园地、林地,该分类体系对测绘行业并不适用。目前,国内测绘的一项重要任务是完成中国典型地理国情监测工作,获取地理要素的地物属性。图像分类是遥感获得地物属性的基本方法,但通过解译选择大量代表地物样区,进而根据计算机训练获得可区分特征再进行分类,这一方法严重制约了分类效率。由于同谱异物、同物异谱现象的存在,不同尺度遥感数据训练样区的选择常需要大量人力物力,也影响了地物属性测绘的精度。因此,地物属性测绘的自动化与智能化需要测绘地物波谱本底数据库支持,不但可从数据库中直接检索地物样本,也可保证同一地理生态分区样本的多样性、准确性及数量要求,提高识别精度。

5.2 发展趋势

根据波谱数据库的发展历史以及现阶段研究成果,国外地物波谱库的建设已在质量控制及参数规范方面形成体系,部分波谱库已将工作重心置于更新波谱数据及扩大应用范围。在此基础上,NASA、JPL以及USGS等正在加强行星、生态等专业型波谱数据库的建设(Clark等,2007;Robert,2012),以完善波谱在各个学科领域中的应用。

国内地物波谱数据库的发展现以建设通用型波谱库为主,试图将分散的专业性研究及数据联合,以实现波谱数据共享最大化。对于通用型波谱数据库的建设将在现有的波段范围逐渐扩展至红外及微波波段,且波谱分辨率将更加精确,能够结合传感器的带宽及响应函数进行重采样与波谱模拟。当通用型波谱数据库发展较成熟时,针对专业学科研究应用的专业型波谱数据库也会随之完善,例如对于生态波谱库,可包含植物不同物候的波谱子库,便于不同季节植被图像的解译工作(Dudley等,2015)。目前正在试图构建的多时相波谱库,有望通过构建不同季节长时间序列的土壤背景波谱与植被叶片波谱,提高现有的全球植被结构参数(如叶面积指数等)与冠层生化参数(如叶绿素含量等)的反演精度,并在植被物候监测与精细分类等领域中取得重要应用。波谱库内加入不同尺度下的组分波谱,对遥感机理建模以及参数反演具有较大推动作用。波谱数据源方面,将综合利用非成像(ASD波谱采集)地物光谱、地面成像光谱仪和航空航天无人机等平台的高光谱采集方式获取波谱。

在混合波谱等问题上,研究应逐渐对空间异质性以及异物同谱提供辅助或予以解决思路,从简单的线形模型发展到非线形模型,逐步实现地物的混合光谱分解模型和遥感影像像元分解技术相结合。对地物波谱的关注,也出现对功能地物组合(如景观公园、广场、收费站等)的关注,不再是单一地物的波谱,而是一个地物群体的属性特征几何,从而增强对地物波谱特征的理解和识别。

波谱知识库的建设趋势以及现有波谱库的发展趋势,将不再是单纯的波谱数据,而是向波谱以及基于波谱的知识库并重的方向发展,其应用方式不仅仅局限于样本数据源,而转为在知识层面上为遥感研究提供更多的先验支持,辅助传统的分类或聚类方法。随着可获取的遥感数据量激增,将需要更加多元化的数据挖掘方法,波谱知识库的建成将加快遥感大数据分析的智能化与自动化的进程。波谱知识库未来作为我国重要的基础数据平台之一,也将支持遥感信息的定量化应用,并在国家信息化建设中发挥其重要作用。

参考文献(References)

  • Baldridge A M, Hook S J, Grove C I, Rivera G.2009.The ASTER spectral library version 2.0. Remote Sensing of Environment, 113 (4): 711–715[DOI: 10.1016/j.rse.2008.11.007]
  • Bian X L, Shao Y, Zhang F L, Fu X Y.2015.Construction of the library of targets microwave properties. Remote Sensing for Land and Resources, 27 (4): 189–194 ( 卞小林, 邵芸, 张风丽, 符喜优. 2015. 典型地物微波特性知识库的设计与实现. 国土资源遥感, 27 (4): 189–194)[DOI: 10.6046/gtzyyg.2015.04.29]
  • Cao R Y, Chen Y H, Huang W J.2008.Design and development of hyperspectrallibrary for recognizing disease of crops. Journal of Natural Disasters, 17 (6): 73–76 ( 曹入尹, 陈云浩, 黄文江. 2008. 面向作物病害识别的高光谱波谱库设计与开发. 自然灾害学报, 17 (6): 73–76)[DOI: 10.3969/j.issn.1004-4574.2008.06.015]
