谱减法（Spectral Subtraction）

① 句子或词组的翻译和含义解释：- spectrum [ˈspɛktrəm]：指光、声音、电磁波等在一定范围内的连续频谱。也可引申为事物或观念的广泛范围或变化。- spectra [ˈspɛktrə]：spectrum的复数形式，表示多个光谱或频谱的集合。② 语法详解：- spectrum是单数形式，而spectra是复数形式。复数形式通常用于表示多个物体、概念或现象。- 在语法上，spectrum可以作为单独的名词使用，也可以与其他词组合形成复合词或短语。③ 英文的具体用法举例：- The visible spectrum of light ranges from red to violet.（可见光谱从红色到紫色）- The electromagnetic spectrum includes radio waves, microwaves, infrared, visible light, ultraviolet, X-rays, and gamma rays.（电磁谱包括无线电波、微波、红外线、可见光、紫外线、X射线和伽马射线）- The political spectrum spans from left-wing to right-wing ideologies.（政治谱覆盖了从左翼到右翼的意识形态）- The museum exhibits a wide spectrum of artwork, ranging from classical to contemporary.（博物馆展示了从古典到当代的各种艺术作品）

光谱反应 光谱敏感度

谱定理数学上，特别是线性代数和泛函分析中，谱定理是关于线性算子或者矩阵的一些结果。泛泛来讲，谱定理给出了算子或者矩阵可以对角化的条件（也就是可以在某个基底中用对角矩阵来表示）。对角化的概念在有限维空间中比较直接，但是对于无穷维空间中的算子需要作一些修改。通常，谱定理辨认出一族可以用乘法算子来代表的线性算子，这是可以找到的最简单的情况了。用更抽象的语言来讲，谱定理是关于交换C*-代数的命题。参看谱分析中的历史观点。可以应用谱定理的例子有希尔伯特空间上的自伴算子或者更一般的正规算子。谱定理也提供了一个算子所作用的向量空间的标准分解，称为谱分解，特征值分解，或者特征分解。本条目中，主要考虑谱定理的简单情况，也就是希尔伯特空间上的自伴算子。但是，如上文所述，谱定理也对希尔伯特空间上的正规算子成立。

在光谱学中，对于连续光谱来说，光谱分辨率（Spectral Resolution）可以简单地定义为两个相邻吸收特征之间的波数Δv（cm-1）或波长间隔，如图5-4-1（a）所示。准确地说，要求这两个吸收特征有相同大小的吸收值，并且能被一个最小吸收谷隔离开（Maryu2043Joan Blümich，2002）。图5-4-1 光谱分辨率的定义示意图在非连续型的波段传感器中定义成某一波段上光谱响应函数半功率点之间的波长距离FWHM（单位为φ）或波数（cm-1）。严格地说，波段的带宽和光谱分辨率是两个不同的概念。光谱分辨率不仅与波段的带宽有关，还与光谱采样间隔有关。根据采样定理，在带宽范围内必须至少采两个样，才不会造成光谱高频信息的损失。但在实际应用中，通常指传感器的波段数目、每个通道的中心波长位置和波段带宽，这三个因素共同决定光谱分辨率（赵英时等，2003）。成像光谱遥感岩性识别和矿物填图主要利用不同岩矿种类、矿物丰度和不同组分的光谱特征差异，特别是光谱吸收谱带波长位置、吸收深度和谱带形态特征。光谱分辨率直接影响对岩矿光谱吸收谱带及其形态特征的探测和分辨能力，从而直接影响成像光谱数据对矿物种类及其成分的区分能力和识别精度。

spectral mask光谱掩模双语例句1Meeting the spectral mask is a regulatory requirement;满足频谱遮罩是调制的需求；group.ednchina.com2The APSWF-based pulse waveform can be flexibly adjusted by this method whenthe spectral mask changes.当频率掩模发生变化时，可方便地调整参数以产生新的脉冲。www.magsci.org3Two orthogonal pulses based on wavelet were presented, their spectrum meet FCCspectral mask for ultra wideband ( UWB) system.提出了基于小波函数的两个正交脉冲，其功率谱密度满足美国通信委员会（FCC）对UWB系统的频谱限制。dict.cnki.net4The mathematical expression of APSWF was simple and explicit.The simulationshows that pulse based on APSWF meets the power spectral constraint of theFCC"s spectral mask.近似扁长椭球波函数具有简单明确的数学表达式，仿真表明用其设计的脉冲功率谱符合FCC频率掩模的约束要求。

易车讯 沃尔沃官方表示，其通过Volvo Cars Tech Fund沃尔沃汽车科技基金投资了光学和成像技术初创企业Spectralics。据悉，该投资将使沃尔沃能够在早期开发阶段获得相关技术支持，有助于提高汽车的安全性，并改变车内的用户体验。以色列的Spectralics公司具有航空航天技术背景，其通过先进的成像和光学基础、高科技材料、软件和硬件等，实现了各种先进的光学技术应用。目前，该公司的核心解决方案为MLTC（多层薄组合器），是一种新型光学薄膜，适用于各种形状和尺寸的透明表面。该技术如果集成到车辆前风挡上，可以将图像信息等进行显示。信息显示，沃尔沃的本次投资金额为200万美元，这使得以色列的Spectralics公司融资总额达到了500万美元。

如何在spectral database for organic compounds sdbs中查阅物质的红外光谱红外光谱基本都是对物质进行定性分析。可以对进行定量分析，下面是网上找的几种方法，希望对你有所帮助。红外光谱定量分析是借助于对比吸收峰强度来进行的，只要混合物中的各组分能有一个特征的，不受其他组分干扰的吸收峰存在即可。原则上液体、固体和气体样品都可应用红外光谱法作定量分析：1.定量分析原理红外定量分析的原理和可见紫外光谱的定量分析一样，也是基于朗伯-比尔定律。该定律可写成：A=abc上式中A为吸光度(absorbance)，也可称光密度(optical density)，它没有单位。系数a称作吸收系数(absorptivity)，也称作消光系数(extinction coeffieient)，是物质在单位浓度和单位厚度下的吸光度，不同物质有不同的吸收系数a值。且同一物质的不同谱带其a值也不相同，即a值是与被测物质及所选波数相关的一个系数。因此在测定或描述吸收系数时，一定要注意它的波数位置。当浓度c选用mol·L-1为单位，槽厚b以cm为单位时，则a值的单位为：L·cm-1·mol-1，称为摩尔吸收系数，并常用ε表示。吸收系数是物质具有的特定数值，文献中的数值理应可以通用。但是，由于所用仪器的精度和操作条件的不同，所得数值常有差别，因此在实际工作中，为保证分析的准确度，所用吸收系数还得借助纯物质重新测定。在定量分析中须注意下面两点：1)吸光度和透过率是不同的两个概念、透过率和样品浓度没有正比关系，但吸光度与浓度成正比。2)吸光度的另一可贵性使它具有加和性。若二元和多元混合物的各组分在某波数处都有吸收，则在该波数处的总吸光度等于各级分吸光度的算术和，但是样品在该波数处的总透过率并不等于各组分透过率的和。2.定量分析方法的介绍红外光谱定量方法主要有测定谱带强度和测量谱带面积购两种。此外也有采用谱带的一阶导数和二阶导数的计算方法，这种方法能准确地测量重叠的谱带，甚至包括强峰斜坡上的肩峰。红外光谱定量分忻可以采用的方沦很多，下面我们介绍几种常用的测定方法。(1)直接计算法这种方法适用于组分简单、特征吸收带不重叠、且浓度与吸收度呈线性关系的样品。从谱图上读取透过率数值，按A=lg(I0/I)(I0为入射光强度，I为透射光强度)的关系计算出A值，再按朗伯-比尔定律算出组分含量c，从而推算出质量分数。这一方法的前提是需用标准样品测得a值。分析精度要求不高时，可用文献报导的a值。(2)工作曲线法这种方法适用于组分简单、特征吸收谱带重叠较少，而浓度与吸收度不完全呈线性关系的样品。将一系列浓度的标准样品的溶液，在同一吸收池内测出需要的谱带，计算出吸收度值作为纵坐标，再以浓度为横坐标，作出相应的工作曲线。由于是在同一吸收池内测量，故可获得A～c的实际变化曲线。由于工作曲线是从实际测定中获得的，它真实地反映了被侧组分的浓度与吸收度的关系。因此即使被测组分在样品中不服从Beer定律，只要浓度在所测的工作曲线范围内、也能得到比较准确的结果。同时，这种方法可以排除许多系统误差，同时在这种定量方法中，分析波数的选择同样是重要的，分析波数只能选在被测组分的特征吸收峰处。溶剂和其他组分在这里不应有吸收峰出现，否则将引起较大的误差。3)解联立方程法解联立方程法运用的对象是组分众多而波带又彼此严重重叠的样品，通常无法选出较好的特征吸收谱带。采用这一方法的条件是必须具备各个组分的标准样品且各组分在溶液中是遵守Beer定律的。定量分析可以根据吸光度的加和特证来进行。例如某一混合物由n个组分所组成.各组分的浓度分别为c1，c2，c3,…，cn，它们在分析波数ν处的吸收系数各为av1，av2，…，avn，则样品在这个分析波数处的总吸光度为：Aν=A1v+A2v+...+Anv=av1bc1+av2bc2+...+avnbcn样品中共有n个组分，每一组分都有一个以它为主要贡献的谱带和对应的波数值，可列出相应的方程组。如测出各个a值，则各个未知浓度c就可从联立方程式中解得。a值的求法是将样品配成一定浓度后测出红外光谱，再求出某一波数处的吸光度值，由于c利b是已知的实验值，用Beer定律A=abc关系即可求得各a值。联立方程定量分析应注意以下几点：1)选择合适的波数点。在此点波数只应以某—组分的贡献为主，其他组分在此都只有较小的吸收贡献，2)读准吸光度。在实验时必须读谱图上那些没有吸收峰值的某波数上的吸光度数值。在谱带的斜坡上更需注意所读数据的准确性。3)求a值时选取合适的浓度。在测定a值时。各组分的纯品配制浓度应接近未知样品中该组分的浓度，且应在该量附近配制4～5个点以求出较为可靠的a值，或据此绘出工作曲线。由于解联立方程的计算工作量很大，现代的红外光谱仪器均带有功能良好的计算机，借助所配备的计算机，运用线件代数中矩阵法解联立方程成为十分实用的方法。红外定量分析的准确度，若不考虑样品称量、溶液配制和槽厚在测定中所引起的误差。主要考虑吸光度的测定所引起的误差，±1%的误差是它的最佳极限值，实际上是比±1%大，因此红外光谱用得最多的还是定性分析。

有时候我像一个疯子

在物理学中，信号通常是波的形式，例如电磁波、随机振动或者声波。当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（powerspectraldensity,PSD）或者谱功率分布（spectralpowerdistribution,SPD）。功率谱密度的单位通常用每赫兹的瓦特数（W/Hz）表示，或者使用波长而不是频率，即每纳米的瓦特数（W/nm）来表示。

在电影结尾给出了完整的解释，详细道出了这些“幽灵”的形成。这座城市的所属国家已经熟练掌握玻色爱因斯坦凝聚态（Bose–Einstein condensate,BEC），并利用X光扫描人体，然后利用3D打印技术，在绝对零度（-273.15℃）下，用BEC打印出人体形态，最后提取人的神经系统来维持这些能量体的活动。美国Netflix新出的科幻大片《幽冥》说是科幻题材，其实是利用科幻的手法来描述战争，故事也是围绕着战争展开。讲的是美国国防部高级研究局科学家接受一项任务，带领一队精挑细选的士兵进驻一个被战争摧毁的城市。结果，在这座城市中遭遇了“幽灵”（ghost），造成入驻士兵的大规模伤亡，更令人绝望的是“幽灵”并不能用人眼直接看到（只能借助特殊的眼镜），它可以穿透墙体，枪弹都对其也无效，最最可怕的是，都不知道它是什么。最后，也不得已将主人公，也就是特殊眼镜的首席工程师，请到这座城市协助分析。随着剧情的发展，“幽灵”也逐渐露出其真面目。先是在一座废弃的楼房外，了解到这些“幽灵”比较怕纯铁，然后遇见当地的两姐弟，提到这些“幽灵”的源头在核电站，它们是在战争中死去的人，介于生与死之间，灵魂不散。其次，主人公作出大胆推断，这些“幽灵”其实是物质的另外一种形态，在可见光谱（Spectral）之外，所以人眼不能直接观测，只能通过特殊眼镜捕捉。并根据被这些“幽灵”杀死之人的死态推断，这种特殊的物质形态，就是第五态：玻色-爱因斯坦凝聚态！

