14.8. 修改或“混淆”光谱曲线的因素；数据分析¶
修改或“混淆”光谱曲线的因素；数据分析
到目前为止，上页显示的光谱图大多是在实验室条件下辐照的纯相。然而，即使在理想条件下，对于同一物种，也可能存在显著的物理和/或化学变化，例如与颜色或外来涂层（如铁锈）有关的变化。因此，一个单一的光谱，虽然包含了一个物种的主要和诊断吸收特征，但它是我们必须推广的一个标准。直接的化学变化可以显著地改变光谱。例如，许多矿物允许一种元素或离子态在晶格点被其他元素取代，因此这种材料的公式是可变的。例如，在普通云母、白云母中的某些八面体位置逐渐取代铝。注意这是如何影响2.2微米处的主吸收槽的。同样，曲线是偏移的。
13-24: Devise a rule for the shift of a diagnostic absorption band with increasing amounts of Aluminum substitution. `ANSWER <answers.html#13-24>`__
单个矿物颗粒或晶体的尺寸范围对同一物种的特征光谱曲线有重要影响。这通常会影响总反射率，但也可以修改单个吸收特征的深度。考虑粒径（单位：μm）对同一种辉石样品细磨样品的影响（这些曲线不存在偏移）。
随着晶粒尺寸的增大，反射比减小，尽管吸收槽保持相对恒定。有两个因素控制着这种效果：较大的颗粒允许更多的吸收，较小的颗粒提供了更高比例的表面面积作为反射镜。
13-25: Explain the effects of grain size change on the spectral curves. `ANSWER <answers.html#13-25>`__
相当出乎意料的是，当我们在中间红外区域检查相同的材料时，相对反射率与晶粒尺寸的函数有很大的逆转，如图所示：
正如我们在本节前面所看到的，混合像素是大多数空间图像的规则，并且随着分辨率的增加变得越来越麻烦。当我们获得一条单一的光谱曲线来表示一个像素中通常存在的特征和类别时，这个问题可能会更严重，这代表了陆地卫星多光谱扫描仪或专题测绘器的分辨率。由此得到的光谱图显示了各种吸收波谷，其中一些波谷我们可以与各个相（类）匹配，而另一些波谷可能位于几乎相同的波长位置，但实际上是与相位相同的其他波段。任何给定波长下的反射比也是构成混合物的比例相的复合平均值。
为了在两个简单的例子中说明这一点，请观察这些曲线。第一种只是一系列两相混合物，其中粘土矿物蒙脱石逐渐被木炭稀释，木炭具有无吸收槽和整体低反射的光谱曲线。
反射是绝对的（没有偏移）。在白色蒙脱石中加入黑木炭可以降低吸附槽的深度。在20%以上的木炭中，由于木炭在降低反射率方面的优势，其发质几乎消失。
现在看看当我们以两种不同的方式混合两种非常相似的矿物时会发生什么，明矾石（一种也含有铝的硫酸钾）和黄钾石（同样的，除了铁代替铝），这两种矿物是：面积，我们把面积计算成两个端部成员的线性相等的组合，而密切的，我们把面积结合起来并彻底混合，然后再把irradia在实验室条件下。较暗（黄褐色）的黄钾铁矾在较短波长处具有较低的连续反射率，但在较长波长处则变得较高。在50-50的混合物中，这种较暗的相位占主导地位，因此反射几乎完全由黄钾石控制（类似于木炭的效果）。
基于以上考虑，我们了解到，依赖成像光谱仪和高光谱数据采集的实际遥感对许多变量尤其敏感，包括最重要的混合像素问题。因为我们可以从传感器得到光谱曲线，比如Aviris。从一个像素到另一个像素，“到处都是”，随着场景中表面特征组合的变化，我们需要一些方法将数据减少到有意义的组件，我们可以将这些组件分配给它们的适当类。我们必须简化复杂的光谱，包含来自不同阶段的贡献（在一个30平方米的像素中，土壤、水、植被、建筑物等可以相互发生），以便我们可以提取每个阶段的特征和比例。幸运的是，通过有效的数学模型和计算机处理，我们可以以惊人的效率完成这项任务。
这个关于高光谱数据简化和分析的主题是专门的，有些复杂，因此我们只提供所使用方法的概要。
起点（和关键）是开发光谱库。这个库由成千上万个单独的光谱曲线组成，这些光谱曲线是由应用于离散材料（尽可能纯净）和实验室和现场环境中的类别的光谱仪获得的。这个类库是多年来根据许多团体的观察结果建立起来的一个数据收集库。美国最著名的类库是由位于丹佛的美国地质调查局光谱实验室组装而成的。（有关更多信息，请查看 Home Page ）
根据这些信息，设计了光谱特征识别算法，对飞机飞越过程中获取的高光谱数据进行定量分析。美国政府已经制定了一个名为“四阶程序”的程序，其中包含各种程序，这些程序系统地将原始数据减少到特定的标识。它将库曲线的个别拟合与从任务中获得的高光谱数据进行卷积。在某些情况下，它可以通过适当的算法分析复杂（复合）曲线，将其分解为一组“端部构件”曲线，每个曲线表示作为曲线组成部分的材料或类。它以连续介质为基准，计算波段位置（根据波谷底部的波长）和深度。加权拟合得到的相关系数由最小二乘法用数值方法确定。带比也可以证明是有用的。
由于谱带宽度可能很宽，因此通常需要对许多单独信道进行分析（对于Aviris，224个信道从0.38到2.5微米连续分布）。但是，对于某些问题，分析不需要对所有通道进行抽样。如果任务是确定位于植被稀疏地区的矿区蚀变带中的一组矿物，则含有足够诊断吸收带的2.1到2.5微米之间的临界间隔可能足以识别它们。对于某些标识，来自两个、三个或多个通道的数据可能足以在组合细节中标识特定类。检查这个图，它显示了作为辉石矿物成分变化函数的带底、点波长的变化，存在于正在进行矿物分析的区域。
根据这些数据，我们利用最小二乘统计方法设计出与波长组成相关的相关系数。
当然，通常不适宜为任务数据集中的每个像素绘制光谱曲线。相反，光谱数据用于精确定位像素中存在的单个材料，然后我们可以将结果显示在地图或图像中，这是显示场景分析结果的常见显示类型。如果光谱分辨率很高（几米），那么通常我们会为每个像素指定一个主要类别。在我们想要描绘的现实世界中，这个占主导地位的类可能会扩展到许多像素，从而产生一个与典型陆地卫星场景具有类似特征的高光谱图像。但是，能够微调类身份，并单独记录混合的一些性质，是成像光谱学的巨大优势，这是遥感传感器技术的重大改进。
主要作者：Nicholas M.Short，高级电子邮件： nmshort@epix.net