導(dǎo)語(yǔ)：如何才能寫好一篇激光遙感技術(shù)，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

遙感技術(shù)以獲取信息豐富、直觀、簡(jiǎn)便越來(lái)越受到世界各國(guó)的普遍重視。突發(fā)災(zāi)情的救助，首先是要了解災(zāi)區(qū)的情況，但往往伴隨著災(zāi)情的是交通阻斷、通訊隔絕，尤其是以山區(qū)為甚。災(zāi)區(qū)就像一個(gè)戰(zhàn)場(chǎng)，情況瞬息萬(wàn)變，各種信息準(zhǔn)確快速的獲取是減災(zāi)救災(zāi)的保障。以5.12汶川地震為例，震后災(zāi)區(qū)電力通訊中斷、道路不通，給災(zāi)情了解和救援工作帶來(lái)極大地不便，這時(shí)一幅高清晰的實(shí)時(shí)影像地圖，會(huì)讓指揮人員對(duì)災(zāi)區(qū)情況有個(gè)全面的了解，根據(jù)遙感圖像可以及時(shí)判斷受災(zāi)面積、范圍、災(zāi)情、交通狀況等，為救災(zāi)力量的合理部署、科學(xué)合理地制定救災(zāi)方案，做到運(yùn)籌帷幄。

二、遙感影像應(yīng)急保障的特點(diǎn)

遙感影像除了提供震后直觀的判斷外，它又是一種有效的工具。當(dāng)通過衛(wèi)星或是航空器，接收到災(zāi)區(qū)的數(shù)字信息后，地面處理系統(tǒng)經(jīng)加密控制、影像糾正，轉(zhuǎn)化成依固定比例尺的影像地圖，馬上就可以在地圖面上量算出受災(zāi)的面積，研判通往搶救區(qū)域陸路、水路、空降場(chǎng)地的現(xiàn)狀，量算出準(zhǔn)確的距離，以便使救援人員快速進(jìn)入搶救的現(xiàn)場(chǎng)。遙感影像圖據(jù)有很強(qiáng)的直觀性，對(duì)震后災(zāi)區(qū)居民地、山體、道路、河流的破壞程度很容易判讀，這樣就方便了確定搶救的重點(diǎn)和方向。需要的話，可以參照已有的地形圖，把等高線與影像圖疊加起來(lái)，進(jìn)行綜合分析和計(jì)算，從而估算出山體滑坡、河道淤 塞及道路塌方的土方量，有的放矢地合理調(diào)配人力、物力、縮短救災(zāi)的時(shí)間。

地震過后常常伴有諸多的次生災(zāi)害，而次生災(zāi)害造成的損害甚至不亞于主生災(zāi)害，遙感影像在防止次生災(zāi)害形成的減災(zāi)中有著得天獨(dú)厚的優(yōu)勢(shì)。

1、遙感影像總概念清晰，便于大面積分析，適于宏觀監(jiān)測(cè)。

2、現(xiàn)勢(shì)性好，通過定時(shí)、定性的比較分析能夠正確顯示災(zāi)區(qū)特征和變化。

3、數(shù)字精度高，經(jīng)過點(diǎn)線量測(cè)可得出地物、地貌的移動(dòng)數(shù)字信息。

4、多光譜遙感圖像，內(nèi)容豐富，能加深各種要素的理解。

震后災(zāi)區(qū)人無(wú)居所，山體松動(dòng)，河道淤塞，環(huán)境污染，都會(huì)危及到的生命?；谶b感影像，可以分析解譯研究山體移動(dòng)的方向，河水改道方向及堰塞湖的形成，防止滑坡泥石流等災(zāi)害造成二次損失。飲水是災(zāi)后是否發(fā)生疫情的關(guān)鍵，采用特定光譜遙感圖像，配合實(shí)地采樣建立起色標(biāo)，就可以在室內(nèi)對(duì)江河、湖泊的水質(zhì)進(jìn)行初步的評(píng)估，節(jié)省大量的人力和物力。

震后百?gòu)U待興，我們要在廢墟上建立起新的、更美的家園。首要任務(wù)就是要編制總體規(guī)劃圖，這時(shí)遙感影像圖又能發(fā)揮重要的作用。航天、航空影像是區(qū)域景觀結(jié)構(gòu)的綜合反映，是摸清區(qū)域資源分布的重要依據(jù)。在編制系列的規(guī)劃圖時(shí)，它特有的在內(nèi)容上的現(xiàn)勢(shì)性、完整性、可比性、可測(cè)量性對(duì)規(guī)劃中合理分布居民區(qū)、合理保護(hù)自然環(huán)境，合理利用地理資源等起著積極的作用。

三、遙感影像應(yīng)急保障技術(shù)路線

航天遙感數(shù)據(jù)快速生成數(shù)字正射影像圖的技術(shù)，數(shù)據(jù)處理流程和生產(chǎn)作業(yè)技術(shù)路線是否科學(xué)、合理、可行和高效，是決定成果生成效率的關(guān)鍵制約因素。因此，本文結(jié)合目前的正射影像圖生產(chǎn)流程，吸收和借鑒最新的科研成果和生產(chǎn)實(shí)踐經(jīng)驗(yàn)，設(shè)計(jì)了一套適應(yīng)性強(qiáng)、生產(chǎn)效率高和能保證成果質(zhì)量的數(shù)據(jù)處理流程和作業(yè)工序。

四、關(guān)鍵技術(shù)

高分辨率衛(wèi)星影像快速制作數(shù)字遙感正射影像地圖的關(guān)鍵技術(shù)主要有以下幾個(gè)方面。

1、控制成果快速整合

制作數(shù)字正射遙感影像地圖的基礎(chǔ)是控制測(cè)量成果?，F(xiàn)有的控制測(cè)量數(shù)據(jù)庫(kù)已經(jīng)建設(shè)完成，具備快速檢索、控制點(diǎn)轉(zhuǎn)刺、數(shù)據(jù)格式轉(zhuǎn)換和輸入輸出等功能。

2、幾何糾正

遙感圖像成圖時(shí)，由于傳感器的成像機(jī)理、投影方式、傳感器外方位元素變化、傳感介質(zhì)的不均勻、地球曲率、地形起伏和地球旋轉(zhuǎn)等因素影響，獲取的遙感影像相對(duì)于地表目標(biāo)存在一定的幾何變形，使影像上的幾何圖形與該物體在所選定的地圖投影中的幾何圖形產(chǎn)生差異，主要表現(xiàn)為位移、旋轉(zhuǎn)、縮放、仿射、彎曲和更高階的扭曲。因此應(yīng)根據(jù)傳感器類型選擇合適的幾何糾正模型以及適合地區(qū)特點(diǎn)的糾正方案。

3、圖像融合

遙感影像數(shù)據(jù)有可能是多傳感器、多時(shí)相和多分辨率的數(shù)據(jù)，在利用多源遙感影像數(shù)據(jù)制作數(shù)字正射影像圖時(shí)，應(yīng)結(jié)合具體的圖像特點(diǎn)，采用數(shù)據(jù)融合處理的方法，各種遙感數(shù)據(jù)優(yōu)勢(shì)互補(bǔ)，以期產(chǎn)生的新影像保留原圖像的特征，既保留高分辨率圖像的特點(diǎn)，具有較高的空間細(xì)節(jié)表現(xiàn)力，又增加了多光譜圖像的光譜特征。

4、質(zhì)量控制

遙感數(shù)據(jù)生成快速數(shù)字正射影像地圖時(shí)，盡管有時(shí)可以犧牲"非興趣"區(qū)域和要素的精度和質(zhì)量，但對(duì)"興趣"區(qū)域和要素的成果質(zhì)量必須滿足應(yīng)用要求。因此，在強(qiáng)調(diào)快速的同時(shí)，也應(yīng)充分考慮成果的質(zhì)量。影響數(shù)字正射影像圖質(zhì)量的關(guān)鍵因素在于幾何糾正的精度和空中三角測(cè)量的精度。幾何糾正的精度主要取決于控制點(diǎn)（GCP）選取的數(shù)量、質(zhì)量和分布位置。

篇2

Vol.43No.3

紅外與激光工程

Infrared and Laser Engineering

2014年3月

Mar .2014

基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

李子揚(yáng)1,2，錢永剛1，申慶豐3，馬靈玲1，孔祥生4王寧1，劉耀開1，(1.中國(guó)科學(xué)院光電研究院定量遙感信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100094；2. 中國(guó)科學(xué)院大學(xué)，北京100049；3. 中國(guó)運(yùn)載火箭技術(shù)研究院，北京100076；

4. 魯東大學(xué)地理與規(guī)劃學(xué)院，山東煙臺(tái)264025)

