本文選題：熱紅外高光譜數(shù)據(jù)　切入點：光譜定標　出處：《紅外與激光工程》2017年01期

【摘要】：傳感器每個波段的中心波長和半高全寬(Full Width at Half Maximum,FWHM)隨成像環(huán)境變化會發(fā)生較大的系統(tǒng)性漂移。這種漂移最終會影響發(fā)射率和溫度的反演精度,尤其是在大氣吸收波段附近的發(fā)射率反演精度。選擇水汽在11.73μm處的吸收通道作為參考波段,提出了適用于熱紅外高光譜數(shù)據(jù)的光譜定標技術(shù)流程。模擬實驗表明:光譜分辨率為50 nm,中心波長偏移在-50~50 nm、FWHM變化在-25~25 nm時,大氣水汽含量對光譜定標誤差的影響最大。同時,對誤差分布曲面進行擬合得到描述誤差分布模型,用于誤差的估計。當(dāng)大氣水汽含量足夠大時,光譜中心波長偏移估算誤差可達到1 nm以內(nèi)。最后,將所提方法應(yīng)用于機載熱紅外高光譜數(shù)據(jù)光譜定標。結(jié)果顯示,熱紅外高光譜成像儀中心波長偏移為28.4 nm,FWHM變化為-18.5 nm。
[Abstract]:The full Width at Half maximum FWHM of each band of the sensor has a large systematic drift with the change of the imaging environment.This drift will ultimately affect the accuracy of emissivity and temperature inversion, especially near the atmospheric absorption band.The absorption channel of water vapor at 11.73 渭 m is selected as the reference band, and the spectral calibration process suitable for thermal infrared hyperspectral data is proposed.The simulation results show that when the spectral resolution is 50 nm and the center wavelength shift is -50 nm FWHM varies from -25 nm to 25 nm, the atmospheric water vapor content has the greatest effect on the spectral calibration error.At the same time, the error distribution model is obtained by fitting the error distribution surface, which is used to estimate the error.When the atmospheric water vapor content is large enough, the estimation error of spectral center wavelength shift can reach less than 1 nm.Finally, the proposed method is applied to the spectral calibration of airborne thermal infrared hyperspectral data.The results show that the central wavelength shift of the thermal infrared hyperspectral imager is 28.4 nm and FWHM changes to -18.5 nm.
【作者單位】： 中國科學(xué)院上海技術(shù)物理研究所中國科學(xué)院空間主動光電技術(shù)重點實驗室;
【基金】：國家高技術(shù)研究發(fā)展計劃(2012AA121103)
【分類號】：TP732

【相似文獻】

相關(guān)期刊論文 前10條

1 高陽;王雪松;程玉虎;黃飛;;基于非負稀疏嵌入投影的高光譜數(shù)據(jù)降維方法[J];中國礦業(yè)大學(xué)學(xué)報;2012年06期

2 陳新忠;胡匯涓;王雪松;;基于加權(quán)近鄰保持嵌入的高光譜數(shù)據(jù)降維方法[J];中國礦業(yè)大學(xué)學(xué)報;2013年06期

3 王旭紅;肖平;郭建明;;高光譜數(shù)據(jù)降維技術(shù)研究[J];水土保持通報;2006年06期

4 王祥濤;馮燕;陳武;;基于改進獨立分量分析的高光譜數(shù)據(jù)分類研究[J];計算機仿真;2009年11期

5 王祥濤;馮燕;吳政;;高光譜數(shù)據(jù)分類新方法研究[J];計算機工程與應(yīng)用;2010年10期

6 殷岳萌;馮燕;劉萌萌;;基于獨立分量分析和相關(guān)向量機的高光譜數(shù)據(jù)分類[J];現(xiàn)代電子技術(shù);2010年13期

7 姜小光,唐伶俐,王長耀,王成;高光譜數(shù)據(jù)的光譜信息特點及面向?qū)ο蟮奶卣鲄?shù)選擇——以北京順義區(qū)為例[J];遙感技術(shù)與應(yīng)用;2002年02期

8 張遠飛;吳德文;張艮中;朱谷昌;李紅;;高光譜數(shù)據(jù)的波段序結(jié)構(gòu)分析與應(yīng)用研究[J];國土資源遙感;2010年01期

