遥感应用模型全册配套完整课件

遥感应用模型全册配套完整课件遥感应用模型综述遥感应用模型按遥感领域分：高光谱应用高分辨率应用合成孔径雷达应用激光雷达应用非传统遥感应用按建模机理分：统计模型物理模型国内外成像光谱仪研究高光谱遥感的起源和发展成像光谱仪简介高光谱遥感的起源和发展提高光谱分辨率成像光谱仪简介如果能实现连续的窄波段成像，那么就有可能实现地面矿物的直接识别，由此产生了光谱和图像结合为一体的成像光谱技术。1983年美国喷气推进实验室研制出第一台航空成像光谱仪（AIS-1）,随后包括中国在内的许多国家都研制成功了一系列成像光谱仪，其中有以线阵探测器为基础的光机扫描型，有以面阵探测器为基础的固态推扫型，也有以面阵探测器加光机的并扫型。

成像光谱仪主要性能参数是：（1）噪声等效反射率差，体现为信噪比；（2）瞬时视场角，体现为地面分辨率；（3）光谱分辨率，直观地表现为波段多少和波段谱宽。

成像光谱仪简介高光谱分辨率遥感信息分析处理，集中于光谱维上进行图像信息的展开和定量分析，其图像处理模式的关键技术有：⑴超多维光谱图像信息的显示，如图像立方体的生成；⑵光谱重建，即成像光谱数据的定标、定量化和大气纠正模型与算法，依此实现成像光谱信息的图像-光谱转换；⑶光谱编码，尤其指光谱吸收位置、深度、对称性等光谱特征参数的算法；⑷基于光谱数据库的地物光谱匹配识别算法；⑸混合光谱分解模型；⑹基于光谱模型的地表生物物理化学过程与参数的识别和反演算法。

高光谱分辨率成像光谱遥感起源于地质矿物识别填图研究，逐渐扩展为植被生态、海洋海岸水色、冰雪、土壤以及大气的研究中。主要成像光谱仪AVIRIS（JPL）OMIS（CHN）PHI（CHN）NEMO（USA）ARIES-1（澳）CHRIS（欧空局）FTVHSI（USA）HYPERION（USA）HIS（德）PRISM（欧空局）WARFIGHTER-1（USA）HYMAP（澳）PROBE-1CASI-2（加）嫦娥光谱CCD相机拍摄光谱仪拍摄高光谱遥感的主要应用领域国外主要应用领域国内主要应用领域国内应用面临的问题高光谱国外主要应用领域大气生态学（叶绿素、外来物种、林业监测）地质（矿产资源调查、地类识别、考古）沿海水体冰雪火灾环境调查和监测资源勘查高光谱国内主要应用领域赤潮监测内陆水环境调查区域性植物生态监测与精细农业研究数据处理技术研究考古高光谱在地质中的应用矿体通常都是埋藏在地下，地表不能直接看到，因而遥感卫星照片（或遥感航空照片）都不会对地表下面的矿体有直接的反映。在这种情况下，遥感地质工作者通过两种途径来获取找矿信息。一是从宏观上利用遥感图像对断裂构造和岩性的明显反映来研究成矿背景，从而确定成矿有利区带。二是从微观上识别矿化蚀变，这是重要的找矿信息。这种矿化蚀变的识别必须通过多个光谱波段的遥感图像才能获得。而普通的卫星遥感图像只有几个波段（通常为7个），取得的矿化蚀变信息具有很大的不确定性，影响找矿效果。高光谱在地质中的应用对地物精细的光谱特征和地物之间的内在联系进行探测，开创了遥感利用地物细分光谱的“指纹效应”直接进行地物属性识别与信息量化提取的新局面。从应用角度讲，高光谱遥感可为资源调查、环境调查与监测、土地动态监测等应用领域提供普通遥感得不到的具体、详细、精确的信息。从地质调查角度讲，高光谱遥感技术的发展和应用将带来地质调查方法的一场革命。在地质填图方面，从区域场景上，经过光谱编码可以进行谱形匹配，不仅能识别岩石还能识别矿物，可以利用图像光谱特征与光谱数据库中光谱的相似性进行岩石识别和分类，从而绘制不同岩石类型的分区图，不同构造单元的岩相图、不同变质程度的变质岩分级图等专题图件。在找矿方面，高光谱可以大面积快速准确地识别矿物，为找矿提供了快速有效的手段高光谱在地质中应用的问题一是在探测仪器方面，需要有稳定可靠的高光谱分辨率和高空间分辨率的仪器；二是在卫星平台方面，需要合适的卫星用于高光谱系统的建设；三是在数据处理系统的研发方面，需要进一步实用化、程序化，建立基础数据处理技术标准；四是在信息提取与解译系统的研发方面，如矿物填图、土地利用分类、水质监测分析等算法或数据模型等。国内应用面临的问题传感器的空间分辨率机载同步定标有待完善影像的几何校正成熟公开的高光谱库应用面窄高光谱遥感图像分析软件国外（JPL、SPAM、SIS、ENVI、PCI）国内（MAPGIS、HIPAS）ENVIENVI拥有高光谱和多光谱分析工具。用户可以识别出图像中纯度最高的像元，通过与已知波谱库的比较确定未知波谱的组分。用户不但可以使用ENVI自带的波谱库，也可以自定义波谱库，甚至可以组合使用线性波谱分离和匹配滤波技术进行亚像元分解，以消除匹配误差获得更精确的结果。PCI模块提供高光谱地物库，并支持用户有限光谱通道的光谱库，即可由用户自行组合成有限光谱通道（如10－20个）的光谱曲线库。它同时提供用户各种光谱分析能力，自动地物判识（根据光谱特点），包括：光谱角制图工具、光谱记录的添加、光谱数据的算术运算、高到低的谱卷积和高斯卷积、光谱库报告、影像光谱到参考光谱的匹配、支持用户对光谱库记录的修改，用户可用上述工具对高光谱影像进行辅助的或半自动的地物判识，或结合PCI软件的多光谱分析（MultispectralAnalysis)和神经元网络分类模块及其他影像解译方法进行地物判识。MAPGISMAPGIS_RSP遥感影像处理平台的高光谱处理系统提供了数据输入、辐射校正和定标、光谱重建、几何校正、光谱特征分析和提取、高光谱图像分类、混合光谱分解、光谱库显示和建设，及多种专题分类处理等方面的功能。作为一个全面的高光谱数据处理系统，为高光谱数据在地矿，农业，林业，洪水监测，测绘，海洋等方面的研究与应用提供帮助。数据读入高光谱影像处理大气校正几何校正噪声清除光谱库处理特征提取分类识别光谱特征分析影像压缩指数计算立方体显示MAPGIS支持多源高光谱数据全面的光谱库处理多种影像校正技术实现高光谱影像的定标、校正和光谱重建光谱特征分析强大的高光谱影像分析功能高分辨率遥感应用高分辨率遥感卫星：ikonos卫星、spot-5卫星、quickbird卫星、WORLDVIEW国防中的应用农业中的应用测绘制图中的应用灾害监测中的应用环境监测中的应用高分辨率－WORLDVIEW简介（2009年10月6日发射）卫星概览政府方面的应用高分辨率遥感应用的目的确定在哪里（WHERE）是什么（WHAT）什么变化（WHATCHANGE）高分辨率卫星影像产品适用性评价空间分辨率/精度/比例尺覆盖范围波谱分辨率存档产品格式、数据获取和处理级别辐射分辨率质量和费用合成孔径雷达应用合成孔径雷达主要用于航空测量、航空遥感、卫星海洋观测、航天侦察、图像匹配制导等。它能发现隐蔽和伪装的目标，如识别伪装的导弹地下发射井、识别云雾笼罩地区的地面目标等。在导弹图像匹配制导中，采用合成孔径雷达摄图，能使导弹击中隐蔽和伪装的目标。合成孔径雷达还用于深空探测，例如用合成孔径雷达探测月球、金星的地质结构。合成孔径雷达应用SAR能够提供全天候条件下的详细的地面测绘资料和图象自动目标识别具有穿透性的观察视场合成孔径雷达的缺陷成像难以解释，这不是SAR所特有的问题，而是所有雷达都普遍存在的问题。人们必须经过训练才能确认雷达图象所传达的信息。费用高，其寿命周期费用一直比电光和红外系统要高。激光雷达应用LIDAR是一种集激光，全球定位系统(GPS)和惯性导航系统(INS)三种技术与一身的系统，用于获得数据并生成精确的DEM。这三种技术的结合，可以高度准确地定位激光束打在物体上的光斑。它又分为目前日臻成熟的用于获得地面数字高程模型(DEM)的地形LIDAR系统和已经成熟应用的用于获得水下DEM的水文LIDAR系统，这两种系统的共同特点都是利用激光进行探测和测量，这也正是LIDAR一词的英文原译，即：LIghtDetectionAndRanging-LIDAR。激光雷达应用直升机障碍物规避激光雷达化学战剂探测激光雷达机载海洋激光雷达成像激光雷达可水下探物应用模型分析

