CN101887012B - 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 - Google Patents

基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 Download PDF

Info

Publication number
CN101887012B
CN101887012B CN2010102204772A CN201010220477A CN101887012B CN 101887012 B CN101887012 B CN 101887012B CN 2010102204772 A CN2010102204772 A CN 2010102204772A CN 201010220477 A CN201010220477 A CN 201010220477A CN 101887012 B CN101887012 B CN 101887012B
Authority
CN
China
Prior art keywords
spectrum
mineral
end member
content
random
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2010102204772A
Other languages
English (en)
Other versions
CN101887012A (zh
Inventor
闫柏琨
甘甫平
王润生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Aero Geophysical Survey & Remote Sensing Center For Land And Resources
Original Assignee
China Aero Geophysical Survey & Remote Sensing Center For Land And Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Aero Geophysical Survey & Remote Sensing Center For Land And Resources filed Critical China Aero Geophysical Survey & Remote Sensing Center For Land And Resources
Priority to CN2010102204772A priority Critical patent/CN101887012B/zh
Publication of CN101887012A publication Critical patent/CN101887012A/zh
Application granted granted Critical
Publication of CN101887012B publication Critical patent/CN101887012B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,它有七大步骤:步骤一、数据的读入;步骤二、反射峰波段的截取;步骤三、反射光谱与吸收光谱的转换;步骤四、光谱连续统去除;步骤五、光谱线性分解,得到矿物光谱分解含量;步骤六、建立矿物光谱分解含量与真实含量的统计关系;步骤七、根据步骤六建立的统计关系,将步骤五计算的矿物光谱分解含量转换为矿物真实含量。它不仅可应用于未覆盖矿物吸收谱段的高光谱数据,而且可用于谱段范围覆盖矿物吸收谱段的高光谱数据,综合应用光谱反射峰与吸收谱带进行矿物含量定量反演,提高了反演精度与准确度。本发明在高光谱遥感矿物识别领域里具有实用价值和广阔的应用前景。