道具做的，现实不存在。不过很像Ops Core的头盔，应该是这个改的。现在不差钱的步兵军队都是用这种头盔了，两边都有导轨，前面有夜视仪支架，也露出了耳朵，方便用耳机。也很轻。当然价格不菲，几千美元吧！

dB是“分贝”的意思，-20dB即比原值减少20%分贝。

死

＋我百度云 唐了吗10 免费分享给你

一、实验目的通过对ENVI的FLAASH 功能运用，掌握对Landsat卫星遥感影像做辐射定标与FLAASH大气校正的技术操作，加深对辐射定标和大气校正原理的理解。二、实验内容①桂林市TM 遥感影像辐射定标；②桂林市TM 遥感影像FLAASH大气校正处理。三、实验要求①明确ENVI的Lndsat辐射定标各项参数的意义及作用；②明确ENVI FLAASH大气校正处理各步操作的作用；③对FLAASH大气校正前后同名点的植被波谱曲线差异进行比较分析。编写实验报告。四、技术条件①微型计算机；②国际分幅127-43 TM 影像；③ENVI软件；④Photoshop软件（ver.6.0以上）和ACDSee软件（ver.4.0以上）。五、实验步骤辐射校正包括辐射定标与大气校正两部分。辐射定标是将传感器记录的电压或数字量化值（DN）转换成绝对辐射亮度值（辐射率）。大气校正就是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率和地表温度等物理参数真实数值的物理数学计算。1.辐射定标ENVI提供Calibration Utilities（校正工程）工具，可以利用定标系数完成ASTER、MSS、TM、ETM＋、QuickBird等传感器的辐射定标。本次实验介绍Landsat传感器定标的具体操作过程：（1）在ENVI主菜单中，选择“File>Open External File>Iandsat>GeoTIFF with Metadata”，打开Landsat5 TM数据L5127043_04320051009 MTL.txt。（2）在 ENVI主菜单中，选择“Basic Tools> Prepr coessing > Calibration Utilities >Landsat Calibration”，在打开的“Landsat Calibration Input File”对话框中，选择Land ast5 TM 文件，单击【OK】按钮，出现“ENVI Landsat Calibration”对话框（图19-1）。（3）在“ENVI Landsat Calibration”对话框中，ENVI将自动从元数据中获取下列参数：Landsat卫星类型（Landsat Satellite Sensor）；图像成像时间（Data Acquisition Month/Day/Year）；太阳高度角（Sun Elevation）。（4）定标类型（Calibration Type）包括“Radiance”（辐射亮度值）和“Reflectance”（反射率），选择“Radiance”（辐射亮度值）。（5）点击【Edit Calibration Parameters】按钮，可以打开定标参数对话框，可以自己修改定标参数。如果定标的数据格式是 ENVI标准或者TIF格式，需要手动输入“ENVI Landsat Calibration”对话框中的参数（Landsat卫星类型、图像成像时间和太阳高度角），并且每次只能定标一个波段。图19-1 ENVI陆地卫星定标对话框（6）选择输出路径及文件名，单击【OK】按钮，执行定标过程。2.大气校正目的是消除大气中的水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响，目前遥感图像的大气校正方法很多，本次实验选择FLAASH大气校正工具进行大气校正，FLAASH 对大气校正的输入图像作了一些要求，具体如下：◎卫星图像波段范围为400～2500nm；航空图像为860～1135nm。◎文件类型为ENVI标准栅格格式，BIP或BIL存储格式。◎数据头文件中包含中心波长（Wavelength）值（表19-1），如果是高光谱还需要有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。表19-1 Ladnst中心波长续表图19-2 转换文件参数设置FLAASH大气校正具体操作步骤如下：（1）数据储存顺序调整。由于FLAASH大气校正工具要求数据存储顺序为BIP或者BIL格式，而ENVI默认的数据存储格式为BSQ格式，我们需要进行数据储存格式调整，在ENVI主菜单中，选择“Basic Tools>Convert Data（BSQ、BIP、BIL）”，在“Convert File Input”对话框中选择上一步辐射定标的结果，单击【OK】按钮打开“Convert File Parameters”对话框（图19-2）。◎选择“Output Interleave”：BIL，◎Convert In Place: Yes单击【OK】按钮，执行处理。（2）文件输入与输出信息。在ENVl主菜单中，选择“Spectral>FLAASH”，打开“FLAASH”功能，如图19-3所示。点击【Input Radiance lmage】按钮，选择准备好的辐射亮度值数据，由于辐射定标时得到的辐射亮度单位为W/（m2 ·μm ·sr），FLA ASH要求的辐射亮度单位为μW/（cm2 nm ·sr），两者相差10倍，所以点击【Input Radiance Image】按钮会出现“Radiance Scale Factors”对话框（图19-4），选择“Us esingle scale factorfor all bands”（对所有波段使用统一比例因子），“single scale factor”值输入10，点击【OK】按钮，这样就获得符合FLAASH要求的辐射亮度值。图19-3 FLAASH模块参数对话框图19-4 辐射亮度比例因子设置单击图19-3中的【Output Reflectance File】按钮，选择输出文件名和路径。（3）传感器与图像目标信息。Scene Center Location：从元数据文件中获取，当图像位于西半球时，经度为负值；位于南半球时，纬度为负值。Sensor Type：选择辐射亮度图像对应的传感器类型，本实验使用数据为Landsat TM5。Ground Elevation（km）：可从相应区域的DEM 获取平均值。Flight Date：图像成像日期，可以从元数据文件中获取。Flight Time GMT：图像成像格林尼治时间，可以从元数据文件中获取。（4）大气模型（Atmospheric Model）。ENVI提供了六种大气模型：亚极地冬季（Sub-Arctic Winter）、中纬度冬季（Mid-Latitude Winter）、美国标准大气模型（U.S.Standard）、亚极地夏季（Sub-Arctic Summer）、中纬度夏季（Mid-Latitude Summer）、热带（TroPical）。可以通过季节－纬度信息选择大气模型。（5）水汽反演（Water Retrieval）。多光谱数据由于缺少相应波段和光谱分辨率太低不执行水汽反演。选择No。（6）气溶胶模型（Aerosol Model）。ENVI提供五种气溶胶模型：无气溶胶（No Aerosol）、乡村（Rural）、城市（Urban）、海面（Maritime）、对流层（Tropospheric）。（7）气溶胶反演（Aerosol Retrieval）：选择2-Band（K-T）, K-T气溶胶反演方法。（8）初始能见度（Initial Visibility）（km）：见表19-2。表19-2 天气条件与估算能见度（9）多光谱设置（MultispectraI Settings）。在“Sensor Type”选项中选择多光谱传感器时，出现【Multispectral Settings】按钮，单击此按钮可以打开多光谱设置对话框（图19-5），有两种设置方式：文件方式（File）和图形方式（GUI），一般选择图形方式。由于多光谱数据一般不用于水汽，因此多光谱设置对话框中主要的参数见“Kaufman Taner Aerosol Retrieval”对话框中，选择“Defaults”下拉框：Over-Land Retrieval Standard（660:2100），即上行通道660nm，下行通道2100nm，点击【OK】按钮后完成设置，回到FLAASH模块参数对话框。图19-5 多光谱设置对话框（10）高级设置（Advanced Settings）。按照默认设置。上述设置完成后，点击【Apply】按钮，执行FLAASH大气校正。3.大气校正前后同名点植被波谱曲线对比（1）分别在“Display”窗口中显示原始数据图像和FLAASH 校正后的反射率图像。（2）在其中一个主窗口中选择“Link>Geographic Link”，将两个“Display”窗口地理链接。（3）将大气校正前后影像窗口移动到植被区域，分别在两个“Display”窗口中单击鼠标右键选择“Z Pro-file（Spectrmu）”，获取两个图像上的植被波谱曲线（图19-6），可以看到经过大气校正后的植被波谱曲线更加接近真实植被波谱曲线。图19-6 大气校正前（左图）后（右图）植被波谱曲线对比六、实验报告（1）简述实验过程。（2）回答问题：①什么是辐射定标？ENVl软件采用何种功能命令进行辐射定标？②什么是大气校正？ENVI软件采用何种功能命令进行大气校正？③辐射校正前后地物波谱特征对比分析：分别提取辐射校正前、后的漓江水体、岩溶石山、碎屑岩土山、农田、桂林市区和飞机场六种典型地物的波谱曲线。比较分析它们的差异。为何它们会存在差异？实验报告格式见附录一。

在ENVI中打开遥感影像，在Layer Manger中右键点击影像图层；打开Change RGB Bands即可查看和选择波段；点击工具栏中的spectral profile可看到像元光谱信息。波段又称波谱段或波谱带。在电磁波谱中，具有确定波长范围的连续电磁波。是表示传感器光谱通道工作波长范围的基本单元。在遥感技术中，通常把电磁波谱划分为大大小小的段落，大的称为波段区。波段：在无线电技术中，波段（wave band）这个名词具有两种含义。其一是指电磁波频谱的划分，例如长波、短波、超短波等波段。其二是指发射机、接收机等设备的工作频率范围的划分。若把工作频率范围分成几个部分，这些部分也称为波段，例如三波段收音机等。

光谱辐射率，英文是：spectral density,spectral radiance,spectral radiant emittance.辐射率是衡量物体表面以辐射的形式释放能量相对强弱的能力。物体的辐射率等于物体在一定温度下辐射的能量与同一温度下黑体辐射能量之比。黑体的辐射率等于1，其他物体的辐射率介于0和1之间。辐射率是个标量。所以光谱辐射率就是衡量光以辐射的形式释放能量相对强弱的能力，单位是：瓦特每球面度每立方米 或 瓦特每球面度每平方米每赫兹

应该是单位频率段的功率功率谱密度的定义是单位频带内的“功率”(均方值)

(三) 多光谱数据参数设置 （1）单击 Multispectral Settings，打开多光谱设置面板； （2）K-T 反演选择默认模式：Defaults->Over-Land Retrieval standard（600:2100），自动选择对应的波段（3）其他参数选择默认。如图5.3.3图片图5.3.3 多光谱设置面板(四) 高级设置单击 Advanced Settings 打开高级设置面板。这里一般选择默认设置能符合绝大部分数据情况，在右边面板中设置：（1）分块处理（Use Tiled Processing）：是否分块处理，选择 Yes 能获得较快的处理速度，Tile Size一般设为4-200m，根据内存大小设置，这里设置为100m（计算机物理内存8G）。（2）空间子集（Spatial Subset）：可以设置输出的空间子集，这里选择默认输出全景。（3）重定义缩放比例系数（Re-define Scale Factors For Radiance Image）：重新选择辐射亮度值单位转换系数，这里不设置。（4）输出反射率缩放系数（Output Reflectance Scale Factor）：为了降低结果储存空间，默认反射率乘于 10000，输出反射率范围变成 0~10000。（5）自动储存工程文件（Automatically Save Template File）：选择是否自动保存工程文件。（6）输出诊断文件（Output Diagnostic Files）：选择是否输出 FLAASH 中间文件，便于诊断运行过程中的错误。如图5.3.4图片图5.3.4 高级设置面板如果对 Modtran 模型非常熟悉，可根据数据情况进行调整，如下为其余部分的参数说明。气溶胶厚度系数（Aerosol Scale Height）：用于计算邻域效应范围。一般值为 1~2km，默认为 1.5km。CO2 混合比率（CO2 Mixing Ratio）：默认为 390ppm，它是依据 2001 测量值为 370ppm，增加 20ppm 以得到更好的结果。（Use Square Slit Function）：使用领域纠正（Use Adjacency Correction）：Yes 或者 No。使用以前的 MODTRAN 模型计算结果（Reuse MODTRAN Calculations）：No：重新计算 MODRTRAN 辐射传输模型。Yes：执行上一次 FLAASH 运行获得的 MODRTRAN 辐射传输模型，每次运行 FLAASH后，都会在根目录和临时文件夹下生成一个 acc_modroot.fla。MODTRAN 模型的光谱分辨率（Modtran Resolution）：越低分辨率具有较快速度而相对较低的精度，主要影响区域在 2000 nm 附近。高光谱数据默认为 5 cm-1，多光谱数据默认为 15 cm-1。MODTRAN 多散射模型（Modtran Multiscatter Model）：校正大气散射对成像的影响，提供三种模型选择 ISAACS，DISORT 和 Scaled DISORT。默认是 Scaled DISORT 和 streams为 8。Isaacs 模型计算速度快，精度一般；DISORT 模型对于短波（小于 1000nm）具有较高的精度，但是速度非常比较慢，由于散射对短波（如可见光）影响较大，长波（近红外以上）影响较小，因此当薄雾较大和短波图像时可以选择此方法；Scaled DISORT 提供在大气窗口内与 DISORT 类似的精度，速度与 Isaacs 类似，这模型是推荐使用的模型。当选择 DISORT 或者 Scaled DISORT，需要选择 streams：2、4、8、16，这个值是用来估算散射的方向，可见 streams 值越大速度越慢。观测参数天顶角（Zenith Angle）：是传感器直线视线方向和天顶的夹角，范围是 90~180 度，其中 180 为传感器垂直观测。方位角（Azimuth Angle）：范围是-180~180 度。(五) 处理结果浏览设置好参数后，单击 Apply 执行大气校正；完成后会得到反演的能见度和水汽柱含量。显示大气校正结果图像，查看像元值，可以看到像元值扩大 10000 倍后，值在几百到几千不等。如果要得到 0-1 范围内的反射率数据，可以使用 BandMath 除以 10000.0。选择 Display>Profiles>Spectral 查看典型地物波谱曲线，如植被、水体等。如图5.3.5图片图5.3.5 FLAASH 大气校正结果中获取的波谱曲线（左-植被，右-水体）

nm（纳米）和cm-1（波数）是可以转换的例如 波长为500nm，那么其波数为 10^7/（500nm）=20000 cm-1波数一般用于长波长，例如红外光复享光学

谱聚类(Spectral Clustering, SC) , 是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远 换句话说， 当遇到比较复杂的聚类问题时，k-means 很难有较好的效果时，可以用谱聚类。 谱聚类算法流程为： Input： Output: 一句话总结这个流程就是，利用样本数据，得到相似矩阵(拉普拉斯矩阵)，再进行特征分解后得到特征向量，对特征向量构成的样本进行聚类。 其中涉及的主要概念： 如何得到这个邻接矩阵？ 可以通过样本点距离度量的相似矩阵S来获得邻接矩阵W 构建邻接矩阵W的方法有三个：u03f5-邻近法，K邻近法和全连接法。 最常用的是全连接法，它选择不同的核函数来定义边权重，最常用的是高斯核函数RBF 那么如何切图可以让子图内的点权重和高，子图间的点权重和低呢： 先定义两个子图A和B之间的切图权重为： 再定义有 k 个子图的切图cut为：即所有子图 与其补集 之间的切图权重之和: 这样当我们最小化这个cut时，就相当于让子图间的点权重和低 但以最小化 cut 为目标，存在一个问题，就是有时候最小cut的切图方式，却不是最优的 为避免最小切图导致的切图效果不佳，需要对每个子图的规模做出限定，一般有两种切图方式，RatioCut，Ncut， 常用的是 Ncut切图 RatioCut 切图函数为： 它的优化目标为： 进一步令 ，则有 ，于是优化目标变为： 然后就可以求出 的最小的前k个特征值，求出特征向量，并标准化，得到特征矩阵F, 再对F进行一次传统的聚类方法，最终就完成了聚类任务。 一个用 sklearn 做谱聚类的小例子： 学习资料： https://www.cnblogs.com/pinard/p/6221564.html https://www.cnblogs.com/sparkwen/p/3155850.html

