-
當前位置:首頁 > 創(chuàng)意學院 > 技術 > 專題列表 > 正文
第一次跑高光譜數(shù)據(jù)結果(高光譜數(shù)據(jù)處理流程)
大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關于第一次跑高光譜數(shù)據(jù)結果的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。
開始之前先推薦一個非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等
只需要輸入關鍵詞,就能返回你想要的內容,越精準,寫出的就越詳細,有微信小程序端、在線網(wǎng)頁版、PC客戶端
官網(wǎng):https://ai.de1919.com。
創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè),服務客戶遍布全球各地,如需了解SEO相關業(yè)務請撥打電話175-8598-2043,或添加微信:1454722008
本文目錄:
一、光譜分類技術
高光譜遙感在地質應用研究中,光譜分類技術亦很重要。用得較多的方法有最大似然性法(MLC),人工神經元網(wǎng)絡法(ANN)和高光譜角度制圖法(SAM)。
1.最大似然性法(MLC)
MLC法可謂是經典的分類方法,已在寬波段遙感圖像分類中普遍采用。它主要根據(jù)相似的光譜性質和屬于某類的概率最大的假設來指定每個象元的類別。MLC法最大優(yōu)點是能快速指定被分類象元到若干類之中的一類中去。但對于高光譜數(shù)據(jù)。如再加上類別數(shù)較多時,MLC法的運算速度則明顯減慢,且所需的訓練樣本亦很大。為了減少計算工作量,Jia&Richards(1994)發(fā)現(xiàn)通過將高光譜數(shù)據(jù)分成幾個波長組能夠減少處理時間。他們改進的MLC法稱簡化最大似然性判別函數(shù)(SMLDF)。依據(jù)所有波段間的相關性分成若干連續(xù)的波段組,由這些不同波段組構成每個類別的協(xié)方差陣,再從每個波段組計算出判別函數(shù)值,最后求所有波段組產生的函數(shù)值的和.對每個象元分類。該法與傳統(tǒng)的MLC比較,能顯著地減少計算時間,特別是對高光譜數(shù)據(jù)的處理更為明顯,同時能保證幾乎與傳統(tǒng)MLC結果的精度相同。另外,這種方法所要求的每類訓練樣本數(shù)明顯地比傳統(tǒng)MLC所要求的少。因此可降低準備訓練樣本的成本。其基本算法簡述如下。
傳統(tǒng)的MLC算法的判別函數(shù)由下式表示:
中亞地區(qū)高光譜遙感地物蝕變信息識別與提取
i=1,2,…C
式中:x為象元光譜向量,mi為第i類均值向量,∑i為第i類N×N的協(xié)方差陣,其中N為總光譜波段數(shù),C是類別數(shù)。式(4-9)的判別準則一般如下:對于j(j=1,2,…,C;j≠i),假如gi(x)>gj(x)則
x∈ωi (4-10)
式中:ωi為第i類光譜類別。
如前所述,這種方法已被廣泛應用在寬波段遙感中,如對MSS、TM及SPOTHRV數(shù)據(jù)的MLC分類。隨著光譜維(波段數(shù))N的增大(如AVIRIS數(shù)據(jù)的波段數(shù)大于200),有兩個難題需要解決:一是由于N的增大相應分類時間成平方增長;二是對于一些小類別,為了保證可靠的估計結果,所需要的訓練樣本可能不夠。Jia & Richards(1994)對光譜數(shù)據(jù)先分成幾個波段組再進行分類的技術(SMLDF)就是針對上述兩大難題設計的。高光譜數(shù)據(jù)相鄰波段間的相關性一般都比較高,與相隔較遠的波段相關性較低。
2.人工神經元網(wǎng)絡技術(ANN)
人工神經元網(wǎng)絡(ANN)技術能被用于多源數(shù)據(jù)的綜合分析,特別是處理沒有一定分布(如正態(tài))、定性或名義的數(shù)據(jù)(Yang等,1997;Gong,1996;Sui,1994;Peddle等,1994;和Bendikts-son等,1993)。因此這類技術備受重視,已在遙感圖像分類(如Civco,1993;Salu & Tilton,1993;Dreyer,1993;Azimi-Ssdjadi等,1993;Kanellopoulos等,1992;Liu&Xiao,1991)、自然資源分析與預測(如 Gopal&Woodcock,1996;Gong等,1994;Guan&Gert-ner,1991a&1991b;Yin&Xu,1991)及特征提取(如Fiset等,1996)中得到應用。神經元網(wǎng)絡首先要求一定數(shù)量的具有已知樣本特征的訓練樣本,然后用訓練好的網(wǎng)絡結構對待處理樣本(象元)進行分類處理。在高光譜地質遙感中,ANN技術被用來識別礦物和成圖(如Yang等,1997;Benediktsson等,1995)。ANN技術的不足之處是在高光譜數(shù)據(jù)分析中由于波段多(輸入模式多),常需要很長的迭代時間,且不易找到全局最佳解。另外,不能事先確定ANN的結構參數(shù)值,一般需根據(jù)具體數(shù)據(jù)集的實驗確定(Gong等,1997)。
3.光譜角度制圖法
光譜角度制圖法(SAM,即夾角余弦方法)通過計算一個測試光譜(象元光譜)與一個參考光譜之間的“角度”來確定它們兩者之間的相似性。參考光譜可以是實驗室光譜或野外測定光譜或是從圖像上提取的象元光譜。這種方法假設圖像數(shù)據(jù)已被縮減到“視反射率”,即所有暗輻射和路經輻射偏差已經去除。它被用于處理一個光譜維數(shù)等于波段數(shù)的光譜空間中的一個向量(Knlse等,1993 a;Baugh等,1998)。下面通過兩波段(二維)的一個簡單例子來說明參考光譜和測試光譜的關系。它們的位置可考慮是二維空間中的兩個光譜點。各個光譜點連到原點可以代表所有不同照度的物質。照度低的象元比起具有相同光譜特征但照度高的象元往往集中在原點附近(暗點)。SAM通過下式確定測試光譜ti與一個參考光譜ri的相似性:
中亞地區(qū)高光譜遙感地物蝕變信息識別與提取
