SWIR-短波红外

aster热红外大气校正ENVI提供Thermal Atm Correction工具，可以近似去除热红外辐射数据中的大气影响。

在进行大气校正之前，为了得到最好的结果，必须将热红外数据定标为比辐射率数据（TIMS的热红外数据必须被转化为辐射亮度数据），并且待校正数据波长在8-14µm之间。

下面以ASTER L1A的热红外波段为例，操作过程如下：（1）打开ASTER，在波段列表中按照波长自动归为4组，2组可见光-近红外（VNIR）、短波红外（SWIR）和热红外(TIR)，并根据头文件信息自动定标为辐射亮度值（单位W/（m2 *µm*sr））。

（2）在主菜单中，从以下列表中选择一种方式●Basic Tools -> Preprocessing ->Calibration Utilities ->Thermal Atm Correction●Basic Tools ->Preprocessing ->Data-Specific Utilities ->Thermal IR -> Thermal Atm Correction●Basic Tools -> Preprocessing -> Data-Specific Utilities ->TIMS ->Thermal Atm Correction在Thermal Correction Input File对话框中，选择热红外数据（Wavelength : 8.291 to 11.318）。

（3）在Thermal Atm Correction Parameters面板中（图3），需要填写以下参数：●数据缩放系数（Data Scale Factor）：1。

将输入数据的单位缩放为W/（m2 *µm*sr）。

●波长单位（Wavelength Units）：Micrometers。

北京揽宇方圆信息技术有限公司一、光学卫星1．GeoEye-12、IKONOS3、WorldView-14、QuickBird5、FORMOSAT-26、OrbView-27、OrbView-38、ASTER9、Landsat系列10、IRS系列11、RADARSAT-112、日本JERS-1卫星13、ERS卫星14、CBERS-1中巴资源卫星15、法国SPOT卫星16、欧空局ENVISAT卫星17、ALOS卫星18、RapidEye卫星星座19、资源02B卫星介绍二、雷达卫星1、COSMO-Skymed高分辨率雷达卫星2、TerraSARFORMOSAT-2波谱范围18、RapidEye卫星星座RapidEye是一家由国际标准化组织认证的空间地理信息提供商，主要面向全球客户提供包括农业、林业、能源、基础建设、政府部门、安防及突发事件等行业领域方面的解决方案。

RapidEye依靠其专业的卫星专家队伍和一个由5颗卫星组成并且每天能够下载超过4百万平方公里高分辨率、多光谱图像的卫星星座RapidEye及其地面处理和数据存档能力，能够面向客户提供低成本的定制服务。

2008年8月29日，RapidEye5颗对地观测卫星已成功发射升空，目前运行状况良好。

RapidEye产品类型类别1B RapidEye基础产品——经过辐射校正和传感器校正，运用了卫星姿态和星历数据。

3A RapidEye正射产品——经过辐射校正、传感器校正和几何校正，所有产品都采用了DTED1级SRTM DEM或更高精度的DEM。

采用适当的地面控制点该产品可以满足6m精度(1sigma或12.7m CE90)，该产品的最高精度可以达到1：25,000NMAS制图标准。

4A RapidEye DEM产品——由合适的影像对提取生成，处理过程在RapidEye地面处理系统里完成。

该产品空间分辨率为30米，主要为需要建立DEM或者需要最新DEM数据的客户设计。

十种常见色卫星数据1.Quick Bird(快鸟)数据QuickBird卫星于2001年10月由美国DigitalGlobe公司发射，是目前世界上唯一能提供亚米级分辨率的商业卫星，具有最高的地理定位精度，海量星上存储，单景影像比其它的商业高分辨率卫星高出2—10倍。