你好像在做光学实验，但你的问题描述得不够清楚，再详细些。

关键词幽灵般的光古光古篇Eerielllumination - 怪异的照明Haunting Radiance- 鬼魅的辉光Spectral Shine -幽灵般的闪光Phantasmal Glow -幻影般的光芒Ethereal Luminescence - 优雅的发光Otherworldly Radiance - 来自异界的辉光Mysterious Gleam -神秘的闪耀Spooky Luminescence - 阴森的发光Uncanny Glow -奇异的光芒Supernatural Radiance -超自然的辉光Ghostly Aura-幽灵般的光环Phantom Glow-幽灵般的闪光Enigmatic Luminescence - 神秘的发光Chilling Radiance-令人寒心的辉光Ephemeral Shine-短暂的闪耀Translucent Glow -半透明的光芒Otherworldly Brlliance - 异界的光辉Phantom Luminescence -幽灵般的发光Mysterious Radiance - 神秘的辉光Ghostly Luminosity - 幽灵般的亮度Ethereal Glow-优雅的光芒Haunted Illumination - 被鬼魅照亮的光芒Spectral Radiance -幽灵般的辉光Spine-chilling Glow - 令人毛骨悚然的光芒Uncanny Luminescence - 奇异的发光Supernatural Shine - 超自然的闪耀Ghostly Gleam -幽灵般的闪耀Phantom Radiance - 幽灵般的辉光Enigmatic Luminosity-神秘的亮度EerieBrilliance-怪异的光辉Chilling Glow - 令人寒心的光芒Translucent Radiance -半透明的辉光Otherworldly Luminescence - 异界的发光Phantom Shine-幽灵般的闪耀Mysterious Luminosity - 神秘的亮度Ghostly Radiance - 幽灵般的辉光Ethereal Luminescence - 优雅的发光Haunted Glow - 被鬼魅照亮的光芒Spectral Shine -幽灵般的闪光Spooky Luminosity - 阴森的亮度Uncanny Radiance - 奇异的辉光Supernatural Glow - 超自然的光芒Ghostly Aura-幽灵般的光环Phantom Luminescence -幽灵般的发光Enigmatic Radiance - 神秘的辉光Chilling Shine - 令人寒心的闪耀Ephemeral Luminescence - 短暂的发光Translucent Glow - 半透明的光芒Otherworldly Brilliance- 异界的光辉Phantom Radiance- 幽灵般的辉光

一、实验目的了解各种类型矿物的反射波谱特征以及ENVI波谱数据库的使用，初步掌握对矿物反射波谱曲线的分析，为地质遥感成像机理学习及遥感地质解译奠定基础。二、实验内容（1）进入ENVI波谱库操作；（2） ENVI波谱库矿物波谱曲线浏览与查找；（3）自然元素矿物、氧化物矿物、硫化物矿物、硅酸盐矿物、卤化物矿物、硫酸盐矿物和碳酸盐矿物的反射波谱曲线特征分析；（4）矿物反射波谱曲线制图。三、实验要求预习本实验，认真观摩老师演示。学会进入ENVI矿物波谱库的操作；了解ENVI矿物波谱库的内容和构成；初步掌握矿物波谱曲线分析和波谱曲线制图与输出。测量结果存档。编写实验报告。四、技术条件①微型计算机；②桂林市P6卫星影像数据；③ENVI软件；④Photoshop软件（ver 6.0以上）和ACDSee软件（ver.4.0以上）。五、实验步骤（1）波谱库浏览（Spectral Library Viewer）。在ENVI主菜单栏中选择“Spectral Tools>Spectral Libraries>Spectral Library Viewer”，如图5-1所示。（2）执行步骤（1）后，打开“Spectral Library Input File”。框左边为ENVI拥有的五个矿物波谱库名称，分别是igcp 1、igcp 2、igcp 3、igcp 4和igcp 5。sli为波谱库文件后缀。用鼠标从中选择igcp1.sli库，点击【OK】按钮，如图5-2所示。（3）执行步骤（2）后，出现igcp 1矿物波谱库的下拉菜单，如图5-3所示。图5-1 进入波谱库浏览命令图5-2 选中igcp1库，按【OK】按钮打开图5-3 igcp1库的下拉菜单库中为各种矿物名称的列表（4）在igcp l库中，选中矿物ACTINOLITE AM3000，在下拉菜单右方出现该矿物的波谱曲线图“Spectral Library Plots”，为一黑底白色曲线图，曲线图的纵坐标为反射率数值，横坐标为波长（单位：μm），如图5-4所示。图5-4 矿物ACTINOLITE AM3000的波谱曲线（5）编辑AGTNIOLITE AM3000矿物的反射波谱曲线。在“Spectral Library Plots”框上方的操作菜单中，选择“Edit>Plot Parameters”，如图5-5所示。图5-5 编辑ACTINOLITE AM3000矿物的反射波谱曲线图（6）继续编辑ACTINOLITE AM3000矿物的反射波谱曲线。执行“Edit/ Plot Parameters”后，出现“Plot Parameters”框，将鼠标箭头移至其中的“Background”（图背景）处，连续点击，直至小方框的颜色变成黑色，停止点击；用同样方式将右方的小方框变为白色。除此之外，方框内的其他参数不变，之后，选择【Apply】按钮，则得到黑色背景和白色线条的波谱曲线图，如图5-6所示。（7）输出波谱曲线图。在“Spectral Library Plots”框，鼠标打开“Files”的下拉菜单，选择“Save Plot As”，出现右拉菜单，鼠标选择“Image File…”，如图5-7所示。（8）在步骤（7）结束之后，出现输出曲线图的提示操作，如图5-8所示。选择“lmage File…”，出现“Output Plot to Image File”框。从中选择“Output Image Type”，一般选择JPEG格式；将“Compression Factor”（压缩因子）调升至1.000000，点击【OK】按钮。这样，就完成了对矿物的ACTNIOLITE AM3000波谱曲线的显示、制作和操作。至此，对波谱库中的ACTINOLITE AM3000的波谱曲线的制图完成。图5-6 继续编辑ACTINOLITE AM3000矿物的反射波谱曲线操作图5-7 输出波谱曲线图5-8 输出图5-7的波谱曲线图（9）任意选择打开五种矿物波谱曲线，并保存为JPEG 格式，观察这些波谱曲线，并分析每种波谱曲线的特点，用W ORD 文档记录（附波谱曲线图），取名为《波谱曲线分析》，存入自己的工作文件夹。六、实验报告（1）简述实验过程。（2）回答问题：①岩石矿物波谱库有何用处？②浏览波谱库的岩石和矿物的反射波谱曲线，可见岩石的波谱曲线特征比矿物的复杂，为什么？③通过对大量岩石矿物波谱曲线的观察，你能否确定出它们所具有的共性特征？实验报告格式见附录一。