式中:nb等于波段數(shù)。這種兩個光譜之間相似性度量并不受增益因素影響,因為兩個向量之間的角度不受向量本身長度的影響。這一點在光譜分類上可以減弱地形對照度的影響(它的影響反映在同一方向直線的不同位置上)。結果,實驗室光譜可直接用來與遙感圖像視反射率光譜比較而達到光譜分類識別的目的。具體應用SAM方法直接實現(xiàn)光譜匹配分類可參考童慶禧等(1997)在總結Board-man(1990)的SAM方法基礎上提出的執(zhí)行流程。利用高光譜數(shù)據(jù),這種技術在地質礦物分類成圖中的應用較有潛力。例如,Miyatake&Lee(1997)應用SAM技術和高光譜數(shù)據(jù)在美國內華達州的北Cuprite和Goldfield 地區(qū)編制的交錯礦物圖。Yang等(1997)和 Baugh等(1998)也利用此法和AVIRIS圖像數(shù)據(jù)分別在美國內華達州Cuprite礦產區(qū)和南Cedar山區(qū)編制礦產圖,獲得成功。
二、高光譜遙感概述
所謂高光譜遙感,即高光譜分辨率遙感,指利用很多很窄的電磁波波段(通常<10 nm)從感興趣的物體獲取有關數(shù)據(jù);與之相對的則是傳統(tǒng)的寬光譜遙感(通常>100nm)且波段并不連續(xù)。高光譜圖像是由成像光譜儀獲取的,成像光譜儀為每個像元提供數(shù)十至數(shù)百個窄波段光譜信息,產生一條完整而連續(xù)的光譜曲線。它使本來在寬波段遙感中不可探測的物質,在高光譜中能被探測。
近20年來,高光譜遙感技術迅速發(fā)展,它集探測器技術、精密光學機械、微弱信號檢測、計算機技術、信息處理技術于一體,已成為當前遙感領域的前沿技術之一。
1.2.1 高光譜遙感的起源和發(fā)展
隨著基礎理論和材料科學的不斷進步,近20年來,高光譜遙感技術迅速發(fā)展,已成為除雷達遙感、激光遙感、超高分辨率遙感等技術以外,當前遙感領域的又一重要研究方向。
1.2.1.1 國外的高光譜成像儀研制情況
由于高光譜遙感在地物屬性探測方面的巨大潛力,成像光譜技術得到了普遍重視。
(1)機載高光譜成像儀
1983年,第一幅高光譜影像由美國研制的航空成像光譜儀(AIS-1)獲取,標志著第一代高光譜成像儀的面世。1987年,美國宇航局(NASA)噴氣推進實驗室(JPL)研制成功航空可見光/紅外成像光譜儀(AVIRIS),這標志著第二代高光譜成像儀的問世。
(2)星載高光譜成像儀
在航天領域,由美國噴氣推進實驗室研制的對地觀測計劃中的中分辨率成像光譜儀(MODIS),隨TER2RA衛(wèi)星發(fā)射,成為第一顆在軌運行的星載成像光譜儀,從2000年開始向地面?zhèn)魉蛨D像。
2000年,NASA發(fā)射的EO21衛(wèi)星上搭載的高光譜成像儀(Hyperion),地面分辨率為30m,已在礦物定量填圖方面取得了很好的應用效果。2002年美國的海軍測繪觀測(NEMO)衛(wèi)星攜帶的海岸海洋成像光譜儀(COIS)具有自適應性信號識別能力,滿足軍用和民用的不同需求。另外,2007年6月交付美Kirtland空軍基地的高光譜成像傳感器將通過Tac2Sat23衛(wèi)星載入太空。
目前,許多國家都在積極研制自己的高光譜傳感器,已明確有發(fā)射計劃的有德國環(huán)境監(jiān)測與分析計劃的EnMAP,南非的多傳感器小衛(wèi)星成像儀MSMI和加拿大高光譜環(huán)境與資源觀測者HERO。
1.2.1.2 國外高光譜影像分析技術的研究現(xiàn)狀
在成像光譜儀快速發(fā)展的同時,地物光譜數(shù)據(jù)庫、高光譜影像分析技術研究也得到了迅速發(fā)展。
地物光譜數(shù)據(jù)庫技術方面,以美國最為先進,有代表性的主要有JPL標準波譜數(shù)據(jù)庫、USGS波譜數(shù)據(jù)庫、ASTER波譜數(shù)據(jù)庫和IGCP2264波譜數(shù)據(jù)庫。此外,美國空軍部門和環(huán)保局針對大氣污染和空氣成分的診斷建立了AEDC/EPA光譜數(shù)據(jù)庫,并針對美國海軍研究室研制的HYDICE成像光譜儀建立了森林高光譜數(shù)據(jù)庫等。部分其他國家也展開了光譜數(shù)據(jù)庫技術研究和建設工作,如英國在20世紀90年代初針對海水顏色研究建立了海水光譜數(shù)據(jù)庫。
美國國家航空航天局(NASA)、歐洲航天局(ESA)、日本國家空間發(fā)展局(NASDA)和大學及研究所都有專門的高光譜影像應用分析的研究機構。
國外商業(yè)遙感圖像處理系統(tǒng),相繼增加成像光譜數(shù)據(jù)處理模塊,其中具有代表性的有RSI公司的ENVI,PCI Geomatics公司的PCI,MicroImages公司的TNTmips等。
1.2.1.3 國內高光譜遙感技術發(fā)展現(xiàn)狀
我國緊密跟蹤國際高光譜遙感技術的發(fā)展,并結合國內不斷增長的應用需求,于20世紀80年代中后期著手發(fā)展自己的高光譜成像系統(tǒng)。主要的成像光譜儀有中國科學院上海技術物理研究所研制的推掃式成像光譜儀(PHI)系列、實用型模塊化成像光譜儀(OMIS)系列、中國科學院長春光學精密機械與物理研究所研制的高分辨率成像光譜儀(C2HRIS)和西安光機所研制的穩(wěn)態(tài)大視場偏振干涉成像光譜儀(SLPIIS)。中國科學院上海技術物理研究所研制的中分辨率成像光譜儀(CMODIS)于2002年隨“神舟”三號發(fā)射升空,并成功獲取航天高光譜影像,其獲取影像從可見光到近紅外共30個波段,中紅外到遠紅外的4個波段,空間分辨率為500 m。
2007年10月發(fā)射的“嫦娥1號”衛(wèi)星已攜帶中國科學院西安光學精密機械研究所研制的干涉成像光譜儀升空,用于獲取月球表面二維多光譜序列圖像及可分辨地元光譜圖,通過與其他儀器配合使用對月球表面有用元素及物質類型的含量與分布進行分析,獲得的數(shù)據(jù)用于編制各元素的月面分布圖。
從2007年到2010年,我國將組建環(huán)境與災害監(jiān)測預報小衛(wèi)星星座,將攜帶超光譜成像儀,采用0.45~0.95μm波段,平均光譜分辨率為5nm,地面分辨率為100m。
我國在積極研制具有自主知識產權的成像光譜儀的同時,在地物光譜數(shù)據(jù)技術、高光譜影像分析技術等方面的研究中也取得了一系列可喜的成果。
20世紀90年代初期,中國科學院安徽光學精密機械研究所、遙感所等單位對大量的典型地物進行了波譜采集,建立了我國第一個綜合性“地物波譜特性數(shù)據(jù)庫”。1998年,中國國土資源航空物探與遙感中心建立了“典型巖石礦物波譜數(shù)據(jù)庫”,其中包含了我國主要的典型巖石和礦物500 余種。2000年,中國科學院遙感所基于GIS和網(wǎng)絡技術研制了典型地物波譜數(shù)據(jù)庫及其管理系統(tǒng),記錄了10000多條地物波譜,并能動態(tài)生成相應的波譜曲線和遙感器模擬波段,實現(xiàn)了波譜數(shù)據(jù)庫與“3 S”技術的鏈接。
