遙感應用模型全冊配套完整課件

遙感應用模型全冊配套完整課件遙感應用模型綜述遙感應用模型按遙感領域分：高光譜應用高分辨率應用合成孔徑雷達應用激光雷達應用非傳統(tǒng)遙感應用按建模機理分：統(tǒng)計模型物理模型國內外成像光譜儀研究高光譜遙感的起源和發(fā)展成像光譜儀簡介高光譜遙感的起源和發(fā)展提高光譜分辨率成像光譜儀簡介如果能實現(xiàn)連續(xù)的窄波段成像，那么就有可能實現(xiàn)地面礦物的直接識別，由此產生了光譜和圖像結合為一體的成像光譜技術。1983年美國噴氣推進實驗室研制出第一臺航空成像光譜儀（AIS-1）,隨后包括中國在內的許多國家都研制成功了一系列成像光譜儀，其中有以線陣探測器為基礎的光機掃描型，有以面陣探測器為基礎的固態(tài)推掃型，也有以面陣探測器加光機的并掃型。

成像光譜儀主要性能參數(shù)是：（1）噪聲等效反射率差，體現(xiàn)為信噪比；（2）瞬時視場角，體現(xiàn)為地面分辨率；（3）光譜分辨率，直觀地表現(xiàn)為波段多少和波段譜寬。

成像光譜儀簡介高光譜分辨率遙感信息分析處理，集中于光譜維上進行圖像信息的展開和定量分析，其圖像處理模式的關鍵技術有：⑴超多維光譜圖像信息的顯示，如圖像立方體的生成；⑵光譜重建，即成像光譜數(shù)據(jù)的定標、定量化和大氣糾正模型與算法，依此實現(xiàn)成像光譜信息的圖像-光譜轉換；⑶光譜編碼，尤其指光譜吸收位置、深度、對稱性等光譜特征參數(shù)的算法；⑷基于光譜數(shù)據(jù)庫的地物光譜匹配識別算法；⑸混合光譜分解模型；⑹基于光譜模型的地表生物物理化學過程與參數(shù)的識別和反演算法。

高光譜分辨率成像光譜遙感起源于地質礦物識別填圖研究，逐漸擴展為植被生態(tài)、海洋海岸水色、冰雪、土壤以及大氣的研究中。主要成像光譜儀AVIRIS（JPL）OMIS（CHN）PHI（CHN）NEMO（USA）ARIES-1（澳）CHRIS（歐空局）FTVHSI（USA）HYPERION（USA）HIS（德）PRISM（歐空局）WARFIGHTER-1（USA）HYMAP（澳）PROBE-1CASI-2（加）嫦娥光譜CCD相機拍攝光譜儀拍攝高光譜遙感的主要應用領域國外主要應用領域國內主要應用領域國內應用面臨的問題高光譜國外主要應用領域大氣生態(tài)學（葉綠素、外來物種、林業(yè)監(jiān)測）地質（礦產資源調查、地類識別、考古）沿海水體冰雪火災環(huán)境調查和監(jiān)測資源勘查高光譜國內主要應用領域赤潮監(jiān)測內陸水環(huán)境調查區(qū)域性植物生態(tài)監(jiān)測與精細農業(yè)研究數(shù)據(jù)處理技術研究考古高光譜在地質中的應用礦體通常都是埋藏在地下，地表不能直接看到，因而遙感衛(wèi)星照片（或遙感航空照片）都不會對地表下面的礦體有直接的反映。在這種情況下，遙感地質工作者通過兩種途徑來獲取找礦信息。一是從宏觀上利用遙感圖像對斷裂構造和巖性的明顯反映來研究成礦背景，從而確定成礦有利區(qū)帶。二是從微觀上識別礦化蝕變，這是重要的找礦信息。這種礦化蝕變的識別必須通過多個光譜波段的遙感圖像才能獲得。而普通的衛(wèi)星遙感圖像只有幾個波段（通常為7個），取得的礦化蝕變信息具有很大的不確定性，影響找礦效果。高光譜在地質中的應用對地物精細的光譜特征和地物之間的內在聯(lián)系進行探測，開創(chuàng)了遙感利用地物細分光譜的“指紋效應”直接進行地物屬性識別與信息量化提取的新局面。從應用角度講，高光譜遙感可為資源調查、環(huán)境調查與監(jiān)測、土地動態(tài)監(jiān)測等應用領域提供普通遙感得不到的具體、詳細、精確的信息。從地質調查角度講，高光譜遙感技術的發(fā)展和應用將帶來地質調查方法的一場革命。在地質填圖方面，從區(qū)域場景上，經過光譜編碼可以進行譜形匹配，不僅能識別巖石還能識別礦物，可以利用圖像光譜特征與光譜數(shù)據(jù)庫中光譜的相似性進行巖石識別和分類，從而繪制不同巖石類型的分區(qū)圖，不同構造單元的巖相圖、不同變質程度的變質巖分級圖等專題圖件。在找礦方面，高光譜可以大面積快速準確地識別礦物，為找礦提供了快速有效的手段高光譜在地質中應用的問題一是在探測儀器方面，需要有穩(wěn)定可靠的高光譜分辨率和高空間分辨率的儀器；二是在衛(wèi)星平臺方面，需要合適的衛(wèi)星用于高光譜系統(tǒng)的建設；三是在數(shù)據(jù)處理系統(tǒng)的研發(fā)方面，需要進一步實用化、程序化，建立基礎數(shù)據(jù)處理技術標準；四是在信息提取與解譯系統(tǒng)的研發(fā)方面，如礦物填圖、土地利用分類、水質監(jiān)測分析等算法或數(shù)據(jù)模型等。國內應用面臨的問題傳感器的空間分辨率機載同步定標有待完善影像的幾何校正成熟公開的高光譜庫應用面窄高光譜遙感圖像分析軟件國外（JPL、SPAM、SIS、ENVI、PCI）國內（MAPGIS、HIPAS）ENVIENVI擁有高光譜和多光譜分析工具。用戶可以識別出圖像中純度最高的像元，通過與已知波譜庫的比較確定未知波譜的組分。用戶不但可以使用ENVI自帶的波譜庫，也可以自定義波譜庫，甚至可以組合使用線性波譜分離和匹配濾波技術進行亞像元分解，以消除匹配誤差獲得更精確的結果。PCI模塊提供高光譜地物庫，并支持用戶有限光譜通道的光譜庫，即可由用戶自行組合成有限光譜通道（如10－20個）的光譜曲線庫。它同時提供用戶各種光譜分析能力，自動地物判識（根據(jù)光譜特點），包括：光譜角制圖工具、光譜記錄的添加、光譜數(shù)據(jù)的算術運算、高到低的譜卷積和高斯卷積、光譜庫報告、影像光譜到參考光譜的匹配、支持用戶對光譜庫記錄的修改，用戶可用上述工具對高光譜影像進行輔助的或半自動的地物判識，或結合PCI軟件的多光譜分析（MultispectralAnalysis)和神經元網絡分類模塊及其他影像解譯方法進行地物判識。MAPGISMAPGIS_RSP遙感影像處理平臺的高光譜處理系統(tǒng)提供了數(shù)據(jù)輸入、輻射校正和定標、光譜重建、幾何校正、光譜特征分析和提取、高光譜圖像分類、混合光譜分解、光譜庫顯示和建設，及多種專題分類處理等方面的功能。作為一個全面的高光譜數(shù)據(jù)處理系統(tǒng)，為高光譜數(shù)據(jù)在地礦，農業(yè)，林業(yè)，洪水監(jiān)測，測繪，海洋等方面的研究與應用提供幫助。數(shù)據(jù)讀入高光譜影像處理大氣校正幾何校正噪聲清除光譜庫處理特征提取分類識別光譜特征分析影像壓縮指數(shù)計算立方體顯示MAPGIS支持多源高光譜數(shù)據(jù)全面的光譜庫處理多種影像校正技術實現(xiàn)高光譜影像的定標、校正和光譜重建光譜特征分析強大的高光譜影像分析功能高分辨率遙感應用高分辨率遙感衛(wèi)星：ikonos衛(wèi)星、spot-5衛(wèi)星、quickbird衛(wèi)星、WORLDVIEW國防中的應用農業(yè)中的應用測繪制圖中的應用災害監(jiān)測中的應用環(huán)境監(jiān)測中的應用高分辨率－WORLDVIEW簡介（2009年10月6日發(fā)射）衛(wèi)星概覽政府方面的應用高分辨率遙感應用的目的確定在哪里（WHERE）是什么（WHAT）什么變化（WHATCHANGE）高分辨率衛(wèi)星影像產品適用性評價空間分辨率/精度/比例尺覆蓋范圍波譜分辨率存檔產品格式、數(shù)據(jù)獲取和處理級別輻射分辨率質量和費用合成孔徑雷達應用合成孔徑雷達主要用于航空測量、航空遙感、衛(wèi)星海洋觀測、航天偵察、圖像匹配制導等。它能發(fā)現(xiàn)隱蔽和偽裝的目標，如識別偽裝的導彈地下發(fā)射井、識別云霧籠罩地區(qū)的地面目標等。在導彈圖像匹配制導中，采用合成孔徑雷達攝圖，能使導彈擊中隱蔽和偽裝的目標。合成孔徑雷達還用于深空探測，例如用合成孔徑雷達探測月球、金星的地質結構。合成孔徑雷達應用SAR能夠提供全天候條件下的詳細的地面測繪資料和圖象自動目標識別具有穿透性的觀察視場合成孔徑雷達的缺陷成像難以解釋，這不是SAR所特有的問題，而是所有雷達都普遍存在的問題。人們必須經過訓練才能確認雷達圖象所傳達的信息。費用高，其壽命周期費用一直比電光和紅外系統(tǒng)要高。激光雷達應用LIDAR是一種集激光，全球定位系統(tǒng)(GPS)和慣性導航系統(tǒng)(INS)三種技術與一身的系統(tǒng)，用于獲得數(shù)據(jù)并生成精確的DEM。這三種技術的結合，可以高度準確地定位激光束打在物體上的光斑。它又分為目前日臻成熟的用于獲得地面數(shù)字高程模型(DEM)的地形LIDAR系統(tǒng)和已經成熟應用的用于獲得水下DEM的水文LIDAR系統(tǒng)，這兩種系統(tǒng)的共同特點都是利用激光進行探測和測量，這也正是LIDAR一詞的英文原譯，即：LIghtDetectionAndRanging-LIDAR。激光雷達應用直升機障礙物規(guī)避激光雷達化學戰(zhàn)劑探測激光雷達機載海洋激光雷達成像激光雷達可水下探物應用模型分析

