1、高光谱处理技术方面： 地物光谱测试与高光谱图像获取 高光谱图像预处理 高光谱遥感图像分类及识别方法国际遥感界的共识是光谱分辨率在/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/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/1000时，遥感即进入超高光谱(ultraspeetral)阶段(陈述彭等，1998)。 准备阶段：准备阶段：确定了需要解决的8大基础性以及关键性技术问题：一是地物光谱特征研究和岩矿光谱数据
2、库的扩充；二是实用化成像光谱大气辐射校正方法研究；三是基于岩矿混合光谱和光谱变异知识的组合光谱特征匹配识别方法的完善；四是岩矿混合光谱分解模型和基于岩矿混合光谱知识的端元选择方法研究；五是金属矿物诱导植物病变识别和地植物找矿方法研究；六是成像光谱地质找矿应用的实用化工作程式研究；七是产品化成像光谱数据分析处理软件系统；八是遥感成因矿物学和找矿矿物学研究。 开发阶段：开发阶段：高光谱矿物填图分为矿物种类填图、矿物化学成分填图、矿物含量填图。矿物种类填图回答的是“是什么”的问题，矿物化学成分填图回答的是“由什么元素组成”的问题，矿化含量填图回答的是“由什么矿物组成”的问题，这三项技术的难度是依次增
3、加的。 应用阶段：应用阶段：2002年-2005年是高光谱遥感技术的工程化应用研究阶段。在分析大气、地面的非朗伯特性、太阳-目标-仪器的几何关系、光谱分辨率、空间分辨率、信噪比等环境和技术参数对矿物识别的影响的基础上，总结了一套较系统而实用的干旱裸露区区域成像光谱矿物填图的技术体系和工作方法，整个技术流程包括辐射标定、大气校正与光谱重建、航带和跨航带照度调整、矿物端元选择、分航带矿物识别、几何校正、图像镶嵌与地理编码、全区矿物分布图的编制等基本步骤。 深度开发：深度开发：于受矿物光谱非线性混合、光谱变异、无吸收特征矿物等三方面因素的影响，利用高光谱遥感数据定量反演矿物绝对含量的难度较大，至今未
4、见报道。 提出了去壳单次散射反照率光谱线性分解的方法，可定量反演各种蚀变矿物以及无吸收特征矿物的绝对含量。 利用新疆东天山土墩矿区HyMap数据进行了试验，提取了绢云母、滑石、蛇纹石、绿泥石、绿帘石、方解石、无吸收特征矿物的含量分布，并以USGS矿物标准光谱库、矿物相对含量、野外地质调查结果为基础对反演结果进行了验证分析，以反演结果为依据初步分析了热液运移，圈出两个热液蚀变中心与热液运移通道，表明上述方法可用于提取矿物的空间分布，为分析矿床成因提供支撑信息。 获取研究区光谱材料用于精细分析和解译 研究探测所需分辨率和信噪比，确定成像光谱仪 研究探测所需空间分辨率，用于成像飞行设计 研究探测所需
5、的最佳时间（年/月/日/时） 延河流域（宝塔区、安塞农业、靖边沙漠边缘） 太原西山煤田 汝箕沟煤田 秦始皇陵区 西安市区 长安户县（考古） 大气透射率的影响 水蒸气的影响 风的影响 观测几何的影响（植被、自然地物） 主要参数 基本配置 光谱分辨率：分光计所能区分的最窄的度量单位 采样间隔：相邻两次采样的波长距离 固定光栅阵列探测器 单一面元扫描光栅探测器 光谱测试设计 光源要求 野外测量光谱流程 测试时间 测试方法 观测几何 太阳照明的特征 人工照明的特征 仪器的位置 传感器探头的选择 避免阴影 白板校正 防止光污染 定标测试 测试时间和频度 采集辅助参数 标准偏差 导数分析、指数法、红边位置
