当前位置：文档之家 › 01高光谱遥感第一讲

01高光谱遥感第一讲

  • 格式：pdf
  • 大小：1.96 MB
  • 文档页数：34

下载文档原格式

  / 34

合集下载

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
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

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

高光谱遥感的应用(课堂PPT)

高光谱遥感的应用(课堂PPT)
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：

高光谱在遥感技术的应用

高光谱在遥感技术的应用

高光谱在遥感技术的应用高光谱遥感技术（Hyperspectral Remote Sensing）的兴起是20世纪80年代遥感技术发展的主要成就之一.作为当前遥感的前沿技术，高光谱遥感在光谱分辨率上具有巨大的优势。

，随着高光谱遥感技术的日趋成熟，其应用领域也日益广泛。

本文主要阐述高光谱遥感的特点和主要应用。

1 高光谱遥感孙钊在《高光谱遥感的应用》中提到，高光谱遥感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，利用成像光谱仪获取许多非常窄的光谱连续的影像数据的技术。

[1]高光谱遥感具有较高的光谱分辨率，通常达到10～2λ数量级。

[2]1.1 高光谱遥感特点综合多篇关于高光谱的期刊文章，总结高光谱具有如下特点：（1）波段多，波段宽度窄。

成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。

[3]与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。

[4]（2）光谱响应范围广，光谱分辨率高。

成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。

[5]成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm 左右。

精细的光谱分辨率反映了地物光谱的细微特征。

（3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。

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1 条完整、连续的光谱曲线，即所谓的“谱像合一”。

（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。

高光谱遥感技术的发展与应用现状

高光谱遥感技术的发展与应用现状

三、高光谱遥感技术的应用现状
然而，目前高光谱遥感技术还存在一些问题和挑战。首先，高光谱遥感技术 的数据采集和处理成本较高，限制了其广泛应用。其次，高光谱遥感技术的数据 处理算法和模型还不够完善，分类精度有待提高。此外，由于高光谱遥感技术使 用的光谱波段范
三、高光谱遥感技术的应用现状
围较窄，对于某些特定地物目标的识别精度有限。
一、高光谱遥感技术概述
一、高光谱遥感技术概述
高光谱遥感技术是一种利用电磁波谱中可见光、近红外、中红外和热红外波 段的光谱信息，进行地表特征识别的遥感技术。它能够揭示出地物的光谱特征， 反映地物的空间、形态、结构等信息，具有很高的空间分辨率和光谱分辨率。
一、高光谱遥感技术概述
高光谱遥感技术的应用，为地球表面的资源调查、环境监测、精准农业等提 供了强有力的技术支持。
四、未来展望
四、未来展望
针对现有问题和未来发展趋势，高光谱遥感技术的研究和应用将朝着以下几 个方向发展：
1、降低成本：通过研发成本更低的硬件设备和优化数据处理算法，降低高光 谱遥感技术的数据采集和处理成本，促进其广泛应用。
四、未来展望
2、提高精度：通过对数据处理算法和模型的深入研究和完善，提高高光谱遥 感技术的分类精度和识别精度。
三、高光谱遥感技术的应用现状
高光谱遥感技术可以用于土地资源调查、土地利用规划、土地资源保护等方 面的应用。例如，通过对不同土地类型的光谱特征进行分析，可以实现对土地类 型的精细分类和利用评估。
三、高光谱遥感技术的应用现状
在农作物监测方面，高光谱遥感技术可以用于农作物的生长状态监测、产量 预测、品质评估等方面的应用。例如，通过测量农作物的叶绿素含量和水分含量 等光谱特征，可以判断农作物的生长状况和预测产量。此外，高光谱遥感技术在 地质勘察、城市规划、军事侦察等领域也有广泛的应用。

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

高光谱与高空间分辨率遥感实习课件

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。

高光谱遥感

高光谱遥感

(一)高光谱遥感基本概念1、高光谱遥感特点波段特点：波段多、波段宽度窄、不断连续数据量特点：数据量大、数据冗余增加2、波谱空间与光谱空间光谱特征空间：以波段为维度的空间，波段增加会导致光谱空间维度增加。

