高光谱遥感的应用课件

第九章 高光谱遥感应用 本章主要介绍高光谱遥感应用在植被，地质，水体，农业，林业，矿山，城市等地区，以及具体的应用实例。1第九章 高光谱遥感应用 本章主要介绍高光谱遥感应一、在植被中的应用一、在植被中的应用l利用高光谱遥感数据提取生物物理参数主要是指用于陆地生态系统研究中的一些生物物理变量，比如：叶面积指数（LAI），生物量，植物种类，植冠郁闭度，光合有效辐射，净生产率及其它冠层结构参数等。9.1 高光谱遥感应用的领域高光谱遥感应用的领域2一、在植被中的应用利用高光谱遥感数据提取生物物理参数主要是指l植被指数是植被监测应用的重要参数之一，通过高光谱遥感植被指数技术可以提取植物生物物理参数的定量信息。l植被指数（Vegetation Index）的定义：是指通过多/高光谱遥感数据波段的线性或非线性组合，定量描述地球表面植被状况的一种光谱特征度量指标。l植被指数的作用：已被广泛用来定性和定量评价植被覆盖及其生长状况。另外，有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物灾害预报等方面。植被指数植被指数3植被指数是植被监测应用的重要参数之一，通过高光谱遥感植被指数l1）Pearson等于1972年提出了比值植被指数RVI，它是基于植被在红光波段处叶绿素强烈吸收太阳光谱，而在近红外波段处植被叶细胞结构强烈反射太阳光谱这一植被的生物物理机理而提出的。l缺点：RVI没有考虑大气等外部环境的影响，因此RVI对大气影响很敏感。由于没有考虑土壤背景的影响，只适用于植被覆盖浓密的情况，当植被分布较稀疏时，RVI效果并不理想。41）Pearson等于1972年提出了比值植被指数RVI，它l2）Pinty等在1993年提出归一化差异植被指数NDVI，对绿色植被表现敏感，常被用来进行区域和全球的植被状态研究。l为了改进NDVI，人们又提出了其他一些植被指数，主要是将各波段反射率以不同形式进行组合来消除外界的影响因素，如土壤、大气、光照、视场角等对反射光谱带来的影响。52）Pinty等在1993年提出归一化差异植被指数NDVI归一化植被指数的特点归一化植被指数的特点1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；2、-1=NDVI=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；6归一化植被指数的特点1、NDVI的应用：检测植被生长状态、植77883）增强植被指数EVI93）增强植被指数EVI94）植被指数VIUPDl由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度等的复杂混合反映，而且受大气空间时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表现为不同的结果。不同传感器获得的数据，由于光谱响应不同，即使利用同一天的数据计算植被指数，结果也不同。不同传感器红外波段与红波段的光谱响应 104）植被指数VIUPD不同传感器红外波段与红波段的光谱响应1111原始modis影像实例1：MODIS数据(b)植被指数NDVI影像图(a)植被指数VIUPD影像图12原始modis影像实例1：MODIS数据(b)植被指数ND全球反射率影像图(B1+B5+B8)(GLI数据2003年4月7日)实例2：日本高光谱GLI数据全球植被指数影NDVI像图(GLI数据2003年4月7日)全球植被指数VIUPD影像图(GLI数据2003年4月7日)13全球反射率影像图(B1+B5+B8)实例2：日本高光谱GLI二、地质方面的应用二、地质方面的应用l区域地质制图和矿产勘探是高光谱技术主要的应用领域之一。根据光谱特征可以识别出大部分的岩石和矿物，从而利用高光谱遥感手段进行地质制图变成可能。