摘

要：文中耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)，基于高光譜載荷通

道設(shè)置，模擬高光譜冠層反射率數(shù)據(jù)；利用模擬數(shù)據(jù)深入分析了不同植被指數(shù)與葉面積指數(shù)之間的敏感性；通過敏感性分析發(fā)現(xiàn)改進(jìn)型葉綠素吸收植被指數(shù)(MCARI2)具備抗土壤背景因素的影響能力，而且對(duì)葉面積指數(shù)較為敏感，因此該研究建立植被指數(shù)MCARI2與葉面積指數(shù)之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型，并用于高光譜數(shù)據(jù)進(jìn)行葉面積指數(shù)反演；最后利用飛行同步測(cè)量的葉面積指數(shù)對(duì)反演模型進(jìn)行精度分析。結(jié)果表明：相比實(shí)測(cè)葉面積指數(shù)，文中建立的反演模型約低估0.42，該反演模型能夠較好的反映出地物真實(shí)葉面積指數(shù)。

關(guān)鍵詞：葉面積指數(shù)；植被指數(shù)；高光譜數(shù)據(jù)中圖分類號(hào)：TP701

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-2276(2014)03-0944-06

Leaf area index retrieval from remotely sensed hyperspectral data

Li Ziyang 1,2, Qian Yonggang 1, Shen Qingfeng 3, Wang Ning 1, Liu Yaokai 1,

Ma Lingling 1, Kong Xiangsheng 4

(1.Key Laboratory of Quantitative Remote Sensing Information Technology, Academy of Opto -Electronics, Chinese Academy

of Sciences, Beijing 100094, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China;

3. China Academy of Launch Vehicle Technology(CALT),Beijing 100076, China; 4. College of Geography and Planning, Ludong University, Yantai 264025, China)

Abstract:An experimental leaf area index (LAI)retrieval model was proposed with the aid of a leaf -radiative transfer model (PROSPECT)and a canopy bidirectional reflectance model (SAILH)to simulate the canopy reflectance in this paper. Then, the vegetation indices (VIs)were introduced, and the sensitivities were analyzed between LAI and VIs, soil background. Based on the sensitivity analysis, a modified chlorophyll ratio index II (MCARI2)was proposed by Haboudane et al.

(2004)was used to

build the LAI retrieval model, because it is rather sensitive to the LAI and insensitive to soil background. Finally, the retrieval model proposed was performed to estimate LAI from the hyperspectral data. Compared with the ground -measured LAI, the LAI retrieved from hyperspectral data underestimate approximately 0.42. Key words:leaf area index;

收稿日期：2013-07-21；

vegetation index; hyperspectral data

修訂日期：2013-08-25

基金項(xiàng)目：國(guó)家863計(jì)劃(2012AA12A302)；國(guó)家自然科學(xué)基金(41101330，41371353，40901176，41271342)

作者簡(jiǎn)介：李子揚(yáng)(1977-)，男，研究員，碩士生導(dǎo)師，博士，主要從事遙感地面系統(tǒng)及遙感應(yīng)用方面的研究。Email:zyli@aoe.ac.cn通訊作者：錢永剛(1980-)，碩士生導(dǎo)師，博士，主要從事定量遙感地表參數(shù)反演及應(yīng)用方面的研究。Email:qianyg@aoe.ac.cn

第3期

李子

揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

945

反演過程的流程圖。

0引言

葉面積指數(shù)(LeafArea Index ，LAI) 是表征植被冠層結(jié)構(gòu)最基本的參數(shù)之一，影響著植被的生物、物理過程[1]。LAI 通常被定義為單位地面面積上總?cè)~面積的一半[2]。目前大區(qū)域范圍內(nèi)LAI 獲取通常采用遙感反演的方式。LAI 遙感反演方法主要有經(jīng)驗(yàn)統(tǒng)計(jì)法和物理模型反演法。

經(jīng)驗(yàn)統(tǒng)計(jì)方法從植被獨(dú)有的光譜特征出發(fā)，利用健康綠色植物在紅光和近紅外波段的反射特性差異建立植被指數(shù)，進(jìn)而利用植被指數(shù)與LAI 的統(tǒng)計(jì)關(guān)系進(jìn)行反演。該類方法形式簡(jiǎn)單，需要的參數(shù)少，被廣泛應(yīng)用于局部LAI 參數(shù)反演，并發(fā)展了基于多種植被指數(shù)(如歸一化植被指數(shù)[3]或者改進(jìn)葉綠素吸收指數(shù)) 的反演模型。然而該方法缺乏物理基礎(chǔ)，建

[4]

圖1植被指數(shù)方法反演葉面積指數(shù)流程圖

Fig.1Flowchart of leaf area index retrieval from vegetation index

文中通過PROSPECT 和SAILH 模型聯(lián)合模擬植被冠層反射率，在此基礎(chǔ)上分析了不同條件下8種植被指數(shù)與LAI 的敏感性，選取其中最敏感的葉綠素吸收植被指數(shù)(MCARI2)并建立其與LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型?；谠撃Ｐ秃蜔o(wú)人機(jī)獲取的高光譜遙感數(shù)據(jù)，反演得到研究區(qū)的LAI ，最后利用實(shí)測(cè)不同地物類型的LAI 數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行了驗(yàn)證，并給出了精度分析。

立的經(jīng)驗(yàn)關(guān)系僅適用于特定的時(shí)間和區(qū)域。相對(duì)而言，物理模型反演法從植被的輻射傳輸原理出發(fā)，具備較強(qiáng)的普適性和較高的反演精度。物理模型反演法可分為幾何光學(xué)模型法、輻射傳輸模型法以及混合模型法。幾何光學(xué)模型法考慮了植被冠層的二向性反射，但沒有考慮冠層內(nèi)多次散射；輻射傳輸模型法考慮了植被多次散射，但無(wú)法模擬植被冠層的二向性反射，盡管可加入熱點(diǎn)效應(yīng)模型[6]，仍難以直接得到LAI 的解析解。由于不同方法具備獨(dú)特的優(yōu)勢(shì)，近年來(lái)出現(xiàn)了各種混合模型，如基于物理模型與統(tǒng)計(jì)模型相結(jié)合的核驅(qū)動(dòng)模型，取得了較好的反演精度。還出現(xiàn)了查找表法和非參數(shù)方法(如神經(jīng)網(wǎng)

[7]

[5]

[5]

1.1輻射傳輸模型介紹

該研究耦合葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)得到大量模擬數(shù)據(jù)，為

LAI 反演模型建立提供數(shù)據(jù)源。

(1)PROSPECT 模型

PROSPECT 是一個(gè)基于“平板模型”的輻射傳輸模型。該模型以植被結(jié)構(gòu)參數(shù)、葉片色素含量、等效水厚度和干物質(zhì)含量為輸入?yún)?shù)，能夠模擬葉片從

絡(luò)方法等) 。

中國(guó)科學(xué)院光電研究院牽頭在內(nèi)蒙古包頭與貴州安順建立了遙感載荷綜合驗(yàn)證場(chǎng)，驗(yàn)證場(chǎng)配備有光譜、輻射和幾何特性靶標(biāo)，能夠利用驗(yàn)證場(chǎng)開展光學(xué)、

400~2500nm 的上、下行輻射通量，進(jìn)而得到葉片的光學(xué)特性，即葉片的反射率和透射率[8]。該模型輸入?yún)?shù)較多，并且部分參數(shù)沒有實(shí)測(cè)方法，參數(shù)設(shè)置帶有主觀經(jīng)驗(yàn)性。Jacquemoud 等人根據(jù)實(shí)驗(yàn)室測(cè)量的玉米反射率和透過率，通過PROSPECT 模型估算得到葉肉結(jié)構(gòu)參數(shù)的均值約為1.4[9]。Haboudane 等人將等效水厚度、干物質(zhì)含量和葉肉結(jié)構(gòu)參數(shù)分別設(shè)置為0.0015、0.0035和1.55作為各種莊稼(如玉米、大豆和小麥等) 的均值輸入PROSPECT 模型[4]。

文中研究利用LOPEX ′93(LeafOptical Properties

SAR 載荷飛行測(cè)試實(shí)驗(yàn)。文中研究基于863項(xiàng)目“無(wú)人機(jī)遙感載荷綜合驗(yàn)證系統(tǒng)”對(duì)內(nèi)蒙古包頭驗(yàn)證場(chǎng)無(wú)人機(jī)高光譜遙感載荷數(shù)據(jù)開展葉面積指數(shù)反演研究。

1方法

植被指數(shù)法是建立不同植被類型的植被指數(shù)與

LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)關(guān)系實(shí)現(xiàn)遙感反演。植被指數(shù)法是一種經(jīng)驗(yàn)性方法，因而要求研究區(qū)內(nèi)有足夠的資料。文中研究基于植被指數(shù)方法反演LAI ，圖1是

Experiment) 植物生化參數(shù)數(shù)據(jù)庫(kù)作為PROSPECT 模型輸入?yún)?shù)的選擇基礎(chǔ)。該數(shù)據(jù)庫(kù)是由歐盟委員會(huì)聯(lián)合中心的空間應(yīng)用研究所實(shí)測(cè)獲取的[10]，包含70個(gè)

946紅外與激光工程第43卷

葉片樣本，代表了50種木本和草本植物。數(shù)據(jù)體現(xiàn)了葉片內(nèi)部結(jié)構(gòu)、色素含量、水分含量和其他組分含量的多樣性。能夠保證參數(shù)設(shè)置的合理性。

