定量遥感课件光谱波谱分析技术
遥感概论ppt课件第二章--电磁辐射与地物光谱特征
22
2.2 太阳辐射及大气对辐射的 影响
l太阳是被动遥感最主要的辐射源，太阳 辐射有时习惯称作太阳光，太阳光通过 地球大气照射到地而，经过地面物体反 射又返回，再经过大气到达传感器，这 时传感器探测到的辐射强度与太阳辐射 到达地球大气上空时的辐射强度相比， 已有了很大的变化，包括入射与反射后 二次经过大气的影响和地物反射的影响。 本节主要讨论大气的影响。
6
2.1.2 电磁辐射的度量
1. 辐射源 任何物体都是辐射源。不仅能够吸收其他物体对它的辐
射，也能够向外辐射。 因此对辐射源的认识不仅限于太阳、 炉子等发光发热的物体。能发出紫外辐射、 X射线、微波辐 射等的物体也是辐射源，只是辐射强度和波长不同而已。 电 磁波传递就是电磁能量的传递。因此遥感探测实际上是辐射 能量的测定。
一般辐射体和发射率
21
以石英的辐射为例，对不同波长测出对 应于该波长的光谱辐射出射度Mλ,这时
石英温度假定为250 K。分别作出250 K 时绝对黑体的辐射曲线和石英的辐射曲 线(图2．9)，从图可以看出，石英的辐 射显然比黑体辐射弱，而且随波长不同 而不同，也就是说比辐射率(或吸收系 数)与波长有关。虚线各点的纵坐标是 石英对应于每一波长的光谱辐射出射度 ．曲线下面积是整个电磁波谱的总辐 射出射度。
l 方向:由电 磁振荡向各个 不同方向传播 的.
定量遥感课件地表温度反演-最新课件
地表温度的反演-地表温度反演算法
• 单通道多角度法
同一物体从不同角度观测所经过的大气路径不 同而产生不同的大气吸收。 大气的作用可通过单通道在不同角度观测下所 获得的亮温的线性组合来消除。 大量的工作用于研究海水表面温度的反演 只有少量的关于陆面温度反演的研究。（由于 不同角度的地面分辨率不同，以及陆地表面状 况很不均匀和地物类型复杂）
Wan 和 Dozier(1989)把遥测地表温度当作一个地球物理 学的反演问题,通过Lowtran程序进行数值模拟,评价了温度反演 的可行性并提出了合理的波谱段范围,认为通过多波谱同时反演地 表温度和地表比辐射率是可行的。
Wan 和 Dozier(1996)通过大气传输模型进一步模拟计算 指出：1)统计回归的系数与传感器的视角有关；2)为了提高反演 精度，模拟计算回归系数时有必要把大气含水量、大气低层温度 和地表温度考虑进去,而不能在所有的情况下都用相同的系数来反 演地表温度。
MODIS
通道 3 4 5 20 22 23 29 31 32 33
波长范围 (mm) 3.54-3.94 10.32-11.32 11.41-12.38 3.660-3.840 3.929-3.989 4.020-4.080 8.400-8.700
10.780-11.280 11.770-12.270 13.185-13.485
设太阳的影响可忽略：
e T s i B i 1 B iT i R a ti i1 iR a ti
e
i
•大气参数的计算需要知道大气的温度和在通道上大气 吸收体密度的垂直廓线，而且还需知道这些大气吸收体 的物理特性。
地表温度的反演-地表温度反演算法
✓单通道法的精度取决于： ✓ 大气辐射传输模型的精度
光谱分析基础知识PPT课件
20世纪50年代原子物理学的发展促进了 原子吸收分光光度法、原子荧光分光光度法 的兴起。
20世纪60年代等离子体、傅里叶变换和 激光技术的出现，促进了光谱分析的深入发 展。
20世纪70年代出现了等离子体-原子发射 光谱分析，傅里叶变换红外光谱法和激光光 谱法等一系列分析技术。
值得一题的是20世纪70年代发展起来的 激光共振电离光谱法，它的灵敏度达到了极 限，可以检测单个原子。
光谱分析，一般依其波长及其测定的方 法可以分为：射线(0.005~1.4Ả)；
X射线 (0.1~100Ắ)； 光学光谱(100 Ắ ~1000m)； 微波波谱(0.1~100cm)。
❖狭义：通常所说的光谱，一般仅指光学光 谱而言。
2．光学光谱的分类 （1）依其波长及其测定的方法可以分为：
