ProSpecTIR-VS高光谱系统

一、内容概述

目前有多种多样的VNIR与SWIR机载成像光谱仪得到广泛运用。ProSpecTIR-VS高光谱系统，由SpecTIR LLC负责运行。它是一个把Specim公司的应用机载成像光谱仪（AISA）、Eagle（VNIR）与Hawk（SWIR）三种成像光谱仪综合在一起的集成系统。目的是通过两种高性能传感器，同时获取04～25μm波长范围内的所有高光谱数据。这两种成像光谱仪并排放在一起，可生成一个简单的、覆盖320个像素交叉轨道的完整波谱数据立方体。在机载模式下，由于采用推扫式仪器，用24°的倾斜角扫描，瞬时视场角（IFOV）为0075°，该系统的空间分辨率可达到05～5m，具体取决于飞行高度与飞机速度。ProSpecTIR传感器可工作于3种不同模式下，即航空、野外地面（包括矿山）和实验室（图1）。

（a）机载

（b）实验室

图1 ProSpecTIR-VS高光谱系统的三种工作模式

二、应用范围及应用实例

最近Kruse et al（2012）以内华达州Trinity银矿为例，展示了ProSpecTIR高光谱传感器的实验研究结果。首先，装载在飞机上，以获取04～250μm范围内360个波段的高光谱数据，其光谱分辨率为5nm，空间分辨率为1m。其次，同样的传感器安装在实验室里，对托盘里面的岩心或岩屑（相距1m）进行光谱扫描，空间分辨率与光谱分辨率均为2mm。第三，装载在可以转动的旋转车辆上面，以相隔15～250m的距离对矿山四壁进行大约45°的光谱扫描，其空间分辨率约4cm。

所有获取的数据都采用标准化的分析方法进行处理。从中提取出有代表性的光谱端元组分，然后对特定矿物在航空影像上的空间分布、在岩心或岩屑数据中随深度的分布以及在矿山四壁扫描图上的垂直与水平分布，分别进行填图。这些成像光谱数据显示了比以前所知的更加详细的矿物蚀变信息，为研究蚀变、构造与矿石之间的三维空间关系提供了新的视角。

三、资料来源

Kruse F A，Bedell R L，Taranik J V et al2012Mapping alteration minerals at prospect，outcrop and drill core scales using imaging spectrometryInternational Journal of Remote Sensing，33：1780～1798

高光谱数据通常包含了数百甚至数千个光谱波段，每个波段对应着不同的地面特征或目标物。为了分析和解释高光谱数据，需要首先确定每个波段的光谱特征并与相应的参考值进行比较。以下是计算高光谱数据参考值的一些方法：

1 光谱特征提取：首先，需要对高光谱数据进行预处理，提取每个波段的光谱特征。这些特征可以包括光谱波长范围、半峰全宽（FWHM）、偏振特性等。这些特征有助于了解每个波段的光谱特性和分布。

2 参考值获取：然后，需要确定每个波段的参考值。这些参考值可以从地面观测数据、其他遥感数据或相关文献中获取。这些参考值通常与某个地面特征或目标物相对应，如植被、土壤、水体等。

3 比较分析：将高光谱数据的光谱特征与参考值进行比较，以便确定每个波段的光谱特征是否与参考值相符。如果数据与参考值之间存在较大差异，可能需要进一步分析和解释，如考虑遥感影像获取时间、仪器误差等因素。

4 标准化和归一化：为了便于进一步分析和比较，通常需要将高光谱数据的光谱特征进行标准化或归一化处理。标准化方法可以根据特征的分布情况采用不同的方法，如Min-Max或Z-Score等。归一化方法通常使用最大-最小归一化（Min-Max normalization）或标准化变换（standardization transformation）。

5 结果可视化：将高光谱数据的光谱特征与参考值的比较结果可视化，以便更直观地了解数据的光谱特征分布。常用的可视化工具包括热力图、散点图、箱线图等。

总之，计算高光谱数据的参考值需要对数据的光谱特征和参考值进行比较分析，并采用适当的方法进行标准化和归一化。可视化结果有助于更直观地理解数据的光谱特征和分布。

（1）打开JasperRidge98av_flaash_refldat数据；

（2）启动Toolbox/Spectral/Vegetation/VegetationIndexCalculator工具，选择JasperRidge98av_flaash_refldat数据，打开VegetationIndexsParameters面板，自动估算可计算的植被指数；

（3）生物物理学交叉检验(BiophysicalCrossChecking):on。(当植被指数值发生冲突时，这些值会被忽略，如果将计算得到的植被指数用于植被分析工具，则要选择off)