谱线宽度越窄，光源的单色性越好

8.6.1 方法与流程8.6.1.1 产品生成业务化流程常用的高光谱矿物填图标准方法：先运用最大噪声分离（MNF）变换对反射率数据进行波谱降维，用像元纯度指数（PPI）分析进行空间降维，然后用N维可视化方法来确定图像端元，进行端元识别，确定矿物波谱，最后用合适的方法进行矿物填图，并对结果进行优化操作。矿物填图流程图如图8.40所示。1）数据降维。利用MNF变换进行光谱数据减维，分离数据中的噪声，减小运算量。观察最终特征值和MNF图像，确定数据的固有维数，选择合适的MNF波段进行PPI指数计算。2）计算图像的PPI指数。计算MNF图像的PPI指数，最终产生PPI图像，图像中像元的DN值代表像元被记录为极值的次数，从直方图中选择阈值，仅选择最纯的像元以保证被分析的像元数最小，这些像元被输入到分离特定光谱端元的交互式可视化算法中。3）N维可视化进一步提纯纯净像元。在N维可视化中，光谱可视为n维散点图中的一个点，n是波段数。通过选择n维散点图的顶点和拐角，进一步提纯纯净像元。将最终确定的端元输入到图像中的感兴趣区（ROI），从图像中提取每个感兴趣区平均反射率光谱曲线作为成像光谱矿物填图的候选端元。图8.40 常见高光谱矿物填图流程4）建立真实波谱库。将采集端元的波谱曲线输出，经过波谱分析（用波谱特征拟合算法与USGS标准波谱库进行匹配识别）得到的波谱曲线图，确定端元矿物并建立该矿物的真实波谱库。5）选择合适的填图方法，辅以自行建立的真实波谱库，提取出各类矿物。并对提取结果做最小图斑去除、类合并等操作，优化矿物提取结果。8.6.1.2 矿物信息提取的高光谱数据预处理先将成像高光谱数据进行辐射定标、大气校正等过程得到光谱反射率数据。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射定标和光谱重建是地物识别和定量分析不可缺少的环节。只有经过辐射标定、辐射校正和大气校正，剔除由于大气散射、吸收、地形起伏及传感器本身不稳定带来的各种失真，将记录的图像值转换为地面的反照率值，重建像元地面光谱，才能根据光谱特征，有效地识别地物，反演地物成分。8.6.1.3 典型矿物光谱吸收特征分析首先打开波谱数据库系统图8.41调出所研究的典型矿物的光谱进行分析。根据主要谱带的位置将矿物划分为含Fe2＋矿物、Fe3＋矿物、Mn2＋矿物、碳酸盐矿物、含Al-OH键矿物、含Mg-OH键矿物等大类。Al-OH：诊断谱带一般位于2165～2215 nm附近；Mg-OH：诊断谱带一般位于2315～2335 nm附近； ：诊断谱带一般位于2335～2386nm区间；Fe2＋：诊断谱带一般位于1000～1100nm附近；图8.41 波谱库系统主界面Fe3＋：诊断谱带一般位于600～900nm附近；Mn2＋：诊断谱带一般位于450～600nm附近。以主吸收谱带和次要吸收谱带的组合特征，并考虑到吸收谱带在不同岩石中的变异，识别矿物族。如对Al-OH键矿物可分为明矾石族、蒙脱石族、白云母族、高岭石族；含Mg-OH矿物可分为绿泥石族、黑云母族、绿帘石族、蛇纹石族、滑石-透闪石族等；碳酸盐矿物包括方解石族、白云石族等。1）对于Al-OH键矿物：明矾石族：两个吸收特征分别位于2175nm（2165～2175nm，± 10nm）和2325nm。蒙脱石族：位于2215nm（2205～2215 nm，± 10nm）的主要吸收特征伴随有一个2440nm的次级吸收。白云母-伊利石族：位于2205nm（2195～2215 nm，± 20nm）的主要特征吸收伴随有三个次级吸收峰，分别位于2355nm，2440nm和2115nm。高岭石族：2200nm附近的OH-谱带，在该谱带左翼存在次一级的谱带（2160nm）。图8.42为典型Al-OH键矿物波谱特征图。图8.42 几种典型Al-OH键矿物波谱特征图2）对于碳酸盐矿物：方解石族：位于2330 nm～2340 nm的主要谱带。菱铁矿族：同时具有Fe2＋在1000nm与 在2300nm附近的特征谱带。图8.43为典型碳酸盐矿物波谱特征图。图8.43 几种典型碳酸盐矿物波谱特征图3）对于Mg-OH键矿物：绿泥石族：位于2330 nm主要吸收特征伴随有一个2386 nm及2224 nm两个次级吸收。绿帘石族：位于2330 nm主要吸收特征伴随有一个2225～2226 nm的次级吸收。蛇纹石族：位于2320 nm附近主要吸收特征伴随有2110 nm为中心的较宽的弱谱带。滑石-透闪石族：位于2290～2310 nm附近的较宽的双峰谱带和2385 nm附近的次级吸收。图8.44为典型Mg-OH键矿物波谱特征图。图8.44 几种典型Mg-OH键矿物波谱特征图8.6.1.4 矿物识别技术目前，基于成像光谱数据的矿物识别的方法主要有：基于光谱波形参数、基于光谱相似性测度、基于混合光谱模型、基于地质统计规律、基于光谱知识的智能识别等。（1）光谱波形参数提取与蚀变识别的技术方法岩石矿物单个诊断性吸收特征峰可以用吸收波段位置（λ）、吸收深度（H）、吸收宽度（W）、吸收面积（A）、吸收对称性（d）、吸收的数目（n）和排序参数作完整地表征（陈述彭等，1998）。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如HSI编码与吸收波段图（Kruse，1988）是利用连续统去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像及波段半极值宽度（FWHM）图像，并分别赋予HSI空间的明度（H）、强度（I）和饱和度（S），然后逆变换到RGB色度空间。代表性的方法还有光谱特征拟合（SFF）等。光谱特征拟合（SFF，Spectral feature fitting）：光谱特征拟合是一种基于光谱吸收特征的方法，使用最小二乘法技术将图像中每一个像元的光谱曲线与所选择的参考光谱曲线的吸收特征进行拟合。是选择包含目标矿物特定吸收谱带的光谱区间，利用最小二乘拟合方法，比较像元光谱与目标光谱吸收特征的整体形态和吸收深度。该方法对噪音和地形有较好地抑制作用。（2）基于相似性测度的识别技术方法成像光谱最大的优势在于利用有限细分的光谱波段，去再现像元对应物的光谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响（如光谱漂移、变异等），提高识别的精度（甘甫平等，2000）。基于整个波形的识别技术方法是在参考光谱与像元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。这类方法主要有光谱角制图（SAM）技术、光谱二值编码（Binary encoding）技术等。（3）基于光谱知识模型识别的技术方法基于光谱知识模型识别的技术方法是建立在一定的光学、光谱学、岩矿结晶学和数学理论之上的信号处理技术方法。它不仅能够克服利用单一谱形识别所存在的缺陷，而且从地物光谱学原理入手、从本质上理解认识岩矿光谱的物理机制与物理过程，建立光谱数学物理模型，识别并定量提取岩矿信息。这在一定程度上能精确地量化地表物质的组成及深入地描述地物组成的物理特性，以进一步探测地物所蕴藏的成生环境本质。例如，建立在Hpake（1981）光谱双向反射理论基础之上的线性混合光谱分解模型（SMA/SUM），可以根据不同地物或者不同像元光谱反射率响应的差异，构造光谱线性分解模型，从而识别地物，量化地物成分，挖掘地物成生环境信息。（4）基于地质统计特征的分类识别方法该类方法是基于地物在图像上的统计分布规律，建立地质模型进行图像分类识别。比较典型的有（Ieohku，etal，1996），概率模型（Porbabilistic Model），几何光学模型（Geomertic-optical Model），随机几何模型（Stochastic Geometric Model）及非参数地质统计模型（Non-paramertic GeostatisticTechnique）。（5）基于光谱知识的智能识别方法传统的及上述的成像光谱识别方法利弊共存。对于高维与超大容量的成像光谱数据及大量的实验室光谱研究结果等迫切要求新的高效的遥感定量分析技术。因此，专家系统、人工神经网络、模糊识别等基于光谱知识的智能识别应运而生。神经网络技术是应用最广泛的识别技术（Gong，1996；Jimenez，et al.，1998；Benediktsson，et al.，1995；Garcia Haro，et al.，1998）。Goetting 和 Lyon（1986）建立一个试验性专家系统；Kruse等（1993）建立了基于知识的成像光谱矿物自动匹配制图系统。以Dempster-Shafer证据理论为基础格架的证据推理方法也得到了一定程度的应用。基于光谱知识的智能识别技术方法与系统将是成像光谱遥感地物信息识别、提取与量化及实用化的最佳选择与发展方向，极具潜力。8.6.2 结果与分析8.6.2.1 蛇纹石矿物的填图及效果分析对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.45所示。图8.45 蛇纹石波谱匹配图图8.46 五种填图方法结果对比用前文简述的常用五种方法提取蛇纹石的具体位置，并进行对比分析，填图结果如图8.46所示。用SAM矿物填图方法，可以快速提取端元采集出的所有地物，并用彩色分类影像来显示，使人们很直观地看出该矿物的分布范围。光谱特征拟合将为每个参照波谱输出一幅比例图像和 RMS 图像或一幅合成的“拟合”图像（Scale/RMS）。较高的拟合值表明该像元与参照波谱匹配较好。但是波谱特征拟合效果并不是很好，因为如果输入了错误的参照端元或使用了错误的波长范围，也会出现一个远远大于1的比例值。MTMF（混合调制匹配滤波）结果将以一系列灰阶图像的形式出现，两幅图像对应一个被选波谱。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。不可行性（Infeasibility）值以sigma噪声为单位，显示了匹配滤波结果的可行性。用于准确制图的像元有一个大于背景分布值的较高的匹配滤波值和一个较低的不可行性值。对得出的浮点图进行密度分割等操作，也能很好的得出蛇纹石的分布范围。MF（匹配滤波结果）将以一系列灰阶图像的形式出现，每幅图像对应一个选择的端元。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。对MF的结果图做密度分割等操作，也可明显地看出蛇纹石的分布范围。线性光谱分解的结果将以一系列灰阶图像的形式出现，每幅灰阶图像加上一个RMS误差图像对应于一个端元。经过发现，此方法的提取效果并不是很好，噪声较多。因此在实际应用中，并不建议使用此方法。通过以上对比分析，发现SAM，MTMF，MF三种方法在本地区都比较适合蛇纹石这种矿物的填图，只是MTMF，MF两种方法还需对结果图进行密度分割处理，稍显繁复，但填图效果良好。8.6.2.2 白云母矿物的填图及效果分析对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库（图8.47）。因为随着白云母中Al含量的减少，Al-OH的谱带位置逐渐向长波方向移动，所以可以分辨出贫铝白云母和富铝白云母的波谱曲线。图8.47 白云母波谱匹配图用上述五种方法提取蛇纹石的具体位置，填图结果如图8.48所示。经过以上五种填图方法的对比分析发现，SAM填图方法效果最佳，不仅明确填出白云母矿物的范围，而且避免了误差引起的填图错误。此外，对光谱特征拟合后的结果图做密度分割等操作，所提取的矿物范围也较好。因此，两种方法均适合进行白云母的矿物填图。8.6.2.3 绿帘石矿物的填图及效果分析对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.49所示。用上述五种方法提取蛇纹石的具体位置，填图结果如图8.50所示。经过以上五种填图方法的对比分析，发现SAM填图方法效果最好。但光谱特征拟合、MTMF和MF三种方法对绿帘石也有较好的显示，对他们的结果图做密度分割等操作，也能较好的提取出蛇纹石的范围，因此，以上四种方法都适合蛇纹石矿物的提取填图。图8.48 五种填图方法结果对比图8.49 绿帘石波谱匹配图8.6.2.4 绿泥石矿物的填图及效果分析选取HyMap数据，选取USGS标准波谱库中绿泥石的光谱曲线作为参考光谱。利用上面的方法提取绿泥石的具体位置，填图结果如图8.51所示。8.6.2.5 多种矿物填图情况（1）HyMap数据1情况分析依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如下（图8.52 ，图5.3）。Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比（图8.54 ，图8.55）。实验发现富铝白云母（黄颜色图例）在阈值设置为0.97和0.96时，分类效果变化非常大，由于软件对该阈值的设定只支持小数点后2位，所以不能进一步的精确，对比分析两种阈值的分类效果，得出二进制编码方法对富铝白云母的提取效果不是很好。Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.56和图8.57所示。Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如下（图8.58至图8.60）。（2）HyMap数据2情况分析依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.61所示。最小距离填图：最小距离填图的参数设置及填图效果差异如图8.62和图8.63所示。（3）模拟数据情况分析依据地面区域地质资料，在模拟的反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。图8.50 五种填图方法结果对比图8.51 三种填图方法结果对比图8.52 局部区域填图效果图8.53 整体区域填图效果图8.54 填图效果1图8.55 填图效果2图8.56 局部区域填图效果截图图8.57 整体区域填图效果图8.58 不同阈值局部地区填图效果图8.59 填图效果（Threshold＝0.001）图8.60 填图效果（Threshold＝0.005）图8.61 SAM 方法填图图8.62 参数1下效果图图8.63 参数2下效果图SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，阈值的设定情况和填图效果如图8.64所示。图8.64 SAM 填图效果Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，阈值的设定和填图效果情况如图8.65所示。多次试验发现该方法对提取chlorite和chlorite＋serpentine的效果不是很理想。图8.65 填图效果Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，阈值的设定和填图效果情况如图（其中Max Distance Error＝2000 ，图8.66）。图8.66 填图效果Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如图8.67所示。图8.67 填图效果（Threshold＝0.005）8.6.2.6 矿物信息填图结果分析综合前面的分析结果，开展了矿物信息提取结果图，为了分析矿物信息填图效果，搜集了前人对此试验区（图8.68）进行的矿物填图结果（图8.69）。图8.68 矿物信息研究的区域图图8.69 前人的矿物提取结果填图结果为开展蚀变矿物识别精度分析，可对比研究区本次提取的蚀变矿物分布图（图8.70）与前人提取的蚀变矿物信息分布图结果，逐像素进行对比（由于分辨率不同需做像素变换），如果研究区总的点数为N，本次与前人矿物分布图的结论相同就认为该点取值1，最后统计结果中1的个数n，这样蚀变矿物识别精度可定义为高光谱遥感技术原理及矿产与能源勘查应用对比分析本次矿物信息填图结果和前人矿物信息的填图结果，发现其结果并非完全一样。其中蛇纹石的填图效果一致性最高；绿帘石的分布范围一致，但本次数据的填图结果显示的范围较大；白云母的分布范围基本一致，但贫铝白云母和富铝白云母的分布范围有些混淆，经过对比分析，本次数据和前人数据填图范围的一致性达到89%，基本满足高光谱数据的填图要求。对出现误差的主要原因分析如下：1）前人数据是机载高光谱数据，空间分辨率可达到3～12m，此处的Hymap数据的空间分辨率为5m，而本次数据是模拟星载高光谱数据，空间分辨率为30m。随着分辨率的降低，单个像元所对应的地面面积将增大，导致每个像元中包含更多的矿物类型，矿物间的影响性也会增加。一方面，由于混合像元的平均效应，目标矿物在像元中的等效丰度会下降，光谱信息减弱。当像元中目标矿物的等效丰度下降到检出限以下时，矿物将不能被识别，而造成矿物分布区的外围含量较低的地段和含量较低分布区填绘面积的减少，点状集群分布区的漏识别，线状分布区的断续分布。这种效应相当于检出限的下降。另一方面，当像元中目标矿物的等效丰度在检出限以上时，会使面状矿物分布区的范围扩大、空洞的充填、相邻小区的连接，点状集群分布区的成片，线状区域的斑点效应。这两种效应的综合作用结果，空间分辨率的减小则会使强异常区（包括高丰度区和光谱反衬度较高的矿物分布区）范围的扩大、小区的相连、点群的结合，而使异常更加醒目，但其细节特征会因此消失；弱异常区（包括低丰度区和光谱反衬度较低的那些矿物分布区）和小异常区面积会缩小或漏检；线状异常可能会形成断续分布的小斑块而使线状特征和其走向变得不清晰。因此，在填图的细致程度上，分辨率越高的数据填图效果越好，这是造成填图效果差异的最主要的原因之一。图8.70 本次试验矿物信息提取填图结果2）辐射校正的精确程度。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射校正和光谱重建是地物识别不可缺少的环节。由于Hymap数据是机载高光谱数据，Hyperion数据是星载高光谱数据，对两种数据进行辐射校正的参数也是不一致的，因此，得出的反射率数据也是有差异的，这也是造成填图差异的原因之一。总之，用本次数据进行矿物填图是可行的，它可以在一定程度上对矿物的种类及分布进行识别。

谱隙 spectral gapBCS理论虽然获得很大成功,但仍有一些超导体,其实验结果与BCS理论的预言有偏离.

频谱特性(spectral characteristics) ：CCD传感器对外界不同波长的光，对应的响应系数(Responsibility)或感应强度。一般常见的摄影机最佳频谱特性，多半座落于可见光范围，即400~800nm。

