高光谱遥感实验指导书

1、2015年4月目录实验一 高光谱遥感数据获取1实验二 高光谱遥感数据的大气校正4实验三 地物光谱测量与成像7实验四 MNF 与端元选取11实验五 光谱特征分析17I实验一高光谱遥感数据获取实验目的高光谱遥感数据的具有较高的光谱分辨率，每个波段的范围小（窄波段），通常具有数十个至200 多个窄波段。本次实验的目的是利用 ENVI、Erdas 等软件观察TM、 AVIRIS和 Hyperion 等遥感数据或者实验室使用Headwall 高光谱相机拍摄的高光谱图像数据，认识高光谱数据的图谱合一的特点。实验内容1、 合成真彩色和假彩色的影像2、 提取同类或异类地物（物体）的光谱曲线预备知识1、 遥感数

2、据的基本参数a)ETM波段波长( 微米)分辨率 ( 米)主要作用Band 1蓝绿波段0.45-0.5230用于水体穿透 , 分辨土壤植被Band 2绿色波段0.52-0.6030分辨植被Band 3红色波段0.63-0.6930处于叶绿素吸收区域 , 用于观测道路/ 裸露土壤 / 植被种类效果很好用于估算生物数量 , 尽管这个波段Band 4近红外0.76-0.9030可以从植被中区分出水体，分辨潮湿土壤，但是对于道路辨认效果不如 TM3用于分辨道路 / 裸露土壤 / 水, 它还Band 5中红外1.55-1.7530能在不同植被之间有好的对比度 ,并且有较好的穿透大气、云雾的能力。1Band

3、 6热红外10.40-12.5060感应发出热辐射的目标。Band 7中红外2.09-2.3530对于岩石 / 矿物的分辨很有用 ,也可用于辨识植被覆盖和湿润土壤。Band 8全色0.52-0.9015得到的是黑白图象 , 分辨率为15m,用于增强分辨率 , 提供分辨能力。b)AVIRIS指标波段波长( 微米)波长范围400-2500nmBand 1-4紫外0.369-0.399光谱分辨率10nmBand 5-14蓝光0.409-0.497Fwmh10nmBand 15-24绿光0.507-0.596Band 25-36红光0.606-0.693Band 37-63近红外0.702-1.048

4、c)Hyperion指标波段波长( 微米)波长范围430-2400Band 1-5紫外0.356-0.396光谱分辨率10nmBand 6-15蓝光0.406-0.498Band 16-25绿光0.508-0.600Band 26-36红光0.609-0.691Band 37-184近红外0.702-1.992Band 185-242中红外2.002-2.577报告内容1、分别使用AVIRIS和 Hyperion 数据，如何针对植被、水体等不同地物进行假彩色合成选择合适的波段？2、分别从 ETM+，AVIRIS和 Hyperion 数据中分别选取5 种不同的地物，提取曲线。从光谱剖面曲线上，比

5、较分析多光谱数据和高光谱数据的各自特点。3、信噪比计算， 对 Headwall 拍摄的数据， 采用 MNF 去噪后，实现以下计算和比较分析：去噪前后，各波段图像的信噪比值2去噪前后，同一像素的（或同一区域的平均）光谱的信噪比值3实验二高光谱遥感数据的大气校正实验目的大气的影响对高光谱遥感而言比多光谱遥感更重要，尤其是陆地高光谱遥感， 消除大气的影响而获得接近地面测量的光谱数据，对于准确识别地物、 属性估计等具有十分重要的意义。大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地物反射率和辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧对地物反射的影响

6、，消除大气分子和气溶胶散射的影响。本次实验的目的是掌握一般大气校正方法，理解大气传输过程中散射、吸收和折射作用的影响机理和校正的原理，掌握大气校正的一般方法和处理过程。实验内容1、使用黑暗目标法分别对TM和 AVIRIS影像进行大气校正2、使用 FLAASH模块对 AVIRIS影像进行大气校正预备知识1、黑暗目标消减法(Dark Object Substraction,DOS)基本原理：寻找影像中的最暗的目标区域，假设该区域的光谱反射率为 0，而实际获得的反射率是由于大气影响或程辐射的结果，并且其它区域受到相同的影响。 那么，可以通过从每个像元的反射率4扣除掉黑暗目标的反射率就可以达到大气校正

7、的目的。通常情况下，我们一般选择水体作为暗目标。b) ENVI 中DOS 的操作i. ENVI 中DOS 被称为 Dark Subtractii. 依次选择菜单Basic Tool Preprocessing GeneralPurpose Utilities Dark Subtract，启动模块。选择待校正的图像，选择 Band Minimum选项，即每个波段的最小值将被自动选为暗目标的反射率。处理后保存结果即可。2、 ENVI FLAASH简介：ENVI 的高精度大气校正工具包， 其最新扩展模块 FLAASH2.0 专门对波谱数据进行快速大气校正分析。 FLAASH可以处理任何高光谱数据、卫

