老汉精品免费av在线播放,国产在线观看精品一区二区三区 ,av在线亚洲欧洲日产一区二区

2025-01-10 10:52:40高光譜航空遙感: 高光譜航空遙感是一種利用高光譜分辨率傳感器從空中對地表進行遙感探測的技術(shù)。它通過在可見光到紅外光的連續(xù)光譜范圍內(nèi)獲取地表物體的光譜信息，實現(xiàn)對地表物質(zhì)成分、結(jié)構(gòu)和動態(tài)變化的精細探測。高光譜航空遙感廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、礦產(chǎn)資源勘探、環(huán)境監(jiān)測等領(lǐng)域，能夠提供豐富的地表信息，為資源調(diào)查、環(huán)境監(jiān)測和災(zāi)害預(yù)警等提供科學(xué)依據(jù)。其優(yōu)勢在于光譜分辨率高、探測范圍廣、信息量大。

高光譜航空遙感相關(guān)內(nèi)容

全部
產(chǎn)品
問答

高光譜航空遙感產(chǎn)品

產(chǎn)品名稱

所在地

價格

供應(yīng)商

咨詢

: Specim Aisa高光譜航空遙感成像系統(tǒng); 面議; 上海澤泉科技股份有限公司
售全國; 我要詢價聯(lián)系方式

: 芬蘭SPECIM AISA高光譜航空遙感成像系統(tǒng); 國外歐洲; 面議; 清砥量子科學(xué)儀器（北京）有限公司
售全國; 我要詢價聯(lián)系方式