致植被指數(shù)與LAI 經(jīng)驗(yàn)的關(guān)系不一致且系數(shù)各異?？紤]到無(wú)人機(jī)獲取的遙感影像高空間分辨率較高，土壤背景信息和植被信息都能很好的從影像中反映出來(lái)，因此，選擇能夠具有抵抗背景因素影響的植被指數(shù)對(duì)于LAI 反演尤為重要。

文中研究采用了歸一化敏感性分析函數(shù)分析

(2)SAILH 模型

SAILH 模型是在SAIL(Scatteringby Arbitrarily Inclined Leaves) 模型的基礎(chǔ)上加入了熱點(diǎn)效應(yīng)發(fā)展而來(lái)的。通過求解四流線性微分方程組以及引入考慮冠層熱點(diǎn)效應(yīng)的雙向相關(guān)概率模型，進(jìn)而計(jì)算連續(xù)植被冠層的方向反射率。SAILH 模型的輸入?yún)?shù)包括角度參數(shù)、結(jié)構(gòu)參數(shù)和光譜參數(shù)三部分，其中

LAI 與植被指數(shù)的敏感性[11]，其公式如下：

Y

N X =X lim Y =X d Y =d Y /Y =dln Y

Y

(1)

式中：N X 為歸一化敏感性分析函數(shù)；X 為自變量

PROSPECT 模型的輸出為SAILH 模型提供葉片的反射率和透射率。SAILH 模型涉及到多個(gè)輸入?yún)?shù)，針對(duì)角度參數(shù)，文中研究采用無(wú)人機(jī)飛行中的觀測(cè)角度、太陽(yáng)角度等信息；結(jié)構(gòu)參數(shù)主要有LAI 、葉傾角分布函數(shù)、熱點(diǎn)因子，其中LAI 取值范圍為0.2~

(LAI)；Y 為因變量(光譜反射率/植被指數(shù)等) 。歸一化敏感性分析函數(shù)的含義是參數(shù)X 變化某一固定比率時(shí)，因變量Y 變化的百分比。

圖2給出了3種亮度不同的土壤背景下LAI 與植被指數(shù)之間的敏感性。從圖2可以看出：8種植被

7；葉傾角分布函數(shù)采用橢球體葉傾角分布參數(shù)。1.2植被指數(shù)

現(xiàn)有用于反演LAI 的植被指數(shù)種類繁多，文中分析了較為常用的8種植被指數(shù)(見表1) 。

表1植被指數(shù)計(jì)算公式

Tab.1Equations of vegetation indices

Vegetation index Normalized difference

vegetation index (NDVI)Renormalized difference vegetation index (RDVI)Simple ratio index (SR)Modified simple ratio

index (MSR)Soil -adjusted vegetation

index (SAVI)Modified soil-adjusted vegetation index (MSAVI)Modified chlorophyll absorption ratio index

(MCARI)Modified chlorophyll absorption ratio index 2

（MCARI2）

Formulas

ρ800-ρ670800670

姨[1**********]0ρ800/ρ670

ρ800670

-1/

姨姨800670

+1

(1+L ) ρ800-ρ6708006701[2ρ+1-800

姨800800670][(ρ700-ρ670)-0.2(ρ700-ρ550)]

(ρ700/ρ550) 1.5[2.5(ρ800-ρ

670)-1.3(ρ800-ρ550)]

姨(2ρ800+1)2-(6ρ800-5姨670

) -0.5

注：ρ表示反射率，下標(biāo)表示特定的波長(zhǎng)。

1.3植被指數(shù)與LAI 敏感性分析

不同植被指數(shù)所考慮到的因素各不相同，因此土壤背景反射率、植被結(jié)構(gòu)和葉綠素含量等因素導(dǎo)

圖2基于歸一化敏感性函數(shù)的植被指數(shù)與葉面積指數(shù)的敏感性

Fig.2Sensitivity of leaf area index to vegetation indexes with

normalized sensitivity analysis

第3期

李子

揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

947

指數(shù)的敏感性隨著LAI 增大先增大后減?。籖DVI 和表反射率需要經(jīng)過大氣校正。利用大氣輻射傳輸模型逐像元進(jìn)行大氣校正是非常復(fù)雜的計(jì)算，需要占用大量的計(jì)算機(jī)時(shí)間和資源。因此，文中研究根據(jù)無(wú)人機(jī)高光譜成像儀的性能特點(diǎn)，通過大氣輻射傳輸模型MODTRAN 建立了以氣溶膠光學(xué)厚度、大氣水汽含量、飛行高度、地表高程、太陽(yáng)天頂角、觀測(cè)天頂角和相對(duì)方位角為索引的多維大氣參數(shù)查找表。利用與飛行試驗(yàn)同步探空氣球測(cè)量的氣溶膠光學(xué)厚度和大氣水汽含量，結(jié)合太陽(yáng)以及無(wú)人機(jī)載荷觀測(cè)的幾何參數(shù)(天頂角、方位角等) ，基于大氣參數(shù)查找表反演無(wú)人機(jī)高光譜數(shù)據(jù)地表反射率。

NDVI 的敏感性最弱；MCARI 和SR 的敏感性最強(qiáng)，MCARI2和MSR 次之；隨著土壤亮度的增強(qiáng)，MCARI 、SR 和MSR 的敏感性增強(qiáng)，MCARI2和MSAVI 對(duì)土壤背景表現(xiàn)出很小的敏感性。顯然，各種植被指數(shù)對(duì)小于3的LAI 表現(xiàn)出最大的敏感性。同時(shí)可以看出，當(dāng)LAI 范圍在2.5~3.0時(shí)，NDVI 、

RDVI 、MCARI 、SAVI 和MSAVI 基本達(dá)到飽和狀態(tài)；MSAVI 和MCARI2對(duì)土壤背景的敏感性最弱，盡管SR 和MSR 表現(xiàn)出更高的飽和性，但是當(dāng)LAI 在小于3.5時(shí)對(duì)土壤背景影響敏感。

相比其他植被指數(shù)，MCARI2對(duì)LAI 具有更高的敏感性及高的抗土壤背景干擾能力。因此，文中研究選擇MCARI2反演無(wú)人機(jī)高光譜數(shù)據(jù)的LAI 。兩者之間的統(tǒng)計(jì)模型采用如下形式：

LAI 反演時(shí)需要依據(jù)不同植被類型進(jìn)行模型建模，因此，首先采用監(jiān)督分類方式對(duì)無(wú)人機(jī)高光譜數(shù)據(jù)進(jìn)行了分類(見圖3) 。

LAI=a ×exp(b ×MCARI2)+c ×exp(d ×MCARI2) (2)

式中：a ，b ，c ，d 為擬合系數(shù)。擬合系數(shù)的獲取方法如下：利用不同LAI 值，結(jié)合葉片和冠層輻射傳輸模型

(PROSPECT+SAILH)模擬冠層反射率數(shù)據(jù)，進(jìn)而構(gòu)建植被指數(shù)MCARI2，最后基于不同植被類型分別擬合MCARI2和LAI ，得到上述4個(gè)擬合系數(shù)。

圖3無(wú)人機(jī)高光譜載荷地表分類圖

Fig.3Classification of the UAV hyperspectral data

2數(shù)據(jù)

2.1無(wú)人機(jī)高光譜數(shù)據(jù)和地面測(cè)量數(shù)據(jù)

2011年9月3日，基于863項(xiàng)目“無(wú)人機(jī)遙感載荷綜合驗(yàn)證系統(tǒng)”，由中國(guó)科學(xué)院光電研究院組織在內(nèi)蒙古(包頭烏拉特前旗，經(jīng)度：109.53°，緯度：40.88°) 開展了光學(xué)載荷科學(xué)試驗(yàn)飛行。此次試驗(yàn)沿飛行航線布設(shè)了經(jīng)過嚴(yán)格測(cè)試的多種用途靶標(biāo)，并同步獲取了靶標(biāo)地面光譜測(cè)量數(shù)據(jù)及場(chǎng)地氣象參數(shù)數(shù)據(jù)，用于開展光學(xué)載荷輻射、幾何、光譜性能定標(biāo)與評(píng)價(jià)的工作。無(wú)人機(jī)平臺(tái)所搭載的高光譜成像儀光譜范圍為400~1030nm ，光譜分辨率為5nm ，瞬時(shí)視場(chǎng)角

3結(jié)果與分析

3.1葉面積指數(shù)反演結(jié)果

根據(jù)無(wú)人機(jī)高光譜數(shù)據(jù)的特點(diǎn)，針對(duì)不同的植被類型，利用PROSPECT+SAILH模型獲取反演模型

(公式(2))的系數(shù)(詳見表2) 。

表2不同植被類型下MCARI2與LAI 的擬合系數(shù)