  • Charette M P, McCord T B, Pieters C, Adams J B.1974.Application of remote spectral reflectance measurements to lunar geology classification and determination of titanium content of lunar soils. Journal of Geophysical Research, 79 (11): 1605–1613[DOI: 10.1029/JB079i011p01605]
  • Chen S P, Zhou S G.1986.Review of airborne remote sensing experiment in Tengchong. Remote Sensing Information (2): 11–12 ( 陈述彭, 周上盖. 1986. 腾冲航空遥感试验回顾. 遥感信息 (2): 11–12 )
  • Chen S S. Remote Sensing Method of Pure Crop Pixel Identification andPlanting Area Estimation Based on Spectral Library. Beijing: Graduate University of Chinese Academy of Science 2005. ( 陈水森. 2005. 基于波谱库的作物纯像元识别与种植面积遥感估算. 北京: 中国科学院研究生院 . )
  • Chen S S, Fang L G, Liu Q H, Chen L F, Liu Q.2005.The frame design and application demonstration of the standardized spectral library for featured crops in Guangdong province. Remote Sensing for Land and Resources, 17 (3): 74–78 ( 陈水森, 方立刚, 柳钦火, 陈良富, 刘强. 2005. 广东省特色农作物标准波谱数据库框架设计与示范应用. 国土资源遥感, 17 (3): 74–78)[DOI: 10.3969/j.issn.1001-070X.2005.03.018]
  • Christensen P R, Bandfield J L, Hamilton V E, Howard D A, Lane M D, Piatek J L, Ruff S W, Stefanov W L.2000.A thermal emission spectral library of rock-forming minerals. Journal of Geophysical Research, 105 (E4): 9735–9739[DOI: 10.1029/1998JE000624]
  • Clark R N, Swayze G A, Gallagher A J, King T V V and Calvin W M. 1993. The U.S. Geological Survey Digital Spectral Library:Version 1 (0.2 to 3.0 μm).'Open File Report 93-592 http://citeseerx.ist.psu.edu/showciting?cid=1399574
  • Clark R N, Swayze G A, Livo K E, Kokaly R F, Sutley S J, Dalton J B, McDougal R R and Gent C A. 2003. Imaging spectroscopy:earth and planetary remote sensing with the USGS Tetracorder and expert systems. Journal of Geophysical Research:Planets (1991-2012), 108(E12)[DOI:10.1029/2002JE001847]
  • Clark R N, Swayze G A, Wise R, Livo K E, Heofen T M, Kokaly R F and Sutley S J. 2004. USGS digital spectral library (splib05a). Spectroscopy Lab, US Geological Surey
  • Clark R N, Swayze G A, Wise R A, Livo K E, Hoefen T M, Kokaly R F and Sutley S J. 2007. USGS digital spectral library splib06a[EB/OL]. Reston, VA:US Geological Survey. http://speclab.cr.usgs.gov/spectral.lib06.
