多光谱遥感

《多光谱遥感对全球陆地冰空间监测的贡献》阅读报告

一、摘要翻译

全球陆地冰空间监测组织（Global Land Ice Measurements from space：GLIMS）是一个以获取全球冰川卫星遥感影像，对获得影像加以分析以获得冰川范围和变化信息，并对变化的数据对人类和环境的影响与意义加以评估为目的而建立起来的国际组织。尽管GLIMS利用了多种不同的遥感系统，ASTER

（Advanced Spaceborne Thermal Emission and reflection Radiometer：先进热发射与反射辐射计）系统是对于许多的观测任务而言最优的系统，这些任务包括冰川边界制图、物质表面监测、冰川表面动态监测（例如流动矩形区域和冰湖演化）。GLIMS研发的软件适合于多种冰川监测工作，包括：对净雪和对岩屑覆盖冰川的制图；地形分类（强调雪、冰、水、冰与岩屑混合物的区分）；多时态变化分析；影像与派生数据的可视化；派生数据的解译和存档。一个全球冰川数据库已由国家雪冰数据中心

(National Snow and Ice Data Center: NSIDC, Boulder, Colorado)设计；相关的参数由全球冰川目录（World Glacier Inventory: WGI）扩展而来并与之相兼容。相应的技术工作将在本文中得到概略介绍，细节则讲在其他地方加以介绍。在本文中我们所展示的内容从属于一个大的问题：ASTER与其他卫星多光谱遥感数据如何被用于制图、监测和发现冰川状态和动态的特征，如何通过这些特征理解冰川变化对20世纪及21世纪全球气候变化的反映？我们所列举的示例结果在冰川学和气候学上并不是有充分代表性的。我们的初步的结果，在展现问题的复杂性的同时，在整体上与冰川学学术界的结论（气候变化引起了全球冰川的反应，主要表现为冰川的退缩）是相一致的。无论单个的冰川个体是前进抑或退缩，整体的综合的冰川变化的结果必然是由气候变化所引起的，而其他非气候因素的偏离是可以综合消除的。我们在研究中发现了冰川（对气候变化）响应行为的区域空间模式；这些模式可以被归因于气候变化差异和不同地区冰川在大小和响应时间上的差异。在许多情况下，冰川长度变化从较低的程度上反映了冰川消融，因为冰川变薄（有时并不伴随有即时的长度变化）也是相当重要的。扩展的系统化且统一的针对更多冰川的分析对于今后的工作是必须的，这些工作包括：分离冰川响应中对气候变化响应和对非气候的偏离的响应组分；对冰川变化区域间差异的定量分析；对未来区域冰川变化（特别是与水资源，冰川灾害和全球海平面变化）的预测。我们期望这些完整的监测与评估（将逐步完成）会帮助我们区分成功的气候变化模型（能够解释近期的冰川变化和变化模式，并且能够对未来的变化加以描述）和不成功的模型。

二、引言

1、问题的提出

现有的研究表明，全球范围而言，冰川处于退缩中。研究表明，许多小冰川已经消失，即使是两极的冰盖也出现了大范围的消退。通过对冰川变化状态的监测和研究，可以加强对冰川灾害的监控，为干旱地区的水资源的认识利用和管理提供基础数据，促进对全球海平面变化的研究，并且对于全球气候变化和气候模型的构建有着重要的意义。

目前对与冰川研究的方法主要是野外实地观测数据和一些遥感卫星数据的分析。但是就目前为止，还只有较少的冰川得到比较完整的监测、研究与分析。现有的数据并不足以很好的支持对全球冰川变化状态的研究。到目前为止的利用多光谱卫星影像数据，特别ASTER 数据对冰川的变化进行研究，并且构建全球冰川数据库的工作及其进展是本篇论文将要介绍的。

2、研究现状

（1）冰川变化的复杂性

通过对全球冰川变化综合数据的统计学分析，我们可以得出结论目前全球冰川物质平衡处在负平衡状态上。但是对单独一个冰川而言，其变化状态可能是前进抑或是退缩的。由于气候变化的非均一性，以及不同冰川间环境、变化过程和其他冰川属性的差异，冰川变化的状态是非常复杂的。在没有对全球冰川进行完整的统一的监测，并对其变化进行评估前，凭借目前的冰川数据并不足以在冰川演化与气候变化间构建一个特定的联系。

（2）实地考察工作

实地的冰川考察能够提供最为完整的、最可信赖的冰川信息。但是由于冰川数量巨大，且都位于偏远的难于到达的地区，实地考察工作开展相当困难并且耗资巨大，因而不可能对所有的冰川都进行实地考察。结合实地考察结果与遥感数据是对全球陆地冰变化进行长期的完整的监测的主要手段。

（3）现有的基于遥感数据的冰川变化分析研究

A、现有的遥感冰川监测数据源简介

现有的遥感冰川监测中大量使用了星载多光谱可见光/近红外多光谱影像，例如ASTER、ETM+、和SPOT影像。同时机载或星载的雷达和激光雷达数据也在冰川遥感监测中发挥重要作用。

B、ASTER数据介绍

ASTER项目的主要目的是深入了解地球表面或近地面以及较低大气层发生的各种局部和区域尺度过程，其中包括地表和大气的相互作用。在ASTER主页上明确指出ASTER影像在冰川、水文、城市扩展、火山预报、蒸散/地表温度、地质等六个方面有着广阔的应用前景。

ASTER影像主要技术参数

波段序号波长范围（μm）地面分辨率（m）

1 0.52~0.60 15

2 0.63~0.69 15

3 0.76~0.86 15

4 1.60~1.70 30

5 2.145~2.185 30

6 2.185~2.225 30

7 2.235~2.285 30

8 2.295~2.365 30

9 2.36~2.43 30

10 8.125~8.475 90

11 8.475~8.825 90

12 8.925~9.275 90

13 10.25~10.95 90

14 10.95~11.65 90

比较ASTER与 TM不难发现：无论在可见光/近红外、短波红外还是在热红外部分，ASTER的光谱分辨率都高于后者，在近红外部分，ASTER的空间分辨率与光谱分辨率都高于TM、SPOT影像。ASTER的时间分辨率为1次/15天。与TM相比，ASTER数据的价格亦低。