: 高光譜顯微鏡HSI-SIM-6000; 國內(nèi) 上海; 面議; 上海納騰儀器有限公司
售全國; 我要詢價聯(lián)系方式

: 高光譜色差儀; 國內(nèi) 浙江; 面議; 杭州高譜成像技術(shù)有限公司
售全國; 我要詢價聯(lián)系方式

: 便攜式智能高光譜成像系統(tǒng)GaiaSmart; 國內(nèi) 上海; 面議; 上海澤泉科技股份有限公司
售全國; 我要詢價聯(lián)系方式

高光譜航空遙感問答

2023-01-10 13:08:36高光譜遙感數(shù)據(jù)處理系列（一）高光譜數(shù)據(jù)讀取與可視化: 高光譜遙感數(shù)據(jù)處理系列（一）地表反射的太陽輻射包含著豐富的信息，從太陽外層大氣的吸收到地球大氣的吸收，經(jīng)過與地物的相互作用反射回大氣，最終被傳感器捕獲。高光譜遙感可以在每個像元獲取高分辨率的光譜數(shù)據(jù)，這些光譜信息提供了一種理解事物的新的維度。下圖展示了幾種典型地物的光譜?？梢钥闯霾煌匚镎宫F(xiàn)出顯著不同的光譜特征。除此之外，同種地物在不同狀態(tài)下，也可能在特定波段展現(xiàn)出顯著不同的光譜特征。通過比對光譜數(shù)據(jù)，可以實現(xiàn)對地物區(qū)分，狀態(tài)區(qū)分，異常監(jiān)測等難以通過傳統(tǒng)遙感手段實現(xiàn)的應(yīng)用。高光譜遙感被廣泛應(yīng)用于農(nóng)林業(yè)、礦業(yè)、環(huán)境、保險、等領(lǐng)域。太陽輻射與典型地物反射率通常彩色影像有紅綠藍三個波段，多光譜影像有幾到十幾個波段，而高光譜影像有著幾十到上百個波段。波段的增加除了提高了信息量，還使得數(shù)據(jù)量成比例增加。這種數(shù)據(jù)量對計算機的性能提出了較高的要求，更多的是要求對處理者新的思路和方法。在接下來的文章中，我們將詳細介紹高光譜數(shù)據(jù)的處理流程與方法，希望能在此過程中給讀者以新的思考。Hyperspectral light sheet microscopy | Nature CommunicationsENVI (The Environment for Visualizing Images) 是美國Exelis Visual Information Solutions 公司的旗艦產(chǎn)品。它是由遙感領(lǐng)域的科學(xué)家采用交互式數(shù)據(jù)語言IDL (Interactive Data Language) 開發(fā)的遙感圖像處理軟件。ENVI已經(jīng)廣泛應(yīng)用于科研、環(huán)境保護、氣象、石油礦產(chǎn)勘探、農(nóng)業(yè)、林業(yè)、醫(yī)學(xué)、國防&安全、地球科學(xué)、公用設(shè)施管理、遙感工程、水利、海洋、測繪勘察和城市與區(qū)域規(guī)劃等領(lǐng)域。雙擊ENVI圖標打開ENVI軟件，可以看到ENVI軟件的主界面由以下六個部分組成：①菜單欄、②工具欄、③圖層管理窗格、④圖像顯示部分、⑤工具箱、⑥狀態(tài)欄。ENVI軟件的布局如圖所示，首先點擊依次點擊①菜單欄->File->Open，在彈出的對話框中選取所需要的文件，一般的ENVI文件由兩部分組成，文件本體和頭文件（.hdr）。