l各种矿物和岩石在电磁波谱上显示的光谱特征可以帮助人们识别不同矿物成分。高光谱数据能反映出这类光谱特征。14二、地质方面的应用14地表岩性地表岩性l岩石分为三大类：沉积岩、火成岩和变质岩，各类岩石由于形成的环境不同，具有不同的光谱特性。l沉积岩：以Fe离子的变化作为判别依据，三阶铁离子（0.5和0.9微米）与二阶铁离子（1.0微米）的光谱特性并不一样。l火成岩：SiO2的含量。l变质岩：比如白云石和方解石中的Mg和Ca离子，吸收峰发生偏移。15地表岩性岩石分为三大类：沉积岩、火成岩和变质岩，各类岩石由于矿物光谱特性矿物光谱特性一、吸收机制l1、电子跃迁：金属阳离子l2、分子振动：水分子，OH二、外部影响（1）风化（2）表面结构（3）颜色（4）其他16矿物光谱特性一、吸收机制16岩石判别光谱理论与模型岩石判别光谱理论与模型l矿物光谱遥感识别主要依赖于光谱吸收特征，以此来实现遥感矿物识别和填图。l光谱吸收特征主要是通过波形特征参数来表达，如：吸收波段位置，吸收深度，吸收宽度，吸收面积，对称性等。l典型的光谱识别模型如：矿物吸收指数模型（SAI），或一些混合光谱模型。17岩石判别光谱理论与模型矿物光谱遥感识别主要依赖于光谱吸收特征Mineral spectral absorption indexMineral spectral absorption indexs221s1m21m矿物光谱吸收指数矿物光谱吸收指数(SAI)：石灰岩石灰岩白云岩白云岩石灰岩石灰岩(CaCO3):SAI 2.315 m SAI 2.330 m 新新疆疆柯柯坪坪地地区区岩岩性性填填图图18Mineral spectral absorption in19192020矿山污染矿山污染l甘甫平等利用航天Hyperion高光谱数据研究矿山污染物的识别，通过对矿山野外光谱特征综合分析，结合污染物的特征，展开对废矿的污染物提取的研究。（2004）21矿山污染甘甫平等利用航天Hyperion高光谱数据研究矿山污油气渗漏探测油气渗漏探测l当石油在地表的侵入点明显而且范围较大的时候，高光谱遥感的发展为油气管线渗漏监测提供了有效的解决方案。l油气渗漏和土壤混杂点很难被多光谱遥感监测到，原因在于它们被其他材料所冲淡。而高光谱遥感器提供了充足的光谱分辨率，可以在可见光，近红外，短波红外提供大量的光谱数据。l国外政府的投入很大，大的石油公司都有一套完备的高光谱遥感油气管道监测系统。22油气渗漏探测当石油在地表的侵入点明显而且范围较大的时候，高光三、农业方面的应用三、农业方面的应用l高光谱遥感在农业科研和应用技术上主要表现在以下几个方面：（1）利用多时相的高光谱数据提取出光谱特征对不同作物进行识别和分类。（2）研究作物以及其个体生长状况与作物叶片光谱关系之间的关系，其中包括植被生长状况与植被的环境胁迫关系,如水分胁迫、虫害胁迫、营养胁迫等;红边位置与植被叶绿素浓度的关系等。（3）开展农作物的长势监测及产量预测。（4）研究遥感信息模型。（5）利用植被指数进行地表覆盖分析。（6）灾害预测。23三、农业方面的应用高光谱遥感在农业科研和应用技术上主要表现在作物的参数反演作物的参数反演l常规的作物参数测定是将样本从农田运输到实验室进行测定，这具有破坏性。高光谱仪通过测定农作物的反射率，透射率和吸收率进行作物的参数反演。l主要反演的参数包括：（1）氮素：决定生长发育的营养。24作物的参数反演常规的作物参数测定是将样本从农田运输到实验室进（3）作物含水量水分是作物生长发育的主要限制因子之一。25（3）作物含水量25（2）叶绿素与叶面积指数说明了作物的生长状况。（4）病虫害植物由于感染病虫害或污染或气候变化而“失绿”时，红边蓝移。