應用模型概述模型建立方法應用模型概述

一、模型1.模型的概念2.模型的抽象過程3.建模步驟二、應用模型作用三、應用模型分類1．按應用模型結構分類2．按應用模型空間特性分類3．應用模型開發(fā)特點分類4．按應用模型內容及所解決問題分類5．按模型空間過程模擬方法分類

1.模型概念

模型是把一個域（源域）的組成部分表現(xiàn)在另一個域（目標域）中的一種結構（據(jù)陳述彭教授）。源域中被表現(xiàn)的部分可以是實體、關系、過程或其它讓人感興趣的現(xiàn)象。建模的目的是把源域簡單化和抽象化。源域的內容轉到目的域后，在目標域中進行分析和處理。而一個模型是否有用，就要看它模擬源域的效果和它在兩個域間轉換的難易程度。一、模型

2.建模的抽象過程

這里，以供電線網的模型分析來表示建模過程。圖中左側的橢圓代表將被建模的源域，假設源域是供電線網的一部分，對該供電線網進行分析，一個恰當?shù)哪Ｐ涂赡芫褪菙?shù)學中的網絡結構分析，并由此得到目標域；建模函數(shù)則要把源域中的要素和目標域中的要素聯(lián)系起來?？梢栽谀繕擞蛑羞M行網絡變換與分析，分析結果再回到源域（供電網）中進行實際分析。建模函數(shù)m作用在源域D上。源域中的變量t轉換到目標域后成了m(t)；在目標域的轉換結果則通過建模函數(shù)的反變換inv(m)再回到D中進行解釋。如果模型精確地反映了源域D中的變量t的轉換。那么這個建模過程就是有效的。這個建模過程可表示為如下的等式：inv(m)om(t)om=t其中：o表示函數(shù)的組織，上式可進一步簡化為：m(t)om=mot該結構關系是制圖學的數(shù)學理論基礎所涉及到的內容。

源域目標域建模函數(shù)Dmm（D）tm（t）Inv（m）一、模型

3.建模步驟

應用域的各種現(xiàn)象就是域模型（Domainmodel）所要模擬表現(xiàn)的主題，應用域模型由領域專家來構造。概念計算模型（Conceptualcomputationalmodel）需要考慮計算環(huán)境，此時實體——關系（E-R）和對象的模型方法將起作用。邏輯計算模型(Logicalcomputationalmodel)不僅需要考慮通用的計算任務，而且還要考慮特殊實例情況的分析。如果關系數(shù)據(jù)庫用來存儲供電網的非空間數(shù)據(jù)，那么概念模型中的對象（或實體）將以關系組合形式存儲在關系表中。信息系統(tǒng)的設計者負責建立這樣的模型。物理計算模型(Physicalcomputationalmodel)由系統(tǒng)開發(fā)者構建，它使上述模型在特定的計算機系統(tǒng)和平臺上得到實現(xiàn)。

應用域應用域模型概念計算模型邏輯計算模型物理計算模型一、模型

二、應用模型作用

1．應用模型是聯(lián)系RS應用與常規(guī)專業(yè)研究的紐帶2．應用模型是綜合利用RS應用中大量數(shù)據(jù)的工具3．應用模型是RS應用解決各種實際問題的武器4．應用模型是RS應用系統(tǒng)向更高技術水平發(fā)展的基礎5．利于信息交流三、應用模型分類1．按應用模型結構分類2．按應用模型空間特性分類3．應用模型開發(fā)特點分類4．按應用模型內容及所解決問題分類5．按模型空間過程模擬方法分類1．按應用模型結構分類

（1）數(shù)學模型（又稱理論模型）數(shù)學模型是應用數(shù)學的語言和工具，對部分現(xiàn)實世界的信息（現(xiàn)象、數(shù)據(jù)）加以翻譯、歸納的產物，反映了遙感過程本質的物理規(guī)律，它源于現(xiàn)實，又高于現(xiàn)實。數(shù)學模型經過演繹、推導，給出數(shù)學上的分析、預報、決策或控制，再經過解釋回到現(xiàn)實世界。最后，這些分析、預報、決策或控制必須經受實際的檢驗，完成實踐—理論—實踐這一循環(huán)。三、應用模型分類

現(xiàn)實世界的信息數(shù)學模型現(xiàn)實世界的分析、預報、決策或控制數(shù)學的分析、預報、決策或控制翻譯、歸納推斷檢驗演繹解釋現(xiàn)實世界與數(shù)學模型的關系1．按應用模型結構分類（2）統(tǒng)計模型（包括一些經驗模型）統(tǒng)計模型是通過數(shù)理統(tǒng)計方法，用大量觀測實驗得到的數(shù)據(jù)，用定量方法建立模型，模擬過程的規(guī)律，這類方程簡單實用，在遙感系統(tǒng)應用模型中占有相當比例，如回歸方程，聚類分析等等。（3）概念模型（又稱邏輯模型）概念模型是由實踐中總結歸納提煉得到的文字性描述，形成知識庫，通過專家系統(tǒng)推理機來求解問題。其中最簡單的情況可直接用文字加邏輯運算符組成的邏輯表達式來描述。三、應用模型分類2．按應用模型空間特性分類

系統(tǒng)中應用模型可根據(jù)模型的空間特性分為兩大類，即空間模型和非空間模型，圖中是用于解決社會經濟領域中一些問題的應用模型分類。（1）非空間模型非空間模型是把系統(tǒng)中屬性數(shù)據(jù)作為顯式數(shù)據(jù)源，空間數(shù)據(jù)作為隱式數(shù)據(jù)源，對系統(tǒng)中的各種屬性數(shù)據(jù)進行運算來分析區(qū)域中的社會、經濟、生態(tài)及資源等問題，并進行評價、預測、規(guī)劃等。（2）空間模型空間模型同時使用屬性數(shù)據(jù)和遙感數(shù)據(jù)組成模型，需要對系統(tǒng)中的空間和屬性兩種數(shù)據(jù)進行運算。因此從理論上和方法上同空間數(shù)據(jù)結構有關聯(lián)。三、應用模型分類投入產出模型應用模型空間模型非空間模型經濟控制論模型系統(tǒng)動力學模型計量經濟學模型空間檢索模型圖形運算模型空間擴散模型網絡分析模型統(tǒng)計識別模型3．應用模型開發(fā)特點分類

按模型開發(fā)特點應用模型可分為系統(tǒng)提供模型和二次開發(fā)模型。（1）系統(tǒng)提供模型系統(tǒng)提供的模型是遙感系統(tǒng)商品為用戶提供的應用模型，它們是由系統(tǒng)設計者在分析遙感的特點及應用后，為用戶提供的通用性模型，如邏輯檢索模型，MNF模型等遙感建模模型。三、應用模型分類（2）二次開發(fā)模型二次開發(fā)模型是用戶自行開發(fā)的分析模型。隨著遙感應用面日益拓寬，系統(tǒng)設計者不可能為用戶提供各種專業(yè)應用模型，作為一個有生命力的遙感軟件，通常為用戶提供二次開發(fā)接口，使用戶可根據(jù)自己專業(yè)特點，開發(fā)用戶模型，解決專業(yè)部題。①內部模型通過遙感系統(tǒng)提供的工具（如宏語言）開發(fā)的應用模型，這種模型能充分利用遙感系統(tǒng)本身具有的資源。②外部模型通過直接或間接調用遙感系統(tǒng)中空間數(shù)據(jù)庫來建立的用戶模型，其中采用直接調用方式開發(fā)的模型可同遙感系統(tǒng)共享數(shù)據(jù)庫。而采用間接調用方式開發(fā)的模型只能通過中間文件同空間數(shù)據(jù)庫相聯(lián)系。三、應用模型分類

3．應用模型開發(fā)特點分類4．按應用模型內容及所解決問題分類

應用模型依據(jù)模型內容及所解決問題，又可分為基礎模型—構成基礎模型庫；專業(yè)模型—構成專業(yè)模型庫。（1）基礎模型基礎模型是指那些對各種部門專業(yè)都具有普遍意義的，通用性較強，應用面較廣的模型，如采用數(shù)理統(tǒng)計方法，對實驗數(shù)據(jù)進行回歸擬合而產生的統(tǒng)計模型；結合專家知識，結合邏輯方法建立模糊數(shù)學模型等。（2）專業(yè)模型專業(yè)模型是在對系統(tǒng)所描述的具體對象與過程進行大量專業(yè)研究的基礎上，總結出來的客觀規(guī)律的抽象或模擬，是將系統(tǒng)數(shù)據(jù)重新組織，得出與目標有關的更為有序的新的數(shù)據(jù)集合的有關規(guī)則和公式。這種模型是應用型遙感系統(tǒng)進行生產和科研的重要手段，已受到人們日益廣泛的關注和重視。由于各種應用系統(tǒng)的服務對象，解決問題以及它們的復雜程度有很大差異，不同的理論觀點，不同的體系可以產生不同的專業(yè)模型。三、應用模型分類5．按模型空間過程模擬方法分類