而且QuickBird 卫星系统每年能采集七千五百万平方公里的卫星影像数据，存档数据每天以史无前例的速度在递增。

在中国境内每天至少有2至3个过境轨道，有存档数据约500万平方公里。

DigitalGlobe公司是全球商业化卫星公司的引导者,在中国的销售渠道统一、完整，并将在2007下半年年发射0.5米分辨率的商用卫星WorldView 。

成像方式：推扫式成像传感器：全波段多光谱分辨率： 0.61米（星下点） 2.44米（星下点）波长: 450-900nm 蓝： 450-520nm 绿： 520-600nm 红： 630-690nm近红外：760-900nm量化值： 11 位星下点成像：沿轨/横轨迹方向（+/-25度）立体成像：沿轨/横轨迹方向辐照宽度：以星下点轨迹为中心，左右各272公里成像模式：单景 16.5公里 X 16.5公里条带： 16.5公里 X 165公里轨道高度： 450公里倾角：98度（太阳同步）重访周期：1 – 6天（70厘米分辨率，取决于纬度高低）QuickBird通道波长范围（nm ）地面分辨率（星下点）1 蓝 :450-520 全色: 0.61m多光谱: 2.44m2 绿 : 520-6603 红：630-690nm 全色：61厘米到72厘米多光谱：244厘米到288厘4 近红外 : 760-900nm米2.wordview“WorldView”卫星系统 Digitalglobe的下一代商业成像卫星系统由两颗(WorldV iew-I和WorldView-II)卫星组成，其中WorldView-I预计200 7年7月发射，WorldView-II预计2008年发射。

归一化建筑指数ndbi
归一化建筑指数（NDBI）是一种常用的遥感指数，用于评估城市地表覆盖类型和土地利用。

NDBI主要基于建筑物在红外波段中对辐射的吸收能力，可以快速准确的提取城市中的建筑物分布情况。

NDBI指数的计算方法是： NDBI = (NIR - SWIR) / (NIR + SWIR)。

其中NIR是近红外波段的反射率，SWIR是短波红外波段的反射率。

NDBI值的范围从-1到1，负值表示非建筑物覆盖，正值表示建筑物覆盖。

在城市规划和土地利用方面，NDBI可以用来评估建筑物密度、覆盖度、高度等。

此外，NDBI还可以用于监测城市扩张、城市化进程、城市热岛效应等情况。

为了更好地应用NDBI指数，通常需要对数据进行归一化处理，使得不同时间、不同区域的NDBI数据具有可比性。

归一化方法一般包括最小-最大值归一化和标准差归一化等。

这些方法可以使得NDBI 数据更加准确地反映城市建筑物分布情况和城市化进程。

- 1 -。

oli影像各个波段的设置及用途
1. 蓝色波段：常用于地形、水文、城市及农业等领域的分析，如水体识别、城市建设监测、农业生长监测等。

2. 绿色波段：常用于植被覆盖度和植被类型的识别，具有很好的植被区别能力。

3. 红色波段：常用于植被健康监测和土地利用分类等领域。

红色波段的数值可以通过对比植物不同阶段的红外辐射值来分析植物是否健康。

4. 近红外波段：该波段主要用于植被健康监测和土地分类。

5. 短波红外波段：常用于土地利用分类、植被健康监测以及水文与环境监测等领域。

6. 地面温度：利用赤外波段能够解释的地物表面温度信息，可以进行海洋、土地、气候等领域的研究。

7. SWIR波段：主要用于检测矿物、民用及军事工程等方面。

能够对地面上的人工结构如建筑物、道路等进行识别。

8. TIRS波段：通过光学探测地表温度，来构建更加准确的地表温度分布模型。

主要用于农业、水文和区域环境监测等领域。

增强植被指数ndbi公式增强植被指数（Normalized Difference Built-up Index，简称NDBI）是一种用于评估城市建筑化程度和植被分布情况的遥感指数。