（4）这里可以计算25种植被指数，根据需求选择计算的植被指数；

（5）显示归一化植被指数NDVI，可以看到水体、高密度建筑物区都是Nodata，该工具自动识别无植被区域。

在莱斯大学TuLIPSS光谱仪中，一束束的 光纤 瞬间将空间和光谱数据传送到探测器上。然后，这些数据可以被处理为快速的环境或生物分析。从太空拍摄的标准快照并不能完全展现地球的壮美，有这么多东西要看。为了揭示肉眼无法观察到的细节，莱斯大学工程师们正在研制一种便携式光谱仪，这种光谱仪可以安装在一颗小卫星上，可以用飞机或无人机飞行，甚至有一天可以拿在手里。

莱斯大学布朗工程学院和威斯自然科学学院的生物工程师托马兹·特卡奇克和同事发表了美国国家航空航天局资助项目的第一个结果。该项目旨在开发一种具有不同寻常通用性的小型精密光谱仪，其研究发表在《光学快报》上。分光计是一种仪器，它从物体或场景中收集光线，分离颜色并对其进行量化，以确定其所见物质的化学成分或其他特征。Rice设备被称为可调谐光波导图像处理快照光谱仪(TuLIPSS)，它将使研究人员能够即时捕获可见光和近红外光谱中的数据。

而不像目前系统那样逐行扫描场景，然后再重新组装。TuLIPSS生成的高光谱图像中的每个像素都包含光谱或空间信息。在这种情况下，“像素”是数千根光纤，它们是一种柔性光波导，将图像组件传输到检测器。因为他们可以重新定位光纤，研究人员可以定制发送到探测器的图像和光谱数据的平衡。例如，这种装置可以通过调整来测量树木的化学成分，看看它是 健康 的还是患病的。它可以对细胞、一片叶子、一个社区、一个农场或一个星球做同样的事情。

在连续捕捉模式下，类似于相机的马达驱动，它可以显示一个固定场景中光谱“指纹”如何随时间变化，或者实时捕捉闪电的光谱特征。TuLIPSS是独一无二的，因为它像任何相机一样工作，瞬间捕捉所有高光谱数据——研究人员称之为数据立方体。这意味着飞机或轨道卫星可以快速拍摄地面图像，以避免运动模糊造成数据失真。机载处理将过滤数据，并只发送回地球所需的，节省时间和资源。在飓风哈维这样的事件中，这将是一个有趣的工具。 当发生 洪水和潜在的污染时

一种能够飞越水库上空的设备可以告诉人们水是否可以安全饮用。这将比把人送到一个可能很难到达的网站更有效。在普通相机中，镜头将入射光聚焦到传感器芯片上，并将数据转换成图像。在郁金香中，镜头将光线聚焦到一个中间环节：一束光纤。在目前的原型中，这些光纤收集了超过30000个空间样本和450到750纳米范围内的61个光谱通道(本质上是数十万个数据点)，通过棱镜将这些数据分割成各自的成分带，并传递给探测器。然后探测器将这些数据点输入软件，软件将这些数据点重新组合成所需的图像或光谱。

光纤阵列在输入端被紧密地压缩，并在输出端重新排列成单独可寻址的行，它们之间有间隙，以避免重叠。行间距允许研究人员为特定的应用调整空间和光谱采样。第一作者王叶(音译)今年在莱斯大学获得了博士学位，她和同事们煞费苦心地制作了这个模型，手工组装和定位纤维束。他们用水稻内部和周围的场景来测试它，重建建筑物的图像来微调郁金香，并拍摄校园树木的光谱图像来“检测”物种。还成功地利用光谱数据分析了各种植物的 健康 状况。

休斯顿移动交通的连续捕捉图像显示，该系统能够看到哪些频谱在随时间变化(比如移动的车辆和不断变化的交通灯)，哪些是稳定的(其他一切)。该实验是一个有用的概念证明，以显示如何能谱仪过滤运动模糊在动态情况下。研究报告的撰写者之一、莱斯太空研究所所长、物理学和天文学教授大卫·亚历山大说：研究人员已经开始与休斯顿市和莱斯的金德城市研究所讨论在该市的航空研究中测试机器的问题。既然我们无论如何都需要测试，想做一些有用的事情。

一张城市的高光谱地图可以揭示城市景观的变化，将建筑与公园或花粉来源区分开来。理论上，在城市上空的定期航班将允许我们绘制出不断变化的情况，并确定需要关注的地区。未来版本将有助于农业和大气分析，藻类繁殖和其他环境条件下的快速数据采集。真正的挑战是决定首先关注什么，最终，想要取得足够的成功，下一阶段的研发工作将推动更接近于在太空中飞行中使用。

以上就是关于ProSpecTIR-VS高光谱系统全部的内容，包括:ProSpecTIR-VS高光谱系统、高光谱数据对应的参考值怎么算、如何利用高光谱tif数据提取植被指数等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！