高光谱20071017
高光谱技术原理及应用(朱黎明)
Agriculture
不同成熟度的水稻和不同深浅的水域
Mineral exploration
蚀变带是找矿的重要依据，蚀变带在2.2微米处具 蚀变带是找矿的重要依据，蚀变带在2.2微米处具 有光谱吸收特征，其吸收光谱的半带宽在10纳米 有光谱吸收特征，其吸收光谱的半带宽在10纳米 到50纳米之间，因此，具有10纳米光谱分辨率的 50纳米之间，因此，具有10纳米光谱分辨率的 成像光谱仪就有能力直接通过遥感发现蚀变带， 以确定找矿的靶区。 同时，通过对植被光谱特征的分析也是找矿的依 据，由于矿物中金属离子对植被的侵蚀，会引起 植被的病变，使得植被近红外高反射峰就会向短 波方向移动5 20纳米，成为“红边蓝移” 波方向移动5-20纳米，成为“红边蓝移”现象。 高光谱遥感就有能力发现这种现象。
摆扫型
推扫型
图像立方体
在通常显示的二维图 像的基础上添加光谱 维，就可以形成三维 的坐标空间
y
x
λ
二维的光谱曲线
为了表达 图像上某 图像上某 一像元的 一像元的 光谱特征， 引入二维 的光谱曲 线，对于 一列像元 可进一步 形成光谱 形成光谱 曲面。 曲面。
高光谱图像的预处理
成像光谱仪的标定，要建立成像光谱 仪每个探测元件输出的数字量化值与 仪每个探测元件输出的数字量化值与 它所对应像元内的实际地物的辐射亮 它所对应像元内的实际地物的辐射亮 度值之间的定量关系（实验室标定、 度值之间的定量关系（实验室标定、 机上或星上标定、场地标定）
Hyperspectral image
高光谱与传统光谱比较
传统光谱 波段数 分辨率 图谱 通道是否连续 少 >100nm 分离 不连续 高光谱 非常多 一般10~20nm 一般10~20nm 个别达2.5nm 个别达2.5nm 合一 连续
高光谱成像ppt课件
4.仪器的视场角
line
GS = 2 . tg(FOV/2) . H
H
Ground Swath
4.仪器的视场角 因此，在仪器设计时，FOV和IFOV是必须
考虑的重要参数。
• 仪器的视场角(FOV)较大，可以获得较宽的 地面扫描幅宽。
段宽度（Bandwidth）。
一、高光谱成像的基本概念
2.光谱分辨率 下图所示，纵坐标（Y轴）为探测器的光谱
响应，它是横坐标（X轴）所代表的波长的函数。 光谱分辨率被严格定义为仪器在达到 50%光谱响 应时的波长宽度。
一、高光谱成像的基本概念
3.空间分辨率
• 空间分辨率(Spatial Resolution)
成像光谱仪的空间分辨率是由仪器的角分辨 力（Angular Resolving Power）,即仪器的瞬时 视场角（Instantaneous Field of View, IFOV） 决定的。
一、高光谱成像的基本概念
4.仪器的视场角
地面扫描幅宽__仪器的视场角（Field of View，FOV）
不同波长色散位置不同 焦平面不同
高光谱技术应用：
41
此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！
• 空间成像方式是指从影像二维空间形 成的角度考察成像光谱仪的工作方式。 • 光谱成像方式是指从光谱维数据形成 的角度考察成像光谱仪的工作方式。
二、成像光谱仪的空间成像方式
1.摆扫型成像光谱仪
摆扫型(Whisk broom)成像光谱仪由光机左 右摆扫和飞行平台向前运动完成二维空间成像， 其线列探测器完成每个瞬时视场像元的光谱维获 取。
高光谱图像简介
高光谱遥感是指利用很多很窄的电磁波波段从感兴趣的物体中获取有关数据，高光谱遥感技术作为20世纪80年代兴起的对地观测技术，始于成像光谱仪的研究计划。
目前，我国研制的224波段的推扫高光谱成像仪（PHI）与128波段的实用型模块化机载成像光谱仪（OMIS）已经进行了多次成功的航空遥感实验。
另外，中国科学院上海技术物理研究所研制的中分辨率成像光谱仪于2002年随“神州”三号飞船发射升空，这是继美国1999年发射的EOS平台之后第二次将中分辨率成像光谱仪发送上太空，从而使中国成为世界上第二个拥有航天成像光谱仪的国家。
高光谱遥感图像和常见的二维图像不同之处在于，它在二维图像信息的基础上添加光谱维，进而形成三维的坐标空间。
如果把成像光谱图像的每个波段数据都看成是一个层面，将成像光谱数据整体表达到该坐标空间，就会形成一个拥有多个层面、按波段顺序叠合构成的三维数据立方体。
