高光谱遥感实验指导书
高光谱遥感图像预处理实验指导书
高光谱遥感图像预处理实验指导书一、实习目的通过高光谱遥感图像预处理的学习，使学生在课堂教学及实验课教学的基础上进一步将理论与实践相结合，消化和理解课堂所学理论知识，达到初步掌握利用ENVI等软件预处理高光谱遥感图像，并熟悉高光谱遥感图像预处理流程与方法的目的。
二、实习方式学生自学指导书为主，指导教师讲授为辅；利用计算机，结合相应遥感图像及ENVI软件的具体操作进行。
三、练习数据机载高光谱AVIRIS数据。
四、实习内容与要求掌握高光谱遥感图像预处理的理论与方法，利用ENVI中FLAASH大气校正工具和快速大气校正工具对高光谱数据进行大气校正及快速大气校正。
实验一、高光谱FLAASH数据大气校正实验目的：通过实验操作，掌握高光谱遥感图像FLAASH数据的大气校正的基本方法和步骤，深刻理解遥感图像大气校正的意义。
实验内容：ENVI软件中高光谱图像预处理模块下的图像大气校正。
高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气校正。
辐射校正一般由数据提供商完成。
太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。
如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。
操作步骤：1.打开文件File→Open→CupriteAVIRISSubset.dat→打开。
2. FLAASH Atmospheric Correction Module Input Parameters设置在 Toolbox 中打开 FLAASH 工具Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction→双击启动→进入FLAASH Atmospheric Correction Module Input Parameters 面板。
ENVI实习-高光谱遥感
ENVI实习-高光谱遥感高光谱遥感第三次实习一、实习任务：运用MNF变换后的波段以及散点图工具提取端元运用MNF变换后的波段以及纯净像元指数工具以及N维可视化仪提取端元运用提取的端元进行分类和制图二、实习目标以及用时：学习运用ENVI软件进行纯净像元的提取方法三、教学方式：依据实习指导书进行实验，并完成实习报告四、使用器材：美国内华达的赤铜矿AVIRIS遥感数据，该数据已经经过ATREM大气校正，ENVI遥感软件五、具体实习过程本次实习主要内容：本章选用的实验数据是一幅经过校准的AVIRIS图像，处理的结果用于地质学应用，这主要是考虑到，到目前为止地质学研究仍然是高光谱遥感的主要应用领域之一。
在ENVI主菜单下选择：File > Open Image File，在打开的文件选择窗口中选择图像文件cup95eff，点击OK打开图像：这是一幅经过校准的有50个波段的AVIRIS图像，图中显示的是将第183、193、207波段分别赋红、绿、蓝合成的彩色图像。
我们可以打开它的2-D 散点图观察一下。
在主图像窗口中选择：Tools > 2-D Scatter Plots，在随即弹出的波段选择窗口中任意选择两个波段，点击OK构成2-D 散点图。
这里选择的是第172、173波段。
在这幅2-D三点图上我们可以观察到，在由172和173波段组成的光谱特征空间中图像上的点明显地呈线状点云分布，说明这两个波段的相关性极强。
遥感图像的某些波段之间往往存在着很高的相关性，直观上波段图像彼此很相似，从提取有用信息的角度考虑，有相当一部分数据是多余和重复的，解决这一问题的有效方法是进行特征提取和特征选择，去相关和分离噪声。
在多光谱遥感图像处理中，我们会采取PC旋转，但是相比之下，MNF变化更适用于高光谱遥感数据。
下面我们就用MNF 变换对图像进行处理。
最低噪声分数（MNF）变换用以确定图像数据的内在维度、隔离噪声以及降低后处理的计算要求。
第9章-高光谱遥感(张良培)
41
2）监测臭氧，SO2，NO2 臭氧能大量吸收太阳紫外线，形成一个臭氧 保护层，从而降低太阳的短波辐射强度，保 护地球生物和人类。 SO2，NO2来自于地球表面，比如尾气排 放，生物体燃烧等，监测它们在大气的含量 实际上就是分析他们在不同波段范围的特 性。
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。
（3）开展农作物的长势监测及产量预测。 （4）研究遥感信息模型。 （5）利用植被指数进行地表覆盖分析。 （6）灾害预测。
23
作物的参数反演
常规的作物参数测定是将样本从农田运输到实验室进 行测定，这具有破坏性。高光谱仪通过测定农作物的 反射率，透射率和吸收率进行作物的参数反演。
主要反演的参数包括： （1）氮素：决定生长发育的营养。
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。
高光谱遥感实验三
2012级研究生《高光谱遥感技术》实验报告姓名：张东霞学号：2012110673专业：摄影测量与遥感成绩：2013年4月28日实验项目三张东霞 2012110673一、实验目的1、掌握光谱包络线去除法；2、掌握光谱数据变换的基本方法；3、掌握光谱特征提取的基本方法；二、实验内容1、土壤光谱吸收带包络去除变换（正，反），参数提取位置、深度、宽度、对称度；计算各参数与土壤有机质含量之间的相关性。
以hs15为例绘制正、反包络线，并提取位置、深度、宽度、对称度等参数。
