高级高光谱遥感应用

实习目的：

1. 理解高光谱概念、地物光谱仪、光谱数据库、高光谱传感器；
2. 掌握ENVI软件的基本功能；
3. 熟悉ENVI遥感影像处理的一般方法；
4. 进一步掌握高级高光谱分析及制图方法；
5. 理解MNF理论及算法，线性混合波谱理论；
6. 总结获取高光谱端元的方法。

实习主要仪器设备，软件及数据：

1. 硬件准备：PC机；
2. 操作系统：Linux系统或Windows 2k以上系统；
3. 软件工具：ENVI
4. 数据：美国California州AVIRIS影像数据，及USGS植被及矿物的光谱库数据:CD1/m94avsub；CD1/spec_lib；CD2/C95avsub；CD2/ spec_lib。
   数据下载：链接：http://pan.baidu.com/s/1nuTF6WT 密码：xljz

AVIRIS及测谱学（Imaging Spectroscopy）介绍

测谱学介绍

  光谱技术是被用于实验室中物理，化学和生物学等领域的研究材料性能，基于电磁辐射与物质的相互作用。在太阳能反射光谱成像光谱仪被设想为同样的目标，但是从地球上寻找和地区视角（下图所示）。陆地、水体和大气中的分子和微粒与太阳辐射在400±2500nm光谱区域，通过吸收，反射和散射过程相互作用。成像分光计在太阳反射光谱特性中被用于测量光谱图像在某些或全部的光谱。这些光谱测量是用来确定组成成分通过物理和化学的科学研究和应用光谱阳离子的区域范围内的图像。

AVIRIS介绍

  AVIRIS首先测量光谱图像于1987年也是第一个从400纳米到2500纳米测量太阳反射光谱的成像光谱仪(Figure 2)。AVIRIS在224个连续光谱通道以间隔为10 nm测量上升辐亮度。这些辐射光谱测量的影像宽度为11公里和长度800公里及20米的空间分辨率。美国航天局的ER-2飞机从2万米的高空获得Q-bay的AVIRIS光谱图像。AVIRIS的光谱，辐射和空间校准取决于实验室和监测每年飞行探测。已经获得超过4 TB的AVIRIS数据，请求数据已经被校准和分发给调查人员从最初的飞行测量。
  自1987年以来，AVIRIS测得的光谱图像每年为科学研究和应用提供了帮助。250余篇论文和摘要已经被写入AVIRIS的研讨会(Vane, 1988, Green, 1990a; 1991; 1992; 1993; 1995; 1996a)。本次研讨会的文件和其他资料维护的AVIRIS的网站(http://makalu.jpl.nasa.gov/AVIRIS.html)。在过去的10年里,已经有相当数量的报纸写AVIRIS其他研讨会、座谈会、研讨会。先前与AVIRIS相关的专业期刊已经出版(Vane，1993)。整个遥感学领域还有其他与AVIRIS相关文章和论文。
  研究者对AVIRIS系统不断努力升级和改进以满足用AVIRIS光谱图像对科学研究和应用的要求。这些改进还针对AVIRIS传感器，校准，数据系统和飞行操作。传感器的同时，科学研究和应用与AVIRIS寻求多样化和发展。

常用的高光谱传感器

Hyperion传感器

 Hyperion传感器搭载于EO-1卫星平台，是第一台星载高光谱图谱测量仪，也是目前唯一在轨的星载高光谱成像光谱仪和唯一可公开获得的高光谱测量仪，意义重大。Hyperion采用谱像合一技术，合计有242个波段，覆盖了350-2600nm的波段范围，波段间隔10nm左右，空间分辨率为30m，1-7波段和57-77波段没有进行仪器辐射校正，实际定标范围覆盖了426.82-2395.5nm的198个波段。Hyperion的高光谱特性可以实现精确的估计农业产量、地质填图、精确制图，在采矿、地质、森林、农业以及环境保护领域有着广泛的应用前景。