ASTER影像数据具有同轨道立体观测能力，这一能力是其他的多光谱影像数据所缺乏的。利用ASTER数据中的 3N和3B波段，可以构建地面DEM。生成的地面DEM可以用于遥感影像的正射校正，对冰川湖、冰川终点和雪线进行监测与制图。生成的DEM也可以用于与已有的地形图对比，以对快速的冰川变薄现象进行评估。

ASTER的3个15米分辨率的可见光/近红外波段和六个30米分辨率的短波红外波段已经被用于对冰、水的监测中；而其6个90米的热红外波段也开始被尝试用于冰川遥感监测工作。

ASTER影像在冰川监测上也存在一些缺点。其垂直分辨率较低，因而不能使用多时相ASTER数据生成的DEM对比以进行冰川表面变化变化监测。ASTER数据也缺乏穿透云雨的能力。

C、目前遥感冰川监测中存在的问题

当前遥感冰川监测主要存在两个问题。

一是对于岩屑覆盖的冰川的分类。这类冰川具有非线性的光谱特征，传统的基于光谱统计的多光谱影像分类方法对此无能为力。例如，在冰川地区影像分类中，对于污化雪、浊水、覆盖有岩屑的冰川和冰碛，目前的多光谱影像分类方法无法进行自动分类。在当前的工作中，对于这些类型地物通常采用人工目视解译分类的方法。

二是对于冰川变薄的监测。就目前应用而言，对于冰川的长度变化，利用多光谱影像能够进行较好的观察与监测。但是对于冰川物质平衡变化而言同样重要的冰川厚度变化，利用多光谱影像难以进行直接的监测。目前只能对于某些特定地区，在特定条件下可以使用多光谱影像，通过对冰川湖泊或冰川表面等的观测间接监测冰川厚度的变化。

（4）GLIMS概述

全球陆地冰空间监测组织（Global Land Ice Measurements from space：GLIMS）是由世界冰川监测组织（World Glacier Monitoring Service）、世界冰川目录（World Glacier Inventory）和美国国家地质调查局世界冰川卫星影像图集项目

（USGS series Satellite Image Atlas of the Glacier s of the world）建立的。其目的在于帮助世界范围内的冰川研究人员对冰川变化进行记录。GLIMS现已有超过92名研究人员，62所研究机构，分布于25个国家。

GLIMS正在建立全球冰川数据库，数据库中存储冰川影像及一系列冰川属性信息。GLIMS研发提供了GLIMS view 等软件以辅助对冰川影像的人工或半自动的解译。对数据库的测试正在进行中，以便对数据的系统性、单一冰川数据内或多冰川数据间误差（地理位置误差、解译误差、由算法问题带来的误差或差异）进行分析与评估。

3、文章概况

该论文是一篇综述性的文章，主要从现有的技术进展概况，科学研究案例介绍，研究结果的实际作用与对气候变化研究的重要作用这些方面对于多光谱遥感数据特别是ASTER数据在全球陆地冰监测（GLIMS）的应用进行了介绍。

_高分一号_多光谱遥感数据特征评价分析_孙明

“高分一号”多光谱遥感数据特征评价分析 孙明1，钟仕全1，孙涵1，谢敏2，吴朝晖1 （1 广西区气象减灾研究所/国家气象卫星中心遥感应用试验基地/气象GIS应用联合实验室，南宁 530022； 2 广西区气候中心，南宁 530022） 摘 要：本文主要利用多种数据质量指标对高分一号WFV4传感器的多光谱图像数据进行了评价，并将其和美国最新发射的Landsat-8 OLI数据进行对比分析，结果表明：GF-1卫星在灰度值分布、影像所含信息量等方面与Landsat-8卫星有一定差距，但在空间分辨率、近红外波段的独立性以及地物可分性方面则要强于Landsat-8，在国土资源调查、环境监测等方面具有很大的潜力。 关键词：高分一号；Landsat-8 OLI；地物光谱；遥感 1 引言 随着我国经济建设的快速发展，广大用户对高空间分辨率、高时间分辨率、高光谱分辨率和全天候的卫星遥感数据的需求十分迫切，面对复杂多样的自然灾害及环境问题,急需能够共享的、标准化的、能满足不同需求的不同类型的卫星遥感数据, 满足灾害和环境监测与预报的要求。随着微电子、微机械等技术的迅猛发展，对地遥感技术取得了重大的突破性进展，作为对地遥感卫星家族的主要成员之一的高分辨率遥感卫星成为国内外用户的宠儿，尤其是在精细农业、化工、资源详查、水利、测绘、重大工程、新闻报道等领域的应用为世界各国带来了巨大的经济效益和难以估量的社会效益。国家根据这一经济发展大需要，提出建设“天地一体化的对地观测体系”的发展思路，近年来接连发射成功了多颗高分辨率的资源卫星：主要包括资源一号02C星、资源三号卫星以及最新发射的高分一号卫星，这一系列卫星构成了我国高空间分辨率和高时间分辨率对地观测体系，改变了我国从国外大量购买卫星影像的被动局面，提升了高分辨率遥感卫星影像的自主供给能力和国际竞争力[1]。其中，最新发射的“高分一号”卫星突破了高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术，对于推动我国卫星工程水平的提升，提高我国高分辨率数据自给率，具有重大战略意义。 本文主要选用几项数据评价指标对高分一号卫星WFV4传感器的多光谱图像数据特征进行评价,并与美国最新发射的Landsat-8 OLI多光谱数据进行对比分析，为该数据的后期推广及应用提供参考。 2 数据选取及预处理 本文所选取的实验数据为2014年1月04日GF-1卫星WFV4传感器的一景16m分辨率多光谱数据，覆盖范围包括南宁、来宾、柳州以及百色，影像基本晴空（如图1所示）。为了对比分析，本文同时选取美国最新发射的Landsat-8卫星数据，成像时间为2013年12月04日（如图2所示），选择与GF-1卫星多光谱波段相对应的4个波段数据，并选取两种数据共同覆盖的区域作为实验样区。 386