1.2.2 高光譜成像儀簡介
1.2.2.1 國外高光譜成像儀系統(tǒng)介紹
(1)航空高光譜成像儀
1983年,世界上第一臺成像光譜儀AIS-1(Aero Imaging Spectrometer-1)在美國噴氣推進實驗室研制成功,并成功應用于植被研究、礦物填圖等方面,向世界展示了高光譜成像技術具有的潛力。此后,美國機載先進的可見光紅外成像光譜儀(AVIRIS)、加拿大的熒光線成像光譜儀(FLI)和在此基礎上發(fā)展的小型機載成像光譜儀(AIS)、美國Deadalus公司的MIVIS,GER公司的79波段機載成像光譜儀(ROSIS-10 和 ROSIS-20)、美國海軍研究所實驗室的超光譜數(shù)字圖像采集試驗儀(HYDICE)先后研制成功(表1.1)。
表1.1 國外主要的機載高光譜成像儀信息
近年來,成像光譜技術在資源調查、農作物長勢、病蟲害、土壤狀況、地質勘查等方面的成功應用讓世界各國看到了這項新技術的巨大前景與潛力,世界上一些有條件的國家競相投入到成像光譜儀的研制和應用中來。各國在研制的同時紛紛參考已有成像光譜儀的先進技術,使得新研制的系統(tǒng)在繼承了老系統(tǒng)各種優(yōu)勢的同時,很多方面得到了進一步的提高,在穩(wěn)定性、探測效率、綜合性能等方面均得到了很大的進步。其中,具有代表性的有美國的Probe、澳大利亞的HyMap、美國GER公司為德士古(TEXACO)石油公司專門研制的TEEMS系統(tǒng)等。
Probe-1和Probe-2是Earth Search Sciences公司開發(fā)的另一個有影響的航空成像光譜儀系統(tǒng),該系統(tǒng)在0.4~2.5μm區(qū)有128個波段,光譜分辨率為18 nm。
HyMap即“高光譜制圖儀”(hyperspectral mapper)的簡稱,是以澳大利亞Intergrated Spectronics公司為主研制的。HyMap在0.25~0.45μm光譜范圍有126個波段,同時在3~5μm和8~10μm兩個波長區(qū)設置了兩個可供選擇的波段,共有128個波段。其數(shù)據(jù)在光譜定標、輻射定標和信噪比等方面都達到了較高的性能,總體光譜定標精度優(yōu)于0.5 nm;短波紅外波段(2.0~2.5μm)的信噪比都高于500∶1 ,有的波段其信噪比甚至高達1000∶1。
TEEMS是德士古能源和環(huán)境多光譜成像儀(Texaco energy & environmental multispectral imaging spectrometer)的簡稱。這是一臺由美國地球物理和環(huán)境研究公司(GER)應德士古的技術要求與德士古的專家合作專門研制的具有200 多個波段、性能十分先進的實用型高光譜成像儀。該系統(tǒng)在紫外、可見光、近紅外、短波紅外、熱紅外波段等波譜均具有成像能力,從而在石油地質勘探特別是在勘探與油氣藏有關的特征中具有很大潛力。
近年來熱紅外成像光譜儀已有了實質性的進展。最具有代表性的是美國宇航公司研制的空間增強寬帶陣列光譜儀系統(tǒng)(spatially enhanced broadband array spectrograph system,SEBASS)。SEBASS有兩個光譜區(qū):中紅外,3.0~5.5μm,帶寬為0.025μm;長波紅外,7.8~13.5μm,帶寬為0.04μm。它在中波紅外區(qū)和長波紅外區(qū)分別有100個、142個波段;所使用的探測器為兩塊128*128的Si:As焦平面,有效幀速率為120Hz,溫度靈敏度為0.05℃,信噪比>2000。熱紅外成像光譜儀為更好地反映地物的本質提供了珍貴的數(shù)據(jù),已經被應用于探礦、地質填圖、環(huán)境監(jiān)測、農林資源制圖、植被長勢等諸多領域。
(2)航天高光譜成像儀
美國先后研制出中分辨率成像光譜儀(MODIS),EO-1高光譜衛(wèi)星,并與日本合作研制出的先進星載熱發(fā)射反射輻射計(advanced satellite thermal emission/reflection radiometer)以及美國軍方的“Might-Sat”高光譜衛(wèi)星,在航天成像光譜技術研究方面一直在世界遙遙領先。
MODIS是EOS-AM1衛(wèi)星(1999年12月發(fā)射)和EOS-PM1(2002年5月發(fā)射)上的主要探測儀器——中分辨率成像光譜儀,也是EOS Terra平臺上唯一進行直接廣播的對地觀測儀器。通過MODIS可以獲取0.4~14μm范圍內的36個波段的高光譜數(shù)據(jù),為開展自然災害、生態(tài)環(huán)境監(jiān)測、全球環(huán)境和氣候變化以及全球變化的綜合性研究提供了重要的數(shù)據(jù)源。
MODIS是搭載在terra和aqua衛(wèi)星上的一個重要的傳感器,是衛(wèi)星上唯一將實時觀測數(shù)據(jù)通過x波段向全世界直接廣播,并可以免費接收數(shù)據(jù)并無償使用的星載儀器。MODIS可獲取0.4~14μm范圍內的36個波段的高光譜數(shù)據(jù),為開展生態(tài)環(huán)境研究、自然災害監(jiān)測、全球環(huán)境和氣候變化等研究提供了重要的數(shù)據(jù)源。
ASTER搭載在Terra衛(wèi)星上的星載熱量散發(fā)和反輻射儀,是于1999年12月18日發(fā)射升空的,由日本國際貿易和工業(yè)部制造。一個日美技術合作小組負責該儀器的校準確認和數(shù)據(jù)處理。ASTER是唯一一部高分辨解析地表圖像的傳感器,其主要任務是通過14個頻道獲取整個地表的高分辨解析圖像數(shù)據(jù)——黑白立體照片。ASTER能在4到16天之內對同一地區(qū)進行成像,具有重復覆蓋地球表面變化區(qū)域的能力。ASTER數(shù)據(jù)特點之一是基于用戶要求的觀測,即根據(jù)用戶提出的要求來隨時隨地地獲取影像。ASTER的寬譜覆蓋和高分辨能力給科學家們在諸如監(jiān)測冰河的前進與退卻,對潛在的活火山的監(jiān)測,鑒別作物能力,對云層形態(tài)及物理狀況的監(jiān)測,濕地評估,熱污染監(jiān)測,珊瑚礁的退化,土壤及地質的表面溫度繪圖,以及測量地表的熱平衡等眾多學科領域提供了可供鑒定的信息。
