高光谱遥感的应用(课堂PPT)
合集下载
高光谱遥感第三章ppt课件
Lt
DN -b a
a (增益系数)，b (暗电流)
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
第三章
高光谱遥感图像
辐射与几何校正
场地定标常用方法：
- 反射率法 - 辐亮度法 - 辐照度法
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
第三章
高光谱遥感图像
辐射与几何校正
辐射传输方程为
dI dz
I
sI
B
sJ
是介质所有气体及粒子的吸收系数之和
是
s
介
质
所
有
气
体
及粒
子
的
散
射
系
数
之
和
B是介质热发射能量
病原体侵入机体，消弱机体防御机能 ，破坏 机体内 环境的 相对稳 定性， 且在一 定部位 生长繁 殖，引 起不同 程度的 病理生 理过程
第三章
高光谱遥感图像
辐射与几何校正
（3）场地定标 辐射校正场包括 敦煌陆面试验场和青海湖水面试验场；
辐射标准和设备定标实验室； 光学特性和环境参数观测实验室； 辐射校正资料处理、存档和信息服务实验室
第三章
高光谱遥感图像
辐射与几何校正
• 6S模型（Second Simulation of the Satellite Signal in the Solar Spectrum）
福州大学空间中心遥感课件_第9讲高光谱
高光谱目标探测
概念：
1、分类：类别出现的概率大 2、目标探测：目标低概率小 采用方法： 1、分类：类间差别大，类内差别小 2、目标探测：尽量背景消除和噪声， 同时增强目标信号。 评价方法: 1、分类：分类整体误差最小，混淆矩阵 2、目标探测：NP准则，在虚警率一定水平下， 探测率最高（LRT)；ROC曲线
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
光谱特征提取与选择
ቤተ መጻሕፍቲ ባይዱ
混合像元分解
混合像元分解
目标光谱
实验结果
目标坐标：60*(3+6*I)+30, I=1,…,6,混合目标：rand*background+(1-rand)*target
加入目标
检测结果
目标坐标：1800+10*(I-1)+5,I=1,2,3,4,5,6
加入目标
检测结果
PHI高光谱数据
背景 目标
目标光谱：钙铁榴石 [0.4，2.5]
原始 AVIRIS影像
组分合成影像
误差影像
IEA提取的端元分布图
a
b
c
d
e
a：山体、阴影；b：黄钾铁矾；c：针铁矿；d：明矾； e：白云母；f：玉髓；g：高岭石；h：方解石
f
g
h
混合像元分解
可视化评价
混合像元分解
高光谱遥感分类
高光谱遥感的发展PPT课件.ppt
(4)基于光谱数据库的地物光谱匹配识别算法； (5)混合光谱分解模型； (6)基于光谱模型的地表生物物理化学过程与参数的识别和反演算
法
24
高光谱影像分析技术：
国内外关于成像光谱仪的遥感应用研究中，所采用 的分析方法可归纳为两大类：
一、 基于纯像元的分析方法 （1）。。。 （2）。。。
二、基于混合像元的分析方法
14
历史：
• 20世纪80年代兴起的新型对地观测技术——高光谱遥感技 术，始于成像光谱仪(Imaging Spectrometer)的研究计划。 该计划最早由美国加州理工学院喷气推进实验室（Jet Propulsion Lab，JPL）的一些学者提出。
• 1983年，世界第一台成像光谱仪AIS－1在美国研制成功， 并在矿物填图、植被生化特征等研究方面取得了成功，初 显了高光谱遥感的魅力。
➢ 成像光谱仪为每个像元提供数十个至数百个窄波段的光谱信 息，每个像元都能产生一条完整而连续的光谱曲线。这就是 高光谱遥感与常规遥感的主要区别。
➢ 如一个TM波段内只记录一个数据点，而航空可见光/红外光 成像光谱仪(AVIRIS)记录这一波段范围内的光谱信息用10个 以上数据点。
7
8
• 成像光谱技术则把遥感波段从几个、几十 个推向数百个、上千个。高光谱遥感数据 每个像元可以提供几乎连续的地物光谱曲 线，使我们利用高光谱反演陆地细节成为 可能。
28
高光谱的应用
• 由于高光谱图像具有很高的光谱分辨率，因而能够提 供更为丰富的地物细节，有利于地物物理化学特性的 反演。
