hyperion高光谱_Hyperion高光谱

hyperion高光谱_Hyperion高光谱

       大家好，很高兴有机会和大家一起探讨hyperion高光谱的问题。我将用专业的态度回答每个问题，同时分享一些具体案例和实践经验，希望这能对大家有所启发。

1.可见光-短波红外高光谱

2.高光谱遥感概述

3.高光谱遥感的概念与原由

4.高光谱成像仪的发展现状

5.高光谱遥感和多光谱遥感有什么区别？

6.高光谱矿物信息提取

可见光-短波红外高光谱

       一、内容概述

       高光谱遥感地质应用的动力一直来源于矿产地质填图及出于矿产勘查目的而对地表组成信息的获取。其原因通常与热液系统有关。不同类型的蚀变或矿化，往往具有与之相对应的主要光谱吸收特征组合，因而在可见光-短波红外光谱中能够发现诊断性吸收特征，并对相关矿物组合进行填图。

       这方面的应用多数采用机载高光谱数据，而AVIRIS和HyMAP是最常用的机载传感器。Kruse（2003）使用Hyperion 航天高光谱数据与 AVIRIS 数据进行了对比，他认为，“星载高光谱传感器可以生成有用的矿物信息，但今后星载传感器必须提高信噪比（SNR），才能达到目前利用机载传感器（如AVIRIS）数据进行填图的相同水平”。有一些研究，包括对比使用高级陆地成像仪（ALI）、ASTER和Hyperion数据进行矿物填图，以及单独使用Hyperion数据进行热液蚀变矿物填图的试验结果，都支持上述观点。近来，Hyperion被用于更新约旦德纳（Dana）国家地质公园的地质图，通过包括微小校正在内的处理过程，生成地层划分产品。

       二、应用范围及应用实例

       研究最多的系统是热液系统，因为它包含有丰富的具有光谱学活性的矿物组，比如含羟基矿物（热液成因黏土、硫酸盐）、含铵基矿物、层状硅酸盐、铁氧化物和碳酸盐等。经典的研究程度很高的热液系统是美国宇航局喷气推进实验室在内华达州Cuprite矿区的试验场，在那里进行的一些关于光谱学的早期研究为陆地卫星（Landsat）、ASTER及随后的高光谱传感器的研发奠定了基础。关于高光谱遥感的文献，大部分研究的是（低、高硫化）浅成热液金矿系统，主要利用蚀变矿物方法来研究矿化系统的矿产开发前景。一种根据ASTER数据进行区域蚀变填图，随后在局部利用Hyperion数据进行靶区圈定的综合方法，已经在矿产勘查过程中使用。最近，为了开发利用地热资源，还对正在活动的热液系统开展了研究。

       对其他类型矿床的研究较少，但大多数常见矿床都已经用高光谱数据做过分析，包括卡林型（利用ASTER进行野外高光谱测量）、太古宙脉状型、矽卡岩型、钙质矽卡岩型和火山成因块状硫化物（VMS）成因矿床等。这些研究侧重地表矿物填图，并将其作为找矿标志。其中一项比较有意思的运用是将光谱学用于VMS型矿床中硫化物矿石的分级。尽管一些关于与迈尔马克（Tschermak）置换有关的吸收特征位置的早期研究表明，云母与绿泥石的化学成分可引起较小的波长偏移，这种偏移与Na-K或Al-Mg的成分变化有关，但填图时很少考虑这个问题。近来这项工作朝着岩石变质级别的评价方向前进了一步，但仍然未说明这些较小的波长偏移现象。有些文献将光谱学与矿物化学综合起来，以重建流体通道；有些研究者则根据碳酸盐吸收特征，对方解石 -白云石矿物组合或白云石化模式进行填图。此外，地球热液系统还被当作火星上的类似物，以增加对后者表面矿物的了解。有些研究者认为火星上有热液系统存在，但都形成于比地球相同地质背景的平均表面温度低许多的情况下。近来的研究在火星上发现了硫酸盐、含水硅酸盐和层状硅酸盐，都支持火星上存在热液作用的观点，但硫酸盐也可能由蒸发过程形成。

       有些研究利用高光谱遥感，分别在北极圈、花岗岩地体、蛇绿岩套和橄榄岩（西班牙Ronda橄榄岩）进行岩性填图。

       高光谱遥感也经常被用于矿山尾矿的研究。大多数研究侧重于尾矿中能够生成酸的矿物（如黄铁矿），并绘制了氧化产物（黄钾铁矾、水铁矿、针铁矿或赤铁矿）的空间分布图，以揭示环境污染的程度。这些研究主要侧重于地表矿物填图，大多数忽略了环境质量、健康方面的因素，以及地表淋滤过程与元素活动性的联系，还有地下水中的运移过程等。很少有研究将高光谱图件与健康因素结合在一起，唯一的一项研究是对粉尘中的石棉矿物进行填图，这些粉尘可能被风吹起来，并威胁到人类的健康。

       高光谱遥感很少被应用到石油与天然气工业。仅有的研究也主要集中在石油与天然气泄漏，以及对油砂填图并估计其中总的沥青含量。

       高光谱遥感一项有意义的进展是钻孔岩心成像和围岩成像。第一个公开报道的关于钻孔岩心高光谱成像的研究使用的是野外便携式红外光谱仪（PIMA），可追溯到1996 年。目前有几种钻孔岩心成像设备，可提供钻孔岩心的高光谱扫描数据。尽管这种技术对矿业公司而言，已经变得越来越好用，可确定矿石品位，并将真正的矿石同废矿区分开来，但关于这种技术的科学文献却很少。对这种技术的合理延伸就是陆地高光谱遥感，它可以对围岩或露头进行成像。这也是高光谱遥感的非常有前景的一项应用，因为：它填补了野外逐点测量结果与图像之间的空白；它可以测量用机载设备很不容易成像的垂直剖面。

       此外，值得一提的是，高光谱测量技术使得行星地质学在地表成分观察与填图方面取得重要突破。近年来，几项依据CRISM与OMEGA数据的研究已经取得了关于火星的新认识。层状硅酸盐的存在表明，火星表面曾经历过热液作用和/或风化作用。根据可见光-近红外（VNIR）光谱学原理，已经在火星上明确识别出了几种硅酸盐矿物。含铁、镁、铝的蒙脱石（绿脱石、皂石和胶岭石）含量最丰富，其次是少量的高岭石、绿泥石（富铁鲕绿泥石和镁绿泥石）、伊利石或白云母。层状硅酸盐尽管有一部分在早赫斯珀里得斯纪（Hesperian）岩石中被发现，但多数出现在诺亚纪（Noachian）岩石中。已发现的层状硅酸盐沉积物主要以3种不同的形式存在：①成层的硅酸盐沉积；②块状的诺亚纪层硅酸盐沉积；③陨石坑内含层状硅酸盐的沉积扇。对这些沉积物的成因机制，尽管已经提出了像火山灰蚀变、玄武岩风化壳近地表风化、经搬运的分选黏土在水下沉积及热液沉积等多种观点，但至今仍不明确。此外，对硫酸盐、橄榄石或辉石也进行了填图。

       三、资料来源

       van der Meer F D，van der Werff H M A，van Ruitenbeek F J A et al.2012.Multi?and hyperspectral geologic remote sensing：A review.International Journal of Applied Earth Observation and Geoinformation，14（1）：112～128

高光谱遥感概述

       相同点：多光谱和高光谱都属于光谱成像技术的一种，在图像处理领域都有广泛的应用。

       1、分辨率不同

       多光谱成像——光谱分辨率在 delta_lambda/lambda=0.1数量级，这样的传感器在可见光和近红外区域一般只有几个波段。

       高光谱成像—— 光谱分辨率在 delta_lambda/lambda=0.01数量级，这样的传感器在可见光和近红外区域有几卜到数百个波段，光谱分辨率可达nm级。

       2、波段不同

       多光谱图像通常指3到10个波段。每个波段都是使用遥感辐射计获得的。

       高光谱图像由更窄的波段（10-20 nm）组成，光谱图像可能有数百或数千个波段。一般来说，它来自成像光谱仪。

       3、原理不同

       高光谱：通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。

       多光谱：每个带是一幅灰度图像，它表示根据用来产生该带的传感器的敏感度得到的场景亮度。在这样一幅图像中，每个像素都与一个由像素在不同带的数值串，即一个矢量相关。这个数串就被称为像素的光谱标记。