一、绪言1885年Rayleigh爵士第一次证明了面波的存在。与近地表地震有关的面波类型有两种，即瑞雷波和勒夫波。斯通利波是第三种类型的面波，但它只能在地下界面上观测到，在地表自由界面处是观测不到的。面波的简单数学推导已由Grant 和West在1965年给出。一般我们认为上面定义的这两种波是独立存在的，但是在某些特定的边界条件和距离以及观测系统下它们的水平分量可以相互转化。此问题已超出了这门课所涉及的范围，此处不做详细讨论。实际上，面波振幅随着深度增加大致上呈指数衰减。这种振幅随深度增大而急剧衰减的性质正是它们被称之为面波的原因所在。在界面处它们的振幅随着传播距离的加大近似的以的关系衰减。面波研究的下面两个结果表明，地球为层状且是非均匀的。1）理论上，勒夫波的存在必须满足下列两条件之一：即速度必须是单调递增的或者在界面之上必须存在低速层。图2-3-1表示了一个发育较好的勒夫波在低速层中的传播的情况。该地震记录使用重锤作为震源，水平检波器作为接收装置。S波折射表明这个低速层仅有几英尺厚。勒夫波初至在记录的下半部分中最为显著。图2-3-1 低速层中的勒夫面波2）事实上，勒夫波和瑞雷波均能发生频散现象。因为波长大的波穿透深度深，而通常深层的速度较高，所以最大波长的波最先到达检波器。当速度随着深度的增加而增加的幅度越大，则频散现象就越厉害。例如：图2-3-2 中的左半部分频散较右半部分频散要小，深入观察图的左半部分，我们发现面波中存在两个清晰的层位。偏移距1 m处记录时间为30 ms到偏移距为20 m处记录时间为230 ms的波至可以证明上层为一低速层，其相速度约为100 m/s。而偏移距1 m处记录时间约为100 ms到偏移距为25 m记录时间为150 ms的波至可以证明下层为一高速层，其相速度约为480 m/s。这两个波列在5～15 m偏移距的距离之间相互干涉，在此范围之外长波长的波率先到达。图2-3-2 不同面波频散情况的对比图要注意的是，这些相速度分别为直达波和折射S波速度的90%左右。有时这两种不同的面波波列会出现在记录上，每一种产生于不同的地层。图2-3-2的左半部分是说明此问题的一个很好的例子。根据先前的例子我们发现，通过研究地震记录上的面波和简单计算有时可以获得有用的地质信息。然而，面波通常被勘探地震学家认为是无用的噪声。但不管怎么说，土木工程师已经开始运用面波（尤其是瑞雷面波）来研究浅层地表的工程力学性质。利用面波谱分析法（Spectral analysis of surface waves，简写为SASW），通过正演模型或反演面波速度的方法，可以获得近地表物质的刚度系数剖面。运用这些频带较宽的瑞雷波，可得到不同深度上的结果。通常科学文献中都普遍认为面波速度约为介质S波速度的0.92倍，但它忽略了与面波有很大联系的频散现象。从某种程度上说，对于泊松比为0.25的介质（典型的坚硬岩石，如：花岗岩、玄武岩和灰岩）0.92倍关系是成立的，但事实上这种层是不存在的；对于泊松比为0.0的介质，面波速度应为S波速度的0.874倍；而对于泊松比为0.5的介质，则应是0.955倍；对疏松物质，泊松比常介于0.40～0.49之间，一般假设瑞雷波速度为S波速度的0.94倍，这种假设误差小于1%。尽管我们常常认为瑞雷波速度与P波速度不相关，但是别忘了P波速度是决定泊松比的诸多因素之一。只是，瑞雷波速度对泊松比的依赖性较小，因此对P波速度的依赖也较小。面波的频率一般比体波要低，尤其在近地表研究中，由于体波的传播路径相对深层来说比较短，高频成分还没有被衰减掉。结果利用简单的低截频滤波器，就可以将面波从近地表的反射中消除。图2-3-2是一个极好的S波和面波的频率不同的例子。直达波和折射S波的主频在60Hz以上。浅层中的勒夫波的主频为40Hz以下，而穿透底下高速层的勒夫波的主频在25Hz以下。像管风琴有许多振型一样，面波也有许多振型。然而，通常基振型是最为重要的。Rix et al（1990）通过实验证明，16Hz时测区质点位移的73%由基振型提供，而在50Hz时则有87%为基振型所提供。二、面波类型1.瑞雷面波瑞雷波为垂直极化，其质点的运动轨迹在极化平面内为逆进椭圆。也就是说，在椭圆路径的顶部，质点位移的方向指向震源。对于一个离爆炸点数百米以外的观察者来说，几十磅药量的高能炸药所产生的瑞雷波，波的通过会让人产生一种“地滚动”的感觉，因此，瑞雷波常常被称为“地滚波”，实际上面波大都如此。在大多数情况下，面波在地面的传播仅限于一个波长范围之内。在某一深度处瑞雷波的振幅为零。当大于这个深度时，质点将会产生较小的反方向运动，并且呈顺时针椭圆运动方向。振幅为零点所在的面被称为波节面，其深度大小取决于泊松比的大小，例如：泊松比为0.25时，波节面位于地表以下0.19倍波长处，而当泊松比为0.45时，波节面则位于地表以下0.15倍波长处（从Grant and West，1965，所呈现的图上计算得出）。一般认为瑞雷波的运动主要是垂直方向，这是由于其与在野外工作时一般采用垂直检波器能够观测到的地滚波有关。然而水平运动分量也同样是存在的，它是在与炮点和检波点所在平面相互垂直的平面内来回振动，向外传播。在所有深度上的水平和垂直运动之比同样也取决于泊松比。例如，对于我们经常使用的地表或近地表的检波器来说，泊松比为0.25的介质，瑞雷波的垂直和水平振幅之比为1.25，而对于泊松比为0.45的介质，比值则为1.7。前面两段中我们所给出的数字，是在假设介质为弹性半空间介质时得到的。而实际上，它们在均匀介质的厚度达到地震记录上最大波长的4～5 倍时仍可使用。当检波器的埋置具有一致性，并且调节这些检波器方向的装置工作是正常时，泊松比可直接由瑞雷波水平和垂直分量的相对振幅决定。表层不均匀和均匀层厚度较小的情况比较复杂，此处不做详细讨论。在地震记录上，零偏移距处瑞雷波振幅亦并非为零。1904年，兰姆证明了在自由界面处体波的弯曲波前的绕射可以产生瑞雷波。结果导致在体波到达地表并在炮点上方一小块体积上开始绕射之前，瑞雷波是不能向外传播的。所以减小瑞雷波的一种方法就是增加震源的深度。同样，由于需要一个弯曲的初始波前面，因此在平面波波动方程的求解中，瑞雷波是不会出现的。图2-3-3 瑞雷波的频散实例在无限半空间均匀介质中，瑞雷波速度仅取决于介质的性质，此时无频散现象。当地下为层状介质或存在速度梯度时，这时瑞雷波速度随波长的变化而变化。因此，面波的频散就意味着地下为层状介质或存在速度梯度。图2-3-3是频散瑞雷波在低速层中传播的一个例子，从图中也可看到直达波和纵波。值得注意的是在大偏移距处瑞雷波的穿透深度随着波长的加大而加大。先前我们已经注意到，查看地震记录可以发现一些有用的地质信息。图2-3-3中的地震记录右边三分之一的折射波初至受到干扰，并且这种干扰也影响了瑞雷波，在图中作为附加例子标明。虽然地滚波在地质性质剧烈变化地区附近将表现出明显的扰动，但是有时即使在没有什么明显变化的前提下，也会存在明显扰动，原因是地形变化引起的静校正有时会产生同样的效果。数据中这些扰动的重要性有时通过检查沿测线的地形测量数据可以得到确定。图2-3-4是一个相对无频散瑞雷波的例子，波自炮点向外传播24m，记录时间从15ms开始到145ms结束。注意波传播过的介质是均匀的。2.勒夫波勒夫波犹如“通道波”，它仅在水平方向运动，并且运动方向与波传播方向垂直。勒夫波其本质是多样的，它源于表层为低速层时 S 波的全反射。没有低速层勒夫波便不能传播。图2-3-5 中右半部分地震记录采自于堪萨斯州，曼哈顿附近，穿过TuttleCreek水库的泄洪道，检波器置于刚因洪水冲刷而裸露出来的灰岩之上。灰岩层厚约2m，上覆有页岩与灰岩层序交替变化的厚层岩石。注意到整个记录都没有相干的勒夫面波链出现。图中左半部分地震记录采于堪萨斯州的劳伦斯附近一个具有相似厚度的页岩与灰岩交替变化层，检波器置于顶部的风化页岩之上。注意勒夫波中频散的走向。图2-3-4 均匀介质中无频散实例图2-3-5 低速层中的勒夫面波及其频散特性示意图过去，勒夫波在很大程度上被天然地震学家用于测量地壳结构。现今，一些人已经尝试着将勒夫波用于横波（S波）勘探中的近地表静校正之中（Mari，1984；Song et al，1989）。Lee和McMechan（1992）曾利用勒夫波后向散射回波对近地表非均匀介质进行了成像。勒夫波与瑞雷波相同在非零偏移距处振幅亦不为零。由于勒夫波来源于低速层底部的反射，所以从炮点到界面并最终被地表检波器所接收需要一段时间。勒夫波的这种特性或许可用来评价近地表地质状况，但据我们所知，有关这方面的研究很少。一般地，在地震记录的每个部分中都可看到勒夫波，这一事实可很好的证明地球是层状的，并且许多地方勒夫波速度都是随深度增加而增加的。由于勒夫波必须在层状介质中传播，并且有频散现象，所以可以根据这种性质来提取有关上覆层厚度、速度及层数的信息。最短波长的勒夫波速度与速度最低层中的S波速度成正比，而最大波长的勒夫波与最深层介质中的S波速度成正比。频散现象使得勒夫波振幅随距离的增大衰减稍加变快，约为。三、频散曲线瑞雷波勘探的直接成果是瑞雷波频散曲线，频散曲线的特征及其变化与地下条件，如各层的厚度，波速等密切相联系。此处给出这种变化的大致规律，并讨论影响瑞雷波频散现象的因素和几种常见异常曲线产生的原因。1.层状介质中的频散曲线特征对于无限半空间均匀介质，瑞雷波速度仅取决于介质的性质，此时无频散现象，瑞雷波速度随波长（或频率）的变化呈一条直线，如图2-3-6。当地下为层状介质或存在速度梯度时，这时瑞雷波速度随波长（或频率）的变化而变化，即存在频散现象。图2-3-7是瑞雷波在二层介质中传播时的频散曲线，图2-3-8是多层介质中的频散曲线。从图中我们不难看出，曲线变化在“整体上”大致呈单调变化，即相速度随波长的增加而增加，随频率的增加而减小，但存在着“局部”的变化，往往这些局部变化中，包含了丰富的层位信息。图2-3-6 无限半空间均匀介质图2-3-7 二层介质频散曲线2.影响频散曲线的因素正如前文所述，瑞雷波勘探的直接成果为瑞雷波频散曲线，频散曲线质量的高低又影响着反演结果，所以在此我们有必要讨论一下影响频散曲线的因素。通俗地说，频散曲线是从野外地震记录中面波信息的提取而得到的。所以，野外面波勘探中地震记录的好坏直接影响着频散曲线质量的高低。对某一测区而言，vR与采集方式和参数无关，只同介质特性有关，它的频率特性同地球介质的不均匀性有关，数值上接近于剪切波速度。因此，一般而言，vR的变化范围是一定的，影响波长大小的因素很大程度上取决于面波的频率成分。低频面波的传播特征反映了深层的信息，高频分量的特征则反映了浅层信息。这表明，频率成分是影响瑞雷波勘探的决定性因素，数据采集时应针对不同勘探目的层深度尽可能地选取不同激发方式和采集参数，以增强相应频段的面波能量。如果勘探深度很浅（如公路路面检测），则要求频率尽可能高（数百周左右），如果勘探深度较大（大于10 m），则要尽可能保留低频成分。在瞬态瑞雷波勘探中，影响面波频率成分的因素主要有以下几个方面。图2-3-8 多层介质频散曲线（1）震源的激震频率最好使用宽频带的脉冲震源，特别是在进行较深目的层勘探时，要求能激发出特别低频的能量。（2）接收检波器的频响特性在理想情况下，面波勘探用检波器的频响特性应有从零到数百甚至上千周的宽频特性，这是常用地震勘探检波器所达不到的，因此应开发适用于面波勘探的宽频检波器。（3）记录系统的频率响应目前的地震数据采集系统一般都有几周到几千周的频率响应特性，因此基本上能满足面波勘探要求，但在采集时应注意滤波档的选择。（4）时间采样率的影响根据采样定理环境地球物理教程时间采样率愈高，满足假频定理的高频成分也就愈高，同时傅氏变换后频率域的频率分辨率也愈低，即时间域的Δt愈小，频率域的Δf愈大。我们已经讲过，在一定的深度范围内相速度的变化范围是固定的，且往往不会超过一个数量级，但面波的频率成分则从几周到数百周，在极浅层勘探中甚至达到千周以上。因此由（2.3.1）式可知，当f以等间隔Δf增加时，低频段不同f对应的λR数值相差很大，而高频段不同f对应的λR数值相差则很小，这就产生了通常瞬态瑞雷波勘探中λR-vR曲线上频散点分布极不均匀的曲线特征：即高频段点很密，而低频段点特别稀少，十分不利于深层勘探的处理和解释。这就要求数据采集时根据不同的勘探目的层确定时间采样率，对于浅层和极浅层勘探来说，宜采用较高的时间采样率，而对于较深目的层的勘探则应采用低采样率，以增加频散曲线上低频段的频点数提高深层勘探的分辨率。此外解决这一问题的另一种方法是FFT变换时增加点数，从而实现增加频散曲线上低频段f的频点数，或者专门进行细化处理。除了上述与频率直接有关的因素对瞬态瑞雷波影响之外，以下因素对瞬态瑞雷波勘探也有较大的影响。（5）空间采样率的影响众所周知，在反射地震勘探中，空间采样率不仅同横向分辨率有关，同时也与纵向分辨率有关。瑞雷波勘探中，频散效应反映的是两个接收点之间介质的平均效应，这表明，空间采样率越小对介质横向变化的特性刻画越仔细，即横向分辨率愈高；另一方面，空间采样定理要求满足环境地球物理教程如果不满足上式，在波数域数据处理时就会出现空间假频；再者，即使我们不做波数域的数据处理，单从相移计算的可靠性来说，也要求满足Δx≤λR，否则所求两道间的相移就不是同一频率面波之间的相位差，从而得出错误的频散曲线。这就说明，空间采样率对垂直分辨率有影响，因此在设计采集参数时这一点要特别引起注意，特别是对浅层目标进行探测时（如高速公路路面检测），勘探深度可能只有几十公分，而速度又较高，就容易出现不满足（2.3.2）式或Δx≤λR的情况，这时Δx要根据下面的原则确定。根据半波长的经验依据以及空间采样定理（2.3.2）式或Δx≤λR，则要求Δx满足Δx≤h或Δx≤2h，才能分辨h深（或厚度）的地层。环境地球物理教程（6）多道接收时道一致性的影响根据瞬态瑞雷波勘探的原理，只有相邻道检波器接收的信号有较好的相关性时，才有可能取得好的勘探效果，因此要求接收用检波器要有良好的振幅和相位一致性，否则，道间相关性差（包括幅度和相位）就会引起频散曲线计算上的误差，并引起解释上的错误。（7）非勘探目标物体的影响如场地周围的建筑及表土以下很浅处的障碍物（如墙壁基础）会产生反射面波，影响频散曲线的计算值。上面的几个因素都有可能引起多道面波记录中道与道之间相关性变差（包括幅度和相位），这种道间的不一致在计算频散曲线时会产生计算的错误。3.几种异常曲线分析1）图2-3-9所示频散曲线中，λR等于常数或近似于常数的一段频散曲线，显然是一种异常情况。由λR=vR/f得，，对于A段曲线来说，由于λR等于常数，则f成为vR的线性函数，又因为：Δφ=，则对于A段频散曲线而言，Δφ对于所有的f都等于常数。由此我们可以知道出现频散曲线中A段异常的原因是相移Δφ等于常数产生的，显然这是不正确的。2）图2-3-10所示频散曲线中，随着频率降低vR值迅速减小，是一直受干扰极为严重的结果。它的特点是面波速度明显低于正常地层波速。产生这种结果的原因肯定是相移Δφ计算误差造成的，而Δφ计算的误差又是由面波受到严重干扰或两个检波器不一致造成的。3）图2-3-11a、b中频散曲线中的斜直线段。图2-3-11a的频散曲线完全是一个斜直线段为主的曲线；而图2-3-11b则是由正常频散曲线和斜直线段同时出现构成的。下面我们分析出现这种情况的原困。我们可以用下面的函数关系描述斜线段：环境地球物理教程这里，K、vR0为常数，又λR=vR/f，则vR=vR0+K·，变换后得=vR0，又根据vR=得图2-3-9 异常频散曲线段A图2-3-10 异常频散曲线图2-3-11 规则干扰产生的频散曲线环境地球物理教程（2.3.5）式表明：Δx与f成正比。根据傅立叶分析理论我们知道，如果信号f2（t）仅仅是f1（t）的延迟形式，那么在它们的互功率谱中，共同频率分量之间的相位差刚好与它们的频率成正比，而它们的幅度是一样的。由（2.3.5）式知，Δφ也与频率成正比，即产生斜直线段的两个记录是相同的非频散的。因为地震记录中直达波、折射波是非频散的，所以出现斜直线频散曲线的原因是直达波、折射波能量太强，因此要在数据采集时注意消除和削弱这种波。其他一些方法对于提高频散曲线质量也是可用的，包括有f-K滤波（Al-Husseini et al.，1981），窄频带滤波（Mari，1984；Herrmann，1973），和p-ω法（McMechan and Yedlin，1981；Mokhtar et al.，1988）。四、面波谱分析方法（SASW）瑞雷波的使用最具发展前景的是利用面波谱分析法去进行工程地质场地评价（Stokoe et al.，1994）。此法已被运用在公路质量评价和土木工程中对地下几米深内物质刚度测量之中。通过使用不同的范围的波长，可以对不同深度的介质进行采样。SASW法是从稳态瑞雷波法中演化而来，这种稳态瑞雷波使用一个给定频率的激振器作为震源，将单个垂直检波器自震源点逐步向外移动，最终被埋置在连续的同相位处。此时，地震波与检波器间的距离为一个波长。如果已知频率和波长，便可得对应此频率的速度。环境地球物理教程因为不同波长反映不同深度的性质，所以通过改变频率不断测量波长，来建立一条速度剖面，这是可能的。但此技术的缺点就是很耗时间。利用扫描频率和多道接收的技术在1994年已经开始被使用。信号通过快速付氏变换到频率域，在频域中计算各种频率的相位差，旅行时间差通过下式给出：环境地球物理教程对于各种频率而言，其中φ（f）是相位差，单位为弧度；f是频率，单位是赫兹；当已知检波器间的距离d时，各种频率的瑞雷波速度可由下式计算得到环境地球物理教程瑞雷波波长为：环境地球物理教程对于各种频率，这些计算结果将被画成v-λ图。通过与正演模型所得理论曲线的比较和匹配，并且经过一定的反演程序来提取出刚度参数模型。五、多道面波分析技术（MASW）多道面波分析是一个相对较新的技术，Miller et al.和Xia et al.等已经成功地使用了此技术解决了一些生产实例。该技术包括以下几方面的优点。1）震源具有便携式，可重复使用的性质，并可产生有效能量为宽频带的（2～100Hz）瑞雷面波。2）用来提取、分析一维瑞雷波频散曲线的处理程序具有稳定，灵活，好用和准确的特点。3）利用广义线性迭代反演方法结合最少的假设求得的一维近地表横波速度剖面，具有算法稳定、灵活等特点（Tian G.et al.，1997 and Xia J.et al.，1999）。4）构建了一个二维横波速度场。5）其观测系统与CDP方法类似，为一次勘探中同时利用体波反射和面波信息提供了基础（Gang Tian et al.，2003）。利用扫描震源（如可控震源）或脉冲震源（如重锤）来获取面波是很容易的。对于多道分析，原始不相关的数据是最合适的，因此，如果当频率和振幅能达到勘探目的需要时，使用扫描震源则更为可取。另一方面，脉冲震源数据需要被分解成扫描频率格式来显示频散地滚波的相速度和频率的关系。MASW方法基本的野外装置和采集程序与传统的反射波法勘探中的共中心点（CMP）测量是一致的，且在一些原则上具有相同性。MASW与传统的瑞雷波勘探在原理上是相同或相似的，只是在野外工作时采取不同的装置，以及室内处理采取不同的计算和解释方法。以下简单介绍一下MASW法中所使用的一些参数的选取原则。1.近偏移距（Near offset）好的地震波记录要求野外装置和采集参数适合于记录基振型瑞雷波，而不适合于其他类型的声波。由于近区场的影响，瑞雷波自震源向外传播某一距离后才可以被认为是水平旅行的平面波。面波以平面形式传播并不是在任何情况下都能发生，它必须满足最小偏移距（x1）大于最大需求波长（λmax）的一半，即环境地球物理教程以扫描频率格式显示的多道记录中，近区场效应使得低频处相位的连贯性较差，而且这种连贯性随着频率的增加而降低，如图2-3-12（b）。不同研究者给出不同x1和zmax的比例关系。通常为人们所接受的是面波的穿透深度约等于波长（λ），而对于能计算出合理vS的最大勘探深度zmax则认为是最大波长（λmax）的一半。因此，公式（2.3.10）应改为图2-3-12 用可控源得到的不同质量的面波记录环境地球物理教程可见，公式（2.3.11）提供了一个很好的选择小偏移距的原则。2.远偏移距（Far-offset）随着各种声波在地下的传播，面波中的高频部分很快被衰减，如果最大偏移距太大，则面波能量中的高频部分将在频谱中不占主导地位，尤其是存在体波时，由于大偏移距处高频面波的衰减造成的体波干扰被称为远区场效应。此效应限制了最高频率处相速度的测量，当根据半波长原理确定初始层数量模型之后，对于特定相速度，频率的最大值（fmax）成分通常显示出最顶层的图像。公式（2.3.12）可以用于粗略估计最浅层的最小厚度，如果想发现更小的h1，则需要减小检波器排列或偏移距（减小偏移距x1或减小道间距dx）。为了避免产生空间假频，dx不能小于最短波长的一半。环境地球物理教程式中：vRmin和λmin表示最小相速度和最小波长，与最大频率fmax相对应，虽然最终反演的vS剖面可能具有比h1更浅层，但是通常认为对于这些层的vS值是不可靠的（Rix and Leih，1991）。它们分别是：①连贯性较好；②近区场效应；③远区场效应。其中偏移距：①27m、②1.8m、③89m。3.扫频记录（A swept-frequency record）扫频记录可以通过直接或间接方式获得。在准备一条扫频记录时有三个参数需要考虑：最低记录频率f1、最高记录频率f2和频率—时间坐标的长度T或拉伸函数。而这些参数的选取又必须满足一定的原则。最低频率f1决定着勘探的最大深度，即环境地球物理教程式中vR1是频率f1所对应的相速度。最低频率（f1）通常受到检波器固有频率和震源类型的限制，如果zmax不能满足勘探深度的需要，则需要采用可产生丰富低频成分的震源或采用更低固有频率的检波器。最高频率（f2）一般取地滚波视频率的几倍，但小于噪声分析所得频率的最佳值。扫频记录的长度（T）必须足够长。近地表性质随深度变化剧烈时，较长的记录长度是必要的。而一般情况下，当f1和f2选择适当时，10s长的记录便可达到处理需要。4.拉伸函数（Stretch function）利用重锤或落重方式获得的脉冲记录r（t）可以通过拉伸函数s（t）与r（t）的卷积运算转化成扫频记录rs（t），即环境地球物理教程其中：“*”代表褶积运算。拉伸函数是一个正弦函数，它是时间的函数。s（t）通常选用与可控源勘探相似的线性扫描函数：环境地球物理教程式中f1，f2和T分别表示最低频率、最高频率和s（t）的长度。在实际工作中，这些参数通过一些预先设计好的程序是可以得到合理选取的。5.频散曲线（Dispersion curve）对于获得精确的vS剖面而言，得到频散曲线是最关键的一步。频散曲线被画在相速度—频率坐标系中（图2-3-13），两者的关系通过计算扫频记录上各频率成分线性范围内的相速度来建立。频散曲线的精度可以通过分析和去除面波数据中的噪声来得以提高。从面波地震记录中利用多道一致性可很好的分离出每种频率成分，脉冲数据则变换到频率域进行计算，进而得到频散曲线。图2-3-13 堪萨斯某水坝面波记录的频散曲线6.反演（Inversion）利用迭代法反演vS曲线（图2 3 14）需要知道频散曲线数据、泊松比及密度。广义最小二乘法使得反演方法可以自动进行，在整个反演过程中，泊松比、密度、层数和 P波速度可以是常数，只有 S 波速度是变量，进行迭代。在迭代法反演中，初始模型作为反演的起始点需要被具体化，它由 S 波速度、P波速度、密度和层数构成。在这四个参数中，横波速度对迭代法中收敛性影响最大，已经有几种方法可以确保初始vS剖面计算后收敛的可靠性和精确性。vS剖面中，必须详细说明在某一频率时横波速度（vS）与相速度（vR）的关系（vS=1.09vR），此频率所对应的深度与波长的关系为图2-3-14 迭代反演vS曲线图2-3-15 系数 a随频率变化情况环境地球物理教程式中a是随频率改变仅有很微小变化的系数，它基于图2-3-15这种广义模型。将反演得到的不同距离上的一系列一维vS曲线值，利用绘图程序（例如Surfer等），可以得到一个二维的vS剖面。图2 3 16为笔者在堪萨斯大学水坝上所获得的一条反演横波速度剖面。图2-3-16 某水坝上所得到的横波速度剖面