应用模型概述模型建立方法应用模型概述

一、模型1.模型的概念2.模型的抽象过程3.建模步骤二、应用模型作用三、应用模型分类1．按应用模型结构分类2．按应用模型空间特性分类3．应用模型开发特点分类4．按应用模型内容及所解决问题分类5．按模型空间过程模拟方法分类

1.模型概念

模型是把一个域（源域）的组成部分表现在另一个域（目标域）中的一种结构（据陈述彭教授）。源域中被表现的部分可以是实体、关系、过程或其它让人感兴趣的现象。建模的目的是把源域简单化和抽象化。源域的内容转到目的域后，在目标域中进行分析和处理。而一个模型是否有用，就要看它模拟源域的效果和它在两个域间转换的难易程度。一、模型

2.建模的抽象过程

这里，以供电线网的模型分析来表示建模过程。图中左侧的椭圆代表将被建模的源域，假设源域是供电线网的一部分，对该供电线网进行分析，一个恰当的模型可能就是数学中的网络结构分析，并由此得到目标域；建模函数则要把源域中的要素和目标域中的要素联系起来。可以在目标域中进行网络变换与分析，分析结果再回到源域（供电网）中进行实际分析。建模函数m作用在源域D上。源域中的变量t转换到目标域后成了m(t)；在目标域的转换结果则通过建模函数的反变换inv(m)再回到D中进行解释。如果模型精确地反映了源域D中的变量t的转换。那么这个建模过程就是有效的。这个建模过程可表示为如下的等式：inv(m)om(t)om=t其中：o表示函数的组织，上式可进一步简化为：m(t)om=mot该结构关系是制图学的数学理论基础所涉及到的内容。

源域目标域建模函数Dmm（D）tm（t）Inv（m）一、模型

3.建模步骤

应用域的各种现象就是域模型（Domainmodel）所要模拟表现的主题，应用域模型由领域专家来构造。概念计算模型（Conceptualcomputationalmodel）需要考虑计算环境，此时实体——关系（E-R）和对象的模型方法将起作用。逻辑计算模型(Logicalcomputationalmodel)不仅需要考虑通用的计算任务，而且还要考虑特殊实例情况的分析。如果关系数据库用来存储供电网的非空间数据，那么概念模型中的对象（或实体）将以关系组合形式存储在关系表中。信息系统的设计者负责建立这样的模型。物理计算模型(Physicalcomputationalmodel)由系统开发者构建，它使上述模型在特定的计算机系统和平台上得到实现。

应用域应用域模型概念计算模型逻辑计算模型物理计算模型一、模型

二、应用模型作用

1．应用模型是联系RS应用与常规专业研究的纽带2．应用模型是综合利用RS应用中大量数据的工具3．应用模型是RS应用解决各种实际问题的武器4．应用模型是RS应用系统向更高技术水平发展的基础5．利于信息交流三、应用模型分类1．按应用模型结构分类2．按应用模型空间特性分类3．应用模型开发特点分类4．按应用模型内容及所解决问题分类5．按模型空间过程模拟方法分类1．按应用模型结构分类

（1）数学模型（又称理论模型）数学模型是应用数学的语言和工具，对部分现实世界的信息（现象、数据）加以翻译、归纳的产物，反映了遥感过程本质的物理规律，它源于现实，又高于现实。数学模型经过演绎、推导，给出数学上的分析、预报、决策或控制，再经过解释回到现实世界。最后，这些分析、预报、决策或控制必须经受实际的检验，完成实践—理论—实践这一循环。三、应用模型分类

现实世界的信息数学模型现实世界的分析、预报、决策或控制数学的分析、预报、决策或控制翻译、归纳推断检验演绎解释现实世界与数学模型的关系1．按应用模型结构分类（2）统计模型（包括一些经验模型）统计模型是通过数理统计方法，用大量观测实验得到的数据，用定量方法建立模型，模拟过程的规律，这类方程简单实用，在遥感系统应用模型中占有相当比例，如回归方程，聚类分析等等。（3）概念模型（又称逻辑模型）概念模型是由实践中总结归纳提炼得到的文字性描述，形成知识库，通过专家系统推理机来求解问题。其中最简单的情况可直接用文字加逻辑运算符组成的逻辑表达式来描述。三、应用模型分类2．按应用模型空间特性分类

系统中应用模型可根据模型的空间特性分为两大类，即空间模型和非空间模型，图中是用于解决社会经济领域中一些问题的应用模型分类。（1）非空间模型非空间模型是把系统中属性数据作为显式数据源，空间数据作为隐式数据源，对系统中的各种属性数据进行运算来分析区域中的社会、经济、生态及资源等问题，并进行评价、预测、规划等。（2）空间模型空间模型同时使用属性数据和遥感数据组成模型，需要对系统中的空间和属性两种数据进行运算。因此从理论上和方法上同空间数据结构有关联。三、应用模型分类投入产出模型应用模型空间模型非空间模型经济控制论模型系统动力学模型计量经济学模型空间检索模型图形运算模型空间扩散模型网络分析模型统计识别模型3．应用模型开发特点分类

按模型开发特点应用模型可分为系统提供模型和二次开发模型。（1）系统提供模型系统提供的模型是遥感系统商品为用户提供的应用模型，它们是由系统设计者在分析遥感的特点及应用后，为用户提供的通用性模型，如逻辑检索模型，MNF模型等遥感建模模型。三、应用模型分类（2）二次开发模型二次开发模型是用户自行开发的分析模型。随着遥感应用面日益拓宽，系统设计者不可能为用户提供各种专业应用模型，作为一个有生命力的遥感软件，通常为用户提供二次开发接口，使用户可根据自己专业特点，开发用户模型，解决专业部题。①内部模型通过遥感系统提供的工具（如宏语言）开发的应用模型，这种模型能充分利用遥感系统本身具有的资源。②外部模型通过直接或间接调用遥感系统中空间数据库来建立的用户模型，其中采用直接调用方式开发的模型可同遥感系统共享数据库。而采用间接调用方式开发的模型只能通过中间文件同空间数据库相联系。三、应用模型分类

3．应用模型开发特点分类4．按应用模型内容及所解决问题分类

应用模型依据模型内容及所解决问题，又可分为基础模型—构成基础模型库；专业模型—构成专业模型库。（1）基础模型基础模型是指那些对各种部门专业都具有普遍意义的，通用性较强，应用面较广的模型，如采用数理统计方法，对实验数据进行回归拟合而产生的统计模型；结合专家知识，结合逻辑方法建立模糊数学模型等。（2）专业模型专业模型是在对系统所描述的具体对象与过程进行大量专业研究的基础上，总结出来的客观规律的抽象或模拟，是将系统数据重新组织，得出与目标有关的更为有序的新的数据集合的有关规则和公式。这种模型是应用型遥感系统进行生产和科研的重要手段，已受到人们日益广泛的关注和重视。由于各种应用系统的服务对象，解决问题以及它们的复杂程度有很大差异，不同的理论观点，不同的体系可以产生不同的专业模型。三、应用模型分类5．按模型空间过程模拟方法分类