在光谱曲线相似的情况下，直接从中提取光谱特征不便于计算，需要对光谱曲线做进一步处理，以突出光谱的吸收特征。
包络线去除法（continuum removal）是一种有效增强感兴趣吸收特征的光谱分析方法，它可以有效突出光谱曲线的吸收和反射特征，并将反射率归一化为0 ~ 1.0，光谱的吸收特征也归一化到一致的光谱背景上，有利于与其他光谱曲线进行特征数值的比较，从而提取特征波段以供分类识别。
“包络线”通常定义为逐点直线连接光谱曲线上那些凸出的峰值点，并使折线在峰值点上的外角大于180°，以原始光谱曲线上的值除以包络线上对应的值，即为光谱去包络。
光谱曲线的包络线计算公式：光谱曲线的反包络线计算公式：深度计算公式：运用上述公式计算各数值绘制图表.首先绘制样本hs15的原始光谱曲线图：图1 原始光谱曲线选择355-592为例进行各参数计算，首先计算斜率“=(B254-B4)/(A254-A4)”，其次计算包络线“=B x/(B$4+N$5*(A x-A$4))”,然后计算反包络“=1/C x”，最后计算深度“=1-C x”，找到最大深度、最大宽度、最大高差所在行列号为H58、I58、J58，分别用H58/(H247- H58)、I58/(IH247- I58)、J58/(J247- J58)得到对称度1、对称度2、对称度3，结果如下：图2 参数计算结果其中，计算发现第波段号为357的数据不符合要求，剔除：图3 剔除坏数据将所选的几个波段的合格计算数据绘制成图：图4 特征参数光谱曲线图对84个样本分别不分区间的进行上述参数计算，将计算结果保存列表如下图所示：图5 所有样本参数计算结果表选中特征指标与相关系数行列，插入二维柱状图，设置格式后显示结果如下：图6 特征参数的相关系数图2、土壤光谱整体变换，包括取平方、对数、一阶微分等，计算各参数与土壤有机质含量之间的相关性，按极大相关性原则，提取特征波段。
高光谱遥感实验指导书
（2） 选择 cup95eff.int 文件，默认 Spatial Subsetting, Spectral Subsetting, 和 Masking，然后点击 OK，打开 Forward MNF Transform Parameters 的对话框；
实验内容
1、 MNF变换 cup95eff.int是本次实验使用AVIRIS的高光谱影像，已经经过消
光和大气校正。在ENVI中打开该影像，按照下列步骤进行MNF变换处 理：
（1） 从 ENVI 的主菜单按照下列之一的方式打开 MNF 的对话框
a) Transform → MNF Rotation → Forward MNF → Estimate Noise Statistics From Data
6
实验三 地物光谱测量与成像
实验目的
1、 了解地面高光谱数据获取的一般方法和测量过程 2、 了解地物光谱仪的一般工组原理 3、 理解地物光谱测量是定量遥感建模的重要内容
实验内容
1、了解野外便携式地物光谱仪的原理、使用和操作 2、使用野外便携式地物光谱仪测量典型地物（水，土，作物）的 光谱曲线
预备知识
I
实验一 高光谱遥感数据获取
实验目的
高光谱遥感数据的具有较高的光谱分辨率，每个波段的范围小 （窄波段），通常具有数十个至 200 多个窄波段。本次实验的目的是 利用 ENVI、Erdas 等软件观察 TM、AVIRIS 和 Hyperion 等遥感数据或 者实验室使用 Headwall 高光谱相机拍摄的高光谱图像数据，认识高 光谱数据的图谱合一的特点。
遥感上机高光谱数据分析实验
实验一高光谱数据分析一、实验目的理解波谱库的概念，掌握波谱库操作、浏览和提取影像反射率，学会从感兴趣区中提取波谱信息，并进行彩色合成。
实验过程：打开cup95_at.int，在可用波段列表对话框中，选择Band 193（2.2008um）点击Gray Scale 单选按钮，然后点击Load Band。
将灰度影像加载到显示窗口中。
从主影像窗口菜单中选择Tools →Profiles →Z Profile (Spectrum)，提取表观反射率波谱曲线浏览影像波谱并同波谱库进行比较在主影像窗口中，使用鼠标左键点击并拖动缩放指示矩形框或者直接点击鼠标左键，将缩放指示矩形框移动到以所选像素点为中心的区域中，右图曲线发生变化。
打开ENVI给定的波谱库，本次实验使用JPL和USGS波谱库，步骤如下：从ENVI 主菜单中选择Spectral →Spectral Libraries →Spectral Library Viewer。
在Spectral Library Input File 对话框中，点击Open File 按钮，从spec_lib/jpl_lib 子目录中，选择jpl1.sli 波谱库文件，点击OK。
选择Select Input File 区域中的jpl1.sli，点击OK。
在Spectral Library Viewer 对话框中，选择Options →Edit (x, y) Scale Factors，并在Y Data Multiplier 文本框中，输入值1.000，以匹配影像表观反射率范围（1-1000），点击OK。
在Spectral Library Viewer 对话框中，选择下列波谱名称，绘制它们的波谱曲线：ALUNITE SO-4ABUDDINGTONITE FELDS TS-11ACALCITE C-3DKAOLINITE WELL ORDERED PS-1A得到如下的波谱图像：波谱库的波谱曲线从绘制（plot）窗口菜单中，选择Edit →Plot Parameters，自定义波谱曲线的绘制图。
高光谱预处理实验指导书
