高光谱遥感的应用(课堂PPT)

格式：ppt
大小：11.59 MB
文档页数：15

下载文档原格式

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。

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。

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。

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，

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。