高光谱遥感技术的介绍及应用
高光谱遥感
• 中国：MAIS、PHI、OMIS-1（10个热波段）、 中国： 个热波段）、 、 、 （ 个热波段 CMODIS（神舟III号） 、Env-DD（环境灾害小卫星） （神舟 号 （环境灾害小卫星）
三、高光谱遥感技术优势与局限性
优势 1：充分利用地物波谱信息资源 ：
图 不同波谱分辨率对水铝反射光谱曲线
优势 2： 利用波形 精细光谱特征进行分类与识别地物 ： 利用波形/精细光谱特征进行分类与识别地物
Al-OH
Paragonite
Muscovite
Phengite
三种类型的白云母精细光谱特征
岩石的光谱发射率特征
航空高光谱遥感飞行设计图
（2）光谱特征参数定量分析技术 ）
不同水分含量的叶片的光谱反射率
RWC(%)=24.5+7.13*面积 (R2=0.845)
（3）光谱匹配技术（二值编码） ）光谱匹配技术（二值编码） • 岩矿光谱分类与识别
岩石和矿物
2.15-2.31微米 粘 土 矿 2.24-2.31微米 Mg-OH 对称性>1 滑石 2.15-2.19微米 叶蜡石 2.31-2.35微米 碳 酸 盐
优势 3： 利用图 谱实现自动识别地物并制图 ： 利用图-谱实现自动识别地物并制图
局限1：海量数据的传输、 局限 ：海量数据的传输、处理与存储 128波段的 波段的OMIS: 采集数据速率 采集数据速率60Mb/s；400Mb/km2 波段的 ；
高光谱遥感信息的图像立方体表达形式是一种新 高光谱遥感信息的图像立方体 表达形式是一种新 型的数据存储格式， 型的数据存储格式，其正面图像是由沿飞行方向的扫 描线合沿扫描方向的像元点组成的一景优选的三波段 合成的二维空间彩色影像； 合成的二维空间彩色影像；其后面依次为各单波段的 图象叠合，其数据量为所有波段图像的总和； 图象叠合，其数据量为所有波段图像的总和；位于图 像立方体边缘的信息表达了各单波段图像最边缘各像 元的地物辐射亮度的编码值或视反射率。 元的地物辐射亮度的编码值或视反射率。
高光谱遥感卫星技术及其地质应用
高光谱遥感卫星技术及其地质应用高光谱遥感卫星技术是一种先进的地球观测技术，具有光谱分辨率高、覆盖范围广、信息量大等特点，在地质领域具有广泛的应用前景。
本文将介绍高光谱遥感卫星技术的基本概念、原理、组成及其在地质领域的应用，并探讨未来的发展趋势。
高光谱遥感卫星技术是一种利用高光谱传感器获取地球表面信息的卫星遥感技术。
高光谱传感器可以捕捉到电磁波谱上从可见光到热红外波段的光谱信息，将地物目标的反射、透射、辐射等多维度信息进行采集和处理，从而识别地物类型、结构和变化。
高光谱遥感卫星技术的优势在于其具有高的光谱分辨率和空间分辨率，可以获取地物的精细光谱特征，为地质应用提供更为准确和全面的信息。
高光谱遥感卫星技术的组成包括数据采集、数据预处理、特征提取和分类应用等方面。
数据采集是利用高光谱传感器获取地球表面信息，生成包含大量光谱特征的数据立方体。
数据预处理是对原始数据进行校正、定标、融合等处理，提取出有效的光谱特征。
特征提取是对预处理后的数据进行统计分析，提取出与地物类型、结构和变化相关的光谱特征。
分类应用是根据提取的光谱特征，利用分类算法对地物进行分类和识别。
高光谱遥感卫星技术在地质领域具有广泛的应用，包括地质灾害监测、矿藏探测、生态环境监测等方面。
地质灾害监测方面，高光谱遥感卫星技术可以获取地质灾害（如滑坡、泥石流等）发生前后的光谱特征，为灾害预警和评估提供依据。
矿藏探测方面，高光谱遥感卫星技术可以通过探测岩石的光谱特征，识别出不同类型的矿藏和其分布规律。
生态环境监测方面，高光谱遥感卫星技术可以监测土地利用变化、生态保护区范围内的人类活动和自然生态的变化等。
为了更好地说明高光谱遥感卫星技术在地质应用中的效果和优势，我们选取了一个具体的应用案例进行分析和对比。
该案例是对某区域进行矿藏探测的应用。
我们利用高光谱遥感卫星技术获取了该区域的高光谱数据，并通过数据预处理提取出有效的光谱特征。
然后，我们根据提取的光谱特征，利用分类算法对该区域进行了矿藏类型的分类和识别。
高光谱遥感技术在环境监测中的应用与案例分析
高光谱遥感技术在环境监测中的应用与案例分析一、引言高光谱遥感技术是一种通过采集物体表面反射和辐射的连续光谱信息来获取物质光学特征的技术。
由于其高灵敏度和高分辨率的特点，高光谱遥感技术在环境监测领域广泛应用。
本文将介绍高光谱遥感技术的原理，并通过案例分析探讨其在环境监测中的应用。
二、高光谱遥感技术原理高光谱遥感技术基于物体反射光谱的原理，通过获取物质的光谱特征来进行识别和分析。
传统的遥感技术只能采集三个波段的光谱信息，而高光谱遥感技术则能够采集上百个波段的连续光谱信息。
这种连续光谱信息包含了物体的细微差异，可以更准确地判断物质的组成、含量和状态。
高光谱遥感技术的获取方式多样，包括航空航天遥感技术、卫星遥感技术和无人机遥感技术等。
不同的获取方式适用于不同的场景和需求，可以根据实际情况选择最合适的方式。
三、高光谱遥感技术在环境监测中的应用案例1. 水质监测高光谱遥感技术能够对水体中的溶解性有机物、氨氮、总磷等进行准确测量，通过光谱信息分析可以检测水体中污染物的种类和浓度，为水质监测提供了有力的手段。
例如，在某湖泊水质监测项目中，高光谱遥感技术被应用于测定水中蓝藻的浓度，通过对蓝藻光谱信息的分析，可以实时掌握湖泊蓝藻的分布情况，及时采取治理措施。