Description

基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法
(一)技术领域
本发明涉及一种基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,属于高光谱遥感矿物识别领域,它适用于利用高光谱遥感数据定量识别岩石或土壤中的矿物组成及含量。
(二)背景技术
高光谱遥感具有图谱合一的特点,可根据矿物的精细光谱特征进行矿物信息的识别。目前,高光谱遥感矿物识别分为定性识别与定量识别。定性识别主要有两大类方法——基于光谱专家知识的识别方法、基于光谱相似性算法的识别方法。定量识别的方法以光谱分解为基本方法。无论是定性识别还是定量识别,上述方法均以反射光谱的吸收谱段为识别矿物的主要依据。
对于谱段范围未覆盖矿物吸收谱段的高光谱数据,常用的基于吸收谱段的矿物识别方法难以应用,需开发基于反射峰的矿物识别方法。对于谱段范围覆盖矿物吸收谱段的高光谱数据,基于反射峰的矿物识别方法同样具有重要意义,综合利用光谱反射峰与吸收谱段进行矿物定量识别,相对于单独利用吸收谱段进行矿物定量识别,可能会提高识别的精度与准确度。
中国嫦娥一号月球探测卫星携带有高光谱仪即属于谱段范围未覆盖待识别矿物吸收谱段的光谱仪,其谱段范围为0.48-0.96μm,而月壤主要矿物(斜长石、橄榄石、斜方辉石、单斜辉石、钛铁矿)的主要吸收谱段为0.8-2.0μm,常用的基于吸收谱段的矿物识别方法难以应用。0.48-0.96μm可覆盖月表主要矿物的反射峰。因此,开发基于光谱反射峰的月壤矿物定量识别方法,是利用嫦娥一号高光谱仪进行月表矿物识别的关键。
(三)发明内容
1、目的:本发明的目的是,针对目前高光谱遥感矿物含量定量反演方法中没有充分挖掘光谱反射峰中蕴含的矿物信息的问题,提供了一种基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,它不仅可应用于类似于嫦娥一号未覆盖矿物吸收谱段的高光谱数据,而且可用于谱段范围覆盖矿物吸收谱段的高光谱数据,综合应用光谱反射峰与吸收谱带进行矿物含量定量反演,提高反演精度与准确度。
2、需解决的技术问题
常用的高光谱遥感矿物识别的方法均是针对反射光谱的吸收谱段,通过识别吸收谱段的各种特征(吸收谷位置、谱形等)来识别矿物。因此,需将反射峰转换为吸收谷的谱形(将反射光谱转换为吸收光谱),才可应用高光谱遥感矿物识别的方法。例如,对反射峰直接进行去连续统处理,则反射峰的谱形的信息会被抑制,只有将反射峰转换为类似于吸收谷的谱形,连续统处理才可突出反射峰的谱形,才可能从中挖掘矿物信息。
从遥感物理的基础理论出发,反射光谱与吸收光谱的转换公式为(在没有透射的情况下)
SAbsoption=1-SRe flec tan ce ………(1)
其中,SAbsoption为吸收光谱,SRe flec tan ce为反射光谱。这一转换方法符合遥感物理的基础理论,但给数据处理带来了困难,使连续统去除这一对于抑制由于地形、照度等因素所致的光谱变异较好的方法无法应用。连续统去除的过程是对光谱进行除法运算的过程,只有反射光谱与吸收光谱转换的过程也是乘法或除法,才能通过连续统去除抑制反射光谱中包含的地形、照度等外界因素,突出其中蕴含的矿物信息。利用公式(1)计算的吸收光谱无法再运用连续统去除的方法来处理。因此,需要开发基于乘法或除法的反射光谱与吸收光谱转换方法。
另外,高光谱遥感获取的均是是多种矿物的混合光谱,并且混合特性为非线性混合。混合光谱的形成过程是光波与矿物颗粒之间反射、透射、折射、衍射、(多次与单次)散射等多种物理过程综合作用的结果,导致光谱混合为非线性混合,运用光谱线性分解模型解决非线性混合的光谱会造成较大的误差。需开发矿物光谱非线性混合效应所致的误差的修正方法。
3、技术方案
本发明针对上述需要解决的技术问题,提出了相应的解决方案。整体解决方案见附图1。本发明基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,该方法具体步骤如下:
步骤一:数据的读入
这些数据包括高光谱遥感数据与端元光谱数据,其中端元的矿物种类来自于专家知识。
步骤二:反射峰波段的截取
其截取方法为,截取介于两个吸收谱段之间的反射光谱为反射峰,截取的两个端点分别为左右两个吸收谱段的中心。
步骤三:反射光谱与吸收光谱的转换
其转换公式为,
S Absoption = S Artificial S Reflec tan ce