美國宇航局(NASA)的地球軌道一號(EO-1)是美國NASA新千年計劃的一部分,在2000年11月21日發(fā)射。地球觀測1號衛(wèi)星與LandSat-7覆蓋相同的地面軌道,兩顆衛(wèi)星對同一地面的探測時間相差約1分鐘的時間。EO-1帶有三個基本的遙感系統(tǒng),即高級陸地成像儀(advanced land imager,ALI),高光譜成像儀(HYPERION)以及大氣校正儀(liner etalon imaging spectrometer arrey atmospheric correction,LAC)。EO-1上搭載的高光譜遙感器hyperion是新一代航天成像光譜儀的代表,也是目前唯一在軌的星載高光譜成像光譜儀以及唯一可公開獲得數(shù)據(jù)的高光譜測量儀,共有242個波段,光譜范圍為400~2500nm,光譜分辨率達到10nm,空間分辨率為30m。
2000年7月,美國發(fā)射的MightSat-Ⅱ衛(wèi)星上搭載的傅立葉變換高光譜成像儀(fourier transform hyperspectral imager,F(xiàn)THSI)是干涉成像光譜儀的成功典范。
歐洲空間局于2001年10月成功發(fā)展了基于空中自治小衛(wèi)星PROBA小衛(wèi)星的緊密型高分辨率成像光譜儀(CHRIS),并發(fā)射成功。CHRIS在415~1050μm的成像范圍內有五種成像模式,不同的模式下其波段數(shù)目、光譜分辨率和空間分辨率不等,波段數(shù)目分別是18 ,37和62 ,光譜分辨率為5~15nm,空間分辨率為17~20m或者34~40m。CHRIS能夠從五個不同的角度(觀測模式)對地物進行觀測,這種設計使得其能獲取地物反射的方向性特征。
歐洲空間局繼美國AM-1 MODIS之后于2002年3月又成功發(fā)射了Envisat衛(wèi)星,這是一顆結合型大平臺先進的極軌對地觀測衛(wèi)星。其中分辨率成像光譜儀(MERIS)為一視場角為68.5°的推掃型中分辨率成像光譜儀,其地面分辨率為300m,在可見光-近紅外光譜區(qū)有15個波段,可通過程序控制選擇和改變光譜段的布局。
日本繼ADEOS-1之后于2002年12月發(fā)射了后繼星ADEOS-2 ,其上搭載了日本宇宙開發(fā)事業(yè)團的兩個遙感器(AMSR和GLI)和國際或國內合作者提供的三個遙感器(POLAR,ILAS-Ⅱ,Sea Winds)。GLI在可見光-近紅外和短波紅外分別有23個、6個波段,而在中紅外和熱紅外則有7個波段。到目前為止,已發(fā)射的具有代表性的星載成像光譜儀如表1.2所示。
表1.2 國外主要星載高光譜成像儀
1.2.2.2 我國高光譜成像儀系統(tǒng)介紹
(1)航空高光譜成像儀
我國成像光譜儀的發(fā)展經歷了從多波段掃描儀到成像光譜掃描,從光機掃描到面陣CCD探測器固態(tài)掃描的發(fā)展過程。
“八五”期間,新型模塊化航空成像光譜儀(modular aero imaging spectrometer,MAIS)的研制成功標志著我國的航空成像光譜儀技術和應用取得了重大突破。此后我國自行研制的推掃型成像光譜儀(PHI)和實用型模塊成像光譜儀系統(tǒng)(OMIS)在世界航空成像光譜儀大家庭里占據(jù)了重要的地位。
(2)航天高光譜成像儀
我國于2002年3月發(fā)射的神舟3號無人飛船中就搭載了一個中分辨率的成像光譜儀(CMODIS),該儀器共有34個波段,波長范圍在0.4~12.5μm。此外,環(huán)境減災衛(wèi)星搭載了115個波段的高光譜遙感器?!帮L云-3”氣象衛(wèi)星搭載的中分辨率成像光譜儀具有20個波段,成像范圍包括可見光、近紅外、中紅外和熱紅外;“嫦娥一號”衛(wèi)星搭載了我國自行研制的干涉成像光譜儀來探測月球物質。
1.2.3 高光譜遙感成像特點與數(shù)據(jù)表達
高光譜成像獲取的圖像包含了豐富的空間、輻射和光譜三重信息。其主要特點是將傳統(tǒng)的圖像維與光譜維信息融合為一體,在獲取地表空間圖像的同時,得到每個地物的連續(xù)光譜信息。高光譜數(shù)據(jù)是一個光譜圖像的立方體,它由空間圖像維、光譜維(從高光譜圖像的每一個像元中可以獲得一個“連續(xù)”的光譜曲線)和特征空間維(高光譜圖像提供的是一個超維特征空間,挖掘高光譜信息需要深切了解地物在高光譜數(shù)據(jù)形成的N維特征空間中分布的特點與行為)。
1.2.4 高光譜遙感的主要應用領域
由于高光譜遙感能提供更多的精細光譜信息,有些學者將高光譜遙感的研究從最開始的礦物識別擴展到了水體、植被與生態(tài)、環(huán)境資源勘探等方面,但目前主要集中在地質、植被和水環(huán)境等研究領域。
1.2.4.1 在植被監(jiān)測中的應用
高光譜遙感由于其具有超高的光譜分辨率,為植被參數(shù)估算與分析,植被長勢監(jiān)測及估產等方面提供了有力的支撐。
1)植物的“紅邊”效應:“紅邊(REP)”是綠色植物葉子光譜曲線在680~740nm之間變化率最快的點,也是一階導數(shù)光譜在該區(qū)間內的拐點?!凹t邊”是植物光譜曲線最典型的特征,能很好地描述植物的健康及色素狀態(tài)。當“紅邊”向紅外方向移動時,一般可以判定綠色植物葉綠素含量高、生長活力旺盛;相反,當“紅邊”向藍光方向移動時,一般可能是植物處于缺水等原因造成葉片枯黃等不健康狀態(tài)。當植物覆蓋度增大時“紅邊”的斜率會變陡。
2)植被指數(shù):植被指數(shù)主要反映植被在可見光、近紅外波段反射與土壤背景之間差異的指標,各個植被指數(shù)在一定條件下能用來定量說明植被的生長狀況,是利用遙感光譜數(shù)據(jù)監(jiān)測地面植物生長和分布、定性、定量評估植被的一種有效方法。根據(jù)不同的研究目的,人們已經提出了幾十種植被指數(shù),如比值植被指數(shù)RVI,歸一化植被指數(shù)NDVI,差值環(huán)境植被指數(shù)DVIEVI,垂直植被指數(shù)PVI,土壤調整植被指數(shù)SAVI等。
1.2.4.2 在農業(yè)中的應用
高光譜遙感在農業(yè)中的應用,主要表現(xiàn)在快速、精確地進行作物生長信息的提取、作物長勢監(jiān)測、估算植被(作物)初級生產力與生物量、估算光能利用率和蒸散量及作物品質遙感監(jiān)測預報,從而相應調整物資的投入量,達到減少浪費,增加產量,改善品質,保護農業(yè)資源和環(huán)境質量的目的。使用高光譜遙感數(shù)據(jù)估計作物的農學參數(shù)主要有兩類方法:一是通過多元回歸方法建立光譜數(shù)據(jù)或由此衍生的植被指數(shù)與作物農學參數(shù)之間的關系;二是通過作物的紅邊參數(shù)來估計作物的物候性狀及其農學參數(shù)。