2. 土壤环境监测土壤的质量对于农业生产和生态保护至关重要，而高光谱遥感技术可以在更大范围内对土壤环境进行监测和评价。
通过解析土壤的光谱反射特征，可以获得土壤养分含量、重金属污染程度以及土壤湿度等信息。
在一次农业生产中，高光谱遥感技术被应用于实时监测农田土壤的湿度，帮助农民及时调整灌溉措施，提高农作物的生产效率。
3. 空气质量监测空气质量是城市环境监测的重要指标之一，高光谱遥感技术可以通过监测大气中的气体成分和颗粒物浓度来评估空气质量。
例如，某城市在空气质量监测中应用高光谱遥感技术，通过对大气悬浮颗粒物的光谱信息进行分析，能够实时监测并预测空气中颗粒物的释放源和传输路径，为城市环保管理提供科学依据。
高光谱遥感的概念
定量反演与模型模拟技术
定量反演
利用高光谱数据反演地物参数， 如叶绿素含量、地表温度等。
模型模拟
建立地物光谱模型，模拟地物光 谱特征，用于预测和模拟。
参数优化
对反演和模拟的参数进行优化， 提高结果的准确性和可靠性。
04
高光谱遥感的应用案例
农业应用案例
作物分类与识别
土壤质量评估
高光谱遥感能够通过分析不同作物反射 的光谱特征，实现对农作物的精细分类 和识别，有助于精准农业的实施。
图像融合
将多源遥感数据融合，提 高信息量和分辨率。
图像增强
通过对比度拉伸、色彩映 射等手段，改善图像的可 视化效果。
特征提取与分类技术
特征提取
从高光谱数据中提取地物 光谱特征，如光谱曲线、 谱带宽度等。
分类识别
利用提取的特征进行地物 分类，识别不同类型地物。
精度评估
对分类结果进行精度评估， 提高分类准确率。
高光谱遥感的概念
目
CONTENCT
录
• 引言 • 高光谱遥感的原理 • 高光谱遥感的关键技术 • 高光谱遥感的应用案例 • 高光谱遥感的未来发展
01
引言
什么是高光谱遥感
高光谱遥感是一种利用光谱信息对地球表面进行观测和监测的技 术。它通过卫星、飞机或其他遥感平台搭载的高光谱传感器，获 取地表反射、发射和散射的光谱数据，从而实现对地物的精细识 别和分类。
高光谱遥感的数据获取方式
采集方式
通过卫星或飞机搭载高光谱传 感器进行数据采集。
数据处理
对采集的高光谱数据进行预处 理、特征提取和分类识别等操 作。
应用领域
农业、环境监测、城市规划、 地质勘察等领域。
03
高光谱遥感的应用(课堂PPT)
不同传感器红外波段与红波段的光谱响应
11
实例1：MODIS数据
原始modis影像
(b) 植被指数NDVI影像图
(a) 植被指数VIUPD影像图
12
实例2：日本高光谱GLI数据
全球反射率影像图(B1+B5+B8) (GLI数据2003年4月7日)
全球植被指数影NDVI像图 (GLI数据2003年4月7日)
14
地表岩性
岩石分为三大类：沉积岩、火成岩和变质岩， 各类岩石由于形成的环境不同，具有不同的光 谱特性。
沉积岩：以Fe离子的变化作为判别依据，三阶 铁离子（0.5和0.9微米）与二阶铁离子（1.0微 米）的光谱特性并不一样。
火成岩：SiO2的含量。 变质岩：比如白云石和方解石中的Mg和Ca离
新
疆
柯
坪
地
区
岩
石灰岩
性
填
图
白云岩
18
19
20
矿山污染
甘甫平等利用航天 Hyperion高光谱数 据研究矿山污染物 的识别，通过对矿 山野外光谱特征综 合分析，结合污染 物的特征，展开对 废矿的污染物提取 的研究。 （2004）
21
油气渗漏探测
当石油在地表的侵入点明显而且范围较大的时候，高 光谱遥感的发展为油气管线渗漏监测提供了有效的解 决方案。
油气渗漏和土壤混杂点很难被多光谱遥感监测到，原 因在于它们被其他材料所冲淡。而高光谱遥感器提供 了充足的光谱分辨率，可以在可见光，近红外，短波 红外提供大量的光谱数据。
国外政府的投入很大，大的石油公司都有一套完备的 高光谱遥感油气管道监测系统。
22
三、农业方面的应用
高光谱遥感在农业科研和应用技术上主要表现在以下几 个方面：
高光谱遥感的原理与应用
高光谱遥感的原理与应用1. 高光谱遥感技术简介•高光谱遥感是一种用于获取地面物体光谱信息的遥感技术。
•与传统遥感技术相比，高光谱遥感具有更高的波段分辨率和更丰富的光谱信息。
•高光谱遥感技术的原理是通过采集地面物体在可见光和近红外波段的光谱反射信息，来获取物体的光谱特征。
2. 高光谱遥感的原理•高光谱遥感利用高光谱仪器来收集地面物体在一系列窄波段上的光谱反射数据。
•高光谱仪器通常由特定波段的传感器阵列组成，每个传感器负责收集一个波段的光谱数据。
•地面物体的光谱特征可以通过分析被收集到的光谱数据来确定。
3. 高光谱遥感的应用领域•农业：利用高光谱遥感技术可以监测作物的生长状态、优化农田管理以及检测病虫害等问题。
•矿产资源勘探：高光谱遥感可以检测矿产资源的类型和分布，有助于矿产资源勘探和开发。
•环境监测：高光谱遥感可以监测水体质量、土壤污染程度等环境参数，有助于环境保护和资源管理。
•森林火灾监测：通过高光谱遥感技术可以实时监测森林火灾的扩散情况，有助于及时采取灭火措施。
•城市规划：高光谱遥感可以提供城市土地利用信息，有助于城市规划和土地管理。
4. 高光谱遥感技术的优势•高光谱遥感技术具有较高的波段分辨率，可以获取更详细的光谱信息。
•高光谱遥感技术可以提供更准确的地物分类和识别能力。
•高光谱遥感技术可以探测隐蔽的物体特征，对物体的构成和结构提供更深入的了解。
•高光谱遥感技术具有较高的空间分辨率，可以提供更精细的地物信息。