波普特征空间：不同波段影像所构成的测度空间。

3、高光谱数据图谱合一的特点高光谱数据同时反映地物的空间特征（图）和光谱特征（谱）。

(二)成像光谱仪1、成像光谱仪的空间成像方式和光谱成像方式的含义空间成像方式：从影像二维空间形成角度考察成像光谱仪的工作方式。

光谱成像方式：从光谱维数据形成的角度考察成像光谱仪的工作方式。

2、成像光谱仪的瞬时视场角（IFOV）仪器视场角（FOV）瞬时视场角：以毫弧度为计量单位，所对应的地面大小被称为地面分辨单元。

仪器视场角：仪器扫描镜在空中扫过的角度，与系统平台高度决定了地面扫描幅宽。

摆扫型：单个像元凝视时间短,进一步提升光谱分辨率和信噪比较困难。

推扫型：凝视时间长,分辨率高,仪器体积小(无光机),视场角小(30°)定标量大不稳定。

3、成像光谱仪的三种定标方式共性：出于同一目的，特定情况下都是不可缺少的。

差异：处于不同阶段，考虑因素不同，入瞳辐射值获取方式不同（实验室定标：有实验室测得，原始定标，准确度高，后续定标基础）（机上星上定标：综合性定标，对前一项进行的修正，机上星上测得考虑搬运安装操作影响）（场地定标：入轨后实际运行情况，大面积均匀地表做参照,考虑大气传输，多通道大范围）场地定标的常用方法：反射基法（气溶胶参数）、辐照度基法（过程）、辐亮度基法（人力）机上定标一般使用内定标法，星上定标受制于体积一般进行辐射定标（人造辐射源/太阳）光谱定标：确定成像光谱仪增益系数和偏置量之前，必须通过光谱定标，获得成像光谱仪每个波段的中心波长和带宽。

辐射定标：确定成像光谱仪在该波长小输入辐射能与输出响应关系（增益系数和偏置量）4、空间分辨率和光谱分辨率光谱分辨率：指探测器波长方向上的记录宽度，又称波段宽度（50%）空间分辨率：由仪器瞬时视场角决定，地面分辨单元。

高光谱遥感理论基础.pptx

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

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）；

高光谱遥感技术在林业中的应用

高光谱遥感技术在林业中的应用

4、农业环境监测
4、农业环境监测
高光谱技术还可以用于农业环境的监测。例如，通过对土壤湿度、土壤养分 等环境因子的监测和分析，可以了解土壤的状况和环境变化对作物生长的影响， 为农业生产提供环境监测和决策支持。
4、农业环境监测
结论 高光谱技术在农业遥感中的应用具有广泛的前景和重要的意义。通过对作物 生长状况、病虫害预警、产量估算以及农业环境监测等方面的应用，可以为农业 生产提供更加精准、高效的管理手段和决策支持。然而，高光谱技术在农业遥感 中的应用仍面临一些挑战，
二、高光谱技术在农业遥感中的 应用
1、作物生长监测
1、作物生长监测
高光谱技术可以捕捉到作物的生长状况和营养状况，通过对光谱数据的分析， 可以及时了解作物的生长状况，为农业生产提供决策支持。例如，通过监测作物 的叶绿素含量，可以判断作物的营养状况，及时进行施肥等管理措施。
2、病虫害预警
2、病虫害预警
高光谱技术可以捕捉到作物病虫害的发生和发展情况。当作物受到病虫害侵 袭时，其光谱特征会发生明显变化。通过实时监测作物的光谱信息，可以及时发 现病虫害的发生，为农业生产提供预警和防治措施。
3、产量估算
3、产量估算
高光谱技术可以通过对作物冠层的光谱信息进行测量和分析，预测作物的产 量。通过对不同生长阶段的光谱数据进行比较和分析，可以得出作物的生长趋势 和产量预测。这种方法可以为农业生产提供产量预测和决策支持。
2、数据预处理
2、数据预处理
获取的高光谱遥感数据需要进行一定的预处理，以满足后续分析和解译的需 要。主要包括定标定常、辐射定标、大气校正等步骤。这些处理过程可以消除遥 感数据的系统误差和畸变，提高数据的准确性和精度。
3、数据分析
3、数据分析