Tab.2Fitting coefficients between MCARI2

and LAI

Vegeta -tion type Grass Rice

Fitting coefficient

R 2

a 8.148e-7

b 15.6

c 0.28520.23310.36040.31340.28240.3148

d 2.4582.8362.7923.2982.5822.368

0.94380.47870.92320.55970.96940.35310.92590.54990.9549

0.429RMSE

0.2mrad ，128個(gè)波段，地面分辨率1.6m@8km 。

LAI 反演及驗(yàn)證的工作主要在農(nóng)業(yè)示范區(qū)開展。同時(shí)，飛行過程中在農(nóng)業(yè)示范區(qū)內(nèi)利用葉面積指數(shù)儀(LAI2200) 采集了3種作物(馬鈴薯、向日葵、玉米) 共13組的LAI 測(cè)量數(shù)據(jù)?？紤]到作物的非均一性，每組試驗(yàn)測(cè)量3次，取其平均值作為驗(yàn)證數(shù)據(jù)。

2.845e-717.19

21.3611.215.9

Sunflower 4.353e-9Corn Potato

7.821e-55.919e-7

2.2載荷數(shù)據(jù)處理

機(jī)載平臺(tái)載荷傳感器獲得的輻射亮度轉(zhuǎn)換為地

Broadleaf

5.116e-410.45

forests

0.90140.6341

948紅外與激光工程第43卷

研究通過利用PROSPECT+SAILH模型模擬出冠層反射率，再耦合無(wú)人機(jī)高光譜成像儀通道響應(yīng)函數(shù)模擬出無(wú)人機(jī)高光譜地表反射率數(shù)據(jù)，并建立不同植被類型的LAI 反演模型，最終將模型應(yīng)用于真實(shí)無(wú)人機(jī)高光譜數(shù)據(jù)中反演出地物的LAI ，圖4是利用2011年9月3日的無(wú)人機(jī)高光譜數(shù)據(jù)反演的LAI 結(jié)果。

果能夠較好反映出地物的LAI ，證明采用的

MCARI2能夠反演得到精度較高的LAI 。

圖6無(wú)人機(jī)葉面積指數(shù)地面實(shí)測(cè)反演結(jié)果圖

Fig.6Measured and retrieved LAI from UAV hyperspectral data

圖4北方場(chǎng)無(wú)人機(jī)葉面積指數(shù)反演結(jié)果

Fig.4Results of the retrieved LAI from UAV in the North Site

影響到反演精度的因素可能有以下幾點(diǎn)：從地面測(cè)試實(shí)驗(yàn)中可以發(fā)現(xiàn)，傳感器測(cè)量的是地物的“面”信息，而地面測(cè)量?jī)x器測(cè)量的是地物“點(diǎn)”信息，尺度效應(yīng)問題影響了LAI 的對(duì)比精度；其次，地面測(cè)試過程中發(fā)現(xiàn)向日葵地和馬鈴薯兩種植被覆蓋的均勻性較差，測(cè)量過程中不可避免地會(huì)引起一定的誤差；再次，隨著LAI 的增大，近紅外通道趨于飽和，會(huì)對(duì)LAI 反演精度產(chǎn)生影響；同時(shí)，植物生化數(shù)據(jù)庫(kù)(LOPEX′93) 測(cè)量的地物特性因地域差異、氣候差異等因素也會(huì)有所不同，同樣會(huì)對(duì)LAI 的反演精度產(chǎn)生一定的影響；最后，測(cè)量?jī)x器本身也存在一定的測(cè)量誤差，對(duì)驗(yàn)證結(jié)果的精度也會(huì)產(chǎn)生一定的影響。

3.2模型自身精度分析

模型自身精度分析主要利用模擬數(shù)據(jù)對(duì)反演模型進(jìn)行評(píng)價(jià)。為了檢驗(yàn)LAI 反演的模型精度，通過模擬數(shù)據(jù)對(duì)LAI 反演模型進(jìn)行了模型精度評(píng)價(jià)。利用PROSPECT 和SAILH 模型模擬的地表反射率數(shù)據(jù)反演出不同地物的葉面積指數(shù)，再與輸入到

PROSPECT 和SAILH 模型中的LAI 進(jìn)行對(duì)比，得到LAI 反演的模型精度。模擬獲取了六種植被類型(草地、水稻、向日葵、玉米、馬鈴薯、闊葉林) 的LAI 反演模型，圖5是利用高光譜數(shù)據(jù)反演LAI 的誤差結(jié)果圖，可以看出，LAI 的反演誤差均在7%以內(nèi)。

4總結(jié)

文中利用葉片輻射傳輸模型(PROSPECT)和冠層輻射傳輸模型(SAILH)模擬植被冠層反射率，分析了不同條件下LAI 與植被指數(shù)的敏感性。發(fā)現(xiàn)常用于LAI 反演的歸一化差值植被指數(shù)(NDVI)受土壤背景因素影響嚴(yán)重，而且當(dāng)LAI>2時(shí)，基本處于飽和狀態(tài)。此研究建立了具備抗土壤背景影響、對(duì)LAI

圖5高光譜葉面積指數(shù)反演模型精度評(píng)估結(jié)果

敏感的改進(jìn)型葉綠素吸收植被指數(shù)(MCARI2)與LAI 之間的經(jīng)驗(yàn)統(tǒng)計(jì)模型，并成功用于無(wú)人機(jī)高光譜數(shù)據(jù)的LAI 反演。經(jīng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證表面，模型反演結(jié)果可以取得比較好的精度。盡管如此，考慮到經(jīng)驗(yàn)統(tǒng)計(jì)方法的局限性，所建立的經(jīng)驗(yàn)關(guān)系是針對(duì)特定的時(shí)

間和研究區(qū)

，

模型不具備普適性。今后對(duì)MCARI2的應(yīng)用范圍還需要進(jìn)一步探討。

Fig.5Accuracy assessment of the LAI retrieval model

3.3地面測(cè)量驗(yàn)證分析

地面同步獲取的LAI 以玉米、向日葵和馬鈴薯這三類自然植被類型為主。利用地面準(zhǔn)同步測(cè)量的

LAI 驗(yàn)證結(jié)果如圖6所示。相比地面實(shí)測(cè)的數(shù)據(jù)，模型反演值偏低，均方根誤差RMSE 為0.42。但反演結(jié)

第3期

李子揚(yáng)等：基于高光譜數(shù)據(jù)的葉面積指數(shù)遙感反演

949

劉曉臣, 范聞捷, 田慶久, 等. 不同葉面積指數(shù)反演方法比

參考文獻(xiàn)：

[1]

Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J].Remote Sensing of Environment , 1996, 55:153-162. [2]

Chen J M, Pavlic G, Brown L, et al. Derivation and validation of Canada -wide coarse -resolution leaf area index maps using high -resolution satellite imagery and ground measurements [J].Remote Sensing of Environment , 2001, 80:165-184. [3]

Price J C, Baush W C. Leaf area index estimation from visible and near -infrared reflectance data[J].Remote Sensing of Environment , 1995, 52:55-65. [4]

Haboudane D, John R M, Patteyc E, et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies:modeling and validation in the context of precision agriculture [J].Remote Sensing of Environment , 2004, 90:337-352. [5]

Liu Xiaochen, Fan Wenjie, Tian Qingjiu, et al. Comparative analysis among different methods of leaf area index inversion [J].Acta Scientiarum Naturalium Universitatis Pekinensis , 2008, 2:57-64. (inChinese)

[11][9][8][7][6]

較研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 2:57-64.

Jupp D L B, Strahler A H. A hot spot model for leaf canopies [J].Remote Sensing of Environment , 1991, 38:193-210.

Li Xiaowen, Strahler A H. A hypid geometric optical radiative

transfer

approach

for

modeling

albedo

and

directional reflectance of discontinuous canopies [J].IEEE Transactions Geoscience Remote Sensing , 1995, 33:466-48Jacquemoud S. Prospect:A model of leaf optical properties [J].Remote Sensing of Environment , 1990, 34:75-91. Jacquemoud S, Bacour C, Poilve H, et al. Comparison of four radiative transfer models to simulate plant canopies reflectance:direct and inverse mode [J].Remote Sensing of Environment , 2000, 74(3):471-481.

