高光谱遥感基本概念
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
• 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
概念： 具有比较高的光谱分辨 率，通常能达到10-2λ数量级，
高光谱遥感具有波段多的特 点，光谱通道数多达数十甚 至数百个以上，而且各通道 间往往是连续的，因此高光 谱遥感通常也被称为成像光 谱遥感（Imaging Spectrometry）。
基本概念
遥感成像技术的发展一直伴随着两方面的进步：一是通
④定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提
供了条件。 劣势：
①对数据冗余处理不当，反而会影响分类精度；
②对定量化要求高，数据前处理复杂； ③波段多，波段间的相关性大，对训练样本数量要求高；
④使用统计学分类模型对光谱特征选择要求很高。
四、高光谱图像分类与目标识别
面向高光谱图像特点的分类算法:
高光谱图像目标识别:
①从数字信号到辐射值的转换，这个过程要求在辐射和光谱上有
高精度的定标；
②剔除大气效应：从辐射值到地面视反射率； ③纠正光照几何因素和地形影响：视反射率到地面反射率； ④光谱特征选择、特征提取、数据空间转换等； ⑤从光谱数据库中提取所要识别的目标标准光谱；或者从图像中 提取光谱端元、识别和确认所找出的端元光谱； ⑥光谱匹配和识别，采用全波形匹配或者特征参量光谱匹配；也 可以采用混合光谱分解的方法，分解每一像元光谱，得出每像元 中各端元组分的相对含量。
谱特征空间，但它包括了该对象的主要特征光谱，并在一个 含有多种目标对象的组合中，该子集能够最大限度地区别于 其它地物。
光谱特征选择：光谱特征位置搜索 光谱相关性分析 光谱距离统计
三、高光谱图像光谱分析技术 （光谱特征位置搜索）
包络线去除（Continuum Removal ）：光谱曲线的包络线从 直观上看，相当于光谱曲线的“外壳”。
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
高光谱遥感分解课件
案例一：高光谱遥感在农业监测中的应用
总结词
种植结构优化
详细描述
高光谱遥感技术能够识别不同种类的 农作物，通过监测农作物的分布和生 长状况，可以优化种植结构，提高土 地利用效率和农业生产效益。
案例二：高光谱遥感在环境监测中的应用
总结词
污染物监测
详细描述
高光谱遥感技术能够监测大气、水体和土壤中的污染物，如二氧化硫、氮氧化物、重金 属等。通过对污染物的光谱特征进行分析，可以实时监测污染物的排放和扩散情况，为
05 实际应用案例分析
案例一：高光谱遥感在农业监测中的应用
总结词：精准监测
详细描述：高光谱遥感技术能够获取地表覆盖物的光谱信息，通过分析这些光谱 信息，可以精确地监测农作物的生长状况、病虫害情况以及土壤质量等，为农业 生产提供科学依据。
案例一：高光谱遥感在农业监测中的应用
总结词：产量预测
详细描述：利用高光谱遥感技术，可以预测农作物的产量。通过对农作物生长过程中的光谱信息进行监测和分析，可以建立 产量预测模型，提高预测的准确性和可靠性。
进行分类。
非监督分类
02
对未知类别的样本进行聚类分析，将相似的像素归为同一类。
目标识别
03
利用提取的特征和分类结果，对目标进行识别和定位。
04 高光谱遥感技术发展与展望
高光谱遥感技术的发展趋势
技术创新
随着传感器技术的不断进步，高光谱遥感器的空间分辨率 和光谱分辨率将得到进一步提升，能够获取更丰富、更精 准的地物信息。
详细描述
高光谱遥感技术能够识别不同类型的矿产资源，通过对地 表的光谱信息进行监测和分析，可以确定矿产资源的分布 和储量，为矿产资源勘探提供有力支持。
总结词
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
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
高光谱遥感的概念课件
高光谱遥感的概念
15
整个现代遥感技术体系
各应用部门 用户
遥感信 息传输
遥感成像机 理与模型
分发
目标提取与识别 (自动化、智能化)
多源数据融合与高光集谱成遥感的概念
数据处理 (高光谱、高分辨率、雷达)
16