文件本體記錄了文件的數(shù)據(jù)信息，而頭文件中記錄了關(guān)于這些數(shù)據(jù)信息的描述。使用記事本文件可以直接打開hdr文件，可以看到其中包括了：操作記錄Samples：柵格列數(shù)Lines：柵格行數(shù)Bands：波段數(shù)Header offset：文件開頭到實際數(shù)據(jù)起始位置的偏移量File type：文件類型Data type：數(shù)據(jù)存儲類型，用數(shù)字表示bit位數(shù)Interleave：存儲順序Map Info：圖像采用的投影系統(tǒng)參數(shù)，坐標系統(tǒng)及單位Coordinate System String：詳細的坐標系統(tǒng)信息Wavelength：每個波段所對應(yīng)的波長兩個文件應(yīng)該放在同一目錄下面，ENVI在讀取時會自動進行關(guān)聯(lián)。任選其中一個文件都可以打開該文件，但是ENVI對兩個文件的處理方式有所不同。如果選擇.hdr文件，ENVI會直接載入顯示文件的第一個波段，如下圖所示。使用鼠標滾輪可以對圖像進行縮放操作，使用②工具欄中的工具可以對圖像進行拖動縮放等一系列操作。加載成功的圖像會顯示在③圖層管理區(qū)，通過點擊圖像前面的勾選框來控制圖像在④圖像顯示區(qū)的顯示與否。使用如果打開文件本體，ENVI會彈出Data Manager窗口該窗口包含三個部分，分別是①波段信息、②文件信息、③RGB波段選取。①中展示了所有波段的名稱，②中是經(jīng)過處理后的頭文件信息，③是進行RGB合成的波段選取，點擊三種顏色的方框后，在①中單擊選擇波段，選擇完成后點擊Load Data。如果只想要顯示一個波段的灰度影響可以在①中選中目標波段后直接點擊Load Greyscale。RGB 合成象素值的彩色圖，就是將三個波段的數(shù)據(jù)分別通過紅、綠、藍三個通道加載，然后進行渲染。將多波段影像數(shù)據(jù)添加到地圖中之后，可使用多波段柵格數(shù)據(jù)集中的任意三個可用波段的組合來創(chuàng)建 RGB 合成圖。與僅處理一個波段相比，通過將多個波段共同顯示為RGB 合成圖通?？蓮臄?shù)據(jù)集收集到更多信息。來源：簡書通常我們選取650nm、550nm和450nm分別賦給RGB通道進行合成以獲得最佳的顯示效果。顯示效果如下圖：在②工具欄中選擇按鈕，ENVI會在圖上顯示框標，并彈出光譜特征（Spectral Profile)窗口。光譜特征窗口中顯示了框標中心白點所在像元的光譜曲線。如下圖所示：點擊光譜特征窗口中的，可以對光譜曲線進行一些操作，如平滑，計算NDVI，顯示RGB波段所在位置等：小結(jié) 本文介紹了高光譜影像的基本原理以及簡單的讀取及可視化操作。使用ENVI軟件可以實現(xiàn)大部分簡單的高光譜數(shù)據(jù)處理。在接下來的教程中，我們將從植被指數(shù)提取、高光譜濾波、非監(jiān)督分類與監(jiān)督分類等方面介紹ENVI軟件的使用。除此以外，我們還將介紹基于Python的高光譜處理，從編程角度介紹高光譜相關(guān)知識，以及高光譜數(shù)據(jù)與大數(shù)據(jù)處理的結(jié)合。參考：【1】百度百科【2】 www.jianshu.com/p/d0765ee89b86