真空紫外光光谱：10~200nm 近紫外光光谱：200~400nm 可见光谱：400~800nm 近红外光谱：800nm~2.5m 中红外光谱： 2.5~50m 远红外光谱： 50~1000m
1.2 光谱分析法概述
1．光谱的定义
❖ 广义：各种电磁波辐射都叫做光谱。
自然界的一切物质可以与各种频率的 电磁波辐射发生相互作用，这种作用表现 为对光的吸收或吸收光后再发射出各种波 长的光，这取决于各自的特殊物质结构。
根据各种不同的物质吸收或者发射出 某一特征频率的光信号及信号强度的大小 可以实现物质的定性与定量分析。
a.原子光谱：原子核外电子在不同能级间跃 迁而产生的光谱称为原子光谱（atomic spectrum）。它们的表现形式为线状光谱。
b.分子光谱：在辐射能作用下，因分子内能 级间的跃迁而产生的光谱称为分子光谱 （molecular spectrum）。由于在分子中各质 点的运动比单个原子复杂，因此分子光谱比 原子光谱复杂得多。
《光谱分析基础知识》课件
在医学诊断中的应用
微量元素检测
01
光谱分析可以检测人体内的微量元素，对某些疾病的诊断和治
疗提供依据。
组织成分分析
02
通过光谱分析可以了解组织、细胞或生物分子的结构和组成，
有助于疾病的早期发现和治疗。
药物代谢研究
03
光谱分析可以监测药物在体内的代谢过程，为药物研发和临床
应用提供支持。
在农业领域的应用
详细描述
当电磁辐射与物质相互作用时，物质中的电子、原子或分子会吸收特定波长的 光，导致光谱发生变化。这些变化表现为光谱线的位移、强度变化或形状改变 ，可以用来推断物质的结构和组成。
光谱分析的分类
总结词
光谱分析可以根据不同的分类标准进行分类。
详细描述
根据光谱产生的机制，光谱分析可以分为发射光谱法和吸收光谱法；根据测量方式，光谱分析可以分为光谱色散 法和傅里叶变换法；根据光谱范围，光谱分析可以分为可见光谱法、紫外光谱法、红外光谱法、X射线光谱法等 。
核磁共振波谱法
总结词
通过测量物质中原子核自旋磁矩的共振现象进行分析的 方法
详细描述
核磁共振波谱法是一种基于原子核自旋磁矩的共振现象 的分子光谱分析方法。通过测量物质中原子核自旋磁矩 的共振现象，可以获得分子内部结构和组成信息，广泛 应用于有机化学、药物化学、生物医学等领域。
04
光谱分析的应用
BIG DATA EMPOWERS TO CREATE A NEW
ERA
光谱分析技术的发展趋势
智能化
利用人工智能和机器学习技术 ，提高光谱分析的自动化和智 能化水平，减少人为误差和操
作繁琐性。
高通量
发展高通量光谱分析技术，实 现快速、高效的多组分分析， 满足大规模样品检测的需求。
光谱分析 ppt课件
(三)光度线性范围
指仪器光度测量系统对于照射到接收器上的辐射功率与 系统的测定值之间符合线性关系的功率范围，即仪器的 最佳工作范围。
检测方法——溶液稀释法：配制适当浓度的溶液，按照 一定的倍数逐步稀释，分别测定其吸光度，根据测得的 吸光度计算吸光系数，以吸光度为横坐标，相应的吸光 系数为纵坐标，绘制吸光系数-吸光度曲线，曲线的平 坦区域即为仪器的线性范围。
1.被测物在一个波长上有最大吸收峰，在另一个波长上没有 吸收或很少吸收；
2.非被测物在两个波长上的吸收相同。
双波长分光光度计优点
只要λ1、λ2选择适当，ΔA就是消除了非特征性吸收干 扰的吸光度值。将ΔA用于计算结果能较好的解决由于 非特征吸收信号（如试样的浑浊、吸收池与空气界面 以及吸收池与溶液界面的折射差别等）影响而带来的 误差，结果更准确。
双波长分光光度计
四、紫外-可见分光光度计性能 评价指标
(一)波长准确度和波长重复性 (二)光度准确度 (三)光度线性范围 (四)分辨率 (五)光谱带宽 (六)杂散光 (七)基线稳定度 (八)基线平直度
(一)波长准确度和波长重复性
波长准确度是指仪器波长指示器上所示波长值与仪器此时 实际输出的波长值之间的符合程度。
(四)分辨率
指仪器对于紧密相邻的峰可分辨的最小波长间隔，此 间隔越小分辨率越高。它是分光光度计质量的综合反 映。