其中,SAbsoption为吸收光谱,SArtificial为反射率较低(小于待识别矿物的反射率)且所有波段反射率均相同的人为反射光谱(一般设定为0.01),SRe flec tan ce为反射光谱。这一公式是基于除法的反射光谱与吸收光谱转换方法,为后续的连续统去除法对光谱进行处理奠定了基础。
步骤四:光谱连续统去除
其实现方法为,光谱连续统去除(Continum Removal)是一种用于分离光谱吸收特征的光谱分析方法,广泛应用高光谱遥感中去除背景影响并分离某些特定物质的吸收特征。连续统被定义为反射光谱曲线中反射峰之间的线性连接部分,连接折线在反射光谱峰值处的外角大于180度。连续统去除即以反射光谱除以连续统光谱,如下公式所示。
R cr = R R c
其中,Rcr为连续统去除后的吸收光谱,R吸收光谱,Rc为吸收光谱的连续统。经过连续统去除之后,端点处反射率为1,端点之间反射率均小于1。
步骤五:光谱线性分解
其实现方法为,混合光谱是由各组成矿物端元光谱线性混合而成,各组成矿物光谱在混合光谱中的比例就是岩石表面该矿物面积占岩石面积的比例,光谱分解就是求取该面积比例,将其视为矿物在岩石中的体积百分含量;线性混合数学表达式为
w mix = Σ i = 1 η a i w i + δ
其中wmix为混合光谱(单次散射反照率光谱),ai为各个混合端元的含量,wi为各端元的光谱,δ混合误差,i为端元的编号,η为端元总数。
光谱分解就是在已知wmix、wi的情况下求解ai。求解矿物含量就是求解均方根最小值的过程,均方根表达式为
RMS = Σ j = 1 m δ ( λ ) j 2 / m
在光谱分解的过程中,加入两个约束条件,分别为各端元含量总和为100%以及各端元含量为0~100%。端元光谱采用USGS光谱库中的光谱,端元种类可以综合利用高光谱数据端元提取算法与一些先验知识来确定。
对混合光谱与端元光谱经过步骤一至步骤四的处理之后,即可用上述方法进行分解。在光谱分解中加入所有波段均为1的端元,代表“无明显反射峰”的矿物端元。“无明显反射峰”的矿物端元的光谱无论反射率大小,经过去连续统之后反射率在所有波段均为1(实际数据由于噪声的影响,并不严格等于1,而是接近于1)。
步骤六:建立矿物光谱分解含量与真实含量的统计关系
其实现方法为,
(1)根据如下公式,将各端元反射光谱光谱转换为单次散射反照率
S = 1 - ( 1 - R 1 + R ) 2
其中,S为单次散射反照率,R为反射率。
(2)基于端元光谱随机生成混合光谱,在各端元含量为0-100%以及所有端元含量之和为100%的约束条件下,随机生成各端元的含量值,为使建立的统计关系具有统计意义,需随机生成一定数量的端元含量值。
(3)基于各端元矿物的单次散射反照率以及随机生成的各端元矿物的含量值,计算随机混合单次散射反照率,计算公式如下
S Mix = Σ i = 1 N A i S i
其中,SMix为随机混合单次散射反照率,i为各端元编号,Ai为随机生成的各端元的含量值,Si为各端元的单次散射反照率。
(4)根据如下公式,将随机混合单次散射反照率转换为随机混合反射率
R Mix = 1 - 1 - S Mix 1 - 1 + S Mix
其中,RMix为随机混合反射率,SMix为随机混合单次散射反照率。
(5)利用步骤一至步骤五的方法对随机混合反射光谱进行分解,计算其光谱分解含量
(6)建立光谱分解含量与真实含量(各端元的随机含量值)的统计关系,统计公式一般为二次多项式。
步骤七:根据建立的步骤六建立的统计关系,将步骤五计算的矿物光谱分解含量转换为矿物真实含量;其实现方法为,利用步骤一至步骤五的方法,对光谱反射峰进行处理,计算其光谱分解含量,之后根据步骤六建立的统计关系,将计算的矿物光谱分解含量转换为矿物真实含量。
4、优点及功效:本发明基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,它与现有技术比,其主要优点是:充分挖掘了光谱反射峰中蕴含的矿物含量信息,提高了高光谱遥感矿物信息识别的定量化程度、可靠性与准确度。
(四)附图说明
图1为本发明基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法的实现流程示意图。
(五)具体实施方式
见图1,为了更好的说明本发明基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,利用橄榄石、单斜辉石、斜方辉石、斜长石四种矿物组成的混合体系进行试验。
(1)试验所用的设备为工作站,规格型号为Dell Precision 4700,操作系统为WindowsXP(64位),CPU为2.66GHz,内容为32GB,硬盘为1T。
(2)具体步骤如下:
步骤一,读入由四种矿物组成的混合体系的反射光谱(一共为43条混合光谱),以及四种矿物(橄榄石、单斜辉石、斜方辉石、斜长石)的端元光谱。
