摘要: 光谱特征清单-遥感光谱波段¶ 遥感光谱反射率 探索可见（和不可见）光谱带¶ 上个月，我开始在我的绝密实验室建立一份光谱带及其光谱特征的秘密清单。我请世界上最聪明的人贡献他们的智慧。 结果呢？ 目前存在的最好的光谱签名作弊表之一。 今天，我们探索有形...
光谱特征清单-遥感光谱波段¶
遥感光谱反射率
探索可见（和不可见）光谱带¶
上个月，我开始在我的绝密实验室建立一份光谱带及其光谱特征的秘密清单。我请世界上最聪明的人贡献他们的智慧。
结果呢？
目前存在的最好的光谱签名作弊表之一。
今天，我们探索有形和无形。无论是近红外波段还是卷云波段，都可以使用此简洁明了的指南来遥感光谱特征，以从图像中提取尽可能多的数据。
总之，什么是光谱带？¶
多亏了我们的大气层，我们只能看到电磁（EM）光谱的特定部分。
下图显示了我们的“大气窗口”。电磁能（蓝色）是我们在地球上所能看到的。
我们的眼睛只能看到可见部分——红色、绿色和蓝色。健康的植被（或叶绿素）比其他波长反射更多的绿光。它吸收更多的红光和蓝光。这就是为什么我们的眼睛看到它是绿色的。
但是特殊类型的传感器可以接收到其他形式的电磁波谱——人眼看不见。例如，植被也会反射更多的近红外（NIR）。近红外对人眼是看不见的，但是传感器可以探测到这个光谱带。
…所以特殊类型的传感器可以揭示关于地球特征的新见解，而我们的眼睛却不能。
AVHRR NDVI复合材料–图像由NOAA提供。
关于那个绝密实验室…¶
回到整个光谱签名的绝密实验室…我承认它实际上是 USGS spectral signature laboratory。我们在GISGeography.com 🙁没有光谱带实验室。
…但是美国地质勘探局有一个……和一个方便的 Spectral Characteristics Viewer。他们在实验室里对数百种材料的光谱反射率进行了有力的测试，所有这些数据都在他们的光谱库网站上进行了编辑。
要点是这样的：
每个物体都有自己的化学成分。这相当于说每一篇作文都有自己的**光谱特征**。
无监督分类示例
以采矿业为例，地球上有4000多种天然矿物。每一个都有自己的化学成分，使它彼此不同。当你有更多的光谱带，这就有更大的潜力来绘制更多的矿物、植被或任何东西！
好的，什么事 你的观点？
你可以 挑选 你要用哪个光谱带 image classification techniques in remote sensing。
这意味着在你的遥感分类中，你将有更高的概率通过光谱特征自动神奇地提取出感兴趣的特征。
…spectral signature cheatsheet这将带我们进入下一个部分-The 光谱签名备忘单
光谱签名备忘单¶
光谱特征图将反射电磁辐射的所有变化作为波长的函数绘制出来。
选择和选择你在分类中使用的光谱带。
如果你想从 multispectral image。这个光谱特征清楚地表明，你应该利用近红外波段（0.76-0.9微米）。
植被和水光谱特征线图
…… Normalized Difference Vegetation Index (NDVI) 可能只是规范化数据的最佳方法之一。
没有任何东西是用石头写的来进行图像分类的。
这些只是帮助您进行分类的一般准则。
不用再多费吹灰之力…
1海岸气溶胶（0.43-0.45微米）¶
顾名思义，你的海岸气溶胶带在海岸，水深和气溶胶研究中特别有用。海岸带反射蓝色和紫罗兰色，在陆地卫星8号和世界观3号等卫星传感器上越来越常见。以下是它的一些谱带应用：
鲸鱼种群： 由于它能够穿透水（在清水中可达20-30米），海岸带正被用来估计（次表面）鲸鱼种群，这一光谱带使人们对野外鲸鱼的识别更有信心，而不是对圈养水箱中动物的观察。 (Counting whale populations from space （）
水深测量： 由于海岸气溶胶带被水吸收较少，因此可以进行海岸水和海洋颜色观测。这对于海草和其他海底生物栖息地等海洋植被的光谱特征也很有用。
气溶胶： 由于沿海气溶胶带对云、烟和薄雾更为敏感，所以在图像处理中它被用来过滤云。地球观测者在海岸气溶胶带的帮助下，对无云正射影像进行微调，作为基线图。陆地卫星8图像中的云探测和清除技术
