(2015普)4高光谱遥感..pptVIP

* 矿物填图 * 军事定点打击 地雷 伪装 * Swir短波红外 Kaolinite高磷土 * Lithological岩石性的 * Bean：豆 * 相等水的厚度 * 大稻判别 * （4）在地质调查方面。 地质是高光谱遥感应用中最成功的一个领域。如利用航空高光谱数据进行地质填图和岩石鉴别，可以识别出地表不同矿物质的诊断性特性。因为一般矿物质的光谱吸收峰宽度为30nm左右，只有利用光谱分辨率小于30nm的传感器才能够识别出来。高光谱遥感已经在地质领域扮演了重用角色。王青华等人仔细分析了国产MAIS光谱仪对河北省张家口地区的高光谱遥感数据，指出可以借助高光谱丰富的光谱信息，依据实测的岩石矿物波谱特征，对不同岩石类型进行直接识别，达到直接提取岩性的目的。 * （5）在大气和环境遥感方面。 大气中的分子和粒子成分在太阳反射光谱中有强烈反应，这些成分包括水汽、二氧化碳、氧气、臭氧、云和气溶胶等。常规宽波段遥感方法无法识别出由于大气成分的变化而引起的光谱差异，高光谱由于波段很窄，能够识别出光谱曲线的细微差异。 （6）在军事侦察、识别伪装方面。 根据目标光谱与伪装材料光谱特性的不同，利用高光谱技术可以从伪装的物体中自动发现目标。在调查武器生产方面，超光谱成像光谱仪不但可探测目标的光谱特性、存在状况，甚至可分析其物质成分。根据工厂产生烟雾的光谱特性，直接识别其物质成分，从而可以判定工厂生产武器的种类，特别是攻击性武器。 * 其他应用范围： 地质调查 植被研究 灾害环境遥感 土壤调查 城市环境遥感 。。。 * 野外收集数据 * Spectra of several different vegetation species. Absorption Position, Depth, symmetry,..etc Continuum Line * * Analysis of hyperspectral images 128 channel OMIS data pre-processing Geology City Agriculture * * Mineral spectral absorption index s2 r2 r r1 s1 ?m ?2 ?1 ?m 矿物光谱吸收指数 (SAI)： 石灰岩 白云岩 石灰岩(CaCO3): SAI 2.315?m SAI 2.330 ? m 白云岩 (MgCO3): SAI 2.315? m SAI 2.330? m 新 疆 柯 坪 地 区 岩性 填 图 * 高相似 低相似 Hyperspectral spatial vector analysis and applications 日本大白菜 光谱向量: T＝(t1,t2,...tn), R =(r1,r2,...rn) * 成矿预测 * * 预测矿物分布图 * 加拿大某北极附近的矿物分布图 * Figure : Lithological mapping in the Arctic using hyperspectral data, Probe-1, 29-July-99, Nanisivik, Nunavut. * 矿物成图 * 精细农业 * * 武香4 香粳8016 99-15系列 武育5021 武香8313 香雪糯 Legends 水 水泥地 水稻茬 红薯 白菜 Fine discrimination of rice species 80 band airborne hyperspectral image Discrimination precision of rice samples : 94.9% Rice discrimination from hyperspectral images * 高光谱遥感信息的分析和处理 (1)超多维光谱图像信息的显示，如图像立方体的生成； (2)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； (3)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； (4)基于光谱数据库的地物光谱匹配识别算法；(5)混合光谱分解模型； (6)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。 * 高光谱遥感影像分析 1.基于纯像元的分析方法 2.基于混合像元的分析方法 与高光谱遥感的硬件发展相比，高光谱数据的处理技术显得相对滞后。但由于高光谱数据的巨大优势，世界各国都将继续加强相关研究。我国目前还没有比较成形的高光谱图像处理系统 。 * 未来高光谱的发展 目前，成像光谱仪和成像雷达成为遥感技术与应用领域内的两大热点。但迄今