（1）海洋遥感方面。 • 由于中分辨率成像光谱仪具有光谱覆盖范围广、分辨
率高和波段多等许多优点，因此已成为海洋水色、水 温的有效探测工具。它不仅可用于海水中叶绿素浓度、 悬浮泥沙含量、某些污染物和表层水温探测，也可用 于海冰、海岸带等的探测。
法
24
高光谱影像分析技术：
国内外关于成像光谱仪的遥感应用研究中，所采用 的分析方法可归纳为两大类：
一、 基于纯像元的分析方法 （1）。。。 （2）。。。
二、基于混合像元的分析方法
14
历史：
• 20世纪80年代兴起的新型对地观测技术——高光谱遥感技 术，始于成像光谱仪(Imaging Spectrometer)的研究计划。 该计划最早由美国加州理工学院喷气推进实验室（Jet Propulsion Lab，JPL）的一些学者提出。
• 1983年，世界第一台成像光谱仪AIS－1在美国研制成功， 并在矿物填图、植被生化特征等研究方面取得了成功，初 显了高光谱遥感的魅力。
➢ 成像光谱仪为每个像元提供数十个至数百个窄波段的光谱信 息，每个像元都能产生一条完整而连续的光谱曲线。这就是 高光谱遥感与常规遥感的主要区别。
➢ 如一个TM波段内只记录一个数据点，而航空可见光/红外光 成像光谱仪(AVIRIS)记录这一波段范围内的光谱信息用10个 以上数据点。
7
8
• 成像光谱技术则把遥感波段从几个、几十 个推向数百个、上千个。高光谱遥感数据 每个像元可以提供几乎连续的地物光谱曲 线，使我们利用高光谱反演陆地细节成为 可能。
28
高光谱的应用
• 由于高光谱图像具有很高的光谱分辨率，因而能够提 供更为丰富的地物细节，有利于地物物理化学特性的 反演。
（1）海洋遥感方面。 • 由于中分辨率成像光谱仪具有光谱覆盖范围广、分辨
率高和波段多等许多优点，因此已成为海洋水色、水 温的有效探测工具。它不仅可用于海水中叶绿素浓度、 悬浮泥沙含量、某些污染物和表层水温探测，也可用 于海冰、海岸带等的探测。
高光谱遥感第二章ppt课件
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
第二章 高光谱遥感成像机理与 成像光谱仪
我校现有设备 Headwall
- 成像光谱仪的光谱与辐射定标技术
第二章 高光谱遥感成像机理与 成像光谱仪
- 成像光谱信息处理技术
海量数据非失真压缩技术 高速化处理技术 辐射量的定量化和归一性 图像特征提取及三维谱像数据的可视化
第二章 高光谱遥感成像机理与 成像光谱仪
5 成像光谱仪的空间成像方式 高光谱遥感成像包括空间维成像和光谱维成
第二章 高光谱遥感成像机理与 成像光谱仪
1 基本概念
光谱学 成像技术
成像 光谱学
第二章 高光谱遥感成像机理与 成像光谱仪
(1) 光谱分辨率 —指探测器在波长方向上的记录宽度，又称为
波段宽度。
第二章 高光谱遥感成像机理与 成像光谱仪
(2) 空间分辨率—对于成像光谱仪，其空间分辨率 是由仪器的角分辨力，即仪器的瞬时视场角 （IFOV）决定的。
第二章 高光谱遥感成像机理与 成像光谱仪
- 二元光学元件成像光谱技术
二元光学元件沿轴向色散，利用面阵CCD 探测器沿光轴方向对所需波段的成像范围进行 扫描，每一位置对应相应波长的成像区。
- 三维成像光谱技术
三维成像光谱仪是在光栅色散型成像光谱 仪的基础上改进而来的，其核心是一个像分割 器，将二维图像分割转换为长带状图像。
(3）仪器的视场角（FOV）—指仪器的扫描镜在空中 扫过的角度。
第二章 高光谱遥感成像机理与 成像光谱仪
《高光谱遥感的发展》课件
高光谱遥感技术的发展趋势
提高数据获取能力
未来将进一步提高高光谱传感器的性 能，提高数据获取的精度和稳定性。
加强数据处理能力
未来将进一步发展人工智能、机器学 习等技术，提高数据处理的速度和精 度。
拓展应用领域
未来将进一步拓展高光谱遥感技术的 应用领域，如城市规划、资源调查、 灾害监测等。
加强技术交流与合作
从分割后的图像中提取地物的光谱特征，包括光谱曲线、谱带宽度 、谱带深度等。
地物分类与识别
利用提取的光谱特征，对地物进行分类和识别，常用的方法包括监 督分类、非监督分类和支持向量机等。
03
高光谱遥感技术发展现状
高光谱遥感传感器的发展
高光谱成像技术进步
