hyperion高光谱参数_Hyperion高光谱数据预处理及其处理插件

Hyperion简介

      Hyperion传感器是搭载于美国Earth Observing-1 (EO-1)卫星上的高光谱成像光谱仪，是世界上第一个星载高光谱传感器。EO-1 卫星是NASA新千年计划的第一颗对地观测卫星，于 2000年11月21日发射，是为了接替 Landsat 7而研制的。EO-1为太阳同步轨道卫星，与 Landsat 7的轨道参数接近，高度为705km，轨道倾角为98.7°。

      由于Hyperion数据是非商业性的，虽然对全世界开放，但获取Hyperion数据并不容易。一是其价格高昂，二是此数据需要编程订购，时间较长。

1

数据特性

      Hyperion传感器获取的高光谱影像共有242 个波段，光谱范围为350～2500nm，包括35个可见光波段、35个近红外波段以及172个短波红外波段，光谱分辨率为10nm，空间分辨率30m。 其特性如下：

      我们常用的Hyperion数据为L1级产品，其数据格式为Hierarchical Data Format(HDF)，波段存储格式为BIL。L1级产品又分为L1R和L1T。L1R数据包括一个元数据文件(.MET)，一个HDF数据集文件(.L1R)，一个ENVI格式的hdr文件(.hdr)，一个辅助文件(.AUX)，一个美国联邦地理数据委员会标准元数据文件(.fgdc)，和一个README.txt文件。L1T数据包括242个TIFF格式的单波段文件，一个元数据文件(.TXT)和一个README.txt文件。

2

命名规则

EO1SPPPRRRYYYYDDDXXXML

EO1：卫星名字

S：传感器(A：ALI传感器，H：Hyperion传感器)

PPP：轨道号(WRS path)

RRR：行编号(WRS row)

YYYY：影像获得年份

DDD：影像获得日期，儒略日

X：Hyperion传感器状态(0=关，1=开)

X：ALI传感器状态(0=关，1=开)

X：AC传感器状态(0=关，1=开)

M：模式(N：Nadir，P：Pointed within path/row，K：Pointed outside path/row)

L：图像长度(F：Full scene，P：Partial scene，Q：Second partial scene，S：Swatch，另外有一些字母可能是为了保持IDs的不同)

GGG：地面接收站

VV：数据版本号

3

下载地址

地理空间数据云：http://www.gscloud.cn/

美国地质调查局：http://glovis.usgs.gov/

Hyperion数据预处理

      本次示例使用2008 年 03月20日获取的Hyperion L1R和L1T影像，其影像编号为：

EO1H1210372008080110PX，轨道号121，行号37。此外还有两景 Landsat 8 OLI影像用于对L1R影像进行几何校正，轨道号121，行号分别为37和38。其预处理流程如下图：

使用澳大利亚联邦科学与工业研究组织(CSIRO)提供的Hyperion-Workshop插件，针对Hyperion L1R高光谱遥感数据的特点，对其影像进行坏线修复、未定标和受水汽影响波段的去除、条纹去除、Smile效应降低、大气纠正等预处理。

1

坏线去除

      坏线是在传感器定标存在错误下产生的，往往是无数据或数据值非常小的一行或一列，在高光谱影像中呈现黑条。在Workshop中，利用Apply Bad Pixel List 工具进行坏线修复。原理是将坏线逐波段逐行检查并记录，然后用其相邻行或列的平均值进行修复。

2

波段剔除

     EO-1 Hyperion数据产品共有242个波段，其中198 个波段经过辐射定标处理，而没有定标波段1-7、58-76、225-242波段为0值，必须将其去除。由于VNIR 中的56-57波段与SWIR中的77-78波段重叠，但是 SWIR 中的77-78波段噪音比VNIR中的56-57波段大，因此去除SWIR中的77-78波段。另外受水汽影像较大的121-127、167-178以及224波段也要将其剔除。但是FLAASH大气校正模块需要1380nm附近受水汽影响最为严重的波段做云掩膜，所以要保留123-125波段，其中心波长分别为1376nm、1386nm、1396nm。

       在Workshop中，利用Apply Gain/Off with Ascll file 工具进行波段剔除。

3

减弱Smile效应

      所有的Hyperion产品都存在Smile效应，所谓 Smile效应是指在垂直飞行方向上，像元的波长从中心位置向两边偏移。VNIR波段和SWIR波段的光谱波长偏移量不同，VNIR的偏移范围为2.6nm-3.6nm，SWIR 的偏移范围为0.40nm-0.97nm。因此，要对Smile效应进行纠正。 