它通过计算红外波段和短波红外波段之间的差异，提供了评估城市建筑和绿地分布的有效手段。

增强植被指数是一种常用的遥感指数，广泛应用于城市规划、环境评估、土地利用研究等领域。

通过计算红外波段和短波红外波段反射率的差异，可以得到一个与城市建筑化程度和植被分布相关的指数值。

这个指数值范围从-1到1，数值越高表示植被分布越广泛，城市建筑化程度越低；而数值越低表示植被分布越少，城市建筑化程度越高。

增强植被指数的计算公式如下：NDBI = (SWIR - NIR) / (SWIR + NIR)其中，SWIR表示短波红外波段反射率，NIR表示红外波段反射率。

通过计算这两个波段反射率的差异，并将其标准化，可以得到一个反映城市建筑和植被分布情况的指数值。

增强植被指数的应用非常广泛。

在城市规划中，可以利用该指数评估城市建设对植被的影响程度，从而制定合理的绿地保护政策。

在环境评估中，可以通过比较不同地区的增强植被指数，评估其生态环境质量和植被恢复情况。

在土地利用研究中，可以利用该指数分析不同土地利用类型的分布情况，为土地规划和管理提供科学依据。

要计算增强植被指数，首先需要获取遥感影像数据。

遥感影像数据可以通过卫星、航空摄影等手段获取，通常包括红、绿、蓝、近红外、短波红外等波段的反射率信息。

然后，根据计算公式，计算短波红外和红外波段的反射率之差，并进行标准化处理，得到增强植被指数的数值。

在实际应用中，还需要注意增强植被指数的局限性。

首先，由于不同遥感影像数据的获取方式和处理方法不同，同一地区的增强植被指数数值可能存在差异。

因此，在进行比较和分析时，需要对数据进行标准化处理。

其次，增强植被指数只能提供关于植被分布和城市建筑化程度的定性信息，不能提供具体的植被类型和建筑物高度等信息。

mndwi指数
MNDWI指数是一种水体提取指数，全称为“Modified Normalized
Difference Water Index”，中文名为“改进归一化水体指数”。它是基
于归一化差异水体指数（NDWI）的改进版本，用于提取遥感图像中的水体
信息。MNDWI指数的计算公式为：MNDWI = (Green - SWIR) / (Green +
SWIR)其中，Green代表绿色波段的反射率，SWIR代表短波红外波段的反
射率。MNDWI指数的取值范围为-1到1之间，水体的反射率较高，因此
MNDWI指数值越接近1，表示该像素点越可能是水体。MNDWI指数在水体
提取、水资源监测、洪涝灾害等方面具有广泛的应用。

ndmi指数NDMI指数是一种用于评估地表植被覆盖状况的遥感指数。

它通过计算近红外波段和短波红外波段的反射率之差，可以反映出地表植被的健康程度和生长状况。

NDMI指数广泛应用于农业、林业、环境监测等领域，对于监测植被生长、灾害评估以及资源管理等具有重要意义。

NDMI指数的计算公式为：NDMI = (NIR - SWIR) / (NIR + SWIR)其中，NIR代表近红外波段的反射率，SWIR代表短波红外波段的反射率。

通过计算NDMI值，可以得到植被覆盖状况的信息。

一般来说，植被覆盖较好的地区，NDMI值较高；而植被覆盖较差的地区，NDMI值较低。

NDMI指数的应用非常广泛。

在农业领域，NDMI指数可以用于监测农作物的生长情况，如旱情监测、病虫害监测等。

通过分析NDMI值的变化，可以及时发现农作物的异常情况，并采取相应的措施，保证农作物的正常生长。

在林业领域，NDMI指数可以用于森林火灾的监测和评估。

通过对NDMI值的分析，可以及时预警火灾的发生，并采取措施进行灭火和防火工作。

此外，NDMI指数还可以应用于环境监测领域，如湿地的监测和评估，海洋生态环境的监测等。

除了在农业、林业和环境监测领域的应用，NDMI指数还可以用于资源管理。

比如，NDMI指数可以用于水资源管理。

通过分析NDMI值，可以评估地表土壤的湿度，从而判断地区的干旱程度。

这对于水资源的合理分配和管理具有重要意义。

此外，NDMI指数还可以用于土地覆盖变化的监测和评估。

通过定期获取NDMI指数的数值，可以了解土地覆盖状况的变化情况，为土地规划和管理提供科学依据。

NDMI指数作为一种评估地表植被覆盖状况的遥感指数，在农业、林业、环境监测和资源管理等领域都有着广泛的应用。

它通过计算近红外波段和短波红外波段的反射率之差，可以反映出地表植被的健康程度和生长状况。

通过对NDMI值的分析，可以及时发现植被的异常情况，并采取相应的措施。

因此，NDMI指数为我们提供了一种有效的手段，用于监测和评估地表植被的状况，为资源管理和环境保护提供科学依据。

35〈系统与设计〉短波红外超光谱成像仪前置物镜的设计兰卫华，丁学专，王欣，刘银年，王跃明，王建宇（中国科学院上海技术物理研究所，上海200083）摘要：设计了一个短波红外透射式物镜用于超光谱成像仪。