5. 高光谱遥感技术的挑战和发展方向•数据处理：高光谱遥感技术生成的数据量巨大，对数据处理的算法和技术提出了新的挑战。
•传感器技术：高光谱遥感仪器的性能和稳定性需要不断提升，以满足复杂环境下的需求。
•数据标定和校正：高光谱遥感数据需要进行标定和校正，来消除传感器和大气等因素对数据的影响。
•数据分析和解释：高光谱遥感技术生成的数据需要进行分析和解释，以提取有用的地物信息。
6. 结论高光谱遥感技术是一种重要的遥感技术，具有广泛的应用前景。
高光谱遥感技术的发展与应用现状
三、高光谱遥感技术的应用现状
然而，目前高光谱遥感技术还存在一些问题和挑战。首先，高光谱遥感技术 的数据采集和处理成本较高，限制了其广泛应用。其次，高光谱遥感技术的数据 处理算法和模型还不够完善，分类精度有待提高。此外，由于高光谱遥感技术使 用的光谱波段范
三、高光谱遥感技术的应用现状
围较窄，对于某些特定地物目标的识别精度有限。
一、高光谱遥感技术概述
一、高光谱遥感技术概述
高光谱遥感技术是一种利用电磁波谱中可见光、近红外、中红外和热红外波 段的光谱信息，进行地表特征识别的遥感技术。它能够揭示出地物的光谱特征， 反映地物的空间、形态、结构等信息，具有很高的空间分辨率和光谱分辨率。
一、高光谱遥感技术概述
高光谱遥感技术的应用，为地球表面的资源调查、环境监测、精准农业等提 供了强有力的技术支持。
四、未来展望
四、未来展望
针对现有问题和未来发展趋势，高光谱遥感技术的研究和应用将朝着以下几 个方向发展：
1、降低成本：通过研发成本更低的硬件设备和优化数据处理算法，降低高光 谱遥感技术的数据采集和处理成本，促进其广泛应用。
四、未来展望
2、提高精度：通过对数据处理算法和模型的深入研究和完善，提高高光谱遥 感技术的分类精度和识别精度。
三、高光谱遥感技术的应用现状
高光谱遥感技术可以用于土地资源调查、土地利用规划、土地资源保护等方 面的应用。例如，通过对不同土地类型的光谱特征进行分析，可以实现对土地类 型的精细分类和利用评估。
三、高光谱遥感技术的应用现状
在农作物监测方面，高光谱遥感技术可以用于农作物的生长状态监测、产量 预测、品质评估等方面的应用。例如，通过测量农作物的叶绿素含量和水分含量 等光谱特征，可以判断农作物的生长状况和预测产量。此外，高光谱遥感技术在 地质勘察、城市规划、军事侦察等领域也有广泛的应用。
高光谱遥感技术的应用前景
高光谱遥感技术的应用前景随着科技的不断发展，遥感技术越来越成为人们了解和掌握地球信息的有力工具，而高光谱遥感技术就是其中一种很重要的技术。
高光谱遥感技术能够提供比传统遥感技术更丰富和精细的地球信息，因而在许多领域都有广泛应用，从环境保护、水资源管理到农药使用管理等等，都有着广泛的应用前景。
一、高光谱遥感技术的基本原理和特点高光谱遥感技术是指遥感技术中利用高光谱仪器获取并记录地物反射光谱的过程。
高光谱遥感技术相比于传统遥感技术，不仅能够获取到地物的空间和光晕信息，还能够获取到更高的光谱分辨率，能够对地物的光谱反射进行更精确的分析。
高光谱遥感技术有着广泛的应用范围，既能用于地表覆盖和生态环境监测，也能用于资源勘探和开发。
高光谱遥感技术数据的处理通常是建立在一个多波段反射率数据集上，数据集中每个像素的反射率都被记录在不同波长的光谱带中。
二、高光谱遥感在环境保护中的应用高光谱遥感技术在环境监测与评估中有着广泛的应用，可以用于监测和掌握地球上的各种环境指标，比如水质检测、空气污染等等。
在水资源管理中，高光谱遥感技术可用于测定水体水质、流速等水文参数，还可以追踪水文演化、水生生态系统变化等。
在空气污染的识别、区分和定量化监测方面，高光谱遥感技术也无疑是非常有用的。
能够捕获不同类型的污染物质与混合物在光谱上的独特的“指纹”，通过这些指纹可以对目标物质进行识别和区分。
这种技术可以适用于城市和工业区域、矿山地区、较为多源的汽车尾气等。
三、高光谱遥感在农业中的应用高光谱遥感技术在农业中的应用是多方面的，例如识别不同的植物覆盖、追踪作物生长等。
针对农业领域，高光谱遥感技术能够提供更为精确和准确的地物分类、植被指数、作物监测和干旱指数等信息，还可以对农药使用管理等方面进行科学决策和预测。
例如，在干旱监测上，采用高光谱遥感获取显著的有机物光谱特征，从而可制定地表和植被湿度指数，进而进行干旱程度分级评估。
这种技术可用于种植业、水资源管理、生态学和气候模型研究等领域。
高光谱遥感的原理及应用
高光谱遥感的原理及应用1. 概述高光谱遥感是一种在更多波段上获取图像数据的遥感技术。
与传统的遥感技术相比，高光谱遥感可以捕捉更丰富的光谱信息，对地表物质进行更精细的分类与分析。
本文将介绍高光谱遥感的基本原理和其在各个领域的应用。
2. 基本原理在高光谱遥感中，传感器能够获取地表物质在连续的较窄波段范围内反射或辐射的能量。
这些数据形成了一个高光谱数据立方体，其中的每个像素都包含了多个波段的光谱信息。
高光谱遥感数据的采集过程包括以下几个步骤：•辐射校正：对于每个波段的数据，需要进行辐射校正，将辐射强度转换为辐射亮度温度或辐射亮度值。
•大气校正：由于大气对辐射的吸收和散射会对数据产生影响，需要进行大气校正以消除这些影响。
•几何校正：将采集到的数据进行几何校正，使其与地表物质之间的关系更加精确。
•光谱校正：由于传感器的响应可能会随时间而变化，需要进行光谱校正以使数据具有更高的精度和一致性。
3. 应用领域高光谱遥感技术在许多领域中都有广泛的应用，下面将介绍其中的几个主要领域。
