高光谱遥感的发展PPT课件.ppt

1、1成像技术：成像技术：全色（黑白）-彩色摄影多光谱扫描成像高光谱遥感 1960年人造地球卫星围绕地球获取地球的图片资料时，成像就成为研究地球的有利工具。在传统的成像技术中，黑白图像的灰度级别代表了光学特性的差异因而可用于辨别不同的材料。对地球成像时，选择一些颜色的滤波片成像对于提高对特殊农作物、研究大气、海洋、土壤等的辨别能力大有裨益。这就是人类最早的多光谱成像（Multispectral imaging）。1980年高光谱成像技术（Hyperspectral Imaging）诞生了，它最早是机载的成像光谱仪（Airborne Imaging Spectrometer），如今已拓展到先进的可见

2、和红外成像光谱仪（AVIRIS），这两种最早都诞生在NASA的JPL中心（NASA：美国国家航天航空管理局）。第一章第一章 高光谱遥感概论高光谱遥感概论2 仪器发展：从多光谱到高光谱遥感技术需要仪器的同步发展。使用200个连续的波段，每个波段的光谱分辨率在10nm左右，这就是高光谱的成像技术。现在光谱成像技术已经发展到超光谱时代（Ultraspectral Imaging），比如，它使用的是空间发射光谱仪（Atmospheric Emission Spectrometer，AES），这个超光谱成像仪在红外波段就能产生数千个波带，分辨率高达1/cm。345678概念：概念：基本概念：高光谱分辨率

3、遥感是利用成像光谱仪获得感兴趣的物体很窄的（通常波段宽度100nm 波段在光谱上不连续，不能覆盖整个可见光至红外光(0.42.4nm)光谱范围。1415 高光谱遥感具有不同于传统遥感的新特点，主要表现在：（1）波段多可以为每个像元提供几十、数百甚至上千个波段；（2）光谱范围窄波段范围一般小于10nm；（3）波段连续有些传感器可以在3502500nm的太阳光谱范围内提供几乎连续的地物光谱；（4）数据量大随着波段数的增加，数据量成指数增加；（5）信息冗余增加由于相邻波段高度相关，冗余信息也相对增加。因此，一些针对传统遥感数据的图像处理算法和技术，如特征选择与提取、图像分类等技术面临挑战。如用于特征

4、提取的主分量分析方法，用于分类的最大似然法、用于求植被指数的NDVI算法等等，不能简单地直接应用于高光谱数据。16历史：历史：20世纪80年代兴起的新型对地观测技术高光谱遥感技术，始于成像光谱仪(Imaging Spectrometer)的研究计划。该计划最早由美国加州理工学院喷气推进实验室（Jet Propulsion Lab，JPL）的一些学者提出。1983年，世界第一台成像光谱仪AIS1在美国研制成功，并在矿物填图、植被生化特征等研究方面取得了成功，初显了高光谱遥感的魅力。在美国宇航局（National Aeronautics and Space Administration，NASA）

5、的支持下，相继推出了系列成像光谱仪产品。如：机载航空成像光谱仪（AIS）系列；航空可见光/红外成像光谱仪（AVIRIS）；星载中分辨率成像光谱仪（MODIS）；高分辨率成像光谱仪（HIRIS）等。在此后，许多国家先后研制了多种类型的航空成像光谱仪。如美国的AVIRIS、DAIS，加拿大的FLI、CASI，德国的ROSIS，澳大利亚的HyMap等。1718 航天高光谱：航天高光谱：全球第一个星载高光谱成像器于2019年在NASA随着Lewis卫星发射升空，它包含了384个波段涵盖了400-2500nm波段，不幸的是这颗卫星控制出现问题，失去了动力，升空一个月后就偏离了轨道。在经过航空试验和成功运

6、行应用之后，90年代末期终于迎来了高光谱遥感的航天发展。2019年美国地球观测计划（EOS）的Terra综合平台上的中分辨率成像光谱仪（MODIS）、号称新千年计划第一星的EO-1，欧洲环境卫星（ENVISAT）上的MERIS，以及欧洲的CHRIS卫星相继升空，宣告了航天高光谱时代的来临。1920我国高光谱发展：我国高光谱发展：80年代，研制和发展了新型模块化航空成像光谱仪（MAIS）。这一成像光谱系统在可见近红外短波红外具有64波段，并可与6-8波段的热红外多光谱扫描仪集成使用，从而使其总波段达到7072个。高光谱仪器的研制成功，为中国遥感科学家提供了新的技术手段。通过在我国西部干旱环境下的

7、地质找矿试验，证明这一技术对各种矿物的识别以及矿化蚀变带的制图十分有利，成为地质研究和填图的有效工具。21 此后，中国又自行研制了更为先进的推帚式成像光谱仪（PHI）和实用型模块化成像光谱仪（OMIS）等。PHI成像光谱仪在可见到近红外光谱区具有244个波段，其光谱分辨率优于5nm；OMIS则具有更宽泛的光谱范围，具有128波段，其中可见近红外光谱区（0.461.1m）32波段，短波红外区（1.061.70m及2.02.5m）48波段，中波红外区（3.05.0m）8波段，热红外区（8.012.5m）68波段。新的成像光谱系统不仅继续在地质和固体地球领域研究中发挥作用，而且在生物地球化学效应研究

