高光谱实验报告三
高光谱实习报告
高光谱遥感实习报告1、通过给定的数据1DATA（excel文档格式）建立光谱库，并将该光谱库数据重采样至TM传感器的光谱分辨率。
1.1光谱库重采样使用“Spectral Libraries | Spectral Library Resampling”子菜单进行光谱库重采样。
在“Spectral Resampling Parameters”对话框里，选择“Input Data File” 作为重采样方法,第一步：出现“File Containing Output Wavelength”对话框时，点击需要的文件名。
此时是can_tmr.img作为参考文件，也就是说光谱库中的光谱将以TM的波长范围进行重采样。
如下系列图所示：第二步：点击【OK】开始重采样过程。
数据文件在它的相关文件头中，必须包含用于重采样的波长数值。
如果在文件头中，出现FWHM 值，它们也将用于重采样。
（1）在“Available Bands List”中出现重采样后的光谱库。
（2）通过光谱库查看功能查看重采样后的光谱数据。
第三步：通过光谱库查看重采样后的结果1.2光谱库建立操作步骤：第一步：选择“Spectral | Spectral Libraries | Spectral Library Builder”。
第二步：出现“Spectral Library Builder”对话框时，从“Data File” (ENVI图像文件)或ASCII File” 、或“File Input Spectrum”，为新库选择数据源。
第三步：出现“File Containing Output Wavelength”对话框时，用标准选择程序选择包含波长和可选项FWHM值的输入文件。
（1）当采用“Data File”，波长和FWHM 值（若存在）从ENVI 头文件中读取。
如图18.（2）当采用“ASCII File”, 必须选上包含波长值与FWHM (若存在)的列。
光谱法实验报告
一、实验目的1. 掌握光谱法的基本原理和应用领域。
2. 熟悉光谱仪器的构造和操作方法。
3. 学习利用光谱法对物质进行定性和定量分析。
4. 培养实验操作技能和数据分析能力。
二、实验原理光谱法是利用物质对光的吸收、发射、散射等现象来分析物质组成和结构的方法。
根据物质对不同波长光的吸收或发射特性，可以识别和定量分析物质中的元素和化合物。
1. 吸收光谱法：当一束单色光通过物质时，物质中的某些分子会吸收特定波长的光，导致光强减弱。
通过测量光强随波长的变化，可以确定物质中的元素和化合物。
2. 发射光谱法：当物质受到激发时，分子会从基态跃迁到激发态，然后返回基态并发射出特定波长的光。
通过测量发射光的光谱，可以确定物质中的元素和化合物。
三、实验仪器与试剂1. 仪器：紫外-可见分光光度计、原子吸收光谱仪、荧光光谱仪、比色皿、移液器等。
2. 试剂：待测溶液、标准溶液、空白溶液、酸碱指示剂等。
四、实验步骤1. 吸收光谱法实验（1）配制标准溶液：根据实验要求，准确配制一定浓度的标准溶液。
（2）测量标准溶液的吸光度：将标准溶液置于比色皿中，使用紫外-可见分光光度计测定其在特定波长下的吸光度。
（3）绘制标准曲线：以标准溶液的浓度为横坐标，吸光度为纵坐标，绘制标准曲线。
（4）测定待测溶液的吸光度：将待测溶液置于比色皿中，使用紫外-可见分光光度计测定其在特定波长下的吸光度。
（5）计算待测溶液的浓度：根据待测溶液的吸光度，从标准曲线上查找对应的浓度。
2. 发射光谱法实验（1）激发待测物质：将待测物质置于荧光光谱仪的样品室中，使用激发光源激发物质。
（2）测量发射光谱：记录激发后的物质发射的光谱。
（3）分析发射光谱：根据发射光谱的峰位、峰强和峰形，确定物质中的元素和化合物。
五、实验结果与讨论1. 吸收光谱法实验（1）标准曲线：绘制了标准溶液的吸光度-浓度曲线，线性关系良好。
（2）待测溶液的浓度：根据标准曲线，计算出待测溶液的浓度为X mol/L。
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。
高光谱遥感实验报告影像融合
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
图像融和
二．实验目的
1.熟悉ENVI界面和操作；
2.学会利用ENVI实现高空间分辨率数据和多光谱数据的融合。
三．实验数据
1.搞空间分辨率数据：Bldr_sp.img；
2.多光谱数据：TM_30m.img。
