我们首先打开我们的一个数据，我们发现我们的光谱线是黑色的，而且线非常小，这都是仪器默认的数据。我们点击软件界面的右边工参数设置Property项，将参数：光谱性质，打开即可。打开窗口后，点击Lines/Points项目。这里我们可以对光谱线进行适当的修改，主要项目有：线形、线的大小和线的颜色。
在网上获取免费高光谱影像可以尝试以下几种途径：公开数据集：许多政府和科研机构会提供免费的高光谱影像数据集供公众使用。你可以搜索国际上知名的遥感数据提供机构，如NASA、USGS等，查找他们提供的高光谱影像数据集。开放数据平台：一些开放数据平台也会提供免费的高光谱影像数据。
利用LCTF高光谱成像技术及光谱分析，配合其它如北斗GPS/GIS等技术，可精确设定最佳耕作、播种、施肥、灌溉、喷药、收获时机等多种操作，变传统的粗放经营为精细生产。针对需求，部署利用无人机部署高光谱成像仪，用以长期、持续地进行农作物监测，自然灾害动态监测等的光谱图像数据采集，分析。
打开JasperRidge98av_flaash_refl.dat数据；（2）启动Toolbox/Spectral/Vegetation/VegetationIndexCalculator工具，选择JasperRidge98av_flaash_refl.dat数据，打开VegetationIndexsParameters面板，自动估算可计算的植被指数；（3）生物物理学交叉检验（BiophysicalCrossChecking）：on。
所有的植被指数要求从高精度的多光谱或者高光谱反射率数据中计算，未经大气校正的辐射亮度或者量纲为一的DN值数据不适合计算植被指数。本次实验选择桂林市Landsat-5 TM遥感影像，对比较常用的几种植被指数进行计算，具体操作步骤如下。
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；对大气干扰处理不足，大气残留噪音对NDVI指数影响严重；易受土壤背景干扰，特别是中等植被覆盖区，当土壤背景变暗时，NDVI指数有增加的趋势。
使用植被指数识别白色物体的步骤如下：获取遥感数据：首先需要获取一定分辨率的遥感数据，可以选择多光谱或高光谱遥感影像。计算NDWI指数：NDWI是归一化水体指数，可以将其应用于检测反射率较高的白色物体。计算公式为：（B3-B5）/（B3+B5），其中B3表示绿色波段的反射率，B5表示近红外波段的反射率。
针对无植被覆盖区，将碳酸盐及粘土的异常富集作为主要指示标志，分别采用基于小波PCA的分类系统、基于端元提取的分类系统对油气微渗漏引起的矿物蚀变异常信息进行提取，两种方法所得的结果具有较高的匹配度。
所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。
预处理内容简述 （1）辐亮度复原 该部分主要针对高光谱数据1级数据产品（辐亮度数据）的生成流程展开研究，研究过程中首先对载荷获取的原始数据DN值与辐亮度数据之间的关系进行分析与建模，然后利用辐射定标系数通过DN值与辐亮度之间的模型实现辐亮度复原，从而得到1级数据产品。
矿物信息提取的高光谱数据预处理 先将成像高光谱数据进行辐射定标、大气校正等过程得到光谱反射率数据。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。
ViewSpecPro中先进行平均，然后去掉跳跃。ENVI里面SPECTRAL模块里面可以直接读取ASD文件，生成光谱库。
1、高光谱测的数据没有相关性是样本数据量不足或数据背景噪音太大的原因。样本数据量不足：高光谱测量所反应的光谱信号非常多，每个光谱波段都可以得到一条曲线，并生成一个数据集。如果选取的样本数据量过少，数据集的维度就会下降，缺乏充足的数据支撑，自然会导致相关性不明显。
2、高光谱分析仪测出没有光谱的原因是光谱。根据查询相关公开信息显示，高光谱分析仪测量的是光谱，如果没有光谱，便无从测量，也就无法测出。
3、所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。