高光谱遥感图像预处理实验指导书指导教师：赵泉华一、实习目的通过高光谱遥感图像预处理的学习，使学生在课堂教学及实验课教学的基础上进一步将理论与实践相结合，消化和理解课堂所学理论知识，达到初步掌握利用ENVI等软件预处理高光谱遥感图像，并熟悉高光谱遥感图像预处理流程与方法的目的。
二、实习方式学生自学指导书为主，指导教师讲授为辅；利用计算机，结合相应遥感图像及ENVI软件的具体操作进行。
三、练习数据机载高光谱AVIRIS数据。
四、实习内容与要求掌握高光谱遥感图像预处理的理论与方法，利用ENVI中FLAASH大气校正工具和快速大气校正工具对高光谱数据进行大气校正及快速大气校正。
实验一、高光谱FLAASH数据大气校正实验目的：通过实验操作，掌握高光谱遥感图像FLAASH数据的大气校正的基本方法和步骤，深刻理解遥感图像大气校正的意义。
实验内容：ENVI软件中高光谱图像预处理模块下的图像大气校正。
高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气校正。
辐射校正一般由数据提供商完成。
太阳辐射通过大气以某种方式入射到物体表面然后再反射回传感器，由于大气气溶胶、地形和邻近地物等影像，使得原始影像包含物体表面，大气，以及太阳的信息等信息的综合。
如果我们想要了解某一物体表面的光谱属性，我们必须将它的反射信息从大气和太阳的信息中分离出来，这就需要进行大气校正过程。
操作步骤：1.打开文件File→Open→CupriteAVIRISSubset.dat→打开。
2. FLAASH Atmospheric Correction Module Input Parameters设置在Toolbox 中打开FLAASH 工具Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction→双击启动→进入FLAASH Atmospheric Correction Module Input Parameters 面板。
高光谱遥感定标和校正
实验报告班级：遥感科学与技术2013级1班姓名：文凤平学号：2013043009 一．实验名称定标和大气校正二．实验目的用FLAASH工具完成影像的大气校正，熟悉其校正含义及参数的意义。
三．实验数据四．实验内容与结果分析（实验主要内容，软件操作的主要过程截图及实验结果截图）（1）TM影像定标—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载多光谱中需要进行大气校正的图像，Basic Tools->Preprocessing->Calibration Utilities->Landsat Calibration在弹出来的对话框中加载TM图像；2.Basic Tools->Convert Data(BSQ,BIL,BIP)在对话框中选择定标后的图像，然后再Convert File Parameters窗口中作如下选择：Output Interleave选择BIP，Convert In Place选择Yes，点击ok按钮即可；3.Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：4.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；左图为校正前右图为校正后（2）AVIRIS数据（已定标）—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载高光谱文件夹中需要进行大气校正的图像，Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：点击对话框下面按钮，设置如下：点击右下角按钮设置如下：2.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；。
高光谱与高空间分辨率遥感实习课件
数据质量评价
01
数据完整性
检查获取的数据是否完整，是否存 在缺失或异常值。
辐射与几何精度
对数据的辐射和几何精度进行评估 ，确保数据质量可靠。
03
02
精度评价
通过与已知地物信息进行对比，评 估分类与识别的精度。
应用效果评价
将处理后的数据应用于实际应用场 景，评估其效果和价值。
04
04
案例分析与实践操作
高光谱遥感的应用领域
高光谱遥感广泛应用于环境监测、资源调查、城市规划等领 域。
在环境监测方面，高光谱遥感可用于检测大气污染、水体污 染和土壤污染等；在资源调查方面，可用于调查土地利用、 森林覆盖、矿产资源等；在城市规划方面，可用于城市扩张 监测、城市绿化监测和城市环境质量评估等。
02
高空间分辨率遥感基本原 理
高空间分辨率遥感图像能够准确监测土地 资源的利用状况和变化情况，为土地管理 和治理提供依据。
环境保护和治理
灾害监测与救援
通过高空间分辨率遥感图像的监测，可以 及时发现和评估环境问题，为环境保护和 治理提供决策支持。
高空间分辨率遥感图像能够快速获取灾区 地形地貌和灾情状况，为灾害监测、救援 和恢复提供重要信息。
报告撰写
撰写实习报告，总结实习过程、 方法、成果和经验教训，为后续 实践提供参考。
05
实习总结与展望
实习收获与体会
掌握高光谱与高空间分辨 率遥感技术的基本原理和 应用方法。
学会使用相关软件和工具 进行遥感数据处理和分析 ，如ENVI、ERDAS Imagine等。
ABCD
了解遥感数据处理和分析 的流程，包括数据预处理 、特征提取和分类识别等 。
特征提取
从遥感图像中提取地物光谱、纹理、形状等特征 ，为后续分析提供依据。