遥感的发展趋势
（1）随着热红外成像、机载多极化合成孔径雷达、 高分辨力表层穿透雷达和星载合成孔径雷达技术 日益成熟，遥感波谱域从最早的可见光向近红外、 短波红外、热红外、微波方向发展，波谱域的扩 展将进一步适应各种物质反射、辐射波谱的特征 峰值波长的宽域分布。
（多角度遥感）
（4）各种新型高效遥感图像处理方法和算法将被 用来解决海量遥感数据的处理、校正、融合和遥 感信息可视化。
（海量遥感数据处理、融合）
高光谱遥感的概念
23
（5）遥感分析技术从“定性”向“定量”转变， 定量遥感成为遥感应用的发展热点。
（遥感从定性到定量分析）
（6）建立适用于遥感图像自动解译的专家系统， 逐步实现遥感图像专题信息提取自动化。
高光谱遥感的概念
8
遥感的特点
• 大面积同步观测：气象卫星，资源卫星 • 时效性强：周期短，覆盖面广 • 数据的综合性和可比性好：不用去实地
采集数据 • 较高的经济和社会效益：应用广泛 • 一定的局限性：数据处理；受天气影响
高光谱遥感的概念
9
高光谱遥感的概念
10
高光谱遥感的概念
11
遥感信息处理的技术流程
• 正在使用的传感器有： MODIS（EOS）, MISR（Terra）, ASTER（Terra）, ADEOS…
• 新的传感器产生，正在研制的有：
➢EO-1 233 bands
高光谱整理
1.遥感图像的最基本单元是像元，每个像元具有空间特征和属性特征。
空间特征：是用X值和Y值来表示；（纹理，形状，大小，方位）属性特征：常用亮度值表示。
（灰度值，亮度值）2.遥感图像特征（②，③遥感成像技术发展的方向）①时间分辨率：对同一地点进行遥感采样的时间间隔，集采样的时间频率。
也称重访周期。
②空间分辨率：像素所代表的地面范围的大小，或地面物体能分辨的最小单元；③光谱分辨率：传感器在接收目标辐射的光谱时能分辨的最小波长间隔；④辐射分辨率：指传感器接收波谱信号时，能分辨的最小辐射度差；3.高光谱遥感基本概念：①多光谱遥感（Multirspectral Remote Sensing）,光谱分辨率在波长的1/10数量级范围内(几十个至几百个nm)的遥感；②高光谱遥感（Hyperspectral Remote Sensing）,光谱分辨率在波长的1/100数量级范围内（几个nm）的遥感；③超光谱遥感（Ultraspectral Remote Sensing）,光谱分辨率在波长的1/1000数量级范围内（0.2-1nm）的遥感。
4.高光谱遥感与常规多光谱遥感的比较：①高光谱遥感：即高光谱分辨率成像光谱遥感，幅宽小，成像范围小，其细微的波段可进行地物成分的识别，风度估计（精细识别）。
②常规多光谱遥感：幅宽大，成像范围宽，可进行宏观地物影像分析，不可被高光谱遥感完全取代（宏观变化趋势）。
研究宏观的变化情况则必须用多光谱成像仪。
5.高光谱遥感发展概况：高光谱遥感的基础是光谱学(spectroscopy).①光谱学：实验室分析地物光谱特征(获得谱信息)②成像技术：把遥感传感器放置航空或航天平台(获得地物的图像信息)③成像光谱学：把实验室仪器放置航空或航天平台(获得地物的图和谱信息)注：光学遥感的发展——空间、光谱分辨率的不断提高：①全色Panchromatic：主要通过形状（空间信息）识别地物。
②彩色color photography：增加了颜色的感知，加强型的颜色感知。
高光谱遥感理论基础课件
CHAPTER
02
高光谱遥感的基本原理
电磁波与光谱辐射基础
电磁波的波长和频率
电磁波的波长范围从极长波到极短波，包括无线电波、微波、红外线、可见光 、紫外线、X射线和伽马射线等。不同波长的电磁波具有不同的特性和应用。
光谱辐射与光谱响应
物体对不同波长的电磁波具有不同的吸收、反射和透射特性，这种特性决定了 物体在光谱上的表现。光谱响应是指传感器在不同波长上的测量能力。
详细描述
高光谱遥感能够通过分析地物光谱特征，监 测植被的生长状况、种类分布以及生态系统 的健康状况。同时，高光谱遥感还能用于水 质监测，如水体污染物的分布和扩散情况。 此外，土壤状况的监测也是高光谱遥感的重 要应用之一，如土壤肥力、盐碱化程度等。
城市规划与建设管理
总结词
高光谱遥感在城市规划与建设管理中发挥着重要作用，能够提供丰富的地表信息，为城 市规划和建设提供科学依据。
详细描述