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.Transform->image sharpening->PC spectral sharpening在Select Low Spatial Resolution Band Input Multi Band Input File对话框中选择地空间分辨率的图像也就是多光谱分辨率的TM-30m数据；
2.接下来在Select High Spatial Resolution Input File对话框中选择高空间分辨率的图像Bldr_sp数据，点击ok按钮即可；
3.在PC Spectral sharpening paraments设置参数如下：
4.融合后的波段数据与TM数据对比：。
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。
光谱实验报告
一、实验目的1. 了解光谱分析的基本原理和实验方法。
2. 掌握使用光谱仪进行物质定性和定量分析的操作步骤。
3. 通过实验，验证光谱分析在实际中的应用价值。
二、实验原理光谱分析是利用物质对光的吸收、发射、散射等现象，通过分析其光谱特征，实现对物质的定性和定量分析。
根据光谱产生的原因，光谱分析主要分为以下几种：1. 原子光谱：由原子外层电子的跃迁产生，如发射光谱、吸收光谱、荧光光谱等。
2. 分子光谱：由分子内电子、振动、转动能级的跃迁产生，如红外光谱、拉曼光谱等。
3. 固体光谱：由固体中电子、离子、晶格振动等产生，如X射线衍射、拉曼光谱等。
本实验主要涉及原子光谱和分子光谱分析，通过观察和记录物质的光谱特征，实现对物质的定性和定量分析。
三、实验仪器与试剂1. 仪器：紫外-可见分光光度计、荧光光谱仪、光谱仪样品池、氢氘灯、钨灯等。
2. 试剂：荧光黄、水、氯化钠、氯化钾、氯化铁等。
四、实验内容与步骤1. 激发光谱测定（1）将荧光黄溶液倒入样品池，设定激发波长范围为200-500nm，步长为5nm。
（2）打开氢氘灯，调整光谱仪至激发光谱模式，记录荧光黄溶液的激发光谱。
（3）根据激发光谱，确定荧光黄溶液的最大激发波长。
2. 发射光谱测定（1）根据最大激发波长，设定发射光谱的检测范围为最大激发波长两侧各100nm，步长为5nm。
（2）打开钨灯，调整光谱仪至发射光谱模式，记录荧光黄溶液的发射光谱。
（3）根据发射光谱，确定荧光黄溶液的最大发射波长。
3. 物质定量分析（1）分别配制不同浓度的氯化钠、氯化钾、氯化铁溶液。
（2）按照激发光谱和发射光谱的测定方法，分别记录各溶液的光谱。
（3）根据标准曲线法，确定各溶液的浓度。
五、实验结果与分析1. 激发光谱和发射光谱（1）荧光黄溶液的激发光谱在440nm处出现最大吸收峰，发射光谱在540nm处出现最大发射峰。
（2）氯化钠、氯化钾、氯化铁溶液的激发光谱和发射光谱分别与荧光黄溶液的光谱相似。
光谱分析实验报告
光谱分析实验报告光谱分析实验报告引言光谱分析是一种重要的科学实验方法，通过对物质发射、吸收、散射光的分析，可以了解物质的组成、结构和性质。
本实验旨在通过实际操作，探究不同物质的光谱特征，并理解光谱分析在科学研究和实际应用中的重要性。
实验目的1. 了解光谱分析的基本原理和方法；2. 掌握光谱仪的操作技巧；3. 利用光谱分析仪器，研究不同物质的光谱特征。
实验步骤1. 实验前准备：根据实验要求，准备好所需的光谱仪器和试样；2. 确定实验条件：调整光谱仪器的波长范围、积分时间等参数，以获得清晰的光谱图像；3. 测量样品光谱：将待测样品放入光谱仪器中，记录下样品的光谱图像；4. 数据处理与分析：根据测量结果，分析样品的光谱特征，并与已知数据进行比对；5. 结果验证与讨论：对实验结果进行验证，并进行相关讨论。
实验结果与分析在本次实验中，我们选取了几种常见物质进行光谱分析，包括金属元素、有机化合物和荧光物质。
金属元素的光谱特征我们首先对几种金属元素进行了光谱分析，包括铜、铁和锌。
通过实验测量，我们得到了它们的光谱图像，并进行了比对分析。
铜的光谱图像显示了明显的特征峰，这是由于铜原子在激发态和基态之间的能级跃迁所产生的。
通过对比不同波长下的吸收峰值，我们可以确定铜的特征波长范围。
铁的光谱图像显示了多个特征峰，这是由于铁原子的电子结构复杂所致。
通过对比不同峰值的强度和位置，我们可以推断出铁的不同能级跃迁。
锌的光谱图像显示了较为简单的特征峰，这是由于锌原子的电子结构相对简单。
通过对比不同波长下的吸收峰值，我们可以确定锌的特征波长范围。