单色器输出的单色光的光谱纯度、强度以及检测器的 光谱灵敏度等是影响仪器分辨率的主要因素。
(五)光谱带宽
光谱带宽（Spectral band width）是指从单色器射出的单色 光最大强度的1/2处的谱带宽度。它与狭缝宽度、分光元 件、准直镜的焦距有关，可以认为是单色器的线色散率的 倒数与狭缝宽度的乘积。
光谱定量分析
2. 定性方法
标准光谱比较法： 最常用的方法，以铁谱作为标准(波长标尺)；为什么选铁谱？
07:47:20
标准光谱比较定性法
为什么选铁谱？
（1）谱线多：在210～660nm范围内有数千条谱线； （2）谱线间距离分配均匀：容易对比，适用面广； （3）定位准确：已准确测量了铁谱每一条谱线的波长。
发射光谱分析的基本关系式，称为塞伯-罗马金公式。自 吸常数 b 随浓度 c 增加而减小，当浓度很小，自吸消失时， b=1。
07:47:20
(2) 内标法定量分析原理
影响谱线强度因素较多，直接测定谱线绝对强度计算难以 获得准确结果，实际工作多采用内标法（相对强度法）。
在被测元素的光谱中选择一条作为分析线(强度I )，再选 择内标物的一条谱线(强度I0 )，组成分析线对。则：
深3～6 mm；
试样量：10 ～20mg ； 放电时，碳+氮产生氰 (CN)，
氰分子在358.4～ 421.6 nm产生带 状光谱，干扰其他元素出现在该区 域的光谱线，需要该区域时，可采 用铜电极，但灵敏度低。
07:47:20
二、 光谱半定量分析
应用：用于钢材、合金等的分类、矿石品位分级等大批量试 样的快速测定。测量试样中元素的大致浓度范围 1. 谱线强（黑）度比较法：测定一系列不同含量的待测元素 标准光谱系列，在完全相同条件下(同时摄谱)，测定试样中 待测元素光谱，选择灵敏线，比较标准谱图与试样谱图中灵 敏线的黑度，确定含量范围。
feature and applications 1. 特点
(1)可多元素同时检测 各元素同时发射各自的特征光谱； (2)分析速度快 试样不需处理，同时对十几种元素进行定 量分析(光电直读仪)； (3)选择性高 各元素具有不同的特征光谱； (4)检出限较低 10～0.1gg-1(一般光源)；ngg-1(ICP） (5)准确度较高 5%～10% (一般光源）； <1% (ICP) ； (6)ICP-AES性能优越 线性范围4～6数量级，可测高、中 、低不同含量试样；
- 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)。
光谱/波谱分析技术在定量遥感或者高光谱遥感中，信息提取主要用到光谱/波谱分析技术。
本专题对光谱/波谱分析中涉及的流程及一些技术进行讲解，包括以下内容：∙ ∙●基本概念∙ ∙●遥感反演∙ ∙●波谱识别1 基本概念“光谱分析”在很多领域也有这个概念，比如医学、电子学、化学等。
如其中一个概念为：“光谱分析主要是以光学理论为基础，以物质与光相互作用为条件，建立物质分子结构与电磁辐射之间的相互关系，从而进行物质分子几何异构、立体异构、构象异构和分子结构分析和鉴定的方法。
”在遥感里面经常会看到光谱分析和波谱分析两个概念，可以将光谱分析视为在微观条件下定义；波谱分析在宏观上定义的。
也就是光谱分析是广义定义，波谱分析是狭义定义，在不太严格的情况下，两个概念是一样的。
遥感中的光谱分析技术可以理解为基于电磁辐射与物质相互作用产生的波长与反射强度，即地物波谱特征，而进行物质分析的技术。
在这个过程中，如果一种物质A中掺和其他物质B而造成物质A的波谱特征发生变化，可以建立物质A、物质B与波谱特征变化三者之间的关系，这个也是定量遥感中物质反演的一个基本过程之一；在这个过程中另外一个情况，地物波谱特征用图像或者波谱曲线表示，用已知的波谱曲线A 和未知的波谱曲线B进行对比分析，从而得出波谱曲线A和B是否一致，或者占多大比重。
这个是高光谱遥感中的波谱识别的基本原理。
因此，从应用角度上看，光谱分析就是定量遥感或高光谱遥感中的图像信息提取技术。
可分为遥感反演、地物识别和物质分类，后两个就是波谱识别范畴。