按模型空間過程模擬方法，地學空間過程模擬模型基本上可分為動力學過程模擬模型和隨機過程模擬模型兩種類型。（1）動力學過程模擬模型過程研究的動力學方法假設系統(tǒng)運動的物理規(guī)律已知。根據(jù)過程物理規(guī)律，可以建立過程模擬的數(shù)學模型，即動力學過程模擬模型。這些模型常常是在系統(tǒng)運動初始條件與邊界條件約速的一組偏微分方程組。（2）隨機過程模擬模型過程研究的隨機過程方法一般用于事先并不知道過程運動規(guī)律的那些過程，如土地利用變化等。為此，研究必須首先在不同的過程時間斷面上進行狀態(tài)觀測，獲得多時相的過程斷面數(shù)據(jù)，然后，利用統(tǒng)計學與隨機過程理論建立隨機過程模型。三、應用模型分類模型建立方法

一、模型化一般方法二、邏輯原理三、數(shù)據(jù)統(tǒng)計方法四、空間分析函數(shù)五、應用模型重用

五、應用模型重用1．源代碼方式重用2．函數(shù)庫方式重用3．獨立可執(zhí)行程序方式重用4．內嵌可執(zhí)行程序方式重用5．DDE或OLE方式重用6．模型庫方式重用7．組件模型重用1．源代碼方式重用

在重用源代碼形式的模型時，必須利用RS系統(tǒng)的二次開發(fā)語言或其他編程語言，將已開發(fā)好的專業(yè)模型的源代碼進行改寫重用，使其從語言到數(shù)據(jù)結構與RS系統(tǒng)完全兼容，成為RS系統(tǒng)的整體一部分。這種重用方式非常多見，并且將一直存在，它可以保證RS系統(tǒng)與模型在數(shù)據(jù)結構、數(shù)據(jù)處理等方面的一致性。但這種方式只能算是最低級的重用方式，其缺點非常明顯：一是RS開發(fā)者必須下很大功夫讀懂模型的源代碼，二是在改寫重用過程中常常會出錯。五、應用模型重用2．函數(shù)庫方式重用

對于以庫函數(shù)的形式保存在函數(shù)庫中的應用模型，RS開發(fā)者可以通過調用庫函數(shù)的方式進行模型重用。函數(shù)庫包括靜態(tài)連接庫和動態(tài)連接庫兩種，二者的區(qū)別在于，動態(tài)連接不是在連接生成可執(zhí)行文件時把庫函數(shù)鏈入應用程序，而是在程序運行中需要的時候才連接。函數(shù)庫方式的優(yōu)點是：RS系統(tǒng)與應用模型能實現(xiàn)高度無縫的集成；函數(shù)庫一般都有清晰的接口，RS開發(fā)者不必費力去研究源代碼，使用方便，而且函數(shù)庫經過編譯，不會發(fā)生因開發(fā)者錯誤地改動源代碼，而使模型運行結果不正確的情況。函數(shù)庫方式的缺點在于：庫函數(shù)無法與RS數(shù)據(jù)有效結合，因而不能用于復雜模型與RS的集成；由于開發(fā)者不能對庫函數(shù)進行修改，降低了重用的靈活性；函數(shù)庫的可擴充性差；此外，靜態(tài)函數(shù)的使用還在一定程度上受限于語言，必須依賴于其開發(fā)語言。五、應用模型重用3．獨立可執(zhí)行程序方式重用

現(xiàn)有應用模型中，以可執(zhí)行程序方式存在者居多。這種模型的重用方式之一是，RS系統(tǒng)與應用分析模型均以可執(zhí)行應用程序的方式獨立存在，二者的內部、外部結構均不變，相互之間可以切換。二者之間的數(shù)據(jù)交換通過對共同的統(tǒng)一格式的中間數(shù)據(jù)文件（如ASCII碼文件或通用數(shù)據(jù)庫文件等）的操作實現(xiàn)，RS系統(tǒng)進一步將中間數(shù)據(jù)轉換為空間數(shù)據(jù)，以實現(xiàn)RS本身的空間數(shù)據(jù)操作功能。這種重用方式的優(yōu)點在于簡便，所需編程工作極少。缺點在于：一是系統(tǒng)效率較低，且使用不很方便；二是界面往往不一致，視覺效果不好。五、應用模型重用4．內嵌可執(zhí)行程序方式重用

這種重用方式本質上與獨立可執(zhí)行程序方式一樣，以RS系統(tǒng)命令驅動應用模型程序，RS系統(tǒng)與模型之間的集成通過對共同數(shù)據(jù)文件的讀寫操作實現(xiàn)，RS系統(tǒng)則進一步通過進行中間數(shù)據(jù)與空間數(shù)據(jù)的轉換來實現(xiàn)空間數(shù)據(jù)的RS操作功能。與獨立可執(zhí)行程序重用方式不同的是，盡管RS系統(tǒng)與模型可能是由不同的編程語言實現(xiàn)的，但是集成系統(tǒng)有基本統(tǒng)一的界面，具有一個無縫集成的操作環(huán)境。內嵌可執(zhí)行程序重用方式的優(yōu)點在于：符合模塊化開發(fā)原則，便于開發(fā)工作的組織管理，并且系統(tǒng)的運行性能比獨立可執(zhí)行程序方式好；具有基本統(tǒng)一的界面環(huán)境，便于操作。這種重用方式的缺點在于必須理解模型運行的全部過程并對復雜的模型要進行正確合理的結構分解，以實現(xiàn)模型與RS系統(tǒng)本身之間的數(shù)據(jù)相互轉換及模型對RS功能的調用，在分解原模型時可能產生錯誤，此外，如果需要同時集成多個模型，要進行模型的組合很困難。五、應用模型重用5．DDE或OLE方式重用

DDE指動態(tài)數(shù)據(jù)交換，OLE指對象鏈結與嵌入，二者均用于windows應用程序之間的數(shù)據(jù)傳遞，可以作為應用RS開發(fā)中的一種可執(zhí)行程序形式應用模型重用方式。兩種方式都必須存在二個主體，一方為客戶程序，另一方為服務程序，簡單地說就是要有一方為另一方提供數(shù)據(jù)服務或更復雜的服務。對于RS與應用模型的集成來說，就是RS為客戶程序，應用模型為服務程序。DDE或OLE方式重用的優(yōu)點與內嵌可執(zhí)行程序相似，系統(tǒng)能實現(xiàn)無縫集成，而所需編程不多（如果要進行RS與應用模型程序之間的相互操縱，則要采用OLE自動化方式，這種方式需要較多編程，但這種方式似乎不大可能用于應用模型在應用RS開發(fā)中的重用，因為實際工作中極少需要在應用模型程序中不斷地與RS系統(tǒng)之間相互操縱）。這種方式的不足在于系統(tǒng)效率不高，其次系統(tǒng)穩(wěn)定性不是很好。此外，這種方式要求應用模型必須支持DDE或OLE協(xié)議，這是目前絕大多數(shù)已開發(fā)的各類模型做不到的。

五、應用模型重用6．模型庫方式重用

模型庫指在計算機中按一定組織結構形式存儲的各個模型的集合體。模型庫系統(tǒng)可以有效地生成、管理和使用模型，它可以支持兩種粒度的模型（可執(zhí)行文件與函數(shù)子程序），具有完整的模型管理功能，能夠提供單元模型（指不需調用其他模型的模型）和組合模型（指通過調用其他單元模型或組合模型來構成的模型），同時還支持模型的動態(tài)調用和靜態(tài)的鏈接。使系統(tǒng)具有良好的可擴充性。模型庫系統(tǒng)尤其符合客戶—服務器模式的系統(tǒng)的運行方式要求。在Client/Server模式的RS系統(tǒng)中，模型從模型庫中被動態(tài)地調入內存執(zhí)行。盡管模型庫研究隨著決策支持系統(tǒng)的發(fā)展在近十年來取得了很大的進展，但是，在模型的操作方面，目前并沒有形成完整的理論體系，特別是模型的自動生成、半自動生成方面離真正實用化尚有一段距離。五、應用模型重用7．組件模型重用

（1）組件的概念（2）組件技術（3）組件模型（4）組件模型的重用五、應用模型重用7．組件模型重用

（1）組件的概念組件（或稱構件）是指那些具有某些特定功能，獨立于應用程序，但能夠容易地組裝起來，以高效地創(chuàng)建應用程序的可重用軟件“零件”。組件化是軟件發(fā)展的趨勢，體現(xiàn)了完全面向對象的思想，具備面向對象程序設計所要求的封裝性、多態(tài)性、繼承性和動態(tài)鏈接等特性。軟件組件已成為迄今為止解決長期困繞軟件開發(fā)界的軟件重用問題的最優(yōu)秀最有前途的技術，開發(fā)者只需利用已有組件，再加上專業(yè)技術便可以高效地開發(fā)出應用軟件。五、應用模型重用7．組件模型重用

