1高光谱遥感的概念

1高光谱遥感与地学分析吴柯（物探楼601室）邮箱：[e-mail]2高光谱遥感：高是体现在波段信息上，高光谱遥感的出现是遥感界的一场革命,它使本来在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。地学分析：主要是指寻找地表及地表以上的地学规律，通过对获取的遥感信息进行分析和处理，一方面扩大地学研究本身的视域，提高对区域的认识水平；另一方面可改善遥感分析、处理、识别目标的精度。课程介绍3教学目的:本课程是地信专业的必修课程，需要掌握的内容包括：理解高光谱遥感科学相关的物理概念，了解高光谱遥感与简单的地学分析的过程，了解国内外最新的高光谱遥感技术和手段。培养一定的高光谱遥感实验能力。平时成绩：40%，包括点名，作业，课程实验等考试成绩：60%，课程设计或课程论文。考核形式:实习安排:3次实习课程，时间是第3,4,5周，周四下午41、《高光谱遥感》张良培等，武汉大学出版社，20052、《高光谱遥感的多学科利用》，童庆禧，张兵等，电子工业出版社出版社，20063、《高光谱遥感：原理技术与应用》，童庆禧，张兵等，高等教育出版社，2006课程主要参考资料5第1章高光谱遥感的概念第2章高光谱遥感成像系统第3章高光谱遥感理论基础第4章地物光谱数据的重建第5章高光谱遥感数据的特征选择与提取第6章高光谱特征参量与光谱库第7章高光谱遥感图像分类第8章高光谱遥感影像混合像元分解第9章高光谱遥感影像目标探测第10章高光谱遥感应用课程安排：6高光谱遥感是传统遥感的一个发展分支，它使得遥感的波段宽度更窄，针对性更强，可以突出特定地物反射峰值波长的微小差异；同时，成像光谱仪等的应用，提高了地物光谱分辨力，有利于区别各类物质在不同波段的光谱响应特性。首先介绍一下背景知识，我们简单回顾一下遥感的特点：高光谱遥感（HyperspectralRemoteSensing）78狭义理解，是应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的科学及综合性探测技术。广义理解，泛指一切无接触的远距离探测，包括对电磁场、力场、机械波(声波、地震波)等的探测。实际工作中，重力、磁力、声波、地震波等的探测被划为物探(物理探测)的范畴。因而，只有电磁波探测属于遥感的范畴。遥感技术9•大面积同步观测：气象卫星，资源卫星•时效性强：周期短，覆盖面广•数据的综合性和可比性好：不用去实地采集数据•较高的经济和社会效益：应用广泛•一定的局限性：数据处理；受天气影响遥感的特点1011121）目标物的电磁波特性_遥感信息源任何目标物都具有发射、反射、吸收电磁波的性质。遥感信息处理的技术流程132）信息的获取143）信息的接收15接收、处理、存档、分发各类地球资源遥感卫星数据并进行相关技术研究，为遥感应用提供数据服务。4）信息的处理—遥感卫星地面站16整个现代遥感技术体系遥感信息传输目标提取与识别(自动化、智能化)数据处理(高光谱、高分辨率、雷达)分发多源数据融合与集成遥感成像机理与模型用户各应用部门17（1）随着热红外成像、机载多极化合成孔径雷达、高分辨力表层穿透雷达和星载合成孔径雷达技术日益成熟，遥感波谱域从最早的可见光向近红外、短波红外、热红外、微波方向发展，波谱域的扩展将进一步适应各种物质反射、辐射波谱的特征峰值波长的宽域分布。（波段范围扩展从可见光、近红外、发展到中远红外、微波）遥感的发展趋势1819（2）大、中、小卫星相互协同，高、中、低轨道相结合，在时间分辨率上从几小时到18天不等，形成一个不同时间分辨率互补系列。（不同时间分辨率互补）20卫星相互协同21正在使用的传感器有：MODIS（EOS）,MISR（Terra）,ASTER（Terra）,ADEOS…新的传感器产生，正在研制的有：EO-1233bandsOrbView-4ARIES(Australia)2223（3）机载三维成像仪和干涉合成孔径雷达的发展和应用，将地面目标由二维测量为主发展到三维测量。（多角度遥感）（4）各种新型高效遥感图像处理方法和算法将被用来解决海量遥感数据的处理、校正、融合和遥感信息可视化。（海量遥感数据处理、融合）24（5）遥感分析技术从“定性”向“定量”转变，定量遥感成为遥感应用的发展热点。（遥感从定性到定量分析）（6）建立适用于遥感图像自动解译的专家系统，逐步实现遥感图像专题信息提取自动化。（遥感图像自动解译的专家系统）（7）3S一体化25（8）随着高空间分辨力新型传感器的应用，遥感图像空间分辨率从1KM、500m、250m、80m、30m、20m、10m、5m发展到1m，军事侦察卫星传感器可达到15cm或者更高的分辨率。空间分辨率的提高，有利于分类精度的提高，定位和目标识别，但也增加了计算机分类的难度。（空间分辩率越来越高）26遥感上的“双高”：光谱分辨率与空间分辨率的提高是遥感技术发展的重要趋势。空间分辨率：◆1960年美国发射了TIROS-1和NOAA-1太阳同步卫星◆1972年ERTS-1发射（后改名为Landsat-1），装有MSS传感器，分辨率79米◆1982年Landsat-4发射，装有TM传感器，分辨率提高到30米◆1986年法国发射SPOT-1，装有PAN和XS传感器，分辨率提高到10米◆1988年9月7日中国发射的第一颗“风云1号气象卫星”◆1999年美国发射的IKNOS，空间分辨率提高到1米◆1999年10月14日中国成功发射资源卫星1号2728遥感的商业化美国海军EP-3侦察机，IKONOS229（9）高光谱遥感的发展，使得遥感的波段宽度从早期的0.4（黑白摄影）、0.1（多光谱扫描）到5nm（成像光谱仪），遥感器波段宽度窄化，针对性更强，可以突出特定地物反射峰值波长的微小差异；同时，成像光谱仪等的应用，提高了地物光谱分辨力，有利于区别各类物质在不同波段的光谱响应特性。