26（2）叶绿素与叶面积指数26植被光谱特性与金属物所含浓度的估计27植被光谱特性与金属物所含浓度的估计27金属浓度量化图28金属浓度量化图28（5）作物估产l通过监测农作物生长发育期间的光谱变化，研究农作物的反射光谱与叶面积指数，生物量，产量等农业参数的关系，进行作物遥感长势监测和估产。（6）精细分类29（5）作物估产29墨西哥San Luis流域的作物分类图墨西哥San Luis流域的三种作物光谱曲线图 30墨西哥San Luis流域的作物分类图墨西哥San Luisl对森林的精确遥感监测，比如林地使用状况，植被分布特征等，可以直接为国家政策服务。高光谱用在林业方面，与植被的叶片光谱曲线特征有直接的关系四、林业方面的应用四、林业方面的应用31对森林的精确遥感监测，比如林地使用状况，植被分布特征等，可以l（1）树种识别用高光谱遥感影像进行林地类型成图，正确判断森林树种。主要是采用一些分类手段。32（1）树种识别32l（2）森林生物参数填图1、森林郁闭度：林冠层相互衔接的程度，是以林冠在林地投影所占面积与林地总面积只比的十分法表示。2、叶面积指数（LAI）。3、生化参数（含氮，叶绿素等）（3）综合分析33（2）森林生物参数填图33l遥感监测水质又称为水色遥感。根据研究对象的不同，可以分为：l1类水体：大洋开阔的水体，光学特性相对简单。l2类水体：内陆和近岸水体。l所采用的传感器一般是具有较低的空间分辨率（1km）和中等光谱分辨率或高光谱分辨率的航天器。例如：SeaWiFs（美国），MODIS（美国），MERIS（欧洲），CMODIS（中国），Hyperion（美国），CHRIS（欧空局），同时机载高光谱：AVIRIS，CASI，HyMap，OMIS等五、水体方面的应用五、水体方面的应用34遥感监测水质又称为水色遥感。根据研究对象的不同，可以分为：五水质参数测定水质参数测定l水质参数的种类主要包括：叶绿素a，悬浮物，可溶性有机物（CDOM），同时进行水温监测。l1）叶绿素浓度a叶绿素在藻类物质中所占的比例稳定，是衡量水体初级生产力和富营养化作用的基本指标，而叶绿素a是藻类植物中最丰富的色素，因此，监测叶绿素a的浓度是主要监测项目之一。35水质参数测定水质参数的种类主要包括：叶绿素a，悬浮物，可溶性叶绿素叶绿素a的光谱的光谱l水中叶绿素组分含量的不同，对应于水体一定波长范围的反射率显著不同。36叶绿素a的光谱水中叶绿素组分含量的不同，对应于水体一定波长范l2）悬浮物浓度悬浮物是水中呈固体状的不溶解物质，是水体污染的基本指标之一。例如水中的各类矿物颗粒，含有铝，铁，硅等水合氧化物，其含量的多少直接影像水体的透明度、浑浊度、水色等光学性质。372）悬浮物浓度373838l3）可溶性有机物（CDOM）可溶性有机物主要来源于流域中土壤腐殖质的溶化，和水体自身生物体的分解。由于这种成分在紫外和蓝光范围具有强烈的吸收特性，在黄光波段吸收最小，因此呈黄色，所以，这类复杂的混合物又成为“黄色物质”。CDOM可以作为水体污染程度的指示剂。此外，还有水温监测，是通过热红外遥感器所探测到的辐射强度，作为水体的温度（黑体）。393）可溶性有机物（CDOM）39l人类活动对大气成分的影响和全球变暖已经成为世界各国关注的焦点。利用高光谱遥感手段主要用于监测气溶胶、臭氧、SO2、NO2等气体。l例如ENVISAT卫星上的Meris传感器具有大气制图扫描成像吸收分光计。AVHRR，MODIS等也具有分析大气成分的功能。六、大气方面的应用六、大气方面的应用40人类活动对大气成分的影响和全球变暖已经成为世界各国关注的焦点l1）监测气溶胶气溶胶是指：悬浮在气体中的固体或液体粒子，比如尘埃，烟粒，云雾滴，冰晶等，这都是气溶胶。气溶胶浓度的变化直接影响了人类的健康和生存环境，同时也影响了天气和气候变化。通过遥感手段来反演：气溶胶的光学厚度，总悬浮物浓度和可吸入颗粒物浓度是研究最多的内容。411）监测气溶胶41l2）监测臭氧，SO2，NO2臭氧能大量吸收太阳紫外线，形成一个臭氧保护层，从而降低太阳的短波辐射强度，保护地球生物和人类。