8、星数据和航空数据 (860nm/1135nm) ，这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO1)AISA、HARP、DAIS、Probe1、 TRWIS3、SINDRI、MIVIS、 OrbView 4、NEMO 等传感器获得的。 FLAASH还可以校正垂直成像数据和侧视成像数据。FLAASH 是目前精度最高的大气辐射校正模型，使用了MODTRAN 4 辐射传输模型的代码，基于像素级的校正，校正由于漫反射引起的连带效应，包含卷云和不透明云层的分类图，可调整由于人为抑止而导致的波谱平滑。 FLAASH 可对 Landsat, SPOT,AVHRR,AST

9、ER,MODIS, MERIS,AATSR,IRS 等多光谱、高光谱数据、航空影像及自定义格式的高光谱影像进行快速大气校气校正的目的。通常情况下， 我们一般选择水体作为暗目标。5ENVI 中的 FLAASH 的操作请参见附件 ENVIFLAASH使用手册报告内容1、一些基本的概念：大气散射大气吸收和地面遥感可以利用的主要大气窗口解释为什么天空是蓝色的，而在太阳升起和落下时天空会呈现红色或橘红色为什么需要进行大气校正2、对比分析DOS 和 FLAASH 的处理结果， 注意典型地物的校正效果。从大气传输过程简要分析一下FLAASH的关键参数设置对结果的影响。6实验三地物光谱测量与成像实验目的1、了

10、解地面高光谱数据获取的一般方法和测量过程2、了解地物光谱仪的一般工组原理3、理解地物光谱测量是定量遥感建模的重要内容实验内容1、了解野外便携式地物光谱仪的原理、使用和操作2、使用野外便携式地物光谱仪测量典型地物（水，土，作物）的光谱曲线预备知识1、便携式地物光谱仪的基本工作原理光纤光谱仪是现代主流的便携式地物光谱仪，基本工作原理是光源发光通过光纤传导入采样探头，光线照射于物体表面后，反射光再经探头导入与光谱仪相连的光纤束，被测光由接头入射到光谱仪内。光谱仪内的分光结构至关重要。入射光经反射准直镜准直，平面反射式光栅分光后， 将入射光分成按一定波长顺序排列的单色光，再由成像物镜聚焦后，投射到 C

11、CD阵列的光敏面上进行检测。典型的光纤光谱仪的构造如下图。7实验采用垂直测量量方法，计计算公式为为：? ? ? ? ?式中， ()为被测物体的反反射率， s()为标准版的反射射率， V()，Vs()分别为测测量物体 和标准版版的仪器测测量值。2、 几种便携式式地物光谱谱仪SVVC便携式地物光谱仪仪的基本参数光谱范围：350 2500 nm内置存 储器 ：500 scans( 扫)通道数 ：1024线阵列探探测器：( 1) 512 Si ， 350-1000nmm(22) 256 InGa aAs，1000-11850nm( 3) 256 扩展的 InGaAss，1850-25 00nm光谱分辨

12、率 （FWHM）： 3.5nm, 3500 1000 n nm8.5nm 10000 1850 n nm6.5nm, 18550 2500 nm最小积分分时间 ：1 毫秒2)海洋光学 USB4000VISNIR光谱范围：350 1000nm内置存储储器 ：-通道数：-线阵列探探测器：3648 Si ，350 -1000nm光谱分辨率 （ FWHM）： 1. 5nm, 350 1000 nm最小积分分时间 ：3. 8 毫秒8实验步骤1、测量目标和条件的选择（1）环境 : 无严重大气污染，光照稳定，无卷云或浓积云，风力小于 3 级，避开阴影和强反射体的影响(测量者不穿白色服装)。2） 时间 : 地

13、方时 9: 3014: 30 。3） 取样 : 选择物体自然状态的表面作为观测面，取样面积大于地物自然表面起伏和不均匀的尺度，被测目标面要充满视场。（4）标准板 : 标准板表面与被测地物的宏观表面相平行，与观测仪器等距，并充满仪器视场，保证板面清洁。2、安装仪器开始测试1） 对准标准板，读取数据为 Vs 。2） 移开标准板对准地物，读取数据Vg 。3） 重复步骤 (1)(2)， 测量 59 次， 记录数据， 计算平均值。（4） 更换目标，做好信息记录，重复 (1)(3)步骤。（5） 整理数据，根据上述公式计算反射率g() , 标准板的反射率s() 为已知值。仪器安装注意事项:测量高度 : 仪器