用色散公式计算了短波红外常用材料的阿贝数和部分色散数，并按照二级光谱的定义，计算了一些可用于双胶合的材料对。

物镜采用Petzval 结构，改进了可见光常用的PW 设计方法，用于短波红外物镜设计的材料选择和初始结构计算。

Petzval 结构的物镜不能消除物镜的场曲，在焦面前加入一片平场透镜，用于扩展该物镜的有效视场。

最后利用Zemax 对系统的高级像差进行校正，获得像质良好的短波红外超光谱成像仪前置物镜。

关键词：超光谱；短波红外；Petzval 物镜；PW 法中图分类号：TN216文献标识码：A 文章编号：1001-8891(2008)08-0435-04A Design of Prefixing Objective for SWIR Hyper Spectral ImagerLAN Wei-hua ，DING Xue-zhuan ，WANG Xin ，LIU Yin-nian ，W ANG Yue-ming ，WANG Jian-yu(Shanghai Institute of Technical Physics,Chinese A cademy of Sciences,Shanghai 200083,China)Abstra ct ：A SWIR (short wave infrared)prefixing objective for Hyper Spectral Imager was designed.Abbe number and partial dispersion of familiar SWIR optical material were calculated by using dispersive formula.According to the definition of secondary residual chromatic aberration,some possible material combinations for SWIR doublet were calculated.Adopting the objective with Peztval structure,through modifying the PW method,glass choice and original lens structure calculation can be carried out.Objective based on the Petzval structure can ’t eliminate the field curve of system,so add a lens before the focal plane for flatting the field.Finally,through using Zemax for reducing the residual aberration,a perfect objective design for SWIR hyper spectral imager was presented.Key wor ds ：hyper spectral ；SWIR ；Petzval objective ；PW method引言超光谱成像技术是一种图谱合一的空间信息获取技术，能够同时探测目标的空间特征信息和空间像元色散形成的几十个或几百个波长的连续的光谱信息。

WorldView-3卫星简介国科创（北京）信息技术有限公司-WorldView-3是美国DigitalGlobe公司第四代高分辨率光学卫星，于2014年8月中发射，卫星影像分辨率为0.3米，是目前世界上分辨率最高的光学卫星。

WorldView-3除了提供0.31米分辨率的全色影像和8波段多光谱影像外，还提供8波段短波红外影像（目前提供的短波红外产品分辨率是7.5米）和12个CAVIS波段影像。

这颗卫星是目前世界上最高的分辨率，可以分别更小、更细的地物。

WorldView-3具有的覆盖可见光、近红外、短波红外的波谱特征，使WorldView-3拥有极强的定量分析能力，在植被监测、矿产探测、海岸/海洋监测等方面拥有广阔的应用前景。

短波红外（SWIR）影像非常适合对人造和天然材料进行分类，穿透烟雾，探测火情，绘制矿物图等。

WorldView-3卫星拥有的高分辨率短波红外图像提供的空间信息内容是ASTER卫星和Landsat 8卫星提供的SWIR数据的16倍。

更高的分辨率意味着更准确地在地球表面上找到人造材料（金属，塑料，油漆，玻璃纤维，沥青，石油和各种化学物质）和地质矿物（粘土，蚀变，氧化铁，碳酸盐等）并进行分类。

通过突出土壤水分含量的SWIR波段组合识别水体、检测湿度。

通过SWIR波段能够穿透烟雾的能力清晰地观察地面，在大火中识别燃烧点，监视火山喷发，并通过使用SWIR图像检测高热排放来识别由工厂机械或其他人为活动产生的热量等等。

WorldView-3卫星光谱分布WorldView3卫星优点：•同步高分辨率超光谱影像。

•大面积单景和立体采集可消除时态变化。

•无地面控制点亦可实现精确地理定位。

•每天采集全球68万平方公里的影像。

•卓越的阴霾穿透能力。

•行业领先的地理定位精度（十分稳定的平台，高精度姿态传感器和GPS）。

•在多种拍摄类型下均提供了高容量（比竞争对手的产品宽）。

•使用控制力矩陀螺迅速重新瞄准目标（比其他任何竞争对手快2 倍以上）。

sentinel-2计算归一化土壤指数我们需要使用Sentinel-2卫星图像来计算归一化土壤指数（Normalized Difference Soil Index，NDSI）。