随着技术的不断进步，高光谱成像传 感器在空间分辨率、光谱分辨率和辐 射分辨率等方面取得了显著提升，为 地物精细识别提供了有力支持。
新型传感器研发
科研人员正致力于开发新型的高光谱 传感器，如多角度高光谱传感器和热 红外高光谱传感器，以拓宽遥感的应 用领域。
高光谱数据处理技术的发展
数据处理算法优化
针对高光谱数据的处理，算法不断优 化以提高数据处理速度和准确性，例 如支持向量机、神经网络等机器学习 方法在高光谱分类和识别中的广泛应 用。
3
城市规划与管理
在城市规划与管理方面，高光谱遥感为城市发展 提供了丰富的空间和环境信息，有助于实现精细 化管理和可持续发展。
04
高光谱遥感技术面临的挑战与展 望
高光谱遥感技术面临的挑战
数据获取难度大
数据处理复杂度高
高光谱遥感技术需要获取大量的高光谱数 据，但受到传感器性能、天气条件等多种 因素的影响，数据获取难度较大。
资源调查与利用
遥感应用模型综述课件：02高光谱遥感原理概述
地质灾害
• 2000年4月9日，西藏雅鲁藏布江支流易贡河北岸 发生大滑坡，下滑的高约100m的岩土堆积体堵塞 了易贡湖的出口。在这种紧急情况下，国土资源 部以最快的速度收集了滑坡发生前后8个时相的 SPOT、LANDSAT、CBERS-1以及IKONOS等多 平台卫星数据，对滑坡堆积坝体溃决前后的灾情 进行监测，对滑坡的成因机理和运动趋势进行综 合分析，并随时向救灾指挥部汇报监测结果，为 抢险救灾决策提供了重要依据。
辐射定标包括相对定标和经验法 定标
• 相对定标只反映图像上各类地物反射率的 相对大小，同步地面定标，可进行经验法 定标
• 太原西山煤田 • 汝箕沟煤田 • 秦始皇陵区 • 西安市区 • 长安－户县（考古）
影响野外光谱的因素
• 大气透射率的影响 • 水蒸气的影响 • 风的影响 • 观测几何的影响（植被、自然地物）
光谱仪介绍
• 主要参数 • 基本配置
光谱分辨率与采样间隔
• 光谱分辨率：分光计所能区分的最窄的度 量单位
• 在定标图像或MNF变换后的图像上圈定目 标物（ROI），进行光谱提纯，排除异常点
• 对提纯后的ROI中所有像元进行统计，获得 均值光谱
• 建立光谱库
高光谱遥感飞行
• 飞行准备 • 高光谱飞行 • 图像质量评价
飞行前期准备
工作内容： • 调查了解飞行区的空间基本状况 • 选择野外定标点，规划飞行同步定标路线 • 编制野外调绘图
山峻岭，用眼睛观察岩石露头的工作方式，减轻了野外调查强度，加快了填 图速度。1978年起，在原国家计委的支持下，地矿部陆续为航遥中心和各省 遥感地质站引进了适用于低空和高空作业的遥感飞机、多种焦距的航摄仪、 多光谱扫描仪、热红外扫描仪、智能型红外地面光谱仪、自动化遥感图像冲 洗设备、光学彩色合成仪和彩色密度分割仪等遥感设备。1982年联合国开发 署援建的I2S-101图像处理系统又在航遥中心和四川遥感地质站投入运行，从 而使地矿部成为当时国内具有最强的航空遥感资料获取和卫星遥感数据处理 能力的部门之一。 • 80年代初，根据国务院的部署在全国开展了农区1∶1万、林区1∶2.5万、牧 区1∶5万～1∶10万土地资源调查，采用当时最先进的OR-1正射影像仪制作 正射影像图、航空相片、遥感卫星照片等资料进行野外调查和遥感解译，到 1996年，通过10余年的努力，首次全面摸清了我国8个一级类、46个二级类 土地利用分类面积，全面掌握了土地利用的分布状况，并建立起全国的土地 统计制度，为合理规划利用、依法全面统一管理土地奠定了基础。
高光谱与高空间分辨率遥感课件.ppt
光谱微分公式（以二阶为例）为：
''(i) ['(i 1 )'(i 1 )]/2
式中， i 为 波长， ' ( i ) 为波长 i 处的一阶微分光谱，
为相邻 两波段间的高光波谱与长高空间间分隔辨率。遥感课件
2、光谱积分 光谱积分就是求光谱曲线在某一波长范围内
的下覆面积。
2
f ( )d 1
高光谱与高空间分辨率遥感课件
由FLAASH模块取得相关参数后,影像反射率就可利 用辐射传输方程对逐个像元进行计算.步骤如下: ①通过计算Column water vapor 的量来计算 A,B,S和La.Column water vapor 在不同场景下 各不相同,运行几次不同水蒸气数量的MODTRAN 模型,构成一个查找表,每个像素可从该表中获得水 蒸气量,进一步计算A,B,S 和La.