8、、农作物和植被的精细分类、城市地物甚至建筑材料的分类和识别方面都有很好的结果。22PHI和OMIS成像光谱仪的技术指标23 2019年3月在我国载人航天计划中发射的第三艘试验飞船“神舟三号”中，搭载了一台我国自行研制的中分辨率成像光谱仪。这是继美国EOS计划MODIS之后，几乎与欧洲环境卫星（ENVISAT）上的MERIS同时进入地球轨道的同类仪器。它在可见光到热红外波长范围（0.4-12.5m）具有34个波段。2019年10月24日我国发射的“嫦娥-1”探月卫星上，成像光谱仪也作为一种主要载荷进入月球轨道。这是我国的第一台基于富里叶变换的航天干涉成像光谱仪，它具有光谱分辨率高的特点。2019

9、年发射的环境与减灾小卫星（HJ-1）星座中，也搭载一台工作在可见光近红外光谱区（0.450.95m）、具有128个波段、光谱分辨率优于5nm的高光谱成像仪。它将对广大陆地及海洋环境和灾害进行不间断的业务性观测。“风云-3”气象卫星也将中分辨率光谱成像仪作为基本观测仪器，纳入大气、海洋、陆地观测体系，为对地球的全面观测和监测提供服务。24数据处理：数据处理：高光谱遥感影像数据的一个重要特征是超多波段和大数据量，对它的处理也就成为其成功应用的关键问题之一。尽管遥感信息处理技术在全数字化、可视化、智能化和网络化等方面有了很大的发展，但就目前遥感技术的发展状况来看，硬件技术的发展远远超前于遥感信息的处

10、理，海量光谱遥感信息远没有被充分挖掘和处理，信息处理还远不能满足现实需要。据估计，空间遥感获取的遥感数据，经过计算机处理的还不足5%。因此，遥感信息处理方法与技术有待于深入研究和开发。25解决方法：解决方法：高光谱分辨率遥感信息的分析与处理，侧重于从光谱维角度对遥感图像信息进行展开和定量分析，其图像处理模式的关键技术有：(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

11、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26高光谱影像分析技术：高光谱影像分析技术：国内外关于成像光谱仪的遥感应用研究中，所采用的分析方法可归纳为两大类：一、基于纯像元的分析方法（1）。（2）。二、基于混合像元的分析方法 27一、基于纯像元的分析方法（1）基于成因分析的光谱分析方法。基于成因分析的方法主要从地物光谱特征上发现表征地物的特征光谱区间和参数，最常用的是各种各样的植被指数。成像光谱仪问世以后，许多研究人员沿用了这种方法，利用成像光谱仪数据的高光谱分辨率，选取影像的波段，发展了许多更为精细的植被指数。与此相对的方法，是地物光谱重建和重建的光谱与数据库

12、光谱的匹配识别。28（2）基于统计分析的图像分类和分析。基于统计分析的图像分类和分析视每一波段的图像为随机变量，然后利用概率统计理论进行多维随机向量的分类。成像光谱仪图像波段多，分类很大程度上受限于数据的维数。面对数百个波段的数据，如果全部用于分类研究，在时间上往往是无法接受的。因此在图像分类之前必须压缩波段，同时又要尽可能地保留信息，即进行“降维”的研究。29二、基于混合像元的分析方法 由于传感器空间分辨率的限制以及地物的复杂多样性，混合像元普遍存在于遥感图像中，地面地物分布比较复杂的区域尤其如此。如果将该像元归为一类，势必会带来分类误差，导致分类精度下降，不能反映地物的真实覆盖状况。概括起

13、来，混合模型主要有两类，即线性光谱混合模型和非线性光谱混合模型。线性混合模型是迄今为止最受欢迎且使用最多的一种模型，其突出优点是简单。30高光谱的应用高光谱的应用 由于高光谱图像具有很高的光谱分辨率，因而能够提供更为丰富的地物细节，有利于地物物理化学特性的反演。（1）海洋遥感方面。由于中分辨率成像光谱仪具有光谱覆盖范围广、分辨率高和波段多等许多优点，因此已成为海洋水色、水温的有效探测工具。它不仅可用于海水中叶绿素浓度、悬浮泥沙含量、某些污染物和表层水温探测，也可用于海冰、海岸带等的探测。31（2）植被研究方面。植被中的非光合作用组分用传统宽带光谱无法测量，而用高光谱对植被组分中的非光合作用组分