在环境监测方面，高光谱遥感可以用于检测大气污染 、水体污染和土壤污染等环境问题；在城市规划方面 ，高光谱遥感可以用于城市绿化、城市交通和城市空 间布局等方面的监测和规划；在资源调查方面，高光 谱遥感可以用于土地利用、矿产资源和水资源的调查 和评估；在农业管理方面，高光谱遥感可以用于农作 物生长监测、病虫害预警和产量预测等方面。
详细描述
高光谱遥感技术通过获取地物在不同光谱波段的反射或发射信息，能够识别和区分不同类型的地物，并揭示其内 在的光谱特征。由于其高光谱分辨率的特点，高光谱遥感能够提供更丰富的地表信息，为地物识别、环境监测、 资源调查等领域提供了强有力的支持。
高光谱遥感技术的发展历程
总结词
高光谱遥感技术自20世纪80年代诞生以来，经历了初期探索、技术发展和成熟应用三个阶段，目前 已经成为遥感领域的重要分支。
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
一、高光谱遥感简介
1.2 电磁波与物质的相互作用
(4)大气窗口
不同的电磁波段通过大气后衰减的程度不一样，有些波段的电磁辐射通过大气后衰 减很小，透光率很高，通常称为“大气窗口”。
27
1.2 电磁波与物质的相互作用
(4)大气窗口
（1）0.30～1.15μm大气窗口（全部可见光波段、部分紫外波段和部分近红外波 段） ：反映地物对太阳光的反射，白天成像；
晶体场效应
[TiF6]2-为八面体配合物，电子构型1s22s22p63s23p6, 该离子的5个空3d 轨道为简并轨道。
由于d轨道的取向，F-离子很靠近dx2-y2和dz2轨道（eg轨道）, eg轨道直 接指向F-配体；而dxy, dxz 和 dyz轨道（t2g轨道）指向F-配体之间。
eg 轨道比t2g轨道具有较高的能量。
（2）1.30～2.50μm大气窗口（近红外波段）：主要用于地质遥感 ； （3）3.50～5.00μm大气窗口（中红外波段）：用来探测高温目标，如森林火
灾、火山、核爆炸等 ； （4）8～14μm大气窗口（热红外波段）：探测常温下地物热辐射能量、发射
率、温度； （5）1.00mm～1m微波窗口（毫米波、厘米波和分米波）：能穿透云层、植被和
44
1.3 典型地物的光谱特性
色心
透明晶体中的点缺陷或其复合物捕获电子或空穴而形成的一类缺陷，和相应的 一组能级，这些允许能级之间的间距与可见光谱中的光子相当，当相应的光子 在缺陷处被吸收时，晶体好像被染了颜色一样。这种缺陷就是色心，常见于碱 卤化合物和多种金属氧化物。
• F心: M+X-晶体中负离子X的子晶格空位，捕获一个电子构成F心。该电子不 稳定，可由类1S态激发到类2s态、类2p态－－－F吸收线 LiCl, NaCl, KCl, RbCl, CsCl，如CaF2中的F离子丢失而被一个电子取代时， 就会造成红绿吸收，而呈现紫色，从而形成色心。
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）；
高光谱遥感技术的介绍及应用
高光谱遥感技术的介绍及应用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。
- 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)。
高光谱遥感基本概念
高光谱遥感用很窄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线波段其光谱分辨率高达纳米数量级，通常具有波段多特点，光谱通道数多达数十甚至上百以上，而且各光谱通道间往往是连续的，因此又称成像光谱遥感。
地物光谱特征：自然界中任何地物都具有其自身的电磁辐射规律，如具有反射、吸收，外来的紫外线、可见光、红外线和微波的某些波段的特性，他们有都具有发射某些红外线、微波的特性；少数地物还具有透射电磁波的特性。
混合像元的分解：从一个像元的实际光谱数据（一般为地物光谱混合的数据）中提取各种地物成分所占的比例的法。
成像光谱：就是在特定光谱域以高光谱分辨率同事获得连续的地物光谱图像，这使得遥感应用可以在光谱维上进行空间展开，定量分析地球表层生物理化过程与参数。
高光谱：它是一种图谱合一的成像方式，常用于遥感或同时获取图像和光谱信息的应用。
地物光谱：地物的反射率随入射波长而变化的规律。
数据融合⑴概念：遥感数据融合包括不同传感器、不同空间分辨率、不同时相图像的融合，以及遥感数据与其他辅助数据如地形数据、物化探数据的融合。