       在高光谱图像中具有更高层次的光谱细节，可以更好地看到不可见的东西。例如，高光谱遥感由于其高光谱分辨率而在3种矿物之间进行提取。但多光谱陆地卫星专题制图仪无法区分这三种矿物。

       百度百科-多光谱图像

       百度百科-高光谱图像

高光谱遥感的概念与原由

       所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常＜10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常＞100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。

       近20年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术之一。

       1.2.1 高光谱遥感的起源和发展

       随着基础理论和材料科学的不断进步，近20年来，高光谱遥感技术迅速发展，已成为除雷达遥感、激光遥感、超高分辨率遥感等技术以外，当前遥感领域的又一重要研究方向。

       1.2.1.1 国外的高光谱成像仪研制情况

       由于高光谱遥感在地物属性探测方面的巨大潜力，成像光谱技术得到了普遍重视。

       （1）机载高光谱成像仪

       1983年，第一幅高光谱影像由美国研制的航空成像光谱仪（AIS-1）获取，标志着第一代高光谱成像仪的面世。1987年，美国宇航局（NASA）喷气推进实验室（JPL）研制成功航空可见光/红外成像光谱仪（AVIRIS），这标志着第二代高光谱成像仪的问世。

       （2）星载高光谱成像仪

       在航天领域，由美国喷气推进实验室研制的对地观测计划中的中分辨率成像光谱仪（MODIS），随TER2RA卫星发射，成为第一颗在轨运行的星载成像光谱仪，从2000年开始向地面传送图像。

       2000年，NASA发射的EO21卫星上搭载的高光谱成像仪（Hyperion），地面分辨率为30m，已在矿物定量填图方面取得了很好的应用效果。2002年美国的海军测绘观测（NEMO）卫星携带的海岸海洋成像光谱仪（COIS）具有自适应性信号识别能力，满足军用和民用的不同需求。另外，2007年6月交付美Kirtland空军基地的高光谱成像传感器将通过Tac2Sat23卫星载入太空。

       目前，许多国家都在积极研制自己的高光谱传感器，已明确有发射计划的有德国环境监测与分析计划的EnMAP，南非的多传感器小卫星成像仪MSMI和加拿大高光谱环境与资源观测者HERO。

       1.2.1.2 国外高光谱影像分析技术的研究现状

       在成像光谱仪快速发展的同时，地物光谱数据库、高光谱影像分析技术研究也得到了迅速发展。

       地物光谱数据库技术方面，以美国最为先进，有代表性的主要有JPL标准波谱数据库、USGS波谱数据库、ASTER波谱数据库和IGCP2264波谱数据库。此外，美国空军部门和环保局针对大气污染和空气成分的诊断建立了AEDC/EPA光谱数据库，并针对美国海军研究室研制的HYDICE成像光谱仪建立了森林高光谱数据库等。部分其他国家也展开了光谱数据库技术研究和建设工作，如英国在20世纪90年代初针对海水颜色研究建立了海水光谱数据库。

       美国国家航空航天局（NASA）、欧洲航天局（ESA）、日本国家空间发展局（NASDA）和大学及研究所都有专门的高光谱影像应用分析的研究机构。

       国外商业遥感图像处理系统，相继增加成像光谱数据处理模块，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 国内高光谱遥感技术发展现状

       我国紧密跟踪国际高光谱遥感技术的发展，并结合国内不断增长的应用需求，于20世纪80年代中后期着手发展自己的高光谱成像系统。主要的成像光谱仪有中国科学院上海技术物理研究所研制的推扫式成像光谱仪（PHI）系列、实用型模块化成像光谱仪（OMIS）系列、中国科学院长春光学精密机械与物理研究所研制的高分辨率成像光谱仪（C2HRIS）和西安光机所研制的稳态大视场偏振干涉成像光谱仪（SLPIIS）。中国科学院上海技术物理研究所研制的中分辨率成像光谱仪（CMODIS）于2002年随“神舟”三号发射升空，并成功获取航天高光谱影像，其获取影像从可见光到近红外共30个波段，中红外到远红外的4个波段，空间分辨率为500 m。

       2007年10月发射的“嫦娥1号”卫星已携带中国科学院西安光学精密机械研究所研制的干涉成像光谱仪升空，用于获取月球表面二维多光谱序列图像及可分辨地元光谱图，通过与其他仪器配合使用对月球表面有用元素及物质类型的含量与分布进行分析，获得的数据用于编制各元素的月面分布图。

       从2007年到2010年，我国将组建环境与灾害监测预报小卫星星座，将携带超光谱成像仪，采用0.45～0.95μm波段，平均光谱分辨率为5nm，地面分辨率为100m。

       我国在积极研制具有自主知识产权的成像光谱仪的同时，在地物光谱数据技术、高光谱影像分析技术等方面的研究中也取得了一系列可喜的成果。

       20世纪90年代初期，中国科学院安徽光学精密机械研究所、遥感所等单位对大量的典型地物进行了波谱采集，建立了我国第一个综合性“地物波谱特性数据库”。1998年，中国国土资源航空物探与遥感中心建立了“典型岩石矿物波谱数据库”，其中包含了我国主要的典型岩石和矿物500 余种。2000年，中国科学院遥感所基于GIS和网络技术研制了典型地物波谱数据库及其管理系统，记录了10000多条地物波谱，并能动态生成相应的波谱曲线和遥感器模拟波段，实现了波谱数据库与“3 S”技术的链接。

       1.2.2 高光谱成像仪简介

       1.2.2.1 国外高光谱成像仪系统介绍

       （1）航空高光谱成像仪

       1983年，世界上第一台成像光谱仪AIS-1（Aero Imaging Spectrometer-1）在美国喷气推进实验室研制成功，并成功应用于植被研究、矿物填图等方面，向世界展示了高光谱成像技术具有的潜力。此后，美国机载先进的可见光红外成像光谱仪（AVIRIS）、加拿大的荧光线成像光谱仪（FLI）和在此基础上发展的小型机载成像光谱仪（AIS）、美国Deadalus公司的MIVIS，GER公司的79波段机载成像光谱仪（ROSIS-10 和 ROSIS-20）、美国海军研究所实验室的超光谱数字图像采集试验仪（HYDICE）先后研制成功（表1.1）。

       表1.1 国外主要的机载高光谱成像仪信息

       近年来，成像光谱技术在资源调查、农作物长势、病虫害、土壤状况、地质勘查等方面的成功应用让世界各国看到了这项新技术的巨大前景与潜力，世界上一些有条件的国家竞相投入到成像光谱仪的研制和应用中来。各国在研制的同时纷纷参考已有成像光谱仪的先进技术，使得新研制的系统在继承了老系统各种优势的同时，很多方面得到了进一步的提高，在稳定性、探测效率、综合性能等方面均得到了很大的进步。其中，具有代表性的有美国的Probe、澳大利亚的HyMap、美国GER公司为德士古（TEXACO）石油公司专门研制的TEEMS系统等。

       Probe-1和Probe-2是Earth Search Sciences公司开发的另一个有影响的航空成像光谱仪系统，该系统在0.4～2.5μm区有128个波段，光谱分辨率为18 nm。

       HyMap即“高光谱制图仪”（hyperspectral mapper）的简称，是以澳大利亚Intergrated Spectronics公司为主研制的。HyMap在0.25～0.45μm光谱范围有126个波段，同时在3～5μm和8～10μm两个波长区设置了两个可供选择的波段，共有128个波段。其数据在光谱定标、辐射定标和信噪比等方面都达到了较高的性能，总体光谱定标精度优于0.5 nm；短波红外波段（2.0～2.5μm）的信噪比都高于500∶1 ，有的波段其信噪比甚至高达1000∶1。

