高光谱遥感数据光谱特征的提取与应用.docxVIP

PAGE 4 摘 要 　　高光谱遥感技术在近40年取得了巨大的进展，在国民经济发展中起着极其重要的作用。目前，高光谱遥感数据光谱特征的提取与进一步应用是研究热点。本文将对下列内容进行研究： 　　首先，本文介绍了高光谱遥感数据的光谱特征提取与应用的研究意义和内容。其次，针对所选取的Hyperion数据进行一系列预处理步骤。在此基础上，阐述了地物的光谱特征，并根据所选研究区的具体情况加以分析，对植被和水体进行光谱特征提取。最后，根据植被的光谱特征，对研究区内的植被计算NDVI植被指数,进而进行植被覆盖度研究；根据水体的光谱特征，对水体叶绿素a浓度进行估算，叶绿素a浓度对水质污染监测至关重要。 关键词：高光谱遥感；光谱特征；特征提取 1绪论 1.1研究意义 　　高光谱遥感也被称为高光谱分辨率遥感，高光谱遥感在电磁波谱的可见光、近红外、中红外和热红外波段范围内，可以获取许多非常窄的光谱连续的影像数据。 　　对高光谱数据提取光谱特征是为满足后续处理等要求，从原始数据中提取其特征参数。高光谱遥感数据具有光谱波段多，冗余度高等特点，其在处理时有一定困难，需要对其数据提取光谱曲线，通过光谱曲线所显示的光谱特征，选取特征波段，进而方便进一步应用。本文以江苏省南京市一块矩形区域为例，对该地的植被和水体提取光谱曲线可得到其光谱特征，进而对特征波段进行选取，计算研究区内的植被覆盖度和水体叶绿素a浓度。高光谱遥感技术已在多方面领域有所应用，而对高光谱遥感数据的光谱特征的提取与应用将成为未来热点和发展趋势。 1.2研究国内外现状 1.2.1研究国外现状 　　国外方面，ShibayamaM等学者利用高分辨率的光谱仪对水稻冠层的水分亏缺进行检测，在400 nm-1900 nm范围内采集光谱进行分析，发现在早期检测中，近红外和中红外波段的高光谱反射率为研究提供了巨大帮助 [1]。 Anatoly A等学者通过小麦冠层的光谱特性，提出植被分数的概念，建议将植被分数的概念补充到植被指数里[2]。 1.2.2研究国内现状 　　国内方面，苏红军等学者针对几种高光谱特征提取算法例如光谱吸收特征参数，进行特征研究，发现地物的光谱曲线可以反映光谱吸收特征参数[3]。陈金凤等学者基于高空间分辨率数据,通过植被光谱特征和面向对象分类方法，可以有效地提取湿地植被信息[4]。邢愿等学者基于MOD13A1数据,计算每个像元的NDVI的变化趋势,通过线性趋势分析法和相关性分析法,分析贵州省植被覆盖面积在18年间的时空变化特征[5]。王航等学者通过对水体提取方法研究，得到结论水体物化特征与遥感光谱特征的关系研究能够提高水体提取方法的普适性[6]。 1.3研究主要内容与技术路线 1.3.1研究主要内容 本文的研究主要内容有： 高光谱遥感数据光谱特征的提取 　　本文首先描述了地物的光谱特征，根据研究区的基本情况加以分析，发现该研究区内植被和水体较为丰富，所以对其植被和水体提取光谱曲线，以得到植被和水体的光谱特征。 高光谱遥感数据光谱特征的应用根据高光谱成像光谱仪（Hyperion）数据进行研究区具体的植被和水体的应用。 3.2技术路线 图1 技术路线图 2数据获取与处理 2.1数据获取 1.1研究区概况 　　南京地处我国东部、长江下游、濒江近海，四季分明，为亚热带湿润气候，区域内地貌类型丰富。 南京三面环山，南京南部为长江中下游平原区，河漫滩广布，地势平坦，区内水资源丰富，植被比较茂密。 2.1.2遥感影像数据获取 　　Hyperion传感器是第一个星载民用成像光谱仪，采用了谱像合一技术。Hyperion数据有242个波段，其光谱分辨率为9.6nm，空间分辨率为30m [7]。 　　本文选取的数据是Hyperion数据的L1R级产品，数据景号为 EO1H1200382004031110PY，成像时间为2004年1月31 日凌晨2:26:45。本文选取的研究区为江苏省南京市一块矩形区域，其中心经纬度为31°56′26.14″N，118°42′ 47.48″E。 2.2数据处理 　　Hyperion数据的L1R级产品虽然经过一系列处理，但仍有异常像元存在，本文基于ENVI遥感图像处理软件对该数据进行异常像元的处理[7-9]。 2.2.1未定标和受水汽影响波段去除 　　Hyperion数据有242个波段，对经过辐射定标的波段提取，剩余198个波段。因为VNIR和SWIR有的波段会产生重叠，经过对波段的信噪比进行比较，决定保留VNIR中的波段。剩余的波段为8-57和79-224，共196个波段。 　　在Hyperion数据中，波段121-127、167-178和224等20个波段受水汽影响，应当剔除。最后剩余波段共176个，为8-57、79-120、128-166、179-223。 2.2