遥感信息技术实习指导书
实习三图像解译本次实习主要学习以下内容:图像空间增加(Spatial Enhancement)图像辐射增加(Radiometric Enhancement)图像光谱增加(Spectral Enhancement)高光谱工具(Hyperspectral Tools)地形分析功能(Topographic Analysis)地理信息系统分析(GIS Analysis)图像解译功能简介(Introduction of Image Interpreter)ERADS IMAGINE 的图像解译器(Image Interpreter) 包含了50 多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要您通过各种按键或对话框定义参数，多数解译功能都借助模型生成器(Model Maker)建立了图形模型算法，很简洁调用或编辑。
图像解译器又称Image Interpreter 或Interpreter，可以通过两种途径启动:ERDAS 图标面板菜单条:Main 一Image Irnerpreter 一Image Interpreter 菜单ERDAS 图标面板工具条:点击Interpreter 图标~Image Interpreter 菜单图像解译器Image Interpreter 面板从上图可以看出，ERDAS 图像解译模块包含了8 个方面的功能，依次是遥感图像的空间增加(Spatial Enhancement)、辐射增加(Radiometric Enhancement )、光谱增加(SpectralEnhancement)、高光谱工具(Hyper Spectral Tools)、傅立叶变换((Fourier Analysis)、地形分析(Topographic Analysis)、地理信息系统分析(GIS Analysis)、以及其它有用功能(Utilities)，每一项功能菜单中又包含假设干具体的遥感图像处理功能。
实验一：高光遥感数据的获取及分析
实验一高光谱遥感数据获取评分姓名：石佳兴学号：20133032001031、分别使用AVIRIS 和Hyperion 数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？方法：1.(标准)假彩色合成：根据加色法和减色法原理，选择遥感影像的某三个波段，分别赋予红、绿、蓝三种颜色，就可以合成彩色影像。
由于选择的颜色与原来遥感波段所代表的真实颜色不同，因此生成的合成色不是地物的真实颜色，这种合成叫做假彩色合成。
当遥感影像的绿波段赋蓝，红波段赋绿，近红外波段赋红时，这一合成被称为标准假彩色合成。
过程：根据方法中所述的原理，对于AVIRI遥感影像，可以分别赋予第52、31、21波段红、绿、蓝，来识别植被、水体等不同地物；对于Hyperion遥感影像，则可以分别赋予第111、31、21波段红、绿、蓝。
结果：AVIRIS 数据Hyperion 数据分析1.植被在可见光波段（0.38-0.76um）有一个小的反射峰，位置在0.55um（绿）处，在近红外波段（0.7--0.8um）有一个反射的“陡坡”，至1.1um附近有一个峰值。
根据标准假彩色的合成原理，绿波段被赋予蓝，红外波段被赋予红，绿色与红色相加为品红，因而植被在影像中大致呈红色。
2.水体的反射主要在蓝绿光波段，其他波段吸收都很强，根据标准假彩色合成原理，绿波段被赋蓝，因此一般的湖泊水库等均呈蓝黑色。
水体呈现深蓝色，植被呈现红色，通过标准假彩色合成较好的区分了植被、水体、建筑物等不同地物。
2分别从ETM+，AVIRIS 和Hyperion 数据中分别选取5 种不同的地物，提取曲线。
从光谱剖面曲线上，比较分析多光谱数据和高光谱数据的各自特点。
方法：提取5种不同地物所在区域的平均光谱数据。
过程：提取区域平均光谱数据的方法（1）首先，利用ROI 工具选取区域；（2）然后，在ROI Tool 的窗口中选中区域，再点击下方的Stats 按钮；（3）最后，在ROI Statistics Results 窗口中，点击File|Save ROI Results to text file…菜单，按照提示保存为文本文件；（4）将文本文件导入Excel 或Matlab，其中Mean 对应的数据列即为该区域的平均光谱。
高光谱与高空间分辨率遥感实习
13
三、实习仪器与数据 SPSS软件、EXCELL软件及玉米叶片反射光谱
数据、叶绿素含量数据。 四、实习步骤 1、相关分析
1）将玉米反射光谱数据及叶绿素数据导入SPSS软 件，并进行对每个波段与对应的叶绿素含量数据 进行相关分析
幅影像的真实地表反射率ρ.
19
2、模块参数设置 参数主要包括：传感器几何参数、地面高程、遥 感影像成像时间和日期、大气参数气溶胶模式、 能见度、光谱波段响应。
三、实习仪器与数据 ENVI软件及Hyperion影像数据。
20
四、实习步骤 1、处理流程
图4 处理流程
21
2、去除未定标及水汽影像波段 删除的波段见表1，最终保留196个波段，分别为857,79-224。 表1 被删除的波段
14
2）获得相关分析结果，找出相关系数绝对值 最大值波段，并与临界值进行比较。
反射率/相关系数
0.6
0.4
0.2
0 400 -0.2
-0.4
-0.6
玉米叶片反射光谱 相关系数
500
600
700
800
波长 (nm)
图3 相关系数曲线
900
1000
15
2、回归建模 1)选用540nm反射率与叶绿素含量进行回归 分析 2）回归分析结果
步计算A,B,S 和La.