SO2，NO2来自于地球表面，比如尾气排放，生物体燃烧等，监测它们在大气的含量实际上就是分析他们在不同波段范围的特性。422）监测臭氧，SO2，NO242l随着人类社会活动的日益发展，城市下垫面的组成成分日益复杂多样，光谱特性也极其庞杂。城市遥感所依赖的传统数据源，如航片或多光谱数据，难以满足复杂多样的城市覆盖类型特点，不利于分类。l高光谱分辨率遥感技术使得计算机能够识别的光谱类别极大的增多，有助于对地物覆盖进行精细分类。比如：城市地物与人工目标，包括水体，路面，屋顶，阴影，植被种类等。七、城市调查方面的应用七、城市调查方面的应用43随着人类社会活动的日益发展，城市下垫面的组成成分日益复杂多样城市中主要地物的光谱特性城市中主要地物的光谱特性l1）建筑物：主要研究不同建筑物顶部材料的不同，反映不同的光谱特性。44城市中主要地物的光谱特性1）建筑物：主要研究不同建筑物顶部材l2）道路城市道路有水泥，柏油及少量土路。452）道路45l3）城市水体城市水体包括滨海城市近岸水体，江河，湖泊，水库，人工沟渠等。463）城市水体46l4）植被城市植被分为：稀疏的草地，良好的修剪草地，成片树林，道路两边的树林，农作物等。474）植被47l5）阴影阴影可以减少对太阳能量的吸收和发射，它的存在遮挡了下面的目标，使其难以辨别，因此，阴影的光谱在不同的下垫面也具有不同的光谱特性。485）阴影48城市信息的综合表达城市信息的综合表达l由于城市是一个复杂的对象，因此，采用任何单一的分类手段无法达到良好的分类效果，因此，应该利用分级掩膜：即对城市目标，运用高光谱数据，利用这些地物的不同光谱特征来进行识别，采用不同的分类方法进行逐步分类。49城市信息的综合表达由于城市是一个复杂的对象，因此，采用任何单505051519.2 高光谱应用技术高光谱应用技术l现有的分析技术可从高光谱数据或者各种变换形式中，提取、估计和预测各种生物物理，参数。例如：光谱微分，混合像元分解，光谱匹配，特征提取，光学模型等。具体将分析方法可以分为四类：（1）利用光谱（或其变换式）与不同的生物物理，化学参数的多变量统计回归分析技术；（2）考察光谱波长位置的变化量与生物物理、化学参量的关系；（3）建立在生物、物理学基础上的概念性的光学模型；（4）研究各种参数在空间上的变异及成图技术，涉及到一些分类技术和方法。529.2 高光谱应用技术现有的分析技术可从高光谱数据或者各种变（1）多元统计分析技术）多元统计分析技术l该技术是高光谱研究中最直接，最普遍的方法，以光谱数据或其变换形式作为自变量，生物物理，化学参数作为因变量，建立多元回归估计模型。l实测样本一部分作为建立统计回归模型，另一部分用来测试已构建的回归模型的执行性能。53（1）多元统计分析技术该技术是高光谱研究中最直接，最普遍的方高光谱遥感反演土壤含水量具体实例：l采集湖北秭归沙镇溪白水河滑坡体土壤样品。主要采集分布于滑坡上有监测墩等有裸露土壤处土壤样品，主要集中在0-20cm范围内。采集30个土壤样品，装入密封袋，供室内测量光谱信息与含水量使用。54高光谱遥感反演土壤含水量具体实例：采集湖北秭归沙镇溪白水河滑l光谱采集实况图 55光谱采集实况图 55实验过程：将土壤样本风干、过筛，然后分别放置于准备好的小铝盒内，缓缓由盒边注入纯净水直到土壤达过饱和状态，注水以后在自然状态下放置24小时，等土壤表面的自由水消失后，利用烘箱烘烤土壤样品。称重，采集光谱。56实验过程：56l考虑光谱信息对土壤水分含量的敏感是多区域与多波段特征的，单一波段不能完全概括，所以采用多元回归模型，利用多个波段参数带入计算，因变量选择为：相对反射率，反射率微分，反射率倒数的对数微分。