有机化合物的光谱特征我们还选取了几种常见的有机化合物进行了光谱分析，包括苯酚、甲苯和乙醇。
通过实验测量，我们得到了它们的光谱图像，并进行了比对分析。
苯酚的光谱图像显示了明显的吸收峰，这是由于苯酚分子中的特定官能团所致。
通过对比不同峰值的位置和强度，我们可以推断出苯酚的结构特征。
甲苯的光谱图像显示了多个吸收峰，这是由于甲苯分子中的不同官能团所致。
光谱测量实验报告
光谱测量实验报告光谱测量是物理学中一项非常重要的实验技术。
通过对物质发出或吸收的光进行分析，可以了解物质的能级结构以及其组成成分。
本实验旨在通过光谱仪的使用，对不同物质的光谱进行测量和分析，探索光谱测量技术在实践中的应用。
实验中，我们使用一台高分辨率的光谱仪，该仪器能够将光分成不同波长并显示出其强度分布。
首先，我们选择了白炽灯作为实验光源，并将其光通过光谱仪进行测量。
结果显示，白炽灯发出的光谱中包含了连续的、平滑的亮度分布曲线。
这是因为白炽灯是一种连续光源，其光包含了各个波长的连续能量分布。
接下来，我们选择了氢气放电灯作为实验光源。
氢气放电灯是一种低压气体放电光源，其灯管内充满了氢气，并通电使之发光。
通过测量氢气放电灯的光谱，我们可以观察到一系列离散的亮线。
这些亮线对应于氢气原子在不同能级之间跃迁所产生的光。
通过与已知的能级跃迁相对应，我们可以确定氢气光谱中这些亮线的波长，进而了解氢气原子的能级结构。
进一步地，我们选择了各种不同物质的样本，并对其进行了光谱测量。
我们发现，不同物质的光谱具有明显的差异。
例如，通过测量荧光灯的光谱，我们可以看到其主要由几个尖锐的发射峰组成，这些峰对应于荧光粉发光时的能级跃迁。
而对于各种元素的样品，我们通过测量其吸收光谱，可以发现吸收峰的位置和个数与元素的组成和浓度有关。
这为物质的化学分析提供了有力的手段。
除了对物质的成分进行分析，光谱测量还能用于其他许多领域。
光谱测量技术在天文学中也有着广泛的应用。
通过测量恒星的光谱，天文学家们可以了解星体的温度、组成、运动以及更深入的物理特性。
在医学领域，光谱测量还用于生物分析和诊断。
例如，通过测量人体血液中不同物质的吸收光谱，医生们可以对患者进行疾病的诊断和治疗。
总之，光谱测量是一项重要而广泛应用的实验技术。
通过测量光的波长和强度分布，我们可以了解物质的能级结构、成分和性质。
光谱测量技术在物理学、化学、天文学以及医学等众多领域具有重要作用。
- 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)。
实验三（数据处理）姓名：郜庆科学号：2012303200109一、实验过程（描述实验的主要步骤，列出主要方法）【1】、回归分析利用Excel中自带的回归分析工具对数据进行回归分析，得到结果如表所示：回归统计Multiple R 0.999999R Square 0.999998Adjusted R Square 0.999996标准误差 1.59E-05观测值20方差分析df SS MS F Significance F回归分析7 0.001234 0.000176 695553.4 1.12E-32残差12 3.04E-09 2.53E-10总计19 0.001234Coefficients 标准误差t Stat P-value Lower 95%Upper95%下限95.0%上限95.0%Intercept 0.000105 8.39E-05 1.249767 0.23521 -7.8E-05 0.000288 -7.8E-05 0.000288 X Variable 1 -2E-06 1.82E-06 -1.11978 0.284721 -6E-06 1.93E-06 -6E-06 1.93E-06 X Variable 2 -5.43968 0.149242 -36.4486 1.17E-13 -5.76485 -5.1145 -5.76485 -5.1145 X Variable 3 30.00856 0.835847 35.90199 1.39E-13 28.18741 31.82972 28.18741 31.82972 X Variable 4 -67.1698 1.881489 -35.7003 1.49E-13 -71.2692 -63.0704 -71.2692 -63.0704 X Variable 5 77.08559 2.136489 36.08049 1.32E-13 72.43058 81.7406 72.43058 81.7406 X Variable 6 -46.8141 1.298246 -36.0595 1.32E-13 -49.6427 -43.9854 -49.6427 -43.9854 X Variable 7 13.32797 0.35499 37.54468 8.19E-14 12.55451 14.10143 12.55451 14.10143 从回归统计表中可以得到其相关系数R值为0.999999，所以表明自变量与因变量之间有很大的相关性。