步骤二,截取0.48-0.96μm谱段内的反射光谱为橄榄石、单斜辉石、斜方辉石、斜长石的反射峰谱段;
步骤三,将反射光谱转换为吸收光谱;
其转换公式为,
S Absoption = S Artificial S Reflec tan ce
其中,SAbsoption为吸收光谱,SArtificial为反射率较低(小于待识别矿物的反射率)且所有波段反射率均相同的人为反射光谱(一般设定为0.01),SRe flec tan ce为反射光谱。其结果是:将反射峰谱形转换为吸收谱段谱形;
步骤四,对吸收光谱进行连续统去除处理;
连续统被定义为反射光谱曲线中反射峰之间的线性连接部分,连接折线在反射光谱峰值处的外角大于180度。连续统去除即以反射光谱除以连续统光谱,如下公式所示。
R cr = R R c
其中,Rcr为连续统去除后的吸收光谱,R吸收光谱,Rc为吸收光谱的连续统。经过连续统去除之后,端点处反射率为1,端点之间反射率均小于1。其结果是:突出了反射峰的光谱谱形,压制了地形、照度等外界因素对光谱的影响;
步骤五,对去连续统后的光谱进行分解,得到光谱分解含量;
光谱分解就是求取矿物面积占岩石面积的比例,将其视为矿物在岩石中的体积百分含量;线性混合数学表达式为
w mix = Σ i = 1 η a i w i + δ
其中wmix为混合光谱(单次散射反照率光谱),ai为各个混合端元的含量,wi为各端元的光谱,δ混合误差,i为端元的编号,η为端元总数。
光谱分解就是在已知wmix、wi情况下求解ai。求解矿物含量就是求解均方根最小值的过程,均方根表达式为
RMS = Σ j = 1 m δ ( λ ) j 2 / m
在光谱分解的过程中,加入两个约束条件,分别为各端元含量总和为100%以及各端元含量为0~100%。端元光谱采用USGS光谱库中的光谱,端元种类可以综合利用高光谱数据端元提取算法与一些先验知识来确定。
对混合光谱与端元光谱经过步骤一至步骤四的处理之后,即可用上述方法进行分解。在光谱分解中加入所有波段均为1的端元,代表“无明显反射峰”的矿物端元。“无明显反射峰”的矿物端元的光谱无论反射率大小,经过去连续统之后反射率在所有波段均为1(实际数据由于噪声的影响,并不严格等于1,而是接近于1)。其结果是:得到了四种端元矿物的光谱分解含量,橄榄石、斜方辉石、单斜辉石、斜长石光谱分解含量与真实含量之差平均分别约为25%、11%、7%、23%(单位均为体积百分含量);
步骤六,建立矿物光谱分解含量与真实含量的统计关系;
(1)根据如下公式,将各端元反射光谱光谱转换为单次散射反照率
S = 1 - ( 1 - R 1 + R ) 2
其中,S为单次散射反照率,R为反射率。
(2)基于端元光谱随机生成混合光谱,在各端元含量为0-100%以及所有端元含量之和为100%的约束条件下,随机生成各端元的含量值,为使建立的统计关系具有统计意义,需随机生成一定数量的端元含量值。
(3)基于各端元矿物的单次散射反照率以及随机生成的各端元矿物的含量值,计算随机混合单次散射反照率,计算公式如下
S Mix = Σ i = 1 N A i S i
其中,SMix为随机混合单次散射反照率,i为各端元编号,Ai为随机生成的各端元的含量值,Si为各端元的单次散射反照率。
(4)根据如下公式,将随机混合单次散射反照率转换为随机混合反射率
R Mix = 1 - 1 - S Mix 1 - 1 + S Mix
其中,RMix为随机混合反射率,SMix为随机混合单次散射反照率。
(5)利用步骤一至步骤五的方法对随机混合反射光谱进行分解,计算其光谱分解含量。
(6)建立光谱分解含量与真实含量(各端元的随机含量值)的统计关系,统计公式为二次多项式。其结果是:橄榄石、单斜辉石、斜方辉石、斜长石四种矿物真实含量与光谱分解含量的统计公式分别为(x为真实含量、y为光谱分解含量):
橄榄石:y=1.07x2-0.42x+0.015(相关系数为0.93);
单斜辉石:y=0.627x2+0.37x-0.01(相关系数为0.99);
斜方辉石:y=-0.652x2+1.49x+0.06(相关系数为0.98);
斜长石:y=0.561x2+0.112x+0.297(相关系数为0.62)。
步骤七,将步骤五计算的光谱分解含量转换为矿物真实含量;
利用步骤一至步骤五的方法,对光谱反射峰进行处理,计算其光谱分解含量,之后根据步骤六建立的统计关系,将计算的矿物光谱分解含量转换为矿物真实含量。其结果是:橄榄石、斜方辉石、单斜辉石、斜长石反演的含量与真实含量之差平均分别约为13.7%、4.8%、2.5%、12%(单位均为体积百分含量)。