3.1 农业高光谱遥感可以提供农作物的生长状况和营养需求的信息，帮助农民制定合理的施肥和灌溉计划。
通过监测作物的反射光谱，可以检测到病虫害的存在并进行预警。
此外，高光谱遥感还能够分析土壤特性，评估土壤质量和植被覆盖度。
3.2 环境监测高光谱遥感可以用于监测和评估环境变化及污染状况。
通过分析海洋、湖泊和河流的水质，可以检测到水体中的有害物质和蓝藻水华等问题。
同时，利用高光谱遥感技术还可以监测空气质量，识别并追踪大气污染源。
3.3 建筑与城市规划高光谱遥感可以提供高精度的地物分类和识别能力，有助于建筑和城市规划的设计与评估。
通过分析建筑物材料的光谱特征，可以对建筑物进行3D建模和监测。
此外，在城市规划中，高光谱遥感可以用于检测土地利用、土地覆盖和城市扩展等方面的变化。
3.4 自然资源管理高光谱遥感技术在自然资源管理中有广泛的应用。
利用高光谱遥感数据，可以对森林、湿地和荒漠等自然环境进行监测和分析。
高光谱遥感在深空探测的应用
Fig. 1 Cassini VIMS observations of the Moon on 19 August 1999.
18
Roger N. Clark Science 2009;326:562-564
Published by AAAS
Fig. 2 (A) Average VIMS spectra for the three regions indicated in Fig. 1C.
3
目录
水星 火星 月球 木卫二和土卫三
小行星
地球
4
水星
水星（英语：Mercury，拉丁语： Mercurius）是太阳系八大行星最内 侧也是最小的一颗行星，也是离太阳 最近的行星。符号为☿， 中国称为辰 星，有着八大行星中最大的轨道偏心 率。它每87.968个地球日绕行太阳一 周，而每公转2.01周同时也自转3圈。
R. E. Arvidson et al. Science 2005;307:1591-1594
Published by AAAS
12
Fig. 2. (A) THEMIS scaled daytime infrared image subframe showing major geomorphic units including etched terrain materials exposed on a plateau and in a valley.
Roger N. Clark Science 2009;326:562-564
Published by AAAS
21
IIM
22
Major elements and Mg# of the Moon: Results from Chang’E-1 Interference Imaging Spectrometer (IIM) data
使用高光谱遥感数据进行农田作物分类的方法
使用高光谱遥感数据进行农田作物分类的方法高光谱遥感数据是一种应用于农田作物分类的有效工具。
随着遥感技术的不断发展，高光谱遥感数据具有丰富的光学信息，可以提供大量细致的光谱特征，从而使得农田作物分类更加准确和可靠。
本文将探讨使用高光谱遥感数据进行农田作物分类的方法及其应用前景。
一、高光谱遥感数据的优势高光谱遥感数据可以获取到作物的光谱特性，通过分析这些光谱特性，可以得到作物的光着色、叶绿素含量以及生理状态等信息。
相比于传统遥感数据，高光谱数据具备更细致和丰富的光谱信息，可以提供更准确的分类结果。
此外，高光谱数据还具有较高的空间分辨率，可以对农田作物进行更精细的分类和定量分析。
二、高光谱遥感数据的分类方法1. 光谱特征提取在进行农田作物分类之前，需要首先提取高光谱遥感数据中的光谱特征。
这可以通过统计数据中每个波段的反射率、吸收率等光谱特性来实现。
在提取过程中，可以应用一些统计学和数学方法，如主成分分析、小波变换等，以获取到更有代表性的光谱特征。
2. 特征选择由于高光谱遥感数据中的波段较多，其中一些波段可能对农田作物分类无用。
因此，在进行作物分类前，需要进行特征选择，以减少冗余信息和降低维度。
常用的特征选择方法包括相关系数法、信息增益法、最大信息系数法等。
3. 分类算法高光谱遥感数据的分类算法可以分为监督学习和非监督学习两种。
常用的监督学习方法有支持向量机、最大似然法、随机森林等；非监督学习方法包括K-means聚类、主成分分析等。
这些算法可以利用提取的光谱特征进行训练和分类，从而得到农田作物的分类结果。
三、高光谱遥感数据在农田作物分类中的应用高光谱遥感数据在农田作物分类中具有广泛的应用前景。
首先，通过对作物的光谱特征分析，可以对作物的生长状态、病虫害情况等进行快速、准确的评估。
其次，在监测农田作物类型和分布方面，高光谱遥感数据能够提供更详细、全面的信息，从而为农业生产提供科学依据。
此外，高光谱遥感数据还可以用于农田作物变化监测、精准施肥、灾害风险评估等方面。
高光谱遥感
高光谱遥感• • • •高光谱遥感的基本概念 高光谱遥感器及平台简介 高光谱遥感技术 高光谱应用概况高光谱遥感的基本概念• 高光谱分辨率（简称为高光谱）遥感或成像光 谱遥感技术的发展是过去二十年中人类在对地 观测方面所取得的重大技术突破之一，是当前 遥感的前沿技术。
它是指利用很多很窄的电磁 波波段获取许多非常窄且光谱连续的图像数据 的技术，融合了成像技术和光谱技术，准实时 地获取研究对象的影像和每个像元的光谱分布。