2 遥感反演遥感反演就是根据观测信息和模型，求解或推算描述地面实况的应用参数。
可以看到遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型。
这种关系模型可以是遥感模型和应用模型，包括统计型和物理型。
统计模型基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效概括从局部区域获取的数据，缺点在于模型一般具有地域局限性，也不能解释因果关系；物理模型遵循遥感系统的物理规律，可以建立因果关系，地域变化时候，也可以方便修改变量，缺点在于模型的建立过程漫长而曲折（梁顺林等）。
可以看到，遥感反演需要具备多方面的知识，需要理解遥感成像机理、相关地学知识、数学知识等。
比较成熟或者用的比较多的反演模型包括：植被生物参数反演模型（氮、叶绿素、水分等），水质参数反演模型（浑浊度、透明度、总悬移质泥沙含量、pH 值、总含氮量等），应用包括植被盖度监测、作物长势监测、水华监测等。
反演涉及的关键部分是模型的构建，在模型构建好之后就是模型中参数的推算。
下面以太湖叶绿素反演为例，数据使用环境小卫星的CCD多光谱数据，介绍在ENVI下的操作流程。
本例子使用一个比较通用的线性叶绿素反演模型：Y=ax+b即Chla=a*BRED/BNIR+b主要技术路线就是利用实地调查的结果，结合影像上对应的像元反射率值，采用最小二乘法回归得到a和b参数，之后将这个模型应用到整个图像中。
一、传感器定标直接利用ENVI_HJ1A1B_Tools环境卫星数据读取扩展工具将图像有DN值转成辐射亮度值。
（扩展工具下载地址：）说明：先做传感器定标主要是为了避免在几何精校正过程中进行重采样时候产生一定的误差。
二、几何精校正这一步不用多讲了，由于HJ卫星数据提供的2级数据已经做过粗校正，可以选择地形图作为参考选择控制点进行几何精校正。
在几何校正重采样输出时候，选择最邻近法（Nearest Neighbor）。
三、大气校正这个步骤可以参照：四、图像裁剪用太湖地区的矢量裁剪大气校正结果，得到太湖水面区域影像。
五、样本选择这一步需要结合实地调查数据，将水面调查点与BRED/BNIR对应的值在空间上一一对应起来。
实地调查数据包括：水面调查点的经纬度、叶绿素含量。
以三列形式保存为.txt和Excel文件，以下格式：序号纬度经度叶绿素含量（mg/L）1 31.516729 120.170916 0.0782 31.457287 120.048309 0.0253 31.454855 120.174078 0.056(1)使用Basic Tool->Bandmath，表达式为float(b3)/b4，计算得到比值图像。
(2)在display中显示比值图像，选择overlay->Region Of Interest 打开ROI Tool。
(3)在ROI Tool中，选择ROI_Type->Input Points from ASCII，选择文本格式的实地调查数据。
注意参数选择，x：选择经度；y：选择纬度；These point comprise：Individual Points。
这样将实地调查的点位置信息加载到图像中(4)在ROI TOOL中，选择File->Out ROIs to ASCII。
在输出格式设置面板中（如下图），选择ID、经纬度、和波段像元值（Band Values）。
这样就将水面调查点与BRED/BNIR对应的值导出来了，将BRED/BNIR值导入Excel表中，这样就将实测叶绿素含量值与BRED/BNIR值一一对应上了。
六、模型参数反演有了实测的叶绿素含量值与BRED/BNIR值的对应表，使用最小二乘法回归参数a和b。
回归公式为：使用Excel的计算功能，很容易得到a=0.060583，b=0.004381七、叶绿素反演有了参数a和b，反演模型可表达为：Chla=0.060583*BRED/BNIR+0.004381，利用bandmath很容易得到一个单波段的反演结果八、反演结果输出在display中，选择Tools->Color Mapping->ENVI Color Tables，让结果以彩色方式显示。