按模型空间过程模拟方法，地学空间过程模拟模型基本上可分为动力学过程模拟模型和随机过程模拟模型两种类型。（1）动力学过程模拟模型过程研究的动力学方法假设系统运动的物理规律已知。根据过程物理规律，可以建立过程模拟的数学模型，即动力学过程模拟模型。这些模型常常是在系统运动初始条件与边界条件约速的一组偏微分方程组。（2）随机过程模拟模型过程研究的随机过程方法一般用于事先并不知道过程运动规律的那些过程，如土地利用变化等。为此，研究必须首先在不同的过程时间断面上进行状态观测，获得多时相的过程断面数据，然后，利用统计学与随机过程理论建立随机过程模型。三、应用模型分类模型建立方法

一、模型化一般方法二、逻辑原理三、数据统计方法四、空间分析函数五、应用模型重用

五、应用模型重用1．源代码方式重用2．函数库方式重用3．独立可执行程序方式重用4．内嵌可执行程序方式重用5．DDE或OLE方式重用6．模型库方式重用7．组件模型重用1．源代码方式重用

在重用源代码形式的模型时，必须利用RS系统的二次开发语言或其他编程语言，将已开发好的专业模型的源代码进行改写重用，使其从语言到数据结构与RS系统完全兼容，成为RS系统的整体一部分。这种重用方式非常多见，并且将一直存在，它可以保证RS系统与模型在数据结构、数据处理等方面的一致性。但这种方式只能算是最低级的重用方式，其缺点非常明显：一是RS开发者必须下很大功夫读懂模型的源代码，二是在改写重用过程中常常会出错。五、应用模型重用2．函数库方式重用

对于以库函数的形式保存在函数库中的应用模型，RS开发者可以通过调用库函数的方式进行模型重用。函数库包括静态连接库和动态连接库两种，二者的区别在于，动态连接不是在连接生成可执行文件时把库函数链入应用程序，而是在程序运行中需要的时候才连接。函数库方式的优点是：RS系统与应用模型能实现高度无缝的集成；函数库一般都有清晰的接口，RS开发者不必费力去研究源代码，使用方便，而且函数库经过编译，不会发生因开发者错误地改动源代码，而使模型运行结果不正确的情况。函数库方式的缺点在于：库函数无法与RS数据有效结合，因而不能用于复杂模型与RS的集成；由于开发者不能对库函数进行修改，降低了重用的灵活性；函数库的可扩充性差；此外，静态函数的使用还在一定程度上受限于语言，必须依赖于其开发语言。五、应用模型重用3．独立可执行程序方式重用

现有应用模型中，以可执行程序方式存在者居多。这种模型的重用方式之一是，RS系统与应用分析模型均以可执行应用程序的方式独立存在，二者的内部、外部结构均不变，相互之间可以切换。二者之间的数据交换通过对共同的统一格式的中间数据文件（如ASCII码文件或通用数据库文件等）的操作实现，RS系统进一步将中间数据转换为空间数据，以实现RS本身的空间数据操作功能。这种重用方式的优点在于简便，所需编程工作极少。缺点在于：一是系统效率较低，且使用不很方便；二是界面往往不一致，视觉效果不好。五、应用模型重用4．内嵌可执行程序方式重用

这种重用方式本质上与独立可执行程序方式一样，以RS系统命令驱动应用模型程序，RS系统与模型之间的集成通过对共同数据文件的读写操作实现，RS系统则进一步通过进行中间数据与空间数据的转换来实现空间数据的RS操作功能。与独立可执行程序重用方式不同的是，尽管RS系统与模型可能是由不同的编程语言实现的，但是集成系统有基本统一的界面，具有一个无缝集成的操作环境。内嵌可执行程序重用方式的优点在于：符合模块化开发原则，便于开发工作的组织管理，并且系统的运行性能比独立可执行程序方式好；具有基本统一的界面环境，便于操作。这种重用方式的缺点在于必须理解模型运行的全部过程并对复杂的模型要进行正确合理的结构分解，以实现模型与RS系统本身之间的数据相互转换及模型对RS功能的调用，在分解原模型时可能产生错误，此外，如果需要同时集成多个模型，要进行模型的组合很困难。五、应用模型重用5．DDE或OLE方式重用

DDE指动态数据交换，OLE指对象链结与嵌入，二者均用于windows应用程序之间的数据传递，可以作为应用RS开发中的一种可执行程序形式应用模型重用方式。两种方式都必须存在二个主体，一方为客户程序，另一方为服务程序，简单地说就是要有一方为另一方提供数据服务或更复杂的服务。对于RS与应用模型的集成来说，就是RS为客户程序，应用模型为服务程序。DDE或OLE方式重用的优点与内嵌可执行程序相似，系统能实现无缝集成，而所需编程不多（如果要进行RS与应用模型程序之间的相互操纵，则要采用OLE自动化方式，这种方式需要较多编程，但这种方式似乎不大可能用于应用模型在应用RS开发中的重用，因为实际工作中极少需要在应用模型程序中不断地与RS系统之间相互操纵）。这种方式的不足在于系统效率不高，其次系统稳定性不是很好。此外，这种方式要求应用模型必须支持DDE或OLE协议，这是目前绝大多数已开发的各类模型做不到的。

五、应用模型重用6．模型库方式重用

模型库指在计算机中按一定组织结构形式存储的各个模型的集合体。模型库系统可以有效地生成、管理和使用模型，它可以支持两种粒度的模型（可执行文件与函数子程序），具有完整的模型管理功能，能够提供单元模型（指不需调用其他模型的模型）和组合模型（指通过调用其他单元模型或组合模型来构成的模型），同时还支持模型的动态调用和静态的链接。使系统具有良好的可扩充性。模型库系统尤其符合客户—服务器模式的系统的运行方式要求。在Client/Server模式的RS系统中，模型从模型库中被动态地调入内存执行。尽管模型库研究随着决策支持系统的发展在近十年来取得了很大的进展，但是，在模型的操作方面，目前并没有形成完整的理论体系，特别是模型的自动生成、半自动生成方面离真正实用化尚有一段距离。五、应用模型重用7．组件模型重用

（1）组件的概念（2）组件技术（3）组件模型（4）组件模型的重用五、应用模型重用7．组件模型重用

（1）组件的概念组件（或称构件）是指那些具有某些特定功能，独立于应用程序，但能够容易地组装起来，以高效地创建应用程序的可重用软件“零件”。组件化是软件发展的趋势，体现了完全面向对象的思想，具备面向对象程序设计所要求的封装性、多态性、继承性和动态链接等特性。软件组件已成为迄今为止解决长期困绕软件开发界的软件重用问题的最优秀最有前途的技术，开发者只需利用已有组件，再加上专业技术便可以高效地开发出应用软件。五、应用模型重用7．组件模型重用

（2）组件技术

目前，组件技术分为两大类：由Microsoft推出的ActiveX，以及由Javasoft推出的JavaBean。ActiveX是基于Microsoft制定的组件对象模型（COM）规范的一种组件开发技术，是对象链接与嵌入（OLE）2.0技术的扩展，它独立于语言，但完全依赖于Windows开发。JavaBean则是基于Java技术的（Java能够提供可重用对象，但却没有管理这些对象之间的相互作用的规则或标准），它依赖于Java语言，但独立于平台，可运行在任何支持Java的平台上。ActiveX组件（包括其前身OLE控件或OCX），已被广泛地应用于Windows应用程序开发。JavaBean则因出现较晚，现有市场份额较少，但由于其平台独立性，它将随着万维网的流行变得更为重要。五、应用模型重用7．组件模型重用