       TEEMS是德士古能源和环境多光谱成像仪（Texaco energy ＆ environmental multispectral imaging spectrometer）的简称。这是一台由美国地球物理和环境研究公司（GER）应德士古的技术要求与德士古的专家合作专门研制的具有200 多个波段、性能十分先进的实用型高光谱成像仪。该系统在紫外、可见光、近红外、短波红外、热红外波段等波谱均具有成像能力，从而在石油地质勘探特别是在勘探与油气藏有关的特征中具有很大潜力。

       近年来热红外成像光谱仪已有了实质性的进展。最具有代表性的是美国宇航公司研制的空间增强宽带阵列光谱仪系统（spatially enhanced broadband array spectrograph system，SEBASS）。SEBASS有两个光谱区：中红外，3.0～5.5μm，带宽为0.025μm；长波红外，7.8～13.5μm，带宽为0.04μm。它在中波红外区和长波红外区分别有100个、142个波段；所使用的探测器为两块128*128的Si：As焦平面，有效帧速率为120Hz，温度灵敏度为0.05℃，信噪比＞2000。热红外成像光谱仪为更好地反映地物的本质提供了珍贵的数据，已经被应用于探矿、地质填图、环境监测、农林资源制图、植被长势等诸多领域。

       （2）航天高光谱成像仪

       美国先后研制出中分辨率成像光谱仪（MODIS），EO-1高光谱卫星，并与日本合作研制出的先进星载热发射反射辐射计（advanced satellite thermal emission/reflection radiometer）以及美国军方的“Might-Sat”高光谱卫星，在航天成像光谱技术研究方面一直在世界遥遥领先。

       MODIS是EOS-AM1卫星（1999年12月发射）和EOS-PM1（2002年5月发射）上的主要探测仪器——中分辨率成像光谱仪，也是EOS Terra平台上唯一进行直接广播的对地观测仪器。通过MODIS可以获取0.4～14μm范围内的36个波段的高光谱数据，为开展自然灾害、生态环境监测、全球环境和气候变化以及全球变化的综合性研究提供了重要的数据源。

       MODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器。MODIS可获取0.4～14μm范围内的36个波段的高光谱数据，为开展生态环境研究、自然灾害监测、全球环境和气候变化等研究提供了重要的数据源。

       ASTER搭载在Terra卫星上的星载热量散发和反辐射仪，是于1999年12月18日发射升空的，由日本国际贸易和工业部制造。一个日美技术合作小组负责该仪器的校准确认和数据处理。ASTER是唯一一部高分辨解析地表图像的传感器，其主要任务是通过14个频道获取整个地表的高分辨解析图像数据——黑白立体照片。ASTER能在4到16天之内对同一地区进行成像，具有重复覆盖地球表面变化区域的能力。ASTER数据特点之一是基于用户要求的观测，即根据用户提出的要求来随时随地地获取影像。ASTER的宽谱覆盖和高分辨能力给科学家们在诸如监测冰河的前进与退却，对潜在的活火山的监测，鉴别作物能力，对云层形态及物理状况的监测，湿地评估，热污染监测，珊瑚礁的退化，土壤及地质的表面温度绘图，以及测量地表的热平衡等众多学科领域提供了可供鉴定的信息。

       美国宇航局（NASA）的地球轨道一号（EO-1）是美国NASA新千年计划的一部分，在2000年11月21日发射。地球观测1号卫星与LandSat-7覆盖相同的地面轨道，两颗卫星对同一地面的探测时间相差约1分钟的时间。EO-1带有三个基本的遥感系统，即高级陆地成像仪（advanced land imager，ALI），高光谱成像仪（HYPERION）以及大气校正仪（liner etalon imaging spectrometer arrey atmospheric correction，LAC）。EO-1上搭载的高光谱遥感器hyperion是新一代航天成像光谱仪的代表，也是目前唯一在轨的星载高光谱成像光谱仪以及唯一可公开获得数据的高光谱测量仪，共有242个波段，光谱范围为400～2500nm，光谱分辨率达到10nm，空间分辨率为30m。

       2000年7月，美国发射的MightSat-Ⅱ卫星上搭载的傅立叶变换高光谱成像仪（fourier transform hyperspectral imager，FTHSI）是干涉成像光谱仪的成功典范。

       欧洲空间局于2001年10月成功发展了基于空中自治小卫星PROBA小卫星的紧密型高分辨率成像光谱仪（CHRIS），并发射成功。CHRIS在415～1050μm的成像范围内有五种成像模式，不同的模式下其波段数目、光谱分辨率和空间分辨率不等，波段数目分别是18 ，37和62 ，光谱分辨率为5～15nm，空间分辨率为17～20m或者34～40m。CHRIS能够从五个不同的角度（观测模式）对地物进行观测，这种设计使得其能获取地物反射的方向性特征。

       欧洲空间局继美国AM-1 MODIS之后于2002年3月又成功发射了Envisat卫星，这是一颗结合型大平台先进的极轨对地观测卫星。其中分辨率成像光谱仪（MERIS）为一视场角为68.5°的推扫型中分辨率成像光谱仪，其地面分辨率为300m，在可见光-近红外光谱区有15个波段，可通过程序控制选择和改变光谱段的布局。

       日本继ADEOS-1之后于2002年12月发射了后继星ADEOS-2 ，其上搭载了日本宇宙开发事业团的两个遥感器（AMSR和GLI）和国际或国内合作者提供的三个遥感器（POLAR，ILAS-Ⅱ，Sea Winds）。GLI在可见光-近红外和短波红外分别有23个、6个波段，而在中红外和热红外则有7个波段。到目前为止，已发射的具有代表性的星载成像光谱仪如表1.2所示。

       表1.2 国外主要星载高光谱成像仪

       1.2.2.2 我国高光谱成像仪系统介绍

       （1）航空高光谱成像仪

       我国成像光谱仪的发展经历了从多波段扫描仪到成像光谱扫描，从光机扫描到面阵CCD探测器固态扫描的发展过程。

       “八五”期间，新型模块化航空成像光谱仪（modular aero imaging spectrometer，MAIS）的研制成功标志着我国的航空成像光谱仪技术和应用取得了重大突破。此后我国自行研制的推扫型成像光谱仪（PHI）和实用型模块成像光谱仪系统（OMIS）在世界航空成像光谱仪大家庭里占据了重要的地位。

       （2）航天高光谱成像仪

       我国于2002年3月发射的神舟3号无人飞船中就搭载了一个中分辨率的成像光谱仪（CMODIS），该仪器共有34个波段，波长范围在0.4～12.5μm。此外，环境减灾卫星搭载了115个波段的高光谱遥感器。“风云-3”气象卫星搭载的中分辨率成像光谱仪具有20个波段，成像范围包括可见光、近红外、中红外和热红外；“嫦娥一号”卫星搭载了我国自行研制的干涉成像光谱仪来探测月球物质。

       1.2.3 高光谱遥感成像特点与数据表达

       高光谱成像获取的图像包含了丰富的空间、辐射和光谱三重信息。其主要特点是将传统的图像维与光谱维信息融合为一体，在获取地表空间图像的同时，得到每个地物的连续光谱信息。高光谱数据是一个光谱图像的立方体，它由空间图像维、光谱维（从高光谱图像的每一个像元中可以获得一个“连续”的光谱曲线）和特征空间维（高光谱图像提供的是一个超维特征空间，挖掘高光谱信息需要深切了解地物在高光谱数据形成的N维特征空间中分布的特点与行为）。

       1.2.4 高光谱遥感的主要应用领域

       由于高光谱遥感能提供更多的精细光谱信息，有些学者将高光谱遥感的研究从最开始的矿物识别扩展到了水体、植被与生态、环境资源勘探等方面，但目前主要集中在地质、植被和水环境等研究领域。