2023-02-03 15:37:09?高光譜遙感數(shù)據(jù)處理系列（二）基于高光譜數(shù)據(jù)的植被指數(shù)計算: 高光譜遙感數(shù)據(jù)處理系列（二）反射率與植被指數(shù)來自地物反射/發(fā)射的光通過鏡頭被相機捕獲，使得傳感器被曝光。由于光電效應(yīng)，傳感器上的每個像素傳感器上的電荷開始累計。經(jīng)過相機芯片的轉(zhuǎn)換，這些光信號以數(shù)字的形式存儲下來，這些數(shù)字被稱為DN值。輻射亮度（Radiance），簡稱輻亮度，指面輻射源在單位立體角、單位時間內(nèi) ，在某一垂直于輻射方向單位面積（法向面積）上輻射出的輻射能量，即輻射源在單位投影面積上、單位立體角內(nèi)的輻射通量。輻亮度是最常用的度量光強弱的物理量之一。輻亮度可以進一步用于反射率的計算。DN值可以看作由輻亮度與相機屬性主導(dǎo)的變量。去除DN值中由于相機屬性引起的變化，將其轉(zhuǎn)化為輻亮度的過程稱為輻射定標。通常該過程由相機廠商進行處理，或者廠商會提供用于定標的關(guān)鍵參數(shù)。物體反射的輻射能量占總輻射能量的百分比，稱為反射率。不同物體的反射率也不同，這主要取決于物體本身的性質(zhì)(表面狀況），以及入射電磁波的波長和入射角度，反射率的大小范圍總是小于等于1，利用反射率可以判斷物體的性質(zhì)。在使用無人機進行實際觀測時，通常使用地物輻亮度除以白板或反射布所在像元的輻亮度作為反射率。從空間量化植被覆蓋、生物化學(xué)、結(jié)構(gòu)和功能是研究和理解全球變化、生物多樣性和農(nóng)業(yè)的關(guān)鍵。實際上，遙感在很大程度上依賴于使用源自光譜反射率的植被指數(shù) (Vegetation Indices, VI)。VI 是幾個波段反射率的數(shù)學(xué)變換，旨在最大限度地提高對特定生物物理現(xiàn)象（例如，綠度、含水量或光合作用活動）的敏感性，同時最大限度地降低對土壤特性、太陽光照、大氣條件和傳感器觀察等因素的敏感性。典型植物的反射光譜。植物光譜最顯著的特這就是紅光范圍的強吸收與近紅外區(qū)域的強反射，兩個波段之間的快速上升波段稱為紅邊。紅光波段的強吸收是由于植被葉綠素的吸收，而近紅外波段的強反射是由于植被的葉片結(jié)構(gòu)導(dǎo)致的。通過兩個波段進行差分或比值可以凸顯出植被在這兩個波段的反射特性的差別。同時，差分或比值運算可以去除兩個波段中包含的背景信號及噪聲。不同的波段或組合形式側(cè)重展現(xiàn)了不同的植被特性。植被指數(shù)是對地表植被狀況的簡單、有效和經(jīng)驗的度量。目前已經(jīng)出現(xiàn)了上百種不同的植被指數(shù)。ENVI中包含了其中7類 27種植被指數(shù)。主界面功能區(qū)在主界面⑤工具箱中搜索欄中可以方便地對所有工具進行檢索，輸入 Vegetaton Indices Parameters ，打開該工具如下所示：鼠標單擊所需要的植被指數(shù)，然后點擊 Choose 選擇文件的存儲位置。此外ENVI還提供了將數(shù)據(jù)存儲到內(nèi)存的選項 Memeory，但是這些數(shù)據(jù)在ENVI關(guān)閉后會被刪除。所以選擇存儲到內(nèi)存時，ENVI會彈出二次確認對話框，繼續(xù)選中Memeory確認即可。ENVI的幫助文件中詳細展示了各種植被指數(shù)的公式及參考文獻。在菜單欄 Help 中打開-> 在左側(cè) Contents 選項卡中的Vegetation Analysis。關(guān)于植被指數(shù)的發(fā)展和使用場景還可以參考 Xue J, Su B. Significant remote sensing vegetation indices: A review of developments and applications[J]. Journal of sensors, 2017.