国际遥感界认为光谱分辨率在10-1λ数量级范围内的为多 光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区 只有几个波段，如美陆地卫星TM和法国SPOT卫星等; 光谱分 辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。
由 于其光谱分辨率高达纳米(nm)数量级，往往具有波段多的特 点，即在可见到近红外光谱区其光谱通道多达数十甚至超过 100以上。
随着遥感光谱分辨率的进一步提高，在达到10-3λ 时，遥感即进入了超高光谱(Ultraspectral)阶段 、光谱区域（nm） ： 400 700 1100 2500 5500 14000VIS VNIRPIRMIRSunlight 光谱分辨率 波段数 多光谱 高光谱 5-10 100-200 Δλ/λ 0.1 0.01 VNIR 50-100 5-20IRTMIR 100-200 10-50IRT 1000-2000 100-500高光谱遥感的基本概念高光谱遥感起源于20世纪70年代初的多光谱遥 感,它将成像技术与光谱技术结合在一起,在对目标 的空间特征成像的同时,对每个空间像元经过色散 形成几十乃至几百个窄波段以进行连续的光谱覆 盖,这样形成的遥感数据可以用“图像立方体”来形 象的描述.同传统遥感技术相比, 其所获取的图像包 含了丰富的空间,辐射和光谱三重信息。
高光谱遥感的基本概念高光谱遥感的基础是波谱学，早在20世纪初波 谱学就被用于识别分子和原子的结构。
高光谱遥感的应用
在外星探测中，有火星探测 热红外高光谱仪等，中 国和印度的探月计划中也将搭载高光谱仪。
基于高光谱数据的矿物精细识别
利用高光谱遥感（含热红外高光谱）进行矿 物识别可分为 3 个层次：
矿物种类识别 矿物含量识别 矿物成分识别
3.混合光谱分解技术
用以确定在同一像元内不同地物光谱成分所 占的比例或非已知成分。因为不同地物光谱成 分的混合会改变波段的深度，波段的位置，宽 度，面积和吸收的程度等。这种技术采用矩形 方程，神经元网络方法以及光谱吸收指数技术 等，求出在给定像元内各成分光谱的比例。
4.光谱分类技术
主要的方法包括传统的最大似然方法、人工 神经网络方法、支持向量机方法和光谱角 制图方法（Spectral Angel Map-per, SAM）。
5.光谱维特征提取方法
可以按照一定的准则直接从原始空间中选 出一个子空间；或者在原特征空间之间找到 某种映射关系。这一方法是以主成分分析为 基础的改进方法。
6、模型方法
是模型矿物和岩石反射光谱的各种模型方法 。 因为高光谱测量数据可以提供连续的光谱抽样 信息，这种细微的光谱模型特征是模型计算一 改传统的统计模型方法建立起确定性模型方法。 因而，模型方法可以提供更有效和更可靠的分 析结果。
植被遥感研究的分析方法，除了应用于地质分析中的一些 方法外，主要有以下几种技术：
1、多元统计分析技术 用原始的光谱反射率或经微分变换、对数变换、植被指数变换或其
他数学变换后的 数据作为自变量，以叶面指数、生物量、叶绿素含量
等作为因变量，建立多元回归预测模型来估计或预测生物物理模型和 生物化学参数。 2、基于光谱波长位置变量的分析技术
高光谱遥感技术的原理与应用
高光谱遥感技术的原理与应用近年来，随着科学技术的不断发展，高光谱遥感技术在地球科学、环境监测、农业等领域的应用逐渐得到了广泛的关注。
高光谱遥感技术通过获取物体在可见光及近红外波段的反射、辐射或散射光谱信息，对地球表面进行非接触式的遥感观测。
本文将围绕高光谱遥感技术的原理和应用展开论述。
一、高光谱遥感技术的原理1. 光谱分辨率高光谱遥感技术利用传感器获取地物反射光谱，其分辨率是对光谱信息进行观测和采集的能力。
传统的遥感技术多采用较低的光谱分辨率，只能获取几种光谱波段的信息。
而高光谱遥感技术则采用更高的光谱分辨率，可以获取数十到上百个连续的光谱波段信息。
通过这些连续的光谱数据，可以对地物的光谱特征进行更加精细的分析和识别。
2. 光谱特征提取高光谱遥感技术利用物体在不同频谱波段上的反射光谱特征，对地物进行识别和分类。
不同的物体或地物在光谱上会产生不同的反射率曲线，形成独特的光谱特征。
通过对这些光谱特征进行提取和分析，可以识别地物的种类、分布和状态等信息。
例如，通过高光谱遥感技术可以区分不同类型的植被，检测到植被的健康状况和生长状态。
3. 光谱图像处理高光谱遥感技术获取的数据是大量的光谱图像，需要进行图像处理和分析。
常见的光谱图像处理方法包括光谱反射率校正、光谱特征提取、光谱曲线匹配等。
光谱反射率校正是指根据大气光学模型，对光谱数据进行大气校正，消除大气散射和吸收对光谱数据的影响。
光谱特征提取是指通过算法和模型，从光谱数据中提取出地物的光谱特征，用于地物的分类和识别。
光谱曲线匹配是指将高光谱数据与已知的光谱库进行比对，进一步确定地物类型。
二、高光谱遥感技术的应用1. 地质勘探高光谱遥感技术可以通过对地壳中不同矿物质的光谱特征进行分析，实现矿产资源的勘探和识别。
不同的矿物质在光谱分布上有独特的特征峰值，通过对这些特征进行提取和分析，可以确定地下的矿产类型和储量。
同时，高光谱遥感技术还可以监测地质灾害，如岩层滑坡、地震活动等，为地质灾害防治提供重要的科学依据。
高光谱遥感技术在树木种类分类中的应用