  • Clark R N, Swayze G A, Leifer I, Livo K E, Kokaly R, Hoefen T, Lundeen S, Eastwood M, Green R O, Pearson N, Sarture C, McCubbin I, Roberts D, Bradley E, SteeleD, Ryan T and Dominguez R. 2010. A method for quantitative mapping of thick oil spills using imaging spectroscopy. Open-File Report 2010-1167. US Geological Survey
  • Creese R G, Glasby T M, West G and Gallen C. 2009. Mapping the Habitats of NSW Estuaries. Nelson Bay, NSW:Australian Government http://www.gbv.de/dms/sub-hamburg/61534450X.pdf
  • Drake N A, Mackin S, Settle J J.1999.Mapping vegetation, soils, and geology in semiarid shrublands using spectral matching and mixture modeling of SWIR AVIRIS imagery. Remote Sensing of Environment, 68 (1): 12–25[DOI: 10.1016/S0034-4257(98)00097-2]
  • Dudley K L, Dennison P E, Roth K L, Roberts D A, Coates A R.2015.A multi-temporal spectral library approach for mapping vegetation species across spatial and temporal phenological gradients. Remote Sensing of Environment, 167 : 121–134[DOI: 10.1016/j.rse.2015.05.004]
  • Fan J F. 2011. Study on Construction and Implementation of Typical Ground Object Spectrum Database in YanzhouMining Area. Qingdao:Shandong University of Science and Technology (范俊甫. 2011.兖州矿区典型地物波谱数据库建设与应用研究.青岛:山东科技大学)
  • Garrity D, Bindraban P. 2003. A Globally Distributed Soil Spectral Library Visible Near Infrared Diffuse Reflectance Spectra[EB/OL].[2015-10-24]. http://www.worldagroforestrycentre.org
  • Gong P.2009.Some essential questions in remote sensing science and technology. Journal of Remote Sensing, 13 (1): 1–23 ( 宫鹏. 2009. 遥感科学与技术中的一些前沿问题. 遥感学报, 13 (1): 1–23 ) [DOI: 10.11834/jrs.20090101]
  • Goudge T A, Mustard J F, Head J W, Salvatore M R, Wiseman S M.2015.Integrating CRISM and TES hyperspectral data to characterize a halloysite-bearing deposit in Kashira crater, Mars. Icarus, 250 : 165–187[DOI: 10.1016/j.icarus.2014.11.034]
  • Green R O, Eastwood M L, Sarture C M, Chrien T G, Aronsson M, Chippendale B J, Faust J A, Pavri B E, Chovit C J, Solis M, Olah M R, Williams O.1998.Imaging spectroscopy and the airborne visible/infrared imaging spectrometer (AVIRIS). Remote Sensing of Environment, 65 (3): 227–248[DOI: 10.1016/S0034-4257(98)00064-9]
  • Green R O. 2012. HyspIRI ecosystem spectral library[EB/OL].[2015-03-06] https://hyspiri.jpl.nasa.gov/documents/.
  • Hapke B.1981.Bidirectional reflectance spectroscopy:1. Theory. Journal of Geophysical Research:Solid Earth, 86 (B4): 3039–3054[DOI: 10.1029/JB086iB04p03039]
  • Herold M, Gardner M E, Roberts D A.2003.Spectral resolution requirements for mapping urban areas. IEEE Transactions on Geoscience and Remote Sensing, 41 (9): 1907–1919[DOI: 10.1109/TGRS.2003.815238]
  • Herold M, Roberts D A, Smadi O and Noronha V. 2004a. Road condition mapping with hyperspectral remote sensing//Proceedings of the 2004 AVIRIS workshop.Pasadena, CA:AVIRIS
  • Herold M, Roberts D A, Gardner M E, Dennison P E.2004b.Spectrometry for urban area remote sensing-Development and analysis of a spectral library from 350 to 2400 nm. Remote Sensing of Environment, 91 (3/4): 304–319[DOI: 10.1016/j.rse.2004.02.013]
  • Korb A R, Dybwad P, Wadsworth W, Salisbury J W.1996.Portable Fourier transform infrared spectroradiometer for field measurements of radiance and emissivity. Applied Optics, 35 (10): 1679–1692[DOI: 10.1364/AO.35.001679]
  • Li S P. 2013. The Design and Development of Xinjiang Typical Desert Plants Spectral Database System.Urumqi:Xinjiang Agricultural University (李少鹏. 2013.新疆典型荒漠植物光谱数据库系统设计与实现.乌鲁木齐:新疆农业大学)
  • Li X W, Zhao H R, Zhang H, Wang J D.2002.Globalchange study and quantitative remote sensing for land surface parameters. 2002. Earth Science Frontiers, 9 (2): 365–370 ( 李小文, 赵红蕊, 张颢, 王锦地. 2002. 全球变化与地表参数的定量遥感. 地学前缘, 9 (2): 365–370)[DOI: 10.3321/j.issn:1005-2321.2002.02.015]