（2）組件技術

目前，組件技術分為兩大類：由Microsoft推出的ActiveX，以及由Javasoft推出的JavaBean。ActiveX是基于Microsoft制定的組件對象模型（COM）規(guī)范的一種組件開發(fā)技術，是對象鏈接與嵌入（OLE）2.0技術的擴展，它獨立于語言，但完全依賴于Windows開發(fā)。JavaBean則是基于Java技術的（Java能夠提供可重用對象，但卻沒有管理這些對象之間的相互作用的規(guī)則或標準），它依賴于Java語言，但獨立于平臺，可運行在任何支持Java的平臺上。ActiveX組件（包括其前身OLE控件或OCX），已被廣泛地應用于Windows應用程序開發(fā)。JavaBean則因出現(xiàn)較晚，現(xiàn)有市場份額較少，但由于其平臺獨立性，它將隨著萬維網的流行變得更為重要。五、應用模型重用7．組件模型重用

（3）組件模型組件模型指以組件形式存在的應用模型。當前軟件已經發(fā)生著革命性的變化，由過去廠家提供全部系統(tǒng)或者有部份二次開發(fā)功能的軟件，過渡到提供組件由用戶自己再開發(fā)的方向上來。組件模型符合了這種組件式地理信息系統(tǒng)發(fā)展潮流的需要，它的出現(xiàn)將給應用RS系統(tǒng)開發(fā)帶來深刻的影響。

五、應用模型重用參考書目《高光譜遙感應用研究》，科學出版社，萬余慶編著《高分辨率衛(wèi)星影像處理指南》，科學出版社，關元秀編著《地理信息系統(tǒng)設計與實現(xiàn)》，電子工業(yè)出版社，吳信才著《定量遙感》，科學出版社，梁順林著高光譜遙感原理－概述徐世武副教授發(fā)展趨勢及動態(tài)高光譜處理技術方面：地物光譜測試與高光譜圖像獲取高光譜圖像預處理高光譜遙感圖像分類及識別方法國際遙感界的共識是光譜分辨率在λ/10數(shù)量級范圍的稱為多光譜(Multispectral)，這樣的遙感器在可見光和近紅外光譜區(qū)只有幾個波段，如美國LandsatMSS，TM，法國的SPOT等;而光譜分辨率在λ/100的遙感信息稱之為高光譜遙感(HyPerspectral);隨著遙感光譜分辨率的進一步提高，在達到λ/1000時，遙感即進入超高光譜(ultraspeetral)階段(陳述彭等，1998)。國內發(fā)展趨勢準備階段：確定了需要解決的8大基礎性以及關鍵性技術問題：一是地物光譜特征研究和巖礦光譜數(shù)據(jù)庫的擴充；二是實用化成像光譜大氣輻射校正方法研究；三是基于巖礦混合光譜和光譜變異知識的組合光譜特征匹配識別方法的完善；四是巖礦混合光譜分解模型和基于巖礦混合光譜知識的端元選擇方法研究；五是金屬礦物誘導植物病變識別和地植物找礦方法研究；六是成像光譜地質找礦應用的實用化工作程式研究；七是產品化成像光譜數(shù)據(jù)分析處理軟件系統(tǒng)；八是遙感成因礦物學和找礦礦物學研究。國內發(fā)展趨勢開發(fā)階段：高光譜礦物填圖分為礦物種類填圖、礦物化學成分填圖、礦物含量填圖。礦物種類填圖回答的是“是什么”的問題，礦物化學成分填圖回答的是“由什么元素組成”的問題，礦化含量填圖回答的是“由什么礦物組成”的問題，這三項技術的難度是依次增加的。國內發(fā)展趨勢應用階段：2002年-2005年是高光譜遙感技術的工程化應用研究階段。在分析大氣、地面的非朗伯特性、太陽-目標-儀器的幾何關系、光譜分辨率、空間分辨率、信噪比等環(huán)境和技術參數(shù)對礦物識別的影響的基礎上，總結了一套較系統(tǒng)而實用的干旱裸露區(qū)區(qū)域成像光譜礦物填圖的技術體系和工作方法，整個技術流程包括輻射標定、大氣校正與光譜重建、航帶和跨航帶照度調整、礦物端元選擇、分航帶礦物識別、幾何校正、圖像鑲嵌與地理編碼、全區(qū)礦物分布圖的編制等基本步驟。國內發(fā)展趨勢深度開發(fā)：于受礦物光譜非線性混合、光譜變異、無吸收特征礦物等三方面因素的影響，利用高光譜遙感數(shù)據(jù)定量反演礦物絕對含量的難度較大，至今未見報道。提出了去殼單次散射反照率光譜線性分解的方法，可定量反演各種蝕變礦物以及無吸收特征礦物的絕對含量。利用新疆東天山土墩礦區(qū)HyMap數(shù)據(jù)進行了試驗，提取了絹云母、滑石、蛇紋石、綠泥石、綠簾石、方解石、無吸收特征礦物的含量分布，并以USGS礦物標準光譜庫、礦物相對含量、野外地質調查結果為基礎對反演結果進行了驗證分析，以反演結果為依據(jù)初步分析了熱液運移，圈出兩個熱液蝕變中心與熱液運移通道，表明上述方法可用于提取礦物的空間分布，為分析礦床成因提供支撐信息。國內外發(fā)展趨勢地物光譜測試與高光譜圖像獲取野外光譜測試的目的獲取研究區(qū)光譜材料用于精細分析和解譯研究探測所需分辨率和信噪比，確定成像光譜儀研究探測所需空間分辨率，用于成像飛行設計研究探測所需的最佳時間（年/月/日/時）研究區(qū)簡介延河流域（寶塔區(qū)、安塞農業(yè)、靖邊沙漠邊緣）太原西山煤田汝箕溝煤田秦始皇陵區(qū)西安市區(qū)長安－戶縣（考古）影響野外光譜的因素大氣透射率的影響水蒸氣的影響風的影響觀測幾何的影響（植被、自然地物）光譜儀介紹主要參數(shù)基本配置光譜分辨率與采樣間隔光譜分辨率：分光計所能區(qū)分的最窄的度量單位采樣間隔：相鄰兩次采樣的波長距離固定光柵陣列探測器單一面元掃描光柵探測器野外光譜測試光譜測試設計光源要求野外測量光譜流程光譜測試設計測試時間測試方法觀測幾何光源要求太陽照明的特征人工照明的特征野外測量光譜流程儀器的位置傳感器探頭的選擇避免陰影白板校正防止光污染定標測試測試時間和頻度采集輔助參數(shù)光譜數(shù)據(jù)統(tǒng)計分析標準偏差導數(shù)分析、指數(shù)法、紅邊位置分析、吸收谷的波深和波寬光譜庫研究與建立國際上常見光譜庫（USGS/JPL/ASTER）礦物的多樣性與光譜的復雜性（同物異譜、同譜異物）光譜庫建立的數(shù)據(jù)要求光譜庫的建立方法常見光譜庫中科院5000USGSJPLJHUASTER礦物的多樣性與光譜的復雜性粒度對光譜的影響礦物混雜的影響光譜庫建立的數(shù)據(jù)要求能全面地包含各類地物的光譜數(shù)據(jù)，包括相關的輔助數(shù)據(jù)獲取光譜數(shù)據(jù)的儀器應該標準、規(guī)范、性能穩(wěn)定要求詳細記錄有關的背景參數(shù)便于分析研究光譜庫建立方法以野外實測數(shù)據(jù)建立光譜庫的流程從高光譜遙感圖像上提取地物光譜建立光譜庫的流程以野外實測數(shù)據(jù)建立光譜庫的流程野外光譜數(shù)據(jù)分析統(tǒng)計，排除異常數(shù)據(jù)對野外水汽強吸收波段進行處理對于多分光計組成的光譜儀的數(shù)據(jù)，必須仔細分析光譜接合部的反射率是否平滑一致數(shù)據(jù)導出建庫從高光譜遙感圖像上提取地物光譜建立光譜庫的流程參考野外同步實測數(shù)據(jù)對高光譜圖像進行定標在定標圖像或MNF變換后的圖像上圈定目標物（ROI），進行光譜提純，排除異常點對提純后的ROI中所有像元進行統(tǒng)計，獲得均值光譜建立光譜庫高光譜遙感飛行飛行準備高光譜飛行圖像質量評價飛行前期準備工作內容：調查了解飛行區(qū)的空間基本狀況選擇野外定標點，規(guī)劃飛行同步定標路線編制野外調繪圖研究區(qū)飛行前期工作情況延安附近的野外調查和測試汝箕溝礦區(qū)秦始皇陵區(qū)和長安－戶縣考古研究區(qū)野外調查結果延安汝箕溝秦始皇陵區(qū)高光譜遙感飛行延安汝箕溝秦始皇陵區(qū)圖像質量評價圖像的輻射畸變圖像的幾何畸變圖像的輻射畸變OMIS1（65～96）信噪比低沒有使用價值OMIS1/2（1～3）波段受大氣散射影響嚴重熱紅外波段出現(xiàn)嚴重噪聲航跡線上地物點與邊緣線上的地物點到傳感器的距離變化，傳感器接受到的信號衰減程度明顯不同，靠近航跡亮邊緣暗氣流對飛機的影響使圖像明暗偏太陽高度角的影響圖像幾何畸變地形高差引起的投影誤差由于成像光譜儀的等角度采樣引起系統(tǒng)成像誤差成像系統(tǒng)自身GPS導航誤差遙感平臺的俯仰、側滾、偏航遙感在國土資源中的應用從航空遙感起步五十年代“航空地質調查”改變了地質人員長期以來習慣于用兩條腿走遍崇山峻嶺，用眼睛觀察巖石露頭的工作方式，減輕了野外調查強度，加快了填圖速度。1978年起，在原國家計委的支持下，地礦部陸續(xù)為航遙中心和各省遙感地質站引進了適用于低空和高空作業(yè)的遙感飛機、多種焦距的航攝儀、多光譜掃描儀、熱紅外掃描儀、智能型紅外地面光譜儀、自動化遙感圖像沖洗設備、光學彩色合成儀和彩色密度分割儀等遙感設備。1982年聯(lián)合國開發(fā)署援建的I2S-101圖像處理系統(tǒng)又在航遙中心和四川遙感地質站投入運行，從而使地礦部成為當時國內具有最強的航空遙感資料獲取和衛(wèi)星遙感數(shù)據(jù)處理能力的部門之一。80年代初，根據(jù)國務院的部署在全國開展了農區(qū)1∶1萬、林區(qū)1∶2.5萬、牧區(qū)1∶5萬～1∶10萬土地資源調查，采用當時最先進的OR-1正射影像儀制作正射影像圖、航空相片、遙感衛(wèi)星照片等資料進行野外調查和遙感解譯，到1996年，通過10余年的努力，首次全面摸清了我國8個一級類、46個二級類土地利用分類面積，全面掌握了土地利用的分布狀況，并建立起全國的土地統(tǒng)計制度，為合理規(guī)劃利用、依法全面統(tǒng)一管理土地奠定了基礎。遙感動態(tài)監(jiān)測