CASI

  小型机载成像光谱仪（CASI)是一款加拿大研制的机载商用成像光谱仪， 1990年起开始投入运行，在430~870nm范围内拥有多达288个波段，波段宽度仅为1.8nm。CASI轻型多光谱推扫式成像系统适用于航空遥感和实 验室实验。
  CASI可用两种工作方式成像：多光谱方式和高光谱方式。当以多光谱方式 工作时，可产生多达19个非重叠的波段和最多每行512个像元，而且其波段中 心位置和波段宽度都可通过编程方式来控制。当CASI以高光谱方式工作时，可 拥有高达288个波段覆盖可见光至近红外区域。表1列举了 CASI仪器的主要 技术参数，其最新版本提供了一种结合多光谱和高光谱两种工作方式长处的“增 强型光谱工作方式”，具有很强的应用前景。

便携式地物光谱仪ASD、USGS波谱库介绍

便携式地物光谱仪ASD

  ASD便携式地物光谱仪：测量地表沉积物、土壤、植物、水体和人工目标在400-2500 nm波段范围的反射率和透过率，利用探测到的地物吸收特征对目标进行成分识别，并定量化地物的化学组分。测量太阳辐照度，用于研究大气组分。

USGS波谱库

  USGS全称即United States Geological Surve（网站:http://speclab.cr.usgs.gov/spectral-lib.html ），美国地质勘探局。USGS波谱库是美国地质勘探局光谱实验室的研究人员在实验室中测得了数百种物质的光谱反射率之后编制了的一个谱库。该库被用来作为物质遥感图像识别的参考。

光谱特征：
中长石： 在0.5μm到2.8μm之间反射率均比较大，而在这段波段以外则吸收较为明显。
三色紫罗兰：在0.5μm附近有反射峰，在0.7μm附近也有反射峰，虽然在1.3μm以后的反射率还有波动，但是都是有明显的下降趋势。
沿岸水：总体的反射率低，仅有0.1，红黄区（0.55~0.76μm）有明显的反射峰，是由于近岸受河流带来的陆源物质影响，在近红外（0.76微米附近）出现一个小的反射峰，是由于近岸的叶绿素浓度较高造成的。
大洋水：总体的反射率低，仅有0.1，在蓝绿光（0.4μm附近）有反射峰，说明水质清澈。

基于几何顶点端元提取的SAM分类

根据cup95eff.int数据，运用MNF变换后的波段以及散点图工具提取端元。

加载数据

加载实验数据cup95eff.int。

获得MNF变换数据。

通过cup95eff.int获得练习MNF变换数据。

1. 在ENVI主菜单下选择Spectral→MNF Rotation→Forward MNF→Estimate Noise Statistics from Data。

   

2. 在打开的MNF Transform Input File对话框中选择输入数据cup95eff.int，点击OK。

3. 为输出数据选择路径和名称，点击OK进行MNF变换，生成My_MNF。

   

   

加载My_MNF散点图

加载My_MNF散点图。在影像主窗口菜单下选择Tools→2D Scatter Plot。在Scatter Plot Band Choice窗口中分别选择波段1和波段2，打开散点图。

获取端元。

1. 在散点图绘制窗口，使用感兴趣区（ROIs）绘制工具，在数据分布集群的一个或者多个拐角上，圈出一些像素点。这些像素点将作为带颜色的像素，映射到影像相应的位置上。
2. 在散点图绘制窗口中，从Class下拉式菜单中选择所需的颜色，对几种不同的类，分别使用不同的颜色。
   
3. 使用影像和散点图中的跳跃像素（dancing pixels）功能（双击并拖曳鼠标中键），来帮助鉴别独特的区域。

4. 从散点图绘制窗口的下拉式菜单中，选择 Options → Export All in the Options，将这些像素列表将被导出作为ENVI 的感兴趣区（ROIs）。

   

   

5. 在主影像显示窗口菜单栏中，选择 Overlay → Region of Interest，将感兴趣区加载到显示表观反射率的那个显示窗口中。

6. 在2-D散点图窗口中选择Options → Z-Profile ，在文件列表中选择反射数cup95eff.int，随即显示一个空白波段图。在2-D散点图窗口中点击鼠标右键，在空白的2-D散点图窗口中就会出现当前的像素剖面图及其坐标值，将差别显著的点删去（用白色画样本区即可删除）。

   

   