高光谱遥感具有不同于传统遥感的新特点：（1）波段多——可以为每个像元提供几十、数百甚至上千个波段（2）光谱范围窄——波段范围一般小于10nm（3）波段连续——有些传感器可以再350~2500nm的太阳光谱范围内提供几乎连续的地物光谱（4）数据量大——随着波段数的增加，数据量呈指数增加（5）相邻谱带间相关——由于相邻谱带间高度相关，冗余信息也相对增加，这一特点也为其降维处理（包括波段选择、特征提取等）和谱间压缩提供可能（6）随着维数的增加，超立方体的体积集中于角端，超球体和椭球体的体积集中在外壳，该特点进一步为高光谱图像的降维和压缩处理提供了理论依据。
根据高光谱图像的特点及其相关技术处理的需要，高光谱数据与其所携带的信息一般采用如下的三种空间表达方式：图像空间、光谱空间和特征空间。
1、图像空间（有空间几何位置关系）2、光谱空间，光谱信息3、特征空间（在光谱空间进行取样，将得到的n个数据用一个n维向量来表示，它是表示光谱响应的另一种方式。
N维向量包含了对应像素的全部光谱信息。
高光谱原理及应用简介
目录
1
高光谱遥感的基本概念
2
高光谱遥感器及平台
3
高光谱遥感技术
4
高光谱遥感技术应用
从嫦娥一号说起
Moon Observing
嫦娥一号的高光谱干涉成像光谱仪
光学遥感的发展阶段
• 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遥感 (Multispectral)；
• 光谱分辨率在10-2λ的遥感信息称之为高光谱(Hyperspectral)遥感。 • 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
土壤研究中应用
• 连续窄带短波红外光谱信息，为土壤评价与监测提供了强 有力的工具。
• 高光谱分辨率遥感作为一种手段可以用来提供土壤表面状 况及其性质的空间信息，亦可用来评价探测土壤性质细微 差异的潜力。
• 高光谱在土壤研究中的价值主要在于土壤类型的填图、土 壤中矿物成分定量鉴别、土壤湿度、土壤有机质、土壤侵 蚀以及土壤退化监测，从成像光谱图像定量反演土壤物理 化学参数，对土壤潜在生产力评价以及监测由于风蚀、水 侵、盐碱化、沙漠化造成的土地退化现象。
• 通过对植被光谱特征的分析也是找矿的依据，由 于矿物中金属离子对植被的侵蚀，会引起植被的 病变，使得植被近红外高反射峰就会向短波方向 移动5-20纳米，成为“红边蓝移”现象。高光谱 遥感就有能力发现这种现象。
地质
黄铁矿 黄钾铁矾矿 针铁矿和 黄钾铁矾
针铁矿
赤铁矿
植被生态学
• 植被群落、植被种类的分类与识别； • 冠层结构、状态或活力的评价、冠层水文状态与冠层生物
农业-农作物的识别和品种划分
不同成熟度的水稻和不同深浅的水域分类
农业-农作物的识别和品种划分
高光谱数据质量评价课件
客观评价法通过建立一系列数学模型和算法，对高光谱数据 的信噪比、对比度、色彩均衡等指标进行量化分析，以客观 的数据结果来反映数据质量。
综合评价法
总结词
结合主观和客观评价法的优点，全面评估高光谱数据质量。
详细描述
综合评价法既考虑人的主观感受，又利用客观的量化指标，通过权重调整和综合计算，得出更全面和 准确的数据质量评估结果。这种方法能够更好地平衡主观和客观因素，提供更准确的评估结果。
重复性测试
对数据进行重复性测试，以评估数据的稳定 性和可靠性。
数据一致性
空间一致性
评估不同区域的高光谱数据是否具有一致性 。
时间序列一致性
评估不同时间点的高光谱数据是否具有一致 性。
光谱特征一致性
确保数据的光谱特征在不同时间和空间上保 持一致。
数据分辨率
空间分辨率
评估数据在空间上的分辨率，以满足不同尺度研 究的需要。
帮助实现环境监测的自动化和智能化。
案例三
总结词
通过高光谱数据的应用，实现对矿产资源的探测和评估，提高地质勘查的效率和准确性。
详细描述
高光谱数据能够提供地层结构、岩石类型、矿产分布等重要信息，通过对这些数据的分析，可以精确判断矿产资 源的分布和含量。同时，高光谱数据的应用还可以帮助实现地质勘查的数字化和智能化，提高地质勘查的效率和 准确性。
对高光谱数据进行降维或上采样，提高数 据的分辨率。
混合像元分解
特征提取
将混合像元分解为纯像元，提高数据的可 解释性。
从高光谱数据中提取与目标相关的特征信 息。
特征提取
统计特征
