高光谱实验指导

1、目 录实验一 高光谱遥感数据获取 . 1实验二 高光谱遥感数据的大气校正 . 4实验三 地物光谱测量与成像 . 7实验四 MNF 与端元选取 . 11实验五 光谱特征分析 . 171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。实验内容1、 合成真彩色和假彩色的影像2、 提取同类或异类地物（物体）的光谱曲线预备

2、知识1、 遥感数据的基本参数a) ETM波段 波长(微米) 分辨率(米) 主要作用Band 1 蓝绿波段 0.45-0.52 30 用于水体穿透,分辨土壤植被Band 2 绿色波段 0.52-0.60 30 分辨植被Band 3 红色波段 0.63-0.69 30处于叶绿素吸收区域, 用于观测道路/裸露土壤/植被种类效果很好Band 4 近红外 0.76-0.90 30用于估算生物数量, 尽管这个波段可以从植被中区分出水体，分辨潮湿土壤，但是对于道路辨认效果不如TM3Band 5 中红外 1.55-1.75 30用于分辨道路/裸露土壤/水, 它还能在不同植被之间有好的对比度,并且有较好的穿透大

3、气、云雾的能力。2b) AVIRIS指标 波段 波长(微米)波长范围 400-2500nm Band 1-4 紫外 0.369-0.399光谱分辨率 10nm Band 5-14 蓝光 0.409-0.497Fwmh 10nm Band 15-24 绿光 0.507-0.596Band 25-36 红光 0.606-0.693Band 37-63近红外0.702-1.048c) Hyperion指标 波段 波长(微米)波长范围 430-2400 Band 1-5 紫外 0.356-0.396光谱分辨率 10nm Band 6-15 蓝光 0.406-0.498Band 16-25 绿光 0.5

4、08-0.600Band 26-36 红光 0.609-0.691Band 37-184 近红外 0.702-1.992Band 185-242 中红外 2.002-2.577报告内容1、 分别使用AVIRIS 和Hyperion 数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？2、 分别从ETM+，AVIRIS 和Hyperion 数据中分别选取5 种不同的地物，提取曲线。从光谱剖面曲线上，比较分析多光谱数据和高光谱数据的各自特点。3、 信噪比计算，对Headwall 拍摄的数据，采用MNF 去噪后，实现以下计算和比较分析：a) 去噪前后，各波段图像的信噪比值Band 6 热

5、红外 10.40-12.50 60 感应发出热辐射的目标。Band 7 中红外 2.09-2.35 30对于岩石/矿物的分辨很有用, 也可用于辨识植被覆盖和湿润土壤。Band 8 全色 0.52-0.90 15得到的是黑白图象, 分辨率为15m,用于增强分辨率, 提供分辨能力。3b) 去噪前后，同一像素的（或同一区域的平均）光谱的信噪比值4实验二 高光谱遥感数据的大气校正实验目的大气的影响对高光谱遥感而言比多光谱遥感更重要，尤其是陆地高光谱遥感，消除大气的影响而获得接近地面测量的光谱数据，对于准确识别地物、属性估计等具有十分重要的意义。大气校正的目的是消除大气和光照等因素对地物反射的影响，获得

6、地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响，消除大气分子和气溶胶散射的影响。本次实验的目的是掌握一般大气校正方法，理解大气传输过程中散射、吸收和折射作用的影响机理和校正的原理，掌握大气校正的一般方法和处理过程。实验内容1、使用黑暗目标法分别对TM和AVIRIS影像进行大气校正2、使用FLAASH模块对AVIRIS影像进行大气校正预备知识1、黑暗目标消减法(Dark Object Substraction,DOS)a) 基本原理：寻找影像中的最暗的目标区域，假设该区域的光谱反射率为0，而实际获得的反射率是由于大气影响或程辐射的

7、结果，并且其它区域受到相同的影响。那么，可以通过从每个像元的反射率5扣除掉黑暗目标的反射率就可以达到大气校正的目的。通常情况下，我们一般选择水体作为暗目标。b) ENVI 中DOS 的操作i. ENVI 中DOS 被称为Dark Subtractii. 依次选择菜单 Basic Tool > Preprocessing > GeneralPurpose Utilities > Dark Subtract，启动模块。选择待校正的图像，选择Band Minimum 选项，即每个波段的最小值将被自动选为暗目标的反射率。处理后保存结果即可。2、ENVI FLAASHa) 简介：ENV