4、高光谱遥感实现了对地物的空间信息、辐射信息和光谱信息的立体同步获取，从而大大提高了遥感影像获取地面目标的能力。高光谱遥感的光谱信息反映了地物的物质结构，所以利用光谱信息可以定量地描述不同地物成分，从而达到利用光谱信息识别微量成分，甚至是地物化学成分。
5、因此，高光谱广泛应用于农业、林业、海洋监测、环境保护和城市规划等多个领域。通过对植被的光谱分析，可以获取植被生长状态信息；通过对水体反射特性的研究，可以了解水质状况等。此外，高光谱成像还具有高度的空间分辨率和辐射分辨率，进一步提高了数据获取的精度和质量。
6、多光谱：每个带是一幅灰度图像，它表示根据用来产生该带的传感器的敏感度得到的场景亮度。在这样一幅图像中，每个像素都与一个由像素在不同带的数值串，即一个矢量相关。这个数串就被称为像素的光谱标记。在高光谱图像中具有更高层次的光谱细节，可以更好地看到不可见的东西。
1、发射光谱法：此法依据的是物质发光原理，通过观察物质受激发后发射出的光波长或其强度来获取定性或定量分析数据。在分析领域应用广泛，具有非常高的准确性和选择性。此技术利用光源激发出特定能量的光子，随后这些光子与被分析样品中的元素发生作用。
2、三种常用的光谱分析方法如下：光谱分析法指的是物质的一类分析方法，主要有原子发射光谱法、原子吸收光谱法、紫外-可见吸收光谱法、红外光谱法等。光谱分析又可分为分子光谱和原子光谱。它主要是利用分子之中价电子的跃进而产生的，因此这种吸收光谱决定于分子中价电子的分布和结合情况。
3、光谱分析方法有以下种类：紫外可见吸收光谱：利用物质对特定波长的光吸收的原理，测量样品在紫外和可见光波段的吸光度，推断物质的结构和含量。红外光谱：利用物质对特定波长的红外线吸收的原理，研究物质分子的振动、转动等运动规律，分析物质的结构和化学成分等。
4、原子光谱法。原子光谱法是由原子外层或内层电子能级的变化产生的，它的表现形式为线光谱。属于这类分析方法的有原子发射光谱法（AES）、原子吸收光谱法（AAS），原子荧光光谱法（AFS）以及X射线荧光光谱法（XFS）等。
5、常用的定量方法有：标准曲线法、标准加入法、内标法。荧光分析法（发射光谱分析法）利用荧光强度进行分析的方法，称为荧光法。在荧光分析中，待测物质分子成为激发态时所吸收的光称为激发光，处于激发态的分子回到基态时所产生的荧光称为发射光。荧光分析法测定的是受光激发后所发射的荧光强弱。
6、标准曲线法 ：先配制相同基体的含有不同浓度待测元素的系列标准溶液，在选定的实验条件下分别测其吸光度，以扣除空白值之后的吸光度为纵坐标，标准溶液浓度为横坐标绘制标准曲线。在同样操作条件下测定试样溶液的吸光度，从标准曲线查得试样溶液的浓度。
光谱分辨率：多光谱遥感：多光谱遥感通常具有相对较低的光谱分辨率，即每个光谱波段的带宽相对较宽。这意味着在每个波段上获得的光谱信息是相对较粗略的，可能无法捕捉到某些细微的光谱特征。高光谱遥感：高光谱遥感具有相对较高的光谱分辨率，即每个光谱波段的带宽相对较窄。
高光谱遥感和多光谱遥感的区别：波段不同：高光谱的波段较多，谱带较窄（比如hyperion 有242个波段，带宽10nm）；多光谱相对波段较少（比如ETM+，8个波段，分为红波段、绿波段、蓝波段、可见光、热红外（2个）、短波红外和全波段）。
高光谱遥感和多光谱遥感的区别如下：高光谱的波段较多，普带较窄。（Hyperion有233~309个波段，MODIS有36个波段）多光谱相对波段较少。如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外，近红外和全色波段。
高光谱和多光谱实质上的差别就是，高光谱的波段较多，谱带较窄（比如hyperion 有242个波段，带宽10nm），多光谱相对波段较少（比如ETM+，8个波段，分为红波段，绿波段，蓝波段，可见光，热红外（2个），短波红外和全波段）。从空间分辨率上没有太大的差别，因传感器不用而不同。
波段不同 多光谱图像通常指3到10个波段。每个波段都是使用遥感辐射计获得的。高光谱图像由更窄的波段（10-20 nm）组成，光谱图像可能有数百或数千个波段。一般来说，它来自成像光谱仪。