（光谱分辩率越来越高）30按传感器的探测波段分：紫外遥感：50-380nm可见光遥感：380-760nm红外遥感：760-1000nm微波遥感：1000nm-10m多波段遥感：指探测波段在可见光波段和红外波段范围内，再分成若干窄波段来探测。高光谱遥感：指探测波段在可见光波段和红外波段范围内，再分成若干非常窄的光谱连续的影像数据的技术。其成像光谱仪可以收集到上百个非常窄的光谱波段信息。31高光谱成像遥感技术的发展是20世纪80年代遥感技术的最大成就之一。◆20世纪70年代初美国发射的陆地卫星仅有4个波段，其平均光谱分辨率为150nm；◆80年代的TM则增加到7个波段，在可见光到近红外光谱范围的平均光谱分辨率为137nm；◆法国SPOT卫星的多光谱波段的光谱分辨率为87nm。1987年研制成功的航空可见光/红外光成像光谱仪◆AVIRIS为成像光谱仪的第二代产品。AVIRIS是首次测量全部太阳辐射光谱范围（400-2500nm）的成像光谱仪，共有224个通道。◆我国第一台224波段推帚式高光谱成像仪PHI与128波段实用型模块化机载成像光谱仪OMIS已研制成功并进行了多次成功地航空遥感实验。32高光谱遥感成像过程33光谱信息直观的表示一幅传统的遥感图象数据，对于某一点的光谱特征最直观的表达方式就是二维的光谱曲线，如图所示，用直角坐标系表示光谱数据，横轴表示波长，纵轴表示反射率，那么地物的特性可以从曲线中获得，比如吸收特征可以从曲线的极小值中获取。34光谱曲线表达对于高光谱数据中的每一个点，最直观的表达方式是二维的光谱曲线，波长作为横坐标，反射率作为纵坐标，通过对不同波长离散点的插值，获取到光滑的曲线。35光谱连续、图谱合一1.高光谱遥感定义36电磁波的范围36可见光是电磁波的一部分。极小一部分。不同的波段有不同的物理反射和透射性质。。更宽范围的电磁波的探测和解释需要进行不断地研究可见光波长电磁波频率范围37高光谱遥感的概念高光谱分辨率遥感（Hyperspectralremotesensing）：是指用很窄（10-2波长）而连续的光谱通道对地物持续遥感成像的技术。从可见光到短波红外波段其光谱分辨率高达纳米数量级，通常具有波段多的特点，光谱通道多达数十甚至数百个以上，而且各光谱通道之间往往是连续的，因此高光谱遥感又通常被称为成像光谱（ImageSpectrometry）遥感。38392、高光谱遥感的特点一般认为，光谱分辨率在10-1λ数量级范围内的遥感称为多光谱(Multi-spectral)遥感，光谱分辨率在10-2λ数量级范围内的遥感称为高光谱(Hyper-spectral)遥感，光谱分辨率在10-3λ数量级范围内的遥感称为超光谱(Ultra-spectral)遥感。40高光谱影像可以反映出在多光谱影像中难以表达的光谱近似物质的细微光谱差异。41高光谱影像可以完整地反映不同地物的诊断性光谱特征高光谱影像地物光谱曲线42成像光谱仪为每个像元提供数十个至数百个窄波段的光谱信息，每个像元都能产生一条完整而连续的光谱曲线。这就是高光谱遥感与常规遥感的主要区别。常规遥感的局限：波段太少；光谱分辨率太低；波段宽一般100nm；波段在光谱上不连续，不能覆盖整个可见光至红外光(0.4~2.4nm)光谱范围。如一个TM波段内只记录一个数据点，而航空可见光/红外光成像光谱仪(AVIRIS)记录这一波段范围内的光谱信息用10个以上数据点。常规遥感与高光谱遥感对比43441、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350~2500nm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。特点小结：45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。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。463、如何处理高光谱遥感数据？高光谱遥感技术的发展来自于成像技术的不断完善，成像光谱仪有其独特的优越性，但同时海量数据也给应用和分析带来了不便。在成像光谱仪的遥感应用研究当中，我们可以把方法分为两类：47（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，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。一、基于纯像元的分析方法:48（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，即进行“降维”的研究。49二、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。50总结起来，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，例如：(1)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，恢复地物光谱的真实面目；(2)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；(3)基于光谱数据库的地物光谱匹配识别算法；(4)混合