实验1：浏览内置波谱库

目的：学会使用波谱浏览器，浏览内置波谱库，以进行课程后继实验

过程：

①打开ENVI软件，在窗口选择“显示”并点击，找到“波谱库浏览器”并打开，此时可以浏览ENVI内置的波谱库数据

图1

图2

②随机选择一个波谱文件库打开，此处选择“USGS_V6”库（图2），点击并打开，选择“coating_beckman_3228.sli”子文件夹，该文件夹指的是一种常用的光学涂层—贝克曼涂层，随机选择该栏目下的某一材料，此处选择“Hematite_Coatd_Qtz”即可以查看它的波谱曲线。

结果：

此处显示结果为“Hematite_Coatd_Qtz”即赫曼石（一种含铁氧化物的矿石），在波谱数据库中光谱曲线展示情况，其中，横坐标代表的是波长，纵坐标指的是反射率。从曲线中能够看出，该材料在0.4um~2.6um的波段范围内，其反射率介于0.05-0.6之间，在0.73um（R）附近、1.31um（NIR）附近、1.65um（NIR）附近、2.08um（NIR）附近、2.28um（NIR）处各存在一个反射峰，而在0.86um（NIR）附近、1.41um（NIR）附近、1.91um（NIR）附近、2.20um（NIR）附近存在一个反射谷。

图1

实验2：查看不同植物的波谱并绘制图片

目的：熟悉植物的波谱曲线特征，对比不同波谱曲线的差异。

过程：

图1

①打开ENVI内置的波谱库，找到“veg_lib”库，可以查看ENVI内置的植被库，该库可以查看各类植被类型的光谱特征曲线。该库中有两类数据，一类是“veg_1dry”，干燥植被（没有受到水分影响或者是水分含量很低的植被）的光谱特征；一类是“veg_2grn”，绿色植被的光谱特征，此处选择前者进行实验。

②在“veg_2grn”任意选择五种植物，此处分别选择“Coast Redwood（Dry）”、“Coast Redwood（Green）”、“Coast Sage”、、“Live Oak”，单击查看其对应的光谱曲线，对曲线进行重命名后导出结果，对多种光谱曲线的特征进行对比，分析结果。

结果：

①图1为海岸红衫在含水量不同的情况下反射率随波长改变的光谱曲线，红色代表干燥状态下的海岸红衫，绿色代表正常生长的海岸红衫。前者在1.1um以前反射率一直呈现上升趋势，并在1.3um附近达到峰值，随后反射率下降，并在1.43um和1.9um附近形成低谷。后者与常见植被的光谱曲线相似，绿色状态下的海岸红衫在0.4~0.76um（可见光波段）存在一个小的反射峰，峰值在0.55um附近，在0.45um（蓝）和0.67um（红）附近由于叶绿素的影响存在两个窄的吸收带，在0.68~0.8um处反射大增，形成陡坡，此后受到红衫叶细胞结构的影响，维持高反射率，在1.26~2.5um波段范围内，由于绿色状态下红衫含水量较大，吸收增强，并在1.44um和1.92um处形成两个较宽的吸收带。由此可见，干燥状态下的海岸红衫与绿色状态下的海岸红衫呈现出来的光谱曲线具有较大差异，据此可利用同一植被在不同时间段或不同区域之间的差异推断地表植被是否正在经历一轮干旱过程，干燥状态是否是植被正在经历自然更替？亦是受到气象旱灾的影响？这将对评估植被是否处于健康生长的状况提供辅助。

图1和图2

②图2为三种不同植物的光谱曲线，红色代表海岸鼠尾草、绿色代表正常生长的海岸红衫，蓝色代表活栎。据图，草本植物相比于木本植物，整体反射率较低，据此可定性地在遥感图像中将鼠尾草与其他两种植物区分；海岸红衫与活栎地光谱曲线相似度大，反射率的波动趋势大体一致，在大部分的波段并不好进行区分，唯在0.74~1.13um（NIR）处二者的反射率差异明显，在进行地物分类时，可选取该波段范围对海岸红衫与活栎进行区分。

