1、實 習 報 告課程名稱： 遙感技術原理及應用 實習名稱： 高級高光譜遙感應用院 （系）： 專業班級： 姓 名： 學 號： 指導教師： 2013年1月6日一、實習時間2012年12月31日 至2013年 1月06 日二、實習地點天津科技大學9-513海洋信息技術實驗室三、實習目的： 理論與實驗課的綜合運用，提高課堂與實踐相結合的分析能力1、理解高光譜概念、地物光譜儀、光譜數據庫、高光譜傳感器；2、掌握ENVI軟件的基本功能；3、熟悉ENVI遙感影像處理的一般方法；4、進一步掌握高級高光譜分析及制圖方法；5、理解MNF理論及算法，線性混合波譜理論；6、總結獲取高光譜端元的方法。四、實習主要儀器設備

2、，軟件及數據1、硬件準備：PC機；2、操作系統：Linux系統或Windows 2k以上系統；3、軟件工具：ENVI4、數據：美國California州AVIRIS影像數據，及USGS植被及礦物的光譜庫數據 路徑：CD1/m94avsub；CD1/spec_lib；CD2/C95avsub；CD2/ spec_lib。5、文獻閱讀、網上電子圖書館。五、AVIRIS及測譜學（Imaging Spectroscopy）介紹1、介紹測譜學；測譜學（Imaging Spectrometry)：成像光譜儀（Imaging Spectrometers）或高光譜傳感器（Hyperspectral Senso

3、rs）都是遙感儀器，其將影像傳感器的空間表述同光譜儀的分析能力結合在了一起。它們有多達幾百個的狹窄波譜通道，波譜分辨率通常小于10nm。成像光譜儀將為影像中每一個像元提供完整的波譜曲線。將這些同寬波段（broad-band）多光譜掃描儀，如TM 進行比較：TM 只有6 個波段，其波譜分辨率大于100nm。使用成像光譜儀產生的高光譜分辨率影像，其最終結果可以幫助我們鑒別物質，而使用寬波段傳感器只能區分物質。3、介紹AVIRIS為了達到成像光譜的目標，1983年，噴氣推進實驗室提出了設計和開發航空可見光/紅外成像光譜儀(AVIRIS)。1987年，AVIRIS首次測量了光譜像，而且是第一臺用來測量

4、太陽反射光譜中400-2500nm的成像光譜儀。AVIRIS從224nm開始以10nm為步長測量了上行輻亮度，這些輻射光譜寬11km、長800km，分辨率達到20m。AVIRIS光譜圖像是從美國航空航天局ER-2 航空器的Q-bay上獲得的，這個航空器的運行高度是20000m。AVIRIS的光譜定標、輻射校準、空間配準是由實驗室決定的，飛行狀態也每年都是受監控的。從最初的航班開始，已經有超過4TB的AVIRIS數據被獲得了，獲得的數據已經被校準了并且發布給了研究者。2、 列舉高光譜傳感器并做簡單介紹。MODIS傳感器MODIS是一個帶有490個探測器、36個光譜波段的被動成像光譜輻射計。它覆蓋

5、了可見光熱紅外（4001400nm）波譜，其數據具有很高的信噪比，量化等級為12bit。36個相互配準的光譜度波段上以中等分辨率水平（0.251km）每12天觀測地球表面一次。獲取陸地和海洋的溫度、初級生產率、陸地表面覆蓋、云、氣溶膠、水汽和火情等目標的圖像。MODIS中分辨率成像光譜儀，是美國地球觀測系統中很有特色的遙感傳感器，在TERRA和AQUA衛星上均有裝載，而且所載的MODIS均采取直接廣播的方式下行數據，構成上、下午頻率，MODIS波段設計陸地、海洋、大氣等綜合信息，數據在地球科學研究和環境檢測研究中是不可多得的數據資源。美國國家航空航天局對MODIS數據采取全天候直接廣播的方式向