高光谱与高空间分辨率遥感课件
2、回归分析 回归分析（regression analysis)是确定两种
或两种以上变数间相互依赖的定量关系的一种统 计分析方法。研究一个随机变量Y对另一个(X)或 一组(X1，X2，…，Xk)变量的相依关系的统计分 析方法。
高光谱与高空间分辨率遥感课件
三、实习仪器与数据 SPSS软件、EXCELL软件及玉米叶片反射光
实习一 光谱的微分和积分
一、实习目的
熟悉和掌握光谱的微分和积分的概念，利用相 关软件对植被高光谱数据进行微分和积分处理； 利用高光谱数据分析植被的“红边”等典型植被 高光谱特征。
高光谱与高空间分辨率遥感课件
二、原理与方法 1、光谱微分
光谱微分技术就是通过对反射光谱进行数学模 拟，计算不同阶数的微分值，以提取不同的光谱 参数。应用光谱微分技术能够部分消除大气效应、 植被环境背景（阴影、土壤等）的影响，以反映 植物的本质特征。
''(i) ['(i 1 )'(i 1 )]/2
式中， i 为 波长， ' ( i ) 为波长 i 处的一阶微分光谱，
为相邻 两波段间的高光波谱与长高空间间分隔辨率。遥感课件
2、光谱积分 光谱积分就是求光谱曲线在某一波长范围内
的下覆面积。
2
f ( )d 1
高光谱与高空间分辨率遥感课件
由FLAASH模块取得相关参数后,影像反射率就可利 用辐射传输方程对逐个像元进行计算.步骤如下: ①通过计算Column water vapor 的量来计算 A,B,S和La.Column water vapor 在不同场景下 各不相同,运行几次不同水蒸气数量的MODTRAN 模型,构成一个查找表,每个像素可从该表中获得水 蒸气量,进一步计算A,B,S 和La.
高光谱与高空间分辨率遥感课件
2、回归分析 回归分析（regression analysis)是确定两种
或两种以上变数间相互依赖的定量关系的一种统 计分析方法。研究一个随机变量Y对另一个(X)或 一组(X1，X2，…，Xk)变量的相依关系的统计分 析方法。
高光谱与高空间分辨率遥感课件
三、实习仪器与数据 SPSS软件、EXCELL软件及玉米叶片反射光
实习一 光谱的微分和积分
一、实习目的
熟悉和掌握光谱的微分和积分的概念，利用相 关软件对植被高光谱数据进行微分和积分处理； 利用高光谱数据分析植被的“红边”等典型植被 高光谱特征。
高光谱与高空间分辨率遥感课件
二、原理与方法 1、光谱微分
光谱微分技术就是通过对反射光谱进行数学模 拟，计算不同阶数的微分值，以提取不同的光谱 参数。应用光谱微分技术能够部分消除大气效应、 植被环境背景（阴影、土壤等）的影响，以反映 植物的本质特征。
高光谱遥感理论基础.pptx
30
地物反射率：主要在可见光、近红外波段反射太阳的辐射， 反射率等于物体的反射辐射通量与入射辐射通量之比
E
E
反射波谱特性曲线：是某物体的反射率（或反射辐射能）随 波长变化的规律，以波长为横坐标，反射率为纵坐标所得的 曲线即称为该物体的反射波谱特性曲线。
31
1.岩矿
高光谱遥感最早是人们研究岩石和矿物的光谱特性时提 出来的，因此，地质是高光谱遥感应用中最广泛的领域 之一。
33
2）分子振动产生光谱特征 晶体结构不同，受到外来能量的时候，发生振动 而产生的光谱特性并不一致。
3）除此之外，还受到温度和矿物粒度的影响，温度升高，向短 波方向移动。
34
岩石
野外的岩石光谱是矿物光谱的混合而成，可 见光和红外只有几厘米的穿透率，因此，分析岩石 表面情况很重要： （1）风化，水化物的影响 （2）岩石表面结构：颗粒减小，反射率增大 （3）岩石表面颜色：铁，碳的影响 （4）大气环境
26
• 野外光谱测量的光源主要来自三个方面：太阳直射，太阳散射和周围物体的散射光源。
27
光谱地面测量
以美国ASD公司生产的野外光谱分析仪 FieldSpec Pro为例，它是一种测量可见光到近 红外波段地物波谱的有效工具。它能快速扫描地 物，光纤探头能在毫秒内得到地物单一光谱。 可以测量：相对反射率，辐射照度与辐射亮度。
镜面反射(…) 清 ➢反地澈射水物近体在似可不漫达同反10波0射m段，的的深但反度各。射个率方是向不反同射的的。能量大小不同。 主 ➢地反要表集射物吸中率体收在是太的长阳可波反辐以，射射即测满后6定足μ具m的有反以。约射上3定0的0热律K红的，外温入区度射段，角。从而等形于成反自射身角的热。辐只射有，在其反峰值射波波长射为出9.6的6 μ方m向， ➢才时荧反能很光射探暗，率测，物也体到就被与电是单地磁这一物波个波的，原长表辐水因射面面造照颜是成射色近的而、似。发粗射的出糙镜另度面外和反一湿射种度波，长等在辐有遥射关感的。图现象像。上比水如面硫有化物时，很亮，有 ➢地物的反射光谱曲线：反射率随波长变化的曲线。