在獲取植被指數(shù)后，可以利用這些指數(shù)進行地表參數(shù)估算或者進一步進行實際應(yīng)用，ENVI中提供了幾種植被指數(shù)的實際應(yīng)用工具，包括林木健康分析（Forest Health Vegetation Analysis）、農(nóng)作物脅迫（Agricultural Stress Vegetation Analysis）、易燃性分布分析（Fire Fuel Vegetation analysis），以及植被抑制（Vegetation Suppression）。這些應(yīng)用工具結(jié)合幾類不同植被指數(shù)對植被進行評估，以林木健康分析為例，首先在主界面⑤中搜索欄中輸入 Forest Health Vegetation Analysis ，雙擊打開林木健康分析工具：該工具通過三類不同的植被指數(shù)：綠度指數(shù)，葉色素指數(shù)，冠層水分或光能利用率指數(shù)。ENVI內(nèi)置了模型進行閾值篩選，綜合分析多種指數(shù)，將植被的健康狀況分為9種。波段運算如果需要使用內(nèi)置植被指數(shù)以外的指數(shù)進行運算，可以使用ENVI中的Band Math工具。這里分別對窄波段和寬波段植被指數(shù)的計算進行介紹。窄波段歸一化植被指數(shù)：首先在主界面⑤中搜索欄中輸入 Band Math，雙擊打開波段運算工具：在Band Math中輸入所需要的表達式，這里需要注意的是，ENVI默認用b1，b2...來表示不同的變量，比如這里我們用到了兩個波段680nm和800nm，分別用變量b1和b2來表示。在Enter an expression中輸入(b2-b1)/(b2+b1)，點擊ok，會彈出變量與實際使用波段的匹配對話框。首先在①中單擊選擇需要賦值的變量，接下來在②中選擇所對應(yīng)的波段（如果不同波段是分開存儲的，選擇Map Variable to Input File可以將整個文件賦給某個變量）。在有所變量選擇完畢后，點擊OK。結(jié)果如下圖所示：寬波段NDVI：通常機載成像光譜儀的光譜分辨率可以達到亞納米/納米級。而常用的衛(wèi)星數(shù)據(jù)如Landsat系列和MODIS產(chǎn)品的光譜分辨率較寬，針對這些衛(wèi)星遙感產(chǎn)品開發(fā)的植被指數(shù)基本都是寬波段植被指數(shù)。為了使用機載成像光譜儀進行寬波段植被指數(shù)的計算需要先對波段進行聚合，這里我們以Landsat系列的寬波段為例進行手動寬波段NDVI計算（Vegetaton Indices Parameters中也提供了一些寬波段VI的計算，這里另外介紹手動波段聚合的操作方法）。Landsat 9 的傳感器如下所示：Band 1 Visible (0.43 - 0.45 μm) 30-m.Band 2 Visible (0.450 - 0.51 μm) 30-m.Band 3 Visible (0.53 - 0.59 μm) 30-m.Band 4 Red (0.64 - 0.67 μm) 30-m.Band 5 Near-Infrared (0.85 - 0.88 μm) 30-m.在⑤工具箱中搜索欄中Sum Data Parameters,打開波段聚合工具。在①中選擇輸入文件，然后點擊 Spectral Subset ，在彈出的波段選擇窗格中，對要進行聚合的波段進行選?。ò醋hift進行連續(xù)多選，按住Ctrl進行多選）。點擊OK進行確認。Sum Data Parameters 提供了多種波段聚合函數(shù)，這里選擇Mean函數(shù)進行聚合。依次對幾個波段進行聚合后的，我們得到以下文件。接下來可以用Band Math進行寬波段NDVI的計算，計算方法同上。小結(jié)自遙感領(lǐng)域出現(xiàn)以來，植被指數(shù)扮演著重要的角色，并且一直在發(fā)展完善。本文介紹了反射率和植被指數(shù)的概念，植被指數(shù)的原理，使用ENVI進行植被指數(shù)計算，以及手動窄/寬波段植被指數(shù)的計算。了解其背后的植物生理學(xué)知識，是正確使用這些指數(shù)的必要條件。