       1.2.4.1 在植被监测中的应用

       高光谱遥感由于其具有超高的光谱分辨率，为植被参数估算与分析，植被长势监测及估产等方面提供了有力的支撑。

       1）植物的“红边”效应：“红边（REP）”是绿色植物叶子光谱曲线在680～740nm之间变化率最快的点，也是一阶导数光谱在该区间内的拐点。“红边”是植物光谱曲线最典型的特征，能很好地描述植物的健康及色素状态。当“红边”向红外方向移动时，一般可以判定绿色植物叶绿素含量高、生长活力旺盛；相反，当“红边”向蓝光方向移动时，一般可能是植物处于缺水等原因造成叶片枯黄等不健康状态。当植物覆盖度增大时“红边”的斜率会变陡。

       2）植被指数：植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况，是利用遥感光谱数据监测地面植物生长和分布、定性、定量评估植被的一种有效方法。根据不同的研究目的，人们已经提出了几十种植被指数，如比值植被指数RVI，归一化植被指数NDVI，差值环境植被指数DVIEVI，垂直植被指数PVI，土壤调整植被指数SAVI等。

       1.2.4.2 在农业中的应用

       高光谱遥感在农业中的应用，主要表现在快速、精确地进行作物生长信息的提取、作物长势监测、估算植被（作物）初级生产力与生物量、估算光能利用率和蒸散量及作物品质遥感监测预报，从而相应调整物资的投入量，达到减少浪费，增加产量，改善品质，保护农业资源和环境质量的目的。使用高光谱遥感数据估计作物的农学参数主要有两类方法：一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参数之间的关系；二是通过作物的红边参数来估计作物的物候性状及其农学参数。

       1.2.4.3 在大气和环境方面的应用

       高光谱遥感凭借其超高的光谱分辨率可以识别出宽波段遥感无法识别的因大气成分变化而引起的光谱差异，使人们利用高光谱遥感对周围的生态环境情况进行定量分析成为可能。利用高光谱技术可以探测到污染地区的化学物质异样，从而确定污染区域及污染原因；高光谱图像也可用来探测危险环境因素，例如，精确识别危险废矿物，编制特殊蚀变矿物分布图，评价野火的危险等级，识别和探测燃烧区域等。

       1.2.4.4 在地质方面的应用

       地质矿产调查是高光谱遥感应用中最成功的一个领域。各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分。在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。

       1.2.4.5 在军事上的应用

       由于高光谱影像具有丰富的地面信息，可用于精确识别地物种类，在军事侦察、识别伪装方面得到了成功的应用。美国海军设计的超光谱成像仪可在0.4μm～2.5μm光谱范围内提供210 个成像光谱数据，可获得近海环境目标的动态特征，例如海水的透明度、海洋深度、海洋大气能见度、海流、潮汐、海底类型、生物发光、海滩特征、水下危险物、油泄露、大气中水汽总量和次见度卷云等成像数据，对近海作战有十分重要的支撑意义。

高光谱成像仪的发展现状

       高光谱遥感的概念与原由如下：

       所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常＜10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常＞100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。

       它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。

       高光谱遥感和多光谱遥感的区别：

       1、高光谱的波段较多，普带较窄。（Hyperion有233~309个波段，MODIS有36个波段）

       2、多光谱相对波段较少。如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外，近红外和全色波段。

       3、高光谱遥感就是多比多光谱遥感的光谱分辨率更高，但光谱分辨率高的同时空间分辨率会降低。

       

扩展资料：

       高光谱遥感具有不同于传统遥感的新特点与优点

       新特点：

       1、波段多，可以为每个像元提供十几、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，数据量呈指数增加。

       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。

       优点：

       1、有利于利用光谱特征分析来研究地物。

       2、有利于采用各种光谱匹配模型。

高光谱遥感和多光谱遥感有什么区别？

       2.2.1 国内高光谱成像仪的研究现状

       国内高光谱成像技术的研究开始于20世纪80年代，对于机载成像光谱技术的研究，国内机载高光谱成像技术的发展基本与国外同步。世界上第一台高光谱仪AIS-1于1983年在美国喷气推进实验室研制成功，在矿物填图、植被化学成分、水色及大气水分等方面进行了试验应用，并获得成功。与此同时，以中国科学院上海技术物理研究所为主，与美国GER公司进行合作，成功研制出一台早期的6波段细分红外光谱仪（FIMS），在美国成功地进行了矿物填图试验。在我国“七五”期间，中国科学院上海技术物理研究所开展了64波段可见短波红外和7波段热红外模块航空高分辨率光谱仪的研制工作。由中国科学院上海技术物理研究所研制的MAIS，OMIS，PHI和WHI等系列机载高光谱成像仪，其性能指标均处于国际先进水平，并在国内外的遥感应用中获取了大量实用化的高光谱图像数据，极大地推动了国际上成像光谱技术的发展。

       与国外相比，中国星载高光谱成像技术的发展有较大差距。我国第一台高光谱成像仪是中国科学院上海技术物理研究所研制的SZ-3中分辨率高光谱成像仪，于2002年发射，成为全球第二个上天的可见光/红外中分辨率光谱成像仪，其空间分辨率为500m，光谱通道数为30个，其成果获得2004年国家科技进步二等奖。在“九五”和“十五”期间，国家部署了星载高光谱成像仪的研究工作，已取得了重大进展。例如，中国科学院上海技术物理研究所承担的星载高光谱成像技术的研究项目，研制出了工程样机，其光谱范围为400～2500nm，光谱分辨率为5～12nm；在轨道高度500km下，空间分辨率达20m，幅宽为20km，通过了力学试验。2008年9月发射的环境一号A卫星上，装载了一台傅立叶分光高光谱成像仪，光谱覆盖可见近红外波段，光谱通道数为115个，空间分辨率为100m，幅宽为50km，用于环境和灾害的监测。

       （1）实用型模块化高光谱成像仪（OMIS）

       OMIS是20世纪70年代以来，在所研制的各类通用/专用航空扫描仪的基础上，为适应成像光谱技术的发展趋势而研制的一台光机扫描型高光谱成像仪。其波段覆盖全，在可见光到长波红外的所有大气窗口上设置探测波段，满足不同需求的综合遥感应用；工作效率高，采用70°以上的扫描视场，提高实用化作业效率；采样波段多，系统工作波段达到128个，是当时国际上光谱通道数最多的遥感仪器之一；定量化程度高，通过机上实时定标装置与实验室辐射和光谱定标装置，使系统具备定量化成像光谱数据的能力。

       OMIS研制成功后，在国内外进行了数百次的遥感飞行，获取了大量的成像光谱数据，受到了国内外同行和用户的高度评价。该项目获得2002年上海市科技进步一等奖和2004年国家科技进步二等奖。OMIS系统的详细性能指标见表2.1 ，图2.1是OMIS系统的实物照片，图2.2是OMIS典型遥感应用图像。

       表2.1 OMIS系统性能指标

       （2）机载推帚式高光谱成像仪（Airborne WHI）

       WHI是中国科学院上海技术物理研究所于1997年研制成功的机载推帚式高光谱成像仪。WHI实现了高性能、实用化的总体设计，技术指标达到国际先进水平。WHI仪器的主要技术指标如表2.2所示。

       图2.1 OMIS系统的实物照片

       图2.2 OMIS典型遥感飞行图像（北京北郊）

       表2.2 WHI性能指标

       WHI已成功用于我国广西、新疆、江西等地的生态环境、城市规划等遥感应用项目及日本、马来西亚等国际合作项目，取得了良好的社会和经济效益，并获得2004年国家科技进步二等奖。图2.3是WHI高光谱成像仪的实物照片，图2.4是WHI在日本名古屋飞行时获取的图像。

       图2.3 WHI高光谱成像仪的实物照片

       图2.4 WHI高光谱成像仪获取的图像（日本名古屋）

       （3）HJ-1-A卫星高光谱成像仪

       中国科学院西安光学精密机械研究所于2003年开始承担环境一号A星主载荷高光谱成像仪（HJ-1-A/FTHSI）的研制工作，环境一号卫星于2008年9月发射，主要用于环境和灾害的监测。HJ-1-A/FTHSI是我国第一台在轨运行的对地观测高光谱成像仪，对于促进我国高光谱成像技术的发展具有重要意义，其性能指标如表2.3所示。图2.5是HJ-1-A卫星高光谱成像仪的实物照片。

