高光谱遥感简介

合集下载

高光谱遥感第四章

高光谱遥感第四章

资源调查
高光谱遥感能够调查土地利用、矿产 资源、森林资源等自然资源,为资源 管理和规划提供数据基础。
02
高光谱遥感技术
采集技术
采集方式
高光谱遥感通过卫星、飞机等平台搭载传感器,对地表进行宽范 围、高分辨率的成像。
采集波段
高光谱遥感能够获取数十至数百个波段的地物光谱信息,覆盖可见 光、近红外、短波红外等波段。
利用不同尺度的数据源进行融合,能 够同时获取地物的细节信息和全局信 息。
像素级融合
特征级融合
决策级融合
多尺度融合
基于像素点的融合方法,如加权融合、 主成分分析融合等,能够充分利用不 同数据源的信息。
基于分类结果的融合方法,将不同数 据源的分类结果进行组合,提高分类 精度和可靠性。
04
高光谱遥感应用案例
辐射定标和大气校正
将高光谱图像的物理量转换为反射率 或辐射亮度,消除大气和太阳辐射的 影响。
光谱复原
对由于散射和吸收造成的光谱畸变进 行校正,恢复地物真实光谱。
地理编码
将高光谱图像的像素坐标与地理坐标 对应起来,便于后续的空间分析和定 位。
数据分类
监督分类
基于已知训练样本的类别信息进行分类, 如支持向量机、随机森林等。
采集分辨率
高光谱遥感的分辨率通常达到纳米级别,能够提供更精细的地物光 谱特征。
处理技术
数据预处理
包括辐射定标、大气校正、几何校正等步骤,以消除传感器误差和 大气干扰,获取准确的地物光谱数据。
图像融合
将不同波段的高光谱图像进行融合,提高图像的空间分辨率和信息 量。
数据压缩
对高光谱数据进行压缩,降低数据存储和传输成本。
高光谱遥感技术能够提供比传统遥感更丰富、更精细的地物光谱信息,从而实现 对地物的精细分类、识别和监测。

高光谱遥感

高光谱遥感
光谱范围 400~850nm 采样间隔 1.8nm 光谱分辨率 <5nm 瞬时视场角 1.5mrad 行象元数 376 信噪比 ~200
• 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。

高光谱遥感分解课件

高光谱遥感分解课件

端元提取的效果直接影响到后续的混合 像元分解和谱间关系分析的精度和可靠 性,因此是高光谱遥感分解中的关键步
骤。
混合像元分解方法
混合像元分解的方法包括基于物理模型的方法和基于 统计模型的方法等。这些方法通过建立地物光谱与像 元光谱之间的数学模型,利用优化算法对模型参数进 行求解,从而得到每个像元的纯组分和丰度信息。
高光谱遥感分解方法
端元提取方法
端元提取是高光谱遥感分解的基础,目 的是从高光谱数据中提取出纯净的地物 光谱,为后续的混合像元分解和谱间关
系分析提供基础。
端元提取的方法包括基于统计的方法、 基于空间的方法和基于变换的方法等。 这些方法通过不同的原理和算法,从高 光谱数据中提取出尽可能纯净的地物光
谱。
矿物与地质应用
总结词
高光谱遥感在矿物与地质应用中具有重要作用,可以用于矿产资源调查、地质构造分析 等。
详细描述
高光谱遥感能够通过分析地物的光谱特征差异,识别不同类型的矿物和地质构造。在矿 产资源调查中,高光谱遥感可以用于发现潜在的矿床和评估矿产资源的分布情况。同时 ,在地质构造分析中,高光谱遥感可以通过分析地物的光谱特征差异,揭示地质构造的
高光谱遥感分解课件
ቤተ መጻሕፍቲ ባይዱ
目录
CONTENTS
• 高光谱遥感概述 • 高光谱遥感技术原理 • 高光谱遥感分解方法 • 高光谱遥感应用实例 • 高光谱遥感技术展望
01
CHAPTER
高光谱遥感概述
高光谱遥感的定义
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。它通过卫星或飞机搭载的高光谱成像仪获取地物辐 射的连续光谱信息,进而分析地物的成分、结构和动态变化 。
高光谱遥感技术的挑战与问题