多光谱图像

多光谱图像 图像理解是在数字图像处理、计算机技术和人工智能不断发展的基础上产生的一种模拟人的图像识别机理的理论，它与计算机视觉理论有许多共同的部分，或者说有许多交叉的部分，它与人工智能、专家系统也有着一些共同的地方。 图像理解主要包括三个层次，其低层为一般图像处理；中层为图像中特征的符号化组织过程；高层为抽象的符号推理。因此，计算机视觉主要与其低层，人工智能主要与其高层产生重叠。目前，就图像理解这一理论的研究探讨有了专门的期刊；有关大学设置了专门的课程；有关专家学者写了专著。比如国防科技大学的王润生教授就系统地介绍和总结了图像理解的基本理论、方法和国内外研究现状等〔1〕。这一方面的基础理论和方法引起了有关学者和科研人员的注意和浓厚兴趣，他们结合自己的工作领域，进行了更深入的研究。应当说，有关的理论和方法已经被极大地丰富了。比如，有关图像纹理分析这方面的论文、论著数不胜数，其中，有关新理论新方法(如分形分维方法)的应用，更为这一理论注入了新内容；再如，我国数字摄影测量界已经将“双目”图像的分析理论和方法推向了具有世界先进水平的境界。 尽管如此，图像理解的理论与方法仍有严重不足之处。这并不是指这一理论尚未成熟，而是指它的理论与方法还存在着片面性，还没有成为一个完整的体系。因为图像理解的对象是各类图像，并没有限定是某一类图像，那么，现在的问题就是遥感图像理解(主要是多光谱图像理解)的理论十分贫乏。以人类生存环境及地球资源为主要研究目标获取的各种遥感图像已经得到越来越广泛的应用，丰富的光谱信息及其在时间空间域的分辨率的提高，配合着地理信息系统技术，全球定位系统技术和因特网技术的发展和普及，为图像信息的广泛应用创造了空前繁荣的局面，成为信息时代的显著特征，在信息高速公路和数字地球战略中占据着极其重要的地位。然而，现有的图像理解理论和方法在如此丰富的信息面前却显得苍白无力。应当说，面对丰富的遥感信息，人们一直在研究如何处理和应用，有关这方面的理论和方法的研究成果也是不少的，但似乎并没有从图像理解的角度加以总结、提练，有的方面甚至缺乏系统的研究。如对于多光谱图像边缘提取、区域分割等应以什么理论为基础，应采取什么方法；在纹理分析方面，多光谱图像的纹理具有怎样的意义，或者多光谱图像的纹理概念是什么，需要采取什么方法进行分析；时序多光谱图像又应当采取什么分析方法；针对多光谱图像的符号化工作应当如何进行，在此基础上如何利用知识进行推断，如何在模拟人的思维模式方面更深入地开展研究，等等，这些都是应当考虑的问题。这些问题在图像理解的理论与方法之中尚没有或很少有现成的答案。应该承认，对上述一些问题已有一些研究，至少我们自己就已经在一些方面作了初步的研究，但这些研究还不够，研究的成果还未加以总结。 在现实工作中，多光谱图像的分析具有非常重要的意义。丰富的光谱信息为地物的边界和地物目标的识别创造了良好的条件，比起单色图像，多光谱图像具有极大的优越性。随着多光谱图像空间分辨率的提高和地理信息系统技术的发展，人们的信心更加增强，对多光谱图像处理的要求也越来越高。比如，在地形图更新生产中，如果以多光谱图像为背景，就可以半自动地确定地物分布的边缘或跟踪线状地物的“骨架线”，从而大大减轻人工劳动强度，提高效率；又如，利用多光谱图像和各种背景数据如地貌、土壤信息，即将遥感与地理信息系统结合，引入人工智能方法，就象已有的图像理解系统那样，更好、更准确地提取地物目标信息，为土地利用分析、资源环境调查，提供更高质量的成果，已经是许

全色卫星影像 多光谱卫星影像 高光谱卫星影像

北京揽宇方圆信息技术有限公司 全色卫星影像多光谱卫星影像高光谱卫星影像 随着光谱分辨率的不断提高，光学遥感的发展过程可分为：全色（Panchromatic）→彩色（Color Photography）→多光谱（Multispectral）→高光谱（hyspectral）。 注： 全色波段（Panchromatic band），因为是单波段，在图上显示是灰度图片。全色遥感影像一般空间分辨率高，但无法显示地物色彩。实际操作中，我们经常将之与波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。 全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。 多光谱遥感 多光谱遥感：将地物辐射电磁破分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息的遥感技术。 原理：不同地物有不同的光谱特性，同一地物则具有相同的光谱特性。不同地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。 优点：多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异判别地物，扩大了遥感的信息量。 航空摄影用的多光谱摄影与陆地卫星所用的多光谱扫描均能得到不同普段的遥感资料，分普段的图像或数据可以通过摄影彩色合成或计算机图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。

高光谱 高光谱遥感起源于20世纪70年代初的多光谱遥感，它将成像技术与光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比，其所获取的图像包含丰富的空间、辐射和光谱三重信息。 高光谱遥感技术已经成为当前遥感领域的前沿技术。 高光谱遥感具有不同于传统遥感的新特点： 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，数据量成指数增加； 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； 异同点 国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美国LandsatMSS，TM，法国的SPOT等；而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral)；随着遥感光谱分辨率的进一步提高，在达到λ/1000时，遥感即进入超高光谱(ultraspectral)阶段(陈述彭等，1998)。 高光谱和多光谱实质上的差别就是：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） 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（2个），近红外和全色波段） 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。

多光谱遥感卫星影像植被指数种类

遥感植被指数的种类、适用性和优缺点分析 摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。 1、引言 遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。 目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类： 1、比值植被指数（RVI）； 2、归一化植被指数（NDVI）； 3、差值植被指数（DVI）； 4、缨帽变换中的绿度植被指数（GVI）； 5、垂直植被指数（PVI）； 6、土壤调整植被指数（SAVI）等， 这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。 遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。 2、植被遥感的原理 植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。 植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同