8、I 的高精度大气校正工具包，其最新扩展模块FLAASH2.0 专门对波谱数据进行快速大气校正分析。FLAASH可以处理任何高光谱数据、卫星数据和航空数据(860nm/1135nm)，这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO1)AISA、HARP、DAIS、Probe1、TRWIS3、SINDRI、MIVIS、 OrbView4、NEMO 等传感器获得的。FLAASH还可以校正垂直成像数据和侧视成像数据。FLAASH 是目前精度最高的大气辐射校正模型，使用了 MODTRAN 4 辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷

9、云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。FLAASH 可对Landsat, SPOT,AVHRR, ASTER, MODIS, MERIS, AATSR,IRS 等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校气校正的目的。通常情况下，我们一般选择水体作为暗目标。6b) ENVI 中的FLAASH 的操作请参见附件ENVI FLAASH使用手册报告内容1、一些基本的概念：a) 大气散射b) 大气吸收和地面遥感可以利用的主要大气窗口c) 解释为什么天空是蓝色的，而在太阳升起和落下时天空会呈现红色或橘红色d) 为什么需要进行大气校正2、对比分析 DOS 和F

10、LAASH 的处理结果，注意典型地物的校正效果。从大气传输过程简要分析一下FLAASH 的关键参数设置对结果的影响。7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1、便携式地物光谱仪的基本工作原理光纤光谱仪是现代主流的便携式地物光谱仪，基本工作原理是光源发光通过光纤传导入采样探头，光线照射于物体表面后，反射光再经探头导入与光谱仪相连的光纤束，被测光由接

11、头入射到光谱仪内。光谱仪内的分光结构至关重要。入射光经反射准直镜准直，平面反射式光栅分光后，将入射光分成按一定波长顺序排列的单色光，再由成像物镜聚焦后，投射到CCD阵列的光敏面上进行检测。典型的光纤光谱仪的构造如下图。Vs(实验采用式中，()分别为测2、几1) SV2) 海垂直测量()为被测量物体种便携式VC 便携式地光洋光学US光方法，计􀟩􁈺􀟣􁈻物体的反和标准版地物光谱物光谱仪光谱内置存通线阵列探谱分辨率（最小积分SB4000VIS光谱内置存储通道线阵列探谱分辨率（最小积分算公式为􀵌􀜸

12、􁈺􀟣􁈻􀜸􀯦􁈺􀟣􁈻射率，s的仪器测仪的基本参数范围： 35储器 ： 50道数 ： 10测器： (2(FWHM）： 时间： 1NIR范围： 35器 ： -数 ： -测器： 36FWHM）： 1.时间： 3.：􀵈 􀟩􀯦􁈺􀟣􁈻s()为标准量值。50 250000 scans(扫0241) 512 Si，2) 256 InGa3) 256 扩展3.5nm,

13、 3508.5nm 10006.5nm, 185毫秒50 1000648 Si，3505nm, 350 8 毫秒􁈻版的反射nm)350-1000nmaAs，1000-1的InGaAs0 1000 n0 1850 n50 2500nm-1000nm1000 nm率，V(m1850nms，1850-25nmnmnm8)，00nm9实验步骤1、 测量目标和条件的选择（1） 环境: 无严重大气污染，光照稳定，无卷云或浓积云， 风力小于3 级，避开阴影和强反射体的影响(测量者不穿白色服装)。（2） 时间: 地方时9: 3014: 30 。（3） 取样: 选择物体自然状态的表面作为观测面

14、，取样面积大于地物自然表面起伏和不均匀的尺度，被测目标面要充满视场。（4） 标准板: 标准板表面与被测地物的宏观表面相平行， 与观测仪器等距，并充满仪器视场，保证板面清洁。2、 安装仪器开始测试（1） 对准标准板，读取数据为Vs 。（2） 移开标准板对准地物，读取数据Vg 。（3） 重复步骤(1)(2)， 测量59 次， 记录数据， 计算平均值。（4） 更换目标，做好信息记录， 重复(1)(3)步骤。（5） 整理数据，根据上述公式计算反射率g() , 标准板的反射率's() 为已知值。仪器安装注意事项:Ø 测量高度: 仪器保持水平架设，离被测地物表面距离1m。Ø 几

