高光譜遙感

第1章 概 論
1.1 高光譜遙感的發(fā)展
1.1.1 高光譜遙感的基本概念
1.1.2高光譜遙感發(fā)展概況
1.2 高光譜遙感的研究現(xiàn)狀
1.2.1高光譜遙感影像分析
1.2.2高光譜遙感的應(yīng)用
1.3 高光譜遙感的發(fā)展趨勢
思 考 題
第2章 地物光譜數(shù)據(jù)的獲得與分析
2.1 電磁波與電磁輻射
2.1.1 電磁波譜
2.1.2 黑體輻射
2.1.3 太陽輻射
2.2 光譜測量儀器
2.2.1 野外光譜測儀
2.2.2 成像光譜儀
2.2.3 非成像光譜儀
2.2.4 地物數(shù)據(jù)的測量
2.3 地物的光譜特征
2.3.1 地物的反射類別
2.3.2 地物的反射波譜
2.3.3 典型地物光譜曲線
思 考 題
第3章 地物光譜數(shù)據(jù)的重建
3.1 大氣及其影響
3.1.1 地球大氣
3.1.2 大氣成分
3.1.3 大氣影響
3.2 大氣輻射傳輸理論
3.2.1 可見光及紅外譜段（0.4~2.5µm）
3.2.2 熱紅外波段（8~14µm）
3.3 傳感器的輻射定標(biāo)
3.3.1 實驗室定標(biāo)
3.3.2 星上定標(biāo)
3.3.3 輻射校正場定標(biāo)
3.4 大氣校正
3.4.1 基于影像特征的矯正模型
3.4.2 地面線形回歸經(jīng)驗?zāi)Ｐ?br />3.4.3 利用波段特性進行大氣校正
3.4.4 大氣輻射傳輸理論模型方法
3.5 其他輻射誤差校正
3.5.1 太陽位置引起的輻射誤差校正
3.5.2 地形起伏引起的輻射誤差校正
思 考 題
第4章 高光譜遙感數(shù)據(jù)的處理
4.1 光譜的特性選擇與提取
4.1.1 特征選擇
4.1.2 特征提取
4.1.3 特征提取算法介紹
4.1.4 類別可分性判據(jù)
4.2 光譜匹配
4.2.1 光譜數(shù)據(jù)庫
4.2.2 傳統(tǒng)模式識別匹配技術(shù)
4.2.3 基于高光譜數(shù)據(jù)庫的光譜匹配技術(shù)
4.3 光譜微分
4.3.1 光譜微分的概念
4.3.2 光譜微分的應(yīng)用
4.4 混合像元光譜分解
4.4.1 混合光譜模型的物理基礎(chǔ)
4.4.2 混合像元光譜分解模型概述
4.4.3 線性光譜分解模型概述
4.4.4 混合像元光譜分解實例分析
思 考 題
第5章 高光譜遙感圖象分類
5.1 非監(jiān)督分類
5.1.1 初始類別參數(shù)的選定
5.1.2 常用監(jiān)督分類算法
5.2 監(jiān)督分類
5.2.1 平行管道分類
5.2.2 最小距離分類
5.2.3 最大似然分類
5.2.4 神經(jīng)網(wǎng)絡(luò)分類
5.3 高光譜數(shù)據(jù)分類方法
5.4 分類精度評價
思 考 題
第6章 高光譜遙感的應(yīng)用
6.1 高光譜遙感在植被監(jiān)測中的應(yīng)用
6.1.1 植被指數(shù)的發(fā)展
6.1.2 幾種常見的植被指數(shù)
6.1.3 利用MODIS數(shù)據(jù)計算植被指數(shù)實例
6.1.4 利用高光譜估計生物變量
6.2 高光譜遙感在地質(zhì)調(diào)查中的應(yīng)用
6.3 高光譜在農(nóng)業(yè)中的應(yīng)用
6.4 高光譜在林業(yè)中的應(yīng)用
參考文獻