       表2.3 HJ-1-A卫星高光谱成像仪技术指标

       续表

       图2.5 HJ-1-A卫星高光谱成像仪的实物照片

       2.2.2 国外高光谱成像仪的研究现状

       2.2.2.1 第一代高光谱成像仪

       1983年，第一幅由航空高光谱成像仪（AIS-1）获取的高光谱分辨率图像以全新的面貌呈现在科学界面前，它的出现标志着第一代高光谱分辨率传感器的面世。第一代高光谱成像仪以AIS-I和AIS-2为代表，在以后数年中AIS数据被成功地应用于多个研究领域。

       AIS高光谱成像仪由光学系统、探测器和电子线路三部分组成，其结构如图2.6所示。AIS的光学系统由前置光学系统和光谱仪两部分组成，前置光学系统是由M1和M2两个反射镜组成的同轴许瓦茨希尔特望远镜，口径为23.5mm，焦距为70.7mm；光谱仪是由准直镜M3、光栅和会聚反射镜M4组成。

       图2.6 AIS系统结构图

       表2.4给出了AIS高光谱成像仪的主要性能指标，其光谱范围覆盖了短波红外1.2～2.4μm，谱段数多达128个，光谱采样间隔优于10nm，但幅宽只有150多米。因为当时探测器的研制技术有限，所以其幅宽非常窄。但它的确开创了兼顾高光谱和高空间分辨率、使光谱和图像合一的高光谱遥感技术新时代。

       表2.4 AIS主要性能指标

       2.2.2.2 第二代高光谱成像仪

       第二代高光谱成像仪于1987年问世，美国宇航局从1983年开始研制一种名为航空可见光高光谱成像仪（AVIRIS），它是第二代高光谱成像仪的代表。此后，许多国家先后研制出多种类型的航空高光谱成像仪，如美国的AVIRIS，DAIS，加拿大的FLI，CASI，德国的ROSIS，澳大利亚的HyMap等，国外典型的机载高光谱成像仪如表2.5所示。与AIS传感器相比，AVIRIS在传感器本身、定标、数据系统及飞行高度等方面都有很大的改进。与AIS不同，AVIRIS是扫描型高光谱成像仪。

       表2.5 AVIRIS性能指标指标

       如图2.7所示，AVIRIS采用肯尼迪（Kennedy）扫描机构，利用三角形棱柱的两面反射镜实现高效率扫描，焦面上的四根光导纤维按垂直飞行轨迹方向排列，它们将收集到的各波段像元的辐射传送到四个光谱仪的入口处，其中四个光谱仪的波段范围分别为0.4～0.7μm，0.6～1.25μm，1.2～1.82μm，1.78～2.4μm。光谱仪采用一种自准直型施密特（Schmidt）全反射系统，使用光栅进行分光，光栅排列在非球面校正镜上。分光后的光线再经光谱仪的反射镜聚焦到探测器列阵上，以便得到多光谱图像。AVIRIS设计时有四项主要要求：①在光谱方面，比AIS宽，可以覆盖0.4～2.5μm的太阳反射波段；②在空间分辨率方面，比AIS提高将近一倍；③幅宽比AIS提高将近一个量级，总视场为30°，每行达到550 个像元；④提高数据质量，为应用研究部门提供高可靠性的有用数据。图2.8和表2.5分别给出了仪器的结构模型和主要性能指标。

       2.2.2.3 第三代高光谱成像仪

       在航天领域，由美国喷气推进实验室研制的对地观测计划中的中分辨率高光谱成像仪（MODIS），随TERRA卫星发射，成为第一颗在轨运行的星载高光谱成像仪。21世纪以来，在机载仪器成功研制并推广应用的基础上，世界航天大国纷纷开展高光谱成像技术的空间应用，主要有：

       1）1997年发射失败的LEWIS-Hyperspectral Imager；

       图2.7 AVIRIS光机原理图

       图2.8 AVIRIS仪器结构模型图

       2）2001年10月22日发射的欧洲CHRIS（Compact High Resolution Imaging Spectrometer）；

       3）2000年7月19日发射的美国强力星傅立叶高光谱成像仪MightySatII-FTHSI（Fourier Transform Hyper-Spectral Imager）；

       4）2000年12月21日发射的美国航空航天局新千年计划的EO1-Hyperion高光谱成像仪；

       5）2001年9月21日发射失败的OrbView4-WarFighter1 hyperspectral imager；

       6）2005年8月10日发射的火星勘探者MRO-CRISM（MARS Reconnaissance Orbiter-Compact Reconnaissance Imaging Spectrometer for Mars）；

       7）计划中的美国海军NEMO-COIS（Naval Earth Map Observer Program，Coastal Ocean Imaging Spectrometer）。

       表2.6 给出了国外星载高光谱成像仪的主要技术指标。光谱范围基本分布在 0.4～2.5μm（CRISM覆盖到了4.05μm），空间分辨率为8～60m，幅宽为5～30km，光谱分辨率为5～20nm。典型的星载高光谱成像仪有欧洲的CHRIS，美国的Hyperion和FTHSI，它们分别代表了以棱镜、傅立叶干涉和光栅分光的三种主要的分光方式。

       表2.6 国外星载高光谱成像技术的主要技术指标

       （1）基于棱镜分光的CHRIS高光谱成像仪

       CHRIS是欧空局在轨自主运行计划（PROBA-1，Project for On-Board Autonomy）的主要有效载荷，该卫星于2001年10月22日在印度Shriharikota 航天发射场发射升空。经过几年的在轨运行，CHRIS获取了大量高质量的空间成像光谱数据。

       CHRIS覆盖400～1050nm的可见近红外谱段，采用棱镜分光，望远镜的口径为120mm，F数为6。望远镜采用折反射同轴两反系统，主反射镜和次反射镜均采用球面结构，光学入瞳处的弯月形大透镜校正球差，光学结构如图2.9所示。CHRIS系统的光谱仪包括入射狭缝、两个曲面棱镜、三个球面反射镜（其中包含2个凹面和1个凸面）构成。类似Offner结构的三反镜起到二次成像的作用，光路中的两个球面棱镜起到色散和会聚的作用。

       图2.9 CHRIS系统光学结构图

       CHRIS的特点是结构相对简单、质量轻、空间分辨率较高，不足的是仅覆盖了可见近红外谱段。另外，CHRIS的光谱采样间隔为非均匀分布。图2.10是CHRIS的光谱带宽分布曲线，可以看出短波方向光谱带宽较窄，在400 nm的波段位置为1.25 nm；长波方向光谱带宽较大，1050 nm的波段位置为11 nm。图2.11给出了 CHRIS 在轨的系统信噪比，“Peak_SNR”来自图 2.12 中的（a）图像，“SNR”来自（b）图像。

       图2.10 CHRIS仪器光谱分辨率与波长的关系曲线

       （2）基于傅立叶干涉分光的FTHSI高光谱成像仪

       美国空军研究实验室于2000年7月19日在范登堡空军基地发射了一颗搭载首台空间平台傅立叶高光谱成像仪（FTHSI）的卫星MightySatII。FTHSI覆盖475～1050nm的光谱范围，采用Sagnac干涉仪进行分光，光谱分辨率约85 cm-1。FTHSI也是第一台应用于空间对地观测的高光谱成像仪。光学系统由有效口径为165 mm的R-C望远镜和Sagnac干涉仪组成。系统空间维的F数为3.4 ，光谱维的F数为5.3。探测器选用Thomson公司的TH7887A探测器，工作帧频为75～110 fps。根据不同的像元合并，量化精度为8 bit或12 bit。图2.13是FTHSI系统的结构图，图2.14给出了系统的测试信噪比，只有720～960 nm之间的光谱通道信噪比大于50 ，到550 nm之前的光谱通道信噪比已小于20 ，而500 nm以前光谱通道的信噪比已几乎为零。