spectral transmittance 是光谱透射率吧，应该是指介质对于不同光谱波段的透射能力；spectral reflectance才是光谱反射率，应该是指介质对于不同光谱波段的反射能力

你好在tree里面找到simulinkextras，然后点击里面的additionalsinks,就有powerspectraldensity了。如下图：其实，一般不知道在哪里的，都可以通过如楼上所说，通过搜索找到。方式如下图：希望对你有帮助！

因为 A 乘列向量 (1,1,1.,1)^T 时 相当于把A的各行加起来构成一个列向量。我知道你是想问各行元素的和（设为a）相等，这个和等于特征值吧。特征多项式|A-rE|把从第二列开始的每一列加到第一列，就可以提出一个公因式（a-r），所以a是矩阵A的特征值。

envi中的spectralmath操作方法：首先启动ENVI，打开数据：file/openv，在右侧的工具箱Toolbox中找到波段计算工具：BandAlgebra/BandMath，双击BandMath，在弹出界面编写公式中选中添加的表达式，点击OK，在弹出的界面选择对应的波段并选择输出路径点击OK，进行计算得出结果

争议R^2）;R）的偏导数就是（-1&#47，只不过在物理上用矢量形式写的，在物理上对他求偏导数就行了，等式右边那个;R^2），（1&#47，就是（-1&#47拉普拉斯算符在数学上就是个全微分。题干不清。jpg"target="_blank"title="点击查看大图"class="ikqb_img_alink">

Blind signal separation from the observed mixed signals, in the absence of any a priori conditions, the restoration of the unknown "source" or signal. Blind signal separation has become a signal processing and communications engineering academic community of common interest-a challenging research problem, and obtained rapid development. Papers presented in a simple blind signal separation technology applications and development prospects basis on the three major branches of the blind signal separation, and separation is Juanji signals blind study comparing active part. Signals from the anti-Juanji Juanji blind separation of the original signal, signal can be used to reduce the seismic wavelet extraction. Currently son Bodi related to the methods mainly from France, polynomial extract a root law, the separation of a few spectral law. The choice of several methods to extract spectral separation blind original source signals. In the way that the original signal and system response to the separation of a few spectral series premise of mixed signals, the signals from the original purpose.

随着光谱分辨率的不断提高，光学遥感的发展过程可分为：全色（Panchromatic）→彩色（Color Photography）→多光谱（Multispectral）→高光谱（hyspectral）。区别：1、波段全色：一般使用0.5微米到0.75微米左右的单波段，即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取，因为是单波段，在图上显示是灰度图片。全色遥感影象一般空间分辨率高，但无法显示地物色彩。多光谱：将地物辐射电磁破分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息。2、图像全色：因为是单波段，在图上显示是灰度图片。全色遥感影像一般空间分辨率高，但无法显示地物色彩。实际操作中，我们经常将之与波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。多光谱：不同地物有不同的光谱特性，同一地物则具有相同的光谱特性。不同地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。航空摄影用的多光谱摄影与陆地卫星所用的多光谱扫描均能得到不同普段的遥感资料，分普段的图像或数据可以通过摄影彩色合成或计算机图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。扩展资料国际遥感界的共识是光谱分辨率在λ/10数量级范围的称为多光谱(Multispectral)，这样的遥感器在可见光和近红外光谱区只有几个波段，如美国 LandsatMSS，TM，法国的SPOT等；而光谱分辨率在λ/100的遥感信息称之为高光谱遥感(HyPerspectral)；随着遥感光谱分辨率的进一步提高，在达到λ/1000时，遥感即进入超高光谱(ultraspectral)阶段。多光谱图像处理包括光学处理和数字处理两类。光学处理有普通的照相处理、光学几何校正、分层叠加曝光、假彩色合成、电子灰度分割、相关掩模处理、物理光学处理等。数字处理是用计算机系统对原始信息进行图像辐射与几何误差的校正、特征的增强、图像配准、地物类别区分、目标特征提取等处理。二者相比，数字处理更为重要。数字处理方法灵活、速度快、重复性好、可生成高几何精度及高质量的图像。多数情况下应先将图像信号数字化，然后在计算机中进行处理。参考资料：百度百科 - 多光谱图像

1、数据读取光谱测量结果的格式为.sig，此数据类似ascii格式，可以利用写字板或记事本直接打开，可以直接导入excel。data=357.7 584.00 485.00 83.05359.3 606.00 506.00 83.50360.9 697.00 532.00 76.33362.5 676.00 504.00 74.56364.1 700.00 524.00 74.86365.7 724.00 544.00 75.14367.3 744.00 565.00 75.94368.9 768.00 584.00 76.04第一列：波长（纳米）第二列：白板测量值第三列：地物测量值第四列：反射率（百分比）数据读取：Display——Spectral Library Viewer——Import——ASCII选择.sig文件X data：Column1；Y data：Column4X data units：Nanometers右上方Export可输出结果图2、光谱平滑Toolbax——Spectral——Spectral Math输入公式：smooth（s1,5）其中s1代表光谱线，必须用s1，s2等来表示；5代表平滑的加权系数选择光谱曲线，得到平滑后结果3、一阶、二阶导数同上，使用Toolbax——Spectral——Spectral Math输入公式：deriv(s1)得到一阶微分结果输入公式：deriv(s2)得到二阶微分结果

3. Results and discussion Representative NIR spectrum of 10G1 is presented in Fig. 2. The dominant absorption bands around 1450 and 1950 nm in the spectrum are assigned to the first overtone of OH stretching and the combination of OH stretching and bending vibration, respectively. The spectral bands to be correlated with the concentration could not be specified in the raw spectra of 10G1. In order to enhance spectral features, second derivative spectra were calculated as shown in Fig. 3. In the analysis of NIR spectra, derivative spectroscopic techniques are typically utilized since baseline offsets are largely eliminated without compromising the signal-to-noise ratio [16]. Absorbance maxima in the second derivative spectrum are inverted to minima that are surrounded by a positive side-lobe on each side. The spectral region around 1392 nm is highly correlated to the concentration of 10G1 in second derivative spectra. The best-fit model was found by using MLR. The linear summation of wavelengths, which are most highly correlated to concentration, was used for MLR model. In this study, only four discrete wavelengths were investigated to develop the model to avoid overfitting. Multiple correlation coefficient (R), standard error of calibration (SEC), standard error of prediction (SEP) were calculated to evaluate the four wavelength model and find the best model. R represents the multiple correlation coefficient which is a measure of the agreement between the NIR data and actual concentration of AGs for the calibration set. The SEC and SEP were calculated for calibration set and prediction set, respectively. For each model, SEC and SEP were calculated and the results are shown in Table 2. For 10G1, the MLR model using the linear summation of four wavelength of 1392, 1532, 2320, and 2232 nm had best results, providing an SEC of 0.008 mg/ml and an SEP of 0.052 mg/ml. It is supposed that the absorbance bands around 1392 are due to combination of the second overtone of C---H stretching and C---H deformation. The bands around 1532 nm could be assigned to the first overtone of C---H stretching [9]. It is known that a region, 2083–2381 nm, contains glucose bands of high absorptivity [17]. The absorption bands around 2320 and 2232 nm in second derivative spectrum of 10G1 were assigned to glucosyl group. Using the linear summation of four wavelengths, 1392, 1532, 2320, and 2232 nm, the scatter plot shows good correlation between 10G1 concentration and NIR data in Fig. 4. Filled squares and open squares represent calibration and prediction data, respectively. The calibration and prediction data has good correlation with actual concentration and many points fall on or close to the unity line.

