ENVI遥感影像使用手册----高光谱在考古方面的应用专题

### ENVI遥感影像使用手册——高光谱在考古方面的应用专题 #### 概述 本教程旨在介绍如何使用ENVI 4.2软件进行高光谱数据分析，并将其应用于考古研究之中。通过一个具体的案例——意大利西西里岛塞林努特（Selinunte）的多光谱红外与可见光成像光谱仪（MIVIS）数据，来展示ENVI软件端到端的高光谱处理工具链的应用流程。这些工具包括：特征提取、最小噪声分离变换（MNF）、像素纯度指数（PPI）、多维可视化以及光谱映射等。 #### 目标 - **应用ENVI的端到端高光谱处理方法**：针对具体考古案例进行操作实践。 - **获得实践经验**：通过实际操作而非仅仅查看预处理结果来加深理解（尽管也提供了预处理结果以供比较）。 - **进行数据探索**：在一个相对宽松的框架内对数据进行探索性分析。 - **将分析结果与已知地面信息进行对比**：验证分析的有效性和准确性。 #### 使用文件 - **路径**：envidata/selmivis - **所需文件** - `selinunte_rad.bil`（.hdr）：MIVIS 92波段辐射数据子集。 - `selinunte.ann`：用于`selinunte_rad.bil`的ENVI注释文件。 - `mivis_waves.txt`：MIVIS的波长文件。 - `selinunte_ff.roi`：用于平坦场校正的ROI文件。 #### 背景 塞林努特是一座废弃的古希腊城市，位于意大利西西里岛西南海岸，特拉帕尼省。该城建于公元前650年至630年间，于公元前409年被迦太基人摧毁。塞林努特古城及其卫城位于高地之上，俯瞰着大海。在这个遗址上进行了大量的考古工作，利用遥感技术可以为考古学家提供更广阔视角下的信息。 #### 高光谱技术在考古分析中的应用 - **特征提取**：这是高光谱数据分析的第一步，其目的是识别出图像中的不同地物类型或物质。这通常涉及到选择具有代表性的样本区域（即感兴趣区域，ROI），并从中提取光谱特征。 - **最小噪声分离变换（MNF）**：这是一种数据降噪方法，通过线性变换将原始数据转换为一组新的变量，在这个新变量空间中，第一分量包含图像中的最大信息量，而随后的分量则逐渐减少，最后的几个分量通常只包含噪声信息。 - **像素纯度指数（PPI）**：此方法用于识别像素纯度最高的像素点，这些点往往代表着特定地物类型的纯物质。 - **多维可视化**：通过将多维数据投影到二维或三维空间中，以便于观察和解释。这种方法可以帮助识别不同的地物类型及其分布模式。 - **光谱映射**：基于光谱特征的相似性对图像进行分类，从而生成不同地物类型的分布图。 #### 处理流程 1. **数据预处理**：包括辐射校正、大气校正和平坦场校正等步骤，确保数据质量。 2. **特征提取**：选取具有代表性的样本区域，提取光谱特征。 3. **数据降噪**：使用MNF等技术去除噪声，保留有用信息。 4. **像素纯度分析**：识别最纯的像素，作为后续分析的基础。 5. **多维可视化**：将高维数据简化为二维或三维，便于直观理解。 6. **光谱映射**：基于光谱特征进行分类，生成分布图。 7. **结果验证**：将分析结果与地面调查数据进行比对，验证准确性和可靠性。 #### 结论 通过本教程的学习，用户不仅能够掌握ENVI软件的基本操作技巧，还能够在实践中了解到高光谱遥感技术在考古领域中的具体应用方式。对于那些希望利用现代遥感技术深入探索古代文明遗迹的研究人员来说，这是一份宝贵的资源。