高光谱遥感数据的特征选择与提取课件

高光谱遥感数据的特征选择与提取课件
将高光谱遥感数据与其他类型的数 据（如光学图像、雷达数据等）进 行融合，能够提高目标检测和识别 的精度和可靠性。
特征选择与提取的挑战与机遇
要点一
特征选择与提取的挑战
要点二
机遇
高光谱遥感数据具有高维、高冗余的特点，如何有效地选 择和提取特征是亟待解决的问题。同时，不同应用场景对 特征的要求也不同，需要针对具体需求进行特征选择和提 取。
随着深度学习、机器学习等技术的发展，为高光谱遥感数 据的特征选择与提取提供了新的思路和方法。这些技术能 够自动地提取有用的特征，提高数据处理的速度和精度， 为高光谱遥感技术的应用提供了更多的可能性。
感谢观看
THANKS
THE FIRST LESSON OF THE SCHOOL YEAR
独立成分分析法能够揭示高光谱数据的非高斯结构，对 于处理非线性和非高斯数据非常有效。
独立成分分析法可以用于解决盲源信号分离问题，从观 测信号中提取出独立的源信号。
非负矩阵分解法
在此添加您的文本17字
一种基于矩阵分解的特征提取方法
在此添加您的文本16字
非负矩阵分解法将高光谱数据矩阵分解为多个稀疏的非负 基矩阵的乘积，从而提取出数据的特征。
在此添加您的文本16字
揭示数据的主要特征结构
在此添加您的文本16字
通过主成分分析法，可以揭示高光谱数据的主要特征结构 ，从而更好地理解数据的内在规律和特征。
独立成分分析法
一种寻找数据中的独立成分的方法 揭示数据的非高斯结构 用于盲源信号分离问题
独立成分分析法旨在找到高光谱数据中的独立成分，这 些独立成分能够最大程度地保留数据的方差，同时彼此 独立。
基于模型的特征选择
总结词
基于模型的方法通过训练分类或回归模型来选择最重要的特征，通常使用模型的惩罚项或特征重要性评分作为选 择标准。
  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)。

研究生选修课：《高光谱遥感》2009-2010学年第二学期高光谱遥感Lecture 1：An Overview of Hyperspectral RemoteSensing主讲：张显峰北京大学地球与空间科学学院遥感与GIS研究所2010年3月1日研究生选修课：《高光谱遥感》2009-2010学年第二学期Who am I?¾张显峰，副教授，北京大学遥感与地理信息系统研究所¾1993～2000，中国科学院遥感应用研究所工作¾1997～2000，获中国科学院遥感所地图学与地理信息系统专业博士学位¾2001～2005，获加拿大西安大略大学遥感信息科学专业博士学位¾Contact Information(联系方式):Email: xfzhang@,Tel:62759123 RM: 遥感楼427研究生选修课：《高光谱遥感》2009-2010学年第二学期课程说明课程名称（中文）：高光谱遥感课程名称（英文）：Hyperspectral Remote Sensing学分/学时：2 / 34课程类型：专业选修星期一:7、8节（14:40 -15:30）；理教116/persons/zhangxianfeng/HyperRS研究生选修课：《高光谱遥感》2009-2010学年第二学期课程目标为“摄影测量与遥感”专业研究生开设的专业选修课程，重点介绍高光谱遥感的基本理论与概念、高光谱数据处理、专题信息提取与应用；作为遥感技术的重要研究前沿，本课程将重点介绍数据处理方法与前沿研究领域与问题；以高光谱数据在岩性矿物信息提取和生态遥感研究中的应用为实例，揭示高光谱遥感的应用特点与前景。