常用遥感数据的遥感卫星基本参数大全

常用遥感数据的遥感卫星基本参数大全

常用遥感数据的遥感卫星基本参数大全 常用, 遥感数据, 遥感卫星, 基本参数, 大全 1、CBERS-1 中巴资源卫星 CBERS-1 中巴资源卫星由中国与巴西于1999年10月14日合作发射，是我国的第一颗数字传输型资源卫星 卫星参数： 太阳同步轨道轨道高度：778公里,倾角:98.5o 重复周期：26天平均降交点地方时为上午10：30 相邻轨道间隔时间为 4 天扫描带宽度:185公里星上搭载了CCD传感器、IRMSS红外扫描仪、广角成像仪，由于提供了从20米-256米分辨率的11个波段不同幅宽的遥感数据，成为资源卫星系列中有特色的一员。 红外多光谱扫描仪：波段数： 4波谱范围：B6：0.50 –1.10(um)B7：1.55 –1.75(um)B8：2.08 – 2.35(um)B9：10.4 – 12.5(um)覆盖宽度：119.50公里空间分辨率：B6 – B8：77.8米B9：156米 CCD相机：波段数： 5波谱范围：B1：0.45 –0.52(um)B2：0.52 –0.59(um)B3：0.63 –0.69(um)B4：0.77 –0.89(um)B5：0.51 – 0.73(um)覆盖宽度：113公里空间分辨率：19.5米(天底点)侧视能力：-32 士32 广角成像仪：波段数： 2波谱范围：B10：0.63 –0.69(um)B11：0.77 –0.89(um)覆盖宽度：890公里空间分辨率：256米 CBERS-1卫星于1999年10月14日发射成功后，截止到2001年10月14日为止，它在太空中己运行2年，围绕地球旋转10475圈，向地面发送了大量的遥感图像数据，已存档218201景0级数据产品。 CBERS-1卫星的设计寿命是2年，但据航天专家测定CBERS-1卫星在轨道上运行正常。有效载荷除巴西研制的宽视场成像仪于2000年5月9日因电源系统故障失效外，其余均工作正常，而且目前星上的所有设备均工作在主份状态，备份设备还未启用，星上燃料绰绰有余。因此，虽然卫星设计寿命是2年，但航天专家设计时对各个器件都打有超期服役的余量，从CBERS-1卫星目前的运行情况来，其寿命肯定要远远大于2年。所以欢迎用户继续踊跃使用CBERS-1的数据。 2002年我国将发射CBERS-2卫星，用户期望的中巴地球资源卫星在太空中双星运行的壮观将会实现。 2、法国SPOT卫星 法国SPOT-4卫星轨道参数： 轨道高度：832公里 轨道倾角：98.721o 轨道周期：101.469分/圈 重复周期：369圈/26天 降交点时间：上午10：30分 扫描带宽度： 60 公里 两侧侧视：+/-27o 扫描带宽：950公里 波谱范围：

卫星全色和多光谱模式介绍

QuickBird卫星全色和多光谱模式 时间:2009-08-24 众所周知，遥感是使用各种传感器远距离探测目标所辐射、反射或散射的电磁波，经加工处理变成能够识别和分析的图像和信号，以获取目标性质和状态信息的综合技术。 遥感根据获取目标的手段不同可分为狭义遥感和广义遥感。 狭义遥感以电磁辐射为感测对象，而广义遥感还包括磁力、重力等地球物理的测量和属于地球物理测量范畴的地震波、声波等弹性波。 我们通常所说的遥感概念则专指以电磁辐射为特征的狭义遥感。不同的目标物受到太阳或其他辐射源的电磁辐射时，它们所特有的反射、发射、透射、吸收电磁辐射的性质是不同的。通过获取目标物对电磁辐射的显示特征，可识别目标的属性和状态。所以传感器谱段的设置与目标物的光谱特性有着密切的关系。 目前世界上用于卫星遥感的传感器有两大类：光学遥感和微波遥感。 光学遥感: 光学遥感指利用光学设备探测和记录被测物体辐射、反射和散射的相应谱段电磁波，并分析、研究其特性及变化的技术。 光学遥感覆盖了红外、可见光和紫外三个谱段，常用的有以下三种： 可见光遥感: 其工作波长为0.4～0.76微米，一般采用感光胶片或光电探测器作为感测元件，属于摄影成像遥感。它主要使用可见光远摄镜头照相和可变焦距电视摄像等，感测的是目标及背景反射或自身发出的可见光，记录的信息或拍摄的图像是物体反射光或发光强度的空间分布。可见光遥感是光学遥感中历史最长的一种，是对地观测和军事侦察的主要手段之一。摄影成像的分辨率(G)很高，可以近似地表示为： G=f×R/H 其中f为镜头焦距，R为镜头与底片的综合分辨率，H为高度(或距离)。 红外遥感器: 主要包括红外扫描仪、红外辐射仪等。红外遥感通过探测红外辐射获取目标和背景的辐射温度或热成像。其探测能力取决于目标、背景与周围环境的温度差。红外遥感的最大优点是可获取无光照或薄云下目标和背景的图像。 多谱段遥感： 使用几个不同的谱段同时对一目标或地区进行感测，从而获得与各谱段相对应的各种信息。将不同谱段的遥感信息加以组合，可获取目标物更多的信息。多谱段遥感是在可见光和红外遥感的基础上发展起来的，它能明显地分辨多种目标和背景特性，兼有可见光和红外遥感技术的优点。也为高光谱和超高光谱的发展提供了依据。微波遥感： 微波遥感是利用微波遥感设备，对地物目标和环境的微波辐射、反射或散射能量实施探测的技术，其波长为1～1000毫米． 微波遥感按工作模式的不同可分为两种： 有源微波遥感: 主要由成像雷达、微波散射计和微波高度计组成。在卫星遥感中应用较多的是合成孔径雷达，它是利用平台与目标的相对运动产生的多普勒频移，经二维相关处理或匹配滤波处理而获得高分辨率的图像。 无源微波遥感: 主要指各种微波辐射计，它是通过测量自然界各种物体发出的微弱微波辐射来测量目标的辐射特性和实际温度。