2蓝色（0.45-0.51微米）¶
潜水 海洋植被绿洲 用深水蓝带成像。你的眼睛能看到反射的蓝光。根据水的清澈度，蓝带等可见光的深度可达20-30米。调整你的光谱特征，使用蓝色波段进行深水成像。
深水成像： 由于其在沿海地区、水下珊瑚礁、水的浑浊度和沉积物、水下植被、浑浊度和水深测绘等方面的光谱穿透度更高，因此可以应用于一些独特的遥感应用。
烟羽、大气雾和云： 可见范围蓝色是较短的波长，如蓝色（0.45-0.51微米），对大气雾最敏感。这使得蓝色波段成为探测烟羽的理想波段，因为较短的波长更容易被较小的粒子散射。
云、雪和岩石： 将云与雪和岩石分开是因为薄雾和薄云的光谱特征对蓝色和红色波长都非常敏感。 (Cloud and Snow Discrimination)
3绿色（0.53-0.59微米）¶
对许多人来说，绿色意味着自然——植物、树木和森林。在遥感方面也是一样的。绿色部分覆盖了叶子表面的反射峰（因此我们看到的是绿色）。这也意味着光谱的蓝色和红色区域的光谱反射率较低，因为光合作用期间叶绿素的吸收。
植物活力和植被： 绿色被用来区分广泛的植被类别和植物材料。叶片表面反射峰的光谱特征在绿带中突出显示。
藻类和蓝藻开花： 一般来说，在光谱的任何部分，清水的反射都很小。然而，光谱的蓝色端的反射比最大，因此我们的眼睛看到的颜色是蓝色。但当出现藻华时，通常会出现最大反射率的地方是绿色。
城市娱乐： 城区的绿地和森林绿地指的是公园、高尔夫球场和公墓等休闲区。
4红色（0.64-0.67微米）¶
热带土壤、建成环境和地质特征通常都有红色的光谱特征。红色用于标准化差异植被指数（NDVI）等公式，因为植物吸收了多少红光（和蓝光）。
土壤类型和地质特征： 裸土的反射率一般取决于其成分。澳大利亚的土壤由于红色几乎与火星相似。富含铁锈色氧化铁的土壤在红色光谱带具有很高的反射率，这对于这种土壤光谱特征来说是非常好的。 (Predicting soil properties)
建筑与自然环境： 红带被用来区分人造物体和植物。对于诸如道路和人类住区等文化特征的光谱特征，最好在红带中检测到。
叶绿素吸收： 与其他波长相比，NDVI健康植被中使用的一半变量反射更多的近红外（NIR）和绿光。它吸收了更多的红光和蓝光，并被用来量化NDVI中的植被。
5黄色（0.585-0.625微米）¶
“黄色”波段相对较新，最早可以在WorldView-2上找到。这个波段从光谱的0.585-0.625微米部分收集到更精细的细节。简单地说，它收集特定对象的“黄色”。
树冠虫害： 一项研究开发了一种黄度指数（YI），作为压力植物和缺锰大豆叶片黄化的测量方法。 (Estimating stressed vegetation with the Yellowness Index）
功能分类： 黄带可以在不同季节用来描绘入侵草和其他一般特征。它还被用于按季节对个别树种和作物类型进行分类。
6红边（0.705-0.745微米）¶
红边带位于近红外和红边之间。对于叶绿素，红色部分强烈吸收光，而近红外部分产生强烈反射。在这两个光谱带之间的跃迁是红边带。
植物健康和年龄状况： 由于植物健康和活力的高反射率，红边的植被响应通常对叶绿素含量和叶片结构（如叶面积指数（LAI））的影响最大。 (Identifying plant stress using red-edge）
作物监测： 将红边带应用于精细农业，甚至区分健康作物和受疾病影响的作物。它被用来区分作物类型和营养。
7近红外1–NIR-1（0.76-0.90微米）¶
近红外反射率是对健康植被进行分类的最有效方法之一。在近红外区域，区分水和植被类总是比较容易。这是因为在近红外光谱中，健康的植物反射它，而近红外辐射更多地被水吸收。
生物量含量： 健康叶绿素的内部结构异常地反射近红外辐射。但是当植物枯萎并最终死亡时，近红外反应会减弱，直到什么都没有留下。
考古遗址： 通过近红外辐射解释更密集的泥砖、作物痕迹以及植被、土壤和地质的细微差异，挖掘古代考古遗址。 (Near-infrared aerial crop mark archaeology）