研究生选修课：《高光谱遥感》2009-2010学年第二学期选课要求与考试方式¾选修要求：选修本课学生应该具有一定的地学与遥感背景。

¾授课方式：主要采用授课、实验与专题研讨的方式。

¾成绩计算：以100分为满分，计算如下：上课与讨论考勤：8 %课程讨论与PPT报告(1次)：12 %实习课作业（2次）：20 %期末考试：60 %其中，考勤计算如下：≥90%: 8分；≥80%: 5分；≥67%:3分;< 67%: 0分；研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录第一章高光谱遥感概述（第1讲）1. 高光谱的概念2. 高光谱起源、发展过程3. 高光谱遥感系统及主要传感器研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录1. 高光谱遥感的物理基础（Lecture 2）2. 典型地物光谱特征及其成因（植被、土壤、水、矿物、城市等）（Lecture 3）3. 高光谱遥感的成像机理第二章高光谱遥感的理论与技术基础（第2-3讲）研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录1.高光谱图像辐射定标2. 高光谱图像大气纠正3. 高光谱图像几何纠正第三章高光谱图像辐射定标、大气纠正与几何纠正（第4-5讲）研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录第四章光谱特征分析（第6-8讲）1.光谱特征选择与特征提取2. 光谱数据库与光谱分析3. 混合光谱理论与光谱分解4. 端元光谱提取与小目标探测研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录第五章高光谱图像分类与地物识别（第8-9讲）1.高光谱图像特点2. 高光谱图像分类算法3. 高光谱图像地物识别4. 多源数据辅助高光谱图像分类研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录第六章高光谱遥感应用（第10讲）1.高光谱遥感在植被研究中的应用2. 高光谱遥感在地质研究中的应用3. 高光谱遥感在大气、水文、灾害、城市环境调查及军事等领域的应用研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录上机实习（第11-12讲）1.大气辐射校正实验2. 使用ENVI高光谱工具进行矿物提取实验研究生选修课：《高光谱遥感》2009-2010学年第二学期教学内容目录课堂讨论给定几个具体题目，每人选择一个，进行研究，最后到课堂介绍你的工作。

研究生选修课：《高光谱遥感》2009-2010学年第二学期本课程教学的方法1 上课总学时36 学时2 讲课学时20 学时（10次）3 课堂讨论学时 6 学时（课堂1次）4 实习课8 学时（2次）5 期末考试 2 学时Total=36 学时/2学分研究生选修课：《高光谱遥感》2009-2010学年第二学期参考书1.《高光谱遥感》，童庆禧, 张兵, 郑兰芬编著，高等教育出版社，2006年2.《高光谱遥感的多学科应用》，童庆禧, 张兵, 郑兰芬编著，电子工业出版社20063.《高光谱遥感及其应用》浦瑞良, 宫鹏著，高等教育出版社2000年4.《遥感岩矿信息提取基础与技术方法研究》甘甫平, 王润生著主编，北京地质出版社，2004年。

5. Quantitative remote sensing of land surfaces/Liang,Shunlin, Hoboken, N.J. : Wiley-Inter-science, c2004、c20086. Remote sensing geology/ Ravi P. Gupta. Berlin ; New York :Springer, c2003.研究生选修课：《高光谱遥感》2009-2010学年第二学期第一讲高光谱遥感概述高光谱的概念高光谱起源、发展过程高光谱遥感系统及主要传感器研究生选修课：《高光谱遥感》2009-2010学年第二学期高光谱的概念光谱分辨率高光谱为什么用高光谱?研究生选修课：《高光谱遥感》2009-2010学年第二学期传感器的主要指标－分辨率 空间分辨率：遥感图像上能够详细区分的最小单元的尺寸大小。

9像元（pixel）：将地面信息离散化的格网单元，单位为米。

9瞬时视场角（IFOV）:指传感器到地面最小面积间构成的空间立体张角及瞬时视域，又称角分辨率。

通常用毫弧度mrad表示。

研究生选修课：《高光谱遥感》2009-2010学年第二学期摆扫式研究生选修课：《高光谱遥感》2009-2010学年第二学期推扫式研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱分辨率：传感器记录的电磁波谱中，某一特定的波长范围值。

波长范围越宽，光谱分辨率越低。

研究生选修课：《高光谱遥感》2009-2010学年第二学期波段宽度Wavelength, band width, central wavelengthFWH Ｍ：Full Widthat Half Maximum, 半峰波宽研究生选修课：《高光谱遥感》2009-2010学年第二学期时间分辨率：对同一目标进行重复探测时，相邻两次探测的时间间隔，可以提供地物动态变化的信息。