高光谱遥感技术

高光谱遥感技术

高光谱数据的特点
2
波段连续,光谱分辨率高、空间分辨率低
由于波段众多, 波段窄且连续 , 使得高光谱数据量巨大(一次获取数据可达 千兆 GB 级)、相关性大 ,尤其在相邻的通道间,具有很大的数据冗余
高光谱遥感图像面临的问题
由于各个波段之间的高 度相关性,导致光谱间 存在冗余信息和数据处 理难度加大,图像在产 生及传输过程易受噪声 的影响,无疑降低了混 合像元分解的精度
02
高光谱数据的特点及处理
高光谱数据的特点
1多波Biblioteka 、波段宽度窄※ 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。 ※ 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
由于高光谱遥感图像空 间分辨率限制和地物分 布的复杂多样性,混合 像元广泛存在于图像中, 影响遥感图像的分类精 度以及目标探测效果
高光谱数据处理——混合像元分解技术
01 凸几何分析方法 03 统计分析方法
02 稀疏回归分析方法。
04 光谱—空间联合分析方法
03
高光谱遥感的应用
高光谱遥感的应用——地质中的应用
感谢观看!
21316116 刘濛濛
01
高光谱遥感在地质上的应用,主要是利用矿物的 光谱吸收特征参数包括吸收波段波长位置、深度、 宽度、斜率、对称度、面积和光谱绝对发射值等, 从中获取矿物的各种定性、定量信息,进行岩石 矿物的分类、填图和矿产勘察
高光谱遥感的应用——植被研究中的应用
02
高光谱遥感在植被研究中的应用使得植被遥感的 范围被扩大到生态意义上。高光谱植被遥感主要 用于植被的识别、分类,利用高空间分辨率遥感 数据在大比例尺度内进行森林生态系统分类,通 过植被物理、化学参数实现对植物生化成分( 如 N、P、K、淀粉、水分、纤维素、木质素等 含量) 及其物理特征物理量的估测

高光谱遥感名词解释

高光谱遥感名词解释

高光谱遥感名词解释
1.高光谱遥感(Hyperspectral Remote Sensing):是遥感技术的一种,利用高光谱数据进行地物信息的提取。

高光谱遥感能够提供每个像元的数十至数百个波段的光谱数据,这些数据可以用来识别不同类型的地物,对地表的物理、化学和生物属性进行精确的定量分析。

2.光谱(Spectrum):是由不同波长的光组成的光线。

在高光谱遥感中,探测器可以测量出每个像元的光谱,也就是不同波长的光在该像元的反射率或辐射率的值。

3.反射率(Reflectance):是地物表面反射入射光的比率,是高光谱遥感中的一个重要参数。

不同地物的反射率在不同波段上表现出不同的特征,可以用来识别地物类型。

4.特征提取(Feature extraction):是高光谱遥感中的重要分析方法,通过数学和统计学方法对光谱数据进行处理,提取出地物的光谱特征,如反射率峰值、谷值和斜率等,用来识别地物类型和进行精确分类。