推動遙感技術在國土資源管理中大規(guī)模應用的緣起，要從1996年衛(wèi)星圖片“四進”中南海說起。1996年，原國家土地管理局應用美國陸地衛(wèi)星TM數(shù)據(jù)，對17個城市的建設規(guī)模進行了監(jiān)測，城市建設規(guī)模的擴張和耕地大量被占用的監(jiān)測結果引起了黨和國家領導人的高度重視，先后4次專門聽取此項工作匯報，自此拉開了我國應用遙感技術動態(tài)監(jiān)測國土資源的序幕。經過大規(guī)模的實際應用，探索出了比較成熟的技術路線，形成了行政管理、組織實施、具體作業(yè)“三位一體”的合理運行機制，并基本確立了遙感成果在監(jiān)督規(guī)劃實施、提供違法用地線索、開展土地調查和提供數(shù)據(jù)服務等方面的應用方向。（大興安嶺火災、海島調查、三峽工程、98洪水）新一輪國土資源調查的重要武器

通過“地質野戰(zhàn)軍技術裝備專項計劃”的實施，配備了一系列當代最先進的遙感儀器設備和專業(yè)軟件應用衛(wèi)星遙感技術開展土地利用更新和變更調查。對某個城市，將前一年度的1∶1萬比例尺土地利用現(xiàn)狀圖和本年度的標準分幅數(shù)字正射影像圖進行套合對比，提取出不一致信息，即發(fā)生變化的地塊，對這些不一致信息按照土地變更調查要求進行實地調查，掌握實地變化情況，更新土地利用現(xiàn)狀圖或數(shù)據(jù)庫。將前后兩個年度影像進行對比，提取變化圖斑信息，為變更調查提供輔助資料。“青藏高原生態(tài)地質環(huán)境遙感調查與監(jiān)測”以該區(qū)近30年來兩期衛(wèi)星數(shù)據(jù)為主要信息源，開展了第四紀地質、現(xiàn)代冰川、古冰川遺跡、雪線、湖泊、河流、地質災害、荒漠化和新構造運動等的遙感調查、演變趨勢分析和地質環(huán)境質量綜合評價，編制了青藏高原1∶25萬衛(wèi)星影像圖、1∶50萬和1∶150萬遙感解譯專題系列電子圖件，建立了青藏高原生態(tài)地質環(huán)境遙感監(jiān)測信息系統(tǒng)。階段成果已揭示出青藏地區(qū)近年環(huán)境惡化的直接證據(jù)，得到了國內媒體的廣泛關注，取得了良好社會效益。地質災害2000年4月9日，西藏雅魯藏布江支流易貢河北岸發(fā)生大滑坡，下滑的高約100m的巖土堆積體堵塞了易貢湖的出口。在這種緊急情況下，國土資源部以最快的速度收集了滑坡發(fā)生前后8個時相的SPOT、LANDSAT、CBERS-1以及IKONOS等多平臺衛(wèi)星數(shù)據(jù)，對滑坡堆積壩體潰決前后的災情進行監(jiān)測，對滑坡的成因機理和運動趨勢進行綜合分析，并隨時向救災指揮部匯報監(jiān)測結果，為搶險救災決策提供了重要依據(jù)。汶川地震中輔助抗震救災工作動態(tài)監(jiān)管我國南方某市，未經批準擅自將一房地產開發(fā)項目改為高爾夫球場，這種變化通過該市1998年和1999年兩個時相遙感影像對比可以看得清清楚楚。這就是遙感監(jiān)測在土地執(zhí)法中的“千里眼”作用。國土資源部在河北、山西、江西、新疆等省區(qū)的礦產資源集中開發(fā)區(qū)，以多時相TM/ETM、SPOT-5、IKONOS、QuickBird、Hyperion和彩紅外航片等遙感資料為主要信息源，輔以適當?shù)默F(xiàn)場調查，對礦產資源開發(fā)狀況、礦山環(huán)境進行了監(jiān)測試驗，初步建成了以試驗區(qū)為基礎的礦產資源開發(fā)狀況數(shù)據(jù)庫系統(tǒng)，為礦產資源的合理開發(fā)、有效管理和科學規(guī)劃以及礦山環(huán)境綜合治理提供了決策依據(jù)。高光譜圖像預處理預處理技術流程瀏覽圖像波段排序補償像元值去除條帶噪聲影響圖像的幾何校正輻射定標包括相對定標和經驗法定標光譜平滑處理（消除鋸齒與噪聲）瀏覽圖像觀察圖像質量（信號強弱、噪聲分布）結合成像時間了解植物生長及環(huán)境狀況汶川地震波段排序OMIS1不是按波長排列的，OMIS2已解決這個問題，根據(jù)研究目的取舍波段減小冗余補償像元值降低地物與傳感器距離的差異對地物反射輻射強度的影響去除條帶噪聲影響噪聲是由傳感器增益和補償值的變化所致，另外熱污染也會導致熱紅外波段條帶噪聲圖像的幾何校正陀螺儀配套的GPS誤差，采用IMU實時獲取飛行參數(shù)可確保精度陀螺儀：高速旋轉下，陀螺儀的轉軸穩(wěn)定的指向固定方向，將此方向與飛行器的軸心比對后，就可以精確得到飛機的正確方向。羅盤不能取代陀螺儀，因為羅盤只能確定平面的方向輻射定標包括相對定標和經驗法定標相對定標只反映圖像上各類地物反射率的相對大小，同步地面定標，可進行經驗法定標光滑平滑處理處理傳感器固有噪聲或是數(shù)據(jù)處理過程中的積累誤差高光譜圖像預處理流程圖教材79頁圖4.1圖像波段排序和選擇OMIS1波段排序波段選擇波段選擇（1941.10～2486.40nm，32個波段）信噪比低不符合，研究土壤和礦物（中紅外波段），植物分類（短紅外波段）由于DN值（反映地表溫度差異），地表溫度、覆蓋度、光合作用強度三者密切相關根據(jù)研究目標的最佳波段挑選，減小數(shù)據(jù)冗余高光譜圖像的輻射校正和去噪聲方法輻射校正方法傳感器本身引起的輻射畸變大氣程輻射校正方法去噪聲方法條帶噪聲的消除隨機點狀噪聲的消除利用光譜平滑處理慮除圖像噪聲利用MNF變換去除噪聲傳感器本身引起的輻射畸變定義：航跡中心亮度高，此現(xiàn)象為掃描圖像藍邊效應后果：圖像有效面積變小導致解譯結果出錯，波長越短畸變越嚴重原因：掃描儀固有特性引起的，從航帶中心掃向兩側，地面面元輻射能量及程輻射發(fā)生變化，像元變暗；航空遙感高度低，掃描視場角度大。大氣程輻射定義：太陽輻射在大氣傳輸過程中各組分及氣溶膠微粒散射后直接到達傳感器的輻射后果：大氣程輻射疊加在地面反射的電磁波上，是與地面無關的大氣干擾，降低了對比度，屬背景噪聲，是需要修正的重要內容原因：表征大氣質量狀況的天空光亮度遙感分量，是大氣組分、氣溶膠的函數(shù)，是大氣中粒子散射的產物校正方法基于統(tǒng)計特征的輻射校正各個波段逐列統(tǒng)計，計算每列所有行的均值分別計算各個波段的均值p求取每列的調整系數(shù)Pk=Pi/P計算各個像元的校正結果地面實測校正飛機升高－工作掃描－飛機下降（記錄相應高度）條帶噪聲的消除原因：設備產生各個波段逐行統(tǒng)計，計算每行均值分別計算各個波段均值Pn求取各個波段均值與該波段每行均值的差值和系數(shù)計算各個像元的校正結果：a.加法性噪聲；b.乘法性噪聲強熱源失真隨機點狀噪聲的消除原因：a.數(shù)據(jù)傳輸過程中的誤碼；b.模擬電路中的溫度干擾；OMIS1是信噪比太低臨近比較法去除臨近平均值法去除利用光譜平滑處理慮除圖像噪聲選擇參與分析的波段，進行光譜定標，把像元DN值轉換成反射率見教材圖版IVDN（DigitalNumber