基于像素的统计特征，如均值、方差等。
纹理特征
基于像素间的关系，提取纹理特征，如共生矩阵、灰度共生矩阵等。
高光谱整理——精选推荐
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
高光谱遥感技术及应用(2010-05-25 15:47:33)转载分类：遥感标签：杂谈高光谱遥感技术及应用收藏摘要：高光谱(hyper spectral)遥感是上世纪末地球观测系统中最重要的技术突破之一，它克服了传统单波段、多光谱遥感在波段数、波段范围、精细信息表达等方面的局限性，以较窄的波段区间、较多的波段数量提供遥感信息，能够从光谱空间中对地物予以细分和鉴别，在资源、环境、城市、生态等领域得到了广泛应用。
本文介绍了高光谱遥感技术的原理，列举了高光谱技术的运用，以及叙述了其前景与展望。
关键字：高光谱技术运用引言二十世纪八十年代遥感领域最重要的发展之一就是高光谱遥感的兴起。
从二十世纪九十年代开始，高光谱遥感已成为国际遥感技术研究的热门课题和光电遥感的最主要手段[1]。
在二十一世纪，高光谱遥感成为了光电遥感的主要手段。
高光谱遥感（Hyper Spectral Remote Sensing）克服了传统单波段、多光谱遥感在波段数、波段范围、精细信息表达等方面的局限性，以较窄的波段区间、较多的波段数量提供遥感信息，能够从光谱空间中对地物予以细分和鉴别，在资源、环境、城市、生态等领域得到了广泛应用。
它利用很多窄的电磁波波段获取物体有关数据的技术，它可在电磁波的紫外、可见光、近红外、中红外以至热红外区域，获取许多非常窄且光谱连续的图像数据。
这样，在传统的二维遥感的基础上增加了光谱维，形成了一种独特的三维遥感。
对大量的地球表面物质的光谱测量表明，不同的物体会表现出不同的光谱反射和辐射特征，这种特征引起吸收峰和反射峰的波长宽度在5-50左右，其物理内涵是不同的分子、原子和离子的晶格振动，引起不同波长的光谱发射和吸收，从而产生了不同的光谱特征[3]。
运用具有高光谱分辨率的仪器，通过获取图像上任何一个像元或像元组合所反映的地球表面物质的光谱特性，经过计算机的图像处理，就能达到快速区分和识别地球表面物质的目的。
通过高光谱成像获取的地球表面图像包含了丰富的空间、辐射和光谱三重信息。
专题六：高光谱数据介绍
光谱库
• ENVI中 的相关应用-标准波谱库： *.sli ,*.hdr
高光谱图像
• 对地物进行多波段成像所得到的一组二 维图像，每个波段对应的一个二维图像。 • 高光谱图像与自然图像的区别在于多了 一维光谱信息。
• 图像立方体 Spectral>Build 3D Cube
光谱空间及光谱角
• 光谱曲线图是区分不同地物的 主要方法 • 区分大量光谱时，需要用光谱 空间来表述。 • 以n=2为例，光谱向量（右图） • 多维光谱空间在可视化绘图是 困难的，数学构建上是可能的。 • 光谱间的相似性可以通过光谱 向量间的角度来判断——光谱 角。
光谱端元
将相关性很小的图像波段，如PCA、MNF 的前两个波段，作为X,Y构成二维散点图。 在理想状态下，根据线性混合模型数学描 述，三角形顶端为纯净像元。
在实际选择中，往往选择凸出部分，再获 取这个区域相应的平均波谱。
主要流程
• • • • 查看高光谱图像 打开常见图谱库 端元波谱提取（MNF） 高光谱分类—波谱角（SAM）
专题六：高光谱遥感 hyperspectral remote sensing
遥感的发展趋势
• 平台、传感器——数据
– 高（空间）分辨率 – 高光谱 – 高时间、高辐射 – 遥感反演 – 面向对象 – 光谱端元
• 信息处理方法
“天地一体化”
• 应用方面
– 实用化、商业化、国际化、一体化
背景
• 随着对地观测技术的迅速发展，图像的光谱 分辨率、空间分辨率和时间分辨率有了较显 著的提高，高光谱和高空间分辨率图像得到 了越来越多的应用。 • 精细的观测地物——地物的识别，地物的成 分信息
• 高光谱图像由成像光谱仪产生 • 测谱学和遥感成像技术的融合。
- 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)。
Sweet potato
water
WX4 9520 9520
WY5021 Paddy stubble WY5021 99-15
WY 5021
99-15 WY5021 99-15 99-15
WX8313