（3）组件模型组件模型指以组件形式存在的应用模型。当前软件已经发生着革命性的变化，由过去厂家提供全部系统或者有部份二次开发功能的软件，过渡到提供组件由用户自己再开发的方向上来。组件模型符合了这种组件式地理信息系统发展潮流的需要，它的出现将给应用RS系统开发带来深刻的影响。

五、应用模型重用参考书目《高光谱遥感应用研究》，科学出版社，万余庆编著《高分辨率卫星影像处理指南》，科学出版社，关元秀编著《地理信息系统设计与实现》，电子工业出版社，吴信才著《定量遥感》，科学出版社，梁顺林著高光谱遥感原理－概述徐世武副教授发展趋势及动态高光谱处理技术方面：地物光谱测试与高光谱图像获取高光谱图像预处理高光谱遥感图像分类及识别方法国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美国LandsatMSS，TM，法国的SPOT等;而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral);随着遥感光谱分辨率的进一步提高，在达到λ/1000时，遥感即进入超高光谱(ultraspeetral)阶段(陈述彭等，1998)。国内发展趋势准备阶段：确定了需要解决的8大基础性以及关键性技术问题：一是地物光谱特征研究和岩矿光谱数据库的扩充；二是实用化成像光谱大气辐射校正方法研究；三是基于岩矿混合光谱和光谱变异知识的组合光谱特征匹配识别方法的完善；四是岩矿混合光谱分解模型和基于岩矿混合光谱知识的端元选择方法研究；五是金属矿物诱导植物病变识别和地植物找矿方法研究；六是成像光谱地质找矿应用的实用化工作程式研究；七是产品化成像光谱数据分析处理软件系统；八是遥感成因矿物学和找矿矿物学研究。国内发展趋势开发阶段：高光谱矿物填图分为矿物种类填图、矿物化学成分填图、矿物含量填图。矿物种类填图回答的是“是什么”的问题，矿物化学成分填图回答的是“由什么元素组成”的问题，矿化含量填图回答的是“由什么矿物组成”的问题，这三项技术的难度是依次增加的。国内发展趋势应用阶段：2002年-2005年是高光谱遥感技术的工程化应用研究阶段。在分析大气、地面的非朗伯特性、太阳-目标-仪器的几何关系、光谱分辨率、空间分辨率、信噪比等环境和技术参数对矿物识别的影响的基础上，总结了一套较系统而实用的干旱裸露区区域成像光谱矿物填图的技术体系和工作方法，整个技术流程包括辐射标定、大气校正与光谱重建、航带和跨航带照度调整、矿物端元选择、分航带矿物识别、几何校正、图像镶嵌与地理编码、全区矿物分布图的编制等基本步骤。国内发展趋势深度开发：于受矿物光谱非线性混合、光谱变异、无吸收特征矿物等三方面因素的影响，利用高光谱遥感数据定量反演矿物绝对含量的难度较大，至今未见报道。提出了去壳单次散射反照率光谱线性分解的方法，可定量反演各种蚀变矿物以及无吸收特征矿物的绝对含量。利用新疆东天山土墩矿区HyMap数据进行了试验，提取了绢云母、滑石、蛇纹石、绿泥石、绿帘石、方解石、无吸收特征矿物的含量分布，并以USGS矿物标准光谱库、矿物相对含量、野外地质调查结果为基础对反演结果进行了验证分析，以反演结果为依据初步分析了热液运移，圈出两个热液蚀变中心与热液运移通道，表明上述方法可用于提取矿物的空间分布，为分析矿床成因提供支撑信息。国内外发展趋势地物光谱测试与高光谱图像获取野外光谱测试的目的获取研究区光谱材料用于精细分析和解译研究探测所需分辨率和信噪比，确定成像光谱仪研究探测所需空间分辨率，用于成像飞行设计研究探测所需的最佳时间（年/月/日/时）研究区简介延河流域（宝塔区、安塞农业、靖边沙漠边缘）太原西山煤田汝箕沟煤田秦始皇陵区西安市区长安－户县（考古）影响野外光谱的因素大气透射率的影响水蒸气的影响风的影响观测几何的影响（植被、自然地物）光谱仪介绍主要参数基本配置光谱分辨率与采样间隔光谱分辨率：分光计所能区分的最窄的度量单位采样间隔：相邻两次采样的波长距离固定光栅阵列探测器单一面元扫描光栅探测器野外光谱测试光谱测试设计光源要求野外测量光谱流程光谱测试设计测试时间测试方法观测几何光源要求太阳照明的特征人工照明的特征野外测量光谱流程仪器的位置传感器探头的选择避免阴影白板校正防止光污染定标测试测试时间和频度采集辅助参数光谱数据统计分析标准偏差导数分析、指数法、红边位置分析、吸收谷的波深和波宽光谱库研究与建立国际上常见光谱库（USGS/JPL/ASTER）矿物的多样性与光谱的复杂性（同物异谱、同谱异物）光谱库建立的数据要求光谱库的建立方法常见光谱库中科院5000USGSJPLJHUASTER矿物的多样性与光谱的复杂性粒度对光谱的影响矿物混杂的影响光谱库建立的数据要求能全面地包含各类地物的光谱数据，包括相关的辅助数据获取光谱数据的仪器应该标准、规范、性能稳定要求详细记录有关的背景参数便于分析研究光谱库建立方法以野外实测数据建立光谱库的流程从高光谱遥感图像上提取地物光谱建立光谱库的流程以野外实测数据建立光谱库的流程野外光谱数据分析统计，排除异常数据对野外水汽强吸收波段进行处理对于多分光计组成的光谱仪的数据，必须仔细分析光谱接合部的反射率是否平滑一致数据导出建库从高光谱遥感图像上提取地物光谱建立光谱库的流程参考野外同步实测数据对高光谱图像进行定标在定标图像或MNF变换后的图像上圈定目标物（ROI），进行光谱提纯，排除异常点对提纯后的ROI中所有像元进行统计，获得均值光谱建立光谱库高光谱遥感飞行飞行准备高光谱飞行图像质量评价飞行前期准备工作内容：调查了解飞行区的空间基本状况选择野外定标点，规划飞行同步定标路线编制野外调绘图研究区飞行前期工作情况延安附近的野外调查和测试汝箕沟矿区秦始皇陵区和长安－户县考古研究区野外调查结果延安汝箕沟秦始皇陵区高光谱遥感飞行延安汝箕沟秦始皇陵区图像质量评价图像的辐射畸变图像的几何畸变图像的辐射畸变OMIS1（65～96）信噪比低没有使用价值OMIS1/2（1～3）波段受大气散射影响严重热红外波段出现严重噪声航迹线上地物点与边缘线上的地物点到传感器的距离变化，传感器接受到的信号衰减程度明显不同，靠近航迹亮边缘暗气流对飞机的影响使图像明暗偏太阳高度角的影响图像几何畸变地形高差引起的投影误差由于成像光谱仪的等角度采样引起系统成像误差成像系统自身GPS导航误差遥感平台的俯仰、侧滚、偏航遥感在国土资源中的应用从航空遥感起步五十年代“航空地质调查”改变了地质人员长期以来习惯于用两条腿走遍崇山峻岭，用眼睛观察岩石露头的工作方式，减轻了野外调查强度，加快了填图速度。1978年起，在原国家计委的支持下，地矿部陆续为航遥中心和各省遥感地质站引进了适用于低空和高空作业的遥感飞机、多种焦距的航摄仪、多光谱扫描仪、热红外扫描仪、智能型红外地面光谱仪、自动化遥感图像冲洗设备、光学彩色合成仪和彩色密度分割仪等遥感设备。1982年联合国开发署援建的I2S-101图像处理系统又在航遥中心和四川遥感地质站投入运行，从而使地矿部成为当时国内具有最强的航空遥感资料获取和卫星遥感数据处理能力的部门之一。80年代初，根据国务院的部署在全国开展了农区1∶1万、林区1∶2.5万、牧区1∶5万～1∶10万土地资源调查，采用当时最先进的OR-1正射影像仪制作正射影像图、航空相片、遥感卫星照片等资料进行野外调查和遥感解译，到1996年，通过10余年的努力，首次全面摸清了我国8个一级类、46个二级类土地利用分类面积，全面掌握了土地利用的分布状况，并建立起全国的土地统计制度，为合理规划利用、依法全面统一管理土地奠定了基础。遥感动态监测