高光谱遥感技术在树木种类分类中的应用Ⅰ、引言随着遥感技术不断的发展，高光谱遥感技术作为一种新型的遥感技术，已逐渐应用于许多领域。
其中，树木种类分类是高光谱遥感技术重要的应用领域之一。
本文将介绍高光谱遥感技术在树木种类分类中的应用。
Ⅱ、高光谱遥感技术的原理高光谱遥感技术与传统遥感技术不同之处在于它可以对各种物质的反射率进行精细的测量，而传统遥感技术只能通过测量物体的总反射率来分析和研究物体的性质。
高光谱遥感技术是利用光谱分辨率很高的遥感器来收集的反射率数据，因此被称为高光谱数据。
Ⅲ、高光谱遥感技术在树木种类分类中的应用3.1 植物物种的光谱响应特征每种植物物种都有独特的光谱特征，即不同种类的植物，它们在不同波段上的光谱反射率有明显的差异。
也就是说，不同种类的植物在光谱上有着独特的反射特征，这为基于高光谱遥感数据的植被分类提供了基础。
3.2 树木种类分类的流程（1）采集高光谱数据采集高光谱数据是进行树木种类分类的第一步，在这个过程中，使用高光谱遥感仪对目标区域进行数字化采样，获取场地的高光谱数据。
（2）数据预处理对采集回来的数据进行预处理，包括数据校正、大气校正、去除杂散光等。
（3）特征提取高光谱数据中的一些通道会包含有用的区分不同树木种类的光谱信息，可以利用这些信息区分不同的树木种类。
将这些有用的通道提取出来，可以得到树木种类分类需要的特征。
（4）分类算法在得到树木种类分类需要的特征后，可以使用机器学习中的分类算法对数据集进行分类。
通常使用的算法包括支持向量机，最大似然法等。
（5）分类结果评价分类结果评价是对分类的准确性进行衡量，可以使用混淆矩阵、精度、召回率等指标来进行评价。
3.3 高光谱遥感技术在树木种类分类中的优势高光谱遥感技术在树木种类分类中有着很多优势。
相比于传统遥感技术，高光谱遥感技术采集的数据更为精细，可以提供更多的光谱信息。
通过分析植物的光谱反射率，可以提取出不同植物种类特有的光学特性，从而实现植物分类。
高光谱遥感
EO-1
Landsat-7
1
mi
n
29 min
Terra
表 Hyperion主要技术参数
中国的环境与减灾1号卫星高光谱成像仪
• 高光谱遥感信息成像机理
➢ 高光谱遥感器接收到入瞳辐射后通过探测器产生电信号，在经过增益和模数转 换（A/D）产生遥感影像数值（DN）。遥感器的空间响应、光谱响应和辐射响应决 定了输出图像的信息特征。进入传感器的辐射量通过光学系统后，由分光器件分成 不同的光谱段后到达探测器焦平面转换为测量值。该测量值的大小直接与探测器的 光谱响应率相关，从而又与光学系统的透过率和探测器的光谱灵敏度相关联。
三、高光谱遥感器的发展
❖ 70年代末，美国加州理工学院喷气推进实验室（JPL）
学者提出。
❖ 1983年，世界上第一台成像光谱仪问世，AIS-1
（Airborne Imaging Spectrometer）问世，64波段。
❖ 1987年，航空可见光/红外成像光谱仪AVIRIS，224波段 ❖ 2000年第一台星载高分辨率成像光谱仪 HYPERION升空。 ❖ 1991年，中国第一台航空成像光谱仪（MAIS）运行
➢ 第一代成像光谱仪称航空成像光谱仪AIS(Airborne
Imaging Spectrometer)，64个通道，光谱覆盖范围从990nm-2400nm, 光谱分辨率9.3nm。
➢ 第二代成像光谱仪称航空可见光、近红外成像光谱仪
AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)，224个通道， 光谱范围410nm-2450nm，光谱分辨率10nm。
❖多光谱遥感（Multirspectral Remote Sensing），光谱分 辨率为波长 的1/10数量级范围（几十个至几百个nm）；
高光谱遥感技术在林业中的应用
4、农业环境监测
4、农业环境监测
高光谱技术还可以用于农业环境的监测。例如，通过对土壤湿度、土壤养分 等环境因子的监测和分析，可以了解土壤的状况和环境变化对作物生长的影响， 为农业生产提供环境监测和决策支持。
4、农业环境监测
结论 高光谱技术在农业遥感中的应用具有广泛的前景和重要的意义。通过对作物 生长状况、病虫害预警、产量估算以及农业环境监测等方面的应用，可以为农业 生产提供更加精准、高效的管理手段和决策支持。然而，高光谱技术在农业遥感 中的应用仍面临一些挑战，
二、高光谱技术在农业遥感中的 应用
1、作物生长监测
1、作物生长监测
高光谱技术可以捕捉到作物的生长状况和营养状况，通过对光谱数据的分析， 可以及时了解作物的生长状况，为农业生产提供决策支持。例如，通过监测作物 的叶绿素含量，可以判断作物的营养状况，及时进行施肥等管理措施。
2、病虫害预警
2、病虫害预警
高光谱技术可以捕捉到作物病虫害的发生和发展情况。当作物受到病虫害侵 袭时，其光谱特征会发生明显变化。通过实时监测作物的光谱信息，可以及时发 现病虫害的发生，为农业生产提供预警和防治措施。
3、产量估算
3、产量估算
高光谱技术可以通过对作物冠层的光谱信息进行测量和分析，预测作物的产 量。通过对不同生长阶段的光谱数据进行比较和分析，可以得出作物的生长趋势 和产量预测。这种方法可以为农业生产提供产量预测和决策支持。
2、数据预处理
2、数据预处理
获取的高光谱遥感数据需要进行一定的预处理，以满足后续分析和解译的需 要。主要包括定标定常、辐射定标、大气校正等步骤。这些处理过程可以消除遥 感数据的系统误差和畸变，提高数据的准确性和精度。
