第1章 概论 1
1.1 高光谱遥感的发展 1
1.1.1 高光谱遥感的基本概念 1
1.1.2 高光谱遥感发展概况 2
1.2 高光谱遥感的研究现状 4
1.2.1 高光谱遥感影像分析 4
1.2.2 高光谱遥感的应用 6
1.3 高光谱遥感的发展趋势 7
思考题 8
2.1.1 电磁波谱 9
2.1 电磁波与电磁辐射 9
第2章 地物光谱数据的获取与分析 9
2.1.2 黑体辐射 10
2.1.3 太阳辐射 12
2.2 光谱测量仪器 13
2.2.1 野外光谱仪 13
2.2.2 成像光谱仪 14
2.2.3 非成像光谱仪 23
2.2.4 地物数据的测量 27
2.3 地物的光谱特征 28
2.3.2 地物的反射波谱 29
2.3.1 地物的反射类别 29
2.3.3 典型地物的光谱曲线 30
思考题 35
第3章 地物光谱数据的重建 36
3.1 大气及其影响 36
3.1.1 地球大气 36
3.1.2 大气成分 38
3.1.3 大气影响 39
3.2 大气辐射传输理论 43
3.2.1 可见光及近红外谱段（0.4～2.5μm） 43
3.2.2 热红外波段（8～14μm） 44
3.3 传感器的辐射定标 45
3.3.1 实验室定标 47
3.3.2 星上定标 48
3.3.3 辐射校正场定标 48
3.4 大气校正 51
3.4.1 基于影像特征的校正模型 51
3.4.2 地面线性回归经验模型 52
3.4.3 利用波段特性进行大气校正 53
3.4.4 大气辐射传输理论模型方法 54
3.5.2 地形起伏引起的辐射误差校正 55
3.5.1 太阳位置引起的辐射误差校正 55
3.5 其他辐射误差校正 55
思考题 57
第4章 高光谱遥感数据的处理 58
4.1 光谱的特征选择与提取 58
4.1.1 特征选择 58
4.1.2 特征提取 60
4.1.3 特征提取算法介绍 61
4.1.4 类别可分性判据 65
4.2 光谱匹配 69
4.2.1 光谱数据库 69
4.2.2 传统模式识别匹配技术 72
4.2.3 基于高光谱数据库的光谱匹配技术 75
4.3 光谱微分 87
4.3.1 光谱微分的概念 87
4.3.2 光谱微分的应用 87
4.4 混合像元光谱分解 87
4.4.1 混合光谱模型的物理基础 87
4.4.2 混合像元光谱分解模型概述 90
4.4.3 线性光谱分解模型 96
4.4.4 混合像元光谱分解实例分析 100
思考题 101
5.1 非监督分类 102
第5章 高光谱遥感图像分类 102
5.1.1 初始类别参数的选定 103
5.1.2 常用监督分类算法 105
5.2 监督分类 113
5.2.1 平行管道分类 113
5.2.2 最小距离分类 115
5.2.3 最大似然分类 118
5.2.4 神经网络分类 119
5.3 高光谱数据分类方法 122
5.4 分类精度评价 124
思考题 126
第6章 高光谱遥感的应用 127
6.1 高光谱遥感在植被监测中的应用 127
6.1.1 植被指数的发展 127
6.1.2 几种常见的植被指数 130
6.1.3 利用MODIS数据计算植被指数实例 132
6.1.4 利用高光谱估计生物变量 135
6.2 高光谱遥感在地质调查中的应用 143
6.3 高光谱在农业中的应用 146
6.4 高光谱遥感在林业中的应用 149
参考文献 152