6、分析、吸收谷的波深和波宽 国际上常见光谱库（USGS/JPL/ASTER） 矿物的多样性与光谱的复杂性（同物异谱、同谱异物） 光谱库建立的数据要求 光谱库的建立方法 中科院5000 USGS JPL JHU ASTER 粒度对光谱的影响 矿物混杂的影响 能全面地包含各类地物的光谱数据，包括相关的辅助数据 获取光谱数据的仪器应该标准、规范、性能稳定 要求详细记录有关的背景参数便于分析研究 以野外实测数据建立光谱库的流程 从高光谱遥感图像上提取地物光谱建立光谱库的流程 野外光谱数据分析统计，排除异常数据 对野外水汽强吸收波段进行处理 对于多分光计组成的光谱仪的数据，必须仔细分析光谱接合部的反射率是
7、否平滑一致 数据导出建库 参考野外同步实测数据对高光谱图像进行定标 在定标图像或MNF变换后的图像上圈定目标物（ROI），进行光谱提纯，排除异常点 对提纯后的ROI中所有像元进行统计，获得均值光谱 建立光谱库 飞行准备 高光谱飞行 图像质量评价工作内容： 调查了解飞行区的空间基本状况 选择野外定标点，规划飞行同步定标路线 编制野外调绘图 延安附近的野外调查和测试 汝箕沟矿区 秦始皇陵区和长安户县考古研究区 延安 汝箕沟 秦始皇陵区 延安 汝箕沟 秦始皇陵区 图像的辐射畸变 图像的几何畸变 OMIS1（6596）信噪比低没有使用价值 OMIS1/2（13）波段受大气散射影响严重 热红外波段出现严
8、重噪声 航迹线上地物点与边缘线上的地物点到传感器的距离变化，传感器接受到的信号衰减程度明显不同，靠近航迹亮边缘暗 气流对飞机的影响使图像明暗偏 太阳高度角的影响 地形高差引起的投影误差 由于成像光谱仪的等角度采样引起系统成像误差 成像系统自身GPS导航误差 遥感平台的俯仰、侧滚、偏航从航空遥感起步五十年代“航空地质调查”改变了地质人员长期以来习惯于用两条腿走遍崇山峻岭，用眼睛观察岩石露头的工作方式，减轻了野外调查强度，加快了填图速度。1978年起，在原国家计委的支持下，地矿部陆续为航遥中心和各省遥感地质站引进了适用于低空和高空作业的遥感飞机、多种焦距的航摄仪、多光谱扫描仪、热红外扫描仪、智能型
9、红外地面光谱仪、自动化遥感图像冲洗设备、光学彩色合成仪和彩色密度分割仪等遥感设备。1982年联合国开发署援建的I2S-101图像处理系统又在航遥中心和四川遥感地质站投入运行，从而使地矿部成为当时国内具有最强的航空遥感资料获取和卫星遥感数据处理能力的部门之一。80年代初，根据国务院的部署在全国开展了农区1 1万、林区1 2.5万、牧区1 5万1 10万土地资源调查，采用当时最先进的OR-1正射影像仪制作正射影像图、航空相片、遥感卫星照片等资料进行野外调查和遥感解译，到1996年，通过10余年的努力，首次全面摸清了我国8个一级类、46个二级类土地利用分类面积，全面掌握了土地利用的分布状况，并建立起
10、全国的土地统计制度，为合理规划利用、依法全面统一管理土地奠定了基础。 推动遥感技术在国土资源管理中大规模应用的缘起，要从1996年卫星图片“四进”中南海说起。1996年，原国家土地管理局应用美国陆地卫星TM数据，对17个城市的建设规模进行了监测，城市建设规模的扩张和耕地大量被占用的监测结果引起了党和国家领导人的高度重视，先后4次专门听取此项工作汇报，自此拉开了我国应用遥感技术动态监测国土资源的序幕。 经过大规模的实际应用，探索出了比较成熟的技术路线，形成了行政管理、组织实施、具体作业“三位一体”的合理运行机制，并基本确立了遥感成果在监督规划实施、提供违法用地线索、开展土地调查和提供数据服务等方