R平方为复决定系数，上述复相关系数R的平方。
用来说明自变量解释因变量y变差的程度，以说明因变量y的拟合效果。
此案例中的复决定系数为0.99998，表明用用自变量可解释因变量变差的99.98%，该值越大，模型拟合效果很好。
调整后的复决定系数R2，该值为0.999996，说明自变量能说明因变量y的99.99%，因变量y的0.0001%要由其他因素来解释。
方差分析表中的Significance F（F显著性统计量）的P值为1.12E-32，明显小于显著性水平0.05，所以说该回归方程回归效果显著，方程中至少有一个回归系数显著不为0。
在回归参数表中，可以得到各个X的回归系数和相关性等。
【2】、使用Excel的作图功能绘制冠层的光谱曲线，波长作为x轴，反射率作为y轴。
由于数据样本过于繁多，所以只挑选了前5个样本进行显示，如图所示，很显然，在1427-1613波段存在较明显的区别，所以我们取这个区间范围的数据进行重新显示，由于原始波段从350开始，所以这里的波段应该是1777-1963，其显示结果如下所示：【3】、作物叶绿素含量和N含量的相关性分析使用数据分析中的相关系数分析，对叶绿素和N的两列数据进行相关系数分析，分析界面如下：得到结果如下所示：列1 列2列1 1列2 0.958487 1得到结果说明叶绿素和N之间存在较大的相关性，相关系数为0.958487。
【4】、叶绿素、N含量和各波段反射率的相关性分析此次方法与上述相关性分析方法相同，不过需要在很多个数据前加上一列值为叶绿素值（或N 值），在分析时，只需要看第一列的相关系数就可以确定与各个波段的相关系数了，其相关系数结果如下所示：相关系数分布：这里只需要观察第一列数据的结果就可以了，结果前部分大部分波段为负相关且值普遍偏小，后半部分为正相关，且值略微偏大。
说明叶绿素受后边的波段影响略大，大概集中在2000-2500左右。
N元素的计算方法与叶绿素的计算方法相同，只需要将第一列的数据改为N值即可，这里省略N的计算过程。
只给出N的第一列的分布情况：【5】、选择波段，建立叶绿素、N的光谱估计的多元回归模型利用相关系数的分布，我们可以找出与叶绿素相关系数最大的几个值以建立关于叶绿素的多元回归模型，由于Excel中只允许有16个变量的回归，所以应该挑选小于16个相关系数绝对值最大的值来代表这多个个变量。
这里我们挑选5个波段，如下所示：列2042 列2043 列2044 列2047 列2048相关系数0.074668 0.074563 0.074086 0.074409 0.074172 由于波段数从350开始，所以其波段号依次是1698,1697,1696,1693,1692，将这几个波段的250个数据分别添加到叶绿素值跟前以便进行回归分析，如下图所示：然后以叶绿素值为因变量，以这5个波段的值为自变量，进行回归分析，得到结果如下所示：回归统计Multiple R 0.297483R Square 0.088496Adjusted R Square 0.069818标准误差 4.347325观测值250方差分析df SS MS F SignificanceF回归分析 5 447.7121 89.54242 4.737887 0.000377残差244 4611.412 18.89923总计249 5059.125Coefficients 标准误差t Stat P-value Lower 95% Upper 95% 下限上限95.0% 95.0%Intercept 39.80796 0.494261 80.54038 9E-178 38.8344 40.78153 38.8344 40.78153 X Variable 1 -11162.4 3264.206 -3.41964 0.000735 -17592 -4732.79 -17592 -4732.79 X Variable 2 17134.03 4571.746 3.747808 0.000223 8128.903 