1、地面光谱测量的作用：①地面光谱辐射计在成像光谱仪过顶时，常用于地面野外或实验室同步观测，获取下行太阳辐射，以用于遥感器定标。

②在一些反射率转换模型中，需要引入地面光谱辐射计测取得地面点光谱来完成 DN值图像到反射率图像的转换。

③地面光谱辐射计可以为图像识别获取目标光谱和建立特征项。

但是，这时地面光谱测量要在空间尺度上与图像像元尺度相对应，且要具有代表性；另外，地面光谱测量要与高光谱图像获取条件相一致。

④通过地面光谱辐射计测量数据和地面模拟，可以帮助人们了解某一地物被高光谱遥感探测的可能性，理解其辐射特性，确定需要采用的探测波长、光谱分辨率、探测空间分辨率、信噪比、最佳遥感探测时间等重要参数。

⑤地面光谱辐射计还可以勇于地面地质填图。

它可以用于矿物的光谱吸收特征，识别地面矿物或矿物的集合，从而直接完成野外矿物填图。

⑥可以用来建立地物的表面方向性光谱反射特性。

⑦建立目标地面光谱数据与目标特性间的定量关系。

2、高光谱成像特点：①高光谱分辨率。

高光谱成像光谱仪能获得整个可见光、近红外、短波红外、热红外波段的多而窄的连续光谱，波段多至几十甚至数百个，其分辨率可以达到纳米级，由于分辨率高，数十、数百个光谱图像可以获得影像中每个像元的精细光谱。

②图谱合一。

高光谱遥感获取的地表图像包含了地物丰富的空间、辐射和光谱三重信息，这些信息表现了地物空间分布的影像特征，同时也可能以其中某一像元或像元组为目标获得他们的辐射强度以及光谱特征。

③光谱波段多，在某一光谱段范围内连续成像。

成像光谱仪连续测量相邻地物的光谱信号，可以转化城光谱反射曲线，真实地记录了入射光被物体所反射回来的能量百分比随波长的变化规律。

不同物质间这种千差万别的光谱特征和形态也正是利用高光谱遥感技术实现地物精细探测的应用基础。

3、高光谱遥感图像数据表达：①图像立方体——成像光谱信息集。

②二维光谱信息表达——光谱曲线。

③三维光谱信息表达——光谱曲线图。

（书本44页）4、成像光谱仪的空间成像方式：（1）摆扫型成像光谱仪。

摆扫型成像光谱仪由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。

扫描镜对地左右平行扫描成像，即扫描的运动方向与遥感平台运动方向垂直。

其优点：可以得到很大的总视场，像元配准好，不同波段任何时候都凝视同一像元；在每个光谱波段只有一个探测元件需要定标，增强了数据的稳定性；由于是进入物镜后再分光，一台仪器的光谱波段范围可以做的很宽，比如可见光一直到热红外波段。

其不足之处是：由于采用光机扫描，每个像元的凝视时间相对就很短，要进一步提高光谱和空间分辨率以及信噪比比较困难。

（2）推扫型成像光谱仪。

是采用一个垂直于运动方向的面阵探测器，在飞行平台向前运动中完成二维空间扫描，它的空间扫描方向是遥感平台运动方向。

其优点是：像元的凝视时间大大增加了，大大的提高系统的灵敏度和信噪比，从而能够更大地提高系统的空间分辨率和光谱分辨率；另外，由于没有光机扫描运动设备，仪器的体积相对较小。

其缺点：由于探测器器件尺寸和光学设计的困难，总视场角不可能做的很大，一般只能达到30°左右；另外，面阵CCD器件上万个探测元件的标定很困难，而且面阵器件主要集中在可见光、近红外波段。