9 肖海燕;曾輝;昝啟杰;白鈺;程好好;;基于高光譜數(shù)據(jù)和專家決策法提取紅樹林群落類型信息[J];遙感學(xué)報;2007年04期

10 曹揚;趙慧潔;黃四牛;李娜;張佩;;基于高效置信傳播的改進馬爾可夫隨機場高光譜數(shù)據(jù)分類算法[J];模式識別與人工智能;2014年03期

相關(guān)會議論文 前10條

1 郭宇龍;李云梅;;環(huán)境1號衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十七屆中國環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2013年

2 李云梅;蔣建軍;韋玉春;;利用地面實測高光譜數(shù)據(jù)評價太湖富營養(yǎng)化狀態(tài)[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 姜小光;王長耀;王成;;高光譜數(shù)據(jù)的光譜信息特點及面向?qū)ο蟮奶卣鲄?shù)選擇——以北京順義區(qū)為例[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

4 楊仁忠;馬利春;石璐;王欣;;基于GPU的高光譜數(shù)據(jù)實時處理平臺結(jié)構(gòu)設(shè)計與分析[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

5 張霞;張兵;胡方超;童慶禧;;CHRIS高光譜數(shù)據(jù)大氣自校正與儀器定標精度評價[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 李英杰;薛勇;光潔;何興偉;梅林露;王穎;徐慧;艾建文;;環(huán)境小衛(wèi)星高光譜數(shù)據(jù)在氣溶膠定量反演及沙塵監(jiān)測中的應(yīng)用初探[A];第十七屆中國遙感大會摘要集[C];2010年

7 董廣軍;;PHI高光譜數(shù)據(jù)光譜重建及城市分類應(yīng)用研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

8 曹揚;胡榮;金彬;張佩;;一種準確快速的高光譜數(shù)據(jù)光譜混合分析方法[A];第二屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2013年

9 陳軍;楊存建;許輝熙;程曦冉;;MODIS高光譜數(shù)據(jù)的初步分析和應(yīng)用探討[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

10 張萌;趙慧潔;李娜;;高光譜數(shù)據(jù)光譜分辨率對礦物識別的影響分析[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)博士學(xué)位論文 前5條

1 李興;高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

2 張兵;時空信息輔助下的高光譜數(shù)據(jù)挖掘[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

3 邢東興;基于高光譜數(shù)據(jù)的果樹理化性狀信息提取研究[D];西北農(nóng)林科技大學(xué);2009年

4 滿其霞;激光雷達和高光譜數(shù)據(jù)融合的城市土地利用分類方法研究[D];華東師范大學(xué);2015年

5 高曉惠;高光譜數(shù)據(jù)處理技術(shù)研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機械研究所）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 李志花;基于C#的冬小麥長勢高光譜數(shù)據(jù)處理系統(tǒng)開發(fā)[D];山西農(nóng)業(yè)大學(xué);2015年

2 楚萬林;基于高光譜數(shù)據(jù)的棉花生長信息模型模擬研究[D];西北農(nóng)林科技大學(xué);2015年

3 趙興;基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 鄭思遠;面向異常檢測的高光譜數(shù)據(jù)線性子空間估計[D];國防科學(xué)技術(shù)大學(xué);2013年

5 陳芳;基于HJ1A高光譜數(shù)據(jù)和CCD數(shù)據(jù)的植被信息提取方法研究[D];福建農(nóng)林大學(xué);2015年

6 姜含露;基于卷積神經(jīng)網(wǎng)的高光譜數(shù)據(jù)特征提取及分類技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

7 李素婧;面向大規(guī)模高光譜數(shù)據(jù)的半監(jiān)督地物分類方法[D];西安電子科技大學(xué);2015年

8 蘇樂樂;改進型人工免疫系統(tǒng)及其在高光譜數(shù)據(jù)處理中的應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2009年

9 喬宇;基于松馳聚類假設(shè)的高光譜數(shù)據(jù)分類研究[D];西安電子科技大學(xué);2014年

10 王鑫祿;城市高光譜數(shù)據(jù)的頻譜空間分類方法研究[D];吉林大學(xué);2010年

，

本文編號：1708245