11、面的应用方向。（大兴安岭火灾、海岛调查、三峡工程、98洪水） 通过“地质野战军技术装备专项计划”的实施，配备了一系列当代最先进的遥感仪器设备和专业软件 应用卫星遥感技术开展土地利用更新和变更调查。对某个城市，将前一年度的1 1万比例尺土地利用现状图和本年度的标准分幅数字正射影像图进行套合对比，提取出不一致信息，即发生变化的地块，对这些不一致信息按照土地变更调查要求进行实地调查，掌握实地变化情况，更新土地利用现状图或数据库。将前后两个年度影像进行对比，提取变化图斑信息，为变更调查提供辅助资料。“青藏高原生态地质环境遥感调查与监测”以该区近30年来两期卫星数据为主要信息源，开展了第四纪地质、现代冰
12、川、古冰川遗迹、雪线、湖泊、河流、地质灾害、荒漠化和新构造运动等的遥感调查、演变趋势分析和地质环境质量综合评价，编制了青藏高原1 25万卫星影像图、1 50万和1 150万遥感解译专题系列电子图件，建立了青藏高原生态地质环境遥感监测信息系统。阶段成果已揭示出青藏地区近年环境恶化的直接证据，得到了国内媒体的广泛关注，取得了良好社会效益。 2000年4月9日，西藏雅鲁藏布江支流易贡河北岸发生大滑坡，下滑的高约100m的岩土堆积体堵塞了易贡湖的出口。在这种紧急情况下，国土资源部以最快的速度收集了滑坡发生前后8个时相的SPOT、LANDSAT、CBERS-1以及IKONOS等多平台卫星数据，对滑坡堆积
13、坝体溃决前后的灾情进行监测，对滑坡的成因机理和运动趋势进行综合分析，并随时向救灾指挥部汇报监测结果，为抢险救灾决策提供了重要依据。 汶川地震中辅助抗震救灾工作 我国南方某市，未经批准擅自将一房地产开发项目改为高尔夫球场，这种变化通过该市1998年和1999年两个时相遥感影像对比可以看得清清楚楚。这就是遥感监测在土地执法中的“千里眼”作用。 国土资源部在河北、山西、江西、新疆等省区的矿产资源集中开发区，以多时相TM/ETM、SPOT-5、IKONOS、QuickBird、Hyperion和彩红外航片等遥感资料为主要信息源，辅以适当的现场调查，对矿产资源开发状况、矿山环境进行了监测试验，初步建成了
14、以试验区为基础的矿产资源开发状况数据库系统，为矿产资源的合理开发、有效管理和科学规划以及矿山环境综合治理提供了决策依据。 浏览图像 波段排序 补偿像元值 去除条带噪声影响 图像的几何校正 辐射定标包括相对定标和经验法定标 光谱平滑处理（消除锯齿与噪声） 观察图像质量（信号强弱、噪声分布）结合成像时间了解植物生长及环境状况 OMIS1不是按波长排列的，OMIS2已解决这个问题，根据研究目的取舍波段减小冗余 降低地物与传感器距离的差异对地物反射辐射强度的影响 噪声是由传感器增益和补偿值的变化所致，另外热污染也会导致热红外波段条带噪声 相对定标只反映图像上各类地物反射率的相对大小，同步地面定标，可进
15、行经验法定标 处理传感器固有噪声或是数据处理过程中的积累误差 教材79页图4.1 OMIS1波段排序 波段选择 （1941.102486.40nm，32个波段）信噪比低不符合，研究土壤和矿物（中红外波段），植物分类（短红外波段） 由于DN值（反映地表温度差异），地表温度、覆盖度、光合作用强度三者密切相关 根据研究目标的最佳波段挑选，减小数据冗余辐射校正方法 传感器本身引起的辐射畸变 大气程辐射 校正方法去噪声方法 条带噪声的消除 随机点状噪声的消除 利用光谱平滑处理虑除图像噪声 利用MNF变换去除噪声 定义：航迹中心亮度高，此现象为扫描图像蓝边效应 后果：图像有效面积变小导致解译结果出错，波长