功率谱密度×带宽信号的功率谱密度，当波的功率频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（powerspectraldensity，PSD）；不要和spectralpowerdistribution（SPD）混淆。根据查询相关资料显示，功率谱密度×带宽信号的功率谱密度，当波的功率频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度（powerspectraldensity，PSD）；不要和spectralpowerdistribution（SPD）混淆。

（spectral characteristics of forest trees）（张玉贵）单株木或林分在阳光辐照下，辐射总量的反射分量、透射分量和吸收分量的电磁波波长分布特性。林业遥感技术主要利用林木在电磁波长为0.4～2.6微米的反射特性，但林木在8～14微米的热辐射特性，以及在电磁波谱的其他波段的光谱特性，也可开发为林业遥感应用的范围。林木光谱特性是林业遥感的物理基础。不同林木的反射特性或热辐射特性确实有一定显著性的光谱差异、空间差异及物候差异，这些差异被传感器记录在胶片或磁带上，用以识别和区分林木。林木光谱测定是指在地面或空中用光电仪器定量获得林木按波长分布的反射数据。按仪器的原理不同又分为连续（或近似连续）的光谱测定和与传感器匹配的宽通道式测定。前者主要用于对林木光谱做理论研究，后者用于预测和分析已获得的遥感数据。林木光谱数据对设计传感器，选定最佳遥感季节，指导林业分类方案，判读和分析遥感影象，都有重要意义。20世纪60年代末到70年代初期，美国等曾进行大量植物叶的光谱测定。所用仪器是室内分光光度计，测定波长为0.4～2.5微米；以测定反射率为主，同时也研究吸收率及透射率；除了探索并测定影响植物叶光谱的各种变量外，还从理论上建立了多种解释反射机制的数学模型。这是光谱测定的第一阶段。在1972年以后，由于认识到室内对植物叶的测定与现场对植冠的直接测定有相当大的差异，光谱研究人员把室内分光光度计改装为野外分光光度计，用于测定植冠光谱。这一时期，欧美的研究人员同时对植冠结构、太阳角及观测角的影响做了进一步的探索。这是光谱测定的第二阶段。由于林木高大，将仪器高举于林冠之上存在许多困难，于是出现了采样模拟测定林木光谱反射率的方式。这对选遥感波段、选最佳遥感季节及研究反射的方向特性，有一定的可行性。林木光谱测定的第三个阶段是空中实测。空中平台多数是直升机配合分光式光谱仪加数据自动记录仪。也有用气球做空中平台的。若用轻型飞机做空中平台，应配以快速取样的航空光谱仪或通道式的、与传感器通道相匹配的辐射计。中国的林木光谱测定始于1979年末，在云南省腾冲地区用直升机做空中实测，同时在地面做采样模拟测定。以后许多单位的研究人员在全国各地做了采样模拟测定。树叶的光学特性树冠和林冠的主要组分是叶。人们对树叶光学特性的研究已相当深入。树叶反射、吸收和透射辐射的方式是含水色素细胞所特有的。①树叶反射：在某一波长，反射的能量总是等于入射辐射能与透射和吸收的能量之差（图1）。此关系可用下式表达：图1 杨树的光谱特性曲线ρλ=1-（αλ+τλ）式中 ρλ为反射率；αλ为吸收率；τλ为透射率。光谱特性曲线由三个本质不同的区域组成。在0.4～0.72微米的可见光波段，叶细胞中的色素强烈地吸收光子，吸收是由色素分子中的电子能级跃迁决定的。因色素的吸收率高达90%，故可见光区域的反射和透射都很低。叶绿素在大约以0.45微米为中心的蓝波段和以0.67微米为中心红波段吸收了大部分入射能，而在两个叶绿素吸收带的中间，吸收减少，因而在0.54微米附近形成了反射峰。在绿色树叶中，a组叶绿素是参加光合作用的最后也是最主要的成分，其他辅助色素，在较短波长所吸收的光能，都要过渡给a组叶绿素。它的一个吸收带集中在0.675微米左右，确定了反射光谱中的最低谷值及色素吸收的边界。凡是降低树叶叶绿素生产的胁迫过程，如病虫害的侵袭，都将使蓝、红两个吸收带的吸收减少，反射上升，特别是在红色区域。②树叶吸收：在近红外区域，叶子吸收的入射能少于5%，典型的反射率可达40～50%。在0.74～1.3微米之间的反射高台，可用叶内结构的多重反射来解释。由于树叶的厚度、叶面角质层厚度、叶内构造差别很大，林木在近红外区域的反射差异比在可见光大得多。凡是导致叶内构造变化的差异，如病害、虫害、老化、火灾等，都会引起近红外光谱反射率的降低。③树叶透射辐射：在中红外区域（约1.3～2.6微米），树叶对辐射的吸收是由水分子的振动能级跃迁及转动能级跃迁引起的。水的基本振动吸收带在2.66微米.而在1.95、1.45、1.20、0.96微米的吸收带都是逐步次要的复合带，跃迁的可能性小，故此相应地对辐射的吸收也弱得多。但是，不仅仅是这几个水的吸收带的反射率为叶中含水量所控制，带间的区域也受含水量的强烈影响。树叶失水会使整个中红外区域的反射明显升高。多汁叶和非多汁叶在三个吸收峰之间的反射峰上（1.65和2.20微米左右），差别非常明显。整个水的吸收控制区域对污染毒害极其敏感，反射率随着毒害程度而大幅度升高。以上三个因素分别在三个区域控制着叶的反射率。这三个生物物理因素依赖于叶的类型及生长阶段。如无腹背叶肉差别的单子叶和有腹背叶肉差别的双子叶，反射率差异显著。叶成熟后，可见光反射率降低，而近红外升高。衰老叶损失了叶绿素，叶内结构发生变异，于是可见光反射率大幅度升高，而近红外有所下降。影响林冠光谱反射率的因素树冠和林冠的反射特性与树叶的反射特性有显著的差别。树冠中花、果、枝成分，由于缺乏叶绿素，反射光谱各有特点。树冠形态、叶面指数及地面覆盖率、叶面朝向及叶间距、辐照及观测方向、观测时视场限度、立地条件、物候及气象条件等都影响实际测得的林冠光谱反射率。由于影响林木光谱的因素很多，所以只能获得在某些特定的条件及环境下，对某种林木结构多次测定的统计值。植物群体本身固有的差异性及环境变量的多样性一再证明，不大可能获得对树种或森林类型普遍适用的光谱数据。光谱数据必须描述环境及测量条件的参数，才有实际意义。叶面指数及地面覆盖率叶面指数是指每单位地面面积上，从某种林木冠顶到离地面一定距离内所含有的树叶单面面积之和。但全叶面指数要从地面算起。叶面指数的增加对可见光的反射率影响不大，却可提高近红外区域的反射率。由于在可见光及中红外区域树叶吸收多，透射及反射少，两层叶就达到极限反射率；相反，在近红外6～8层叶才能达到极限反射率。当树冠覆盖率小于1，或林冠中有各种组分时，可以用下式来表示反射率：δ=（δ1A1+δ2A2+…）/A式中 δ为反射率；A1，A2，…为相应组分的面积；δ1，δ2……为相应组分的反射率；A为视场总面积。对于各种混交林，如果已知各组分的光谱值，上式可准确地计算出混交林的反射率。林冠反射分布函数及观测角林冠表面不是完全漫反射面，其反射亮度分布不是半球形。表面亮度及光谱反射率既是观测高度角的函数，又是相对于入射阳光的观测方位角的函数，还是林冠组分的光学特性及其几何分布的函数。它随树种、波长及物候而不同。光谱测定的视场限度每种林分都是由数种占不同比例的林木组分所组成。林冠光谱有一定程度的不均匀性，当视场大到足以使各种组分的统计百分比趋于稳定时，才能综合次要现象造成的不均匀性。当视场、株距比从1∶3增加到2∶1时，光谱亮度的变异系数约从0.40降到0.06。视场直径若小于树冠直径，因而只包括被阳光直射部分或阴影部分时，则长波的变异系数大于短波。因为天空散射光的辐照在短波比在长波强，故此树冠阴、阳部分的可见光亮度差别相对变小。实验表明，当视场过小，例如分辨率为42平方米时，各种森林类型的光谱数据分布重叠，方差都很大，又由于它们的均值差别都很小，致使各类光谱数据分布都很近似，误分率增加。当空间分辨率逐级降低后（82、162…平方米），各类光谱特征的方差都变小，而其均值保持不变，因此它们之间的统计重叠性降低。所以，对于以象元为积分单元的扫描或传感器，较粗的空间分辨率对林冠反而有较高的正确分类概率。当传感器的象元限度确定以后，以指导分类为目的的林冠光谱测定限度应以象元为视场标准。否则会增加失误。光谱数据的分类精度受视场的制约。实际森林类型的光谱差异针叶林与阔叶林在可见光及近红外都有明显的光谱差异。在平坦地面上，不同树种、不同龄级及不同蓄积量的人工林也都有显著的光谱差异，但是天然阔叶林、针阔叶混交林，在不同地区有不同的组合方式，形成极多的林相。林冠光谱是一个尚待开发的领域。地面测定的林冠光谱可以作为组成林冠光谱的参考数据。在中国对夏季测定的华北地区19种主要针、阔树种做两两组合的t检验（t=0.05），差异显著的组合数占总组合数的分率如表所示。夏季华北主要树种树冠光谱综合可分率表林木光谱的物候差异林木光谱的物候变化往往被其他变量因子所掩盖，反射率的绝对值的物候特征不明显（图2、图3），但全年观测的光谱数据，按波段做比值计算后，再按时期做出物候变化曲线，则物候特征十分明显。近红外波段与红波段比值曲线表达了一年内林木生命力的演变过程。最佳遥感季节是指在特定地区，各林木群落类型光谱分异最明显的季节。对非摄影的扫描遥感技术，在温带，春季是大面积不同林型光谱差异较大的季节。而对摄影遥感技术，单株树光谱差异明显的季节是秋季。图2油松、白蜡树冠光谱反射率均值在不同物候期内，针阔叶树的光谱反射率R都有差异。在红外区初夏最高，秋季较低，而在可见光区，秋季上升。林木光谱数据可用于设计传感器的波段以及制定林业航空摄影的方案，以取得最佳效果。通过比较林木的光谱差异，可以预测航空及航天遥感数据的森林分类精度。林木光谱数据还可用于分析林地植被、土壤特征，以便在图象处理中，提取尽可能多的林地特征信息。图3槐树等四种树全年测定的光谱反射率R的标准差按波长分布曲线

f = 1000/256*(0:127)<=>f=1000/256*(0:1:127)即1000/256*数组[0:1:127]

随着光谱分辨率的不断提高，光学遥感的发展过程可分为：全色（Panchromatic）→彩色（Color Photography）→多光谱（Multispectral）→高光谱（hyspectral）。 注： 全色波段（Panchromatic band），因为是单波段，在图上显示是灰度图片。全色遥感影像一般空间分辨率高，但无法显示地物色彩。 实际操作中，我们经常将之与波段影象融合处理，得到既有全色影象的高分辨率，又有多波段影象的彩色信息的影象。 全色波段，一般指使用0 多光谱遥感 多光谱遥感：将地物辐射电磁破分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息的遥感技术。 原理：不同地物有不同的光谱特性，同一地物则具有相同的光谱特性。不同地物在不同波段的辐射能量有差别，取得的不同波段图像上有差别。 优点：多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异判别地物，扩大了遥感的信息量。 航空摄影用的多光谱摄影与陆地卫星所用的多光谱扫描均能得到不同普段的遥感资料，分普段的图像或数据可以通过摄影彩色合成或计算机图像处理，获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。 高光谱 高光谱遥感起源于20世纪70年代初的多光谱遥感，它将成像技术与光谱技术结合在一起，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十乃至几百个窄波段以进行连续的光谱覆盖，这样形成的遥感数据可以用“图像立方体”来形象的描述。同传统遥感技术相比，其所获取的图像包含丰富的空间、辐射和光谱三重信息。高光谱遥感技术已经成为当前遥感领域的前沿技术 想了解更多相关信息可咨询杭州彩谱科技有限公司，产品服务：彩谱科技是一家专注于光学、颜色等光电测试技术领域的高新科技企业。推出色差仪、分光测色仪、台式分光测色仪、光泽度计等。在国内印刷、涂料、汽配、金属、家电、金标试纸、食品安全、医学检验等行业得到广泛应用。谢谢！