②忽略影像邻近像元效应影响,利用(5)式计算像元空
间平均反射率ρe,获取邻近像元反射率.FLAASH 模
块中用一个径向距离近似指数函数,代替大气点扩 散函数进行邻近像元反射率计算.当求得邻近像元 反射率后,将遥感器接收的辐射亮度和 MODTRAN4 模拟大气校正参数代入(4)式,求得整
高光谱遥感实验五
2012级研究生《高光谱遥感技术》实验报告姓名：张东霞学号：2012110673专业：摄影测量与遥感成绩：2013年5月14日实验项目五一、实验目的：1、掌握多元线性回归光谱反演建模方法2、掌握了DPS软件的基本操作方法二、实验内容：1、利用包络线去除法提取的参数建立多元线性反演模型2、利用对数的一阶微分变换提取的参数建立多元线性反演模型3、对比分析不同参数组合预测的精度三、实验方法1、利用包络线去除法提取的参数建立多元线性反演模型多元线性回归模型：当选取的光谱特征为多个时，且每个特征与研究对象之间具有较好的相关性，可采用多元线性回归分析的方法建立反演模型y=a1x1+a2x2+…+a k x k+a0图1 计算结果由上图的计算结果可知，相关性最好的特征参数为深度面积和S1，对称度1，最大深度H1，右位置和宽度D，将相应数据拷贝到DPS软件中，前面列特征参数，最后一列为含铁量，为这些数据进行计算，选择“多元分析——回归分析——线性回归”，在弹出的“线性回归”窗口中因变量选择含铁量，自变量选择所有的特征参数，方法使用向后回归法。
保存按钮中预测值选择未标准化，残差选择学生化，其他选项默认即可。
点击继续和确认按钮，软件输出的结果如下所示：图2图3图5将上图所列表中的观察值与拟合值复制到新建工作表中，插入散点图并添加趋势线得到如下所示：图6 线性拟合曲线图7 曲线拟合2、利用对数的一阶微分变换提取的参数建立多元线性反演模型根据先验知识，选取特征波段以一阶微分变换提取的参数建立多元线性反演模型：这里选取的波段分别是过程图如下所示：图8图9复制观察值与拟合值至新建工作表中，插入散点图并绘制趋向曲线：图10 线性拟合图11 曲线拟合3、对比分析不同参数组合预测的精度从利用包络线去除法提取的参数建立多元线性反演模型和利用对数的一阶微分变换提取的参数建立多元线性反演模型的两种方法结果对比来看，利用对数一阶微分反演模型与有机质含量的相关性较高，效果较好，预测精度较高，在以后的研究中，可以多选择时候后者建模反演数据，提高预算精度。
高光谱遥感项目二实验报告
高光谱遥感项目二实验报告
一、实验目的
1、掌握光谱分析方法；
2、分析样本数量对相关系数的影响。
二、实验内容
1、绘制光谱曲线，分析不同波段光谱特点。
2、根据样本数不同计算并绘制相关系数图。
三、实验方法
1，制作不同土壤的反射率谱，把数据按土壤类型的不同进行分类，把同一土壤的多个样本在同一波长下的反射率进行平均，得到平均数列，然后将平均数列和波长列制作成图表。
2，制作黄棉土不同有机质含量的反射图谱，把黄棉土的样本按有机质含量多少进行排序，按一定规则把样本分成几块，对每一部分样本进行上述操作，最后将得到的数据制作成图表。
3，制作不同数量样本有机质相关系数图，将有机质含量数据转置复制到样本数据里面，通过correl函数来计算不同样本数量的相关系数，然后将得到的数据与波长列制作成图表。
4，制作不同数量样本含水量相关系数图，方法与制作有机质相关系数相同。
四、结果与分析
表1，不同类型土壤的光谱反射率图像。
表2，不同有机质含量的黄棉土的光谱反射率。
表3，不同数量样本有机质相关系数图。
表4，不同数量样本含水量相关系数图。
高光谱遥感定标和校正
实验报告班级：遥感科学与技术2013级1班姓名：文凤平学号：2013043009 一．实验名称定标和大气校正二．实验目的用FLAASH工具完成影像的大气校正，熟悉其校正含义及参数的意义。
三．实验数据四．实验内容与结果分析（实验主要内容，软件操作的主要过程截图及实验结果截图）（1）TM影像定标—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载多光谱中需要进行大气校正的图像，Basic Tools->Preprocessing->Calibration Utilities->Landsat Calibration在弹出来的对话框中加载TM图像；2.Basic Tools->Convert Data(BSQ,BIL,BIP)在对话框中选择定标后的图像，然后再Convert File Parameters窗口中作如下选择：Output Interleave选择BIP，Convert In Place选择Yes，点击ok按钮即可；3.Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：4.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；左图为校正前右图为校正后（2）AVIRIS数据（已定标）—FLAASH大气校正，结果分析，查看校正前后影像光谱曲线变化1.加载高光谱文件夹中需要进行大气校正的图像，Spectral->FLAASH在弹出的对话框中的Input Radiance Image中加载定标且转换过格式的多光谱图像在弹出的对话框中设置如下：点击在右下角的按钮加载多光谱文件夹中TXT记事本即可得到所有的FLAASH参数设置：点击对话框下面按钮，设置如下：点击右下角按钮设置如下：2.点击左下角的Apply按钮即可运行大气校正的操作，将校正后和校正前的图像进行link对比并查看两者的光谱曲线图像（在主窗口中右键->Z Profile（Spectrum））；。
高光谱遥感实验