1.2.4.3 在大氣和環(huán)境方面的應用
高光譜遙感憑借其超高的光譜分辨率可以識別出寬波段遙感無法識別的因大氣成分變化而引起的光譜差異,使人們利用高光譜遙感對周圍的生態(tài)環(huán)境情況進行定量分析成為可能。利用高光譜技術可以探測到污染地區(qū)的化學物質異樣,從而確定污染區(qū)域及污染原因;高光譜圖像也可用來探測危險環(huán)境因素,例如,精確識別危險廢礦物,編制特殊蝕變礦物分布圖,評價野火的危險等級,識別和探測燃燒區(qū)域等。
1.2.4.4 在地質方面的應用
地質礦產調查是高光譜遙感應用中最成功的一個領域。各種礦物和巖石在電磁波譜上顯示的診斷性光譜特征可以幫助人們識別不同礦物成分。在地質方面主要利用其探測巖石和礦物的吸收、反射等診斷性特征,從而進行巖石礦物的分類、填圖和礦產勘查。
1.2.4.5 在軍事上的應用
由于高光譜影像具有豐富的地面信息,可用于精確識別地物種類,在軍事偵察、識別偽裝方面得到了成功的應用。美國海軍設計的超光譜成像儀可在0.4μm~2.5μm光譜范圍內提供210 個成像光譜數(shù)據(jù),可獲得近海環(huán)境目標的動態(tài)特征,例如海水的透明度、海洋深度、海洋大氣能見度、海流、潮汐、海底類型、生物發(fā)光、海灘特征、水下危險物、油泄露、大氣中水汽總量和次見度卷云等成像數(shù)據(jù),對近海作戰(zhàn)有十分重要的支撐意義。
三、成像光譜方法技術
一方面,高光譜分辨率的成像光譜遙感技術是對多光譜遙感技術的繼承、發(fā)展和創(chuàng)新,因此,絕大部分多光譜遙感數(shù)據(jù)處理分析方法,仍然可用于高光譜數(shù)據(jù);另一方面,成像光譜技術具有與多光譜技術不一樣的技術特點,即高光譜分辨率、超多波段(波段<1000,通常為100~200個左右)和甚高光譜(Ultra Spectral)分辨率(波段>1000,主要用于探測大氣化學成分)的海量數(shù)據(jù)。因此,常規(guī)多光譜數(shù)據(jù)處理方法不適合于成像光譜數(shù)據(jù)的定量分析,于是成像光譜數(shù)據(jù)處理和分析技術應運而生。在成像光譜數(shù)據(jù)處理和分析方法中,關鍵性的技術問題是地物光譜重建,光譜特征的量化及提取,混合像元的分解和定量分析及模型識別。
2.3.2.1 光譜重建技術
按照不同的模型及算法,從成像光譜數(shù)據(jù)中把地物的光譜特性反演出來的過程就是地物光譜重建技術。根據(jù)不同的工作情況及條件,采取不同反演模型來重建地物光譜,是實現(xiàn)成像光譜數(shù)據(jù)遙感定量化分析的第一步。若對其不進行反演,則沒有一個統(tǒng)一物理量進行對比。目前,光譜反演模型大體可分為三大類型:基于大氣傳輸理論的大氣傳輸模型,基于統(tǒng)計分析的統(tǒng)計模型以及基于地面地物同步觀測的經驗回歸模型。
2.3.2.1.1 基于大氣傳輸理論的模型
該模型實質上就是用理論模型消除大氣中氣體分子、水蒸氣、氣溶膠及塵埃等分子顆粒對地反射輻射能量吸收與散射以及大氣程輻射效應,并將其還原成地物的反射輻射光譜。這是一種比較復雜的同時必須進行地物光譜及大氣參量測量的絕對反射率生成方法,也就是對成像光譜數(shù)據(jù)進行絕對輻射標定的再反演。在這一反演過程中,關鍵是建立大氣傳輸?shù)哪P?。?960年,Chndrasekhar提出了輻射傳輸理論以來,相繼發(fā)展了許多方法,如Ordinate方法和Variational方法等來解決輻射傳輸問題。目前,常見的大氣傳輸模型有5 S(the Simulation of the Satellite Signal in the Solar Spectrum)、6S(the Second Simulation of the Satellite Signal in the Solar Spectrum)、LOWTRAN 7及MODTRAN(Teillet,P.M.,1989;Vermote,E.,Tanṙen,D.,Deuże,J.L.et al.,1994,1996;Bo⁃Cai Gao,K.B.Heidebrecht and A.F.H.Goetz,1997;Z.QIN,A.Karnieli and P.Berliner,2001)。其中,6S模型是由法國Tanré等人研究開發(fā)的,是目前世界上發(fā)展比較完善的大氣輻射校正模型算法之一。該算法既能合理地處理大氣散射、吸收,又能產生連續(xù)光譜,避免在光譜反演中較大的定量誤差。它還充分利用了分析表達式和預選大氣模式,使計算時間大大縮短。許多遙感專家使用此模式進行地物光譜反演后認為,該模型較其他模型計算精度高。不足之處是必須開展試驗區(qū)典型地物光譜反射率觀測以及大氣環(huán)境參量實測,如:大氣光學厚度、溫度、氣壓、水蒸氣含量、大氣分布狀況等。相對來說,盡管LOWT⁃RAN 7和MODTRAN模型計算精度低一些,但它不需要地面實測典型地物的反射率。這些模型一般用于對傳感器選定標定場,開展數(shù)據(jù)絕對輻射標定。
2.3.2.1.2 基于統(tǒng)計分析的模型
該模型的建立是在分析不同地物光譜遙感信息在不同光譜波段的傳輸特點基礎上,利用計算機對典型地物的光譜特性進行統(tǒng)計分析后,得到的地物光譜特性反演模型。對成像光譜數(shù)據(jù)進行地物光譜反演常用模型有平滑域反射率模型 FFR(Flat Field Reflectance)(Goetz and Srivastava,1985;Conel,1985;Crowley at al.,1988;Rast et al.,1991),內在平均相對反射率模型IARR(Internal Average Relative Reflectance)(Kruse et al.,1985;Kruse,1988;Mackin and Munday,1988;Zamoudio and Atkinson 1990),對數(shù)剩余模型LRC(Logarithm Residual Correction)(Green,R.O.etal.,1985;Gower,J.F.R.etal.,1992)。在這3種模型中,F(xiàn)FR模型是在圖像上選取光譜和地貌特征都均勻平滑(平滑性是指地物無光譜吸收譜帶,光譜曲線平直)的地物平均值,來消除大氣輻射衰減和儀器的零響應;White模型是根據(jù)整幅圖像的平均光譜曲線平均值對圖像歸一化處理,然后計算每個像元光譜曲線與平均光譜曲線的比值,也就是地物光譜特性;LRC模型是經Lyon和Lanze修正后,對太陽輻射衰減、大氣效應及地形影響都有所消除。Green和Graige提出的對數(shù)剩余糾正公式如下:
lg(Rij)=lg(DNij)-lg(aveDNi)+lg(DNi)+lg(DNg)(2-3-1)
這里Rij是第i波段、第j個像元的剩余值;DNij是第i波段、第j個像元的亮度值;DNi是第i波段所有像元數(shù)據(jù)的平均值;DNj是第j像元在所有波段上數(shù)據(jù)的均值;DNg是所有波段及所有像元的均值。該方法完全基于圖像本身特征,不需要野外地物光譜測量。在前兩種模型中,F(xiàn)FR模型優(yōu)于IARR模型,它克服了IARR模型因受像福強吸收特征的影響而出現(xiàn)的假反射峰的弱點,而且計算量較小。
2.3.2.1.3 經驗線性回歸模型
利用該方法重建地物光譜技術實質就是通過開展典型地物的同步反射率觀測,根據(jù)成像光譜數(shù)據(jù)DN值與地面實測地物反射率值,經最小二乘法求出回歸方程Rij=Aj·DNij+Bj(這里Aj,Bj是傳感器第j波段的線性回歸系數(shù)),然后,根據(jù)此方程反演地物的反射光譜。這種模型的數(shù)學和物理意義明確,方法簡便,運算量少,應用廣泛(Roberts et al.,1985;Conel et al.,1988;Elvidge,1988;Green et al.,1988;Kruse et al.,1990;Zamoudio and Atkinson 1990)。例如:美國JPL的Abrams利用該模型在美國Nevada州的Cuprite礦區(qū)進行礦物學填圖;美國科羅拉多大學的Zamudio等人,利用該模型在美國 Nevada 州東部進行礦物識別和巖相分析;日本Pasco公司的Mochizuki,利用該模型在美國Navada州進行蝕變礦物的反射光譜研究等。該模型的不足之處是要開展野外地物光譜觀測,成本比較高,回歸精度的高低依賴于對野外概實測的精度。
除上述這些典型光譜重建模型之外,還有 UA RT Code,JPL Code,連續(xù)內插波段比算法(CIBR),背景法等模型(De Jong,1998)。
2.3.2.2 巖礦光譜特征的量化、提取,定量分析及識別模型
成像光譜數(shù)據(jù)經過光譜重建模型處理后,獲得了地物的光譜特征譜線。不同地物光譜具有不同的診斷特征譜帶,如吸收譜帶,特征譜線的微積分變化,波形變化等等。如何有效地開展地物特征定量分析和識別地物,首先要弄清楚如何去量化及提取地物的光譜特征。因此,開展基于地物特征譜的量化提取是十分必要的。
2.3.2.2.1 地物光譜特征度量、提取與匹配識別模型
(1)就地物光譜特征(這里指地物反射輻射光譜)而言,不外乎兩大類型:吸收譜帶(或反射谷)和光譜曲線的斜率變化(含波形變化)。針對這兩類光譜特征的形態(tài)、結構,分別采取不同的度量方式。目前,對吸收譜帶的分析度量方法是外殼系數(shù)法,它通過把光譜曲線歸一化后去測量吸收譜帶的波長位置(position)、吸收深度(depth)、吸收寬度(FWHM)和對稱性(sym⁃metry)(Lyon et al.,1985;F.A.Kruse,A.B.Lefkoff,1993)。這種外殼系數(shù)法可以由外殼凸形曲線與光譜之比來表示,也可以由外殼值去減相應波長上的光譜反射率值來求得。由于吸收峰的非對稱性,采用RBD方法難以準確描述其特征。連續(xù)插值小組段算法(CIBR,Continuun interpolated band algorithm)(De Jong,1998)和光譜吸收指數(shù)圖像(SAI,spectral absorption index image)(王晉年等,1996)與相對吸收深度圖方法類似,但引入了對稱度因子,使其對吸收特征的描述更為合理。除了這些測量參數(shù)外,對植被光譜有多種度量參量,如植被、綠度指數(shù)等等。對于光譜曲線斜率變化的特征,表征和提取的方法有基于地物光譜的總體波形特征度量,如傅里葉變換的波形分析方法是利用有限級次的諧波振幅和初位相度量地物波譜特征;基于切比雪夫多項函數(shù)的波形分析是利用多項式函數(shù)對地物光譜曲線進行擬合,提取有限項的系數(shù)來表示或組合特征,或用其比值來表示地物光譜波形特征的參量;基于波形相似性(總體或分段)分析的光譜角度量;還有光譜曲線特征的微分度量、積分度量及二值度量等等。當然,對吸收譜帶及斜率特征度量還可以用統(tǒng)計特征量去表征度量,如均值、方差、協(xié)方差矩陣、特征值、特征向量、特征因子及組內離差等。
(2)光譜匹配識別模型不同于多光譜的模式識別,它是根據(jù)光譜特征度量參數(shù)來進行匹配識別的,是成像光譜數(shù)據(jù)處理分析的特色之一。這種特色模型在處理過程中往往是采用可視化的交互式的圖像與光譜、光譜與標準光譜形式進行的。目前,光譜匹配識別模型有:編碼匹配識別法(均值編碼匹配法,坡向編碼匹配法,比值編碼匹配法L吸收峰編碼匹配法、波形匹配法和光譜角匹配法等等。在這些匹配識別模型中,編碼匹配基本上都是按二值(0和1)進行編碼、匹配與識別的;吸收特征編碼匹配是根據(jù)外殼系數(shù)法歸一化后,對每個特征的吸收深度與波長位置進行編碼;波形匹配包括相似度、傅里葉變換參量,切比雪夫等方法。近幾年發(fā)展起來的小波變換分析在成像光譜數(shù)據(jù)分析處理中應用相當多,尤其是對原始信號按不同小波尺度,分解成不同的小波進行波形分析,突出低頻弱信息,有利于信息增強,比如用小波變換進行圖形圖像插值、融合及混合像元分解等。
2.3.2.2.2 成像光譜數(shù)據(jù)的定量分析及識別模型
定量化分析及識別模型化是當今遙感技術的發(fā)展方向之一,應用于成像光譜數(shù)據(jù)處理。定量化分析與識別模型,除了不斷完善和改進已有基于統(tǒng)計分析的定量化及識別模型(如:改進的主成分分析、最佳波段組合、改模型最大似然法、基于決策邊界特征矩陣的變換和正交子空間投影),其他學科的新思想、新方法也在不斷地引人遙感數(shù)據(jù)分析和理解之中,如人工智能的專家系統(tǒng),模糊邏輯映射,證據(jù)推理、神經網(wǎng)絡、分形和分維等。