地物反射率：主要在可见光、近红外波段反射太阳的辐射， 反射率等于物体的反射辐射通量与入射辐射通量之比
E
E
反射波谱特性曲线：是某物体的反射率（或反射辐射能）随 波长变化的规律，以波长为横坐标，反射率为纵坐标所得的 曲线即称为该物体的反射波谱特性曲线。
31
1.岩矿
高光谱遥感最早是人们研究岩石和矿物的光谱特性时提 出来的，因此，地质是高光谱遥感应用中最广泛的领域 之一。
33
2）分子振动产生光谱特征 晶体结构不同，受到外来能量的时候，发生振动 而产生的光谱特性并不一致。
3）除此之外，还受到温度和矿物粒度的影响，温度升高，向短 波方向移动。
34
岩石
野外的岩石光谱是矿物光谱的混合而成，可 见光和红外只有几厘米的穿透率，因此，分析岩石 表面情况很重要： （1）风化，水化物的影响 （2）岩石表面结构：颗粒减小，反射率增大 （3）岩石表面颜色：铁，碳的影响 （4）大气环境
26
• 野外光谱测量的光源主要来自三个方面：太阳直射，太阳散射和周围物体的散射光源。
27
光谱地面测量
以美国ASD公司生产的野外光谱分析仪 FieldSpec Pro为例，它是一种测量可见光到近 红外波段地物波谱的有效工具。它能快速扫描地 物，光纤探头能在毫秒内得到地物单一光谱。 可以测量：相对反射率，辐射照度与辐射亮度。
镜面反射(…) 清 ➢反地澈射水物近体在似可不漫达同反10波0射m段，的的深但反度各。射个率方是向不反同射的的。能量大小不同。 主 ➢地反要表集射物吸中率体收在是太的长阳可波反辐以，射射即测满后6定足μ具m的有反以。约射上3定0的0热律K红的，外温入区度射段，角。从而等形于成反自射身角的热。辐只射有，在其反峰值射波波长射为出9.6的6 μ方m向， ➢才时荧反能很光射探暗，率测，物也体到就被与电是单地磁这一物波个波的，原长表辐水因射面面造照颜是成射色近的而、似。发粗射的出糙镜另度面外和反一湿射种度波，长等在辐有遥射关感的。图现象像。上比水如面硫有化物时，很亮，有 ➢地物的反射光谱曲线：反射率随波长变化的曲线。
高光谱遥感的应用演示教学
4.数据量大，信息冗余多。高光谱数据的波段 众多，其数据量巨大，而且由于相邻波段的相 关性高，信息冗余度增加。
5.数据描述模型多，分析更加灵活。高光谱 影像通常有三种描述模型：图像模型、光谱 模型与特征模型。
高光谱遥感应用在哪些方面：
一、高光谱遥感在地质调查中的应用 二、高光谱遥感在植被研究中的应用 三、高光谱遥感在其他领域中的应用
• 80 年代以来，高光谱遥感被广泛地应用于 地质、矿产资源及相关环境的调查中。
• 我国在20世纪80年代末开展了高(成像)光谱 技术的研究,取得了极大的进展
国内外高光谱地质应用技术与方法
1.光谱微分技术（spectral derivative） 2.光谱匹配技术 （spectral matching） 3.混合光谱分解技术（spectral unmixing） 4.光谱分类技术(spectral classification) 5.光谱特征提取（spectral feature extraction） 6.模型方法（modeling）
星载成像光谱仪美国的 Hyperion，德国的 EnMAP 和日本的 Hyper-X。
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
• 2003 欧空局的火星探测器 • 2007年中国发射的月球探测卫星嫦娥一号 • 2008年印度月船一号探月卫星 • 探测火星、月球的矿物种类及其分布、含
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。
第72章高光谱遥感图像分类ppt课件
28
初始类别参数的选定
初始类别参数是指：基准类别集群中心（数学期 望）以及集群分布的协方差矩阵。因为无论采用 何种判别函数，都要预先确定其初始类别的参量。 以下为几种常用的方法：
29
1、像素光谱特征的比较法
首先，在遥感图像中定义一个抽样集，它可以是整幅 图像的所有像素，但通常是按一定间隔抽样的像素；
15
欧几里德距离就是两点之间的直线距离。这是我们用的最多因 而也是最为熟悉的一种距离。与我们习惯用的距离一致。欧氏 距离的表达式为：
2. 欧几里德距离
n
2
di x k
x kj M ij
j1
欧氏距离中各特征参数也是等权的。 以上两种距离都称为明可夫斯基(Minkowski)距离（以下 简称明氏距离），使用明氏距离应该注意以下问题：
式中：Pwi 为先验概率，也就是在被分类的图像中类别wi出现的 概率。PX wi 为似然概率，它表示在 wi这一类中出现像元X的
概率。只要有一个已知的训练区域，用这些已知类别的像元做
统计就可以求出平均值及方差、协方差等特征参数，从而可以