2023-07-25 10:40:14半導(dǎo)體和鈣鈦礦材料的高光譜（顯微）成像: 目前在光伏業(yè)界，正在進行一項重大努力，以提高光伏和發(fā)光應(yīng)用中所用半導(dǎo)體的效率并降低相關(guān)成本。這就需要探索和開發(fā)新的制造和合成方法，以獲得更均勻、缺陷更少的材料。無論是電致還是光致發(fā)光，都是實現(xiàn)這一目標的重要工具。通過發(fā)光可以深入了解薄膜內(nèi)部發(fā)生的重組過程，而無需通過對完整器件的多層電荷提取來解決復(fù)雜問題。HERA高光譜照相機是繪制半導(dǎo)體光譜成像的理想設(shè)備，因為它能夠快速、定量地繪制半導(dǎo)體發(fā)射光譜圖，且具有高空間分辨率和高光譜分辨率的特性。硅太陽能電池的電致發(fā)光光譜成像光伏設(shè)備中的缺陷會導(dǎo)致光伏產(chǎn)生的載流子發(fā)生重組，阻礙其提取并降低電池效率。電致發(fā)光光譜成像可以揭示這些有害缺陷的位置和性質(zhì)。"反向"驅(qū)動太陽能電池（即施加電流）會產(chǎn)生電致發(fā)光，因為載流子在電極上被注入并在有源層中重新結(jié)合。在理想的電池中，所有載流子都會發(fā)生帶間重組，這在硅中會產(chǎn)生1100 nm附近的光（效率非常低）。然而，晶體結(jié)構(gòu)中的缺陷會產(chǎn)生其他不利的重組途徑。雖然這些過程通常被稱為"非輻射"重組，但偶爾也會產(chǎn)生光子，其能量通常低于帶間發(fā)射。捕獲這些非常罕見的光子可以了解缺陷的能量和分布。在本實驗中，我們使用了HERA SWIR (900-1700 nm)，它非常適合測量硅發(fā)光衰減。測量裝置如圖1所示：HERA安裝在三腳架上，在太陽能電池上方，連接到一個10A的電源。640×512像素的傳感器安裝在樣品上方75厘米處，空間分辨率約為250微米。圖1. 實驗裝置最重要的是，HERA光學(xué)系統(tǒng)沒有輸入狹縫，因此光通量非常高，是測量極微弱光發(fā)射的理想選擇。圖2.A和2.B顯示了兩個波長的電致發(fā)光（EL）圖像：1150 nm（帶間發(fā)射）和1600 nm（缺陷發(fā)射），這是4次掃描的平均值（總采集時間：5分鐘）。通過分析這些圖像，我們可以看到，盡管缺陷區(qū)域的亮度遠低于主發(fā)射區(qū)域，但它們?nèi)员磺逦胤直娉鰜?。此外，具有強缺陷發(fā)射的區(qū)域的帶間發(fā)射相對較弱。我們可以注意到有幾個區(qū)域在兩個波長下都是很暗的；這可能是由于樣品在運輸過程中損壞了電池造成的。圖2.C中以對數(shù)標尺顯示了小方塊感興趣區(qū)域（圖2A和2B中所示）的光譜。圖 2.A 和 B：兩個選定波長（1150 nm 和 1600 nm）的電致發(fā)光（EL）圖像。C：A和B中三個不同區(qū)域?qū)?yīng)的電致發(fā)光光譜（圖像中的彩色方框）。金屬鹵化物鈣鈦礦薄膜的光致發(fā)光顯微研究通過旋涂等技術(shù)含量低、成本效益高的方法，可以制造出非常高效的太陽能電池和LED。這些方法面臨的一個挑戰(zhàn)是在微觀長度的尺度上保持均勻的成分。光致發(fā)光顯微鏡是表征這種不均勻性的一個特別強大的工具。HERA高光譜相機可以連接到任何顯微鏡（正置或倒置）的c-mount相機端口，并直接開始采集高光譜數(shù)據(jù)，無需任何校準程序。圖3. 與尼康LV100直立顯微鏡連接的HERA VIS-NIR。在本實驗中，我們使用HERA VIS-NIR（400-1000 nm）耦合到尼康LV100直立顯微鏡（圖3）來表征兩種鹵化物前驅(qū)體合金的帶隙分布。將兩種鹵化物前驅(qū)體合金化的優(yōu)點是能夠調(diào)整材料的帶隙；然而，這兩種成分經(jīng)常會發(fā)生逆混合，從而導(dǎo)致性能損失。本實驗的目的是檢測這種逆混合現(xiàn)象：事實上，混合比的局部變化會改變局部帶隙，從而導(dǎo)致發(fā)射不同能量的光子。在這種配置中，激發(fā)光來自汞燈，通過帶通濾光片在350 nm處進行濾光，并通過發(fā)射路徑上的二向色鏡將其從相機中濾除。HERA的高通量使其能夠在大約1分鐘的測量時間內(nèi)收集完整的數(shù)據(jù)立方體（130萬個光譜）。圖4.樣品的光譜綜合強度圖（A：全尺寸；B：放大）。圖4.A和4.B分別顯示了所有波長（400-1000 nm）總集成信號的全尺寸和放大圖像，揭示了長度尺度在1 μm左右的明亮特征。當我們比較亮區(qū)和暗區(qū)的光譜時（圖5.B中的黑色和紅色曲線），我們發(fā)現(xiàn)暗區(qū)實際上也有發(fā)射，不僅強度較低，而且波長中心比亮區(qū)短。事實上，光譜具有雙峰形狀，很可能與逆混合前驅(qū)體的發(fā)射相對應(yīng)。圖5.A的發(fā)射圖清楚地顯示了帶隙的這種變化。我們現(xiàn)在可以理解為什么低帶隙區(qū)域看起來更亮了--載流子可能從高帶隙區(qū)域弛豫到那里，并且在發(fā)生輻射重組之前無法返回。圖5.A：顯示平均發(fā)射波長的強度圖。B：亮區(qū)和暗區(qū)的發(fā)射光譜（正?；|隆科技作為NIREOS國內(nèi)總代理公司，在技術(shù)、服務(wù)、價格上都具有優(yōu)勢。如果您有任何產(chǎn)品相關(guān)的問題，歡迎隨時來電垂詢，我們將為您提供專業(yè)的技術(shù)支持與產(chǎn)品服務(wù)。