57考虑光谱信息对土壤水分含量的敏感是多区域与多波段特征的，单一5858（1）通过光谱反射率数据建立逐步回归模型预测土壤含水量（选取1449nm、1451nm、1920nm、1976nm四波段）59（1）通过光谱反射率数据建立逐步回归模型预测土壤含水量（选（2）通过反射率倒数的对数变换预测土壤含水量（选取1449nm、1451nm、1920nm、1976nm四波段）60（2）通过反射率倒数的对数变换预测土壤含水量（选60（3）通过反射率一阶微分变换预测土壤含水量（选取1147nm、1416nm、1530nm、1873nm四波段）61（3）通过反射率一阶微分变换预测土壤含水量（选取1147n（4）通过反射率倒数的对数的一阶微分变换预测土壤含水量（选取1344nm、1412nm、1485nm、1875nm四波段）62（4）通过反射率倒数的对数的一阶微分变换预测土62l结论：反射率倒数的对数的一阶微分所建立的多元回归模型具有最高的拟合优度和最小均方根误差（RMSE），特别是该模型对于高含水量土壤水分有一定的预测能力，故可以采用该模型进行土壤水分反演。63结论：反射率倒数的对数的一阶微分所建立的多元回归模型具有最高（2）基于光谱位置（波长）变量的）基于光谱位置（波长）变量的分析技术分析技术l基于光谱波长位置变量的分析技术是根据波长变化量或相应的参数变量（自变量）与生物物理和生物化学参量（因变量）的关系来估计因变量的。l例如：“红边”现象，是指随着生物量的变化沿波长轴移动。64（2）基于光谱位置（波长）变量的分析技术基于光谱波长位置变量（3）光学模型方法）光学模型方法l遥感光学辐射传输理论的模型具有较强的物理基础，且具普适性。一般的辐射传输模型为：l其中，为波长，和 为太阳天顶角和方位角，和 为观测天顶角和方位角，C是一组关于植被冠层的物理特性参数，包括植被类型，生长姿态，干扰程度等。65（3）光学模型方法遥感光学辐射传输理论的模型具有较强的物理基（4）参数成图技术）参数成图技术l成像光谱仪为研究生物理化参数在空间上的分布提供了较好的机会。l首先给每个像元赋具体参数值，然后一般利用统计回归的方法建立预测关系模型，利用关系模型来求取高光谱遥感图像上的每个像元预测值。l下一步就是采用聚类或者是密度分割的方法将单参数预测图分成若干级（类），即生成参数分布图。66（4）参数成图技术成像光谱仪为研究生物理化参数在空间上的分布实例研究 研究海区研究海区 珠江口珠江口 实验数据实验数据 实测数据实测数据（2003.01、2004.01）遥感反射率遥感反射率Rrs 叶绿素浓度叶绿素浓度C 悬浮泥沙浓度悬浮泥沙浓度S 黄色物质黄色物质400nm处的吸收系数处的吸收系数Y Y 遥感资料遥感资料 SeaWiFS（S2003029043913.L1A）67实例研究 研究海区 实验数据67研究海区和实验数据2003.012004.0168研究海区和实验数据2003.012004.0168研究内容（1）遥感反射率正演模型的建立（2）SeaWiFS图像的大气校正（3）水色三要素的优化反演69研究内容（1）遥感反射率正演模型的建立69遥感反射率正演模型的建立 遥感反射率遥感反射率Rrs(Lee et al 1998)：rrs 水体次表面的遥感反射率：其中，u是中间变量，a是水体总吸收系数，bb是总后向散射系数70遥感反射率正演模型的建立 遥感反射率Rrs(Lee et遥感反射率正演模型的建立 a 水体的总吸收系数 ag 黄色物质的吸收系数（Bricaud 1981)Sg 黄色物质吸收光谱斜率 0.011-0.021nm-1 (Carder et al 1989)0.015nm-1 (Lee et al 1999,2001)0.014nm-1 (Tassan 1994)0.0144nm-1 (陈楚群，2005)as 悬浮泥沙的吸收系数 as*(440)悬浮泥沙440nm处的单位吸收系数Prieur&Sathyendranath（1981）悬浮泥沙归一化单位吸收系数0.00455 ac 叶绿素的吸收系数（Lee et al 