人工智能專家系統(tǒng)技術是目前比較流行的信息處理技術,尤其對比較復雜問題的解決有獨到之處,Gotting和Lyon在1986年就已建立的光譜信息專家識別系統(tǒng)用于分析實驗室和野外光譜,它是結合已有的地物光譜特征知識,由專家確定判別規(guī)則決策樹(Decision Tree)以達到識別地物或地物類別目的。決策樹這一基于知識的判別準則層次是建立專家系統(tǒng)成敗的關鍵。通過這個系統(tǒng)進行編碼匹配,他們成功地從大量的實驗室光譜中識別出11種礦物。1993年,美國地球空間研究中心(CSES)和美國環(huán)境科學研究所的F.A.Kruse和A.B.Lefkoff研制了基于知識的成像光譜地質制圖專家系統(tǒng)。選定各種特征在識別過程中的作用并賦予相應的權值,或根據(jù)專家對判別知識和經驗建立判別準則進行識別。
目前,神經網(wǎng)絡模型在遙感地物分析和識別方面?zhèn)涫芮嗖A,有著廣泛的應用(Golen Giser,1996;Giles,M.F.et al.,1995;郭小方,1998;王潤生等,2000)。由于神經網(wǎng)絡分類規(guī)則對訓練樣本的數(shù)量及分布特征沒有特定要求,因而可以在特征空間形成非線性判別邊界,并且還有一定的抗噪聲、抗干擾和自適應能力,適用于大數(shù)據(jù)量的分類研究,最為常用的分類準則是后向傳播(BP)網(wǎng)絡模型。
目前,從成像光譜遙感數(shù)據(jù)分析與識別的各種新理論、新方法的引入來看,大多數(shù)模型的研究和應用還是一種嘗試,在如何將模型與成像光譜數(shù)據(jù)相結合的研究方面,分析不夠深入。
2.3.2.3 混合像元分解模型
由于空間分辨率不高的原因,在圖像像元內會出現(xiàn)不同成分(end member)的地物,即混合像元。不同的地物具有不同光譜特征,因此需要通過混合光譜分解技術來提高識別精度?;旌舷裨獑栴}是遙感技術的研究難點和熱點。由于成像光譜技術的光譜分辨率已從微米(μm)提高到納米級(nm),因此,其混合像元分析、分解及其模型研究就顯得更為重要。
目前,開展高光譜遙感混合像元研究的方法技術,首先從實驗著手,進行地物混合光譜的測試、分析、數(shù)字模擬、分解模型開發(fā)研究,然后將其外推到遙感圖像上,進行典型地物混合像元分析,主要包括空-地同步觀測獲取典型地物(或可通過人工布標)數(shù)據(jù),經模型分析后,對混合像元的地物進行分解,或混合光譜模擬合成。在實驗室里,通過對不同礦物光譜混合含量測試發(fā)現(xiàn),不透明礦物或暗色礦物,其光譜按比例混合到其他礦物中,混合的反射率急劇下降,而不是逐漸下降,說明其混合光譜與其混合的端員礦物光譜是非線性關系(磁鐵礦和橄欖石)。當兩種礦物的色調相近時,實驗測試的混合光譜與線性模型合成的混合光譜都呈線性逐漸變化,說明混合光譜可以按線性模型分解端員礦物光譜,如橄欖石和紫蘇輝石,且吸收譜帶的波長位置也是逐漸從一個波長位置逐漸過渡到另一波長位置。不僅如此,還發(fā)現(xiàn)在可見光、近紅外這一波長上,低成分端員混合時呈線性趨勢,當成分增加時,線性關系劇烈變成非線性關系。在這三種情況中,第一種非線性關系是由于組合混合光譜的端員成分之間互相作用、互相影響后光譜被光譜儀檢測到;第二種線性關系是由于各端員成分之間無互相影響作用,各自獨立地反射電磁波能量貢獻于混合光譜;第三種情況是兩種關系都存在,二者之間存在臨界條件(邊界條件)。目前,有關此方面的研究極少。根據(jù)這些分析,混合像元分解模型大體分為線性模型和非線性模型。在遙感混合像元中,絕大多數(shù)反射率相似的地物,可以用線性模型來分解端員成分,如:土壤與植被、不同含水量的耕地、巖石露頭與草地、荒地等等。在一幅圖像中,事先知道有N種端員(地物種類),并且也知道各種端員的光譜反射率,那么就可以用線性模型:
成像光譜巖礦識別方法技術研究和影響因素分析
這里DNc是波段C上混合像元的DN值或反射率;Fi是第i種端員在混合像元中所占比例(或權系數(shù));DNi,c是C波段上第i種端員的DN值(或反射率);Ec是C波段上擬合誤差。對每個像元都按照最小二乘法解方程,進行分解。在圖像中,端員的DN值(或反射率值)要么可以從訓練區(qū)取值,要么在地面實測。端員成分的確定過程實質上是一個迭代過程,迭代結果使M個波段上總誤差ε最?。ㄇ襈≤M)。
成像光譜巖礦識別方法技術研究和影響因素分析
求得版中各種端員成分之后,就可以定量或半定量地對端員豐度制作豐度等專題圖件。
用非線性模型開展混合像元分解不多見,但已有這方面的研究,如模糊分割模型(Jin Ⅱkim,1996),概率鵬模型,幾何光學模型(Charles Ichoku,1996)及基于神經網(wǎng)絡模型的混合像元分解(王喜鵬,張養(yǎng)貞等,1998)等等。
目前開發(fā)的模型有:
——光譜吸收指數(shù)模型SAI(王晉年,童慶禧等,1996):
SAI=∑fiSAIi,∑fi=1,fi>0 (2-3-4)
——高斯模型法MGM:該模型是基于礦物和巖石的反射、吸收光譜性質模擬反射光譜的各種模擬方法。它是一種確定性的而不是統(tǒng)計性的方法。高斯改進模型MGM 是近幾年在分析反射光譜的基礎上發(fā)展起來的分析技術(Cloutis,1989,Veverka,J.et al.,2000)。
m(x)=S*exp(-(xn-μn)2/2σ2), (2-3-5)
通常取n=-1。
光譜識別與分類技術(Spectral Classification):主要是利用地物高光譜特征的量化參數(shù),結合其在圖像空間上分布進行提取有利的信息,達到分類的目的。主要的分類方法有:
——最大似然法MLC:
g(x)=-ln|∑i|+(x-mi)t∑i-1(x-mi),(2-3-6)
——人工神經網(wǎng)絡技術ANN:一般采用前饋網(wǎng)絡模型,即第一隱層的節(jié)點輸入等于輸入層諸節(jié)點輸出的加權和。迭代的次數(shù)以系統(tǒng)的平均誤差為最小時為準。
成像光譜巖礦識別方法技術研究和影響因素分析
——光譜角制圖法SAM(Spectral Angle Mapper):該方法是通過計算測試樣本光譜矢量(像元光譜)與參考光譜矢量(訓練的端員樣品光譜,或標準光譜庫的光譜),在n維空間(n波段)上的角度來確定它們兩者的相似度。一般兩矢量之間的角度越小,兩光譜向量越相似,進而可識別兩種地物為同類,否則視為異類。數(shù)學模型是:
成像光譜巖礦識別方法技術研究和影響因素分析