16、越短畸变越严重 原因：扫描仪固有特性引起的，从航带中心扫向两侧，地面面元辐射能量及程辐射发生变化，像元变暗；航空遥感高度低，扫描视场角度大。 定义：太阳辐射在大气传输过程中各组分及气溶胶微粒散射后直接到达传感器的辐射 后果：大气程辐射叠加在地面反射的电磁波上，是与地面无关的大气干扰，降低了对比度，属背景噪声，是需要修正的重要内容 原因：表征大气质量状况的天空光亮度遥感分量，是大气组分、气溶胶的函数，是大气中粒子散射的产物基于统计特征的辐射校正 各个波段逐列统计，计算每列所有行的均值 分别计算各个波段的均值p 求取每列的调整系数Pk=Pi/P 计算各个像元的校正结果地面实测校正 飞机升高工作扫描
17、飞机下降（记录相应高度）原因：设备产生 各个波段逐行统计，计算每行均值 分别计算各个波段均值Pn 求取各个波段均值与该波段每行均值的差值和系数 计算各个像元的校正结果：a.加法性噪声；b.乘法性噪声 强热源失真 原因：a.数据传输过程中的误码；b.模拟电路中的温度干扰；OMIS1是信噪比太低 临近比较法去除 临近平均值法去除 选择参与分析的波段，进行光谱定标，把像元DN值转换成反射率 见教材图版IV 去除噪声相关性 主成分变换无惯导参数的几何校正 正切校正 偏航校正利用惯导参数和DEM进行几何校正 惯性导航测量系统 从IMU中截取与OMIS同步的姿态参数 校正模型 校正图像像元重采样 利用DT
18、M校正高光谱图像 程序设计 高光谱遥感图像拼接和影像图制作目的： OMIS1图像数据记录的是来自地物各个像元的辐射值，DN数据不能直接采用光谱分析工具进行信息提取和精确分析相对反射率反演法 平面场模型反演 内部平均相对反射率法 对数残差法 光谱定标 选择定标点 同步实测定标点的光谱反射率 选择同名定标点作为ROI，求其均值 对Xi重采样使之与DNi中心波长一样 用最小二乘法，求取系数Ai、Bi，确定图像各个波段的DNi与光谱反射率Xi之间线性关系 用上述公式将原图像转换成反射率图像 求解线性回归方程系数，理论上地面两定标点即可（一个完全的漫射体称为朗伯体。从任何角度观察朗伯体表面,其辐射亮度都
19、相同。朗伯体表面实际上是一个理想化的表面，它被假定为介质是均匀的、各向同性的,并在遥感中多用以作为近似的自然表面） 利用定标点对原始图像进行地物光谱反射率反演，可消除大气透过滤及传感器增益的影响 基于经验线性模型的地面光谱反射率，假定参数（大气透过率、大气程辐射等），因此小试验区内较理想 地面实测时，对视场角、测试方位等都有较高要求，实际中难以一致 定标点应为有一定面积的开阔区域 定标后地物光谱存在失真现象，水体低异常，植被高异常 蓝光区域部分水体、阴影的反射率很低，说明定标时“黑体”不是真正的“最低” 在1000nm之后的地物光谱误差普遍较大 改变定标的参照物，采用较大面积的阴影作黑体，或者
20、人工布设定标物 增加同步定标物的数量 野外最佳反射经验平滑变换算法（EFFORT）只处理限定波段，不处理噪声比较大的波段，三个范围（p1.4,1.4p1.9） EFFORT适用于大气校正后的图像处理，利用原始数据产生假想光谱与勒让德任意多项式模型参数配准，比较模型光谱与数据光谱，得到每个波段增益值和补偿值，使各个像元都能匹配好。处理过程中需用一系列光谱参与回归处理，还要用到一个或多个实物的光谱 噪声严重且包含重要信息的不参加建模，光谱范围重叠的波段，水蒸气、O2、CO2强吸收的波段非监督分类 定义：分类过程不需人工干预，计算机自动按某一标准自动进行。 优点：简单、方便 缺点：分类结果无实用价值