在打开Overlay->annotation 注记明白，添加Object->Color Ramp，添加一个色带。
3 波谱识别高光谱图像分类方法与传统的多光谱分类有本质的区别，从高光谱图像的每个像元均可以获取一条连续的波谱曲线，就可以考虑用已知的波谱曲线和图上每个像元获取的波谱曲线进行对比，理想情况下两条波谱曲线一样，就能说明这个像元是哪种物质。
高光谱图像有这个特性，它除了应用于一般的图像分类，还应用于物质识别、目标探测等。
图像分类更多关注的是地物覆盖和物质成分，目标识别和探测是对特定对象的搜索，其结果是“有”或者“没有”。
因此我们把高光谱图像分类、物质识别、探测等称为波谱识别。
如下图是一个波谱识别的典型流程，主要分为端元波谱选择、波谱识别和结果分析。
波谱识别流程端元波谱选择端元波谱这个概念最常见于混合像元分解过程中，端元的物理意义就是指图像中具有相对固定光谱特征的地物类型，也就是图像中只有一种物质的像元。
广义上讲，端元波谱就是“分类训练样本”，即应用于波谱识别的标准波谱。
端元光谱的确定有两种方式：(1) 使用光谱仪在地面或实验室测量到的“参考端元”；(2) 在遥感图像上得到的“图像端元”。
方法(1)一般从标准波谱库选择，方法(2)直接从图像上寻找端元，可选择的方法有：从二维散点图中基于几何顶点的端元提取，借助纯净像元指数（Pixel Purity Index——PPI）和n维可视化工具用于端元波谱收集，基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称SM ACC）的端元自动提取。
流程图上标识了两种方法——基于PPI的端元提取和从外部源（如波谱库）获取。
在目标识别中，我们往往是从图上选择一个目标所在区的像元的平均波谱作为目标识别。
●识别波谱识别波谱可选的方法就很多，常用的是波谱角填图(Spectral Angle Mapper——SAM）。
波谱角填图（SAM）使用n-维角度将像元与参照波谱进行匹配。
该算法是将像元N个波段的光谱看做N维波谱向量，通过计算与端元波谱之间的夹角判定两个波谱间的相似度，夹角越小，说明越相似。
波谱角示意图有时候端元波谱的波谱分辨率、波段范围与图像不一样大小，就会需要用到波谱重采样，如ENVI中的S pectral > Spectral Libraries > Spectral Library Resampling就可以将波谱曲线进行重采样，使得与某一个图像具有相同的波谱分辨率和波段覆盖范围。
●结果分析波谱识别的结果就是一个分类结果，栅格或者矢量形式输出。
这个流程中有一个是MNF变换和维度判断。
MNF （Minimum Noise Fraction）最小噪声分离将一幅多波段图像的主要信息集中在前面几个波段中，主要作用是判断图像数据维数、分离数据中的噪声，减少后处理中的计算量。
MNF也是一种线性变换，本质上是含有两次叠置的主成分分析：∙ ∙●第一次变换是利用主成分中的噪声协方差矩阵，分离和重新调节数据中的噪声（噪声白化——noise whitening）。
使变换后的噪声数据只有最小的方差且没有波段间的相关。
∙ ∙●第二次变换是对噪声白化数据进行主成分变换。
为了进一步进行波谱处理，检查最终特征值和相关图像来判定数据的内在维数。
数据空间被分为两部分：一部分是联合大特征值和相对应的特征图像，另一部分与近似相同的特征值和噪声图像。
在ENVI中提供的工具可以组合完成上述波谱识别过程，其中波谱沙漏工具（Spectral ->Spectral Hourglass Wizard）将上述流程中的每一个步骤集中在一个界面下完成，由于采用向导式操作，这里就不举例子介绍。
4 总结可以看到光谱分析是基于光谱信息进行物质反演和识别，也就是波谱特征或者波谱曲线。
这与我们常见影像分析方法区别较大，像物质的空间特征、纹理特征、空间关系等属性在光谱分析中不会重点考虑，甚至不作考虑。