推动遥感技术在国土资源管理中大规模应用的缘起，要从1996年卫星图片“四进”中南海说起。1996年，原国家土地管理局应用美国陆地卫星TM数据，对17个城市的建设规模进行了监测，城市建设规模的扩张和耕地大量被占用的监测结果引起了党和国家领导人的高度重视，先后4次专门听取此项工作汇报，自此拉开了我国应用遥感技术动态监测国土资源的序幕。经过大规模的实际应用，探索出了比较成熟的技术路线，形成了行政管理、组织实施、具体作业“三位一体”的合理运行机制，并基本确立了遥感成果在监督规划实施、提供违法用地线索、开展土地调查和提供数据服务等方面的应用方向。（大兴安岭火灾、海岛调查、三峡工程、98洪水）新一轮国土资源调查的重要武器

通过“地质野战军技术装备专项计划”的实施，配备了一系列当代最先进的遥感仪器设备和专业软件应用卫星遥感技术开展土地利用更新和变更调查。对某个城市，将前一年度的1∶1万比例尺土地利用现状图和本年度的标准分幅数字正射影像图进行套合对比，提取出不一致信息，即发生变化的地块，对这些不一致信息按照土地变更调查要求进行实地调查，掌握实地变化情况，更新土地利用现状图或数据库。将前后两个年度影像进行对比，提取变化图斑信息，为变更调查提供辅助资料。“青藏高原生态地质环境遥感调查与监测”以该区近30年来两期卫星数据为主要信息源，开展了第四纪地质、现代冰川、古冰川遗迹、雪线、湖泊、河流、地质灾害、荒漠化和新构造运动等的遥感调查、演变趋势分析和地质环境质量综合评价，编制了青藏高原1∶25万卫星影像图、1∶50万和1∶150万遥感解译专题系列电子图件，建立了青藏高原生态地质环境遥感监测信息系统。阶段成果已揭示出青藏地区近年环境恶化的直接证据，得到了国内媒体的广泛关注，取得了良好社会效益。地质灾害2000年4月9日，西藏雅鲁藏布江支流易贡河北岸发生大滑坡，下滑的高约100m的岩土堆积体堵塞了易贡湖的出口。在这种紧急情况下，国土资源部以最快的速度收集了滑坡发生前后8个时相的SPOT、LANDSAT、CBERS-1以及IKONOS等多平台卫星数据，对滑坡堆积坝体溃决前后的灾情进行监测，对滑坡的成因机理和运动趋势进行综合分析，并随时向救灾指挥部汇报监测结果，为抢险救灾决策提供了重要依据。汶川地震中辅助抗震救灾工作动态监管我国南方某市，未经批准擅自将一房地产开发项目改为高尔夫球场，这种变化通过该市1998年和1999年两个时相遥感影像对比可以看得清清楚楚。这就是遥感监测在土地执法中的“千里眼”作用。国土资源部在河北、山西、江西、新疆等省区的矿产资源集中开发区，以多时相TM/ETM、SPOT-5、IKONOS、QuickBird、Hyperion和彩红外航片等遥感资料为主要信息源，辅以适当的现场调查，对矿产资源开发状况、矿山环境进行了监测试验，初步建成了以试验区为基础的矿产资源开发状况数据库系统，为矿产资源的合理开发、有效管理和科学规划以及矿山环境综合治理提供了决策依据。高光谱图像预处理预处理技术流程浏览图像波段排序补偿像元值去除条带噪声影响图像的几何校正辐射定标包括相对定标和经验法定标光谱平滑处理（消除锯齿与噪声）浏览图像观察图像质量（信号强弱、噪声分布）结合成像时间了解植物生长及环境状况汶川地震波段排序OMIS1不是按波长排列的，OMIS2已解决这个问题，根据研究目的取舍波段减小冗余补偿像元值降低地物与传感器距离的差异对地物反射辐射强度的影响去除条带噪声影响噪声是由传感器增益和补偿值的变化所致，另外热污染也会导致热红外波段条带噪声图像的几何校正陀螺仪配套的GPS误差，采用IMU实时获取飞行参数可确保精度陀螺仪：高速旋转下，陀螺仪的转轴稳定的指向固定方向，将此方向与飞行器的轴心比对后，就可以精确得到飞机的正确方向。罗盘不能取代陀螺仪，因为罗盘只能确定平面的方向辐射定标包括相对定标和经验法定标相对定标只反映图像上各类地物反射率的相对大小，同步地面定标，可进行经验法定标光滑平滑处理处理传感器固有噪声或是数据处理过程中的积累误差高光谱图像预处理流程图教材79页图4.1图像波段排序和选择OMIS1波段排序波段选择波段选择（1941.10～2486.40nm，32个波段）信噪比低不符合，研究土壤和矿物（中红外波段），植物分类（短红外波段）由于DN值（反映地表温度差异），地表温度、覆盖度、光合作用强度三者密切相关根据研究目标的最佳波段挑选，减小数据冗余高光谱图像的辐射校正和去噪声方法辐射校正方法传感器本身引起的辐射畸变大气程辐射校正方法去噪声方法条带噪声的消除随机点状噪声的消除利用光谱平滑处理虑除图像噪声利用MNF变换去除噪声传感器本身引起的辐射畸变定义：航迹中心亮度高，此现象为扫描图像蓝边效应后果：图像有效面积变小导致解译结果出错，波长越短畸变越严重原因：扫描仪固有特性引起的，从航带中心扫向两侧，地面面元辐射能量及程辐射发生变化，像元变暗；航空遥感高度低，扫描视场角度大。大气程辐射定义：太阳辐射在大气传输过程中各组分及气溶胶微粒散射后直接到达传感器的辐射后果：大气程辐射叠加在地面反射的电磁波上，是与地面无关的大气干扰，降低了对比度，属背景噪声，是需要修正的重要内容原因：表征大气质量状况的天空光亮度遥感分量，是大气组分、气溶胶的函数，是大气中粒子散射的产物校正方法基于统计特征的辐射校正各个波段逐列统计，计算每列所有行的均值分别计算各个波段的均值p求取每列的调整系数Pk=Pi/P计算各个像元的校正结果地面实测校正飞机升高－工作扫描－飞机下降（记录相应高度）条带噪声的消除原因：设备产生各个波段逐行统计，计算每行均值分别计算各个波段均值Pn求取各个波段均值与该波段每行均值的差值和系数计算各个像元的校正结果：a.加法性噪声；b.乘法性噪声强热源失真随机点状噪声的消除原因：a.数据传输过程中的误码；b.模拟电路中的温度干扰；OMIS1是信噪比太低临近比较法去除临近平均值法去除利用光谱平滑处理虑除图像噪声选择参与分析的波段，进行光谱定标，把像元DN值转换成反射率见教材图版IVDN（DigitalNumber

）是像元亮度值，和传感器、地物发射率、大气透过率和散射率等有关利用MNF变换去除噪声去除噪声相关性主成分变换高光谱图像几何校正无惯导参数的几何校正正切校正偏航校正利用惯导参数和DEM进行几何校正惯性导航测量系统从IMU中截取与OMIS同步的姿态参数校正模型校正图像像元重采样利用DTM校正高光谱图像程序设计高光谱遥感图像拼接和影像图制作反射率反演目的：OMIS1图像数据记录的是来自地物各个像元的辐射值，DN数据不能直接采用光谱分析工具进行信息提取和精确分析相对反射率反演法平面场模型反演内部平均相对反射率法对数残差法DN（DigitalNumber