這里i=1,2,3,……,n,n為波段數(shù)。
——光譜維特征提取法(Spectral Dimension Feature Extraction):在高光譜遙感分類中,使用該方法對多波段、高相關、數(shù)據(jù)冗余度高的數(shù)據(jù)進行降維處理。相關的有統(tǒng)計方法,如主成分、典型變量及改進的PCA法等。
——光學模型(Optical Modeling):除了前述的數(shù)據(jù)分析及模型外,植被因其特有反射性質,還有獨特分析模型(光學模型)。該模型主要利用高光譜遙感數(shù)據(jù)預測或估計植被的多種生物物理、化學參量,如葉面指數(shù)LAI、總生物量、覆蓋度等;葉綠素、水分、N、P、K含量等。該模型也屬于經驗性的統(tǒng)計模型方法。一般性通用模型為:
S=f(λ;θs,Φs;θv,Φv;С), (2-3-9)
這里S為預測的生物物理、化學參數(shù);λ是波長;θs,Φs,θv,Φv是入射光和傳感器探測幾何位置參數(shù),C是描述植被冠層為特性參數(shù)。依靠法的模型有葉子光學性質光譜模型PROSPECT,葉子的任意斜散射模型SAIL,即生化參量反演的LIBERTY模型等。
高光譜在植被應用中除了生物、化學參量的反演分析外,還注重利用植被光譜特性譜線的藍邊、反射峰、黃邊、紅光吸收谷、紅邊、近紅外反射高原區(qū)等變化及數(shù)據(jù)的歸一化、對數(shù)、微分等變換,來監(jiān)測植被的長勢及病蟲害,進行森林識別、分類、制圖(Clark,R.N.,Roush.T.L.,1984)。
2.3.2.4 光譜數(shù)據(jù)應用處理分析軟件
通過開展巖礦高光譜特性測試分析和成像光譜方法技術及應用分析研究,已發(fā)展并開發(fā)了如下數(shù)據(jù)處與分析軟件:
2.3.2.4.1 光譜數(shù)據(jù)庫及分析軟件(400~2500φ)
國外:美國地質調查所USGS和JPL的標準礦物光譜庫(含機載光譜)及光譜分析管理軟件SPAM,IRIS,日本地調所的巖石礦物光譜庫等(http://speclib.jpl.nasa.gov;http://speclab.cr.usgs.gov;Kruse F A et al.1993)。
國內:中國科學院安徽光學研究所、中國科學院遙感應用研究所、原地質礦產部航空物探遙感中心等科研單位都已建自己的光譜庫(王潤生等,2000)。
2.3.2.4.2 圖像處理分析軟件
目前國內外常用的光譜圖像處理分析軟件有:Erdas、PCI、ENVI等。其中PCI和ENVI都有高光譜分析處理功能(ENVI User’s Guide.,2000)。此外,還有像Tetricorder(Clark,R.N.,G.A.Swayze,K.E.Livo,2003)。國內通過高光譜遙感方法技術及示范應用研究,中國科學院遙感應用研究所、國土資源部航空物探遙感中心相繼建立了成像光譜數(shù)據(jù)分析處理系統(tǒng),如:HIPAS,ISDPS等。
四、研究:GEO高光譜紅外輻射數(shù)據(jù)能提升局部強風暴預報質量
據(jù)外媒報道,自20世紀50年代氣象衛(wèi)星時代開始以來,遙感儀器的不斷改進提高了地球科學的水平并顯著增加了可用的大氣觀測。同樣,科學家在了解地球的大氣、氣候和環(huán)境方面也取得了相當大的進步。
近20年來,隨著大氣科學的進一步發(fā)展,低地球軌道衛(wèi)星上搭載的基于衛(wèi)星的紅外(IR)探測儀提供了高光譜IR輻射。這些探測儀可以確定反射的紅外波長的微小差異,而這有助于識別大氣中的不同目標。這些數(shù)據(jù)顯著改善了全球數(shù)值天氣預報(NWP)的模擬和預報。
盡管覆蓋全球,但每臺近地軌道測深儀每天僅為某一特定地點提供兩次觀測。然而來自地球靜止軌道(GEO)衛(wèi)星的高光譜紅外探測儀可以提供更高分辨率的4-D溫度(包括時間)、濕度和動態(tài)運動信息,這些信息需要初始化或啟動模型仿真。為了準確反映整個24小時內的大氣變化,低地軌道衛(wèi)星可以提供更頻繁的數(shù)據(jù)更新以供NWP模型使用。
科學家正在為NWP模型開發(fā)數(shù)據(jù)同化方法以提高衛(wèi)星初始化數(shù)據(jù)的質量。觀測系統(tǒng)模擬實驗(OSSE)旨在利用數(shù)據(jù)同化研究未來大氣觀測系統(tǒng)的潛在影響。傳統(tǒng)的OSSE過程需要大量的工作來計算、模擬和校準信息,然后同化數(shù)據(jù)來產生預測。因此,模型氣象學家正在努力使這一過程更加有效。
“我們研究了使用混合OSSE方法的GEO高光譜紅外探測儀的附加價值,”威斯康辛大學麥迪遜氣象衛(wèi)星合作研究所的科學家Jun Li說道。
跟傳統(tǒng)的OSSE相比,在混合OSSE中,除了新傳感器的觀測數(shù)據(jù)經常通過小網(wǎng)格、高分辨率的全球大氣分析或再分析進行模擬外,大部分數(shù)據(jù)都是真實觀測數(shù)據(jù)。在《Advances in Atmospheric Sciences》上發(fā)表的一篇新論文中則包含了混合OSSE應用的詳細建議,這也是《風云氣象衛(wèi)星:數(shù)據(jù)、應用和評估(Fengyun Meteorological Satellites: Data, Application and Assessment)》特刊的一部分。
在評估新方法的影響之前,Li教授及其團隊必須驗證新GEO高光譜紅外傳感器的模擬輻射以驗證模擬新的傳感器數(shù)據(jù)可以在混合OSSE系統(tǒng)中工作。他們利用2018年和2019年在大平原和美國中西部發(fā)生的兩場當?shù)貒乐仫L暴案例評估了GEO高光譜紅外數(shù)據(jù)的增值影響。
“我們很高興發(fā)現(xiàn)大氣溫度、濕度和降水預報都有所改善,另外風力預報也有所改善?!盠i教授表示。
總體而言,該團隊的影響研究具有附加價值,當使用GEO高光譜IR數(shù)據(jù)代替LEO數(shù)據(jù)時可以減少5%的均方根誤差(RMSE)。這表明了GEO高光譜紅外探測儀的潛在應用,它可能可以改善當?shù)氐膹婏L暴預報。
以上就是關于第一次跑高光譜數(shù)據(jù)結果相關問題的回答。希望能幫到你,如有更多相關問題,您也可以聯(lián)系我們的客服進行咨詢,客服也會為您講解更多精彩的知識和內容。
推薦閱讀:
廠區(qū)車位景觀設計規(guī)范(廠區(qū)車位景觀設計規(guī)范最新)