高光谱遥感实验实验一高光谱遥感数据一. 分别使用AVIRIS和Hyperion数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？根据彩色合成原理，可选择同一目标的单个多光谱数据合成一幅彩色图像，当合成图像的红绿蓝三色与三个多光谱段相吻合，这幅图像就再现了地物的彩色原理，就称为真彩色合成。
假彩色合成又称彩色合成。
根据加色法或减色法，将多波段单色影像合成为假彩色影像的一种彩色增强技术。
合成彩色影像常与天然色彩不同，且可任意变换，故称假彩色影像。
下面以ETM影像为例，进行真彩色合成，详细步骤如下：1.在ERDAS IMAGINE 2010中加载ETM影像etmsubsrt.img。
图一.添加ETM影像数据2.由ETM影像数据的基本参数中，RGB三色数据如下故分别选取1、2、3波段作为蓝、绿、红三色进行真彩色合成，结果如下图二.ETM影像真彩色合成图中绿色为植被，蓝色为水体。
3.对ETM影像数据的基本参数进行分析，选取对水体、植被有特征三个波段进行假彩色合成。
因为ETM影像中波段2，即绿色波段可用于分辨植被，波段,3，即红色波段处于叶绿素吸收区域，可用于观测植被效果好，波段4，即近红外波段，可以从植被中区分出水体，故分别选取波段2、3、4作为蓝、绿、红三色进行假彩色合成。
图三.ETM影像假彩色合成图中深蓝色为植被，浅蓝色和红色为水体。
使用AVIRIS和Hyperion数据，针对植被、水体等不同地物进行假彩色合成的步骤如上，其中，使用AVIRIS数据进行假彩色合成时选取波段50、31、20作为红绿蓝三色进行假彩色合成图四.AVIRIS影像假彩色合成使用Hyperion数据进行假彩色合成时选取波段110、31、21作为红、绿、蓝三色进行假彩色合成图五. Hyperion影像假彩色合成图中深蓝色为水体，浅蓝色为植被。
二. 分别从ETM、AVIRIS和Hyperion数据中分别选取3到5种不同的地物，提取曲线。
第6章-高光谱遥感(张良培)
d 2 A2 S 2
y
x
d1 S1 A1 y A1 x S 2
即光谱最大吸收位置W可以有两个肩部和两个吸收点
即为：
x+ S2
14
第二个特征参量：光谱吸收深度D（0到1之间）。
D
[
W A2
S2 S2
]
D2
第三个特征参量：对称性S，这里不用面积作为衡量单 位。
S A B (W S2 ) (S1 W )
41
（2）光谱角度匹配
光谱角度匹配（Spectral Angle Match：SAM）通 过计算一个测量光谱（像元光谱）与参考光谱之 间的“角度”来确定他们两者之间的相似性。这 种技术在地质矿物分类成图中的应用较有潜力。 参考光谱可以是实验室光谱或野外测定光谱或是 从图像上提取的像元光谱。
下面通过两波段（二维）的一个简单例子来说明 参考光谱和测试光谱的关系
利用这3个光谱吸收特征参数，对图像进行分析可以 分别得到高光谱影像的吸收位置图、吸收深度图以及 对称性图。
15
分别利用这三个吸收特征参数对美国内华 达cuprite矿区影像进行分析处理。
该地区原始影像是由航空可见光/红外成 像光谱仪（AVIRIS）于1995年获得，共 50个波段。
16
主要分析Al-O和C的特征，并选择相应的吸收波段： （1）Al-O分子的左右肩部分S1和S2别采用了第178个波
8
最简单的编码方法
h(n)=0, if x(n)<=T;
h(n)=1,if x(n)>=T; 其中x(n)是像元第n通道的亮度值，h(n)是其编码，T是 选定的门限制，一般选为光谱的平均亮度，这样每个 像元灰度值变为1bit，像元光谱变为一个与波段数长度 相同的编码序列。
遥感实验指导书-多光谱数据的合成与显示
遥感实验2 多光谱数据合成与显示一、实验目的了解常用遥感数据格式，学会数据导入、多光谱合成、彩色合成等技术，通过实际影像的操作，制作可用于实际工作的某区域遥感图像，为下一次实验准备数据。
二、实验原理三原色原理。
三、实验材料与方法某区域的遥感图像、ERDAS软件。
四、实验内容及主要步骤数据导入多光谱合成用不同方式打开同一景多光谱遥感影像图像色彩变换四、实验结果合成1988年的TM数据和2001年ETM+多光谱数据，取3个波段合成合适的彩色图像。
附：实验指导书利用ERDAS软件进行处理，制作可用于目视解译和计算机分析处理的遥感图像，主要过程包括：1、数据导入①导入86年数据点击import按钮，出现下左图，在input栏选择要导入的文件夹和文件，在output栏中选择合适文件夹并输入文件名，在type栏选generic binary，OK，在出现的界面中文件格式和行列数（在要导入数据所在的文件夹中有记录这些信息的他头文件），OK。
②导入2000年数据操作类似①，不同的是在输入界面下的选择TM L7的多光谱数据，如下图。
③导入扫描地形图操作类似①，不同的是在输入界面下的选择JPEG类型，操作界面如下图。
2、多光谱合成点击、utilities、layer stack，出现下右图界面，在input file处选择文件、add，重复选择和add，需加在一起的波段全部加入后，在output file处选择文件夹并输入文件名，OK。
3、用不同方式显示同一景遥感影像启动ERDAS IMAGINE；打开影像：在Viewer下点击打开影像按钮、在出现的界面中files of type处选择合适的数据格式；点击raster options、在display as处选择不同的显示方式（真彩色、假彩色、灰度、地势），则图像按多波段RGB真彩色、某波段按假彩色、某波段按灰度、高程数据按地势显示。
4、图像色彩变换在RGB真彩色模式下更改颜色：viewer下菜单raster/band combinations，更改RGB分别对应的波段，OK确定。
高光谱与高分辨率遥感——定标与大气辐射校正