求出总体的先验概率。在不知道的情况下，也可以认为所有的Pwi
为相同。Pwi X 为后验概率。PX 表示不管什么类别出现的概率：
31
初始类别参数的选定
19
3、最大似然监督分类
最大似然法是经典的分类方法，已在宽波段遥感图像分类
中普遍采用。它主要根据相似的光谱性质和属于某类的概率最
大的假设来指定每个像元的类别。MLC法最大优点是能快速指定
被分类像元到若干类之中的一类中去 。
从概率统计分析，要想判别某位置的向量属于哪一个类别，
判别函数要从条件概率 Pwi X i 1 , 2 , 3 , 来, m决定，
初始类别参数的选定
初始类别参数是指：基准类别集群中心（数学期 望）以及集群分布的协方差矩阵。因为无论采用 何种判别函数，都要预先确定其初始类别的参量。 以下为几种常用的方法：
29
1、像素光谱特征的比较法
首先，在遥感图像中定义一个抽样集，它可以是整幅 图像的所有像素，但通常是按一定间隔抽样的像素；
15
欧几里德距离就是两点之间的直线距离。这是我们用的最多因 而也是最为熟悉的一种距离。与我们习惯用的距离一致。欧氏 距离的表达式为：
2. 欧几里德距离
n
2
di x k
x kj M ij
j1
欧氏距离中各特征参数也是等权的。 以上两种距离都称为明可夫斯基(Minkowski)距离（以下 简称明氏距离），使用明氏距离应该注意以下问题：
式中：Pwi 为先验概率，也就是在被分类的图像中类别wi出现的 概率。PX wi 为似然概率，它表示在 wi这一类中出现像元X的
概率。只要有一个已知的训练区域，用这些已知类别的像元做
统计就可以求出平均值及方差、协方差等特征参数，从而可以
求出总体的先验概率。在不知道的情况下，也可以认为所有的Pwi
为相同。Pwi X 为后验概率。PX 表示不管什么类别出现的概率：
31
初始类别参数的选定
19
3、最大似然监督分类
最大似然法是经典的分类方法，已在宽波段遥感图像分类
中普遍采用。它主要根据相似的光谱性质和属于某类的概率最
大的假设来指定每个像元的类别。MLC法最大优点是能快速指定
被分类像元到若干类之中的一类中去 。
从概率统计分析，要想判别某位置的向量属于哪一个类别，
判别函数要从条件概率 Pwi X i 1 , 2 , 3 , 来, m决定，
高光谱遥感的应用.ppt
一、高光谱遥感在地质调查中的应用
高光谱地质应用的历史 国内外高光谱地质应用技术与方法 国内外高光谱地质应用主要进展 高光谱地质应用的领域与实例 存在的主要问题
高光谱地质应用的历史
从 20 世纪 70 年代末至 80 年代初美国提出高光谱遥 感概念模型并研制成像光谱仪以来，世界各国进行高光 谱遥感的应用。
是根据波长或其他参数的变换量为自变量，求得与因变量的关系来 估计因变量。 3、光学模型方法
是基于光学辐射传输理论的模型。 4、参数成图技术
根据所选择的预测模型，通过高光谱影像对每个像元计算单参数预 测值，并将其分类后成图。
三、高光谱遥感在其他领域中的 应用
1.大气遥感 2.水文与冰雪 3.环境与灾害 4.土壤调查 5.城市环境
1.光谱微分技术
包括对反射光谱进行数学模拟和计算不同阶数 的微分(差分)值，以确定光谱弯曲点和最大最小 反射率的波长位置。
光谱微分强调曲线的变化和压缩均值影响。 一阶微分去除部分线性或接近线性的背景、噪 声光谱对目标光谱（须为非线性的）的影响。
2.光谱匹配技术
是对地物光谱和实验室测量的参考光谱进行 匹配或地物光谱与参考光谱数据库比较，求得 它们之间的相似或差异性，一达到识别的目的。 两个光谱曲线的相似性常用计算的交叉相关系 数及绘制交叉相关曲线图来确定。
油气资源及灾害探测根据高光谱所识别出的矿物共生组合的关系进行地质成因环境分析根据高光谱对矿物组成成分信息的探测来分析地质成因环境在岩体侵位以及地质构造等地质作用下热液侵入物质置换等使源于矿体的矿物质发生扩散作用这些成分的变化在矿物光谱中有着或强或弱的表现通过对这些细微的变化的探测实现对地质作用演化信息的探测
80 年代以来，高光谱遥感被广泛地应用于地质、矿产 资源及相关环境的调查中。
阎广建《遥感原理》课件ch6高光谱遥感
4 0.0
±í £¨³Â
¼Í
Êö
Ïñ Á¢ · ½ Ìå
Åí µÈ £¬
· ¨¹ú
1997©£
»ú ÔØ
500-980
32
2 0.0-71.0
° Ä ´ó Àû ÑÇ
A MSS
2000-2²¨500¶Î ¿í 8
²¨¶Î Êý 8000-12000 6
I6 0F.O0V
57 0.0
2.1F/3O.0V 92
7/W TM+
16.5 7
0 .9800.0 60 0.0
0 .28000.0
¿É ± ä
2.5 10
3.32-6
4.5¿É ± ä
21.50,.20.