14、保持水平架设， 离被测地物表面距离1m。几何关系 :仪器轴线与天顶的倾斜角 2，标准面水平9放置。3、分析实测结果1）根据计算结果，准确绘出地物光谱反射率曲线图。2）根据所绘曲线， 比较不同地物光谱特征，分析在遥感影像上可能产生的差异。3）分析实习过程中可能引起误差的因素。报告内容1、分析地物光谱测量过程中的几种主要的影响因素。2、在 Excel或 Matlab 中绘制测量得到的典型地物的光谱曲线，并从地物的光谱响应特征和特征波段的测量结果对数据的质量进行分析和简要评价10实验四 MNF 与端元选取实验目的光谱解混是高光谱数据处理与分析的基本方法和必要的过程。本次实验目的是了解高光谱影像混合的

15、基本理论，掌握端元选取和光谱解混的一般方法。实验内容1、MNF变换 是本次实验使用 AVIRIS的高光谱影像， 已经经过消光和大气校正。在 ENVI中打开该影像，按照下列步骤进行 MNF变换处理：（ 1） 从 ENVI 的主菜单按照下列之一的方式打开MNF 的对话框a)Transform MNF Rotation Forward MNF Estimate NoiseStatistics From Datab)Spectral MNF Rotation Forward MNF Estimate NoiseStatistics From Data（ 2） 选择 cup95e

16、文件，默认Spatial Subsetting, SpectralSubsetting , 和 Masking ，然后点击OK ，打开 Forward MNFTransform Parameters的对话框；3） 按照下图的命名方式指定每个文件名和参数，文件路径可以指定到其他位置。其他参数缺省。114）点击 OK ， ENVI 运行完毕后， 会出现 MNF Eigeenvaluess的绘图窗口口 (下图 )，并且 cup 95mnf.daat 会自动加加入到 Avvailable Bands LList 窗口中中。下图描描述了各个个波段包含含噪声的大大小。 特征12值越接近1的波段

17、包含的噪声越大，因此从上图中可以判断波段的有效性。2、端元选取（1）在 Availabl中选择 cup95mnf.ddat ，选择第 1e Bands List 窗口中个波段， 选择 Graay Scale ，点击 Dis play #1 ，选择 Neww Displayy 和Load Baand ，按照灰度图像像的方式打打开。（2）观察 MNF 的散点图 。在显示示 cup95mnnf的窗口上上依次选择择Tools 2D Scatte er Plots，然后在 Scatter P lot BandChoice 对话框中选择择不同的两两个编号差差异比较大大的波段（如 band 1和 band

18、25 ），或者选择择两个编号号较大但差差异小的波波段（如 band24 和 band25 ）。注意散点点图中的拐拐角或定点点。（ 3）利用散点点图选择端端元。在 Scatter P lot窗口中，选择 Options13Changee Bands，打开 Band Choicee对话框， X和 Y分别对应选选择MNF Band 1和MNF Bandd 2，点击 OK。然后选择 Opptions Image:ROI ，在窗口中点点云的拐角角或者延伸伸出去的的位置选择择部分数据点点，如下图图例子所示示：然后右击击选择多边边形，数据据点在对应应的图像中中就会用 红色显示示出来。再次选择 Class N

19、ew ，按照上上面的要求求绘制另 外一个不同位置 ROI ，并选中中。 从菜单中选择 Options Imagee: Dance 。在MNF的 Image wi indow 就可以看到到相应的像像素点。14选择 Opti ons Export All ，在 ROI TTool对话框中显示 定义的这这些区域。重复上述过过程得到多多个端元 。注意， 通过不同同波段的组组合来辨识端元是十分分重要的。（ 4） 在cup95eff窗口的菜单单中选择 Ov Region n ofverlayInteres st ，将保存的 ROI 调入到 cup显示窗口。在 ROI Tp95eff 的Tool的窗口中中选

20、择 Statts, 选择所所有的 ROI 显示统计计结果的窗窗口，在其其中选择 Plott 和 Meaan for alll ROIs，就可以得得到每一个个 ROI 的表面平均反反射光谱。接下来可可以用 Z profile观察每个端端元的光 谱。预备知识MNF 变换。最小 噪声 分离变 换（ MinnimumNoise FractionRotation ， MNFRotation ）工具用于判判定图像数数据内在的的维数（即即波段数 ），分离数据中的噪声，减减少随后后处理中的的计算需求求量。 MNNF 本质上上是两次层层叠的主成分变换换。第一 次变换（ 基于估计计的噪声协协方差矩阵阵）用于分分离和重新调节数数据中的 噪声，这步操作使使变换后的的噪声数据据只有最小小的15方差且没有波段间的相关。第二步是对噪声白化数据（ Noisewhitened ）的标准主成分变换。为了进一步进行波谱处理，通过检查最终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分：一部分与较大特征值和相对应的特征图像相关，其余部分与近似相同的特征值以及噪声占主导地位的图像相关。MNF 变换的结果按照空间一致性降序排列