）是像元亮度值，和傳感器、地物發(fā)射率、大氣透過率和散射率等有關利用MNF變換去除噪聲去除噪聲相關性主成分變換高光譜圖像幾何校正無慣導參數(shù)的幾何校正正切校正偏航校正利用慣導參數(shù)和DEM進行幾何校正慣性導航測量系統(tǒng)從IMU中截取與OMIS同步的姿態(tài)參數(shù)校正模型校正圖像像元重采樣利用DTM校正高光譜圖像程序設計高光譜遙感圖像拼接和影像圖制作反射率反演目的：OMIS1圖像數(shù)據(jù)記錄的是來自地物各個像元的輻射值，DN數(shù)據(jù)不能直接采用光譜分析工具進行信息提取和精確分析相對反射率反演法平面場模型反演內部平均相對反射率法對數(shù)殘差法DN（DigitalNumber

）是像元亮度值，和傳感器、地物發(fā)射率、大氣透過率和散射率等有關基于經驗線性模型的地面光譜反演

光譜定標選擇定標點同步實測定標點的光譜反射率選擇同名定標點作為ROI，求其均值對Xi重采樣使之與DNi中心波長一樣用最小二乘法，求取系數(shù)Ai、Bi，確定圖像各個波段的DNi與光譜反射率Xi之間線性關系用上述公式將原圖像轉換成反射率圖像影響光譜反演精度的因素求解線性回歸方程系數(shù)，理論上地面兩定標點即可（一個完全的漫射體稱為朗伯體。從任何角度觀察朗伯體表面,其輻射亮度都相同。朗伯體表面實際上是一個理想化的表面，它被假定為介質是均勻的、各向同性的,并在遙感中多用以作為近似的自然表面）利用定標點對原始圖像進行地物光譜反射率反演，可消除大氣透過濾及傳感器增益的影響基于經驗線性模型的地面光譜反射率，假定參數(shù)（大氣透過率、大氣程輻射等），因此小試驗區(qū)內較理想地面實測時，對視場角、測試方位等都有較高要求，實際中難以一致定標點應為有一定面積的開闊區(qū)域定標之后的失真現(xiàn)象定標后地物光譜存在失真現(xiàn)象，水體低異常，植被高異常藍光區(qū)域部分水體、陰影的反射率很低，說明定標時“黑體”不是真正的“最低”在1000nm之后的地物光譜誤差普遍較大解決方法改變定標的參照物，采用較大面積的陰影作黑體，或者人工布設定標物增加同步定標物的數(shù)量光譜定標后處理野外最佳反射經驗平滑變換算法（EFFORT）只處理限定波段，不處理噪聲比較大的波段，三個范圍（p<1.4,1.4<p<1.9,p>1.9）EFFORT適用于大氣校正后的圖像處理，利用原始數(shù)據(jù)產生假想光譜與勒讓德任意多項式模型參數(shù)配準，比較模型光譜與數(shù)據(jù)光譜，得到每個波段增益值和補償值，使各個像元都能匹配好。處理過程中需用一系列光譜參與回歸處理，還要用到一個或多個實物的光譜噪聲嚴重且包含重要信息的不參加建模，光譜范圍重疊的波段，水蒸氣、O2、CO2強吸收的波段高光譜圖像分類及識別方法常規(guī)分類方法非監(jiān)督分類定義：分類過程不需人工干預，計算機自動按某一標準自動進行。優(yōu)點：簡單、方便缺點：分類結果無實用價值監(jiān)督分類定義：選擇訓練區(qū)建立判別準則，對未知地區(qū)自動判別優(yōu)點：根據(jù)實際需要形成分類缺點：相對復雜監(jiān)督分類確定分類對象和類別分析各對象影像特征，做圖像空間特征化，增加特征差異選擇訓練樣本統(tǒng)計各個類別特征量選擇分類器進行分類比較分類結果，評價分類精度分類后處理，進行必要的合并和篩除，去除孤立離散點。常規(guī)遙感圖像分類方法多級分割法平行管道分類最小距離分類最大似然分類決策樹分類法多級分割法定義：根據(jù)各類地物的像元灰階值分布區(qū)間，制定分割的上下限進行分割優(yōu)點：便于直觀理解如何分割特征空間，以及待分類像素如何與分類類別相對應平行管道分類定義：決策線是在n維光譜空間中的一個平行管道，管道的直徑根據(jù)距離平均值的標準差確定最小距離分類定義：計算未知像元距離各個類別均值向量的歐氏距離，將該像元劃分到距離最小的類別中。最大似然分類定義：數(shù)據(jù)符合多維正態(tài)分布，計算每個像元屬于各個類別的似然度，把該像元分到似然度最大的類別中。優(yōu)點：快速收斂及保證每步迭代模型的似然概率單調增的優(yōu)點缺點：不能將各個模型很好地分開。這直接導致了識別時的錯誤決策樹分類法定義：以像元特征值為基準值，分層逐次進行比較運算的分類方法。圖像特征及其選擇圖像特征就是對影像空間和波譜兩方面信息進行運算和統(tǒng)計（均值、方差、灰度比值、紋理強度、密度、信息熵等）。形狀特征：面狀特征：紋理特征：特征選擇的依據(jù)和方法從n個特征中求出對分類最有效的m個特征，特征組合使分類效果最好的，錯誤概率最小的就是最有效特征組合高光譜圖像常規(guī)分類識別預處理方法與流程教材105頁，附圖圖像數(shù)據(jù)瀏覽使用動畫顯示方式依次顯示高光譜圖像各個波段的灰度圖像，檢查反射特征，確定壞波段。做彩色合成對比度增強處理，選擇光譜區(qū)間，剔除壞波段。定標處理確定光譜反射特征和吸收特征，在高光譜圖像上提取植被和地質體的光譜曲線，并與光譜庫作比較。最小噪聲分離對子區(qū)圖像作MNF變換，觀察結果圖像，確定有效維數(shù)：觀察MNF特征值曲線，確定MNF變換之后各個圖像分量的噪聲與信號的分解點。第一個變換：基于噪聲的協(xié)方差矩陣，去除相關性第二個變換：主成份變換將多項指標轉換成少數(shù)幾個不相關的綜合指標的多元統(tǒng)計分析方法我們稱其為主成份分析法,把代表各類信息的綜合指標稱為主成份主成分分析給出了某流域系統(tǒng)57個流域盆地的9項變量指標。其中，x1代表流域盆地總高度（m），x2代表流域盆地山口的海拔高度（m），x3代表流域盆地周長（m），x4代表河道總長度（m），x5代表河道總數(shù)，x6代表平均分叉率，x7代表河谷最大坡度（度），x8代表河源數(shù)，x9代表流域盆地面積（km2）。主成分分析原始數(shù)據(jù)作標準化處理，然后將它們代入相關系數(shù)公式計算，得到相關系數(shù)矩陣主成分分析由相關系數(shù)矩陣計算特征值，以及各個主成分的貢獻率與累計貢獻率（見表3.5.3）。由表3.5.3可知，第一，第二，第三主成分的累計貢獻率已高達86.5%，故只需求出第一、第二、第三主成分z1，z2，z3即可。主成分分析第一主成分z1與x1，x3，x4，x5，x8，x9有較大的正相關，可以看作是流域盆地規(guī)模的代表；第二主成分z2與x2有較大的正相關，與x7有較大的負相關，分可以看作是流域侵蝕狀況的代表；第三主成分z3與x6有較大的正相關，可以看作是河系形態(tài)的代表；根據(jù)主成分載荷，該流域系統(tǒng)的9項要素可以被歸納為三類，即流域盆地的規(guī)模，流域侵蝕狀況和流域河系形態(tài)。如果選取其中相關系數(shù)絕對值最大者作為代表，則流域面積、流域盆地出口的海拔高度和分叉率可作為這三類要素的代表。計算像元純度指數(shù)（PPI）散點圖投影變換，投影結束后產生一幅對應結果圖像，像元值就是投影過程中，該像元被投影到多維空間中角落或坐標軸附近的累計次數(shù)。N-D可視化旋轉變換針對ROI或PPI值高的區(qū)域進行端元提純的圖版VII二維分析選擇具有特征意義的兩個波段，顯示圖像像元值的二維散點圖，在散點圖上圈定目標物對應像素點的分布區(qū)（ROI），如果ROI代表了所想選目標，則提取ROI內的平均光譜作為端元，建立光譜庫高光譜圖像常用分類和識別方法波譜角填圖線性波譜解混匹配濾波混合調制匹配濾波光譜特征匹配導數(shù)光譜特征在分類中的應用波譜角填圖在N維空間中，根據(jù)像元光譜與參考波譜的相似性來決定一個像元的類別SAM的參數(shù)選擇選擇參考端元光譜作為判別標準光譜角誤差容忍度分類波段的數(shù)量對分類精度的影響，分類精度與參與的波段數(shù)成正相關線性波譜解混定義：各種光譜以線性方式按面積比例混合，采用解混技術來估計每個像元中的各成分比例因素：端元組分的代表性端元組分的數(shù)量，少了誤差大，多了由于大氣等因素影響過于敏感，誤差增大。高光譜圖像解混高光譜圖像中的混合像元由固定的端元按照一定的比例含量(豐度)線性混合而成，在像元中分解出端元以及各端元的豐度是高光譜圖像分析中具有挑戰(zhàn)性的任務，這一過程稱為光譜解混.