NDSI是一种用于监测和评估土壤状况的遥感指数。

归一化土壤指数（NDSI）是一种通过遥感技术来评估土壤状况的方法。

它结合了卫星图像中的红光和短波红外波段来反映土壤的水分和有机质含量。

NDSI的计算公式为：NDSI = (SWIR - Red) / (SWIR + Red)，
其中SWIR是短波红外波段的反射率，Red是红光波段的反射率。

在这个示例中，我们将使用Sentinel-2卫星图像的一个子集进行计算。

Sentinel-2卫星提供了多个波段的数据，包括红光和短波红外波段，非常适合用于计算NDSI。

计算结果为NDSI指数图像，其中每个像素的值表示该地区的土壤状况。

较高的NDSI值通常表示较湿润或有机质含量较高的土壤，而较低的值则表示较干燥或贫瘠的土壤。

请注意，这里提供的是一个简化的示例，实际应用中可能需要进
行更多的预处理和校正步骤来优化结果。

GF5高光谱数据处理说明文档北京航天宏图信息技术股份有限公司2019年7月1、GF5-AHSI数据介绍高分五号卫星是环境保护部作为牵头用户的环境专用卫星，也是国家高分重大科技专项中搭载载荷最多、光谱分辨率最高、研制难度最大的卫星。

GF-5卫星在2018年5月9日成功发射，经过在轨测试，2019年3月21日，中国高分辨率对地观测系统的高分五号卫星正式投入使用。

卫星首次搭载了大气痕量气体差分吸收光谱仪、主要温室气体探测仪、大气多角度偏振探测仪、大气环境红外甚高分辨率探测仪、可见短波红外高光谱相机、全谱段光谱成像仪共6台载荷。

对GF-5卫星中的高光谱传感器（AHSI传感器）数据的预处理工作总结为五个步骤，主要是要解决GF-5前期预处理（两部分高光谱数据合并、波长信息写入、坏波段剔除等操作）、条纹噪声去除、辐射定标、大气校正、光谱滤波和几何校正等工作。

单景GF-5高光谱数据压缩文件中共15个文件，具体详细内容如下：图 1 单景GF-5数据文件格式GF-5高光谱数据将可见光波段和短波红外波段分为两个文件存放，其中可见光-近红外波段为150个（*VN.geotiff），短波红外波段为180个（*SW.geotiff），共计330个波段，并且中心波长、半高宽（*Spectralresponse.raw）和辐射定标系数（*.raw）等信息也是分可见光-近红外和短波红外两部分存放。

由于上述等原因，对于单景标准GF-5高光谱数据并不能方便进行预处理，需要对文件夹下的各类数据进行整合处理。

a 无空间位置信息真彩色2%显示b 加载空间位置信息真彩色2%显示c GF-5原始影像3D立方体无拉伸显示图2 GF-5原始影像的不同真彩色显示形式（R：Band 59，638.598nm；G：Band 38，548.666nm；B：Band 20，471.625nm）2、GF-5数据预处理流程对GF-5卫星中的高光谱数据的预处理工作总结为五个步骤，主要是要解决GF-5前期预处理（两部分高光谱数据合并、波长信息写入、坏波段剔除、条纹噪声去除等操作）、辐射校正（辐射定标、大气校正等）、几何校正（几何精校正、正射校正等）、应用产品生产（植被指数、参量反演等）、镶嵌。

