XiaoMi-AI文件搜索系统
World File Search SystemAviris
ISRO - NASA AVIRIS – NG 在印度上空进行机载飞行科学...
成像光谱学作为一种新的地球遥感方法越来越受到关注。随着高光谱遥感器（包括机载和太空载）的出现，以及快速计算系统的高存储容量和用于存储和处理高光谱数据的先进软件，现在可以检测和量化各种地球资源材料（Goetz，2009 年）。作者和其他人（Goetz 等人，1985 年）提出的成像光谱法的原始定义是“获取数百个连续、已配准的光谱带中的图像，以便可以为每个像素导出辐射光谱”。高光谱传感器或成像光谱仪收集的独特数据既是一组空间连续的光谱，也是光谱连续的图像（Goetz 等人，1985 年）。高光谱遥感最早的应用之一是地质测绘及其在矿产勘探中的商业作用。 Staenz (2009) 记录了陆地成像光谱学的发展，该技术始于 20 世纪 70 年代末，由美国宇航局喷气推进实验室 (JPL) 和加拿大政府/私人合作伙伴（渔业和海洋部/Moniteq）共同开发，随后在美国开发了机载成像光谱仪 (AIS；Vane 和 Goetz，1988)，在加拿大开发了荧光线成像仪 (FLI；Gower 等人，1987)，并分别于 1983 年和 1984 年首次获取数据。这些活动促成了 1987 年第一台可见光和近红外
ASP11_AnnlRpt_v11.pdf - 美国国家航空航天局机载科学计划
欢迎阅读 2011 年机载科学年度报告。与 2010 年一样，今年对我们来说又是忙碌的一年，飞行时间超过 2600 小时，部署范围遍布全球。我们支持了众多卫星仪器校准和科学数据产品验证飞行、多个地球科学任务，包括两次冰桥行动部署（北极和南极）、地球探险 1 号任务、UAVSAR 研究、AVIRIS 和 MASTER 工作，仅举几例。此外，我们通过学生机载研究计划培训了另外 29 名本科生和研究生，过去三年共培训了 80 多名学生。虽然 2011 年是又一个伟大的一年，但对机载科学计划来说，这也是令人深感悲伤的一年。我们今年失去了团队的一位优秀成员，Michael Fitzgerald。我们想把这份年度报告献给迈克尔和他的家人。我们会想念他的。
最先进的卫星和机载海洋石油泄漏遥感技术：应用于 BP 深水地平线石油泄漏事件
深水地平线 (DWH) 大规模和持续性漏油事件对应急响应能力提出了挑战，需要在天气和操作层面进行准确、定量的石油评估。尽管经验丰富的观察员是溢油应急响应的中流砥柱，但训练有素的观察员人数很少，而且天气、石油乳化和场景照明几何等混杂因素也带来了挑战。广泛的机载和星载被动和主动遥感技术辅助了 DWH 溢油和影响监测。油膜厚度和油水乳化比是控制/清理的关键溢油响应参数，对于厚 (>0.1 毫米) 油膜，这些参数是从 AVIRIS（机载可见光/红外成像光谱仪）数据中定量得出的，使用基于近红外光谱吸收特征的形状和深度的光谱库方法。MODIS（中分辨率成像光谱仪）卫星，可见光谱宽带数据，表面浮油对太阳反射的调制，允许推断总浮油。多光谱专家系统使用神经网络方法提供快速响应厚度类别图。机载和卫星合成孔径雷达（SAR）提供全天空条件下的天气数据；然而，SAR 通常无法区分厚（>100 μ m）的油膜和薄油膜（至 0.1 μ m）。UAVSAR（无人驾驶飞行器 SAR）的信噪比显著提高，空间分辨率更高，可以成功区分与油膜厚度、表面覆盖率和乳化程度相结合的模式。