高光譜圖像的一個重要幾何特征是在高維特征空間中體現(xiàn)為單形體.在三角形中，平行線分線段等比定理揭示了計算豐度最基本的幾何關系—距離比，文中把它推廣到高維空間中的單形體情況，在此基礎上提出了基于子空間距離比的光譜解混算法，該算法能快速、有效地獲得豐度.匹配濾波使用已知光譜庫的光譜曲線與圖像上的光譜曲線進行匹配，得到各個端元組分的豐度分布圖優(yōu)點：不要求知道所有端元，就能解算某些地物的豐度缺點：面積比例小的不能有效識別混合調制匹配濾波集中了匹配濾波和光譜解混的優(yōu)勢，避免了二者的弱點輸入：MNF的結果圖像輸出（1）各個端元組分的豐度圖；（2）每個端元的“不可靠圖像”，有助于減少匹配濾波過程中產生的“假匹配”圖像條件：需要輸入的光譜庫必須是在MNF空間下的光譜（即在MNF圖像上建立的光譜庫）光譜特征匹配以波譜吸收特征為基礎，用最小二乘法把待分類地物光譜與參照光譜之間的吸收特征進行匹配分類。SFF處理步驟：把待分類地物光譜與參照光譜轉換成反射率參照端元光譜重采樣，使之與實際光譜圖像具有相同的波長范圍和波段數(shù)把參照光譜和圖像光譜作包絡線處理，消除背景光譜，突出目標物光譜的吸收特征。計算各個參考光譜波譜和未知地物每個波段的光譜反射率之差，計算均方根誤差，得到每個參考光譜曲線對應的相似尺度圖像、均方根誤差圖像和綜合匹配圖像SFF在植被覆蓋研究中的應用采用基于光譜吸收特征匹配的光譜特征擬合SFF方法從高光譜遙感影像中提取植被覆蓋度,參考光譜采用ASD光譜儀在影像覆蓋地區(qū)采集的植被光譜,通過將參考光譜與像元光譜連續(xù)統(tǒng)去除處理后進行SFF匹配,完成植被覆蓋度的提取并生成植被覆蓋度圖。研究結果與植被指數(shù)、光譜夾角映射方法及實地調查資料之間存在較高一致性。導數(shù)光譜特征在分類中的應用運用導數(shù)光譜分析技術,研究了不同氮肥水平下不同品種油菜(Brassicanapus)的葉面積指數(shù)(Leafareaindex,LAI)及角果皮面積指數(shù)(Podareaindex,PAI)與冠層導數(shù)光譜及其衍生參數(shù)的定量關系。結果表明,油菜導數(shù)光譜與花前LAI和花后PAI均有良好的相關關系,在750nm附近相關關系最好,相關系數(shù)達到0.9左右。三邊參數(shù)與油菜LAI和PAI的相關性順序為:紅邊>黃邊>藍邊,面積參數(shù)>振幅參數(shù)>位置參數(shù)。油菜紅邊導數(shù)光譜的雙峰現(xiàn)象降低了紅邊位置對油菜LAI和PAI的敏感程度,利用線性外推法擬合紅邊位置能提高其對油菜LAI和PAI的敏感程度。在三邊參數(shù)及其衍生參數(shù)中,紅邊面積及其與藍邊面積的差與LAI及PAI的相關性最好,且適用于該研究中使用的不同品種。因此,750nm處的一階導數(shù)光譜、紅邊面積及其與藍邊面積的差可用于有效地監(jiān)測油菜的光合器官面積。模糊識別在高光譜圖像分類中的應用模糊識別一般步驟最大隸屬度原則閾值原則模式識別的間接方法－－擇近原則模糊識別一般步驟提取特征提取已知地物光譜，建立光譜庫建立地物類型隸屬函數(shù)后面介紹建立識別判別準則最大隸屬度原則和擇近原則最大隸屬度原則即最接近光譜庫中的某個光譜即屬于某種地物（詳見教材120頁）閾值原則實際是對“最大隸屬度原則”在多個低相似和多個高相似情況下的處理方法兩種詳見（教材120頁）擇近原則選擇光譜庫中“貼近度”最近的地物隸屬函數(shù)相似系數(shù)法（5種）距離法（7種）分類結果統(tǒng)計和精度評價指標基于分類統(tǒng)計結果進行，盡量多的像元參與統(tǒng)計，至少要多于50個像元。包括：各類中像元點數(shù)、每個波段的均值、標準差、類別之間的協(xié)方差矩陣等。誤差矩陣遙感圖像分類之后，產生一幅分類結果圖像，把它與相應地物真實分布圖對比，就可以計算誤差矩陣，然后計算總體精度、KAPPA系數(shù)、錯分和漏分概率以及各類精度。（參見教材123頁表5.5）精度指標分類精度總精度＝對角線和/總像元數(shù)制圖精度被分類器標識為A類，分類結果也屬于A類的精度用戶判別精度分類器正確標識的像元數(shù)與地面實際像元數(shù)的比值KAPPA系數(shù)最能全面反映總體精度（教材124頁）指標評價（教材125頁）不同分類識別方法精度比較模糊識別的方法中相似系數(shù)法、絕對指數(shù)法、相對指數(shù)法、夾角余弦的精度比較穩(wěn)定而且均比較高其它方法效果不理想原圖像分辨率決定了混合像元比例，混合像元較少的高光譜圖像上分類精度比較高。不同地區(qū)分類識別精度比較分類方法、地物光譜、分布范圍棗園試驗區(qū)，地塊狹小、相互間雜，混合像元占了很大比例，分類精度低靖邊，地塊大，長寬通常在30M之上，分類精度高出10～20個百分點汝箕溝，地物地層分布不規(guī)則，但是面積大，各類地物差異明顯，所以分類精度也比較高同一地區(qū)不同地物分類精度比較常規(guī)地物分類比較；提高圖像空間分辨率是提高分類精度的最有效手段對植物種類的分類精度比較；作為植物群落，獲取綜合光譜參與分類，能有效提高精度對植物長勢的分類，在同一類植物生長區(qū)，高光譜圖像能有效地反演植物長勢，在長勢調查、農業(yè)估產、退耕還林、還草監(jiān)測等方面有著獨到的優(yōu)勢。例如對棗園鎮(zhèn)和延安機場附近農田的光譜角填圖，就達到了這個目的，長勢不同的玉米和樹齡不同的蘋果園得到了有效區(qū)分。分類識別誤差原因分析與提高精度的方法分類識別誤差原因分析提高分類精度措施高光譜遙感分類注意事項分類識別誤差原因分析傳感器的性能、穩(wěn)定性、分辨率、成像觀測條件等對原始數(shù)據(jù)的初級處理精度，包括利用輔助數(shù)據(jù)如：大氣條件進行的系數(shù)校正和補償、波段配準誤差等與參考圖件和成像區(qū)域背景密切相關的訓練區(qū)的代表性，包括如何定義以及各類地物的尺寸、形態(tài)、分布、出現(xiàn)的頻率等分類方法的選擇其它（見教材129頁）提高分類精度的措施做好同步測試，以便準確定標對優(yōu)勢物種生長期跟蹤測試，建立主要物種不同生長期、不同長勢的波譜庫，使之具有廣泛的適用性，能夠應用于不同時相的高光譜圖像分析應考慮地理位置、坡度、坡向、濕度等提高分類精度對于植被的不同時期，選擇高光譜圖像的成像時期加強采樣分析與化驗，嚴格標定高光譜的細微差異與地物成分的關系對各類分類識別方法要多實驗、對比，選擇最佳方法批量處理條件許可時，引入DTM參與圖像的分類識別高光譜遙感分類注意事項光譜范圍：許多物種之間的差異只是出現(xiàn)在某些波段之內，所以必須選擇吸收特征明顯的，具有鑒別意義的波段若有顯著的吸收特征，則選擇光譜特征匹配（SFF），否則，選擇光譜角填圖（SAM），或者二值編碼有較好效果的多種材料組成的地物，有多個吸收特征，在端元選擇時，應選擇“純凈”端元多元匹配當置信度為0時，是特征顯著的標志（教材130頁）光譜分析需要使用一個恰當?shù)墓庾V庫分類后處理－相關信息合并類別合并，同一類別光譜特征差別大的采用幾個光譜標準分類，后面再進行類別合并篩選，把分類圖像中的“孤島”像元用臨近的分類碼代替?！肮聧u”大小是以“篩子”孔徑為標準，即能被“篩子”過濾的都屬于“孤島”多數(shù)或者少數(shù)分析，中心像元將被給定的窗口內的多數(shù)像元值所取代圖像疊加，將分類的圖像疊加在一個彩色合成圖像上用于動態(tài)變化分析類到矢量層的轉換，用于分類成果的輸出、專題圖件的編制和后續(xù)研究高光譜遙感應用模型及案例徐世武副教授植被光譜研究精細農業(yè)探索耕地上農作物生長狀態(tài)、環(huán)境、產量的關系將3S及相關農業(yè)學科有機結合實施過程：帶定位系統(tǒng)和產量傳感器的聯(lián)合收獲機每秒自動采集田間定位及對應小區(qū)平均產量數(shù)據(jù)→通過計算機處理，生成作物產量分布圖→根據(jù)田間地形、地貌、土壤肥力、墑情等參數(shù)的空間數(shù)據(jù)分布圖，作物生長發(fā)育模擬模型，投入、產出模擬模型及根據(jù)作物管理專家知識庫等，建立作物管理輔助決策支持系統(tǒng)，并在決策者的參與下生成作物管理處方圖→根據(jù)處方圖采用不同方法與手段或相應的處方，農業(yè)機械按小區(qū)實施目標投入和精細農業(yè)管理。