Mixed
WX8313 WY5021
几种典型火成岩岩石的反射光谱特性曲线
沉积、变质岩的反射光谱曲线
灰岩、白云岩反射光谱特性
几种变质岩的反射光谱特性曲
矿化蚀变岩光谱特征
• 矿化蚀变岩是地质找矿的主要研究对象，其矿化蚀变类 型、蚀变矿物组合、矿化程度是高光谱遥感地质找矿的重 要依据。从遥感角度看，矿物蚀变赋予了广义的概念，包 括热液蚀变和表生变化。富含过渡金属元素的高价阳离 子、羟基、水分子的氧化物、氢氧化物、硅酸盐、碳酸盐 和硫酸盐等是蚀变矿物的代表。 • 矿化蚀变岩光谱是其矿物组成中的各种蚀变矿物的特征信 息的反映，虽然这些蚀变矿物的含量不高，但岩石光谱中 却具有与之相关的可诊断性特征谱带。
高光谱遥感器的发展
• 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-24 00nm,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)，22 4个通道，光谱范围410nm-2450nm，光谱分辨率10nm。 • 220波段的星载HYPERION（2000年E0-1卫星携带升空）
黑色条带宽度 表示吸收波段 的相对宽度
高光谱遥感岩矿信息提取
• 基于单个诊断性吸收特征参数的方法 • 基于完全波形特征的方法 • 基于光谱知识模型的方法
矿物光谱特征
• 矿物光谱主要取决于物体内电子（Electrons）与晶体场 （Crystal Fields）的相互作用，以及物体内的分子振动 （Molecular Vibrations）
蒙 脱 石 2.34-2.36 白 云 母 2.31-2.33 蛇 纹 石
对称性<1 2,31-2.34微米
有：绿高岭石 无：绿泥石
2,38-2,40 （无） 黑 云 母 伊 利 石 2,15-2,19 2,31-2.34 高 岭 石 绢 云 母
高光谱遥感农作物精细分类
定量反演技术对 水 稻 品 种 的 分 类
高光谱遥感影象解译
主要内容
• 高光谱基础 • 岩矿高光谱识别原理 • 岩矿识别主要方法 • 高光谱岩矿识别实例 • 月球矿物波谱信息 • 月球矿物高光谱探测
一、高光谱基础
高光谱遥感基本概念
• 高光谱遥感： 即高光谱分辨 率成像光谱遥感，是基于高 光谱分辨率超多波段遥感图 像与光谱合一的特点，利用 地表物质与电磁波的相互作 用及其所形成的光谱辐射、 反射、透射、吸收及发射等 特征研究地表物体（包括大 气），识别地物类型，鉴别 物质成分，分析地物存在状 态及动态变化的新型光学遥 感技术。
矿化蚀变岩光谱特征
矿物的精细光谱特征
矿化蚀变在2.0-2.5μm的反射光谱特性
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 方解石 白云石 菱铁矿
2.19-2.24微米 Al-OH 对称性>1 对称性<1
光谱分辨率 瞬时视场角 (mrad) （nm） 15 航向 2.5 15 旁向 2.0
13 17
信噪比
300太阳天顶 角，50%反 射率：>500:1
PHI主要性能指标 • 欧空局：CHRIS （2000年10月22日PROBA小卫星）
光谱范围 400~850nm 采样间隔 光谱分辨率 瞬时视场角 行象元数 1.8nm <5nm 1.5mrad 376 信噪比 ~200
瓦棉石 40022-瓦棉石 板泥水 2108101-板泥水 青沥 10002-青沥 水 6100201-水 土裸 1200201-土裸 地草 2100201-地草 石理大色灰 4101201-石理大色灰
高光谱遥感精细农业中的应用
高光谱遥感在农业应用中监测作物的养分供应状况，对于及时了解作物的长 势，采取有效的增产措施均具有积极意义，主要针对作物养分失调的形态诊断和 化学分析适用于有限面积的作物及土壤的诊断和分析。 ①作物个体生长状况与作 物叶片光谱关系的研究，群体高光谱研究很少，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。 ②利用多时相的高光谱数据提取出光谱特征对不同植被和作物进行 识别和分类。 ③对植被的叶面积指数、生物量、全氮量、全磷量等生物物理参数 进行估算。 ④利用植被指数进行地表覆盖分析或作物长势的动态监测。
• 中国：MAIS、PHI、OMIS-1（10个热波段）、 CMODIS（神舟III号） 、Env-DD（环境灾害小卫星）