1.研究区蚀变遥感信息提取的主要方法（1）遥感数据预处理：根据不同地区地貌景观以及遥感数据的特点，进行遥感数据的预处理。在西天山地区建立了去除盐碱地、水域、云、云影等的干扰窗（掩膜），尽量去除这些因素对蚀变遥感异常信息提取的干扰。（2）光谱角遥感蚀变异常信息提取：光谱角识别技术（SAM，Spectral Angle Mapper）是基于整个谱形特征的相似概率大小，对蚀变矿物尤其是一些含水矿物的识别具有独到的精确性，这也是一种直接对岩石矿物的识别方法（Ben-Dor et al.，1995；Crosta et al.，1998；Drake et al.，1998；Yuhas et al.，1992）。该方法是在由岩矿光谱组成的多维光谱矢量空间，利用一个岩矿光谱矢量的角度测度函数（θ）求解岩矿参考光谱端元矢量（r）与图像像元光谱矢量（t）的相似程度，即：新疆西天山地质构造演化及铜金多金属矿床成矿环境这里，‖*‖为光谱向量的模。参考端元光谱可来自实验室、野外测量或已知类别的图像像元光谱。θ介于0到π/2，其值愈小，两者相似程度愈高，识别与提取的信息愈可靠。通过合理的阈值选择，获取蚀变信息的二值图像。（3）遥感蚀变信息制图：遥感影像图与蚀变遥感异常信息的几何校正与叠合。需要说明的是，目前遥感影像图与蚀变遥感异常信息几何校正的精度已经达到100m，完全能够满足地质工作野外实地查证的需要，按照需要的比例尺成图。目前主要是利用激光数码成像系统，进行1∶25万、1∶20万、1∶10万以及1∶5万的ETM+蚀变遥感异常图的成图。2.遥感蚀变异常信息提取技术流程根据上述遥感蚀变信息提取的主要技术方法，并结合地质成矿理论，在本次研究中采用将遥感蚀变信息与地质知识有机结合分析的技术流程，以便去除假异常，圈定有利成矿区域。其技术流程如图8-7所示。图8-7 蚀变遥感异常提取流程图

矩阵的迹等于特征值的和说法正确。矩阵的迹和特征值关系是特征值的和等于迹。1.特征值：设 A为 n阶方阵，如果数λ和 n维非零列向量 x使关系式 Ax=λ x成立，则这样的数值称为矩阵 A特征值，非零向量 x称为 A的特征向量。2.迹被定义为一个主对角元素的和。在线性代数中， nxn矩阵 A的主对角线(从左上到右下的对角线)。上面各元素的总和称为矩阵 A的迹(或迹数)，通常记为 tr (A)。3.在数学中，行列式是一个函数，其定义域为 det矩阵 A的函数，取值为标量，写成 det (A)或| A|。不管是在线性代数、多项式理论，还是在微积分学(比如换元积分法)中，行列式作为基本的数学工具，都有重要的应用。扩展：矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积 ，矩阵的分解法一般有三角分解、谱分解、奇异值分解、满秩分解等。谱分解（Spectral decomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解。

windows7不可以安装光谱层。因为光谱层(SpectralLayers)是一个用于Windows的视觉风格增强工具，可以增强窗口、按钮、文本等元素的外观，它仅支持Windows10操作系统，因此无法在Windows7上安装和使用。

QTX是专用的色卡文档格式。

　我们在录音的时候总会出现一些不可避免的小瑕疵，例如噪音，爆音，劈啪声，在条件和环境允许的情况下，通常会通过补录或重录的方式当场解决，然而对于录同期声就没这么幸运了，现场的情况错综复杂，时间也很宝贵，一些小的瑕疵通常只能寻求后期手段来补救，庆幸的是，在数字时代，这些小瑕使用iZotope RX4软件很容易进行修复！本文将向大家介绍：如何使用RX4进行降噪，修复爆音和削波。　　在《混音全揭秘》视频课程的录制过程中，其中有一个话筒专门用来录对白，同样也遇到了这些问题，笔者节选了一段对白声音音频进行讲解，演示文件可以分别下载（修复前RX_LEAM.wav和修复后RX_LEAM_FIX.wav），大家可以对比修复前和修复后的声音变化，也自己动手尝试修复。　　先听一听演示文件，分析哪些地方需要进行修复的：第一，这段对白有较明显的底噪，会影响播出效果。第二，录音时话放增益设置的不合理，导致多处有电平过载所产生的失真，30秒，34秒的地方很明显，第三，14秒的地方有一个爆音，我们逐一来解决。　　一，降低背景噪音　　背景噪音直接影响声音的清晰度，如果条件允许，尽可能在前期减少噪音而不是通过后期来补救，对于歌曲和器乐演奏来说，降噪不是必须的步骤，轻微的设备底噪完全不影响混音。对于这种较规律的背景噪音，可以用RX4中的“Denoise“插件来处理，”Denoise“是一个非常棒的采样降噪效果器。　　先来了解一下“噪音样本”的概念，采样降噪效果器在工作前首先需要让插件学习一小段噪音，作用是让插件理解我们要降低的环境噪音有有什么特点，插件根据这一段噪音样本去识别我们需要处理的声音，而我们在选择噪音样本的的时候，尽可能选择”干净”和”有代表性“的噪音以获得理想的效果，一般1-2秒就够了，也可以在录音时额外录制一小段环境噪音作为噪音样本，　　修复步骤：　　1，打开”Denoise”效果器界面　　2，用”选择工具“从素材中选择一小段环境噪音　　3，点击”Leam“按钮让插件学习噪音样本　　4，调整”Threshold“（阈值）和”Reduction“（减少）参数　　”Threshold“参数用来控制噪音处理的阈值，”Reduction“参数用来控制将噪音衰减多少，”Artifact control"参数用则来调整人工噪音的比例，通过“Preview”按钮来试听和调整参数，当参数调整合适后，点击“Process”按年即可完成处理。　　“Denoise”效果器在降噪过程中还加入了一定的人工噪音算法，使得经过降噪处理的声音能够听起来更自然，我们的目的只是降低噪音，而不是把噪音完全拿掉，至于衰减多少，需要你自己来取舍，原则是保证噪音被有效降低，并且不会出现明显的失真。　　值得一提的是：RX4中的选择工具是一个组合概念，除了时间选择（选一竖条）还可以选择一部分频率（选一小块），甚至还可以自己用鼠标画一个区域，一般情况用常规的时间选择工具选择一竖条噪音样本就可以了，其他几种方式可以自己尝试。　　二， 修复削波失真　　削波失真通常由于电平过载所产生，所以在录音前，提前规划输入电平调整好话放的增益，留出一定余量很有必要，加一个硬件的压缩器都能够避免削波的产生。如果已经出现一些轻微的削波失真，我们仍然可以通过RX4套装中的”Decilp“插件来修复。　　通过观察波形不难发现，演示文件中有多处超过0dB的地方，例如30秒和34秒的地方，声音已经明显出现失真，我们尝试用”Decilp“插件来对其进行修复。　　修复步骤：　　1，演示文件有多处削波，我们可以选中全部片段　　2，打开”Decilp”效果器界面　　3，点击“Preview”预览削波所产生的失真是否已经被修复　　4，点击“Process”进行处理　　”Threshold“参数用于识别需要修复过载的电平大小，”Makeup Gain“参数的作用是限制修复后的最大电平，类似于限制器。经过修复以后，因为电平过载而产生的削波失真已经被修复了，现在听起来很自然，接下来我们来修复14秒的地方的一个劈啪声。　　三， 修复噼啪声　　劈啪声产生的原因有很多，声卡和系统卡顿会引起爆音，交流电供电不稳也会引起爆音，出现劈啪声的原因有很多，有了RX4以后这些没有什么大不了的，使用RX4套装中的“ Spectral Repair”效果器，很容易对劈啪声进行修复。需要注意的是：如果你通常使用插件方式来使用RX4，我更建议选择一小块需要处理的地方，使用破坏性编辑的方式进行处理，因为有爆音的地方很固定，这样既不占用资源，也不会插件算法的缘故引发新问题。　　修复步骤：　　1，选中需要修复劈啪声小片段　　2，打开”Spectral Repair”效果器界面　　3，先不调整任何参数，点击“Preview”听爆音是否消失　　4，如果已经解决，点击“Process”进行处理　　5，如果爆音未被修复，更改处理模式再次预览，爆音消失后点击处理　　爆音产生原因不同，修复的算法也不一样，使用默认的参数成功将劈啪声完美修复，Spectral Repair插件中的其他几种处理模式就不一一介绍了，在处理实际问题的时候来尝试。用我们的耳朵去判断，以成功修复爆音并且不产生新问题为目标。　　至此，演示文件中的这三个问题已被成功修复，对比修复前和修复后的两个演示文件，就会知道RX4到底有多神了，需要提醒大家的是：能在录音前和录音过程中解决的问题尽量在前期解决，后期来修复只是补救措施，如果录了一条全是劈啪声和噪音的素材，就别浪费时间去修复啦，直接扔进回收站吧！

一、内容概述CASI、SASI与TASI系列是由加拿大ITRES公司研制生产的航空高光谱成像仪。CASI/SASI成像光谱传感器的具体参数指标见表1。表1 CASI/SASI系列成像光谱仪主要参数图1 CASI/SASI航空成像光谱测量系统CASI/SASI航空高光谱测量系统主要由CASI、SASI成像光谱传感器、ICU中央控制器等核心组件和一系列精确几何校正与辐射校正仪器组成。这些校正设备包括GPS、POS AV310和IMU惯导系统、ILS太阳辐照度测量仪、三轴稳定平台PAV30 等（图1）。此外，该系统自带辐射校正与几何校正软件。具有3种不同的成像模式，包括空间模式、光谱模式和全帧模式。二、应用范围及应用实例作为比较有名的几种航空高光谱传感器之一，CASI/SASI广泛应用于矿产资源勘查、生态环境监测、灾害检测与治理、城市规划、工程选址及农林业调查等领域。加拿大魁北克省北部的Ungava半岛自20世纪50年代以来曾发现许多硫化物矿床，且矿化与遭受分异作用的镁铁质-超镁铁质岩体（主要为辉长岩与橄榄岩岩床与席状岩墙）有关。这些岩床和岩墙的厚度从几米到600m不等。为了进一步开展矿产勘查工作，详细了解辉长岩、橄榄岩及沉积岩的分布情况是十分必要的。但该地区与大陆之间有海洋相隔，从地面上不易接近，因而采用遥感技术进行区域填图。图2 地形较正以前的数据分布（a）与地形校正以后的数据分布（b）及研究区5种类型岩性分布图（c）○——5种可能的端元组分的位置岛上地面被大量草地与苔藓所覆盖，岩石露头上也长有地衣。地形起伏不大，80%以上坡度小于15°，海拔1500～1750 ft。从距离海平面3628 m的高空获取了该地区的CASI辐射率数据，通过机载GPS数据进行几何校正，并按10 m的空间分辨率进行了重样采样。CASI光谱数据在440～1000 nm区间内一共有13个比较窄的波段，经仔细比较，选出了最能够反映地表目标差异的波段。此外，为了纠正地形对CASI辐射率数据的影响，还根据数字高程模型（DEM）进行了校正，取得了理想的效果。利用经过地形校正的辐射率数据所作岩性填图结果显示，由非监督分类得出的辉长岩与橄榄岩的分布（图2）总体上与已发表的地质图上相对岩性单元的分布相吻合。三、资料来源Feng J L，Benoit R，Arturo Su2043A.2003.The topographic normalization of hyperspectral data：implications for the selection of spectral end members and lithologic mapping.Remote Sensing of Environment 85，221～231

您好！场面萃取物参量 场面ID 5 259-335 05/01/29 03:42 ：41 1 J K-J证明259-335 (景幅） 日期2005-01-29 03:42 ：41.9 （时间） 仪器HRG 1 （传感器） 沿轨道0 8转移 预处理水平1A （级别） 鬼方式J 鬼带4的数字 鬼带显示HI1 HI2 HI3 HI4 获取第7 7 5 4 绝对定标增加3.332293 1.805302 5.748925 8.260865 (W/m2/sr/μm) 取向角度13.721695度（方射角） 入射角R26.118499程度（入射角） 太阳渔(程度) Azimut ： 128.536047海拔： 33.751613 （方位角） （高度角） 排数6000 映象点的数字每条线6000 希望我的答案您能够满意！谢谢！

光谱角度填图（SAM）是成像光谱图像处理技术中，对岩石矿物进行谱形识别的主要方法之一，它将光谱数据视为多维空间的矢量，利用解析方法计算象元光谱与光谱数据库光谱或象元训练光谱之间矢量的夹角，根据夹角的大小来确定光谱间的相似程度，以达到识别地物的目的，是谱型分析方法的一种，适合于岩石谱形总体相似性分析的图像分类，可以改善高光谱数据因照度和地形引起的光谱变异，其优越性是显而易见，图4-5为二维空间的光谱矢量光谱角描述。图4-5 光谱角分类的2D图示但由于仅考虑谱形，不考虑岩石的相对反射差异，就难以区分不同岩石非选择性吸收的特征。因此在应用中不同岩类有时具有相似的谱形，很难区分“异类同谱”的岩石。王志刚等（1999），从岩石实验室反射光谱的相似系数聚类分析入手，研究了光谱角度填图方法的优劣，及其产生的原因。探讨了利用均值图像参与分类的处理方案，从而改善了光谱角度填图方法的不足，获得了良好的岩性识别效果。光谱角方法（spectral angle mapper：SAM）是一种光谱的匹配技术，这种技术基于估计象元光谱与样本光谱或是混合象元中亚象元组分光谱的相似性来区分各象元点的光谱曲线。组分是混合象元中亚象元尺度上的混合类型的组分，它代表最细最纯的类型，所以它的光谱是纯净光谱。比起混合象元，它由单一的物质组成，其光谱纯净，可以用来作为具体类别的参考光谱。影像中的大部分象元是由很多类型组分组成的混合象元。光谱角分类法以运算影像象元光谱与样本参考光谱角分类法以运算影像象元光谱与样本参考光谱之间的夹角来区分类别。光谱角分类方法的原理是把光谱作为矢量投影到N维空间上，其N 维数为试验时选取的所有波段数。N维空间中，各光谱曲线被看做有方向有长度的矢量，而各光谱之间形成的夹角叫做光谱角。光谱角分类法考虑的是光谱矢量的方向而非光谱矢量的长度。由于光谱矢量的长度关联到影像亮度而光谱角分类法对亮度值的影响并不敏感。所以当计算影像光谱角的时候，光谱角分类方法仅仅需要光谱矢量的方向而不关注影像本身的亮度。