5
25.50 .0
30m
30m
9 0.0
2 50m
30m
28.8¼Í Ïñ ¼ÍÁ¢Ïñ·½Á¢ · ½Ìå Ìå
65 .0, ¼Í Ïñ Á¢ · ½ Ìå
HYD ICE 400-2 500
256
4.7/11.7
0.5
7.2
¼Í Ïñ Á¢ · ½ Ìå
NRL
»ú ÔØ
M1AI2S8
460-1 100
32
14401-204.060 32
2 .22000..500
71..33,3. 90.0¼Í Ïñ ¼ÍÁ¢Ïñ·½Á¢ · ½Ìå Ìå ÖÐÃÀ¹ú ¹ú
¹â Æ×Çø Óò £¨nm£©£º
400
700 1100
2500
5500
14000
VIS
PIR
MIR
VNIR
Sunlight
¹â Æ×· Ö ± æ ÂÊ
- 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)。
10
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：
全球植被指数VIUPD影像图
(GLI数据2003年4月7日)
13
二、地质方面的应用
区域地质制图和矿产勘探是高光谱技术主要的应 用领域之一。根据光谱特征可以识别出大部分的 岩石和矿物，从而利用高光谱遥感手段进行地质 制图变成可能。
各种矿物和岩石在电磁波谱上显示的光谱特征可 以帮助人们识别不同矿物成分。高光谱数据能反 映出这类光谱特征。
第九章 高光谱遥感应用
本章主要介绍高光谱遥感应用在植 被，地质，水体，农业，林业，矿山， 城市等地区，以及具体的应用实例。
1
9.1 高光谱遥感应用的领域
一、在植被中的应用
利用高光谱遥感数据提取生物物理参数主要是 指用于陆地生态系统研究中的一些生物物理变 量，比如：叶面积指数（LAI），生物量，植 物种类，植冠郁闭度，光合有效辐射，净生产 率及其它冠层结构参数等。
2
植被指数
植被指数是植被监测应用的重要参数之一，通过高光 谱遥感植被指数技术可以提取植物生物物理参数的定 量信息。
植被指数（Vegetation Index）的定义：是指通过多/ 高光谱遥感数据波段的线性或非线性组合，定量描述 地球表面植被状况的一种光谱特征度量指标。
植被指数的作用：已被广泛用来定性和定量评价植被 覆盖及其生长状况。另外，有助于增强遥感影像的解 译力，并已作为一种遥感手段广泛应用于土地利用覆 盖探测、植被覆盖密度评价、作物识别和作物灾害预 报等方面。
典型的光谱识别模型如：矿物吸收指数模型 （SAI），或一些混合光谱模型。
17
Mineral spectral absorption index
矿物光谱吸rs2(1d)rs1
m
rm
r r1
d s1m s1 s 2
rm
s2 s1
2 m 1
石灰岩(CaCO3): SAI 2.315m < SAI 2.330 m 白云岩 (MgCO3): SAI 2.315 m> SAI 2.330 m
（1）利用多时相的高光谱数据提取出光谱特征对不同作 物进行识别和分类。
（2）研究作物以及其个体生长状况与作物叶片光谱关系 之间的关系，其中包括植被生长状况与植被的环境胁迫 关系,如水分胁迫、虫害胁迫、营养胁迫等;红边位置与 植被叶绿素浓度的关系等。
4
2） Pinty等在1993年提出归一化差异植被指数NDVI，对绿 色植被表现敏感，常被用来进行区域和全球的植被状态研究。
NDVINIRR NIRR
为了改进NDVI，人们又提出了其他一些植被指数，主要是 将各波段反射率以不同形式进行组合来消除外界的影响因素， 如土壤、大气、光照、视场角等对反射光谱带来的影响。
3
1）Pearson等于1972年提出了比值植被指数RVI，它是基于 植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波 段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理 机理而提出的。
RVI NIR R
缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气 影响很敏感。由于没有考虑土壤背景的影响，只适用于植被 覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、 学、枯叶、粗超度等，且与植被覆盖有关；
6
7
8
3）增强植被指数EVI
9
4） 植被指数VIUPD 由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土
壤颜色和湿度等的复杂混合反映，而且受大气空间–时相变 化的影响，因此植被指数没有一个普遍的值，其研究经常表 现为不同的结果。不同传感器获得的数据，由于光谱响应不 同，即使利用同一天的数据计算植被指数，结果也不同。
5
归一化植被指数的特点
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部 分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对 可见光高反射；0表示有岩石或裸土等，NIR和R近似相等； 正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR 和R的反射率的对比度。对于同一幅图象，分别求RVI和 NDVI时会发现，RVI值增加的速度高于NDVI增加速度， 即NDVI对高植被区具有较低的灵敏度；
子，吸收峰发生偏移。
15