Claims (1)

1.一种基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法,其特征在于:该方法具体步骤如下:
步骤一:数据的读入
这些数据包括高光谱遥感数据与端元光谱数据;
步骤二:反射峰波段的截取
其截取方法为,截取介于两个吸收谱段之间的反射光谱为反射峰,截取的两个端点分别为左右两个吸收谱段的中心;
步骤三:反射光谱与吸收光谱的转换
其转换公式为,
Figure FSB00000540006400011
其中,SAbsorption为吸收光谱,SArtificial为反射率较低且所有波段反射率均相同的人为反射光谱,SReflectance为反射光谱;
步骤四:光谱连续统去除
其实现方法为,光谱连续统去除是一种用于分离光谱吸收特征的光谱分析方法,连续统被定义为光谱曲线中反射峰之间的线性连接部分,连接折线在反射光谱峰值处的外角大于180度;连续统去除即以吸收光谱除以连续统光谱,如下公式所示:
其中,Rcr为连续统去除后的吸收光谱,SAbsorption为吸收光谱,Rc为吸收光谱的连续统;经过连续统去除之后,端点处反射率为1,端点之间反射率均小于1;
步骤五:光谱线性分解
其实现方法为,混合光谱是由各组成矿物端元光谱线性混合而成,各组 成矿物光谱在混合光谱中的比例就是岩石表面该矿物面积占岩石面积的比例,光谱分解就是求取该面积比例,将其视为矿物在岩石中的体积百分含量;线性混合数学表达式为
Figure FSB00000540006400021
其中wmix为混合光谱即单次散射反照率光谱,ai为各个混合端元的含量,wi为各端元的光谱,δ混合误差,i为端元的编号,η为端元总数;
光谱分解就是在已知wmix、wi的情况下求解ai,求解矿物含量就是求解均方根最小值的过程,均方根表达式为
Figure FSB00000540006400022
在光谱分解的过程中,加入两个约束条件,分别为各端元含量总和为100%以及各端元含量为0~100%;端元光谱采用USGS光谱库中的光谱,端元种类可以综合利用高光谱数据端元提取算法与一些先验知识来确定;
对混合光谱与端元光谱经过步骤一至步骤四的处理之后,即可用上述方法进行分解,在光谱分解中加入所有波段均为1的端元,代表“无明显反射峰”的矿物端元;“无明显反射峰”的矿物端元的光谱无论反射率大小,经过去连续统之后反射率在所有波段均为1;
步骤六:建立矿物光谱分解含量与真实含量的统计关系
其实现方法为,
(1)根据如下公式,将各端元反射光谱转换为单次散射反照率
Figure FSB00000540006400023
其中,S为单次散射反照率,R为反射率;
(2)基于端元光谱随机生成混合光谱,在各端元含量为0-100%以及所有端元含量之和为100%的约束条件下,随机生成各端元的含量值,为使建立的统计关系具有统计意义,需随机生成一定数量的端元含量值; 
(3)基于各端元矿物的单次散射反照率以及随机生成的各端元矿物的含量值,计算随机混合单次散射反照率,计算公式如下
Figure DEST_PATH_FSB00000562984900011
其中,SMix为随机混合单次散射反照率,i为各端元编号,Ai为随机生成的各端元的含量值,Si为各端元的单次散射反照率;
(4)根据如下公式,将随机混合单次散射反照率转换为随机混合反射率
Figure DEST_PATH_FSB00000562984900012
其中,RMix为随机混合反射率,SMix为随机混合单次散射反照率;
(5)利用步骤一至步骤五的方法对随机混合反射光谱进行分解,计算其光谱分解含量;
(6)建立光谱分解含量与真实含量的统计关系,统计公式为二次多项式;
步骤七:根据建立的步骤六建立的统计关系,将步骤五计算的矿物光谱分解含量转换为矿物真实含量,其实现方法为,利用步骤一至步骤五的方法,对光谱反射峰进行处理,计算其光谱分解含量,之后根据步骤六建立的统计关系,将计算的矿物光谱分解含量转换为矿物真实含量。 
CN2010102204772A 2010-06-28 2010-06-28 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 Expired - Fee Related CN101887012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102204772A CN101887012B (zh) 2010-06-28 2010-06-28 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102204772A CN101887012B (zh) 2010-06-28 2010-06-28 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法