21、监督分类 定义：选择训练区建立判别准则，对未知地区自动判别 优点：根据实际需要形成分类 缺点：相对复杂 确定分类对象和类别 分析各对象影像特征，做图像空间特征化，增加特征差异 选择训练样本统计各个类别特征量 选择分类器进行分类 比较分类结果，评价分类精度 分类后处理，进行必要的合并和筛除，去除孤立离散点。 多级分割法 平行管道分类 最小距离分类 最大似然分类 决策树分类法 定义：根据各类地物的像元灰阶值分布区间，制定分割的上下限进行分割 优点：便于直观理解如何分割特征空间，以及待分类像素如何与分类类别相对应 定义：决策线是在n维光谱空间中的一个平行管道，管道的直径根据距离平均值的标准差确定 定
22、义：计算未知像元距离各个类别均值向量的欧氏距离，将该像元划分到距离最小的类别中。 定义：数据符合多维正态分布，计算每个像元属于各个类别的似然度，把该像元分到似然度最大的类别中。 优点：快速收敛及保证每步迭代模型的似然概率单调增的优点 缺点：不能将各个模型很好地分开。这直接导致了识别时的错误 定义：以像元特征值为基准值，分层逐次进行比较运算的分类方法。图像特征 就是对影像空间和波谱两方面信息进行运算和统计（均值、方差、灰度比值、纹理强度、密度、信息熵等）。 形状特征： 面状特征： 纹理特征：特征选择的依据和方法 从n个特征中求出对分类最有效的m个特征，特征组合使分类效果最好的，错误概率最小的就是
23、最有效特征组合 教材105页，附图 使用动画显示方式依次显示高光谱图像各个波段的灰度图像，检查反射特征，确定坏波段。做彩色合成对比度增强处理，选择光谱区间，剔除坏波段。 确定光谱反射特征和吸收特征，在高光谱图像上提取植被和地质体的光谱曲线，并与光谱库作比较。 对子区图像作MNF变换，观察结果图像，确定有效维数：观察MNF特征值曲线，确定MNF变换之后各个图像分量的噪声与信号的分解点。 第一个变换：基于噪声的协方差矩阵，去除相关性 第二个变换：主成份变换 给出了某流域系统57个流域盆地的9项变量指标。其中，x1代表流域盆地总高度（m），x2代表流域盆地山口的海拔高度（m），x3代表流域盆地周长（
24、m），x4代表河道总长度（m），x5代表河道总数，x6代表平均分叉率，x7代表河谷最大坡度（度），x8代表河源数， x9代表流域盆地面积（km2）。 原始数据作标准化处理，然后将它们代入相关系数公式计算，得到相关系数矩阵 由相关系数矩阵计算特征值，以及各个主成分的贡献率与累计贡献率（见表3.5.3）。由表3.5.3可知，第一，第二，第三主成分的累计贡献率已高达86.5%，故只需求出第一、第二、第三主成分z1，z2，z3即可。 第一主成分z1与x1，x3，x4，x5，x8，x9有较大的正相关，可以看作是流域盆地规模的代表； 第二主成分z2与x2有较大的正相关，与x7有较大的负相关，分可以看作是流
25、域侵蚀状况的代表； 第三主成分z3与x6有较大的正相关，可以看作是河系形态的代表； 根据主成分载荷，该流域系统的9项要素可以被归纳为三类，即流域盆地的规模，流域侵蚀状况和流域河系形态。如果选取其中相关系数绝对值最大者作为代表，则流域面积、流域盆地出口的海拔高度和分叉率可作为这三类要素的代表。 散点图投影变换，投影结束后产生一幅对应结果图像，像元值就是投影过程中，该像元被投影到多维空间中角落或坐标轴附近的累计次数。 针对ROI或PPI值高的区域进行端元提纯的 图版VII 选择具有特征意义的两个波段，显示图像像元值的二维散点图，在散点图上圈定目标物对应像素点的分布区（ROI），如果ROI代表了所想