高光谱,多光谱及超光谱

1、光谱分辨率 光谱分辨率spectral resolution 定义1：遥感器能分辨的最小波长间隔，是遥感器的性能指标。遥感器的波段划分得越细，光谱的分辨率就越高，遥感影像区分不同地物的能力越强。 定义2：多光谱遥感器接收目标辐射信号时所能分辨的最小波长间隔。 光谱分辨率指成像的波段范围，分得愈细，波段愈多，光谱分辨率就愈高，现在的技术可以达到5~6nm（纳米）量级，400多个波段。细分光谱可以提高自动区分和识别目标性质和组成成分的能力。 传感器的波谱范围，一般来说识别某种波谱的范围窄，则相应光谱分辨率高。 举个例子：可以分辨红外、红橙黄绿青蓝紫紫外的传感器的光谱分辨率就比只能分辨红绿蓝的传感器的光谱分辨率高。 一般来说，传感器的波段数越多波段宽度越窄，地面物体的信息越容易区分和识别，针对性越强。 2、什么是高光谱，多光谱及超光谱 高光谱成像是新一代光电检测技术，兴起于2O世纪8O年代，目前仍在迅猛发展巾。高光谱成像是相对多光谱成像而言，通过高光谱成像方法获得的高光谱图像与通过多光谱成像获取的多光谱图像相比具有更丰富的图像和光谱信息。如果根据传感器的光谱分辨率对光谱成像技术进行分类，光谱成像技术一般可分成3类。 (1)多光谱成像——光谱分辨率在delta_lambda/lambda=0．1mm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。 (2)高光谱成像——光谱分辨率在delta_lambda/lambda=0．01mm数量级，这样的传感器在可见光和近红外区域有几十到数百个波段，光谱分辨率可达nm 级。 (3)超光谱成像——光谱分辨率在delta_lambda/lambda =O．001mm=1nm数量级，这样的传感器在可见光和近红外区域可达数千个波段。 众所周知，光谱分析是自然科学中一种重要的研究手段，光谱技术能检测到被测物体的物理结构、化学成分等指标。光谱评价是基于点测量，而图像测量是基于空间特性变化，两者各有其优缺点。因此，可以说光谱成像技术是光谱分析

遥感图像的多光谱增强实验报告

→Principial Comp →Pincipal Components对话框，（图1.1.1）。选择影像，忽略0值，期望输出主成分数量：7并勾选输出特征值和特征向量。 图1.1.1 主成份变换对话框 选择保存路径，保存主成份变换之后的影像、后缀名为.mtx的特征向量和后缀名为.tbl的特征值。 图1.1.2 主成份变换前影像

图1.1.2 主成份变换后影像 ②查看七个单波段主成份变换后的影像。 图1.2.1 第一波段影像图1.2.2 第二波段影像图1.2.3 第三波段影像 图1.2.4 第四波段影像图1.2.5 第五波段影像图1.2.6 第六波段影像 图1.2.7 第七波段影像

2.①ERDAS 图标面板菜单条：Tools→Edit Txt Files，分别打开特征向量和特征值文件。 图1.2.1 主成份特征向量 图1.2.2 主成份特征值 ②把特征值复制到ECXEL表格中计算百分比，可以看到第一主分量标准差分布最广，集中信息量最多，第二分量次之。 特征值百分比 868.4795153 80.94410239 149.9110022 13.9720181 40.51377151 3.775968013 5.7131775 0.53248006 4.347115382 0.405160221 3.125243136 0.291279179 0.847535218 0.07899205 合计：1072.93736 100 3.主成份逆变换 ①进入ERDAS 图标面板菜单条：Image Interpreter→Spectral Enhancement →Principial Comp →Inverse Pincipal Components。 图2.3.1 主成份逆变换参数设置对话框 ②即可得到原影像。

高光谱遥感与多光谱遥感

何为高光谱、何为多光谱？ 【知其源】 光学遥感的发展——光谱分辨率的不断提高 全色彩色多光谱高光谱 ps:看到多光谱、高光谱图像时，我的肉眼实在是无从区分它二者的区别，只能查资料啦！全色遥感影像：传感器仅获取单个波段（0。5μm-0.75μm）的黑白影像 【个人简历】 多光谱遥感 将地物辐射电磁波分隔成若干个较窄的光谱段，以摄影或扫描的方式在同一时间获得同一目标不同波段信息的遥感技术。 ?原理 不同地物具有不同的光谱特性，同一地物则具有相同的光谱特性。同一 地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。 ?优点 多光谱遥感不仅可以根据影像的形态和结构差异来判别地物，还可以根 据光谱特性的差异来判别地物，扩大了遥感的信息量。 航空摄影用的多光谱摄影，与陆地卫星所用的多光谱扫描均能得到不同 谱段的遥感资料，分谱段的图像或数据可以通过摄影彩色合成或计算机 图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别 与分类提供了可能。

高光谱遥感 高光谱遥感起源于20世纪70年代初的多光谱遥感。它将成像技术与光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。与传统遥感技术相比，其所获取的图像包含了丰富的空间、辐射和光谱三重信息。 高光谱遥感技术已成为当前遥感领域的前沿技术。 ?高光谱所包含的信息十分丰富，乃至海量，来看它的相关应用： 可以用于检测机器是否有裂纹、缺陷等； 检测农产品的品质，包括外部品质（大小、颜色、形状等）和内部品质（糖度、酸度等）； 也可以检测产品的污染、病虫害以及一些疾病应用等 ?不同于传统遥感的新特点 1）波段多：可以为每个像元提供几十、数百甚至上千个波段 2）光谱范围窄：波段范围小于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，数据量成指数增加 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