矿物光谱特性
一、吸收机制 1、电子跃迁：金属阳离子 2、分子振动：水分子，OH 二、外部影响 （1）风化 （2）表面结构 （3）颜色 （4）其他
16
岩石判别光谱理论与模型
矿物光谱遥感识别主要依赖于光谱吸收特征， 以此来实现遥感矿物识别和填图。
光谱吸收特征主要是通过波形特征参数来表达， 如：吸收波段位置，吸收深度，吸收宽度，吸 收面积，对称性等。
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：
全球植被指数VIUPD影像图
(GLI数据2003年4月7日)
13
二、地质方面的应用
区域地质制图和矿产勘探是高光谱技术主要的应 用领域之一。根据光谱特征可以识别出大部分的 岩石和矿物，从而利用高光谱遥感手段进行地质 制图变成可能。
各种矿物和岩石在电磁波谱上显示的光谱特征可 以帮助人们识别不同矿物成分。高光谱数据能反 映出这类光谱特征。
第九章 高光谱遥感应用
本章主要介绍高光谱遥感应用在植 被，地质，水体，农业，林业，矿山， 城市等地区，以及具体的应用实例。
1
9.1 高光谱遥感应用的领域
一、在植被中的应用
利用高光谱遥感数据提取生物物理参数主要是 指用于陆地生态系统研究中的一些生物物理变 量，比如：叶面积指数（LAI），生物量，植 物种类，植冠郁闭度，光合有效辐射，净生产 率及其它冠层结构参数等。
2
植被指数
植被指数是植被监测应用的重要参数之一，通过高光 谱遥感植被指数技术可以提取植物生物物理参数的定 量信息。
植被指数（Vegetation Index）的定义：是指通过多/ 高光谱遥感数据波段的线性或非线性组合，定量描述 地球表面植被状况的一种光谱特征度量指标。
植被指数的作用：已被广泛用来定性和定量评价植被 覆盖及其生长状况。另外，有助于增强遥感影像的解 译力，并已作为一种遥感手段广泛应用于土地利用覆 盖探测、植被覆盖密度评价、作物识别和作物灾害预 报等方面。
典型的光谱识别模型如：矿物吸收指数模型 （SAI），或一些混合光谱模型。
17
Mineral spectral absorption index
矿物光谱吸rs2(1d)rs1
m
rm
r r1
d s1m s1 s 2
rm
s2 s1
2 m 1
石灰岩(CaCO3): SAI 2.315m < SAI 2.330 m 白云岩 (MgCO3): SAI 2.315 m> SAI 2.330 m
（1）利用多时相的高光谱数据提取出光谱特征对不同作 物进行识别和分类。
（2）研究作物以及其个体生长状况与作物叶片光谱关系 之间的关系，其中包括植被生长状况与植被的环境胁迫 关系,如水分胁迫、虫害胁迫、营养胁迫等;红边位置与 植被叶绿素浓度的关系等。
4
2） Pinty等在1993年提出归一化差异植被指数NDVI，对绿 色植被表现敏感，常被用来进行区域和全球的植被状态研究。
NDVINIRR NIRR
为了改进NDVI，人们又提出了其他一些植被指数，主要是 将各波段反射率以不同形式进行组合来消除外界的影响因素， 如土壤、大气、光照、视场角等对反射光谱带来的影响。
3
1）Pearson等于1972年提出了比值植被指数RVI，它是基于 植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波 段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理 机理而提出的。
RVI NIR R
缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气 影响很敏感。由于没有考虑土壤背景的影响，只适用于植被 覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。
4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、 学、枯叶、粗超度等，且与植被覆盖有关；
6
7
8
3）增强植被指数EVI
9
4） 植被指数VIUPD 由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土
壤颜色和湿度等的复杂混合反映，而且受大气空间–时相变 化的影响，因此植被指数没有一个普遍的值，其研究经常表 现为不同的结果。不同传感器获得的数据，由于光谱响应不 同，即使利用同一天的数据计算植被指数，结果也不同。
5
归一化植被指数的特点
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部 分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对 可见光高反射；0表示有岩石或裸土等，NIR和R近似相等； 正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR 和R的反射率的对比度。对于同一幅图象，分别求RVI和 NDVI时会发现，RVI值增加的速度高于NDVI增加速度， 即NDVI对高植被区具有较低的灵敏度；
子，吸收峰发生偏移。
15
矿物光谱特性
一、吸收机制 1、电子跃迁：金属阳离子 2、分子振动：水分子，OH 二、外部影响 （1）风化 （2）表面结构 （3）颜色 （4）其他
16
岩石判别光谱理论与模型
矿物光谱遥感识别主要依赖于光谱吸收特征， 以此来实现遥感矿物识别和填图。
光谱吸收特征主要是通过波形特征参数来表达， 如：吸收波段位置，吸收深度，吸收宽度，吸 收面积，对称性等。