5.分类(Classification):是将地物根据其光谱特征划分为不同的类别的过程。

高光谱遥感中常用的分类方法包括基于像素的分类、基于物体的分类和基于混合像元的分类等。

6.多光谱遥感(Multispectral Remote Sensing):和高光谱遥感相似,但是只能提供少数几个波段的光谱信息。

多光谱遥感常用于地物类型的粗略分类,而高光谱遥感更加适用于地物的精细分类和属性分析。

高光谱遥感的概念

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

CONTENCT

• 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

高光谱遥感
遥感分类
多光谱遥感:国际遥感界的共识是光谱分辨率在λ /10数量级范围 的称为多光谱(Multispectral),这样的遥感器在可见光和近红外 光谱区只有几个波段,如美国 LandsatMSS,TM,法国的SPOT等。 高光谱遥感:光谱分辨率在λ /100的遥感信息称之为高光谱遥感 (HyPerspectral)。它是在电磁波谱的可见光,近红外,中红外和 热红外波段范围内,获取许多非常窄的光谱连续的影像数据的技术。 其成像光谱仪可以收集到上百个非常窄的光谱波段信息。高光谱遥 感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感 兴趣的物体获得有关数据,它包含了丰富的空间、辐射和光谱三重 信息。高光谱遥感使本来在宽波段遥感中不可探测的物质,在高光 谱遥感中能被探测。 超高光谱遥感:而随着遥感光谱分辨率的进一步提高,在达到 λ /1000时,遥感即进入超高光谱(ultraspeetral)阶段。
土壤属性高光谱反演
土壤盐分
在土壤反射光谱中的特征光谱,从而对土壤营养状况和
土壤侵蚀状况做进一步检测与评价。有图可知,总氮在 0.55-0.60μm之间和0.80-0.85μm之间有较明显的反射峰 ,在1.4μm周围有较显著的吸收谷。
土壤水分
当土壤的含水率增加时,土壤的反射率下降,在水的吸
Hyperion/EO-1
Hyperion 传感器搭载于 EO-1 卫星平台,EO-1(Earth
Observing-1)是美国NASA 面向 21 世纪为接替 LandSat-7 而 研制的新型地球观测卫星,于 2000 年 11月发射升空,其卫 星轨道参数与 LandSat-7 卫星的轨道参数接近,之所以设计 相同轨道,目的是为了使 EO-1 和 LandSat-7 两颗星的图像 每天至少有 1~4 景重叠,以便进行比对。 传统的陆地资源卫星只提供为数不多的七个多光谱波段,远 远不能满足各种实际应用的需要,因此美国地质调查局 (USGS)与美国宇航局(NASA)合作发射了 EO-1 卫星, 并在该卫星上搭载了三种传感器分别是 ALI (the Advanced Land Imager), Hyperion, LEISA (the Linear Etalon Imaging Spectrometer Array)Atmospheric Corrector

高光谱遥感

高光谱遥感

高光谱遥感器
OMIS系统部分参数 128波段 波段 波长 光谱分辩率 64(64,32,16) 0.4-1.1um 10nm 16(8,1) 1.1-2.0um 60nm 32(32,1) 2.0-2.5um 15nm 8(8,1) 3.0-5.0um 250nm 8(8,1) 8.0-12.5um 500nm IFOV 3.0,1.5mrad FOV > 70 degree
VNIR: 32 波段 (0.44~1.08um) 光谱分辨率: 20nm SWIR: 32 波段 (1.5~2.45um) 光谱分辨率: 25nm TIR: 7 波段 (8.0~11.6) 光谱分辨率: 0.45um IFOV: 3.0mrad FOV: 90 degree scanning : 10-20(line/second) digitizer: 12bit
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,由于其所获取的图 像包含了丰富的空间,辐射和光谱三重信息。
2 5.0 表 1.1,国际上部分成像光谱仪一览表(陈述彭等,1997) 500-980 32 2 0.0-71.0
遥感器 PLI-PMI CASI SFSI AIS-1 AIS-2 AVIRIS (20km) ASAS 改进 ASAS GERIS
光谱范围 (nm) 403-805 430-870 1200-2400 900-2100 1200-2400 800-1600 1200-2400 400-2450 455-873 400-1060 400-100 1000-2000 2000-2500