5、高光谱图像的大气辐射校正：（1）直方图调整法。

假设清楚目标和模糊目标反射率直方图是一样的，在图像中找到清楚目标，用清楚目标的反射率直方图来调整模糊目标的反射率直方图。

由于大气散射影响只作用于短波段，对可见光意外的红外波段几乎没有，如果影像范围内存在灰度值为零的地物，其灰度直方图往往从原点开始，而其他波段的灰度直方图离原点会有一段距离，这段距离即为大气散射引起的灰度直方图漂移值，依此为改正量进行校正，相当于从每个像元灰度值中减去这个数值，其他的波段校正量可以由此类推求得。

优点：简单实用。

缺点：对于具有不同反射特征的目标物组成的混合像元，以上的做法是不成立的；气溶胶空间分布变化大时，此方法校正的结果是不正确的。

（2）黑暗目标法。

若图像存在浓密植被或水体，它们在可见光和红外具有低反射，根据其在此时特征波段的反射率和其他波段的反射率之间的相关关系，进行大气校正。

比如在ETM+/TM7波段（2.1um）左右的水体反射率应该为零，但由于大气效应往往是非零的，确定此差距，用来可以消除其他波段像元中的大气干扰。

优点：此方法方便，目前在中分辨率成像光谱仪MODIS，MERIS等数据处理中广泛应用。

缺点：图像中没有大范围分布的浓密植被或水体存在，比如北半球冬天的图像或沙漠的图像，此方法无法使用。

6、高光谱图像的几何校正：（1）高光谱图像的几何粗校正。

也称为系统校正，一般是利用各种可以预测的参数代入理论校正公式，把原始图像纠正到所要求的地图投影坐标系中去，分六个步骤完成：确定格网点得图像坐标；②计算每个格网点对应像元被扫描的时刻；③计算每个格网点对应的遥感器外方为元素；④把格网点坐标转换到地面直角坐标系；⑤把地面直角坐标系转换为地图投影坐标；⑥建立起多项式纠正变换函数。

（2）高光谱图像基于地面控制点的几何精校正。

常用于遥感图像的几何精较正方法是基于地面控制点的多项式纠正法。

该方法的原理是用GCP数据对原始图像的几何畸变过程进行数学模拟，建立原始的畸变图像空间与制图用坐标空间之间的某种对应关系；再利用这种对应关系吧畸变空间中的全部元素变换到校正图像中去，实现几何精校正。

步骤：①原始图像空间与校正空间像元间的数学关系；②多项式拟合，是把原始影像的总体变形看成是平移、缩放、旋转、偏扭等基本变形综合作用的结果，从而可以用一个适当的多项式来表达纠正前后图像相应点之间的坐标关系；③利用最小二乘原理求解多项式系数；④进行灰度重采样，方法有最近邻法、双线性插值法、三次卷积插值法。

7、光谱二值编码的方式：①分段编码；②多门限编码；③仅在一定波段进行编码；④波段组合二值编码；⑤波段组合差值编码；⑥波段组合比值编码。

8、光谱柱状图的方法：同一地物类型序列内的不同地物的原始光谱曲线R非常的相似，首先需要根据情况来放大这种差异，放大系数的设定取决于放射率之间的差异；然后，在增强的光谱反射率曲线R’基础上，建立一个从蓝到红渐变的RGB色标块图像，进行从RGB到HIS的彩色空间变换，来准确、定量地描述颜色的特征；接着，将地层光谱分辨率特性增强后的R’矩阵替换HIS彩色空间中的饱和度，经过彩色空间的反变换，就可以得到光谱柱状图。

其横坐标表示波长，不同颜色代表不同的波长位置，而颜色的饱和度即色彩的浓淡非常直观的反映其光谱反射率的高低。

（熟悉书本162页的公式）9、遥感图像分类的效果取决因素：①类别的可分性：非人为影响下地原始地物波段具有可分性是遥感图像分类的前提条件；②图像像元波段空间的维数：一般来讲，在图像波段信噪比达到一定要求的情况下，光谱波段越多，越有利于分类；③训练样本的数量：训练样本的数量越大，地物的训练特征越全面，也具有代表性，因此有利于分类；④分类器和分类方案。