6、全世界免費開放。六、便攜式地物光譜儀ASD、USGS波譜庫介紹1、介紹便攜式地物光譜儀ASD；便攜式地物光譜儀ASD：光譜范圍：350-2500nm；光譜分辨率：3nm（在350-1100nm范圍內）、10nm（在1100nm-2500nm范圍內）；靈敏度線性：1%；波長精度：1nm700nm；光譜掃描最快速率：0.1秒；采樣間隔：1.4nm350-1000nm，2nm1000-2500nm；波長重復性：0.02nm；重復性: 優于0.3%；重量：大約8.5公斤 （1.2公斤含電池）。 主要用于測量地表沉積物、土壤、植物、水體和人工目標在400-2500 nm波段范圍的反射率和透過率，利用探測

7、到的地物吸收特征對目標進行成分識別，并定量化地物的化學組分。測量太陽輻照度，用于研究大氣組分。功能特色是在光照條件充足情況下，可以利用太陽光作為光源，直接在野外測試目標光譜，方便、快捷、非破壞獲取數據，也可在室內利用配置光源進行光譜測量。主要附件及功能：1.4m長的光纖輸入端口（25度全視場角）；平均使用時間為4-9小時的光譜儀用可充電鎳氫電池；光譜儀用計算機；野外工作包。研究領域:環境、農業、林業、海洋、大氣科學2、上網查找USGS網站【/spectral-lib.html】（1）介紹USGS波譜庫USGS波譜庫是光譜學研究者在光譜學實驗室研

8、究了數以百種礦物的反射光譜，并將它們匯編起來組成的一個波譜庫，這個波譜庫被用來在遙感影像中對物質的鑒定做參考。USGS波譜庫中最新的是2007年9月發布的splib06a波譜庫，它的波長范圍是從紫外線到中紅外的0.2-150微米，其中包含了不少于1300種光譜，涵蓋了中紅外的數據，除了splib05a波譜庫中包含的波譜外，還增加了可見光和近紅外的波譜。splib06a波譜庫包含了更多礦物、有機化合物、揮發性化合物、植被以及之前的波普庫中所沒有的人造物質。這個數據庫中包含了超過6000個的網頁、圖形、樣本圖像和數據表。針對每種物質都有對應的描述、波譜圖、ASCII數據、二進制文件以及一些工具。（

9、2）06波譜庫中礦物、植被的一種典型曲線。 圖一：礦物 圖二：植被（3）將沿岸水、大洋水光譜plot畫出，并對其光譜曲線特點作簡單描述。要求：對USGS波譜庫做一般介紹，特別是在最新的06波譜庫中對礦物、植被各找一種典型曲線；另外將沿岸水、大洋水光譜plot畫出，并對其光譜曲線特點作簡單描述。七、基于幾何頂點端元提取的SAM分類根據數據，運用MNF變換后的波段以及散點圖工具提取端元，寫出步驟及結果。（1）選擇“Spectral | MNF Rotation | Forward MNF | Estimate Noise Statistics from Data”菜單進行M

10、NF變換。在“MNF Transform Input file”對話框中選擇進行MNF變換的影像。點擊OK，彈出“Forward MNF Transform Parameters”對話框，輸出噪聲統計文件和輸出MNF統計文件并保存。在波段列表中輸出MNF影像以及特征值曲線圖。 （2）打開并加載 轉換后的MNF的波段影像（3）在主影像窗口中使用 Tools 2-D Scatter Plots，選擇band1和band2畫散點圖 （3）在散點圖繪制窗口，使用感興趣區（ROIs）繪制工具，在數據分布集群的一個或者多個拐角上，圈出一些像素點。這些像素點將作為帶顏色的像素，映射到影像相應的位置上。在散點

11、圖繪制窗口中，從Class 下拉式菜單中選擇所需的顏色，對幾種不同的類，分別使用不同的顏色。（4）在散點圖窗口中選擇Options-Export All 將選擇的區域輸出為ENVI的ROI，顯示如下窗口：（5）使用 ROI Tool 對話框中Options 下拉式菜單中的Mean for All Regions 菜單項，提取感興趣區中的均值表觀反射率波譜曲線。（6）我們已經得到了七類地物，但還沒確定它們的種類。在此我們運用ENVI的波譜分析功能來解決。波譜分析首先需要打開一個波普庫，然后將未知波譜與波譜庫中的波譜進行匹配處理，并得到一系列匹配系數，系數大就說明與這種地物越匹配。在ENVI主菜單