⑵三个层次：像素级，特征级，决策级。
植被指数：当光照射在植物上时,近红外波段的光大部分被植物反射回来,可见光波段的红光则大部分被植物吸收,通过对近红外和红波段反
射率的线性或非线性组合,可以消除土地光谱的影响,得到的特征指数称为。
表观光学量AOP：指随入射光场变化而变化的水体光学参数。
固有光学量IOP：指不随入射光场变化而变化，仅与水体成分有关的光学量。
水色遥感：就是利用光学量来反演出水体成分的浓度。
几何校正：消除几何畸变，即定量的确定图像上的像元坐标（图像坐标）与目标物的地理坐标（地图坐标）的对应关系。
为什么要进行几何校正？遥感影像的总体变形（相对于地面真实形态而言）是平移、缩放、旋转、偏扭、弯曲及其他变形综合作用的结果。
产生畸变的图像给定量分析及位置配准造成困难，因此遥感数据接收后，首先由接收部门进行校正，这种校正往往根据遥感平台、地球、传感器的各种参数进行处理。
而用户拿到这种产品后，由于使用目的不同或投影及比例尺的不同，仍旧需要作进一步的几何校正。
几何校正的两个步骤：1、像元坐标转换的两种方法
①直接纠正法：从原始图象阵列出发，依次对其中每一个像元分别计算其在输出（纠正）图像的坐标。
②间接纠正法：从原始图象阵列出发，依次计算每个像元P（X, Y）在原始图象中的位置P（x, y），然后将该点的灰度值计算后返送给P（X, Y）。
2、像元灰度值重新计算计算每一点的亮度值。
由于计算后的（x，y）多数不在原图的像元中心处，因此必须重新计算新位置的亮度值。
一般来说，新点的亮度值介于邻点亮度值之间，所以常用内插法计算。
通常有三种方法：最近邻法双向线性内插法三次卷积内插法。
监督分类：①概念：先取有代表性的训练区作为样本，通过选择特征参数（如像元亮度均值，方法等），确定判别函数，据此进行分类。
②算法：平行管道分类，最小距离分类，线性判别法，最大似然判别法，模糊分类，神经网络分类，决策树法，专家系统分类。
③优点：可充分利用分类地区的先验知识，预先确定分类的类别；可控制训练样本的选择，并可通过反复检验训练样本，以提高分类精度，避免分类中的严重错误；避免了非监督分类中对光谱集群组的重新归类。
缺点：人为主观因素较强；训练样本的选取和评估需花费较多的人力时间；只能识别训练样本中所定义的类别，从而影响分类结果。
非监督分类（又称聚类分析）：①概念：在没有先验类别作为样本的条件下，根据像元间相似度大小进行计算自动判别归类，无须人为干预，分类后需确定地面类别。
②算法：聚类法，分裂法，动态聚类，K均值算法，ISODATA算法。
③优点：无需对分类区有较多的了解，仅需一定的知识来解释分类出现的集群组；
人为误差减少，需输入的初始参数较少；可形成范围很小但有独特光谱特征的集群，所分的类别比监督分类的类别更均质；独特的覆盖量小的类别均能够被识别。
缺点：对其结果需进行大量分析及后处理，才能得到可靠分类结果；存在同物异谱及异物同谱现象，使集群组与类别的匹配难度大；不同图像间的光谱集群组无法保持其连续性，难以对比。
高光谱进行分类的流程遥感图像监督分类处理的一般流程：确定分类类别—选择特征—提取训练数据—测算总体的统计量—分类—检验结
果遥感图像非监督分类处理的一般流程：选择特征—确定类别数与先验值—测算总体统计量—分类—确定分类类别—检验结果辐射校正
⑴原因：大气散射与吸收对下行辐射和遥感器接收的上行辐射的光谱特性造成深刻影响。
⑵方法：①图像统计学模型法（相对反射率反演），包括平场域法，内部平均法，经验线性法，对数残差法。
②大气辐射传输模型法（绝对反射率反演），包括6S大气辐射校正模型，ATREM大气辐射校正模型，FLAASH大气校正FLAASH 模型主要有以下6方面内容1 输入文件准备2 基本参数设置3 多光谱数据参数设置4 高光谱数据参数设置5 高级设置6 输出文件7 处理结果以小麦冠层叶片氮含量的反演为例1：数据获取2：提取目标区域（利用植被指数；利用分类算法）3：选择植被指数4：建立反演模型（利用各光谱指数建立反演模型，并进行比较分析）5：指数与反演模型的评估（各光谱指数反演模型的预测能力分析；各指数对不同含氮水平样本的预测能力分析；各指数对不同LAI值样本的预测能力分析；各指数对LAI的敏感性分析）6：反演模型的优化（建模方法的优化选择；LS-SVR模型评价）7：遥感影像填图及其精度检验。