多光谱和全色图像研究背景及意义

1、 研究背景及意义 遥感影像具有成像区域面积大（一幅图像可以包括的地表的面积可达几十*几十平方公里，甚至上百），在外太空可以不受天气影像，成像快速等特点，在工农业生产、军事侦察打击，地球资源普查等方面有着重要应用。一般遥感卫星上具有一个全色传感器，可以对大范围的光谱进行光谱响应，形成全色图像。全色图像是灰色图像，具有高的空间分辨率，但是因为只有一个光谱带，因此光谱分辨率较低，不能确定地物的类型，对地物类型识别极为不利。为了弥补全色图像的不足，卫星上一般同时搭载一个多光谱传感器（常见的有红、绿、蓝、近红外、远红外光谱带等）。由于物理器件的限制，多光谱传感器具有高的光谱分辨率，但是空间分辨率较低。多光谱和全色图像融合就是结合全色图像具有高的空间分辨率，多光谱图像具有高的光谱分辨率的优点，合成具有全色的空间分辨率和多光谱图像的光谱分辨率的融合图像。 2、 研究现状 早期多光谱和全色图像的融合方法有比率法(brovey 方法)和成分替换法（HIS 方法、PCA 方法等），后来随着多尺度分析工具的出现，出现了多尺度图像融合(高通滤波，小波变换，contourlet 变换，NSCT 等变换的多尺度图像融合方法)，最近有基于变分方程能量函数最优解的图像融合和基于稀疏表示的图像融合以及两类方法的结合(如HIS 和多尺度分析的结合)的融合方法。 比率方法图像融合的一般化模型是： i i P F MS S ↑= 其中Fi 融合图像的第i 带，P 是全色图像，S 是合成图像，MSi 是上采样后的第i 带多光谱图像。其中合成图像S 是关键，早期是通过多光谱带的平均得到合成图像S ，后来通过多光 谱图像的加权平均得到，现在是通过求最小化差异函数2min P S -P P 得到。该方法得到的

遥感影像多光谱变换

实习序号及题目实习5.遥感影像多光谱变换实习人姓名张启兴专业班级及编号10地信1027任课教师姓名刘勇实习指导教师姓名 实习地点榆中校区实验楼 A109 实习日期时间2020年11月27日 实习目的 理解主成份变换、去相关拉伸、樱帽变换、色彩变换、自然色彩变换的原理、方法和操作步骤。 掌握利用特征空间视图对影像中若干典型地物（如水体、农田、林地、居民地等）进行遥感影像分析 实习内容 1.主成分变换： 数据：实习1中截取的子区Landsat TM影像或者ENVI软件配套教学数据0112024.img。 要求：保存并在实现报告中记录特征值和特征值矩阵，逐一比较变换后各个波段的影像特征，说明从各个波段可以提取的影像信息，根据特征值说明变换后各个波段在影像总信息中的百分比。 2.去相关拉伸： 数据：实习1中截取的子区Landsat TM影像或者ENVI软件配套教学数据0112024.img。 要求：比较变换后各个波段的影像特征。 3.樱帽变换： 数据：实习1中截取的子区Landsat TM影像或者ENVI软件配套教学数据0112024.img。 要求：逐一比较变换后各个波段的影像特征。注意传感器类型的选择。 4.色彩变换： 数据：实习1中截取的子区Landsat TM影像或者ENVI软件配套教学数据0112024.img。 要求：分析变换后影像的色彩特征。 5.自然色彩变换 数据：SPOT影像案例数据：spotxs.img。 要求：说明参与变换的各个波段影像的光谱特征，比较变换前后的影像特征。分析变换后影像信息的特点。

基本原理 1.主成份变换实质上就是在多光谱空间中根据像元灰度矢量散点的空间分布特征（主要是均值、方差分布）对影像进行的以平移、旋转为主要内容的线性变换，使变换后各个坐标轴与影像多光谱空间变化的主要方向保持一致。 主成分变换去除了原影像各个波段之间的相关性，还把有用的信息集中到数目尽可能少的几个主成分影像波段上，从而提高了影像目视分析的效率。 2.颜色是重要的视觉信息，识别各种不同的颜色是人类与生俱来的能力。人的视觉系统有3类视锥细胞用于感知颜色，其峰值响应波长分别为430nm，530nm和560nm。 人类能够感知和识别的明暗灰度等级不过是10多中，但是能够识别的颜色数目一般可达上百种。好的视觉观察员甚至可以识别17000种颜色。 三原色原理（T.Young）：人类的视觉系统所感知的所有颜色都是红、绿和蓝色这三种基本颜色的线性组合 3.Tasseled Cap，又称为Kauth-Thomas（K-T）变换 起源：Kauth和Thomas（1976）根据Landsat MSS数据研究多光谱信息与自然景观季相变化间的关系而建立的一种特定的数学变换，1984年Crist和Cicone又将其移植于TM数据，并用于农作物长势监测。 数据准备 实习1中截取的子区Landsat TM影像。 ENVI软件配套教学数据0112024.img SPOT影像案例数据spotxs.img、Landsat5TM。 操作方法及过程 1.利用裁剪地区的影像，选择transform/color transform/rgb-his,作从rgb到his色 彩空间的色彩变换选择输出路径保存相应的影像文件。 2.打开裁剪地区的影像，选择transform/color transform/rgb-hsv,作从rgb到his色 彩空间的色彩变换选择输出路径保存相应的影像文件。, 3.利用裁剪区域的影像文件，选择transform/tasseled cap,输入相应参数，作关于 原影像432波段的缨帽变换。 4.打开SPOT影像文件spotxs.img，选择bascial tools/band math.输入公式(float（b1） +b2+b3)/3,点击add to list。合成green波段的影像。然后选择file/save file as/envi standard选择输入的原影像3,green，2波段的影像，点击ok。完成，输出自然彩色图像。

遥感卫星数据介绍和样例数据下载

北京揽宇方圆信息技术有限公司 遥感卫星数据介绍和样例数据下载 下面各遥感卫星影像数据样例下载 链接：https://https://www.sodocs.net/doc/f212852022.html,/s/1oG0XtspXWDTC5FstpKX9tA 提取码：联系北京揽宇方圆遥感影像部 中国： superview-01/02/03/04(全色分辨率0.5米+多光谱分辨率2.0米） 北京二号-01/02/03（全色分辨率0.8米+多光谱分辨率3.2米） GF2（全色分辨率0.8米+多光谱分辨率3.2米） GF1/GF6（全色分辨率2米+多光谱分辨率8米） 资源三号01（正视2.1米、前后视3.5米+多光谱分辨率5.8米） 资源三号02（正视2.1米、前后视2.5米+多光谱分辨率5.8米） 北京一号（全色分辨率4米+多光谱分辨率32米）（05-10存档） 资源一号02C（全色分辨率5米+多光谱分辨率10米） 环境1A/1B（多光谱30米，超光谱100米） 美国：