26、选目标，则提取ROI内的平均光谱作为端元，建立光谱库 波谱角填图 线性波谱解混 匹配滤波 混合调制匹配滤波 光谱特征匹配 导数光谱特征在分类中的应用 在N维空间中，根据像元光谱与参考波谱的相似性来决定一个像元的类别 选择参考端元光谱作为判别标准 光谱角误差容忍度 分类波段的数量对分类精度的影响，分类精度与参与的波段数成正相关定义： 各种光谱以线性方式按面积比例混合，采用解混技术来估计每个像元中的各成分比例因素： 端元组分的代表性 端元组分的数量，少了误差大，多了由于大气等因素影响过于敏感，误差增大。高光谱图像解混 高光谱图像中的混合像元由固定的端元按照一定的比例含量(丰度)线性混合而成，在像元
27、中分解出端元以及各端元的丰度是高光谱图像分析中具有挑战性的任务，这一过程称为光谱解混.高光谱图像的一个重要几何特征是在高维特征空间中体现为单形体.在三角形中，平行线分线段等比定理揭示了计算丰度最基本的几何关系距离比，文中把它推广到高维空间中的单形体情况，在此基础上提出了基于子空间距离比的光谱解混算法，该算法能快速、有效地获得丰度. 使用已知光谱库的光谱曲线与图像上的光谱曲线进行匹配，得到各个端元组分的丰度分布图 优点：不要求知道所有端元，就能解算某些地物的丰度 缺点：面积比例小的不能有效识别 集中了匹配滤波和光谱解混的优势，避免了二者的弱点 输入：MNF的结果图像 输出（1）各个端元组分的丰度
28、图；（2）每个端元的“不可靠图像”，有助于减少匹配滤波过程中产生的“假匹配”图像 条件：需要输入的光谱库必须是在MNF空间下的光谱（即在MNF图像上建立的光谱库） 以波谱吸收特征为基础，用最小二乘法把待分类地物光谱与参照光谱之间的吸收特征进行匹配分类。SFF处理步骤： 把待分类地物光谱与参照光谱转换成反射率 参照端元光谱重采样，使之与实际光谱图像具有相同的波长范围和波段数 把参照光谱和图像光谱作包络线处理，消除背景光谱，突出目标物光谱的吸收特征。 计算各个参考光谱波谱和未知地物每个波段的光谱反射率之差，计算均方根误差，得到每个参考光谱曲线对应的相似尺度图像、均方根误差图像和综合匹配图像 采用基
29、于光谱吸收特征匹配的光谱特征拟合SFF方法从高光谱遥感影像中提取植被覆盖度,参考光谱采用ASD光谱仪在影像覆盖地区采集的植被光谱,通过将参考光谱与像元光谱连续统去除处理后进行SFF匹配,完成植被覆盖度的提取并生成植被覆盖度图。研究结果与植被指数、光谱夹角映射方法及实地调查资料之间存在较高一致性。 运用导数光谱分析技术,研究了不同氮肥水平下不同品种油菜(Brassica napus)的叶面积指数(Leaf area index,LAI)及角果皮面积指数(Pod area index,PAI)与冠层导数光谱及其衍生参数的定量关系。结果表明,油菜导数光谱与花前LAI和花后PAI均有良好的相关关系,在
30、750nm附近相关关系最好,相关系数达到0.9左右。三边参数与油菜LAI和PAI的相关性顺序为:红边黄边蓝边,面积参数振幅参数位置参数。油菜红边导数光谱的双峰现象降低了红边位置对油菜LAI和PAI的敏感程度,利用线性外推法拟合红边位置能提高其对油菜LAI和PAI的敏感程度。在三边参数及其衍生参数中,红边面积及其与蓝边面积的差与LAI及PAI的相关性最好,且适用于该研究中使用的不同品种。因此,750nm处的一阶导数光谱、红边面积及其与蓝边面积的差可用于有效地监测油菜的光合器官面积。 模糊识别一般步骤 最大隶属度原则 阈值原则 模式识别的间接方法择近原则 提取特征提取已知地物光谱，建立光谱库 建立