2023-06-12 10:35:36轉(zhuǎn)載 | 高光譜遙感數(shù)據(jù)處理系列（六）監(jiān)督分類: 高光譜遙感數(shù)據(jù)處理系列（六）非監(jiān)督分類是一種面對數(shù)據(jù)本身的分類方法，與之相對應(yīng)的：監(jiān)督分類，則是面向先驗知識的分類方法。監(jiān)督分類是指給定已知類型的數(shù)據(jù)，通過建模的方式將這些數(shù)據(jù)與對應(yīng)的類型建立映射關(guān)系，并將這種關(guān)系應(yīng)用到未知類型的數(shù)據(jù)上的過程。如果每種類型用一個數(shù)字來表示，分類任務(wù)可以看做回歸分析的一種特例。主界面分區(qū)ROI工具監(jiān)督分類需要有已知類型的數(shù)據(jù)集作為先驗知識進行訓(xùn)練，稱為訓(xùn)練集。一般可以通過目視解譯，或者實地樣方調(diào)查的方式獲取訓(xùn)練集。構(gòu)建訓(xùn)練集的方法如下：在主菜單②工具欄中點擊打開Region of Interest（ROI) Tool，進行興趣區(qū)選?。篟OI工具最基本的ROI選取過程如上圖所示，首先選擇①工具添加新的ROI范圍，在②中調(diào)整ROI的名稱和顏色，在③中選擇繪制ROI的圖形形狀，④在圖上繪制ROI，完成后右鍵Accept shape type。如果想要繪制帶有空洞的圖形，可以點擊復(fù)選框⑤所示的Multi Part復(fù)選框，然后在影像上繪制兩個疊加的圖形，完成后右鍵 Accept。使用File可以進行ROI圖層的讀取與保存如果選取好了ROI可以使用Options可以利用對ROI本身進行融合（Merge（Union/Intersection）ROI）,計算離散度（Compute ROI Separability），或者使用對ROI范圍內(nèi)的圖像進行統(tǒng)計（Compute Statistics from ROIs）。另外也可以使用ROI對圖像進行裁剪。除了使用不同形狀進行框選，還可以使用像元，自動區(qū)域生長，閾值選取等方式產(chǎn)生ROI。在ENVI的幫助文件中詳細介紹了這些工具的使用方法。在主界面①菜單欄 Help 中打開-> 在左側(cè)Contents選項卡中的:book:ROIs, Vectors, Annotations，請讀者自行查閱。監(jiān)督分類在訓(xùn)練集選擇完畢后就可以進行監(jiān)督分類，ENVI中提供了多種監(jiān)督分類的工具，包括：平行六面體（Parallelepiped）最小距離（Minimum Distance）馬氏距離（Mahalanobis Distance）最大似然（Maximum Likelihood）神經(jīng)網(wǎng)絡(luò)（Neural Net）支持向量機（Support Vector Machine）波譜角（Spectral Angle Mapper）這里我們介紹兩種監(jiān)督分類方法，最大似然法和波譜角方法。01最大似然法在ENVI的幫助文件中詳細介紹了各種分類方法的原理。在主界面①菜單欄 Help 中打開-> 在左側(cè)Contents選項卡中Classification->Supervised Methods中，最大似然法定義為:最大似然分類假設(shè)每個波段中每個類別的統(tǒng)計數(shù)據(jù)呈正態(tài)分布，并計算給定像素屬于特定類別的概率。每個像素被分配到具有最高概率（即最大似然）的類別。根據(jù)該定義，最大似然法將每個類別投影到特定的分布上，分類問題被轉(zhuǎn)化為分布相似性問題。在主界面⑤中搜索Maximum Likelihood打開最大似然分類工具。首先要選擇進行訓(xùn)練的數(shù)據(jù)，需要強調(diào)的是，我們選擇在上篇文中生成的主成分分析的結(jié)果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。分類結(jié)果如下所示：02波譜角方法光譜角映射器 (SAM) 是一種基于物理的光譜分類，它使用 n 維角度將像素與參考光譜進行匹配。該算法通過計算光譜之間的角度并將它們視為維數(shù)等于波段數(shù)的空間中的向量來確定兩個光譜之間的光譜相似性。SAM 使用的端元光譜可以來自 ASCII 文件或光譜庫，或者您可以直接從圖像中提取它們（作為 ROI 平均光譜）。SAM 比較端元譜向量與 n 維空間中每個像素向量之間的角度。較小的角度代表與參考光譜更接近。在主界面⑤中搜索Spectral Angle Mapper打開光譜角工具，在端元集合（Endmember Collection：SAM）中導(dǎo)入選取的ROI，將上一步選取的ROI所在范圍的光譜均值作為特定類別的標準光譜。SAM的本質(zhì)是將分類問題轉(zhuǎn)化為對比未知類別數(shù)據(jù)與標準光譜的余弦距離的問題。需要強調(diào)的是，我們選擇主成分分析的結(jié)果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。分類結(jié)果如下所示：小結(jié)本文中我們介紹了兩種監(jiān)督分類的方法，相對于非監(jiān)督分類，監(jiān)督分類通過融入先驗知識，提供了有明確類別的結(jié)果，這大大減少了進行后續(xù)處理的成本。但是對于遙感應(yīng)用來說，獲取地面真值的成本較高，通過目視解譯的方式會不可避免地引入人為誤差，給結(jié)果帶來不確定性。正如上一篇文章提到，數(shù)據(jù)和特征決定了分類的上限，而分類的方法只能逼近這個上限。如何構(gòu)建質(zhì)量高、數(shù)量多的訓(xùn)練集，權(quán)衡成本是監(jiān)督分類需要考慮的問題。