3、数据分析
3、数据分析
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高光谱遥感技术的介绍及应用在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测。
最近几十年，随着空间技术、计算机技术、传感器技术等与遥感密切相关学科技术的飞速发展，遥感正在进入一个以高光谱遥感技术、微波遥感技术为主要标志的时代。
本文简要介绍了高光谱遥感技术的特点、发展状况及其在一些领域的应用。
1 高光谱遥感简介1.1高光谱遥感概念所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感，通常>100nm，且波段并不连续。
高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。
它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。
高光谱遥感技术是近些年来迅速发展起来的一种全新遥感技术，它是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。
在成像过程中，它利用成像光谱仪以纳米级的光谱分辨率，以几十或几百个波段同时对地表地物像，能够获得地物的连续光谱信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，因而在相关领域具有巨大的应用价值和广阔的发展前景。
1.2高光谱遥感数据的特点同其他常用的遥感手段相比,成像光谱仪获得的数据具有以下特点:1）、多波段、波段宽度窄、光谱分辨率高。
波段宽度< 10 nm ，波段数较多光谱遥感(由几个离散的波段组成)大大增多，在可见光和近红外波段可达几十到几百个。
如A VIRIS在0. 4～214 波段范围内提供了224 个波段。
研究表明许多地物的吸收特征在吸收峰深度一半处的宽度为20～40 nm。
这是传统的多光谱等遥感技术所不能分辨的(多光谱遥感波段宽度在100～200 nm 之间)，而高光谱遥感甚至光谱分辨率更高的超光谱遥感却能对地物的吸收光谱特征进行很好的识别，这使得过去以定性、半定量的遥感向定量遥感发展的进程被大大加快。
另外，在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生一条完整、连续的光谱曲线，即所谓的“谱像合一”，它是高光谱成像技术的一大特点。
2）、由于波段众多，波段窄且连续，相邻波段具有很高的相关性，使得高光数据量巨大(一次获取数据可达千兆G B 级) 、相性大，尤其在相邻的通道间，具有很大的数据冗余3）、光谱分辨率高。
成像光谱仪采样的间隔小，一般为10nm左右。
精细的光谱分辨率反映了地物光谱的细微特征，使得在光谱域内进行遥感定量分析和研究地物的化学分析成为可能。
4）、空间分辨率较高。
相对于MSS (80m) 、TM(30m)和SPOT/ HRV的多波段图像(20m) ，目前实用成像光谱仪有着较高的空间分辨率，加之其高光谱分辨率的特性，使得该种类型的传感器具有广阔的应用前景。
2 高光谱遥感的发展2.1高光谱成像技术的发展及传感器如果把多光谱扫描成像的MSS(multi2spectralscanner)和TM(thematic mapper)作为遥感技术发展的第一代和第二代的话，那么高光谱成像(hyperspectralimagery)技术则是第三代的成像技术。
美国的成像技术发展较早，从20世纪80年代至今已经研制了三代高光谱成像光谱仪。
第一代成像光谱仪称航空成像光谱仪AIS，是由美国国家航空和航天管理局(NASA)所属的喷气推进实验室JP L设计，已于1984～1986年装在NASA 的C - 130飞机上使用。
这是一台装有二维、近红外阵列探测器的实验仪器，有128个通道，光谱覆盖范围从112～214μm ,并在内华达Cuprite地区的应用中取得很好的效果。
第二代成像光谱仪称航空可见光、近红外成像光谱仪A VIRIS，有224个通道，光谱范围为0141～2145μm。
每个通道的波段宽约为10nm ，曾放在改装后的高空U2飞机上使用，为目前最常用的航空光谱仪之一。
基于NASA仪器的成功应用及采矿工业和石油工业的需求，在A VIRIS之后，地球物理环境研究公司GE又研制了1台64 通道的高光谱分辨率扫描仪GERIS。
其中63个通道为高光谱分辨率扫描仪，第64通道是用来存储航空陀螺信息。
该仪器由个单独的线性阵列探测器的光栅分光计组成。
它与其他仪器的区别是在不同的光谱范围区内，通道的光谱宽度是不同的。
第三代高光谱成像光谱仪为克里斯特里尔傅立叶变换高光谱成像仪FTHSI，适合在Cessna - 206 轻型飞机上使用。
它的重量为35kg ，采用256通道，光谱范围为400～1050nm ，有2～10nm的光谱分辨率，视场角为150°。
在国内，成像光谱仪的研制工作由于跟踪国际前沿技术,成像光谱仪的研制已跻身于国际先进行列。
先后研制成功了多光谱扫描仪、红外细分光谱扫描仪FIMS、热红外多光谱扫描仪TIMS、19波段多光谱扫描仪AMSS、71波段多光谱机载成像光谱仪MAIS、128波段OMIS系统、244波段的推扫式成像仪PHI 等。
2.2高光谱数据处理技术的发展尽管成像光谱仪具有其独特的优越性,但其数据量巨大，为应用和分析带来不便。