归一化差异植被指数（NDVI）： 近红外用于植物健康的光谱特征测量。这可以通过使用由近红外和红色波段组成的ndvi比率来实现。ndvi比我们只观察可见的绿色更精确地提取植被差异。
8近红外2–NIR-2（0.86-1.04微米）¶
近红外2波段和近红外1波段之间存在明显的重叠。主要区别在于近红外-2波段受大气影响的程度要小得多。
植被研究： 近红外-2提供了更复杂的植被分析和生物量研究，主要是因为它受大气影响较小。 (Reflectance of visible and near-infrared radiation from vegetation)
陆/水边界: 水是近红外光的强吸收体，植被是强反射体。你可以用近红外来描绘森林碎片，定量地描述世界各地森林的损失和收益。
9短波红外1 – SWIR-1（1.57-1.65微米）¶
短波红外（SWIR）可以帮助区分干湿土壤。它也用于地质和土壤分类的光谱特征。SWIR也因其穿透薄云的能力而闻名，甚至比可见波段更能穿透烟雾和薄雾。
含水量： SWIR-1对土壤和植被中的水分含量敏感。反射率随含水量的增加而降低。这有助于区分湿土和干土。
云/烟雾渗透 SWIR透过烟雾看到下面的地形。这有助于指挥救援人员，更有效地扑灭森林火灾。
矿产勘查 –研究表明，获得指示矿物（如碳酸盐、铵和硫酸盐）的光谱特征，以及岩石中的铁或赤铁矿，更容易使用SWIR。 (Mapping rocks and minerals with ASTER SWIR band)
10短波红外2 – SWIR-2（2.08-2.35微米）¶
短波红外-2与SWIR-1有相似之处。SWIR-2主要用于成像土壤类型、地质特征和矿物，如铜和硫酸盐。它对植被和土壤水分变化也很敏感。雪和冰的特征和云显得更暗的色调。
水性质： 使用SWIR，水具有更强的吸收能力。这有助于光谱特征反应监测蓝藻水华和浑浊水域。
灌溉实践： 短波红外的反射率受叶片含水量的影响，是了解作物水分胁迫和定向灌溉的理想选择。 (Estimating crop water stress and drought with SWIR)
矿产测绘： SWIR覆盖了一个范围，其中粘土类型的矿物提供了更大的光谱特征。含水矿物在区分不同类型的高岭石和蒙脱石时显得较暗。
11全色（0.50-0.68微米）¶
就像黑白胶片一样，全色波段将所有可见的反射光同时收集到一个通道中。因为它能同时看到更多的光，所以空间分辨率比分别收集红、蓝和绿通道的分辨率更高。例如，Landsat-8的全色波段是15米的网格单元。除热波段外，其他光谱波段的分辨率为30米。唯一的拉回与泛带是，你将无法区分颜色。
平移锐化： 通过将颜色信息与全色波段相结合，使用平移锐化来锐化图像。因为全色波段牺牲了光谱分辨率的空间分辨率，它提供了更锐化的图像定义。
12卷云（1.36-1.38微米）¶
卷云带之所以得名是因为它是卷云探测的专家。大气几乎吸收了所有的卷云带，因为地面几乎看不见。高海拔的云层被探测出来，在其他波段看不到。
卷云： 卷云反射得很亮，而大部分陆地表面会显得很暗。改进了对烦人卷云的检测，有助于图像基础图的删除和增强。
13热红外–TIRS-1（10.60–12.51微米）¶
热红外波段能看到热量。陆地卫星的热红外使用发射而不是反射辐射。它有一个更粗的分辨率100米，但仍然有助于了解表面温度，夜间研究，甚至火山监测。
火山活动： 尽管它的空间分辨率较低，热红外已被用来估计火山熔岩的排放率。夜间热红外图像为火山灾害识别提供能量通量估计。 (Volcano activity using thermal infrared in New Zealand)
城市供热： TIRS提供了一个城市内表面温度热在哪里的见解。公园、开阔水域和自然植被通常是最凉爽的，而工业区则是最温暖的。通常情况下，由于人类活动，一个城市或大都市地区比其周围的农村地区要暖和得多。 (Urban heat islands and land surface temperature)
天气预报： NOAA地球静止运行环境卫星（GOS）收集热红外，以了解云的高度和类型，甚至海洋表面的特征。