15、何关系:仪器轴线与天顶的倾斜角<±2°，标准面水平10放置。3、 分析实测结果（1）根据计算结果，准确绘出地物光谱反射率曲线图。（2）根据所绘曲线， 比较不同地物光谱特征，分析在遥感影像上可能产生的差异。（3）分析实习过程中可能引起误差的因素。报告内容1、 分析地物光谱测量过程中的几种主要的影响因素。2、 在Excel 或Matlab 中绘制测量得到的典型地物的光谱曲线，并从地物的光谱响应特征和特征波段的测量结果对数据的质量进行分析和简要评价11实验四 MNF 与端元选取实验目的光谱解混是高光谱数据处理与分析的基本方法和必要的过程。本次实验目的是了解高光谱影像混合的基

16、本理论，掌握端元选取和光谱解混的一般方法。实验内容1、MNF变换是本次实验使用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 NoiseStatistics From Datab) Spectral MNF Rotation Forward MNF Estimate NoiseStatistics From Data（2） 选择 文

17、件，默认 Spatial Subsetting, SpectralSubsetting, 和 Masking，然后点击OK，打开Forward MNFTransform Parameters 的对话框；（3） 按照下图的命名方式指定每个文件名和参数，文件路径可以指定到其他位置。其他参数缺省。（4） 点绘图窗口Bands L击OK，(下图)，List窗口中ENVI运行并且cup。下图描完毕后，95mnf.da述了各个会出现Mat会自动加波段包含MNF Eige入到Av噪声的大envaluesvailable小。特12s的征（3）值越接近有效性。2、端（1） 在个波段，Load Ba（2） 观To

18、ols 框中选择或者选择注意散点利用散点1的波段元选取Availabl选择Graand，按照察MNF的2D Scatte不同的两两个编号图中的拐图选择端包含的噪e Bandsay Scale，灰度图像散点图er Plots ，个编号差较大但差角或定点元。在S声越大，List窗口中点击Dis的方式打。在显示然后在S异比较大异小的波。Scatter P因此从上选择cuplay #1，开。cup95mnScatter P的波段段（如lot窗口中图中可以p95mnf.d选择Newnf的窗口上lot Band（如bandband24和，选择O判断波段dat，选择w Display依次选择Choice对1

19、和bandband25Options 13的第1y 和话25），）。ChangeMNF BanImage:分数据点然后右击来。再次位置ROIMNF的Ie Bands，nd 1 和MROI，在，如下图选择多边选择ClasI，并选中Image wi打开BaMNF Band窗口中点例子所示形，数据ss New。从菜单indow 就nd Choiced 2，点击云的拐角：点在对应w，按照上中选择可以看到e对话框，OK。然后或者延伸的图像中面的要求Options 相应的像X和Y分别选择Op出去的就会用绘制另Image素点。对应选ptions 位置选择红色显示外一个不e: Dance。14择部出同在（4预

20、备Rot中的的主和重选择Opti区域。重来辨识端4） 在cupInteres的窗口中选择Plot面平均反知识MNF 变换最小噪声tation）工噪声，减成分变换新调节数ons Ex复上述过元是十分p95eff窗st，将保存选择Statt 和Mea射光谱。分离变具用于判少随后。第一据中的xport All，程得到多重要的。口的菜单的ROI调ts,选择所an for all接下来可换（Min定图像数处理中的次变换（噪声，这步，在ROI T个端元中选择Ov入到cup有的ROIl ROIs ，以用Znimum N据内在的计算需求基于估计操作使Tool对话框。注意，verlay p95eff的显I显示统计就可以得profile观Noise Frac维数（即量。MN的噪声协变换后的中显示通过不同Region示窗口。结果的窗到每一个察每个端ction Rot波段数NF 本质上方差矩阵噪声数据定义的这波段的组n of在ROI T口，在其ROI的元的光tation，M），分离数是两次层）用于分只有最小15些合Tool中表谱。MNF据叠离的16方差且没有波段间的相关。第二步是对噪声白化数据（Noisewhitened）的标准主成分变换。为了进一步进行波谱处理，通过检查最终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分：一部分与较大特征值和相对应的特征图像相关，其余部分与近似相同的特征值