《高光谱遥感的发展》课件

《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

高光谱遥感在深空探测的应用

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

高光谱遥感综述

高光谱遥感综述

高光谱遥感综述高光谱遥感是一种对地面物质进行非接触式观测的技术。

其原理是利用可见光和近红外光线穿透大气层照射地面然后反射回来,以此获取地面物质的信息。

随着高光谱遥感技术的日益发展,它已成为地球科学、环境科学、农业和林业等领域的有力工具。

高光谱遥感技术的突出特点是获取高分辨率、高时空分辨率、高信噪比的数据。

这就使得高光谱遥感成为一种非常有效的方法,用于发掘和反演地面物质的影像和图像。

和其他遥感技术相比,高光谱遥感技术有更好的选择性和区分度,并且它对地面物质的某些特征具有很强的敏感度。

高光谱遥感技术的研究范围主要包括遥感数据的获取、处理和分析等方面。

其中,遥感数据的获取是高光谱遥感技术的基础,它可以通过卫星、飞机、地面站等各种方式进行。

无论采用哪种方式,高光谱遥感的数据获取都需要精确的定位系统,以获取准确的地理信息。

高光谱遥感技术的处理主要包括辐射校正、地物分类、光谱拟合等。

辐射校正的主要目的是修正由于数码相机和遥感仪器的光谱特性不一致而引起的误差。

地物分类则是将遥感图像中的像素根据特定的分类策略进行分类,以便进一步对地表覆盖信息进行分析和应用。

光谱拟合能够对地物的光谱特性进行模拟和预测,以便于对遥感图像的进一步分析和处理。

高光谱遥感技术的应用涉及到多个领域。

例如,在农业领域,高光谱遥感技术可以用于监测农作物的生长情况,识别病虫害的发生情况,帮助农民进行农业生产管理,减少农业生产的损失。

在林业领域,高光谱遥感技术可以用于监测森林植被的生长情况和病虫害的发生情况,提高森林资源的利用率和管理水平。

在环境科学领域,高光谱遥感技术可以用于监测河流、湖泊、湿地等水域环境的变化情况,帮助科学家了解自然生态系统的变化,为环境保护提供有力的数据支撑。

总之,高光谱遥感技术是一项在地球科学、环境科学、农业、林业等领域具有广泛应用前景的技术,它可以为我们提供丰富的地面物质信息,为人类社会的可持续发展做出贡献。

在将来,高光谱遥感技术的进一步发展将为我们提供更高精度、更可靠的数据和信息,支持更多的应用需求。

高光谱遥感的应用

高光谱遥感的应用
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
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

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);

高光谱遥感对地物探测的原理

高光谱遥感对地物探测的原理

高光谱遥感对地物探测的原理遥感技术是通过卫星或飞行器等遥远距离的设备,获取地球表面的信息。

在遥感技术中,高光谱遥感是一种能够获取更加详细和准确地球表面特征的方法。

本文将介绍高光谱遥感对地物探测的原理。

一、高光谱遥感的基本原理高光谱遥感的基本原理是利用电磁波的能量与物质相互作用的特性。

地物的表面反射、散射和吸收不同波长的光线,因此通过分析物体反射的光谱特征,可以判断该物体的组成成分和性质。

二、光谱特征的提取与分析为了获取地物的光谱特征,需要使用高光谱遥感设备。

这些设备能够以极高的分辨率获取各个波长范围内的光谱数据。

通过对这些数据的提取与分析,可以获取物体在不同波长下的反射率信息,从而得到物体的光谱特征。

三、高光谱影像的处理与分类获取到的高光谱影像需要进行进一步的处理和分类。

首先,需要进行光谱特征的归一化处理,消除不同影像之间的差异。

然后,利用分类算法,将地物分为不同的类别,比如植被、水体、建筑等。

这样可以方便后续对地物的分析和监测。

四、高光谱遥感在地物探测中的应用高光谱遥感在地物探测中具有广泛的应用。

以农业为例,通过分析植被的光谱特征,可以评估植被的健康状况、营养状况和受到的干扰程度。

这对于农作物的管理和保护具有重要意义。

另外,高光谱遥感还可以应用于环境监测领域。

通过分析水体的光谱特征,可以检测水体的污染程度和富营养化情况。

这对于水资源的保护和管理非常重要。

此外,高光谱遥感还可用于城市规划、地质勘探、灾害监测等方面。

通过对不同地物的光谱特征进行分析,可以提供丰富的地理信息,为科学研究和决策提供依据。

五、高光谱遥感的发展与挑战高光谱遥感技术在近年来得到了快速发展,提供了更加精准的地物信息。

然而,高光谱遥感也面临着一些挑战。

首先,高光谱遥感设备成本较高,限制了其在大范围应用中的推广。

此外,高光谱数据的处理和分析需要复杂的算法和技术支持,对操作人员的要求较高。

未来,随着技术的不断进步,高光谱遥感有望更好地发挥其在地物探测中的作用。

  1. 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. 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. 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)。

电磁波与物质相互作用的类型 请大家列举遥感常用 有哪些?在进行被动遥感时, 的波段 电磁波要与多少种物质 进行作用?