10监督分类样本的选取原则和步骤：监督分类包括利用训练区样本建立判别函数的“学习”过程和把待分像元代入判别函数进行判别的过程。

对训练场地的选取具有一定原则：训练场地所包含的样本在种类上要与待分区域的类别一致。

训练样本应在各类目标地物面积较大的中心选取，这样具备代表性。

训练的样本数目应能够提供各类足够的信息和克服各种偶然因素的影响，训练的样本最少要满足能够建立分类用判别函数的要求。

所需的个数与所采用的分类方法、特征空间维数、各类的大小与分布有关，才能保证协方差矩阵的非奇异性。

11、线性光谱混合模型有哪些及其原理：①物理学描述。

像元的混合光谱是像元内部各物质成分的“纯”光谱的面积加权平均，这里的“纯”只是一个相对概念，只是在一定空间尺度内被认为其物质组成是单一的。

②代数学描述。

混合光谱的数学模型是指像元光谱矢量是其所含所有端元光谱矩阵与各端元光谱丰度矢量的乘积。

③几何学描述。

高光谱图像中的每个像元都是其L维特征空间中的一个点（L为图像的波段数），其中由一些称之为端元的点构成了高光谱图像的基本元素，图像中的所有像元都可以由这些端元线性组合而成，凸面几何学模型正是以高光谱数据在特征空间的这一特殊的几何特性为基本依据的。

12、端元提取中迭代误差分析的原理：迭代误差分析是一种不需要对原始数据进行降维或去冗余而直接对数据进行处理的端元提取算法。

在该算法中需要多次利用约束线性解混，要求得到的端元使得线性解混后误差最小。

它首先给定一个初始向量（一般为图像中所有光谱的均值向量），对图像进行约束线性解混，这样就得到误差图像。

其中误差最大的像元作为第一个端元，利用该端元对图像进行约束线性解混，得到误差图像中误差最大的像元为新的端元，再将新的端元加入到下一步的约束线性解混操作中，直至在某种准则条件下求出图像中的所有端元（如限制求取端元数或最大误差值）。

13、多源数据融合的三个层次、它们的定义以及优点和局限性：（1）数据级融合。

也就是像素级融合，是将覆盖同一地区的系列影像经空间配准后，采用一定算法生成一幅信息更丰富、更可靠的影像。

数据级融合是最低层次的图像融合，也就是在各种遥感器的原始信息未经估计、识别之前就进行信息的综合与分析，在遥感图像融合领域主要指对可见光、红外、SAR影像的原始数据所进行融合。

优点：能够保持尽可能多得原始信息，提供其他融合层次所不能提供的细微信息，对提高遥感图像分辨率非常重要。

缺点：处理信息量大，所以处理时间长，实时性差，所需代价高；由于是低层次的融合，传感器原始信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力；通信的信息量大，导致抗干扰能力差；各传感器信息须来自同质传感器、在图像融合领域要求各传感器信息之间具有精确到一个像素的校准精度。

（2）特征级融合。

是指融合前先对遥感图像数据进行特征提取，产生特征矢量，如边缘、形状、轮廓、方向、区域等，融合后做出基于融合特征矢量的属性说明。

特征级融合首先对经过预处理的高光谱图像进行特征提取——分类和亚像元分解，估计亚像元的组成和每个组分在超级像元中所占的比例，然后结合高空间图像的灰度、纹理等信息，进一步确认亚像元的组成及其在空间的位置，得到高空间分辨率的分类图。

它将高光谱图像分类技术和图像锐化相结合，充分利用了高光谱图像的精细的光谱信息，提高了地物分类的有效性和准确性，在以地物分类为目的的图像融合中更有意义，它保留了足够数量的重要信息，实现了可观的信息压缩，有利于实时处理，同时保证了一定的融合精度。

它兼容了数据级融合与决策级融合的优缺点，具有较大的灵活性。

（3）决策级融合。

三个层次中，决策级融合的层次最高，它直接对完全不同类型的遥感器或来自不同环境区域的感知信息形成局部决策并进行最后分析，以得出最终的决策。