在国内外成像光谱仪的遥感应用研究中，研究人员为高效利用成像光谱仪数据,充分发挥其高光谱分辨率和空间分辨率方面做出了许多尝试，所采用的方法可归纳为两大类。
2.2.1基于纯像元的分析方法1)、基于成因分析的光谱分析方法基于成因分析的方法研究地物的光谱特性，从地物光谱特征上发现表征地物的特征光谱区间和参数最常用的是各种各样的植被指数。
这种方法普遍用于MSS 和 TM图像的处理和分析应用中。
成像光谱仪问世以后,许多研究人员沿用了这种方法，利用成像光谱仪数据的高光谱分辨率，选取影像的波段，发展了许多更为精细的植被指数。
与此相对的方法，是地物光谱重建和重建的光谱与数据库光谱的匹配识别。
这一方法通过对比分析地面实测的地物光谱曲线和由成像光谱仪图像得到的光谱曲线来区分地物。
为了提高成像光谱仪数据分析处理的效率和速度，一般要对这些曲线进行编码或者提取表征曲线的参数。
“光谱匹配”是利用成像光谱仪探测数据进行地物分析的主要方法之一，但由于野外实际情况的复杂性，很难建立一个比较通用的地物光谱库，这就限制了利用该法进行分析，目前仅仅在比较小的范围内(如岩石成分分析等)取得成功的运用。
2）、基于统计分析的图像分类和分析基于统计分析的图像分类和分析认为每一波段的图像为随机变量，基于概率统计理论进行多维随机向量的分类。
成像光谱仪图像波段多，分类很大程度上受限于数据的维数，面对数百个波段的数据，如果全部用于分类研究，在时间上往往是无法接受的。
因此在图像分类之前必须压缩波段，同时又要尽可能地保留信息，即进行“降维”的研究。
目前，压缩波段有两种途径，一是从众多的波段中挑选感兴趣的若干波段；二是利用所有波段，通过数学变换来压缩波段，最常用的如主成分分析法等。
基于统计分析的图像分类和分析在理论上比较严谨，所以需要有充分的数据地学特征，否则得到的结果有时是不明确的物理解释。
2.2.2基于混合像元的分析方法由于传感器空间分辨率的限制以及地物的复杂多样性，混合像元普遍存在于遥感图像中，对地面地物分布比较复杂的区域尤其如此。
如果将该像元归为一类，势必会带来分类误差，导致精度下降，不能反映真实的地物覆盖情况。
概括起来，混合模型主要有两类，即线性光谱混合模型和非线性光谱混合模型。
线性混合模型是迄今为止最受欢迎且使用最多的一种模型，其突出优点是简单。
虽然它只能分离与波段数目相同的类别，但对于有着数百个波段的高光谱数据，完全可以克服这种限制。
对于非线性混合模型可以利用某些方法来使之线性化，从而简化为线性模型。
近年来，混合像元的研究中比较有代表性的当属美国Maryland 大学的Chang 等人和英国Surey 大学的Bosdogianni 等人所做的研究。
前者于1994 年提出OSP (Orthog onal Subspace Projection) 法之后，又相继开发和介绍了一系列基于OSP 的方法，并将K alman滤波器用于线性混合模型中。
这种线性分离Kalman滤波器不仅可以检测到像元内各种特征丰度的突然变化，而且能够检测对分类有用的目标特征。
Bosdogianni 等人利用遥感技术对火灾后的森林及生态环境进行长期监测，建立了高阶矩的混和模型，同时他们也提出了利用Houghes 变换进行混合像元分类的方法。
总之，与高光谱遥感的硬件发展相比，高光谱数据的处理技术显得相对滞后。
但由于高光谱数据的巨大优势，世界各国都将继续加强相关研究。
在美国，NASA已把机载A VIRIS作为星载的雏形进行研究，并对高光谱图像所特有的一些难题，如高数据维的减小、算法复杂性等，进行重点攻关，并已研究出智能化比较高的实用高光谱图像处理系统，如成像光谱集成软件包ISIS、为卫星和航空高光谱遥感数据处理分析而设计的ENVI影像处理系统、著名的ERDAS影像处理系统等。
在20 世纪80 年代中后期，我国开始着手发展高光谱图像处理系统，并积极开展国际合作，承担了一系列成像光谱技术研究，推动了高光谱遥感在国内的发展。
但总体来看，国内高光谱图像的应用研究还处于起步阶段，大部分集中于成像光谱仪的定标及一些辐射校正研究，目前还没有比较成形的高光谱图像处理系统。
3 高光谱遥感技术的应用高光谱遥感的发展历史虽然只有短短二十年的时间,但在很多国家、许多领域已得到了越来越广泛的应用,尤其是在地质和植被方面,该技术成为对目标地物进行定性,特别是定量研究、调查的一种重要手段。
3.1高光谱遥感在地质中的应用3.1.1矿物成分识别高光谱矿物精细识别包括对矿物亚类的识别、矿物组成成分探测、矿物丰度信息提取等矿物微观信息的探测。
研究矿物光谱的精细特征与矿物微观信息之间的关系，不仅可以增加矿物识别的种类，还将直接反演地质成生环境。
同时，通过高光谱矿物精细识别将具有地质指示意义的特征物质条件有机地联系起来，更好地促进高光谱技术在基础地质、矿产资源评价与矿山污染监测等领域的深入应用。
3.1.2基于高光谱的地质成因环境探测在高光谱分辨率下，能够容易检测矿物光谱随某些特定元素（比如Al Ca 等）含量的增加而发生漂移的现象，并可能以此特征光谱作为变量来表征矿物中化合物的含量。
在地质作用过程中，矿物组成元素发生类质同象置换，如白云母类Al 与(Fe、Mg) 置换，生成钠云母、白云母、多硅白云母及富Al或Al白云母。
绿泥石和黑云母类发生Fe2+与Mg 置换、赤铁矿和褐铁矿中Al与Fe3+置换、碱性长石中Na与K置换、斜长石中Ca与Na 置换等，造成矿物中某一组成元素失衡。