這一技術思想是通過多次循環(huán)的實踐，來不斷改善農田資源環(huán)境，積累知識，逐步使作物生產管理精細化。植物光譜的基本特征綠色植物包含的組分基本相同，光譜特征：0.4～0.7um，主控因素是葉綠素0.68～0.75um，植物的反射率急劇上升0.7～1.3um，體內水吸收和冠層結構引起1.3～2.5um，明顯看出反射率跌落，跌落程度主要取決于大氣含水量植物光譜的特征參數(shù)紅邊是綠色植物在680nm～740nm之間反射率增高最快的點，也是一階導數(shù)光譜在該區(qū)間內的拐點。紅邊的描述包括紅邊的位置和紅邊的斜率紅邊位置：葉綠素a和b濃度，葉細胞結構變化，植物冠層結構，但對噪聲不敏感紅邊斜率：植被覆蓋度和頁面指數(shù)有關，覆蓋度越高，紅邊斜率越大生長狀況：好，紅邊右移；差，紅邊藍移植物光譜的特征參數(shù)藍邊：藍光在490～530nm之間反射率一階導數(shù)最大值位置黃邊：黃光在550～582nm之間反射率一階導數(shù)最小值位置歸一化差異植被指數(shù)NVDI=（TM4-TM3）/（TM4+TM3）植被頁面指數(shù)（LAI）：見教材136頁紅邊一階導數(shù)最大值（DRE）：它對綠色植物量（LAI）反映極為敏感葉面葉綠素指數(shù)（LCI）：反映葉面葉綠素含量葉面水含量指數(shù)（WI）：比較970nm水吸收波段和900nm的反射率相對而定的參數(shù)歸一化差異水體指數(shù)（NDWI）：反映植物葉面水分含量，比較1240nm水吸收波段和860nm的反射率相對而定的參數(shù)使用最多的植物參數(shù)：紅邊位置、NDVI植物光譜的影響因素生化組分水分覆蓋度混合地物生長階段生化組分植物光合作用色素的影響葉綠素：生長狀況和生產能力類胡蘿卜素：吸收帶在藍紫光，不吸收紅光的波長較長的光藻膽素：吸收綠橙光，吸收光譜在橙紅部分，而藻紅蛋白吸收最大值在綠色和黃色部分植物光合色素對光譜的影響植物本身顏色差異大時，在光譜曲線上有很大區(qū)別對高光譜遙感建模最有指導意義的是植物體內色素含量及各類色素間比例的差異紅邊左側的反射率主要與葉綠素的含量有關，紅邊右側的反射率主要取決于葉內組織結構和植物體內含水量的影響。紅邊向長波方向的位移反映了植物葉綠素濃度的增加植物表面蠟質茸毛的影響沙棗的光譜反射率明顯高于其它樹種，在559nm附近的反射峰相對寬度和高度遠高于其它樹種，反面茸毛含量太高，降低了表面葉綠素反射特征；在756～1360nm葉片反面的反射率比正面要低；其它波段，茸毛含量越高，反射率越高。蛋白質、木質素和纖維素對植物光譜的影響，綠色植物方面不顯著，主要吸收特征出現(xiàn)在1450nm～2450nm之間水分植物在紅外和短紅外波段（690～1300nm）由于葉綠素的強反射導致高平臺，出現(xiàn)兩個（以972nm、1172nm為中心）吸收峰，其是由大氣中的水蒸氣和植物體內的水分決定的。實驗材料：樣品猜自木耳菜、抱桐葉和梧桐葉，木耳菜代表蔬菜類含水量高，抱桐葉和梧桐葉代表常見的成熟階段的樹葉，含水量較低實驗過程：采摘后立即進行光譜測試和稱重，24小時內分時段光譜測試和稱重，選擇夏季晴朗高溫干燥天氣，在通風口對葉片自然晾干，確保葉片24h內干燥，使葉綠素分解到最低限度。水分對植物光譜的影響規(guī)律含水量大于90％時，在795nm附近出現(xiàn)葉綠素的反射峰；小于90％時此處無峰值。（B1>B2>B3）當水分含量低于50％時，在1304nm處出現(xiàn)最大值（B1<B2<B3）。作物進入成熟期，體內的干物質含量增高，水分含量相對降低，大約在90％～50％，B1,B2,B3,B4的波長位置、反射率的相對大小與體內含水量的多少密切相關。比較在1120nm和1300nm附近出現(xiàn)的第二個峰值B2和第三個峰值B3的位置，發(fā)現(xiàn)所有植物葉面隨著水分含量的降低，反射率峰值位置向長波方向逐漸移動。第四個峰值B4的位置隨著水分含水量的降低向短波方向移動抱桐葉的干燥物在900nm之后光譜比其在潮濕狀態(tài)下的反射率高出15％以上，與表面大量蠟質茸毛有關植物體內水分還決定了972nm和1172nm處的光譜吸收強度，水分越大，吸收越強。葉綠素尚未降解的情況下，植物缺水，紅邊位置將向短波方向偏移，新鮮木耳菜紅邊為721nm，干燥后為711nm覆蓋度覆蓋度影響的實驗實驗過程：將抱桐葉平展依次切取同等寬度的條帶，分別放在黃土和白紙上，按不同覆蓋度測試光譜反射率，測試過程中，適當挪動葉片整體位置，保持葉片各條帶相對應位置不變，測量多次，求平均值。結論：背景為黃土時，模擬與實測的整體相關性達到0.97，尤其在350～1000nm之間相關性高達0.99；背景為白紙時，整體相關性達到0.99，其中350nm～750nm之間覆蓋度與光譜之間相關性更高。原因：細粒黃土易粘連到葉面，且粘連黃土具有隨機性覆蓋度對光譜的影響規(guī)律植被覆蓋度變化實質上反映了單位面積上葉綠素的含量變化同一成熟度狀態(tài)下的植物覆蓋變化時，紅邊位置幾乎沒有變化（詳見教材148頁）當植物冠層中成年鮮綠葉片含量增加，紅邊位置會向長波方向移動混合地物混合為線性混合，光譜信號是按各個組分所占面積比例與其光譜的乘積疊加的天然狀態(tài)下的植物混合生長有其區(qū)域性和相對穩(wěn)定的組合方式，混合通常是發(fā)生在幾類植物之間。生長階段同一植物在不同生長期內各組分含量不同，所有這些組分變化對植物反射光譜都有影響例子：葉綠素a和b、胡蘿卜素的總含量在開花之前連續(xù)增加，開花之后到成熟期，葉綠素總體含量開始衰減，葉綠素a的含量比葉綠素b的衰減快不同生長期的植物光譜曲線是不同的，不能用一種光譜曲線代表整個生長期的光譜特征植物光譜與生化組分反演方法植物光譜可以反映其成分和結構的變化，也與植物生長過程有關，已被廣泛應用于植被生態(tài)環(huán)境調查、農作物估產、土地利用監(jiān)測、海洋葉綠素濃度調查等領域。方法一：運用生物化學成分與光譜數(shù)據(jù)或由此衍生的各種植被參數(shù)，經過多元回歸分析，建立定量關系。方法二：運用光譜數(shù)據(jù)的波長進行定量分析。綠色植物生化組分計算方法計算方法（見教材150頁，表6.2）不敏感色素指數(shù)（SIPI）：能最佳表示不同樣本、不同條件下的胡蘿卜素、葉綠素a與光譜反射率的關系色素簡化指數(shù)PSSR和色素專項歸一化指數(shù)PSND、PSSRa與葉綠素a以及PSSRb與葉綠素b的之間存在強烈的指數(shù)關系NDVI對中、高葉綠素含量的差異非常敏感主要吸收區(qū)間400～500nm、660～690nm，其反射率對葉綠素含量變化不敏感反演植被干物質成分方法玉米、小麥、大豆，三類植物的干物重量與它們的高度和葉面指數(shù)（LAI）緊密相關，從高光譜圖像上計算的植被指數(shù)可用于計算“光合成有效輻射累計吸收量（APAR）”，進而估算植物的干物質量。生殖生長期小麥的干物質量卻與APAR的相關性很低，說明存在其它因素影響干物質累計量的估算結果。樹木干枯落葉的生化組分與光譜相關實驗和分析玉米冠層光譜與生物化學分析樹木干枯落葉的生化組分與光譜相關實驗和分析定義：波深均一化多元逐步線性回歸方法，成功地對干枯植物落葉的生化組分（氮、木質素和纖維）含量作出了估算。過程：首先要選定氮、木質素、纖維素的特征波譜對應的波長位置；然后對波譜曲線進行背景去除和波深均一化處理，得到波深曲線；最后對各生化組分的特征波普進行波深分析，利用特征吸收處的所有波長變量來線性擬合氮、木質素或纖維素含量數(shù)據(jù)，從而建立起能夠反演植物體內氮、木質素和纖維素含量的回歸方程。實驗條件：首先把所采集的植物葉子在溫度70度的烘箱內烘干48h；然后用孔徑1mm的篩網進行過濾，再進行反射波譜測試，波長范圍在1100nm～2498nm；最后對樣本進行氮、纖維素和木質素含量測定。數(shù)據(jù)預處理：去除背景、波深歸一化處理、多元逐步線性回歸結果數(shù)據(jù)預處理A去除背景：枯葉內許多化學成分的化學健在這些波長范圍內具有不穩(wěn)定的吸收特征，對氮、木質素、纖維素的波譜特征有不同程度的影響。背景去除技術首先估算出波譜曲