可分为三类：9超短周期：一天内的变化。

9中周期：一年内的变化9长周期：以年为单位的变化研究生选修课：《高光谱遥感》2009-2010学年第二学期高光谱遥感（hyperspectral remote sensing）利用很多很窄的电磁波波段从感兴趣的物体获取有关数据具有比较高的光谱分辨率，通常达到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 各光谱通道间往往是连续的，因此又通常被称为成像光谱（Imaging Spectrometry）遥感研究生选修课：《高光谱遥感》2009-2010学年第二学期高光谱分辨率（简称为高光谱）遥感或成像光谱遥感技术的发展是过去二十年中人类在对地观测方面所取得的重大技术突破之一，是当前遥感的前沿技术。

它是指利用很多很窄的电磁波波段获取许多非常窄且光谱连续的图像数据的技术，融合了成像技术和光谱技术，准实时地获取研究对象的影像和每个像元的光谱分布。

研究生选修课：《高光谱遥感》2009-2010学年第二学期多光谱传感器的光谱分辨率Landsat TM/ETM Bands Wavelength 光谱分辨率ETM+ band 1 blue 0.45 -0.515 65nm (478)ETM+ band 2 green 0.525 -0.605 80nm(565)ETM+ band 3 red 0.63 -0.690 60nm (660)ETM+ band 4 near infrared 0.75 -0.90 150nm (825)ETM+ band 5 shortwave IR 1.55 -1.75 200nm(1650)ETM+ band 6 thermal IR 10.40 -12.5 2100nm (11.45)ETM+ band 7 shortwave IR 2.09 -2.35 260nm (2220)ETM+ band 8 panchromatic 0.52 -0.90 10-1λ研究生选修课：《高光谱遥感》2009-2010学年第二学期研究生选修课：《高光谱遥感》2009-2010学年第二学期国际遥感界认为光谱分辨率在10-1λ数量级范围内的为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美陆地卫星TM和法国SPOT卫星等;光谱分辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。

由于其光谱分辨率高达纳米(nm)数量级，往往具有波段多的特点，即在可见到近红外光谱区其光谱通道多达数十甚至超过100以上。

随着遥感光谱分辨率的进一步提高，在达到10-3λ时，遥感即进入了超高光谱(Ultraspectral)阶段研究生选修课：《高光谱遥感》2009-2010学年第二学期光谱区域（nm ）： 400 700 1100 2500 5500 14000VIS PIR MIR VNIRSunlight IRT光谱分辨率波段数 Δλ/λ VNIR MIR IRT 多光谱5-10 0.1 50-100 100-200 1000-2000 高光谱 100-200 0.015-2010-50100-500 研究生选修课：《高光谱遥感》2009-2010学年第二学期•Panchromatic , Multispectral , HyperspectralPanchromatic &color photography HyperspectralMultispectral>10-2λ10-1λ研究生选修课：《高光谱遥感》2009-2010学年第二学期z 光谱分辨率高(λ×10-2)z 波段多⎯数十到数百z 谱⎯像合一的特点z 信息量大，一次数据获取达千兆(GB)级z 数据速率高，数十⎯数百兆比特/秒z 能获取地物目标的精细光谱特征z 综合地面目标的空间维、时间维、光谱维特征z 探测各种目标的成分属性及动态目标的状态属性z 有利于利用光谱特征分析来研究地物z 有利于采用各种光谱匹配模型z 有利于地物的精细分类与识别z 各种需识别地面目标的领域z 农业、地质、城市、环境、军事特点能力优点应用（伪装与反伪装）（侦察与反侦察）研究生选修课：《高光谱遥感》2009-2010学年第二学期高光谱图象立方体（HSIC）成像光谱仪在空间成像的同时，以相同的空间分辨率记录下几十或者成百的光谱通道数据，它们叠合在一起，就构成了高光谱图像立方体，从高光谱图像立方体的每个像元均可提取一条连续的光谱曲线。