       图2.11 CHRIS光谱各通道信噪比

       图2.12 CHRIS信噪比测试图像

       图2.13 MightySatII/FTHSI系统结构图

       图2.14 MightySatII.1/FTHSI信噪比测试结果

       （3）基于凸面光栅分光的Hyperion高光谱成像仪

       EO-1（Earth Observing-1）是美国NASA为接替Landsat 7而研制的新地球观测卫星，于2002年11月发射升空。Hyperion高光谱成像仪是EO-1卫星的主要光学有效载荷，其主要任务是在轨验证高光谱成像技术，评估利用星载高光谱成像仪的对地观测能力。系统着眼于能够减少当前商业遥感卫星（LandSat）和相关地球观测系统成本的新型遥感器和卫星技术。

       Hyperion仪器由光机头部组件（HSA）、电子学组件（HEA）、制冷电子学组件（HEA）组成，如图2.15所示。HSA包括光学系统、制冷器、在轨定标系统和高速焦平面电子学电路。光学系统由望远物镜和两个光栅分光计组成。主光学采用离轴三反系统，口径为125mm，F数为8；后光学是基于凸面光栅分光的offner光谱仪，其空间分辨率为30m，在0.4～2.5μm范围内共有220个波段，其中在可见光近红外（400～1000nm）范围内有60个波段，在短波红外（900～2500nm）范围内有160个波段。两个通道在900～1000 nm的波段范围内有光谱重叠，可以利用这些光谱进行交叉定标。图2.16给出了Hyperion各光谱通道的信噪比分布曲线。

       图2.15 Hyperion高光谱成像仪组成

       图2.16 Hyperion光谱通道信噪比

       2.2.3 高光谱成像仪的发展趋势

       从发展趋势来看，目前国外高光谱成像技术发展已经完成了演示验证阶段，正走向面向任务的业务化、商业化发展阶段。美国国家航天局JPL实验室负责的EO-1卫星Hyperion仪器在轨演示了星载高光谱成像仪在矿产资源探测、环境监测、城市规划等方面的突出能力。通过EO-1-Hyperion及机载AVIRIS的综合应用研究，目前美国产业界和军方均着手于星载高光谱成像仪在商业化运作、军事侦察等方面的业务应用。欧空局及俄罗斯在星载高光谱成像仪研制与应用方面也给予了极大的关注。

       为满足业务化运行的需要，高光谱成像仪正向着更宽的光谱覆盖范围、更高的空间分辨率、更大的幅宽和更高的定量化水平方向发展。从表2.7可以看出，目前国际上发展的高光谱成像仪的性能指标均有大幅提高。在“863”项目“宽幅高光谱小卫星载荷关键技术研究”的支持下，我国开展了相应载荷的研制工作，高光谱成像仪在幅宽和波段数上具有优势，其他指标与上述同类仪器相近。

       表2.7 国内外计划发展的高性能民用星载高光谱成像仪

高光谱矿物信息提取

       高光谱遥感和多光谱遥感的区别如下：

       1、高光谱的波段较多，普带较窄。（Hyperion有233~309个波段，MODIS有36个波段）

       2、多光谱相对波段较少。如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外，近红外和全色波段。

       3、高光谱遥感就是多比多光谱遥感的光谱分辨率更高，但光谱分辨率高的同时空间分辨率会降低。

       

扩展资料：

       高光谱遥感具有不同于传统遥感的新特点与优点

       新特点：

       1、波段多，可以为每个像元提供十几、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，数据量呈指数增加。

       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。

       优点：

       1、有利于利用光谱特征分析来研究地物。

       2、有利于采用各种光谱匹配模型。

       3、有利于地物的精细分类与识别。

我国遥感技术的发展状况

       8.6.1 方法与流程

       8.6.1.1 产品生成业务化流程

       常用的高光谱矿物填图标准方法：先运用最大噪声分离（MNF）变换对反射率数据进行波谱降维，用像元纯度指数（PPI）分析进行空间降维，然后用N维可视化方法来确定图像端元，进行端元识别，确定矿物波谱，最后用合适的方法进行矿物填图，并对结果进行优化操作。矿物填图流程图如图8.40所示。

       1）数据降维。利用MNF变换进行光谱数据减维，分离数据中的噪声，减小运算量。观察最终特征值和MNF图像，确定数据的固有维数，选择合适的MNF波段进行PPI指数计算。

       2）计算图像的PPI指数。计算MNF图像的PPI指数，最终产生PPI图像，图像中像元的DN值代表像元被记录为极值的次数，从直方图中选择阈值，仅选择最纯的像元以保证被分析的像元数最小，这些像元被输入到分离特定光谱端元的交互式可视化算法中。

       3）N维可视化进一步提纯纯净像元。在N维可视化中，光谱可视为n维散点图中的一个点，n是波段数。通过选择n维散点图的顶点和拐角，进一步提纯纯净像元。将最终确定的端元输入到图像中的感兴趣区（ROI），从图像中提取每个感兴趣区平均反射率光谱曲线作为成像光谱矿物填图的候选端元。

       图8.40 常见高光谱矿物填图流程

       4）建立真实波谱库。将采集端元的波谱曲线输出，经过波谱分析（用波谱特征拟合算法与USGS标准波谱库进行匹配识别）得到的波谱曲线图，确定端元矿物并建立该矿物的真实波谱库。

       5）选择合适的填图方法，辅以自行建立的真实波谱库，提取出各类矿物。并对提取结果做最小图斑去除、类合并等操作，优化矿物提取结果。

       8.6.1.2 矿物信息提取的高光谱数据预处理

       先将成像高光谱数据进行辐射定标、大气校正等过程得到光谱反射率数据。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射定标和光谱重建是地物识别和定量分析不可缺少的环节。只有经过辐射标定、辐射校正和大气校正，剔除由于大气散射、吸收、地形起伏及传感器本身不稳定带来的各种失真，将记录的图像值转换为地面的反照率值，重建像元地面光谱，才能根据光谱特征，有效地识别地物，反演地物成分。

       8.6.1.3 典型矿物光谱吸收特征分析

       首先打开波谱数据库系统图8.41调出所研究的典型矿物的光谱进行分析。

       根据主要谱带的位置将矿物划分为含Fe2＋矿物、Fe3＋矿物、Mn2＋矿物、碳酸盐矿物、含Al-OH键矿物、含Mg-OH键矿物等大类。

       Al-OH：诊断谱带一般位于2165～2215 nm附近；

       Mg-OH：诊断谱带一般位于2315～2335 nm附近；

        ：诊断谱带一般位于2335～2386nm区间；

       Fe2＋：诊断谱带一般位于1000～1100nm附近；

       图8.41 波谱库系统主界面

       Fe3＋：诊断谱带一般位于600～900nm附近；

       Mn2＋：诊断谱带一般位于450～600nm附近。

       以主吸收谱带和次要吸收谱带的组合特征，并考虑到吸收谱带在不同岩石中的变异，识别矿物族。如对Al-OH键矿物可分为明矾石族、蒙脱石族、白云母族、高岭石族；含Mg-OH矿物可分为绿泥石族、黑云母族、绿帘石族、蛇纹石族、滑石-透闪石族等；碳酸盐矿物包括方解石族、白云石族等。

       1）对于Al-OH键矿物：

       明矾石族：两个吸收特征分别位于2175nm（2165～2175nm，± 10nm）和2325nm。

       蒙脱石族：位于2215nm（2205～2215 nm，± 10nm）的主要吸收特征伴随有一个2440nm的次级吸收。

       白云母-伊利石族：位于2205nm（2195～2215 nm，± 20nm）的主要特征吸收伴随有三个次级吸收峰，分别位于2355nm，2440nm和2115nm。