      对于Hyperion数据，Smile效应主要表现在MNF的第一或第二波段上有一个亮度梯度。如果Smile效应不严重，在MNF波段上就没有亮度梯度出现。监测 Smile效应的另外一种方法是查看大气吸收特征明显的波长(762nm)周围的波段的差值图像是否存在亮度梯度。VNIR40(752nm)和VNIR42(772nm)波段在波长762nm的两边，求它们的差值图像，图像上可以看到明显的亮度梯度。利用Workshop中的Interpolate Wavelengths(de_smile)工具来减弱 Smile 效应。

4

去条纹

      Hyperion传感器是推扫型成像光谱仪。面阵CCD 器件上的上万个探测元件的标定很困难，致使 Hyperion图像除了坏线之外，多数波段都不同程度地存在许多条纹，尤其是SWIR波段。条纹的像元DN值一般较小，但不为零。条纹的存在严重影响了图像的质量和图像的应用。 

      在Workshop中，利用Column stats d_streak工具去条纹。

5

绝对辐射亮度转换

      Hyperion的L1产品数据集，以有符号的整型数据记录，数值范围为-32767～+32767。实际上的地物辐射值很小，VNIR的最大辐射为750W/m2/sr/um，SWIR 的为350W/m2/sr/um。因此，产品生成时扩大因子，VNIR和SWIR的因子系数分别为40和80。在分析应用 Hyperion数据时，必须将像元值转换为绝对辐射值。首先，所有VNIR波段除以40，生成一个新图像文件．所有SWIR波段除以80，生成另一个新图像文件；然后，将两个图像文件合并，得到绝对辐射值图像。这里利用Band Math工具实现。

6

大气校正 

      ENVI中的FLAASH大气校正模块可以从高光谱影像提取波谱反射率，可精确地弥补大气效应，它嵌入了 MODTRAN4辐射传输代码，是高光谱影像的首选大气校正模型。FLAASH大气校正结果为乘以放大因子后的反射率数据，数据存储格式为整型。大气校正后自动去除掉水汽严重影响波段，输出波段数为176个。

7

光谱平滑 

      经过大气校正后得到的反射率光谱曲线往往包含细微的锯齿或者抖动，为了使光谱曲线更接近于真实情况，需对原光谱曲线进行平滑。这里我们使用MNF变换平滑光谱。MNF变换也是一种线性变换，本质上是含有两次叠置的主成分分析。首先进行正向MNF变换，判定哪些波段包含相关图像，用波谱子集选择“好”波段或平滑噪声波段，然后进行一个反向MNF变换。 

      对于 Hyperion 数据，需要对 VNIR 和 SWIR 波段分别进行MNF变换。本次示例中分析其特征值后选取VNIR前12个波段进行MNF反向变换，选取SWIR前8个波段进行MNF反向变换，然后将VNNIR与SWIR反向变换后的影像合成一幅新影像。

8

几何校正 

      使用覆盖L1R数据的两景Landsat 8 OLI正射数据为基准影像，选用多项式方法进行几何校正。均匀选取 13个同名地物点作物控制点，总的RMS误差为0.41个像元。

9

Hyperion L1T 数据预处理 

      总体来说，L1T数据的预处理流程与L1R数据大同小异，由于L1T数据已经做过几何校正，影像倾斜分布，非常不利于各种校正的执行，因此需将影像旋转至竖直方向处理后再旋回原始角度。那么旋转角度的确定显得尤为重要。在Arcmap中，以图像左上和左下角横纵坐标差的反切函数求得旋转角度。令△X 为为横坐标差值，△Y 为纵坐标差值，那么 

      以此旋转角进行图像旋转，之后L1T数据预处理与 L1R一致。

10

小结

      要实现对遥感图像进行分类处理，或利用遥感图像对植被参数进行反演，遥感图像预处理是一个不可缺少的过程．而且预处理结果的好坏直接关系到遥感图像的分析精度。尤其对高光谱图像，图像预处理是必须和有意义的。一方面通过预处理，降低噪音，减少大气的影响，提高图像的数据质量。另一方面，将无价值的波段从图像中去除，从而减少波段数，降低计算量，提高图像的空间数据处理效率。

      作为为数不多的开放式高光谱数据，Hyperion数据在未来高光谱遥感应用中有着举足轻重的作用，能够掌握对hyperion高光谱数据的预处理对未来进一步学习遥感知识会起到很大的促进作用。

       小编能力有限，还请指正。同时，小编也为大家整理了Hyperion-Workshop插件。

如有需要，请点击文末“”下载。