全色摄影相片
灰度影像解译
SP成像技术及多波段成像技术
多波段影像解译
SPOT 5 号多波段合成图像


光学遥感技术的发展:全色(黑白)--彩色摄影- -多光谱扫描成像--高光谱遥感 高光谱分辨率遥感(Hyperspectral Remote Sensing):用很窄(0.01波长)而连续的光谱通道 对地物持续遥感成像的技术。在可见光到短波红外波 段其光谱分辨率高达纳米(nm)数量级,通常具有波段 多的特点,光谱通道数多达数十甚至数百个以上,而 且各光谱通道间往往是连续的,因此高光谱遥感又通 常被称为成像光谱(Imaging Spectrometry)遥感。
主要技术指标 轨道:705km,太阳同步,近极地轨道 辐射灵敏度:12b 波段范围:36个波段、0.4~14.4µ m 空间分辨率: 2个波段为250m 5个波段为500m 29个波段为1000m 带宽:2330km,1~2天全球覆盖
MODIS(Moderate Resolution Imaging Spectroradiometer)


2000 年5 月,加利福尼亚技术研究所建立了 ASTER 光谱库,该库还配备了相关的辅助信息, 并带有数据库搜索功能,用户能查询光谱数据。 光谱库的数据来源于USGS、JPL、JHU3 个光谱 库,共计8 类,即:矿物类(1348 种),岩石类(244 种),土壤类(58 种),月球类(17 种),陨石类(60 种),植被类(4 种),水/雪/冰(9 种)和人造材料(56 种 )。 1998 年中科院遥感所建立了面向对象的光谱数据 库,共收集地物光谱数据5000 条,这是我国第一部 系统的光谱库。
利用分光光度计(地面光谱仪/野外光谱仪)可以分别测 量目标地物与标准白板的光谱辐射能量,其比值就是地物 的光谱反射率。 标准白板通常使用聚四氟乙烯(PFTE)为材料,它在4002500 nm区间的反射率为100% 。其它还有硫酸钡或氧化镁。




1)准备工作:光谱仪、计算机充电、安装镜头,连 线,打开电源以及软件 2)测量过程:镜头对准白板,进行OPT优化镜头对 准目标,进行地物光谱反射率采集 3)整理工作


成像光谱仪:与地面光谱辐射计相比,成像光谱仪 不是在“点”上的光谱测量,而是在连续空间上进 行光谱测量,因此它是光谱成像的;与传统多光谱 遥感相比,其光谱通道不是离散而是连续的,因此 从它的每个像元均能提取一条平滑而完整的光谱曲 线。 第一种 线阵列探测器掸扫式扫描方式 第二种 面阵列探测器推扫式扫描方式
High
Low


80 年代后期,美国喷气推进研究室(JPL)制成 机载可见红外成像光谱仪(AVIRIS)的完整样机。 0.4μm~2.45μm 224 个连续的光谱波段图像。波段宽度10nm 当飞机在20km 高空飞行 时,图像地面分辨率可 达20m


光谱库是由高光谱成像光谱仪在一定条件下测得 的各类地物反射光谱数据的集合 准确地解译遥感图像信息、快速地实现未知地物 的匹配、提高遥感分类识别水平起着至关重要的 作用。由于高光谱成像光谱仪产生了庞大的数据 量,建立地物光谱数据库,运用先进的计算机技 术来保存、管理和分析这些信息,是提高遥感信 息的分析处理水平并使其能得到高效、合理之应 用的唯一途径,并给人们认识、识别及匹配地物 提供了基础。
PHI– The Push broom
Hyperspectrl Imagers
Spectral coverage:
Electronics Console
POS System
VIS to NIR (450-850nm) spectral region
Spectral bands: 244
Spectral resolution: <5nm
包括植被、土壤、水体、冰雪、岩矿和人工目标 完整的地面数据采集记录应包括: 1) 观测数据; 2) 测点状况数据; 3) 观测方法和数据处理方法的说明; 4) 观测人员信息; 5)观测数据之元数据:包括观测数据项的定义,数 据格式和数据库现存数据的状况。