ASTER数据简介TERRA卫星于1999年12月从范登堡空军基地发射升空，与太阳同步，从北向南每天上午(AM)飞经赤道上空。

所以TERRA之前也有人称之为上午星（AM-1）。

其设计寿命为5年。

ASTER是美国NASA（宇航局）与日本METI（经贸及工业部）合作并有两国的科学界、工业界积极参与的项目。

它是Terra卫星上的一种高级光学传感器，包括了从可见光到热红外共14个光谱通道，可以为多个相关的地球环境资源研究领域提供科学、实用的卫星数据。

其主要情况介绍如下：一、Terra卫星的主要参数●轨道：太阳同步，降交点时刻：10:30 am；●卫星高度：705公里；●轨道倾角：98.2±0.15°；●重复周期：16天（绕地球233圈/16天）；●在赤道上相邻轨道之间的距离：172公里；二、ASTER传感器Ⅰ.ASTER传感器有3个谱段：可见光近红外（VNIR）：●波长：3个波段向星下，及一个后视单波段（可用于立体象对观测）波段范围量化等级Band 1 0.52~0.60m 8bitsBand 2 0.63~0.69m 8bitsBand 3 0.76~0.86m 8bits立体后视波段0.76~0.86m 8bits●空间分辨率：15米●辐射分辨率：NE≤0.5％●绝对辐射精度：±4%●立体成像后视角：27.6°●侧视角：±24°（垂直轨道方向）●瞬时视场：21.3μrad(天底方向)18.6μrad(后视方向)●立体成像基高比：0.6●探测器：5000象元（任意时刻实际使用为4100象元）●扫描周期：2.2msce●MTF：〉0.25（横轨方向）〉0.25（沿轨方向）短波红外（SWIR）●波长：6个波段，1.60-2.43μm波段范围辐射分辨率量化等级Band ４ 1.600~1.700m 0.5% NE8bitsBand ５ 2.145~2.185m 1.3% NE8bitsBand ６ 2.185~2.225m 1.3% NE8bitsBand ７ 2.235~2.285m 1.3% NE8bitsBand ８ 2.295~2.365m 1.0% NE8bitsBand ９ 2.360~2.430m 1.3% NE8bits●空间分辨率：30米●辐射分辨率：NE≤0.5％-1.5%●绝对辐射精度：±4%●侧视角：±8.55°（垂直轨道方向）●瞬时视场：42.6μrad●探测器：2048象元/band●扫描周期：4.398msec●MTF：〉0.25（横轨方向）〉0.20（沿轨方向）热红外（TIR）●波长：5波段，8.125∽11.65μm波段范围量化等级Band 10 8.125~8.475m 12bitsBand 11 8.475~8.825m 12bitsBand 12 8.925~9.275m 12bitsBand 13 10.25~10.95m 12bitsBand 14 10.95~11.65m 12bits●空间分辨率：90米●辐射分辨率：NE T≤0.3K●侧视角：±8.55°（垂直轨道方向）●瞬时视场：127.8μrad●探测器：10象元/band●扫描周期：2.2msec●MTF：〉0.25（横轨方向）〉0.20（沿轨方向）Ⅱ.扫幅：均为60公里Ⅲ.ASTER主要特征如下：●可以获取从可见光到热红外谱段范围的地表影像数据；●拥有光学传感器各波段较高的几何分辨率和辐射分辨率；●在单条轨上可以获取近红外立体影像数据。

红外探测器材料范文常见的红外探测器材料包括铟锗(InGaAs)、铟镓砷(InGaAs)、汞锡镉(ＨＧＣＤ)、锗(Ge)、碴锌锗(CZT)，以及半导体量子阱材料等。

铟锗是一种常用材料，具有较高的光学和电学性能，特别适用于近红外(NIR)频段的探测。

它在短波红外(SWIR)和中波红外(MWIR)波段的探测器中发挥重要作用。

而铟镓砷是一种中程红外(MIR)探测器材料，具有较高的探测效率、灵敏度和分辨率。

它常用于红外成像、热成像和导航等领域。

汞锡镉是红外探测器中应用广泛的一类材料，通常用于长波红外(LWIR)或中长波红外(MLIR)波段的探测器。

它具有优良的光学、电学和热学性能，能够实现高灵敏度和快速响应。

锗是一种广泛应用于红外探测器中的材料，特别适用于LWIR和VLWIR(very long wave infrared)波段。

它具有宽的能带隙和高载流子迁移率，使得其具有较高的探测灵敏度和响应速度。

碴锌锗是一种新型热红外探测器材料，具有宽的带隙和优良的热电性能。

它可以同时探测热和波尔兹曼(NBn)效应，在LWIR波段具有较高的相对响应和低的噪声等特点，因此在红外成像、热成像和制冷器件等领域具有广泛应用。

半导体量子阱材料是近年来发展起来的一种新型红外探测器材料，具有优异的能带调控能力和突出的性能。

它通过调整各向异性材料的能带结构，使得红外探测能力得到明显提升。

这种材料常应用于高性能InAs/GaSb量子阱相机、InAs/InP量子线阵和HgCdTe量子阱等红外探测器的制备中。

除了上述材料，还有许多其他材料也用于红外探测器的制备，如碳化硅、砷酸铵钪、砷化镓、砷化铝镓和钐钬铒等。

这些材料在不同波段、不同应用场景下有不同的优势和特点，可以根据实际需求进行选择。

综上所述，红外探测器的材料种类繁多，每种材料在不同波段和应用场景下都具有各自的优势和适用性。

不同的材料可以实现不同的探测效果和成像质量，因此在实际应用中需要根据具体需求进行选择。