使用 AVIRIS 研究了现场燃烧和烟羽，并证实了星载 CALIPSO（云气溶胶激光雷达和红外路径探测卫星观测）对燃烧气溶胶的观测。CALIPSO 和水深测量激光雷达数据记录了浅层地下石油，尽管需要辅助数据进行确认。机载高光谱、热红外数据具有夜间和阴天收集优势，并且与 MODIS 热数据一样被收集。然而，解释挑战和缺乏快速反应产品阻碍了其大量使用。快速反应产品是响应利用的关键——数据需求对时间至关重要；因此，高技术准备水平对于遥感产品的运营使用至关重要。DWH 的经验表明，开发和投入使用新的溢油应急遥感工具必须先于下一次重大石油泄漏事件发生。© 2012 Elsevier Inc. 保留所有权利。
高光谱遥感
Space Borne高光谱传感器的最新进展进一步增强了我们观察地球环境的能力，但在数据分析和探索方面也引入了新的挑战。这些挑战需要创新的方法和方法论，以充分利用高光谱成像在环境监测和科学研究中的潜力。高光谱传感器，例如Aviris，Hydice，Hysi，Hymap，Hyperion以及最近，Aviris-NG和Prisma，在各种领域具有显着高级的研究和应用。这些传感器为大气表征，生态系统研究，水资源管理，矿产勘探，气候研究，雪和冰科水文，沿海环境监测，土地使用/土地覆盖分析，植被图和行星研究提供了宝贵的数据。由Space Borne Platforms捕获的高光谱图像捕获的详细光谱信息提供了独特的见解，使其非常适合定量资源映射和监视。随着高光谱技术的不断发展，预计它们的潜在应用将进一步扩展，从而推动多个学科的创新。
题为“基于星载和低空空中/无人机平台的高光谱遥感——方法、数据处理方法和应用方面的差异”的特刊社论
如今，已有多种基于星载和低空空中/无人机平台的高光谱遥感传感器可用于地球科学应用，具有多种光谱和空间分辨率[1-4]。高光谱遥感图像的发展促进了新型图像处理技术的发展，并在土壤地球化学、水质评估、森林物种制图、农业压力、矿物蚀变制图等广泛领域取得了令人欣喜的成果。在过去的二十年里，不同的空间机构发射了多个星载高光谱传感器（例如，美国国家航空航天局 (NASA) 于 2000 年 11 月发射的 Hyperion；日本宇宙航空研究开发机构 (JAXA) 于 2019 年 12 月发射的高光谱成像仪套件 (HISUI)；意大利航天局 (ASI) 于 2019 年 3 月发射的高光谱应用任务前体探测器 (PRISMA)）[1,5,6]。这些传感器充分利用了高光谱数据，并带来了从噪声消除到光谱制图等数据处理方法的创新。先前的研究强调了高光谱星载传感器在识别纯目标和识别具有弱光谱特征的光谱目标方面的局限性，因为这些高光谱传感器具有粗空间分辨率（通常为 20 m 至 30 m）和较差的信噪比（例如，Hyperion 在短波电磁域中的信噪比 (SNR) 较差）[7-10]。然而，这些星载传感器在环境监测方面取得了令人鼓舞的结果（例如，森林覆盖分类、检测森林的物候变化、土地利用/土地覆盖制图、农业土地覆盖表征、作物压力估计、岩性和矿物制图 [11-13]）。高光谱图像处理解决了与分类方法相关的主要困难，例如相关数据的高维性和标准处理技术的有限可用性[14]。为了克服这些局限性，最近建立了几种机器学习算法，补充了高光谱数据处理的巨大潜力[14]。由于星载高光谱传感器缺乏全球覆盖，不同国家使用不同的先进高光谱传感器进行常规的基于飞机和无人机的高光谱调查，例如先进的可见红外光谱仪（AVIRIS）及其最新版本AVIRIS-下一代（AVIRIS-NG）；HyMap；数字机载成像光谱仪（DAIS）等。这些传感器能够收集