成都信息工程学院Chengdu University of Information Technology高光谱与高分辨率遥感实验报告实验名称：定标和基于FLAASH的多分/高分影像大气辐射校正指导老师：***学生姓名：***学号：**********1 实验名称：定标和基于FLAASH的多分/高分影像大气辐射校正2 实验目的熟悉定标过程和用FLAASH工具完成影像的大气校正，熟悉其校正含义及参数的意义。
3数据介绍：多光谱数据LandsatTM_JasperRidge_hrf.fst（未定标）和高光谱数据JasperRidge98av.img以及信息文件JasperRidge98av_template.txt、AVIRIS_1998_scale.txt、JasperRidgeTM_template.txt4实验步骤4.1高光谱影像的大气校正4.1.1打开Spectral—FLAASH打开FLAASH大气校正工具，设置的参数用到了JasperRidge98av_template.txt（Restore中加载）、AVIRIS_1998_scale.txt文件，结果如下：点击Apply4.1.2产生的有关水汽的数据：4.1.3大气校正前、后的图像：前后4.2多光谱数据定标4.2.1打开多光谱TM数据，之后选择BasicTools—Preprocessing—Calibration—Landsat TM，然后选择打开的数据，定标类型为Radiance辐射率，输出定标后的结果所示：4.2.2 然后BasicTools—Convert Data，输入定标的数据，得到bip文件：4.2.3打开Spectral—FLAASH打开FLAASH大气校正工具，输入的为bip文件，第二次输入LandsatTM_JasperRidge_hrf.fst，Restore输入JasperRidgeTM_template.txt文件，Apply。
- 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)。
2
b) 去噪前后，同一像素的（或同一区域的平均）光谱的信噪比值
3
实验二 高光谱遥感数据的大气校正
实验目的
大气的影响对高光谱遥感而言比多光谱遥感更重要，尤其是陆地 高光谱遥感，消除大气的影响而获得接近地面测量的光谱数据，对于 准确识别地物、属性估计等具有十分重要的意义。大气校正的目的是 消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、 地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧 化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的 影响。
Purpose Utilities ‐> Dark Subtract，启动模块。选择待校正的图像， 选择Band Minimum 选项，即每个波段的最小值将被自动选为暗目 标的反射率。处理后保存结果即可。 2、ENVI FLAASH
a) 简介：ENVI 的高精度大气校正工具包，其最新扩展模块FLAASH 2.0 专门对波谱数据进行快速大气校正分析。FLAASH可以处理任何高 光谱数据、卫星数据和航空数据(860nm/1135nm)，这些数据是由 HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO‐1)AISA、HARP、DAIS、 Probe‐1、TRWIS‐3、SINDRI、MIVIS、 OrbView‐4、NEMO 等传感器获 得的。FLAASH还可以校正垂直成像数据和侧视成像数据。FLAASH 是 目前精度最高的大气辐射校正模型，使用了 MODTRAN 4 辐射传输模 型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包 含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平 滑。FLAASH 可对Landsat, SPOT,AVHRR, ASTER, MODIS, MERIS, AATSR, IRS 等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进 行快速大气校气校正的目的。通常情况下，我们一般选择水体作为暗 目标。
实验内容
1、 MNF变换 cup95eff.int是本次实验使用AVIRIS的高光谱影像，已经经过消
光和大气校正。在ENVI中打开该影像，按照下列步骤进行MNF变换处 理：
（1） 从 ENVI 的主菜单按照下列之一的方式打开 MNF 的对话框
a) Transform → MNF Rotation → Forward MNF → Estimate Noise Statistics From Data
2) 海洋光学 USB4000‐VIS‐NIR
光谱范围： 350 – 1000 nm 内置存储器 ： -
通道数 ： 线阵列探测器： 3648 Si，350-1000nm 光谱分辨率（FWHM）： 1.5nm, 350 – 1000 nm 最小积分时间： 3.8 毫秒
8
实验步骤
1、 测量目标和条件的选择 （1） 环境: 无严重大气污染，光照稳定，无卷云或浓积云， 风
7
实验采用垂直测量方法，计算公式为：
ߩሺߣሻ
ൌ
ܸሺߣሻ ܸ௦ሺߣሻ
ൈ
ߩ௦ሺߣሻ
式中，ρ(λ)为被测物体的反射率，ρs(λ)为标准版的反射率，V(λ)，
Vs(λ)分别为测量物体和标准版的仪器测量值。
2、 几种便携式地物光谱仪
1) SVC 便携式地物光谱仪的基本参数
光谱范围： 350 – 2500 nm 内置存储器 ： 500 scans(扫)
本次实验的目的是掌握一般大气校正方法，理解大气传输过程中 散射、吸收和折射作用的影响机理和校正的原理，掌握大气校正的一 般方法和处理过程。
实验内容