31、地物类型隶属函数后面介绍 建立识别判别准则最大隶属度原则和择近原则 即最接近光谱库中的某个光谱即属于某种地物（详见教材120页） 实际是对“最大隶属度原则”在多个低相似和多个高相似情况下的处理方法 两种详见（教材120页） 选择光谱库中“贴近度”最近的地物 相似系数法（5种） 距离法（7种） 基于分类统计结果进行，尽量多的像元参与统计，至少要多于50个像元。 包括：各类中像元点数、每个波段的均值、标准差、类别之间的协方差矩阵等。 遥感图像分类之后，产生一幅分类结果图像，把它与相应地物真实分布图对比，就可以计算误差矩阵，然后计算总体精度、KAPPA系数、错分和漏分概率以及各类精度。（参见教材12
32、3页表5.5）分类精度 总精度对角线和/总像元数制图精度 被分类器标识为A类，分类结果也属于A类的精度用户判别精度 分类器正确标识的像元数与地面实际像元数的比值 KAPPA系数最能全面反映总体精度（教材124页） 指标评价（教材125页） 模糊识别的方法中相似系数法、绝对指数法、相对指数法、夹角余弦的精度比较稳定而且均比较高 其它方法效果不理想 原图像分辨率决定了混合像元比例，混合像元较少的高光谱图像上分类精度比较高。 分类方法、地物光谱、分布范围 枣园试验区，地块狭小、相互间杂，混合像元占了很大比例，分类精度低 靖边，地块大，长宽通常在30M之上，分类精度高出1020个百分点 汝箕沟，地物地
33、层分布不规则，但是面积大，各类地物差异明显，所以分类精度也比较高 常规地物分类比较；提高图像空间分辨率是提高分类精度的最有效手段 对植物种类的分类精度比较；作为植物群落，获取综合光谱参与分类，能有效提高精度 对植物长势的分类，在同一类植物生长区，高光谱图像能有效地反演植物长势，在长势调查、农业估产、退耕还林、还草监测等方面有着独到的优势。例如对枣园镇和延安机场附近农田的光谱角填图，就达到了这个目的，长势不同的玉米和树龄不同的苹果园得到了有效区分。 分类识别误差原因分析 提高分类精度措施 高光谱遥感分类注意事项 传感器的性能、稳定性、分辨率、成像观测条件等 对原始数据的初级处理精度，包括利用辅助
34、数据如：大气条件进行的系数校正和补偿、波段配准误差等 与参考图件和成像区域背景密切相关的训练区的代表性，包括如何定义以及各类地物的尺寸、形态、分布、出现的频率等 分类方法的选择 其它（见教材129页） 做好同步测试，以便准确定标 对优势物种生长期跟踪测试，建立主要物种不同生长期、不同长势的波谱库，使之具有广泛的适用性，能够应用于不同时相的高光谱图像分析 应考虑地理位置、坡度、坡向、湿度等提高分类精度 对于植被的不同时期，选择高光谱图像的成像时期 加强采样分析与化验，严格标定高光谱的细微差异与地物成分的关系 对各类分类识别方法要多实验、对比，选择最佳方法批量处理 条件许可时，引入DTM参与图像的
35、分类识别 光谱范围：许多物种之间的差异只是出现在某些波段之内，所以必须选择吸收特征明显的，具有鉴别意义的波段 若有显著的吸收特征，则选择光谱特征匹配（SFF），否则，选择光谱角填图（SAM），或者二值编码有较好效果的 多种材料组成的地物，有多个吸收特征，在端元选择时，应选择“纯净”端元 多元匹配 当置信度为0时，是特征显著的标志（教材130页） 光谱分析需要使用一个恰当的光谱库 类别合并，同一类别光谱特征差别大的采用几个光谱标准分类，后面再进行类别合并 筛选，把分类图像中的“孤岛”像元用临近的分类码代替。“孤岛”大小是以“筛子”孔径为标准，即能被“筛子”过滤的都属于“孤岛” 多数或者少数分析，中心像元将被给定的窗口内的多数像元值所取代 图像叠加，将分类的图像叠加在一个彩色合成图像上用于动态变化分析 类到矢量层的转换，用于分类成果的输出、专题图件的编制和后续研究