USGS、JPL、JHU、IGCP-264、ASTER USGC 1993年 美国地质勘探局USGC(United States Geological Survey)建立 波长范围0.2 ~ 3.0um JPL 美国喷气推进实验室 (JPL Jet Propulsion Laboratory ) 160 种不同粒度的常见矿物进行了测 试,并同时进行了X 光测试分析。最后按照小于 45um,,45~125um,,125~500um 3 种粒度,分别 建立了3 个光谱库JPL1,JPL2, JPL3,突出反映 了粒度对光谱反射率的影响。除光谱数据外,还 规范了样品采集、样品纯度和组分分析方法 约翰霍普金斯大学(JHU)提供了包含15 个子库的 光谱库,针对不同的地物类型选用了不同的分光 计,并且每种地物都给出了详细的文本介绍。
Image Cube of 80-bands PHI HRS Image
农业应用(精准农业):农作物的 识别和品种划分
左:日本长野县盐尻市南部农作物的识别结果 紫-水稻, 黄-葡萄, 绿-梨, 蓝-大豆 右:长野市西北部农作物的识别结果 黄-苹果, 蓝-水稻 下:葡萄的相对长势,红色区长势相对较好
请同学们回顾下面的基本概念:地物光谱反射率,谈 谈影响地物光谱反射率的因素 地物的光谱反射率:是物体的反射辐射通量与入射辐 射通量之比 方向性 谱特性 时间性 空间



光谱辐射仪(Spectrometer/Spectroradiometers ) 能够在电磁波紫外到近红外(300-2500nm)的 太阳反射波谱段内获取地物点状的连续光谱辐射 量曲线。 光谱反射率(Reflectance)的获得:

波段特点: 波段多、波段宽度窄、波段连续
数据量特点: 数据量大、信息冗余增加

图谱合一的特点
影像立方体
光谱反射曲线
图谱合一
水稻: 99-15
水稻: 武香5021
水稻: 99-15
五七农场, 常州
1 高光谱图像信息的显示,如图像立方体的生成; 2 光谱重建,即成像光谱数据的定标、定量化和大 气纠正模型与算法,依此实现成像光谱信息的图 像-光谱转换; 3 光谱编码,尤其指光谱吸收位置、深度、对称性 等光谱特征参数的算法; 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
Hyperspace.Sensor Spectral sampling interval: 1.9nm
Pixels per line: 376
System
Digitization: 12 bits
Sensor weight: 9kg
Onboard Layout of PHI
Nagano
Minamimaki
课程性质:选修课 课程时间:12周~15周 课时:32学时 16上课学时 16上机学时 课程要求:理论联系实际 积极主动 考查方法:课程作业一份


遥感基本概念回顾 高光谱遥感技术的概念以及特点 高光谱遥感数据处理关键技术 高光谱传感器介绍 光谱库介绍

遥感(Remote Sensing):通过电磁波与地物的相 互作用,以波谱和空间两维成像方式来探测地物 特性的技术。



影像分辨率主要决定于瞬时视场(IFOV,instantaneous field of view)角和成像高度。瞬时视场角越小、飞机 航高越低,地面分辨单元越小,分辨率就越高。 IFOV值小意味空间分辨率越高 。 IFOV值大意味着辐射分辨率越高。 因为当传感器接受地面反射能量时,探测器上聚焦的 总能量更大;由于这种高信号使得传感器对地面辐射 率的测量更加敏感,其结果是辐射分辨率更高或者说 是区分微小的能量的能力方面有所提高 传感器的设计IFOV应该在空间分辨率与辐射分辨率 中折中
相关文档
最新文档