26139.15 8128.903 26139.15 X Variable 3 -4555.39 5692.617 -0.80023 0.424357 -15768.3 6657.553 -15768.3 6657.553 X Variable 4 -9240.94 7696.799 -1.20062 0.231062 -24401.6 5919.702 -24401.6 5919.702 X Variable 5 7820.577 3657.646 2.138145 0.033499 615.9874 15025.17 615.9874 15025.17 得到的回归分析的公式为：Y=-11162.4*x1+17134.03*x2-4555.39*x3-9240.948x4+7820.577*x5+39.80796其结果与叶绿素的相关系数分布结果大概相同。
针对N的分布其值大致相同，选取波段也相同，得到的结果如下所示：回归统计Multiple R 0.30383R Square 0.092313Adjusted R Square 0.073713标准误差0.322008观测值250方差分析df SS MS F Significance F回归分析 5 2.573054 0.514611 4.963016 0.00024残差244 25.30015 0.103689总计249 27.8732Coefficients 标准误差t Stat P-value Lower 95%Upper95%下限95.0%上限95.0%Intercept 2.766465 0.03661 75.56564 2.8E-171 2.694353 2.838577 2.694353 2.838577 X Variable 1 -849.185 241.781 -3.51221 0.000529 -1325.43 -372.941 -1325.43 -372.941 X Variable 2 1309.747 338.631 3.867771 0.000141 642.7341 1976.76 642.7341 1976.76 X Variable 3 -385.861 421.6543 -0.91511 0.361036 -1216.41 444.6859 -1216.41 444.6859 X Variable 4 -650.184 570.1048 -1.14046 0.255211 -1773.14 472.7706 -1773.14 472.7706 X Variable 5 575.2527 270.9232 2.123305 0.034735 41.60602 1108.899 41.60602 1108.899 其回归分析的公式如下所示：Y=-849.185*x1+1309.747*x2-385.861*x3-650.184*x4+575.2527*x5+2.766465二、实验数据（描述数据名称、类型和主要指标等）本次的实验数据rice2014.xls中是水稻的生理生化参数数据和冠层光谱反射率数据。
在Excel中打开rice2014.xls，该文件包括2个sheet，第一个sheet命名为“生理指标”，包括250个样本的编号、叶绿素、N数据；第二个sheet命名为“光谱数据”，包括250个样本的编号、波长及对应的冠层反射率数据。
三、问题分析（完成实验报告中的问题分析，结果用图、表等形式，详细地说明结果和分析过程）【1】、首先对250 个样本数据中，随机选取其中2/3 （160个）的样本，建立叶绿素和N 的特征光谱估计模型。
本题目的计算过程与上述得到回归公式的过程大致相同，不过上述选取了250个样本作为回归的样本，本次回归只需要选取前160个作为样本就可以了，其回归结果如下所示：Intercept X Variable 1 X Variable 2 X Variable 3 X Variable 4 X Variable 5 39.65405689 -7230.42071 9479.023977 -74.96287112 -6197.28 4029.818983Y=-7230.42071*x1+9479.023977*x2-74.96287112*x3-6197.28*x4+4029.818983*x5+39.65405689【2】、利用上述公式，对剩下的91个样本进行预测，并求得其残差结果如下所示：上述公式在前边的预测结果比较好，在后续的波段中预测结果并不是很好，这很可能与中间波段出现异常有关。