1.DigitalGlobe: WorldView-3/4（全色分辨率0.31米+多光谱分辨率1.24米） WorldView2（全色分辨率0.46米+多光谱分辨率1.85米）WorldView1（全色分辨率0.5米+无多光谱分辨率） GeoEye-1（全色分辨率0.41米+多光谱分辨率1.65米） QiuckBird（全色分辨率0.61米+多光谱分辨率2.44米） IKonos（全色分辨率0.82米+多光谱分辨率3.2米） 2.PlanetLabs: SkySat1-13（全色分辨率0.8米+多光谱分辨率1米） Planetscope(多光谱分辨率3-4米） 3.锁眼卫星keyhole: KH（全色分辨率0.6-100米） 法国： Airbus： SPOT1-4（全色分辨率10米+多光谱分辨率20米） SPOT5（全色分辨率2.5米+多光谱分辨率10米、短波红外20米） SPOT6-7（全色分辨率1.5米+多光谱分辨率6米） Pleiades-1A/1B（全色分辨率0.5米+多光谱分辨率2米） 德国：

多光谱影像分类实践

多光谱影像分类实践 杨沈斌 南京信息工程大学应用气象学院 概述 遥感影像分类是遥感应用的重要内容之一。多光谱遥感图像通过亮度或像元值的高低差异，即地物光谱信息在各波段图像上的反映，以及地物分布的空间特征来表示不同地物的差异。因此，不同地物的光谱特征差异及空间分布特性是区分不同地物的物理基础。遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照特定的规则或算法划分为不同的类别，识别不同地物，并获取不同地物的空间分布。遥感图像分类主要分为两种方法：监督分类与非监督分类。另一种是将多源数据应用于图像分类中，发展成基于专家知识的决策树分类。 监督分类方法的一般过程： 1)定义训练样本 2)执行监督分类 3)评价分类结果 4)分类后处理 非监督分类方法的一般过程： 1)执行非监督分类 2)类别定义 3)合并子类 4)评价结果 监督分类方法的实践操作 以ENVI软件自带的Landsat TM数据can_tmr.img为例，运用最大似然分类算法（Maximum Likelihood Classification）进行影像分类的操作。按照该分类方法的一般过程执行，步骤如下： 1. 启动ENVI，使用File—Open Image File命令并打开ENVI软件默认路径下的can_tmr.img影像。打开后，使用波段组合R=7、G=4、B=2方式Load RGB显示，如图1所示。从Available Bands List中可以看出，该影响不带投影坐标系统（即没有蓝色的小地球图标）。从打开的图像中，基本上可以看出，绿色对应植被区域，山区有植被覆盖（深绿色），山的背阳面为黑色，白色的区域主要对应裸地（但笔者不是非常确定）。利用Z Profile（Spectrum）工具提取植被、河流、裸地的波段光谱曲线，如图2所示。从图中可以看出，不同地物的光谱曲线差异明显。

【CN110070035A】一种多光谱遥感影像分类方法和系统【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910319458.6 (22)申请日 2019.04.19 (71)申请人 中国科学院遥感与数字地球研究所 地址 100101 北京市朝阳区大屯路甲20号 北 (72)发明人 高海亮　顾行发　程天海　余涛　 孙源　刘其悦　 (74)专利代理机构 北京中政联科专利代理事务 所(普通合伙) 11489 代理人 肖佳 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/62(2006.01) (54)发明名称 一种多光谱遥感影像分类方法和系统 (57)摘要 一种多光谱遥感影像分类方法和系统。该分 类方法采用十进制编码方法对多波段进行压缩， 将多个波段的灰度值转换成一个十进制编码值， 且编码的位数和波段数相同，采用最小距离法或 光谱夹角法对所有十进制编码进行聚类分类，得 到聚类中心的参考十进制编码，并根据最小距离 法或光谱夹角法计算所有十进制编码和参考十 进制编码对应的类别属性，最后，通过索引的方 式实现整个多光谱遥感影像的自动分类。本发明 的多光谱遥感影像分类方法处理相比于现有的 分类方法具有精度更高、 处理速度更快的特点。权利要求书3页 说明书11页 附图10页CN 110070035 A 2019.07.30 C N 110070035 A

权　利　要　求　书1/3页CN 110070035 A 1.一种多光谱遥感影像分类方法，其特征在于，包括如下步骤： 读取多光谱遥感影像，获取所述影像中每个像素在预定波段的灰度值； 分别统计所述多光谱遥感影像的所有像素在各预定波段的灰度直方图，获取每个灰度值对应的直方图分布频率； 对直方图分布频率大于一预定分布频率的灰度值进行十进制编码压缩处理，建立所述灰度值在预定波段对应的十进制编码； 对所述十进制编码进行聚类分析，获得参考十进制编码； 为所有十进制编码和参考十进制编码分配分类赋值，建立索引查找表； 根据所述索引查找表对所述多光谱遥感影像的灰度值进行分类并保存分类结果。 2.根据权利要求1所述的多光谱遥感影像分类方法，其特征在于，所述对直方图分布频率大于一预定频率分布的灰度值进行十进制编码压缩处理，建立所述灰度值在预定波段对应的十进制编码的步骤包括： 获取压缩系数； 根据所述压缩系数对各预定波段的灰度值进行十进制编码压缩，得到被压缩的灰度值； 对被压缩的灰度值建立所述预定波段对应的十进制编码。 3.根据权利要求2所述的多光谱遥感影像分类方法，其特征在于，按照下式获取压缩系数Gain： Gain＝max(DN main)/Scale (1) 其中，DN main为直方图分布频率大于所述预定分布频率对应的灰度值数据集；max为取最大值函数，Scale为压缩比例，取值设为9。 4.根据权利要求3所述的多光谱遥感影像分类方法，其特征在于，根据所述压缩系数对各预定波段的灰度值进行十进制编码压缩： DN new＝round(DN old/Gain) (2) 其中，DN old是原始多光谱遥感影像的灰度值，DN new是经过压缩后的灰度值，取值范围为0-9，round是取整函数。 5.根据权利要求4所述的多光谱遥感影像分类方法，其特征在于，所述对被压缩的灰度值建立所述预定波段对应的十进制编码包括： 假设预定波段共有N个； 十进制编码＝DN new1*1+DN new2*10+……DN newi*10i-1+……DN newN*10N-1； 其中，DN new1为第1个波段的被压缩的灰度值，DN new2为第2个波段的被压缩的灰度值，DN newi为第i个波段的被压缩的灰度值，i∈N,DN newN为第N个波段的被压缩的灰度值。 6.根据权利要求1-5任一项所述的多光谱遥感影像分类方法，其特征在于，所述预定波段包括四个波段，分别是蓝波段，绿波段，红波段和近红外波段。 7.根据权利要求1-5任一项所述的多光谱遥感影像分类方法，其特征在于，对所述十进制编码进行聚类分析，获得参考十进制编码的步骤包括： 对所有的十进制编码进行直方图统计，得到十进制编码对应的直方图分布频率； 提取分布频率大于一预定频率的十进制编码，作为M类初始化聚类中心，M为分布频率大于一预定频率的十进制编码的类别数； 2