）是像元亮度值，和传感器、地物发射率、大气透过率和散射率等有关基于经验线性模型的地面光谱反演

光谱定标选择定标点同步实测定标点的光谱反射率选择同名定标点作为ROI，求其均值对Xi重采样使之与DNi中心波长一样用最小二乘法，求取系数Ai、Bi，确定图像各个波段的DNi与光谱反射率Xi之间线性关系用上述公式将原图像转换成反射率图像影响光谱反演精度的因素求解线性回归方程系数，理论上地面两定标点即可（一个完全的漫射体称为朗伯体。从任何角度观察朗伯体表面,其辐射亮度都相同。朗伯体表面实际上是一个理想化的表面，它被假定为介质是均匀的、各向同性的,并在遥感中多用以作为近似的自然表面）利用定标点对原始图像进行地物光谱反射率反演，可消除大气透过滤及传感器增益的影响基于经验线性模型的地面光谱反射率，假定参数（大气透过率、大气程辐射等），因此小试验区内较理想地面实测时，对视场角、测试方位等都有较高要求，实际中难以一致定标点应为有一定面积的开阔区域定标之后的失真现象定标后地物光谱存在失真现象，水体低异常，植被高异常蓝光区域部分水体、阴影的反射率很低，说明定标时“黑体”不是真正的“最低”在1000nm之后的地物光谱误差普遍较大解决方法改变定标的参照物，采用较大面积的阴影作黑体，或者人工布设定标物增加同步定标物的数量光谱定标后处理野外最佳反射经验平滑变换算法（EFFORT）只处理限定波段，不处理噪声比较大的波段，三个范围（p<1.4,1.4<p<1.9,p>1.9）EFFORT适用于大气校正后的图像处理，利用原始数据产生假想光谱与勒让德任意多项式模型参数配准，比较模型光谱与数据光谱，得到每个波段增益值和补偿值，使各个像元都能匹配好。处理过程中需用一系列光谱参与回归处理，还要用到一个或多个实物的光谱噪声严重且包含重要信息的不参加建模，光谱范围重叠的波段，水蒸气、O2、CO2强吸收的波段高光谱图像分类及识别方法常规分类方法非监督分类定义：分类过程不需人工干预，计算机自动按某一标准自动进行。优点：简单、方便缺点：分类结果无实用价值监督分类定义：选择训练区建立判别准则，对未知地区自动判别优点：根据实际需要形成分类缺点：相对复杂监督分类确定分类对象和类别分析各对象影像特征，做图像空间特征化，增加特征差异选择训练样本统计各个类别特征量选择分类器进行分类比较分类结果，评价分类精度分类后处理，进行必要的合并和筛除，去除孤立离散点。常规遥感图像分类方法多级分割法平行管道分类最小距离分类最大似然分类决策树分类法多级分割法定义：根据各类地物的像元灰阶值分布区间，制定分割的上下限进行分割优点：便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应平行管道分类定义：决策线是在n维光谱空间中的一个平行管道，管道的直径根据距离平均值的标准差确定最小距离分类定义：计算未知像元距离各个类别均值向量的欧氏距离，将该像元划分到距离最小的类别中。最大似然分类定义：数据符合多维正态分布，计算每个像元属于各个类别的似然度，把该像元分到似然度最大的类别中。优点：快速收敛及保证每步迭代模型的似然概率单调增的优点缺点：不能将各个模型很好地分开。这直接导致了识别时的错误决策树分类法定义：以像元特征值为基准值，分层逐次进行比较运算的分类方法。图像特征及其选择图像特征就是对影像空间和波谱两方面信息进行运算和统计（均值、方差、灰度比值、纹理强度、密度、信息熵等）。形状特征：面状特征：纹理特征：特征选择的依据和方法从n个特征中求出对分类最有效的m个特征，特征组合使分类效果最好的，错误概率最小的就是最有效特征组合高光谱图像常规分类识别预处理方法与流程教材105页，附图图像数据浏览使用动画显示方式依次显示高光谱图像各个波段的灰度图像，检查反射特征，确定坏波段。做彩色合成对比度增强处理，选择光谱区间，剔除坏波段。定标处理确定光谱反射特征和吸收特征，在高光谱图像上提取植被和地质体的光谱曲线，并与光谱库作比较。最小噪声分离对子区图像作MNF变换，观察结果图像，确定有效维数：观察MNF特征值曲线，确定MNF变换之后各个图像分量的噪声与信号的分解点。第一个变换：基于噪声的协方差矩阵，去除相关性第二个变换：主成份变换将多项指标转换成少数几个不相关的综合指标的多元统计分析方法我们称其为主成份分析法,把代表各类信息的综合指标称为主成份主成分分析给出了某流域系统57个流域盆地的9项变量指标。其中，x1代表流域盆地总高度（m），x2代表流域盆地山口的海拔高度（m），x3代表流域盆地周长（m），x4代表河道总长度（m），x5代表河道总数，x6代表平均分叉率，x7代表河谷最大坡度（度），x8代表河源数，x9代表流域盆地面积（km2）。主成分分析原始数据作标准化处理，然后将它们代入相关系数公式计算，得到相关系数矩阵主成分分析由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率（见表3.5.3）。由表3.5.3可知，第一，第二，第三主成分的累计贡献率已高达86.5%，故只需求出第一、第二、第三主成分z1，z2，z3即可。主成分分析第一主成分z1与x1，x3，x4，x5，x8，x9有较大的正相关，可以看作是流域盆地规模的代表；第二主成分z2与x2有较大的正相关，与x7有较大的负相关，分可以看作是流域侵蚀状况的代表；第三主成分z3与x6有较大的正相关，可以看作是河系形态的代表；根据主成分载荷，该流域系统的9项要素可以被归纳为三类，即流域盆地的规模，流域侵蚀状况和流域河系形态。如果选取其中相关系数绝对值最大者作为代表，则流域面积、流域盆地出口的海拔高度和分叉率可作为这三类要素的代表。计算像元纯度指数（PPI）散点图投影变换，投影结束后产生一幅对应结果图像，像元值就是投影过程中，该像元被投影到多维空间中角落或坐标轴附近的累计次数。N-D可视化旋转变换针对ROI或PPI值高的区域进行端元提纯的图版VII二维分析选择具有特征意义的两个波段，显示图像像元值的二维散点图，在散点图上圈定目标物对应像素点的分布区（ROI），如果ROI代表了所想选目标，则提取ROI内的平均光谱作为端元，建立光谱库高光谱图像常用分类和识别方法波谱角填图线性波谱解混匹配滤波混合调制匹配滤波光谱特征匹配导数光谱特征在分类中的应用波谱角填图在N维空间中，根据像元光谱与参考波谱的相似性来决定一个像元的类别SAM的参数选择选择参考端元光谱作为判别标准光谱角误差容忍度分类波段的数量对分类精度的影响，分类精度与参与的波段数成正相关线性波谱解混定义：各种光谱以线性方式按面积比例混合，采用解混技术来估计每个像元中的各成分比例因素：端元组分的代表性端元组分的数量，少了误差大，多了由于大气等因素影响过于敏感，误差增大。高光谱图像解混高光谱图像中的混合像元由固定的端元按照一定的比例含量(丰度)线性混合而成，在像元中分解出端元以及各端元的丰度是高光谱图像分析中具有挑战性的任务，这一过程称为光谱解混.高光谱图像的一个重要几何特征是在高维特征空间中体现为单形体.在三角形中，平行线分线段等比定理揭示了计算丰度最基本的几何关系—距离比，文中把它推广到高维空间中的单形体情况，在此基础上提出了基于子空间距离比的光谱解混算法，该算法能快速、有效地获得丰度.