Publications (2)

Publication Number Publication Date
CN101887012A CN101887012A (zh) 2010-11-17
CN101887012B true CN101887012B (zh) 2011-11-09

Family

ID=43073016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102204772A Expired - Fee Related CN101887012B (zh) 2010-06-28 2010-06-28 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法

Country Status (1)

Country Link
CN (1) CN101887012B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736706A (zh) * 2019-10-09 2020-01-31 北京航空航天大学 一种面向高光谱遥感室内成像仿真的戈壁模拟场景制作方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916377B (zh) * 2010-07-15 2012-12-05 北京航空航天大学 一种基于光谱知识的矿物信息智能识别方法
CN102944524B (zh) * 2011-08-14 2015-05-06 北京理工大学 一种用于油气勘探的光谱库的实现方法
CN102721650B (zh) * 2012-06-13 2014-05-14 中国地质科学院矿产资源研究所 基于特征指标的矿物成分遥感信息提取方法及装置
CN103903225B (zh) * 2012-12-25 2016-12-28 核工业北京地质研究院 一种用于白云石信息提取的高光谱影像处理方法
CN103335968B (zh) * 2013-06-25 2015-04-01 中国科学院遥感与数字地球研究所 基于背景光谱去除的高光谱解混方法
CN103940750B (zh) * 2014-04-21 2016-06-01 上海交通大学 盐渍土光谱曲线可见光波段遥感反演构建方法
CN105372298A (zh) * 2014-08-24 2016-03-02 中国石油集团渤海钻探工程有限公司 一种地层岩石矿物成分的分析方法
CN104964931B (zh) * 2015-06-10 2017-07-21 中国科学院遥感与数字地球研究所 一种火星表面含水矿物定量反演方法
CN104931434B (zh) * 2015-07-13 2017-11-14 北京航空航天大学 一种光谱匹配方法
CN106056044B (zh) * 2016-05-19 2019-03-29 北京环境特性研究所 一种基于端元丰度反演的高光谱图像发射率光谱提取方法
CN106568737B (zh) * 2016-10-28 2019-10-22 核工业北京地质研究院 一种地面成像高光谱反演钾盐含量的方法
CN108020321B (zh) * 2016-10-31 2019-10-22 核工业北京地质研究院 一种基于发射率光谱指数模型定量反演岩石SiO2含量的方法
CN108007871B (zh) * 2016-10-31 2020-08-21 核工业北京地质研究院 一种基于一元二次回归模型定量反演岩石SiO2含量的方法
CN108007891B (zh) * 2016-10-31 2020-10-23 核工业北京地质研究院 一种基于四元二次回归模型定量反演岩石SiO2含量的方法
CN107389571B (zh) * 2017-07-21 2019-06-14 中国科学院遥感与数字地球研究所 一种矿物组分高光谱遥感精细鉴别方法
CN108664899B (zh) * 2018-04-19 2021-08-24 中兵勘察设计研究院有限公司 一种基于模型驱动和rvm回归的高光谱图像混合像元分解方法
CN112304918B (zh) * 2019-07-30 2022-04-01 同方威视技术股份有限公司 基于拉曼光谱识别混合物的方法和装置及拉曼光谱检测设备
CN110376139A (zh) * 2019-08-05 2019-10-25 北京绿土科技有限公司 基于地面高光谱的土壤有机质含量定量反演方法
CN111521579B (zh) * 2020-05-07 2023-02-24 中国自然资源航空物探遥感中心 一种基于高光谱遥感数据的白云母及其光谱端元识别方法
CN111738562A (zh) * 2020-05-29 2020-10-02 核工业北京地质研究院 一种选择砂岩铀矿优势层位的方法
CN113281276B (zh) * 2021-04-26 2022-12-13 中国自然资源航空物探遥感中心 一种矿石组分信息提取方法、设备及存储介质
CN114813709B (zh) * 2022-06-28 2022-10-04 华谱智能科技(天津)有限公司 土壤成分检测方法、设备及系统
CN115112575B (zh) * 2022-06-29 2023-03-24 中国地质科学院地质研究所 一种多类型光谱变异下月表矿物含量定量反演方法及装置
CN117828397B (zh) * 2023-12-26 2024-07-12 山东大学 协同多元光谱的隧道岩石矿物识别方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6052187A (en) * 1998-08-31 2000-04-18 Containerless Research, Inc. Hyperspectral polarization profiler for remote sensing
CN100344948C (zh) * 2003-12-30 2007-10-24 中国科学院上海技术物理研究所 一种实现航空高光谱遥感飞行地面同步定标及反射率转换的方法
CN1595110A (zh) * 2004-06-29 2005-03-16 中国国土资源航空物探遥感中心 高光谱多端元线性拟合矿物识别与矿化指示方法
CN1317551C (zh) * 2004-06-29 2007-05-23 中国国土资源航空物探遥感中心 基于光谱混合组成的高光谱矿物极大相关识别方法
US8033879B2 (en) * 2007-12-29 2011-10-11 Kal K Lambert Biophysical geoengineering compositions and methods
CN101551471B (zh) * 2009-05-19 2012-01-18 中国国土资源航空物探遥感中心 一种高光谱遥感矿物含量定量反演方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736706A (zh) * 2019-10-09 2020-01-31 北京航空航天大学 一种面向高光谱遥感室内成像仿真的戈壁模拟场景制作方法