12、下選擇Spectral-Spectral Analyst，并彈出窗口選擇USGS波譜庫，點擊ok，如圖：（7）同理將其他六個進行匹配得到：（8）將匹配獲得各個圖像放在一張圖上：（9）在主窗口中選擇ClassificationSuperviseSpectral Angle Mapper，選中，將所選的感興趣區導入，出現如下窗口：（10）分類后的結果圖如下：八、基于PPI純凈象元端元提取的SAM分類根據數據，利用MNF變換后的波段以及純凈像元指數工具以及N維可視化儀提取端元，即：MNF-PPI-n-dimensional visualizer-spe

13、ctal mapping，寫出步驟及結果。（1）在ENVI主菜單下選擇;Pixel Purity Index-New Output Band，選擇前面得到的MNF圖像進行ppi處理。經過10000次迭代后得到的ppi圖像如下所示： 說明：越亮的像素說明他被標記為極值的次數越多相應地也越純；相反，暗一些的圖像純度就低。（2）在主窗口中選擇：Enhance-Interactive Stretching （3）上圖顯示的是一個輸入和一個輸出直方圖的比較窗口，在圖中顯示了當前的輸入數據和各自拉伸的結果，兩條垂直的線標志著當前拉伸的最小值和最大值。在窗口底部列出了拉伸類型和直方圖的來源，拖曳線的最大值和

14、最小值，然后點擊Apply，拉伸自動執行：說明：這幅ppi圖像是前面的MNF圖像經過一萬次的迭代得到的結果，圖像上像素點的值表示了他在迭代過程中有多少次作為極值象元被記錄下來。這些數值顯示了每個像素周圍的數據云的局部突面程度以及每個像素和數據的突起外殼的親近程度。（4）在ROIs Tool對話框中選擇Options-Band Threshold to ROI建立一個只包含有高ppi值像素的ROI，選擇輸入的ppi文件，在彈出的對話框中輸入最小極限值：（5）點擊OK，即生成含在迭代過程中100次作為極值的最純像素的ROI，從下圖可以看出有6669個符合條件的點被提取出來，生成了紅色的樣本點：（5

15、）在ENVI主菜單中選擇Spectral-n-Dimensional Visualizer-Visualize with New Data，在彈出的對話框中選擇前面處理好的MNF文件，選擇其前10個波段進行觀察。點擊ROI后將彈出可以選擇1到10波段的N維散點圖窗口。選擇前五個波段構成n-D散點圖。并選擇n-D控制對話框中的Options-show Axes選項，隨后在nD控制窗口中點擊Start進行旋轉。（6）提取感興趣區：（7）在n-D Controls窗口中Optionsmean All：（8）利用波譜分析工具確定地物類別：（9）在ENVI主菜單下選擇：Classification-Su

16、pervised-Spectral Angle Mapper。選擇原始圖像作為待分類圖像。點擊ok后彈出端元收集窗口，在此窗口中選擇;Import-from ROI from Input File,選擇我們剛才定義好的樣本區，點擊ok。最終圖像如下：（10）在ENVI主菜單下選擇：Classification-Post Classification-Confusion Matrix，選擇地面真實樣本區，輸入待分析的分類圖像，出現以下輸入窗口：（11）在ENVI主菜單下選擇：Classification-Post Classification-Clump Class，適當選擇設定參數，點擊ok生成平滑圖像：九、參考文獻1鄧書斌 ENVI 遙感圖像處理方法M 北京: 科學出版社， 20102董秀蘭.李燕.基于ENVI 的遙感圖像監督分類方法比較研究J.北京測繪.3ENVI遙感影像處理專題與實踐 M.220-242.4 htt