1、使用黑暗目标法分别对TM和AVIRIS影像进行大气校正 2、使用FLAASH模块对AVIRIS影像进行大气校正
预备知识
1、黑暗目标消减法(Dark Object Substraction,DOS) a) 基本原理：寻找影像中的最暗的目标区域，假设该区域的光
0.76-0.90
1.55-1.75
分辨率(米) 30 30 30
30
30
主要作用 用于水体穿透,分辨土壤植被 分辨植被 处于叶绿素吸收区域, 用于观测道 路/裸露土壤/植被种类效果很好 用于估算生物数量, 尽管这个波段 可以从植被中区分出水体，分辨潮 湿土壤，但是对于道路辨认效果不 如 TM3 用于分辨道路/裸露土壤/水, 它还 能在不同植被之间有好的对比度, 并且有较好的穿透大气、云雾的能 力。
0.702-1.048
c) Hyperion
指标 波长范围 光谱分辨率
430-2400 10nm
波段 Band 1-5 Band 6-15 Band 16-25 Band 26-36 Band 37-184 Band 185-242
紫外 蓝光 绿光 红光 近红外 中红外
波长(微米) 0.356-0.396 0.406-0.498 0.508-0.600 0.609-0.691 0.702-1.992 2.002-2.577
谱反射率为0，而实际获得的反射率是由于大气影响或程辐射的结果， 并且其它区域受到相同的影响。那么，可以通过从每个像元的反射率
4
扣除掉黑暗目标的反射率就可以达到大气校正的目的。通常情况下， 我们一般选择水体作为暗目标。
b) ENVI 中DOS 的操作 i. ENVI 中DOS 被称为Dark Subtract ii. 依次选择菜单 Basic Tool ‐> Preprocessing ‐> General
I
实验一 高光谱遥感数据获取
实验目的
高光谱遥感数据的具有较高的光谱分辨率，每个波段的范围小 （窄波段），通常具有数十个至 200 多个窄波段。本次实验的目的是 利用 ENVI、Erdas 等软件观察 TM、AVIRIS 和 Hyperion 等遥感数据或 者实验室使用 Headwall 高光谱相机拍摄的高光谱图像数据，认识高 光谱数据的图谱合一的特点。
报告内容
1、 分别使用 AVIRIS 和 Hyperion 数据，如何针对植被、水体等 不同地物进行假彩色合成选择合适的波段？ 2、 分别从 ETM+，AVIRIS 和 Hyperion 数据中分别选取 5 种不 同的地物，提取曲线。从光谱剖面曲线上，比较分析多光谱数据 和高光谱数据的各自特点。 3、 信噪比计算，对 Headwall 拍摄的数据，采用 MNF 去噪后， 实现以下计算和比较分析： a) 去噪前后，各波段图像的信噪比值
b) Spectral → MNF Rotation → Forward MNF → Estimate Noise Statistics From Data
（2） 选择 cup95eff.int 文件，默认 Spatial Subsetting, Spectral Subsetting, 和 Masking，然后点击 OK，打开 Forward MNF Transform Parameters 的对话框；
5
b) ENVI 中的FLAASH 的操作 请参见附件《ENVI FLAASH使用手册》
报告内容
1、一些基本的概念： a) 大气散射 b) 大气吸收和地面遥感可以利用的主要大气窗口 c) 解释为什么天空是蓝色的，而在太阳升起和落下时天空会呈
现红色或橘红色 d) 为什么需要进行大气校正
2、对比分析 DOS 和 FLAASH 的处理结果，注意典型地物的校正效 果。从大气传输过程简要分析一下 FLAASH 的关键参数设置对结果 的影响。
1、 便携式地物光谱仪的基本工作原理 光纤光谱仪是现代主流的便携式地物光谱仪，基本工作原理是光 源发光通过光纤传导入采样探头，光线照射于物体表面后，反射光再 经探头导入与光谱仪相连的光纤束，被测光由接头入射到光谱仪内。 光谱仪内的分光结构至关重要。入射光经反射准直镜准直，平面反射 式光栅分光后，将入射光分成按一定波长顺序排列的单色光，再由成 像物镜聚焦后，投射到CCD阵列的光敏面上进行检测。典型的光纤光 谱仪的构造如下图。
实验内容
1、 合成真彩色和假彩色的影像 2、 提取同类或异类地物（物体）的光谱曲线
预备知识
1、 遥感数据的基本参数
a) ETM
波段 Band 1 蓝绿波段 Band 2 绿色波段
Band 3 红色波段
Band 4
近红外
Band 5
中红外
波长(微米) 0.45-0.52 0.52-0.60 0.63-0.69
力小于 3 级，避开阴影和强反射体的影响(测量者不穿白色服 装)。 （2） 时间: 地方时 9: 30‐14: 30 。 （3） 取样: 选择物体自然状态的表面作为观测面，取样面积大 于地物自然表面起伏和不均匀的尺度，被测目标面要充满视 场。 （4） 标准板: 标准板表面与被测地物的宏观表面相平行， 与观 测仪器等距，并充满仪器视场，保证板面清洁。
1
Band 6 Band 7
热红外 中红外
10.40-12.50 2.09-2.35
Band 8
全色
0.52-0.90
b) AVIRIS
指标 波长范围 光谱分辨率
Fwmh
400-2500nm 10nm 10nm
60
感应发出热辐射的目标。
对于岩壤。
通道数 ： 1024 线阵列探测器： (1) 512 Si，350-1000nm
(2) 256 InGaAs，1000-1850nm (3) 256 扩展的 InGaAs ，1850-2500nm 光谱分辨率（FWHM）： ≦3.5nm, 350 – 1000 nm ≦8.5nm 1000 – 1850 nm ≦6.5nm, 1850 – 2500 nm 最小积分时间： 1 毫秒