[10]Hosgood B, Jacquemoud S, Andreoli G, et al. Leaf optical

篇3

準(zhǔn)確，是說(shuō)明文語(yǔ)言的先決條件。表示時(shí)間、空間、數(shù)量、范圍、程度、特征、性質(zhì)、程序等，都要求準(zhǔn)確無(wú)誤。說(shuō)明文的實(shí)用性很強(qiáng)，稍有差錯(cuò)，就會(huì)失之毫厘，謬以千里。特別要注意說(shuō)明文中使用的術(shù)語(yǔ)和修飾限制性的詞語(yǔ)，它們往往體現(xiàn)了說(shuō)明語(yǔ)言的準(zhǔn)確性。在準(zhǔn)確的前提下，說(shuō)明語(yǔ)言有的以平實(shí)見長(zhǎng)，有的以生動(dòng)活潑見長(zhǎng)。

說(shuō)明文閱讀是中考試題中的重要內(nèi)容。從近年來(lái)的各地試卷看，說(shuō)明文語(yǔ)言主要有以下考點(diǎn)：對(duì)科技說(shuō)明文中的關(guān)鍵詞能正確理解、判斷、闡釋，對(duì)文章語(yǔ)言的準(zhǔn)確性和生動(dòng)性能作賞析。

【典例呈現(xiàn)】

一、（2013?浙江湖州卷）閱讀下文，回答問題。

感知地球的“千里眼”

近日，第三十五屆國(guó)際環(huán)境遙感大會(huì)在北京召開，來(lái)自全球56個(gè)國(guó)家和地區(qū)的1000余位遙感專家參加了會(huì)議，這也是該會(huì)議發(fā)起50年來(lái)首次在中國(guó)舉辦，這說(shuō)明我國(guó)遙感技術(shù)的應(yīng)用發(fā)展得到了國(guó)際同行的廣泛認(rèn)可。

遙感技術(shù)興起于上世紀(jì)60年代，是指從遠(yuǎn)距離感知目標(biāo)反射、輻射或散射的可見光、紅外、微波電磁波，從而對(duì)目標(biāo)進(jìn)行探測(cè)和識(shí)別的科學(xué)技術(shù)。人類目力有限，遙感技術(shù)的出現(xiàn)，讓人類仿佛擁有了另一雙可以無(wú)限感知地球的“千里眼”。

今年4月22日，國(guó)務(wù)院總理主持召開了部署蘆山地震抗震救災(zāi)工作會(huì)議，在身后掛著一幅蘆山縣震后航空影像圖。這幅影像圖對(duì)抗震決策起到至關(guān)重要的作用。它是由中國(guó)科學(xué)院遙感與數(shù)字地球研究所（以下簡(jiǎn)稱遙感地球所）提供的。遙感作業(yè)時(shí)間是4月20日11點(diǎn)，距離地震發(fā)生剛剛過去3個(gè)小時(shí)。那么科研人員怎么利用遙感技術(shù)評(píng)估判斷地震災(zāi)情呢？

遙感地球所航空遙感中心主任李震說(shuō)：“遙感航拍得到的高分辨率影像，能請(qǐng)楚地辨識(shí)建筑物、道路、河流、車輛等地面信息?？蒲腥藛T運(yùn)用專業(yè)知識(shí)，與震前的遙感觀測(cè)數(shù)據(jù)比對(duì)，就能夠判斷建筑物和道路的受損情況，道路上堆積的滑坡物大小、滑坡的土方量等等，發(fā)現(xiàn)潛在的山體垮塌、堰塞湖等次生災(zāi)害，并確定財(cái)產(chǎn)損失的基本情況，確定救援所需投入的人力、物力等?！笨傊眠b感技術(shù)監(jiān)測(cè)和評(píng)估災(zāi)情，具有定位準(zhǔn)，速度快的特點(diǎn)，可以第一時(shí)間獲取災(zāi)情數(shù)據(jù)，服務(wù)抗震救災(zāi)。

今年1月，我國(guó)中東部地區(qū)發(fā)生了數(shù)次極端強(qiáng)霧霾事件，主流觀點(diǎn)認(rèn)為，污染物排放量大，靜穩(wěn)天氣、擴(kuò)散條件不利，區(qū)域污染和本地污染貢獻(xiàn)疊加等是導(dǎo)致強(qiáng)霧霾事件的主要原因。遙感地球所陳良富研究員基于遙感衛(wèi)星觀測(cè)數(shù)據(jù)的統(tǒng)計(jì)與分析提出，除了人為排放引起的本地污染濃度上升這一內(nèi)在原因外，水汽、浮塵是造成霧霾來(lái)襲、能見度急劇下降的重要外部原因。

目前，對(duì)霧霾主要靠地面監(jiān)測(cè)，但地面監(jiān)測(cè)站只能監(jiān)測(cè)地上幾米高范圍內(nèi)的PM2.5數(shù)值。而灰霾隨高度變化，分布不一樣。利用激光遙感手段能獲得霾的垂直分布情況，反映整個(gè)區(qū)域霾的二維甚至三維情況。如果不科學(xué)地認(rèn)識(shí)極端強(qiáng)霧霾的發(fā)生機(jī)理，就容易判斷錯(cuò)誤，認(rèn)為都是由排放的污染物引起的，在治理上進(jìn)入誤區(qū)。要得出科學(xué)判斷，僅憑地面一種觀測(cè)手段是不夠的，還需要衛(wèi)星遙感觀測(cè)手段來(lái)補(bǔ)充，更全面客觀地掌握大氣污染狀況。

另外，遙感技術(shù)對(duì)自然遺產(chǎn)和文化遺產(chǎn)的發(fā)現(xiàn)和保護(hù)的作用也不容小覷。應(yīng)用遙感技術(shù)，美國(guó)考古學(xué)家發(fā)現(xiàn)了沉沒海底數(shù)千年的古埃及名城亞歷山大;希臘考古學(xué)家用紅外像片在科林斯灣發(fā)現(xiàn)了公元前373年毀于地震的古城“Hekike”;遙感地球所郭華東課題組利用雷達(dá)遙感技術(shù)發(fā)現(xiàn)了阿拉善高原干沙覆蓋下的古河湖串聯(lián)系統(tǒng)和明、隋古長(zhǎng)城……遙感技術(shù)也十分適用于文化遺產(chǎn)保護(hù)，它的優(yōu)勢(shì)在于能獲得物體的三維圖像。若能及早對(duì)文化遺產(chǎn)進(jìn)行三維掃描，將來(lái)就可按照計(jì)算機(jī)模型對(duì)其進(jìn)行復(fù)原。更重要的是，科學(xué)家還能依據(jù)這些數(shù)據(jù)分析破壞發(fā)生的原因，如溫度、風(fēng)力、濕度等，從而指導(dǎo)文物部門進(jìn)行更加精細(xì)的修復(fù)。

總之，近些年，我國(guó)遙感技術(shù)發(fā)展迅速，在地震監(jiān)測(cè)和評(píng)估，霧霾狀況觀測(cè)，自然遺產(chǎn)和文化遺產(chǎn)的發(fā)現(xiàn)和保護(hù)等方面廣泛應(yīng)用。

（選自《人民日?qǐng)?bào)》2013年5月13日，有刪減）

閱讀下面句子，聯(lián)系上下文，探究括號(hào)中的問題。

1.人類目力有限，遙感技術(shù)的出現(xiàn)，讓人類仿佛擁有了另一雙可以無(wú)限感知地球的“千里眼”。（為什么說(shuō)遙感技術(shù)是“千里眼”？）

2.這幅影像圖對(duì)抗震決策起到至關(guān)重要的作用。（黑體詞為什么不能刪去？）

二、（2014?江西卷）閱讀下文，回答問題。

扇 子

黎 戈

《東周列國(guó)志》里，看到過這樣的插圖：兩個(gè)梳雙髻的宮女，手執(zhí)長(zhǎng)柄大扇，立在對(duì)坐暢談國(guó)事的公侯身后，這樣的扇子多半是由奴仆執(zhí)掌，象征性大于使用目的，它是表明強(qiáng)權(quán)的道具。準(zhǔn)確地說(shuō)，它是禮儀扇。

漢代的扇子，則是用竹篾編成，其形制類似于現(xiàn)在的大號(hào)菜刀，扇柄附于一側(cè)而不是居中，且開始落入尋常百姓家。在古畫中，常見一奴仆蹲踞扇火，大力使著一把扇子，扇子地位大跌。漢末有一些原理簡(jiǎn)單的機(jī)械扇，諸葛亮同學(xué)發(fā)明過諸葛扇，懸掛屋內(nèi)，手拉使之轉(zhuǎn)動(dòng)生風(fēng)。穿過千年時(shí)光隧道，在關(guān)于老上海的電影里，仍然可以看見理發(fā)店里有這種手拉的風(fēng)扇?！続】小伙計(jì)拉著一根繩，扇子左右緩移，時(shí)間也被拉長(zhǎng)了，太太小姐們一邊做頭發(fā)，一邊有一搭沒一搭地拉呱家常。春日遲遲，昏昏欲睡。反正閑婦們有的是時(shí)間要打發(fā)，降那一點(diǎn)點(diǎn)心火，微風(fēng)徐來(lái)的排扇也夠了。

魏晉南北朝的扇子是羽扇，不用說(shuō)是仿生原理的樸素運(yùn)用，羽扇有十羽和八羽之分，后來(lái)進(jìn)化成比翼扇，即以竹木為骨架上糊以絹綢，只在末端象征性地飾以羽毛。羽扇是男人的物什，盡顯名士做派的道具，羽扇名人有“羽扇綸巾”的公瑾侯及其政敵諸葛先生。真不能想象，諸葛先生要是丟了他的三件套――一羽扇、綸巾、四輪車，會(huì)不會(huì)風(fēng)采全無(wú)呢？

隋唐時(shí)流行紈扇，又稱團(tuán)扇，早唐時(shí)盛行腰圓紈扇，中晚唐為滿月式樣，紈扇近于現(xiàn)代的絹扇，以竹木為骨，承風(fēng)面大，手感輕盈，它的使用者轉(zhuǎn)向深閨?！拜p羅小扇撲流螢”，隋唐女子都是腴美人，如果是骨重身寬的羽扇，用來(lái)?yè)涞麚淞魑?，?dòng)作的幅度太大，就失了嬌羞勁兒。

