高光谱遥感实验指导书.docx

《高光谱遥感实验指导书.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、高光谱遥感实验指导书2012年2月15目录实验一高光谱遥感数据1实验二高光谱遥感数据的大气校正3实验三地物光谱测量6实验四MNF与端元选取1015实验一高光谱遥感数据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Erdas软件观察TM、AVIRIS和Hyperion等遥感数据，认识高光谱数据的图谱合一的特点。实验内容1、使用三种不同的遥感数据合成真彩色和假彩色的影像2、从三种不同的遥感数据上提取同类地物的光谱曲线预备知识1、遥感数据的基本参

2、数a)ETM波段波长(微米)分辨率(米)主要作用Band1蓝绿波段0.45-0.5230用于水体穿透,分辨土壤植被Band2绿色波段0.52-0.6030分辨植被Band3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Band4近红外0.76-0.9030用于估算生物数量,尽管这个波段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TM3Band5中红外1.55-1.7530用于分辨道路/裸露土壤/水,它还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

3、能力。Band6热红外10.40-12.5060感应发出热辐射的目标。Band7中红外2.09-2.3530对于岩石/矿物的分辨很有用,也15可用于辨识植被覆盖和湿润土壤。Band8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。a)AVIRIS指标波段波长(微米)波长范围400-2500nmBand1-4紫外0.369-0.399光谱分辨率10nmBand5-14蓝光0.409-0.497Fwmh10nmBand15-24绿光0.507-0.596Band25-36红光0.60

4、6-0.693Band37-63近红外0.702-1.048b)Hyperion指标波段波长(微米)波长范围430-2400Band1-5紫外0.356-0.396光谱分辨率10nmBand6-15蓝光0.406-0.498Band16-25绿光0.508-0.600Band26-36红光0.609-0.691Band37-184近红外0.702-1.992Band185-242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

5、、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，比较分析多光谱数据和高光谱数据的各自特点。15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，消除

6、大气分子和气溶胶散射的影响。本次实验的目的是利用ENVI软件对TM和Hyperion等遥感数据进行大气校正，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方法对AVIRIS影像进行大气校正预备知识1、黑暗目标消减法(DarkObjectSubstraction,DOS)a)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

7、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扣除掉黑暗目标的反射率就可以达到大气校正的目的。通常情况下，15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DarkSubtractii.依次选择菜单BasicTool‐>Preprocessing‐>GeneralPurposeUtilities‐>DarkSubtract，启动模块。选择待校正的图像，选择BandMinimum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、ENVIFLAASHa)

8、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、卫星数据和航空数据(860nm/1135nm)，这些数据是由HyMAP、AVIRIS、CASI、HYDICE、HYPERION(EO‐1)AISA、HARP、DAIS、Prob