1994,1998,1999,2001）Pac(440)叶绿素440nm处的吸收系数 珠江口海域 曹文熙等（2003）71遥感反射率正演模型的建立 a 水体的总吸收系数 ag bb 水体的总后向散射系数 rw=0.5;rc=0.005;rs=0.015 (Tassan 1994)bc 叶绿素的散射系数 （珠江口）（珠江口）bs 悬浮泥沙的散射系数（珠江口）72 bb 水体的总后向散射系数 rw=0.5;r 应用改进的SeaWiFS大气校正算法，实现了珠江口海域SeaWiFS图像的大气校正，得到了离水辐射率，继而通过精确的太阳参数计算，得到了本海域SeaWiFS资料的遥感反射率。（2）SeaWiFS图像的大气校正73 应用改进的SeaWiFS大气校正算法，实现了珠江口海域SSeaWiFS图像的大气校正 7 7、8 8波段气溶胶散射校正因子波段气溶胶散射校正因子 气溶胶散射波长指数气溶胶散射波长指数n n 第第8 8波段相对于前波段相对于前6 6个波段的气溶胶散射校正因子个波段的气溶胶散射校正因子n=74SeaWiFS图像的大气校正 7、8波段气溶胶散射校正SeaWiFS图像的大气校正 各个波段的气溶胶散射各个波段的气溶胶散射 各个波段的离水辐射率各个波段的离水辐射率 归一化离水辐射率归一化离水辐射率L Lwnwn (Gordon et al 1988)(Gordon et al 1988)太阳参数计算：王炳忠(1999)太阳辐射计算讲座第一讲太阳能中天文参数的计算 75SeaWiFS图像的大气校正 各个波段的气溶胶散射 各个SeaWiFS图像的大气校正 遥感反射率的计算遥感反射率的计算 遥感反射率遥感反射率RrsRrs定义定义（Carder&Steward 1985 Carder&Steward 1985）现场的归一化离水辐射率现场的归一化离水辐射率LwnLwn定义（定义（Gordon&Clark 1981 Gordon&Clark 1981）SeaWiFSSeaWiFS图像的遥感反射率图像的遥感反射率76SeaWiFS图像的大气校正 遥感反射率的计算 遥感反射l与实测站点相对应的SeaWiFS 资料遥感反射率作为已知量输入反演模型，水色三要素作为未知量，在合理的初值、范围和步长条件下，利用先前建立的正演模型进行遥感反射率的正演循环计算，每一组水色三要素将模拟得到一组SeaWiFS 波段设置相对应的遥感反射率，与反演模型输入的SeaWiFS 遥感反射率进行比较，当二者的均方根差在设定的阈值条件下达到最小时，此时的水色三要素即为所求。（3）水色三要素的优化反演过程77与实测站点相对应的SeaWiFS 资料遥感反射率作为已知量输水色三要素的优化反演满足阙值条件Rrs正演循环计算Y,C,S(未知量）未知量）Rrs_model初值，范围，步长Rrs_SeaWiFSRMS所求所求 Y,C,S计算RMS否则78水色三要素的优化反演满足阙值条件Rrs正演循环计算Y,C,S水色三要素的优化反演 优化阙值条件优化阙值条件 小于小于0.3的条件下达到最小的条件下达到最小79水色三要素的优化反演优化阙值条件小于0.3的条件下达到最水色三要素的优化反演 黄色物质黄色物质400nm400nm吸收系数吸收系数Y Y的实测与反演值对比的实测与反演值对比80水色三要素的优化反演 黄色物质400nm吸收系数Y的实测与水色三要素的优化反演 叶绿素浓度叶绿素浓度C的反演与实测值对比的反演与实测值对比81水色三要素的优化反演 叶绿素浓度C的反演与实测值对比81水色三要素的优化反演 悬浮泥沙浓度悬浮泥沙浓度S S的反演与实测值对比的反演与实测值对比82水色三要素的优化反演 悬浮泥沙浓度S的反演与实测值对比82作业作业l以高光谱遥感的某一种应用领域为例，结合自己的理解说说高光谱遥感在这一领域的发展趋势和发展方向。83作业以高光谱遥感的某一种应用领域为例，结合自己的理解说说高光