2023-05-09 09:29:50Ecodrone?一體式高光譜-激光雷達無人機遙感系統(tǒng)——森: 在陸地生態(tài)系統(tǒng)中，森林是最大的有機碳庫，是陸地中重要的碳匯和碳源，因此了解森林生態(tài)系統(tǒng)在碳循環(huán)中的作用，對于研究陸氣系統(tǒng)的碳循環(huán)乃至全球碳循環(huán)都是一個基礎(chǔ)，具有重要的意義。易科泰光譜成像與無人機遙感技術(shù)研究中心最新推出Ecodrone?一體式高光譜-激光雷達無人機遙感系統(tǒng)，助力森林碳循環(huán)研究及應(yīng)用。性能特點：8旋翼專業(yè)無人機遙感平臺，搭載VNIR/NIR高光譜成像、機載PC及激光雷達可飛行作業(yè)20分鐘以上，有效覆蓋面積超10ha厘米級地面分辨率，50m高度高光譜成像地面分辨率達3.5cm，30m高度（用于高分辨率林木表型分析）地面分辨率可達2cm50m高單樣線飛行作業(yè)可自動采集形成寬度36m的樣帶高光譜成像大數(shù)據(jù)高密度三維點云，精確度2.5cm，最高可達3次回波，50m飛行高度點云密度700pts/m2專業(yè)無人機遙感技術(shù)方案，同步獲取高光譜與激光雷達數(shù)據(jù)，應(yīng)用軟件可直接得出近百種植被光譜反射指數(shù)、高密度三維點云、三維測量數(shù)據(jù)、分類點云、DTM等應(yīng)用于大范圍、多維度的森林遙感研究、碳循環(huán)研究、林木三維表型測量、植被資源調(diào)查、森林物種多樣性研究、植被生物及非生物脅迫分析、環(huán)境及生態(tài)系統(tǒng)動態(tài)變化研究等案例一：森林碳庫分布研究森林地上生物量（AGB）的估算對于碳循環(huán)建模和氣候變化緩解方案的制定至關(guān)重要。來自意大利、美國和英國的研究人員將主動和被動傳感器結(jié)合，其中被動型高光譜數(shù)據(jù)記錄了潛在與森林生物量相關(guān)的冠層光譜信息，并將這些信息與主動型小型激光雷達獲取的參數(shù)相結(jié)合，實現(xiàn)了在不同尺度上對森林生態(tài)系統(tǒng)的有機碳分布進行遙感計算。研究區(qū)域位于塞拉利昂的戈拉雨林國家公園 (GRNP) 內(nèi)，處于西非潮濕的上幾內(nèi)亞森林帶的最西端，該地區(qū)的森林主要為濕潤低地常綠林，部分地區(qū)主要為干燥低地常綠和半落葉林類型。圖1.1 位于塞拉利昂和利比里亞之間的研究區(qū)域研究人員采用偏最小二乘回歸（PLSR）處理多輸入和多重共線性問題，計算投影中的重要性變量（VIP），以評價各預(yù)測因子對生物量的重要性。結(jié)果表明，當單獨使用高光譜波段時，其預(yù)測能力有限(R2 =0.36)，用植被指數(shù)替代高光譜波段的改善較小(R2 =0.67)，僅基于激光雷達指標，PLS預(yù)測AGB的決定系數(shù)（R2）為0.64，當再將高光譜波段添加到激光雷達度量中，精度得到了適度的提高（R2 =0.70）。圖1.2 （左）不同輸入的預(yù)測與現(xiàn)場觀測AGB的散點圖：(A)激光雷達指標，(B)高光譜波段，(C)激光雷達指標和 VI，(D)激光雷達指標和高光譜波段；（右）7個高度等級，每個等級間隔10m的70個樣地(總面積= 87500m2)范圍的AGB和樹木數(shù)量森林是碳的主要吸收者，它所固定的碳相當于其他植被類型的2倍，本研究中提出的高光譜和激光雷達數(shù)據(jù)融合相關(guān)的發(fā)現(xiàn)非常具有意義，有助于擴大該系統(tǒng)數(shù)據(jù)融合適用性的研究，進而對全球氣候變化研究做出更重要的貢獻。案例二：森林碳匯定量評估比較森林地上生物量生物量是影響氣候變化和森林生產(chǎn)力的重要因素，因此評估森林對碳匯和碳循環(huán)的貢獻程度具有重要的意義。韓國科研人員借助高精度激光雷達數(shù)據(jù)、數(shù)字航空攝影測量圖像、高光譜圖像等空間信息，對森林碳匯信息進行定量評估。研究區(qū)位于韓國慶尚南道巨濟市，該區(qū)域森林密度相對較低，樹種多樣，森林資源豐富，選取研究區(qū)內(nèi)2km*2km的區(qū)域進行數(shù)據(jù)采集?；诟吖庾V數(shù)據(jù)中每個樹種的光譜信息，使用馬氏距離法對樹種進行精確分類，基于高密度的LiDAR數(shù)據(jù)提取森林資源。圖2.1 從左至右依次為：研究區(qū)；激光雷達數(shù)據(jù)；高光譜圖像圖2.2 （左）樹種分類結(jié)果；（右）利用高密度激光雷達數(shù)據(jù)提取地理和森林資源的結(jié)果將激光雷達與數(shù)字航拍圖像、高光譜圖像相結(jié)合計算了混交林、針葉林和闊葉林的碳匯，同時通過對森林資源的樹種和年齡信息進行量化，借助激光雷達和數(shù)字圖像信息對樹種、年份、區(qū)域的碳匯進行計算。利用激光雷達信息和圖像分析的基礎(chǔ)數(shù)據(jù)庫，對選定的區(qū)域、行政區(qū)、年份進行森林信息和碳匯評估分析，實現(xiàn)了精確地碳匯信息提取，結(jié)果如2.3/2.4所示。圖2.3 多傳感器結(jié)合的混交林、針葉林和闊葉林的碳匯估算結(jié)果圖2.4 基于激光雷達和圖像信息的森林信息和碳匯評估，從左至右：第一行（激光雷達數(shù)據(jù)；DSM；DEM；樹高信息）；第二行（樹種信息圖；增長量分析圖；碳吸收分布圖；土地覆蓋圖）易科泰生態(tài)技術(shù)公司致力于生態(tài)-農(nóng)業(yè)-健康研究發(fā)展與創(chuàng)新應(yīng)用，為碳源碳匯定量評估、植被資源調(diào)查、生態(tài)環(huán)境監(jiān)測、森林遙感研究、林木表型分析、林業(yè)測繪等領(lǐng)域提供一體化多傳感器立體遙感技術(shù)方案。參考文獻：[1] Laurin G V, Chen Q, Lindsell J A, et al. Above ground biomass estimation in an African tropical forest with lidar and hyperspectral data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 89: 49-58.[2] Choi B G, Na Y W, Shin Y S. A Comparative Study of Carbon Absorption Measurement Using Hyperspectral Image and High Density LiDAR Data in Geojedo[J]. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 2017, 35(4): 231-240.