宋元后期開始使用的折扇，輕便，價(jià)廉，易攜帶，袖藏即可。市民圖耐用，多用油紙扇，文藝青年大多使用素紙扇，圖它可以揮毫潑墨，題詩(shī)作畫。

扇子還是藝術(shù)作品中高頻出現(xiàn)的道具。

言情小說(shuō)中，扇子可煽情，比如李香君血濺桃花扇;可定情，比如西施贈(zèng)扇給范蠡;可抒情，《桃花扇》就是靠一把扇子來(lái)抒情，并且貫串情節(jié)起落的;可絕情，《珍珠令》里，女主角贈(zèng)男主角折扇一把，即可以示絕交，扇同“散”，和傘一樣，是很不祥的贈(zèng)物。

武俠小說(shuō)里，儒化的博雅俠客，手持一把小扇，以顯其書生性情。江南七怪里那個(gè)執(zhí)扇的妙手書生，還在扇子里面藏暗器、毒針什么的。有的扇子本身就是兵器，比如玉扇真人那把。

西方藝術(shù)作品里也?？匆娚茸拥纳碛啊！綛】電影里的名媛貴婦手捏一把小折扇，一手牽裙角，蓮步輕移，旖旎而行。歌劇中的淑女用一種很有趣的面具扇，上面開了兩只眼睛一樣的小洞，把自己的面孔藏起來(lái)，以示畏怯。

（選自《私語(yǔ)書》，有刪改）

這篇文章在語(yǔ)言上有什么特點(diǎn)？請(qǐng)任選文中一處畫線句作具體分析。

【考點(diǎn)解析】

[思維軌跡]科技說(shuō)明文的詞句品讀，欣賞評(píng)價(jià)，主要從詞語(yǔ)、句子的準(zhǔn)確性和生動(dòng)性上進(jìn)行考查。解答例一題目，關(guān)鍵在于能夠結(jié)合具體的語(yǔ)言環(huán)境，闡釋詞語(yǔ)的含義及其表達(dá)作用。品析說(shuō)明文詞語(yǔ)的方法主要有：增刪法，代替法，解詞法等。句1可用解詞法進(jìn)行分析，黑體詞“千里眼”中的“千里”指距離很遠(yuǎn)，符合遙感技術(shù)可以遠(yuǎn)距離感知的特點(diǎn)，而“眼”運(yùn)用了比喻的修辭手法，意思是像人眼那樣能探測(cè)和識(shí)別目標(biāo)。句2運(yùn)用增刪法分析，可以看出“至關(guān)重要的”一詞起強(qiáng)調(diào)作用。

例二題目考查對(duì)說(shuō)明文語(yǔ)言的賞析能力。說(shuō)明文語(yǔ)言的特點(diǎn)是準(zhǔn)確、簡(jiǎn)明、淺顯、易懂，其中準(zhǔn)確是前提。在這個(gè)前提下，語(yǔ)言風(fēng)格可以是平實(shí)的，也可以是生動(dòng)活潑的。通讀全文，可發(fā)現(xiàn)本文的語(yǔ)言具有濃郁的生活氣息，言辭優(yōu)美，讀來(lái)朗朗上口。解題時(shí)，可從修辭、表達(dá)方式、表現(xiàn)手法、句式等角度中任選一個(gè)角度，分析畫線句的語(yǔ)言特點(diǎn)。

[參考答案]一、1.因?yàn)椤扒Ю铩狈线b感技術(shù)可以遠(yuǎn)距離感知的特點(diǎn)，而“眼”能突出遙感技術(shù)能探測(cè)和識(shí)別目標(biāo)的特點(diǎn)。2.“至關(guān)重要的”突出了這幅影像圖對(duì)抗震決策的重要作用，從而說(shuō)明了利用遙感技術(shù)判斷和評(píng)估災(zāi)情的重要性。二、A處畫線句：“春日遲遲”“昏昏欲睡”等語(yǔ)句富有詩(shī)意，文化氣息濃郁;“閑婦們”“太太小姐們”等詞語(yǔ)風(fēng)趣幽默，生活氣息濃厚;“有一搭沒一搭”“拉呱”“打發(fā)”等詞傳神地寫出了太太小姐們的悠閑生活。B處畫線句：“捏”“牽”“蓮步輕移”“旖旎而行”等詞句準(zhǔn)確生動(dòng)，形象細(xì)膩地表現(xiàn)出名媛貴婦高貴優(yōu)雅的動(dòng)作以及掩飾嬌羞的動(dòng)人姿態(tài)。

【技巧總結(jié)】

體會(huì)說(shuō)明語(yǔ)言的準(zhǔn)確性，可從以下兩個(gè)方面入手：1.抓住關(guān)鍵性語(yǔ)句的中心語(yǔ)，如準(zhǔn)確的名詞、動(dòng)詞、形容詞，在語(yǔ)境中要領(lǐng)悟其用語(yǔ)的準(zhǔn)確性。2.抓住文中使用的修飾限制性詞語(yǔ)。分析文中使用的數(shù)量詞、副詞、形容詞等是怎樣恰如其分地修飾、限制或補(bǔ)充說(shuō)明中心語(yǔ)的?？疾轭愋椭饕袃煞N：A型：文中黑體詞好在哪里？B型：文中黑體詞能不能刪去？為什么？

答題方式：A型：用了“××”詞，生動(dòng)（準(zhǔn)確）地說(shuō)明了××（或符合實(shí)際情況，具有科學(xué)性）。B型：不能，刪掉“××”詞，句子意思就變成了××，顯得太絕對(duì)化;用了“××”詞，準(zhǔn)確地說(shuō)明了××，符合實(shí)際情況，留有余地，具有科學(xué)性。

【專項(xiàng)訓(xùn)練】

篇4

（淤北京航空航天大學(xué)公共管理學(xué)院，北京100191；于甘肅省辦公自動(dòng)化技術(shù)服務(wù)中心，蘭州730000）

摘要院氣候要素和大氣污染是霧霾產(chǎn)生的主要成因，通過分析美國(guó)、英國(guó)、日本、德國(guó)等發(fā)達(dá)國(guó)家霧霾治理成功經(jīng)驗(yàn)及啟示，針對(duì)我國(guó)環(huán)境污染現(xiàn)狀提出依法治霾、數(shù)據(jù)共享、綜合控制、聯(lián)防聯(lián)控和綠色出行等霧霾治理的主要措施。

關(guān)鍵詞 院霧霾；生態(tài)環(huán)境；綠色出行；低碳發(fā)展；治理

中圖分類號(hào)院X513 文獻(xiàn)標(biāo)識(shí)碼院A 文章編號(hào)院1006-4311（2015）27-0243-03

0 引言

近年來(lái)，我國(guó)京津冀地區(qū)、長(zhǎng)三角地區(qū)、西南地區(qū)和兩廣地區(qū)等30 多個(gè)省（區(qū)、市）發(fā)生持續(xù)性霧霾天氣。2014年10 月以來(lái)，我國(guó)京津冀、山東、河南、山西及陜西等地區(qū)再次出現(xiàn)大范圍多地現(xiàn)濃霧或重度霾，且污染程度嚴(yán)重。霧霾治理的形勢(shì)越來(lái)越嚴(yán)峻，公眾的呼聲也越來(lái)越高，借鑒國(guó)外霧霾治理的成功經(jīng)驗(yàn)，及時(shí)采取有效措施減少我國(guó)霧霾的發(fā)生已刻不容緩。

1 霧霾的形成

“霧”和“霾”是兩種天氣現(xiàn)象。“霧”是大量微小水滴或冰晶組成的氣溶膠系統(tǒng)[1]；“霾”是大量極細(xì)微干塵粒等均勻地浮游在空中，能見度小于10 千米，且空氣相對(duì)濕度小于80%，排除了降水、沙塵暴、揚(yáng)沙、浮塵等天氣現(xiàn)象造成的視程障礙[2]。霧霾的成因很復(fù)雜，主要由氣候要素和環(huán)境要素共同作用形成，相對(duì)濕度高和靜穩(wěn)天氣是霧霾形成的基本氣候條件，而大氣污染則是霧霾形成的主要誘因。一方面，霧霾形成有賴于特定氣象條件，如溫度濕度、輻射強(qiáng)度、風(fēng)力風(fēng)向、降水降雪等，霧霾形成與靜風(fēng)天氣、低氣壓、高濕度等氣候要素聯(lián)系密切。另一方面，霧霾形成與二氧化碳、二氧化硫、氮氧化物、交通排放的廢氣、燃油產(chǎn)生污染物、道路粉塵等可吸入細(xì)顆粒物（PM2.5）環(huán)境要素密切相關(guān)。據(jù)北京PM2.5 來(lái)源的一項(xiàng)研究分析報(bào)告，北京市PM2.5排放源細(xì)氣溶膠污染來(lái)源包括，機(jī)動(dòng)車燃油排放約23%，工業(yè)燃煤和工業(yè)燃油排放約18%和5%，生活燃煤排放約14%，居民日常生活及其他活動(dòng)排放約19%，農(nóng)業(yè)活動(dòng)和秸稈燃燒貢獻(xiàn)約為7%和4%，城市道路開挖、未覆蓋道路、建筑工地、工業(yè)煙塵和城市外礦物粉塵約7%等[3，4]。根據(jù)2013年1 月中國(guó)環(huán)境監(jiān)測(cè)總站的主要城市空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，對(duì)京津冀、太原、西安、鄭州、濟(jì)南、武漢8 個(gè)霧霾期間污染嚴(yán)重的城市進(jìn)行大氣污染特征分析表明，PM2.5 和PM10的濃度與機(jī)動(dòng)車尾氣污染和煤煙型復(fù)合污染等具有較強(qiáng)的相關(guān)性[5]。我國(guó)化石能源中煤炭和石油在能源消費(fèi)中占90%左右，全國(guó)有31 個(gè)城市的汽車數(shù)量超過100 萬(wàn)輛，燃煤和燃油產(chǎn)生大量污染物，建筑工地?fù)P塵、道路粉塵以及露天燃燒等這些都與霧霾形成有直接原因。