       高岭石族：2200nm附近的OH-谱带，在该谱带左翼存在次一级的谱带（2160nm）。

       图8.42为典型Al-OH键矿物波谱特征图。

       图8.42 几种典型Al-OH键矿物波谱特征图

       2）对于碳酸盐矿物：

       方解石族：位于2330 nm～2340 nm的主要谱带。

       菱铁矿族：同时具有Fe2＋在1000nm与 在2300nm附近的特征谱带。

       图8.43为典型碳酸盐矿物波谱特征图。

       图8.43 几种典型碳酸盐矿物波谱特征图

       3）对于Mg-OH键矿物：

       绿泥石族：位于2330 nm主要吸收特征伴随有一个2386 nm及2224 nm两个次级吸收。

       绿帘石族：位于2330 nm主要吸收特征伴随有一个2225～2226 nm的次级吸收。

       蛇纹石族：位于2320 nm附近主要吸收特征伴随有2110 nm为中心的较宽的弱谱带。

       滑石-透闪石族：位于2290～2310 nm附近的较宽的双峰谱带和2385 nm附近的次级吸收。

       图8.44为典型Mg-OH键矿物波谱特征图。

       图8.44 几种典型Mg-OH键矿物波谱特征图

       8.6.1.4 矿物识别技术

       目前，基于成像光谱数据的矿物识别的方法主要有：基于光谱波形参数、基于光谱相似性测度、基于混合光谱模型、基于地质统计规律、基于光谱知识的智能识别等。

       （1）光谱波形参数提取与蚀变识别的技术方法

       岩石矿物单个诊断性吸收特征峰可以用吸收波段位置（λ）、吸收深度（H）、吸收宽度（W）、吸收面积（A）、吸收对称性（d）、吸收的数目（n）和排序参数作完整地表征（陈述彭等，1998）。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如HSI编码与吸收波段图（Kruse，1988）是利用连续统去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像及波段半极值宽度（FWHM）图像，并分别赋予HSI空间的明度（H）、强度（I）和饱和度（S），然后逆变换到RGB色度空间。代表性的方法还有光谱特征拟合（SFF）等。

       光谱特征拟合（SFF，Spectral feature fitting）：光谱特征拟合是一种基于光谱吸收特征的方法，使用最小二乘法技术将图像中每一个像元的光谱曲线与所选择的参考光谱曲线的吸收特征进行拟合。是选择包含目标矿物特定吸收谱带的光谱区间，利用最小二乘拟合方法，比较像元光谱与目标光谱吸收特征的整体形态和吸收深度。该方法对噪音和地形有较好地抑制作用。

       （2）基于相似性测度的识别技术方法

       成像光谱最大的优势在于利用有限细分的光谱波段，去再现像元对应物的光谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响（如光谱漂移、变异等），提高识别的精度（甘甫平等，2000）。基于整个波形的识别技术方法是在参考光谱与像元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。这类方法主要有光谱角制图（SAM）技术、光谱二值编码（Binary encoding）技术等。

       （3）基于光谱知识模型识别的技术方法

       基于光谱知识模型识别的技术方法是建立在一定的光学、光谱学、岩矿结晶学和数学理论之上的信号处理技术方法。它不仅能够克服利用单一谱形识别所存在的缺陷，而且从地物光谱学原理入手、从本质上理解认识岩矿光谱的物理机制与物理过程，建立光谱数学物理模型，识别并定量提取岩矿信息。这在一定程度上能精确地量化地表物质的组成及深入地描述地物组成的物理特性，以进一步探测地物所蕴藏的成生环境本质。例如，建立在Hpake（1981）光谱双向反射理论基础之上的线性混合光谱分解模型（SMA/SUM），可以根据不同地物或者不同像元光谱反射率响应的差异，构造光谱线性分解模型，从而识别地物，量化地物成分，挖掘地物成生环境信息。

       （4）基于地质统计特征的分类识别方法

       该类方法是基于地物在图像上的统计分布规律，建立地质模型进行图像分类识别。比较典型的有（Ieohku，etal，1996），概率模型（Porbabilistic Model），几何光学模型（Geomertic-optical Model），随机几何模型（Stochastic Geometric Model）及非参数地质统计模型（Non-paramertic GeostatisticTechnique）。

       （5）基于光谱知识的智能识别方法

       传统的及上述的成像光谱识别方法利弊共存。对于高维与超大容量的成像光谱数据及大量的实验室光谱研究结果等迫切要求新的高效的遥感定量分析技术。因此，专家系统、人工神经网络、模糊识别等基于光谱知识的智能识别应运而生。神经网络技术是应用最广泛的识别技术（Gong，1996；Jimenez，et al.，1998；Benediktsson，et al.，1995；Garcia Haro，et al.，1998）。Goetting 和 Lyon（1986）建立一个试验性专家系统；Kruse等（1993）建立了基于知识的成像光谱矿物自动匹配制图系统。以Dempster-Shafer证据理论为基础格架的证据推理方法也得到了一定程度的应用。基于光谱知识的智能识别技术方法与系统将是成像光谱遥感地物信息识别、提取与量化及实用化的最佳选择与发展方向，极具潜力。

       8.6.2 结果与分析

       8.6.2.1 蛇纹石矿物的填图及效果分析

       对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.45所示。

       图8.45 蛇纹石波谱匹配图

       图8.46 五种填图方法结果对比

       用前文简述的常用五种方法提取蛇纹石的具体位置，并进行对比分析，填图结果如图8.46所示。

       用SAM矿物填图方法，可以快速提取端元采集出的所有地物，并用彩色分类影像来显示，使人们很直观地看出该矿物的分布范围。

       光谱特征拟合将为每个参照波谱输出一幅比例图像和 RMS 图像或一幅合成的“拟合”图像（Scale/RMS）。较高的拟合值表明该像元与参照波谱匹配较好。但是波谱特征拟合效果并不是很好，因为如果输入了错误的参照端元或使用了错误的波长范围，也会出现一个远远大于1的比例值。

       MTMF（混合调制匹配滤波）结果将以一系列灰阶图像的形式出现，两幅图像对应一个被选波谱。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。不可行性（Infeasibility）值以sigma噪声为单位，显示了匹配滤波结果的可行性。用于准确制图的像元有一个大于背景分布值的较高的匹配滤波值和一个较低的不可行性值。对得出的浮点图进行密度分割等操作，也能很好的得出蛇纹石的分布范围。

       MF（匹配滤波结果）将以一系列灰阶图像的形式出现，每幅图像对应一个选择的端元。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。对MF的结果图做密度分割等操作，也可明显地看出蛇纹石的分布范围。

       线性光谱分解的结果将以一系列灰阶图像的形式出现，每幅灰阶图像加上一个RMS误差图像对应于一个端元。经过发现，此方法的提取效果并不是很好，噪声较多。因此在实际应用中，并不建议使用此方法。

       通过以上对比分析，发现SAM，MTMF，MF三种方法在本地区都比较适合蛇纹石这种矿物的填图，只是MTMF，MF两种方法还需对结果图进行密度分割处理，稍显繁复，但填图效果良好。

       8.6.2.2 白云母矿物的填图及效果分析

       对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库（图8.47）。因为随着白云母中Al含量的减少，Al-OH的谱带位置逐渐向长波方向移动，所以可以分辨出贫铝白云母和富铝白云母的波谱曲线。

       图8.47 白云母波谱匹配图

       用上述五种方法提取蛇纹石的具体位置，填图结果如图8.48所示。

       经过以上五种填图方法的对比分析发现，SAM填图方法效果最佳，不仅明确填出白云母矿物的范围，而且避免了误差引起的填图错误。此外，对光谱特征拟合后的结果图做密度分割等操作，所提取的矿物范围也较好。因此，两种方法均适合进行白云母的矿物填图。

       8.6.2.3 绿帘石矿物的填图及效果分析

       对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.49所示。

       用上述五种方法提取蛇纹石的具体位置，填图结果如图8.50所示。

       经过以上五种填图方法的对比分析，发现SAM填图方法效果最好。但光谱特征拟合、MTMF和MF三种方法对绿帘石也有较好的显示，对他们的结果图做密度分割等操作，也能较好的提取出蛇纹石的范围，因此，以上四种方法都适合蛇纹石矿物的提取填图。