遥感卫星影像数据全色波段和多光谱波段介绍

北京揽宇方圆信息技术有限公司 遥感卫星影像数据全色波段和多光谱波段介绍 全色波段（Panchromatic band），因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。实际操作中，我们经常将之与多波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。 全色波段，一般指使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。 多波段，又叫多光谱，是指对地物辐射中多个单波段的摄取。得到的影象数据中会有多个波段的光谱信息。对各个不同的波段分别赋予RGB颜色将得到彩色影象。例如，将R，G，B分别赋予R，G，B三个波段的光谱信息，合成将得到模拟真彩色图象。多波段遥感影象可以得到地物的色彩信息，但是空间分辨率较低。

北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 优势： 1：北京揽宇方圆国内老牌卫星数据公司，经营时间久，行业口碑相传，1800个行业用户选择的实力见证。 2：北京揽宇方圆遥感数据购买专人数据查询一对一服务，数据查询网址是卫星公司网。 3：北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。 4：北京揽宇方圆国家高新技术企业，通过ISO900认证的国际质量管理操作体系，无论是遥感卫星品质和遥感数据处理质量，都能得到保障。 5：影像数据官方渠道：所有的卫星数据都是卫星公司授权的原始数据，全球公众数据查询网址公开查询，影像数据质量一目了然，数据反应客观公正实事求是，数据处理技术团队国标规范操作，提供的是行业优质的专业化服务。 6：签定正规合同：影像数据服务付款前，买卖双方须签订服务合同，提供合同相应的正规发票，发票国家税网可以详细查询，有增值税普通发票和增值税专用发票两种发票类型可供选择。以最有效的法律手段来保障您的权益。

多光谱成像技术及最新应用

多光谱成像技术 摘要：在信息获取这一影响深远的科技领域中，多光谱成像技术有着极其重要的意义。多光谱成像与“遥感技术”分不开，随着遥感理论的进一步发展及光电技术的进展，焦平面探测器、CCD传感器、光学成像技术、信息融合处理技术的进步和应用，多光谱成像技术获得快速发展。它是在原有目标二维空间信息基础上再同时采集光谱特性、偏振特性等多维信息，从而大大提高了对目标的探测和辨别能力。 关键字：多光谱成像技术电磁波 一个完整的多光谱遥感应用系统包括以下几个部分： （1）目标光谱特性研究。它是多光谱遥感应用的基础性工作，包括研究目标辐射和反射电磁波的特性、电磁波在大气中的传播以及和物体相遇时会发生的现象等。通过实验，测量收集和分析大量目标物体的特定光谱特征，如色彩、强弱等，找出不同物体之间光谱信息的细微差异，为目标的识别提供科学依据。 （2）信息获取设备。它用来接收目标和背景辐射和反射的电磁波，并将其转换为电信号和图像形式，是光电遥感技术最重要的部分，主要包括各种相机、扫描仪、成像光谱仪及各种信息记录设备等。此外，还包括把这些设备运送到适合进行探测的高度和位置的运载平台。（3）图像的处理和判读。对已获得的信息进行各种校正，去除某些失真、偏差、虚假的信号，还原成一个比较接近真实景象的信号，然后人工辨别或借助光学设备、计算机进行光谱特征分析比较，找出感兴趣的目标。 物体的光谱特性 任何有温度（大于0K）的物体，内部都具有热能。物体温度升高，热能增加，内部的某种运动状态上升到高能级的激发态；温度下降，运动状态从激发态回到低能级，并产生辐射，这就是自然界普遍存在的热辐射。热辐射遵循普朗克辐射定理。物体的辐射本领和它的表面状态、几何结构有关。 电磁波可以采用波长、相位、能量、极化（偏振）等物理参数来描述。电磁波在传播中遵循波的反射、折射、衍射、干涉、吸收、散射等规律。电磁辐射通过不同的介质时，其强度、波长、相位、传播方向和偏振面等将发生变化，这些变化可能是单一的，也可能是复合的。 电磁波按波长可分为无线电波、微波、红外线、可见光、紫外线、X射线、γ射线等。如果用专门的传感器或探测设备，可探测到几乎所有波长的电磁波。多光谱成像技术中通常采用的波段为红外线、可见光、紫外线等。 当外来电磁波入射到一个物体表面时，会引起电磁波和物体间的相互作用，通常会产生三种现象。第一种是反射和散射，第二种是电磁波进入到物体内部而被吸收，第三种是电磁波穿透物体再次进入空间。根据能量守恒定律，上述三部分比例之和应该为1，即 ρ+α+τ=1 其中，ρ是反射率，α是吸收率，τ是透射率。 不同物体，组成它们的分子、原子、电子的数量、排列方式、能级间距等各不相同。它们的物理特性如大小、形状、密度、介电常数、表面粗糙度、光学性质、温度等也各不相同。因此，随物体性质的不同，它们对电磁波能量的反射、吸收、透射随波长的不同而不同。正是这些差别，构成了每一种物体特有的电磁波频谱特性，又称光谱特性。物体的光谱特性携带了该物体的特征信息，是用电磁波特征表征的物体的“指纹”。如果事先掌握了各种物体