实验3：查看不同矿物的波谱并绘制图片

目的：熟悉矿物的波谱曲线特征，对比不同波谱曲线的差异。

过程：

图1

打开ENVI内置的波谱库浏览器，选择USGS_V6(1994)库打开，找到“minerals_asd_2151”打开，在矿物库中随机选择四种矿物。此处选择“斜绿泥石”、“白云石”、“绿帘石”、“针铁矿”四种矿石类型，点击查看其对应的光谱曲线，导出后分析结果。

结果：

图1

图1为四种矿物的光谱曲线图，绿色代表斜绿泥石，深蓝色代表白云石，红色代表绿帘石，亮蓝色代表针铁矿。天然状态下，自然界的各种矿物呈现出来的光谱曲线并没有统一的特征，这主要与矿物的晶体结构、组成成分、与其他矿物的共生关系、以及所处的地质构造有关。白云石在0.7um（RED）有一个较大的反射峰，可区别于其他矿物类型，其他三种矿物在1.8um以前反射率大致处于上升趋势，并在2.3um处均存在一个明显的吸收区。其中，在1.8um处，白云石出现次反射峰，在2.1um（NIR）处，绿帘石反射率达到峰值，在2.2um处，斜绿泥石反射率达到峰值，据此可区分矿物类型。

实验4：查看不同水体的波谱并绘制图片

目的：熟悉水体的波谱曲线特征，对比不同波谱曲线的差异

过程：打开ENVI内置的波谱库浏览器，在窗口上方的搜索框输入“Water”，可以自动检索ENVI库中自带的水体光谱曲线，在库中选择四种感兴趣水体，此处选择“沿海岸海水”、“开放海域浅水”、“红色覆盖藻类水体”、“湿地水体”四种类型查看其对应的水体光谱曲线，导出并简要分析结果。

图1

结果：下图共展示了ENVI内置波谱库的四种水体的光谱曲线。图1为两种具有典型特点的水体的光谱曲线，红色曲线代表藻类覆盖的水体，绿色曲线代表沼泽湿地水体，由于红色藻类水体中的植物富含大量的叶绿素，致使该水体在近红外波段反射率明显抬升，并在0.81um附近达到峰值，此后反射率下降。这种特征通常表现在富营养化的水体中，通过水体光谱曲线的特征可以对水体的健康程度进行判断，以便做出良好的预防措施。沼泽湿地水体在大部分波段吸收都比较强，对太阳光的反射率普遍较低，值得注意的是，在0.75um(RED-NIR)附近波段，沼泽水体出现一个强吸收区。图2为地理位置上具有明显差异的海水的光谱曲线，一为开放海域的水体，该处水体受外界人为干扰较小，主要受到自然过程的影响；一处是沿海海岸海水，该处海水不仅受海岸地形的影响，同时接受陆地水体的补给，受干扰程度较大。从光谱曲线上看，二者的相似之处在于大部分波段吸收较强。二者具有差异的波段主要为峰值的波段差异，在黄红波段，由于沿海海水接受陆地泥沙等物质的补给，水体中泥沙的散射作用致使可见光波段反射率增加，因而此波段沿海岸海水出现反射峰值，而开放海域的海水反射峰在蓝绿波段，与一般水体的光谱曲线特征相似。据此特征可对两类水体进行区分。

图1和图2

实验5：利用波谱特征取线，开展波谱地物分类

目的：学会应用波谱特征曲线，掌握地物分类的一般原理。

过程：

①加载高光谱影像：打开ENVI软件，在文件中直接打开地物分类的实验数据。

图1

图2

图3

图4

图5

②预设值光谱曲线：在显示选项卡下打开ENVI内置的波谱库浏览器，于USGS数据库中找到矿物数据集，从中选择明矾石、方解石、氢氧钙石和葡萄石四种矿物类型，重命名后点击查看其光谱曲线，将窗口移动至旁边不关闭。