Also Published As

Publication number Publication date
CN101887012A (zh) 2010-11-17

Similar Documents

Publication Publication Date Title
CN101887012B (zh) 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法
Qu et al. Global distribution of methane emissions: a comparative inverse analysis of observations from the TROPOMI and GOSAT satellite instruments
CN101551471B (zh) 一种高光谱遥感矿物含量定量反演方法
Peiro et al. Four years of global carbon cycle observed from the Orbiting Carbon Observatory 2 (OCO-2) version 9 and in situ data and comparison to OCO-2 version 7
CN107478580B (zh) 基于高光谱遥感的土壤重金属含量估算方法及装置
Pennington et al. Modeling secondary organic aerosol formation from volatile chemical products
CN101986139B (zh) 一种基于反射光谱小波变换的植被参数遥感反演方法
Kopačková et al. Modelling diverse soil attributes with visible to longwave infrared spectroscopy using PLSR employed by an automatic modelling engine
Meng et al. Grid-independent High Resolution Dust Emissions (v1. 0) for Chemical Transport Models: Application to GEOS-Chem (version 12.5. 0)
Stadtler et al. Isoprene-derived secondary organic aerosol in the global aerosol–chemistry–climate model ECHAM6. 3.0–HAM2. 3–MOZ1. 0
CN103033481A (zh) 基于fft的激光分析仪二次谐波滤波方法
CN103543132B (zh) 一种基于小波变换的煤质特性测量方法
Landre et al. Prediction of total silicon concentrations in French soils using pedotransfer functions from mid-infrared spectrum and pedological attributes
Gaffney et al. Characterization of fine mode atmospheric aerosols by Raman microscopy and diffuse reflectance FTIR
Paatero et al. Utilizing wind direction and wind speed as independent variables in multilinear receptor modeling studies
CN102645279A (zh) 月表矿物的干涉成像光谱仪高光谱数据模拟方法
CN110031406B (zh) 一种大气-海洋耦合系统光学浅水遥感信号敏感性分析方法
Cluzet et al. CrocO_v1. 0: A particle filter to assimilate snowpack observations in a spatialised framework
Kanbar et al. Tracking mineral and geochemical characteristics of Holocene lake sediments: the case of Hotagen, west-central Sweden
CN102967589B (zh) 基于微分谱的多组份三维荧光混叠光谱数据处理方法
Jacobi et al. Forcing mechanisms of the 6 h tide in the mesosphere/lower thermosphere
Guan et al. Characteristics of interannual variability in space-based XCO 2 global observations
Weygandt et al. Scale sensitivities in model precipitation skill scores during IHOP
Chalaux-Clergue et al. Sensitivity of source sediment fingerprinting to tracer selection methods
Wang et al. Development of four-dimensional variational assimilation system based on the GRAPES–CUACE adjoint model (GRAPES–CUACE-4D-Var V1. 0) and its application in emission inversion

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20111109

Termination date: 20130628