7. 使用散点图对话框中Options 下拉式菜单中的Mean All 菜单项，提取感兴趣区中的均值表观反射率波谱曲线。
   

   进行光谱匹配获取种类

   
     在ENVI主菜单下选择：Spectral→ Spectral Analyst，在弹出的窗口中选择波谱库，在此我们选择USGS（美国地质调查局）波谱库，点击OK，在弹出的“Edit Identify Methods Weighting”窗口中设定计算参数后点击OK，随即弹出波谱分析窗口，点击Apply，在弹出的输入波段列表中选择我们要鉴别的波谱。 选择一个待鉴别的波谱后波谱分析窗口中就会显示这一波谱与波谱库中的波谱匹配分析的结果，如下图：

   

   

其他波段的分析

用同样的方法对其他几个波段进行匹配分析，确定其特征，并更改名称。

进行SAM分类

1. 从ENVI 主菜单, 选择Classification → Supervised → Spectral Angle Mapper

2. 在打开的Endmember Collection：SAM对话框中，选择Import →form plot windows，选择上一步骤中已经识别的几个矿物的波谱曲线。

   

   

3. 设置相应的参数，点击OK，生成分类的SAM文件和Rule文件

   

   

  用二维散点图提取端元的时候，通过圈取散点图的拐点处来选取感兴趣区能够很好地选取端元。通过散点图和影像的对应关系可以不断进行修改。但是在圈取的时候存在一定的主观因素。

基于PPI纯净象元端元提取的SAM分类

  根据cup95eff.int数据，利用MNF变换后的波段以及纯净像元指数工具以及N维可视化仪提取端元。

获取PPI。

1. 在ENVI主菜单下选择：Pixel Purity Index → [FAST]New Output Band，选择My_MNF。在Spectral Subset中选择前5个波段，点击OK。

2. 设置迭代次数和阈值，选择保存路径，如下图所示：

   

   

3. 点击OK，生成ppi。
   

4. 打开新生成的PPI
   

5. 进行对比度拉伸，并与cup95ppi.dat进行比较。

   

   

6. 选取不同组数的波段、迭代次数和阈值生成PPI，然后分别进行线性拉伸，分别与cup95ppi.dat进行比较，选取最为接近的一组。
   

   由PPI图像生成样本区。

7. 在ROIs Tool对话框中，在主菜单下选择Options →Band Threshold to ROI建立一个只包含拥有高PPI值像素的ROI。选择输入的PPI文件，在弹出的对话框中输入最小极限值。点击OK点击“OK”，即生成包含在迭代过程中300次以上作为极值的最纯像素的ROI，生成了红色的样本区。

   

   

8. 在ENVI主菜单中选择Spectral → n-Dimensional Visualizer → Visualize with New Data，在弹出的对话框中选择前面处理好的MNF文件，选择其前十个波段进行观察。

9. 点击ROI后将弹出可以选择1到10波段的N维控制对话框和N维散点图窗口。 选择前五个波段构成n-D散点图。并选择n-D控制对话框中的Options→Show Axes选项。随后在n-D控制窗口中点击Start进行旋转。

   

   

10. 运用N维观察器进行动态旋转观察，当出现感兴趣的位置时停止旋转，选择一种颜色将点云的拐角处圈起来作为一个ROI，点击鼠标左键对ROI进行定义，点击右键完成ROI的建立。继续旋转，根据需要对类进行修改。
    

光谱匹配

1. 在n-D Controls对话框中，选择Options→Mean All得到均值反射率曲线。
   
2. 同七中所述，利用波谱分析工具确定地物类别。
   
   识别结果：

波谱	地物	波谱	地物
n_D Class #1	calcite	n_D Class #4	kaolini
n_D Class #2	hematit	n_D Class #5	budding
n_D Class #3	jarosit	n_D Class #6	alunite

1. 在n-D控制窗口中选择Options→Class Controls 弹出n-D分类控制窗口，在该窗口中设置个各类的颜色。
   

进行SAM分类

1. 从ENVI 主菜单, 选择Classification → Supervised → Spectral Angle Mapper

2. 在打开的Endmember Collection：SAM对话框中，选择Import →form plot windows，选择n_D Class #1i~6
   

   
     用n维散点图进行端元提取的时候，先要进行PPI变换，提取其中的纯净象元，然后在用n维动态观察器进行动态观察，同样选取拐角处作为感兴趣区。对于高光谱遥感来说由于其数据特点，考虑到运用n-D散点图分析效果可能会更好。