  • Li X W.2006.Remote sensing science and quantitative remote sensing. Science Focus, 1 (5): 45( 李小文. 2006. 遥感科学与定量遥感. 科学观察, 1 (5): 45 )
  • Peng W S, Liu G K. 1982. Infrared Spectra of Minerals. Beijing: Science Press . ( 彭文世, 刘高魁. 1982. 矿物红外光谱图集. 北京: 科学出版社 . )
  • Qiu H L, Wu H Q, Fan Y M, Zhong J P.2003.The hyperspectral database of salinized soilsand salinized vegetations in Xinjiang. Journal of Xinjiang Agricultural University, 26 (2): 6–8 ( 邱宏烈, 武红旗, 范燕敏, 钟骏平. 2003. 新疆盐渍土壤和盐生植被高光谱遥感数据库. 新疆农业大学学报, 26 (2): 6–8)[DOI: 10.3969/j.issn.1007-8614.2003.02.002]
  • Qu Y H, Liu S H, Wang J D, Li X W, Su L H.2004.Study and design on spectral database system oftypical objects in China (SpeLib). Remote Sensing Information (2): 5–8. ( 屈永华, 刘素红, 王锦地, 李小文, 苏理宏. 2004. 中国典型地物波谱数据库的研究与设计. 遥感信息 (2): 5–8)[DOI: 10.3969/j.issn.1000-3177.2004.02.002]
  • Salisbury J W, Wald A, D'Aria D M.1994.Thermal-infrared remote sensing and Kirchhoff's law:1. Laboratory measurements. Journal of Geophysical Research:Solid Earth (1978-2012), 99 (B6): 11897–11911[DOI: 10.1029/93JB03600]
  • Shepherd K D, Palm C A, Gachengo C N, Vanlauwe B.2003.Rapid characterization of organic resource quality for soil and livestock management in tropical agroecosystems using near-infrared spectroscopy. Agronomy Journal, 95 (5): 1314–1322[DOI: 10.2134/agronj2003.1314]
  • Shi J, Liu Q H, Wen J G, Tang Y, Dou B C, Wang J D, Zhang L X.2011.Design and realization of the service platform for typical ground objects spectrum data in China based on E-government. Remote Sensing Technology and Application, 26 (4): 520–526 ( 施健, 柳钦火, 闻建光, 唐勇, 窦宝成, 王锦地, 张立新. 2011. 面向电子政务的全国典型地物波谱数据服务平台设计与实现. 遥感技术与应用, 26 (4): 520–526 )
  • Su L H, Li X W, Liang S L, Wang J D.2002.Data frame and spectral simulation for remote sensing spectral data base. Geo-information Science, 4 (4): 7–15 ( 苏理宏, 李小文, 梁顺林, 王锦地. 2002. 典型地物波谱库的数据体系与波谱模拟. 地球信息科学, 4 (4): 7–15)[DOI: 10.3969/j.issn.1560-8999.2002.04.002]
  • Swayze G A, Smith K S, Clark R N, Sutley S J, Pearson R M, Vance J S, Hageman P L, Briggs P H, Meier A L, Singleton M J, Roth S.2000.Using imaging spectroscopy to map acidic mine waste. Environmental Science and Technology, 34 (1): 47–54[DOI: 10.1021/es990046w]
  • Swayze G A, Higgins C T, Clinkenbeard J P, Kokaly R F, Clark R N, Meeker G P and Sutley S J. 2004. Preliminary Report on Using Imaging Spectroscopy to Map Ultramafic Rocks, Serpentinites, and Tremolite-actinolite-bearing Rocks in California. Open-File Report 2004-1304. US Geological Survey
  • Tang J W.1996.Analytical and processing system on ocean spectral data. Ocean Technology, 15 (4): 10–17 ( 唐军武. 1996. 海洋波谱数据分析处理系统. 海洋技术, 15 (4): 10–17 )
  • Tian Q J, Gong P.2002.Current status and trend of object spectral libraries. Remote Sensing Information (3): 2–6, 46 ( 田庆久, 宫鹏. 2002. 地物波谱数据库研究现状与发展趋势. 遥感信息 (3): 2–6, 46)[DOI: 10.3969/j.issn.1000-3177.2002.03.001]
  • Tong Q X, Zhang B, Zheng L F. Hyperspectral Remote Sensing:Principle, Technique and Application. Beijing: Higher Education Press 2006. ( 童庆禧, 张兵, 郑兰芬. 2006. 高光谱遥感:原理, 技术与应用. 北京: 高等教育出版社 . )
  • Vahtmäe E, Kutser T.2013.Classifying the baltic sea shallow water habitats using image-based and spectral library methods. Remote Sensing, 5 (5): 2451–2474[DOI: 10.3390/rs5052451]
  • Vane G, Goetz A F H.1993.Terrestrial imaging spectrometry:current status, future trends. Remote Sensing of Environment, 44 (2/3): 117–126[DOI: 10.1016/0034-4257(93)90011-L]
  • Vincent R K. 1976. Data gaps in the NASA Earth resources spectral information system[EB/OL].[2015-11-20] https://www.researchgate.net/publication/23834054_Data_gaps_in_the_NASA_earth_resources_spectral_information_system.