2 霧霾治理的啟示

霧霾早已成為全人類共同面對(duì)的問題，西方發(fā)達(dá)國(guó)家在工業(yè)化時(shí)期曾出現(xiàn)“霧霾”天氣。但經(jīng)過長(zhǎng)期治理，已經(jīng)逐步形成了比較有效的霧霾防治體系，在根治霧霾方面積累了豐富值得借鑒的經(jīng)驗(yàn)。見表1 所示。國(guó)外霧霾治理的成功經(jīng)驗(yàn)是我國(guó)解決霧霾問題的“他山之石”，對(duì)我國(guó)霧霾治理具有重要啟示。[6，7]

2.1 倫敦?zé)熿F治理的啟示。1952 年12 月，倫敦發(fā)生英國(guó)史上最嚴(yán)重空氣污染事件，短短幾天時(shí)間死亡人數(shù)達(dá)上萬(wàn)人。英國(guó)政府成立專門的比佛委員會(huì)調(diào)查煙霧事件，1954 年的《比佛報(bào)告》，指出家庭供暖煤炭燃燒是煙塵最大制造者。自查明成因后，政府積極采取措施控制霧霾。主要啟示是：一是制訂法律法規(guī)控制污染。如《清潔空氣法》、《環(huán)境法》等。二是確立空氣質(zhì)量監(jiān)測(cè)標(biāo)準(zhǔn)，實(shí)時(shí)監(jiān)測(cè)空氣質(zhì)量并及時(shí)通報(bào)。三是控制超大城市的規(guī)模及其人口密度。通過建成33 個(gè)新城，容納23%的城市居民。四是實(shí)施產(chǎn)業(yè)轉(zhuǎn)型。不再單純依賴制造業(yè)，而是大力發(fā)展服務(wù)業(yè)和高科技產(chǎn)業(yè)。五是出臺(tái)一系列抑制交通污染的措施。包括發(fā)展公共交通、抑制私車發(fā)展、減少汽車尾氣排放、整治交通擁堵等。六是擴(kuò)大城市綠化帶。倫敦城市中心區(qū)有1/3 的面積被花園、森林和公共綠地覆蓋，還在倫敦城市外圍建成大型環(huán)形綠地。通過環(huán)境立法、部門協(xié)作、監(jiān)測(cè)體系和控污治污等措施，如今的倫敦已擺脫了“霧都”之稱，大霧天氣已經(jīng)減少為每年不到10 天，成為了人類宜居的國(guó)際都市。

2.2 美國(guó)洛杉磯光化學(xué)煙霧治理的啟示。1943 年7月，洛杉磯遭受霧霾攻擊，政府成立專門煙霧委員會(huì)調(diào)查證實(shí)，煙霧為光化學(xué)煙霧，主要來(lái)源于汽車不完全燃燒尾氣排放、汽車漏油、汽油揮發(fā)以及油田、煉油廠油氣排放物?？茖W(xué)家哈根斯米特進(jìn)一步證實(shí)，空氣污染的罪魁禍?zhǔn)拙褪瞧囄矚?。自此，洛杉磯采用綜合治理、制定標(biāo)準(zhǔn)，立法保障、數(shù)據(jù)共享等多管齊下的治理模式展開霧霾治理。主要啟示是：一是加強(qiáng)綜合治理。1945 年洛杉磯當(dāng)局成立了大氣污染治理監(jiān)督辦公室，1947 年劃定了洛杉磯郡大氣污染控制區(qū)，采取區(qū)域環(huán)境管理框架模式。二是設(shè)定科學(xué)標(biāo)準(zhǔn)，加強(qiáng)立法保障。先后出臺(tái)了《空氣污染控制法》、《清潔空氣法》、《機(jī)動(dòng)車空氣污染控制法》等。三是重點(diǎn)限制機(jī)動(dòng)車及電廠排污。1975 年規(guī)定所有汽車安裝空氣凈化裝置，此舉被認(rèn)為是治理霧霾之關(guān)鍵。四是全民數(shù)據(jù)共享。1997 年7 月美國(guó)環(huán)保署在率先提出將PM2.5 作為全國(guó)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)，并在政府官網(wǎng)上實(shí)時(shí)公布全民共享，2006 年美國(guó)環(huán)保局針對(duì)PM2.5 標(biāo)準(zhǔn)進(jìn)行了修訂，制定了24 小時(shí)周期內(nèi)PM2.5 最高濃度、年平均濃度標(biāo)準(zhǔn)等。經(jīng)過幾十年的努力，現(xiàn)今洛杉磯一級(jí)污染警報(bào)天數(shù)從1977 年的121 天下降到0 天，已擺脫“煙霧城”，找回昔日藍(lán)天。

2.3 東京大氣污染治理的啟示。20 世紀(jì)80 年代中期以后，東京大氣污染公害事件受害人數(shù)驟然激增，日本通過出臺(tái)法律條例、建立環(huán)境標(biāo)準(zhǔn)、實(shí)時(shí)數(shù)據(jù)共享、整治汽車尾氣、加大城市綠化等策略展開長(zhǎng)期治理。[8]主要啟示是：一是出臺(tái)法律條例。20 世紀(jì)50 年代開始，日本政府頒布了《公害對(duì)策基本法》、《噪聲規(guī)制法》、《大氣污染防治法》、《排煙規(guī)制法》，構(gòu)建了較為科學(xué)和完備的法律體系。二是建立環(huán)境標(biāo)準(zhǔn)。2009 年9 月9 日，日本環(huán)境省公布了PM2.5 環(huán)境標(biāo)準(zhǔn)。三是加強(qiáng)環(huán)保檢測(cè)，實(shí)時(shí)數(shù)據(jù)共享。日本環(huán)境省設(shè)有大氣污染物質(zhì)廣域監(jiān)視系統(tǒng)，對(duì)包括PM2.5 在內(nèi)的各種大氣污染物質(zhì)進(jìn)行監(jiān)測(cè)并通過網(wǎng)站實(shí)時(shí)。四是整治汽車尾氣。1992 年日本環(huán)境廳制定《汽車氧化氮·碳?xì)漕w粒法》，鼓勵(lì)發(fā)展小型車及低排放車種，規(guī)定了機(jī)動(dòng)車在行駛過程中產(chǎn)生和排入大氣廢氣的最高量，并設(shè)置廢氣濃度測(cè)試點(diǎn)，嚴(yán)禁超標(biāo)車輛投入運(yùn)行。五是加大城市綠化。東京市政府規(guī)定新建大樓必須有綠地，樓頂必須綠化，在注重綠化面積同時(shí)重視綠化體積，綠化措施以種植樹木為主。

2.4 德國(guó)魯爾工業(yè)區(qū)空氣污染治理的啟示。20 世紀(jì)中期，德國(guó)魯爾工業(yè)區(qū)曾出現(xiàn)過嚴(yán)重空氣污染狀況，后來(lái)通過100 多個(gè)“空氣清潔與行動(dòng)計(jì)劃”使萊茵河流域煥然一新。主要啟示是：一是立法制定排放標(biāo)準(zhǔn)。1974 年德國(guó)出臺(tái)《聯(lián)邦污染防治法》主要針對(duì)大型工業(yè)企業(yè)進(jìn)行整治，通過立法制定空氣污染物排放標(biāo)準(zhǔn)，這項(xiàng)法律后來(lái)成為歐盟范圍內(nèi)的典范。二是限制可吸入顆粒物排放。主要有兩種手段，一方面是車輛限行、限速，對(duì)污染嚴(yán)重地區(qū)車輛禁行、工業(yè)設(shè)備限制運(yùn)轉(zhuǎn)等，同時(shí)在超過40 個(gè)城市設(shè)立了“環(huán)保區(qū)域”，不符合排放標(biāo)準(zhǔn)的汽車不允許駛?cè)氕h(huán)保區(qū)；另一方面是用技術(shù)手段減少排放，例如開發(fā)清潔能源、安裝顆粒過濾裝置。三是提倡綠色出行，提升市民環(huán)保意識(shí)。德國(guó)十分注重加強(qiáng)民眾環(huán)保宣傳教育和提高全民環(huán)保意識(shí)，作為世界主要汽車生產(chǎn)大國(guó)，德國(guó)大力提倡市民選擇綠色出行，許多公司80%的員工每天都乘公共交通或騎自行車上班，綠色出行已成為一種潮流和共識(shí)。