匹配滤波使用已知光谱库的光谱曲线与图像上的光谱曲线进行匹配，得到各个端元组分的丰度分布图优点：不要求知道所有端元，就能解算某些地物的丰度缺点：面积比例小的不能有效识别混合调制匹配滤波集中了匹配滤波和光谱解混的优势，避免了二者的弱点输入：MNF的结果图像输出（1）各个端元组分的丰度图；（2）每个端元的“不可靠图像”，有助于减少匹配滤波过程中产生的“假匹配”图像条件：需要输入的光谱库必须是在MNF空间下的光谱（即在MNF图像上建立的光谱库）光谱特征匹配以波谱吸收特征为基础，用最小二乘法把待分类地物光谱与参照光谱之间的吸收特征进行匹配分类。SFF处理步骤：把待分类地物光谱与参照光谱转换成反射率参照端元光谱重采样，使之与实际光谱图像具有相同的波长范围和波段数把参照光谱和图像光谱作包络线处理，消除背景光谱，突出目标物光谱的吸收特征。计算各个参考光谱波谱和未知地物每个波段的光谱反射率之差，计算均方根误差，得到每个参考光谱曲线对应的相似尺度图像、均方根误差图像和综合匹配图像SFF在植被覆盖研究中的应用采用基于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。导数光谱特征在分类中的应用运用导数光谱分析技术,研究了不同氮肥水平下不同品种油菜(Brassicanapus)的叶面积指数(Leafareaindex,LAI)及角果皮面积指数(Podareaindex,PAI)与冠层导数光谱及其衍生参数的定量关系。结果表明,油菜导数光谱与花前LAI和花后PAI均有良好的相关关系,在750nm附近相关关系最好,相关系数达到0.9左右。三边参数与油菜LAI和PAI的相关性顺序为:红边>黄边>蓝边,面积参数>振幅参数>位置参数。油菜红边导数光谱的双峰现象降低了红边位置对油菜LAI和PAI的敏感程度,利用线性外推法拟合红边位置能提高其对油菜LAI和PAI的敏感程度。在三边参数及其衍生参数中,红边面积及其与蓝边面积的差与LAI及PAI的相关性最好,且适用于该研究中使用的不同品种。因此,750nm处的一阶导数光谱、红边面积及其与蓝边面积的差可用于有效地监测油菜的光合器官面积。模糊识别在高光谱图像分类中的应用模糊识别一般步骤最大隶属度原则阈值原则模式识别的间接方法－－择近原则模糊识别一般步骤提取特征提取已知地物光谱，建立光谱库建立地物类型隶属函数后面介绍建立识别判别准则最大隶属度原则和择近原则最大隶属度原则即最接近光谱库中的某个光谱即属于某种地物（详见教材120页）阈值原则实际是对“最大隶属度原则”在多个低相似和多个高相似情况下的处理方法两种详见（教材120页）择近原则选择光谱库中“贴近度”最近的地物隶属函数相似系数法（5种）距离法（7种）分类结果统计和精度评价指标基于分类统计结果进行，尽量多的像元参与统计，至少要多于50个像元。包括：各类中像元点数、每个波段的均值、标准差、类别之间的协方差矩阵等。误差矩阵遥感图像分类之后，产生一幅分类结果图像，把它与相应地物真实分布图对比，就可以计算误差矩阵，然后计算总体精度、KAPPA系数、错分和漏分概率以及各类精度。（参见教材123页表5.5）精度指标分类精度总精度＝对角线和/总像元数制图精度被分类器标识为A类，分类结果也属于A类的精度用户判别精度分类器正确标识的像元数与地面实际像元数的比值KAPPA系数最能全面反映总体精度（教材124页）指标评价（教材125页）不同分类识别方法精度比较模糊识别的方法中相似系数法、绝对指数法、相对指数法、夹角余弦的精度比较稳定而且均比较高其它方法效果不理想原图像分辨率决定了混合像元比例，混合像元较少的高光谱图像上分类精度比较高。不同地区分类识别精度比较分类方法、地物光谱、分布范围枣园试验区，地块狭小、相互间杂，混合像元占了很大比例，分类精度低靖边，地块大，长宽通常在30M之上，分类精度高出10～20个百分点汝箕沟，地物地层分布不规则，但是面积大，各类地物差异明显，所以分类精度也比较高同一地区不同地物分类精度比较常规地物分类比较；提高图像空间分辨率是提高分类精度的最有效手段对植物种类的分类精度比较；作为植物群落，获取综合光谱参与分类，能有效提高精度对植物长势的分类，在同一类植物生长区，高光谱图像能有效地反演植物长势，在长势调查、农业估产、退耕还林、还草监测等方面有着独到的优势。例如对枣园镇和延安机场附近农田的光谱角填图，就达到了这个目的，长势不同的玉米和树龄不同的苹果园得到了有效区分。分类识别误差原因分析与提高精度的方法分类识别误差原因分析提高分类精度措施高光谱遥感分类注意事项分类识别误差原因分析传感器的性能、稳定性、分辨率、成像观测条件等对原始数据的初级处理精度，包括利用辅助数据如：大气条件进行的系数校正和补偿、波段配准误差等与参考图件和成像区域背景密切相关的训练区的代表性，包括如何定义以及各类地物的尺寸、形态、分布、出现的频率等分类方法的选择其它（见教材129页）提高分类精度的措施做好同步测试，以便准确定标对优势物种生长期跟踪测试，建立主要物种不同生长期、不同长势的波谱库，使之具有广泛的适用性，能够应用于不同时相的高光谱图像分析应考虑地理位置、坡度、坡向、湿度等提高分类精度对于植被的不同时期，选择高光谱图像的成像时期加强采样分析与化验，严格标定高光谱的细微差异与地物成分的关系对各类分类识别方法要多实验、对比，选择最佳方法批量处理条件许可时，引入DTM参与图像的分类识别高光谱遥感分类注意事项光谱范围：许多物种之间的差异只是出现在某些波段之内，所以必须选择吸收特征明显的，具有鉴别意义的波段若有显著的吸收特征，则选择光谱特征匹配（SFF），否则，选择光谱角填图（SAM），或者二值编码有较好效果的多种材料组成的地物，有多个吸收特征，在端元选择时，应选择“纯净”端元多元匹配当置信度为0时，是特征显著的标志（教材130页）光谱分析需要使用一个恰当的光谱库分类后处理－相关信息合并类别合并，同一类别光谱特征差别大的采用几个光谱标准分类，后面再进行类别合并筛选，把分类图像中的“孤岛”像元用临近的分类码代替。“孤岛”大小是以“筛子”孔径为标准，即能被“筛子”过滤的都属于“孤岛”多数或者少数分析，中心像元将被给定的窗口内的多数像元值所取代图像叠加，将分类的图像叠加在一个彩色合成图像上用于动态变化分析类到矢量层的转换，用于分类成果的输出、专题图件的编制和后续研究高光谱遥感应用模型及案例徐世武副教授植被光谱研究精细农业探索耕地上农作物生长状态、环境、产量的关系将3S及相关农业学科有机结合实施过程：带定位系统和产量传感器的联合收获机每秒自动采集田间定位及对应小区平均产量数据→通过计算机处理，生成作物产量分布图→根据田间地形、地貌、土壤肥力、墒情等参数的空间数据分布图，作物生长发育模拟模型，投入、产出模拟模型及根据作物管理专家知识库等，建立作物管理辅助决策支持系统，并在决策者的参与下生成作物管理处方图→根据处方图采用不同方法与手段或相应的处方，农业机械按小区实施目标投入和精细农业管理。这一技术思想是通过多次循环的实践，来不断改善农田资源环境，积累知识，逐步使作物生产管理精细化。植物光谱的基本特征绿色植物包含的组分基本相同，光谱特征：0.4～0.7um，主控因素是叶绿素0.68～0.75um，植物的反射率急剧上升0.7～1.3um，体内水吸收和冠层结构引起1.3～2.5um，明显看出反射率跌落，跌落程度主要取决于大气含水量植物光谱的特征参数红边是绿色植物在680nm～740nm之间反射率增高最快的点，也是一阶导数光谱在该区间内的拐点。