③端元收集：打开ENVI的工具箱，在图像分类工具库中，从决策树栏目下打开端元收集工具，选择预先打开的高光谱数据，点击确定。

④设置分类光谱曲线：在端元收集的编辑窗口中点击import，选择从图形窗口中导入分类的依据曲线，此处我们选中定义好的四种曲线。

⑤分类算法选择“Spectral Angle Mapper”，在编辑窗口中设置分类最大允许的角度为0.15和0.20，设置保存路径并导出结果。

图6

结果：

①数据说明：该数据为“CupriteReflectance”，为一类专门用于矿物识别和地质研究的遥感技术合成的数据，该数据具有较多的波段，通过反射光谱的信息来实现对地表矿物的识别。

②结果说明：图2为针对于四种矿物波谱曲线在影像上的识别结果，分类算法中最大波谱角设置为0.15。从图中可以看出该区域内有大面积的葡萄石分布，明矾石的数量主要集中在区域的中间两侧，方解石和氢氧钙石的呈现零星状分布，数量较少，另外还有其他未被分类的矿物及岩石类型。由此可见，利用波谱曲线可以较好地对各种矿物进行鉴别，尤其是在重要地战略性矿藏的探测上，遥感技术能够发挥重要作用。

图1

图2

图3

③对比结果：图3是两种波谱角下的地物分类结果，从分类结果图中可以看出，还是存在较为明显的差异，葡萄石的分布大大增加，有夸大的趋势。由此我们可以推断，在进行地物分类时，需要针对于实际情况应用特定的波谱角，选择合适的波谱角将提高分类的效果。

实验5：利用自定义波谱曲线，开展地物分类

目的：学会自定义波谱特征曲线，掌握地物分类的高阶操作。

过程：

①打开数据源：在ENVI软件中选择光学传感器，打开实验1的Landsat8数据。

图1

②自定义光谱曲线：在ENVI的显示窗口中打开“剖面曲线”，选择“光谱曲线”，此时影像中将有定位光标点，将光标点移至想提取的地物上，此处选择地物类型为“水体”。

图2

定位至原图像中的水体上后，右边会出现该点的光谱曲线，从图中可以看出，该光谱曲线比较符合水体的特征，蓝绿波段具有较高的反射率，此后大部分的波段都表现出明显的吸收特征。确认曲线无误后，将曲线导出为“ASCII”文本格式，保存在文件夹中，至此自定义的光谱曲线已经完成设置。

图3

③导入曲线：在端元收集中选择分类数据源，在import中选择导入ASCII file文件，将自定义的光谱曲线文件导入至分类方法中。

图4

④算法设置与分类执行：后续的分类操作与实验4类似，算法的选择和参数设置在此不过多赘述。执行分类后可以得到这一景Landsat8影像下的分类结果。

图5

结果：

该结果为自定义曲线的分类结果，红色区域为执行分类后提取的影像中的水体分布信息，与原真彩色影像相比，河流与湖泊的均被提取出来，水体在空间上的分布的情况大体一致，主要集中在区域的西侧低地位置。

问题1：分类效果

问题描述：下图为不同地物类型的提取结果，主要提取了水体、农田、建筑物的分布信息。与原影像对比后，可以发现，分类效果是比较差的，尤其是农田和建筑物，错分和漏分现象比较严重。

问题溯源：由于作为分类依据的波谱曲线只是根据单点的反射光谱结果，现实的地表是比较复杂的，不同的地物之间在反射波段上存在相似之处，同一地物的光谱曲线也并不一致，单点难以综合代表真实的地物反射光谱特征。

解决方法：后续在进行分类工作，首先可能要在影像内均匀选择多个样本点，如果是自己的研究区域的影像，还可以采取实地拍照的方式，以增强样本点的分类精度。其次，针对于地物类型选择合适分类波段，分类方法等，也可以起到提高分类精度的作用。

图1

本期关于遥感分类的分享到这里就结束了，谢谢大家，大家加油！

更多内容，欢迎关注梧桐凉月！