中国128波段航空成像光谱仪（OMIS1）
美国220波段卫星成像光谱仪（Hyperio n）
Three EOS Morning Satellites Current Alignment
• 火成岩：火成岩在可见光、近红外波段的光谱特征主要是铁 离子、羟基和水所引起的。 • 沉积岩：在可见光、近红外波段(0．4—2．5μm)的光谱特 征，主要是铁离子、碳酸根离子、羟基离子及水引起的。 • 变质岩：在可见光、近红外波段(0.4—2.5μm)的光谱特征， 主要是铁、锰、铜等金属离子和羟基、碳酸根离子及水所引 起的。
• 主要方法包括：
• 光谱微分技术 • IHS编码与吸收波段图 • 相对吸收深度图 • 连续插值波段算法 • 光谱吸收指数法
基于单个诊断性吸收特征参数的方法
• 光谱微分技术(SpectralDerivative)
• 光谱微分技术主要是处理曲线的变化和压缩均值影响,通过对 反射光谱进行数学模拟和计算不同阶数的微分值（浦瑞良 等，2000）,可以迅速地确定光谱弯曲点及最大最小反射率的 波长位置。 • 主要应用包括提取各种目标参数,如波段波长位置、深度和波 段宽度,以及分解重叠的吸收波段和提取各种目标参数。
其中ρs1,ρs2,ρM和λs1,λs2,λM分别为吸收左肩端、右肩 端、吸收谷点的反射率和波长位置；;d=(λs2-λM) /(λs2λs1)为吸收的对称性参数。
基于完全波形特征的方法
• 利用整个光谱曲线进行矿物匹配识别,可以在一定程度上改善单个波 形的不确定性影响(如光谱飘移、变异等),提高识别的精度。根据像 元中包含地物种类的数量, 把矿物识别方法分为基于“纯像元”和基 于混合像元的分析方法。
• 加拿大： CASI
• 德国：ROSIS • 法国：IMS • 芬兰：AISA • 日本：GLI
波段数 244
波段数 128
HYMAP主要性能指标
光谱范围（um）
0.45 ~0.89 0.89 ~1.35 1.40 ~1.80 1.95 ~2.48
采样间隔 （nm）
15~16 15 ~16 15 ~16 18 ~20
EO-1 Landsat-7
1 min
29 min
Terra
表 Hyperion主要技术参数
欧空局 Proba卫星 CHRIS多角度观测 多角度紧密型高光谱仪
欧空局 Proba卫星 CHRIS多角度观测多角度紧密型高光谱仪CHRIS共有 五种可选择模式： MODE 1: MODE 2: MODE 3: MODE 4: MODE 5: 411nm-997nm, 34米, 62波段
图 MAIS （中国）
图 MIVIS （法国）
三、岩矿识别主要方法
基于谱形特征的高光谱矿物识别方法
基于单个诊断性吸收特征参数的方法
• 诊断性吸收特征是进行定性和定量描述的主要参数
• 吸收波段位置(λ)、吸收深度(H)、吸收宽度(W)、吸收面积 (A)、吸收对称性(d)、吸收的数目(n)和排序参数。
高光谱遥感岩矿识别
• 许多含有Fe2+、Fe3+、CO3-、OH-等离子和分子基团的 矿物质具有其固有的特征谱。高光谱遥感技术通过对地表 矿物质识别用于寻找矿产资源，尤其对热液蚀变矿床的勘 探最为有效，并用于地球化学填图和地质制图。
美国内华达地区AVIRIS高岭石等矿物识别
岩矿可见与近红外光谱特征标识图(Hunt
• 1.3---2.5μm光谱特性： 碳酸根（CO32-）/羟基(OH-)/水 分子(H2O)； • 3.0---5.0μm光谱特性：Si-O, Al-O等分子键的振动； • 0.4---1.3μm光谱特性：铁、铜、镍、锰等过渡性金属元 素；
岩石光谱特征
• 造岩矿物的光谱特征在岩石光谱上是可以表现出来的，尤 其是清晰的强吸收谱带；各种岩石光谱特征虽具有区域变 异性，但也具有局部的稳定性和规律性。
• （1）基于“纯像元”的分析方法 • （2）基于混合像元的分析方法
不同遥感器波段对比
高光谱遥感的优势
• 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
高光谱遥感的优势
• 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
高光谱遥感的优势
• 利用图-谱实现自动识别地物并制图
五个观测角度的高光谱图像：0°， ±36°， ±55°
高光谱主要应用领域
二、高光谱识别原理