红边的描述包括红边的位置和红边的斜率红边位置：叶绿素a和b浓度，叶细胞结构变化，植物冠层结构，但对噪声不敏感红边斜率：植被覆盖度和页面指数有关，覆盖度越高，红边斜率越大生长状况：好，红边右移；差，红边蓝移植物光谱的特征参数蓝边：蓝光在490～530nm之间反射率一阶导数最大值位置黄边：黄光在550～582nm之间反射率一阶导数最小值位置归一化差异植被指数NVDI=（TM4-TM3）/（TM4+TM3）植被页面指数（LAI）：见教材136页红边一阶导数最大值（DRE）：它对绿色植物量（LAI）反映极为敏感叶面叶绿素指数（LCI）：反映叶面叶绿素含量叶面水含量指数（WI）：比较970nm水吸收波段和900nm的反射率相对而定的参数归一化差异水体指数（NDWI）：反映植物叶面水分含量，比较1240nm水吸收波段和860nm的反射率相对而定的参数使用最多的植物参数：红边位置、NDVI植物光谱的影响因素生化组分水分覆盖度混合地物生长阶段生化组分植物光合作用色素的影响叶绿素：生长状况和生产能力类胡萝卜素：吸收带在蓝紫光，不吸收红光的波长较长的光藻胆素：吸收绿橙光，吸收光谱在橙红部分，而藻红蛋白吸收最大值在绿色和黄色部分植物光合色素对光谱的影响植物本身颜色差异大时，在光谱曲线上有很大区别对高光谱遥感建模最有指导意义的是植物体内色素含量及各类色素间比例的差异红边左侧的反射率主要与叶绿素的含量有关，红边右侧的反射率主要取决于叶内组织结构和植物体内含水量的影响。红边向长波方向的位移反映了植物叶绿素浓度的增加植物表面蜡质茸毛的影响沙枣的光谱反射率明显高于其它树种，在559nm附近的反射峰相对宽度和高度远高于其它树种，反面茸毛含量太高，降低了表面叶绿素反射特征；在756～1360nm叶片反面的反射率比正面要低；其它波段，茸毛含量越高，反射率越高。蛋白质、木质素和纤维素对植物光谱的影响，绿色植物方面不显著，主要吸收特征出现在1450nm～2450nm之间水分植物在红外和短红外波段（690～1300nm）由于叶绿素的强反射导致高平台，出现两个（以972nm、1172nm为中心）吸收峰，其是由大气中的水蒸气和植物体内的水分决定的。实验材料：样品猜自木耳菜、抱桐叶和梧桐叶，木耳菜代表蔬菜类含水量高，抱桐叶和梧桐叶代表常见的成熟阶段的树叶，含水量较低实验过程：采摘后立即进行光谱测试和称重，24小时内分时段光谱测试和称重，选择夏季晴朗高温干燥天气，在通风口对叶片自然晾干，确保叶片24h内干燥，使叶绿素分解到最低限度。水分对植物光谱的影响规律含水量大于90％时，在795nm附近出现叶绿素的反射峰；小于90％时此处无峰值。（B1>B2>B3）当水分含量低于50％时，在1304nm处出现最大值（B1<B2<B3）。作物进入成熟期，体内的干物质含量增高，水分含量相对降低，大约在90％～50％，B1,B2,B3,B4的波长位置、反射率的相对大小与体内含水量的多少密切相关。比较在1120nm和1300nm附近出现的第二个峰值B2和第三个峰值B3的位置，发现所有植物叶面随着水分含量的降低，反射率峰值位置向长波方向逐渐移动。第四个峰值B4的位置随着水分含水量的降低向短波方向移动抱桐叶的干燥物在900nm之后光谱比其在潮湿状态下的反射率高出15％以上，与表面大量蜡质茸毛有关植物体内水分还决定了972nm和1172nm处的光谱吸收强度，水分越大，吸收越强。叶绿素尚未降解的情况下，植物缺水，红边位置将向短波方向偏移，新鲜木耳菜红边为721nm，干燥后为711nm覆盖度覆盖度影响的实验实验过程：将抱桐叶平展依次切取同等宽度的条带，分别放在黄土和白纸上，按不同覆盖度测试光谱反射率，测试过程中，适当挪动叶片整体位置，保持叶片各条带相对应位置不变，测量多次，求平均值。结论：背景为黄土时，模拟与实测的整体相关性达到0.97，尤其在350～1000nm之间相关性高达0.99；背景为白纸时，整体相关性达到0.99，其中350nm～750nm之间覆盖度与光谱之间相关性更高。原因：细粒黄土易粘连到叶面，且粘连黄土具有随机性覆盖度对光谱的影响规律植被覆盖度变化实质上反映了单位面积上叶绿素的含量变化同一成熟度状态下的植物覆盖变化时，红边位置几乎没有变化（详见教材148页）当植物冠层中成年鲜绿叶片含量增加，红边位置会向长波方向移动混合地物混合为线性混合，光谱信号是按各个组分所占面积比例与其光谱的乘积叠加的天然状态下的植物混合生长有其区域性和相对稳定的组合方式，混合通常是发生在几类植物之间。生长阶段同一植物在不同生长期内各组分含量不同，所有这些组分变化对植物反射光谱都有影响例子：叶绿素a和b、胡萝卜素的总含量在开花之前连续增加，开花之后到成熟期，叶绿素总体含量开始衰减，叶绿素a的含量比叶绿素b的衰减快不同生长期的植物光谱曲线是不同的，不能用一种光谱曲线代表整个生长期的光谱特征植物光谱与生化组分反演方法植物光谱可以反映其成分和结构的变化，也与植物生长过程有关，已被广泛应用于植被生态环境调查、农作物估产、土地利用监测、海洋叶绿素浓度调查等领域。方法一：运用生物化学成分与光谱数据或由此衍生的各种植被参数，经过多元回归分析，建立定量关系。方法二：运用光谱数据的波长进行定量分析。绿色植物生化组分计算方法计算方法（见教材150页，表6.2）不敏感色素指数（SIPI）：能最佳表示不同样本、不同条件下的胡萝卜素、叶绿素a与光谱反射率的关系色素简化指数PSSR和色素专项归一化指数PSND、PSSRa与叶绿素a以及PSSRb与叶绿素b的之间存在强烈的指数关系NDVI对中、高叶绿素含量的差异非常敏感主要吸收区间400～500nm、660～690nm，其反射率对叶绿素含量变化不敏感反演植被干物质成分方法玉米、小麦、大豆，三类植物的干物重量与它们的高度和叶面指数（LAI）紧密相关，从高光谱图像上计算的植被指数可用于计算“光合成有效辐射累计吸收量（APAR）”，进而估算植物的干物质量。生殖生长期小麦的干物质量却与APAR的相关性很低，说明存在其它因素影响干物质累计量的估算结果。树木干枯落叶的生化组分与光谱相关实验和分析玉米冠层光谱与生物化学分析树木干枯落叶的生化组分与光谱相关实验和分析定义：波深均一化多元逐步线性回归方法，成功地对干枯植物落叶的生化组分（氮、木质素和纤维）含量作出了估算。过程：首先要选定氮、木质素、纤维素的特征波谱对应的波长位置；然后对波谱曲线进行背景去除和波深均一化处理，得到波深曲线；最后对各生化组分的特征波普进行波深分析，利用特征吸收处的所有波长变量来线性拟合氮、木质素或纤维素含量数据，从而建立起能够反演植物体内氮、木质素和纤维素含量的回归方程。实验条件：首先把所采集的植物叶子在温度70度的烘箱内烘干48h；然后用孔径1mm的筛网进行过滤，再进行反射波谱测试，波长范围在1100nm～2498nm；最后对样本进行氮、纤维素和木质素含量测定。数据预处理：去除背景、波深归一化处理、多元逐步线性回归结果数据预处理A去除背景：枯叶内许多化学成分的化学健在这些波长范围内具有不稳定的吸收特征，对氮、木质素、纤维素的波谱特征有不同程度的影响。背景去除技术首先估算出波谱曲