       图8.48 五种填图方法结果对比

       图8.49 绿帘石波谱匹配图

       8.6.2.4 绿泥石矿物的填图及效果分析

       选取HyMap数据，选取USGS标准波谱库中绿泥石的光谱曲线作为参考光谱。利用上面的方法提取绿泥石的具体位置，填图结果如图8.51所示。

       8.6.2.5 多种矿物填图情况

       （1）HyMap数据1情况分析

       依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。

       SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如下（图8.52 ，图5.3）。

       Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比（图8.54 ，图8.55）。实验发现富铝白云母（黄颜色图例）在阈值设置为0.97和0.96时，分类效果变化非常大，由于软件对该阈值的设定只支持小数点后2位，所以不能进一步的精确，对比分析两种阈值的分类效果，得出二进制编码方法对富铝白云母的提取效果不是很好。

       Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.56和图8.57所示。

       Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如下（图8.58至图8.60）。

       （2）HyMap数据2情况分析

       依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。

       SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.61所示。

       最小距离填图：最小距离填图的参数设置及填图效果差异如图8.62和图8.63所示。

       （3）模拟数据情况分析

       依据地面区域地质资料，在模拟的反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。

       图8.50 五种填图方法结果对比

       图8.51 三种填图方法结果对比

       图8.52 局部区域填图效果

       图8.53 整体区域填图效果

       图8.54 填图效果1

       图8.55 填图效果2

       图8.56 局部区域填图效果截图

       图8.57 整体区域填图效果

       图8.58 不同阈值局部地区填图效果

       图8.59 填图效果（Threshold＝0.001）

       图8.60 填图效果（Threshold＝0.005）

       图8.61 SAM 方法填图

       图8.62 参数1下效果图

       图8.63 参数2下效果图

       SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，阈值的设定情况和填图效果如图8.64所示。

       图8.64 SAM 填图效果

       Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，阈值的设定和填图效果情况如图8.65所示。多次试验发现该方法对提取chlorite和chlorite＋serpentine的效果不是很理想。

       图8.65 填图效果

       Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，阈值的设定和填图效果情况如图（其中Max Distance Error＝2000 ，图8.66）。

       图8.66 填图效果

       Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如图8.67所示。

       图8.67 填图效果（Threshold＝0.005）

       8.6.2.6 矿物信息填图结果分析

       综合前面的分析结果，开展了矿物信息提取结果图，为了分析矿物信息填图效果，搜集了前人对此试验区（图8.68）进行的矿物填图结果（图8.69）。

       图8.68 矿物信息研究的区域图

       图8.69 前人的矿物提取结果填图结果

       为开展蚀变矿物识别精度分析，可对比研究区本次提取的蚀变矿物分布图（图8.70）与前人提取的蚀变矿物信息分布图结果，逐像素进行对比（由于分辨率不同需做像素变换），如果研究区总的点数为N，本次与前人矿物分布图的结论相同就认为该点取值1，最后统计结果中1的个数n，这样蚀变矿物识别精度可定义为

       高光谱遥感技术原理及矿产与能源勘查应用

       对比分析本次矿物信息填图结果和前人矿物信息的填图结果，发现其结果并非完全一样。其中蛇纹石的填图效果一致性最高；绿帘石的分布范围一致，但本次数据的填图结果显示的范围较大；白云母的分布范围基本一致，但贫铝白云母和富铝白云母的分布范围有些混淆，经过对比分析，本次数据和前人数据填图范围的一致性达到89%，基本满足高光谱数据的填图要求。对出现误差的主要原因分析如下：

       1）前人数据是机载高光谱数据，空间分辨率可达到3～12m，此处的Hymap数据的空间分辨率为5m，而本次数据是模拟星载高光谱数据，空间分辨率为30m。随着分辨率的降低，单个像元所对应的地面面积将增大，导致每个像元中包含更多的矿物类型，矿物间的影响性也会增加。一方面，由于混合像元的平均效应，目标矿物在像元中的等效丰度会下降，光谱信息减弱。当像元中目标矿物的等效丰度下降到检出限以下时，矿物将不能被识别，而造成矿物分布区的外围含量较低的地段和含量较低分布区填绘面积的减少，点状集群分布区的漏识别，线状分布区的断续分布。这种效应相当于检出限的下降。另一方面，当像元中目标矿物的等效丰度在检出限以上时，会使面状矿物分布区的范围扩大、空洞的充填、相邻小区的连接，点状集群分布区的成片，线状区域的斑点效应。这两种效应的综合作用结果，空间分辨率的减小则会使强异常区（包括高丰度区和光谱反衬度较高的矿物分布区）范围的扩大、小区的相连、点群的结合，而使异常更加醒目，但其细节特征会因此消失；弱异常区（包括低丰度区和光谱反衬度较低的那些矿物分布区）和小异常区面积会缩小或漏检；线状异常可能会形成断续分布的小斑块而使线状特征和其走向变得不清晰。因此，在填图的细致程度上，分辨率越高的数据填图效果越好，这是造成填图效果差异的最主要的原因之一。

       图8.70 本次试验矿物信息提取填图结果

       2）辐射校正的精确程度。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射校正和光谱重建是地物识别不可缺少的环节。由于Hymap数据是机载高光谱数据，Hyperion数据是星载高光谱数据，对两种数据进行辐射校正的参数也是不一致的，因此，得出的反射率数据也是有差异的，这也是造成填图差异的原因之一。

       总之，用本次数据进行矿物填图是可行的，它可以在一定程度上对矿物的种类及分布进行识别。

       一，我国遥感（测绘）卫星以及地面站建设总体情况

       1999年10月14日，中国与巴西合作研制的地球资源卫星“资源一号”在我国太原卫星发射中心成功发射，这是我国第一颗自主的陆地资源遥感卫星。随后，我国遥感卫星进入快速发展阶段。2012年，我国首颗民用高分辨率光学传输型立体测图卫星“资源三号”成功发射。2013年，高分一号卫星升空，我国开始拥有自主高分遥感卫星。2014年，高分二号成功发射，我国拥有了自主研制的首颗空间分辨率优于1米的民用光学遥感卫星，我国遥感卫星进入亚米级“高分时代”。2016年，高分三号卫星发射成功，是中国首颗分辨率达到1米的C频段多极化合成孔径雷达（SAR）成像卫星。

       目前，中国卫星发射中心共有5个[1]，分别是：中国创建最早、规模最大的卫星发射中心，也是中国唯一的载人航天发射场酒泉卫星发射中心；主要承担地球同步轨道卫星的发射任务，担负通信、广播、气象卫星等试验发射和应用发射任务的西昌卫星发射中心；担负太阳同步轨道气象、资源、通信等多种型号的中、低轨道卫星和运载火箭的发射任务的太原卫星发射中心；主要承担地球同步轨道卫星、大质量极轨卫星、大吨位空间站和深空探测卫星等航天器的发射任务的文昌卫星发射中心，以及具备全射向能力，海上发射能力的我国海上发射卫星母港中国东方航天港。

       1、近期卫星发射情况

       据忧思科学家联盟（UCS）统计数据[2]，截至2018年11月，我国运营或所有在轨活跃卫星280颗，其中遥感卫星134颗，占比47.86%，高于全球在轨卫星中遥感卫星所占的35.55%比重。

       2019年底至今，高分系列卫星方面，国家成功发射了高分十号，高分七号，高分十二号，高分九号02星、03星，高分多模卫星，资源三号03星，高分十三号、高分十四号等卫星。商业卫星方面，中国第一颗商用遥感卫星“吉林一号”卫星组网运行，具有高分辨、超大幅宽、高速存储、高速数传等特点，为农业、林业、资源、环境等行业用户提供更加丰富的遥感数据和产品服务。

       好了，今天关于“hyperion高光谱”的话题就讲到这里了。希望大家能够通过我的讲解对“hyperion高光谱”有更全面、深入的了解，并且能够在今后的学习中更好地运用所学知识。