  • Wan H W, Wang J D, Qu Y H, Jiao Z T, Zhang H.2008.Preliminary research on scale effect and scaling-up of the vegetation spectrum. Journal of Remote Sensing, 12 (4): 538–545 ( 万华伟, 王锦地, 屈永华, 焦子锑, 张颢. 2008. 植被波谱空间尺度效应及尺度转换方法初步研究. 遥感学报, 12 (4): 538–545 ) [DOI: 10.3321/j.issn:1007-4619.2008.04.002]
  • Wang J D, Zhang G, Xiao Y T, Qu Y H.2007.The prior knowledge of the crop growth parameters constructed from the spectrum database of land surface objects. Journal of Beijing Normal University (Natural Science), 43 (3): 284–291 ( 王锦地, 张戈, 肖月庭, 屈永华. 2007. 基于地物波谱库构造农作物生长参数的时空分布先验知识. 北京师范大学学报(自然科学版), 43 (3): 284–291)[DOI: 10.3321/j.issn:0476-0301.2007.03.012]
  • Wang J D, Zhang L X, Liu Q H, Zhang B, Yin Q. Spectral Library of Typical Objects in China. Beijing: Science Press 2009. ( 王锦地, 张立新, 柳钦火, 张兵, 尹球. 2009. 中国典型地物波谱知识库. 北京: 科学出版社 . )
  • Wang P J, Liu S H, Zhu Q J, Qu Y H, Guo X Y.2004.The design of the application demonstration system based on the standard spectral knowledge based on the typical surface features in China. Computer Engineering and Applications, 40 (13): 212–214 ( 王培娟, 刘素红, 朱启疆, 屈永华, 郭晓英. 2004. 基于中国典型地物标准波谱知识库的应用示范系统的设计. 计算机工程与应用, 40 (13): 212–214)[DOI: 10.3321/j.issn:1002-8331.2004.13.069]
  • Wen J G, Liu Q, Liu Q H, Xiao Q, Li X W. Remote Sensing Modeling for Land Bidirectional Reflectance Characteristics and the Retrieval of Albedo. Beijing: Science Press 2015. ( 闻建光, 刘强, 柳钦火, 肖青, 李小文. 2015. 陆表二向反射特性遥感建模及反照率反演. 北京: 科学出版社 . )
  • Yao Y J, Chen L F, Liu Q H, Liu Q, Du Y M, Li X W.2006.Inversion and validation of Leaf Area Index based onthe spectralandknowledge database usingMODIS data. Journal of Remote Sensing, 10 (6): 869–878 ( 姚延娟, 陈良富, 柳钦火, 刘强, 杜永明, 李小文. 2006. 基于波谱知识库的MODIS叶面积指数反演及验证. 遥感学报, 10 (6): 869–878 ) [DOI: 10.11834/jrs.200606128]
  • Zhang Y, Bo L Q, Lu X C.2002.Design and development of object spectrumdatabase in Jingyuetan of Changchun. Remote Sensing Information (2): 25–27 ( 张妍, 薄立群, 路兴昌. 2002. 长春净月潭地物波谱数据库的研究与开发. 遥感信息 (2): 25–27)[DOI: 10.3969/j.issn.1000-3177.2002.02.006]
  • Zhou X H, Zhou D W.2009.Review of digital ground object spectral library. Spectroscopy and Spectral Analysis, 29 (6): 1616–1622 ( 周小虎, 周鼎武. 2009. 数字化地物反射光谱数据库研究进展. 光谱学与光谱分析, 29 (6): 1616–1622)[DOI: 10.3964/j.issn.1000-0593(2009)06-1616-07]