3 我國(guó)霧霾治理的主要措施

3.1 依法驅(qū)霾，建立健全法律法規(guī)。各國(guó)在霧霾污染后采取的最重要舉措就是立法先行，立法已經(jīng)成為依法治理霧霾和保護(hù)環(huán)境的根本。我國(guó)霧霾治理的關(guān)鍵就是從源頭上控制污染物排放，相關(guān)法律法規(guī)的制定和實(shí)施將為治理霧霾污染提供可靠制度保障。第一，完善相關(guān)法律法規(guī)。雖然有了新的《環(huán)境保護(hù)法》，但還需一系列關(guān)于空氣污染防控法案。如出臺(tái)《清潔空氣法》，從國(guó)家法律層面設(shè)定空氣質(zhì)量具體排放標(biāo)準(zhǔn)，出臺(tái)《機(jī)動(dòng)車空氣污染控制法》、《工業(yè)企業(yè)排污控制法》、《排煙規(guī)制法》等，構(gòu)建環(huán)保領(lǐng)域全覆蓋、種類齊全、功能完備、執(zhí)行有力的環(huán)境法規(guī)標(biāo)準(zhǔn)體系，使大氣污染防控做到有法可依。第二，加強(qiáng)地方性大氣污染防治條例等制定。各地應(yīng)切合實(shí)際、因地制宜、防保結(jié)合、細(xì)化標(biāo)準(zhǔn)、綜合控制大氣污染排放。如《北京市大氣污染防治條例》規(guī)定禁止在政府規(guī)定范圍場(chǎng)地設(shè)置露天燒烤，機(jī)動(dòng)車停車三分鐘以上應(yīng)熄火等等，《上海市大氣污染防治條例》提高無(wú)證排污罰金到50 萬(wàn)元，實(shí)行對(duì)單位和責(zé)任人雙罰制等新舉措。第三，制定明確的環(huán)保評(píng)估和獎(jiǎng)勵(lì)懲罰體系、責(zé)任落實(shí)制度、舉報(bào)監(jiān)督機(jī)制等。成立以環(huán)保部門為主的多部門聯(lián)合執(zhí)法隊(duì)伍，推行聯(lián)合執(zhí)法、交叉執(zhí)法、綜合執(zhí)法、區(qū)域執(zhí)法。加強(qiáng)執(zhí)法力度，落實(shí)執(zhí)法責(zé)任，嚴(yán)厲打擊環(huán)境違法行，嚴(yán)格執(zhí)法做到有法必依、執(zhí)法必嚴(yán)。加大處罰力度，提高排污超標(biāo)企業(yè)處罰標(biāo)準(zhǔn)使企業(yè)違法必究。此外，黨十八屆四中全會(huì)“依法治國(guó)”的方略，為我國(guó)環(huán)境公益訴訟制度指明了方向，檢察機(jī)關(guān)可以提起環(huán)境公益訴訟，效彌補(bǔ)了行政部門、社會(huì)組織和公眾在環(huán)境保護(hù)能力方面的不足，有效增強(qiáng)了依法治理霧霾和保護(hù)環(huán)境的力量。

3.2 數(shù)據(jù)共享，提高監(jiān)測(cè)預(yù)警能力。建立標(biāo)準(zhǔn)統(tǒng)一、多區(qū)域全覆蓋、全網(wǎng)絡(luò)多共享、現(xiàn)代化信息化的霧霾監(jiān)測(cè)預(yù)警系統(tǒng)，構(gòu)建大氣污染成分監(jiān)測(cè)體系，細(xì)化霧霾預(yù)報(bào)預(yù)警核心需求，提高霧霾數(shù)值天氣預(yù)報(bào)模式，實(shí)現(xiàn)霧霾監(jiān)測(cè)預(yù)報(bào)精準(zhǔn)化，建立多部門信息共享、預(yù)警預(yù)報(bào)、協(xié)同聯(lián)動(dòng)的應(yīng)急響應(yīng)機(jī)制，全面提升大氣污染防控和預(yù)報(bào)預(yù)警能力。第一，環(huán)保部門可以聯(lián)合氣象、海洋、國(guó)土、林業(yè)等多部門構(gòu)建覆蓋城鄉(xiāng)立體式、全方位、高密度、全天候的環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)，擴(kuò)大監(jiān)測(cè)范圍實(shí)現(xiàn)對(duì)霧霾天氣的系統(tǒng)檢測(cè)，可包括氣溫、濕度、能見度、風(fēng)向、風(fēng)速、大氣穩(wěn)定度、大氣顆粒物、大氣組分等全面監(jiān)測(cè)。第二，通過政府網(wǎng)站或移動(dòng)通訊網(wǎng)絡(luò)及時(shí)公布當(dāng)日、次日的天氣預(yù)報(bào)和空氣質(zhì)量等級(jí)，建立24小時(shí)對(duì)各地區(qū)監(jiān)測(cè)數(shù)據(jù)的預(yù)警機(jī)制，實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)實(shí)時(shí)共享，及時(shí)向公眾通報(bào)有效信息，并就如何做好防護(hù)提出建議，同時(shí)不斷提升公眾環(huán)保意識(shí)和環(huán)保參與度。第三，充分利用現(xiàn)代化、信息化手段為建設(shè)空氣質(zhì)量預(yù)報(bào)和空氣污染監(jiān)測(cè)預(yù)警體系提供科技支撐保障，通過激光遙感技術(shù)、透霧監(jiān)測(cè)技術(shù)、機(jī)動(dòng)車云檢測(cè)等高新技術(shù)，提高霧霾預(yù)報(bào)預(yù)警的監(jiān)測(cè)水平和準(zhǔn)確性。加強(qiáng)霧霾天氣預(yù)警預(yù)報(bào)技術(shù)和形成機(jī)理的研究，加快工業(yè)防污、脫硫、脫硝、防塵、除塵等技術(shù)研發(fā)，科學(xué)有效地提高大氣污染的監(jiān)測(cè)、預(yù)警和防控能力。

3.3 多管齊下，加強(qiáng)空氣污染綜合控制。第一，從源頭上控制污染排放總量。采用限制生產(chǎn)、限期整頓、關(guān)閉停產(chǎn)等多種方式，重點(diǎn)加強(qiáng)鋼鐵、煤電、石化、有色、焦化、水泥等行業(yè)二氧化硫、燃煤硫份和氮氧化等污染物排放治理，嚴(yán)格控制工業(yè)企業(yè)污染物排放總量，減少污染新增量。第二，調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。通過優(yōu)化能源消費(fèi)結(jié)構(gòu)，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，化解產(chǎn)能過剩，加快傳統(tǒng)產(chǎn)業(yè)升級(jí)，發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)，充分發(fā)揮市場(chǎng)在資源配置中的決定性作用，從根本上轉(zhuǎn)變經(jīng)濟(jì)發(fā)展模式，走集約化發(fā)展的環(huán)保道路。如大力發(fā)展新能源、新材料、新醫(yī)藥、服務(wù)業(yè)、信息產(chǎn)業(yè)等。第三，推行科技環(huán)保。加強(qiáng)科技攻關(guān)，推動(dòng)新能源研發(fā)和應(yīng)用，加大環(huán)?？蒲匈Y金投入，提高清潔能源在能源消費(fèi)中的比重，如低硫煤、天然氣、太陽(yáng)能、地?zé)崮?、生物質(zhì)能、沼氣、海潮和風(fēng)力發(fā)電等等。第四，節(jié)能減排。發(fā)展循環(huán)經(jīng)濟(jì)，推進(jìn)資源綜合利用，提高再生資源利用率，依靠科技節(jié)能減排，提倡環(huán)保型節(jié)能技術(shù)，推動(dòng)發(fā)展節(jié)能工程。在機(jī)關(guān)、企業(yè)、學(xué)校、科研機(jī)構(gòu)等單位提倡節(jié)能減排措施，公眾在日常生活中提倡節(jié)能環(huán)保，做到節(jié)約用電、用水、用氣、用煤、用紙、用油、一次性資源等。第五，發(fā)展公共交通。通過公共交通配套設(shè)施的新建和改善，輔以機(jī)動(dòng)車稅費(fèi)調(diào)整，市區(qū)增設(shè)自行車車道，讓市民自愿選擇公共交通出行。同時(shí)，采取有效措施抑制私家車發(fā)展、重新規(guī)劃?rùn)C(jī)動(dòng)車車牌號(hào)、采用限號(hào)出行等方式控制機(jī)動(dòng)車出行數(shù)量，大力推行純電動(dòng)汽車使用，發(fā)展高能效低排放新興節(jié)能汽車，淘汰高污染柴油車輛和超標(biāo)舊汽車。第六，發(fā)展綠化。大力發(fā)展城郊森林和社區(qū)森林，提高植被覆蓋率，在擴(kuò)大綠化覆蓋面積的同時(shí)增大綠化體積空間。