14、进行测量和分离则较易实现。因此，可以通过高光谱遥感定量分析植冠的化学成分，监测由于大气和环境变化引起的植物功能的变化。植被应用方面还有许多成功的实例，如作物类型识别（Collins等，1978），森林树种识别（宫鹏等，2019），植被荒漠化研究（叶荣华等，2019），等等。32（3）精细农业方面。土壤的水分含量、有机质含量、土壤粗糙度等特性是精细农业中重要的信息，而传统遥感技术无法提供这些信息。高光谱遥感凭借其极高的光谱分辨率为精细农业的发展提供了技术保障和数据来源。高光谱遥感应用于精细农业已经有许多成功的例子，例如，刘卫东（2019）利用高光谱提取了土壤信息。利用高光谱遥感技术，可以快速精确

15、地获取作物生长状态以及环境胁迫下的各种信息，从而相应调整投入物资的施入量，达到减少浪费、增加产量，保护农业资源和环境质量的目的。高光谱遥感是未来精准农业和农业可持续发展的重要手段。33（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

16、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。34（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

17、是攻击性武器。35 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。36 野外收集数据37 Spectra of several different vegetation species.Absorption Position,Depth,symmetry,.etcContinuum Line3839Analysis of hyperspectral imagesAnalysis of hyperspectral images128 channel OMIS data pre-processingGeologyCityAgriculture4041Mineral spectra

18、l absorption indexMineral spectral absorption indexs2r2rr1s1rm21m矿物光谱吸收指数矿物光谱吸收指数(SAI)：mssddmSAIrrrrr12)1(/211ssmsd石灰岩石灰岩白云岩白云岩石灰岩石灰岩(CaCO3):SAI 2.315 m SAI 2.330 m 新新疆疆柯柯坪坪地地区区岩岩性性填填图图42高相似低相似Hyperspectral spatial vector analysis and applicationscos112121t rtriiiniiniin日本大白菜光谱向量:T(t1,t2,.tn),R=(r1,

19、r2,.rn)43成矿预测4445 预测矿物分布图46 加拿大某北极附近的矿物分布图 47 Figure:Lithological mapping in the Arctic using hyperspectral data,Probe-1,29-July-99,Nanisivik,Nunavut.48矿物成图矿物成图49 精细农业5051武香4香粳801699-15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 imageDiscrimi

20、nation precision of rice samples:94.9%Rice discrimination from hyperspectral imagesRice discrimination from hyperspectral images52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

21、表生物物理化学过程与参数的识别和反演算法。53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。54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。但迄今为止，国内外常用的成像光谱仪还是以航空机载的为主，要进入实用阶段，需要由航空遥感转向卫星遥感。所以，未来携带更高的光谱分辨率和空间分辨率成像光谱仪的卫星会陆续发射。55 硬件上的进步仅仅是成像光谱仪遥感的前提条件，按照目前的数

22、据处理手段，成像光谱仪遥感数据的使用仍然受到很大的限制，主要原因：一是数据的压缩和信息提取方法不成熟；二是缺乏比较通用的成像光谱仪图像处理系统，进行成像光谱数据的存储、显示和分析。可以预见，这两方面问题是目前乃至未来成像光谱仪遥感的主要研究方向。56 高光谱遥感的发展趋势就是遥感信息定量化和“定性”、“定位”一体化快速遥感技术。（1）遥感信息定量化。（2）“定性”、“定位”一体化快速遥感技术。57（1）遥感信息定量化。将遥感信息定量化，实现全球海量观测数据的定量管理、分析和预测、模拟是当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。遥感信息定量化使高光谱遥感信息的定量分析与

23、应用成为现实。高光谱遥感器的光谱分辨率已达数纳米，空间分辨率仅几米，对应图像任一像元反演的地物光谱，可与地面实测值相比拟，这将便于实验室地物光谱分析模型直接应用到高光谱遥感的处理和分析研究，以及利用计算机自动进行地物的光谱分类和匹配识别研究。遥感信息定量化，将使不同种类光学遥感数据的信息复合技术发生质的飞跃，使复合后的信息不仅达到空间分辨率的归一化，而且其辐射值仍保持着目标结构和成分的物理信息，这将在全球变化和全球资源环境状况监测和调查等应用研究中具有重要意义。通过遥感信息的定量化，将定量反演的地物光谱与实测值相比较，可对空中遥感器性能进行校验，如波长漂移、增益、信噪比等性能，以及对遥感数据的

24、精度进行全面的评价。通过遥感信息的定量化，使遥感定量分析专题应用模型（如农作物估产、土壤湿度和干旱监测、初级生产力的计算等模型）具有高质量的定量遥感数据为输入参数而加以广泛地推广和应用。58（2）“定性”、“定位”一体化快速遥感技术。现在的遥感系统，主要还是单台遥感器为主，仍没有“定性”、“定位”一体化的组合遥感器。超多波段、超光谱分辨率的成像光谱仪在目标识别方面具有更强的能力，但目标图像的“定位”问题却留给信息处理阶段。高光谱遥感应用的不断深入，在“动态监测”越来越成为人们共识的情况下，发展提高效率的快速遥感技术就成为必须考虑的问题。为此，利用高光谱成像仪目标识别能力很强的同时，快速实现图像的同步“定位”，赋予三维坐标，形成“定性”、“定位”一体化快速遥感技术。59思考题 1什么是高光谱遥感？它与其他遥感的区别是什么？