參考光譜

⑴ 參考光譜必須用氮氣么

這些氣體在可見光區是不吸收的,所以它們的吸收光譜是強度接近於0 的平坦的直線. 可以有一個很粗略的判斷,肉眼看到是無色的物質,它在可見光譜幾乎是不吸收的.因為顏色的產生是具有此顏色的光入射到眼睛才能看到此顏色.但你看到無色透明的物體,說明此物體對所有顏色的光都是透過的,也就是對所有顏色的光都不吸收.

⑵ 色譜和光譜有哪些區別

光譜是復色光經過色散系統（如棱鏡、光柵）分光後，被色散開的單色光按波長（或頻率）大小而依次排列的圖案。色譜又叫色表或色彩圖，是供用色部門參考的色綵排列表。

⑶ 光譜有哪些類型

按產生本質，光譜可分為分子光譜與原子光譜。

在分子中，電子態的能量比振動態的能量大50～100倍，而振動態的能量又比轉動態的能量大50～100倍。因此在分子的電子態之間的躍遷中，總是伴隨著振動躍遷和轉動躍遷的，因而許多光譜線就密集在一起而形成分子光譜。因此，分子光譜又叫做帶狀光譜。

在原子中，當原子以某種方式從基態提升到較高的能態時，原子內部的能量增加了，原子中的部分電子提升到激發態，然而激發態都不能維持，在經歷很短的一段隨機的時間後，被激發的原子就會回到原來能量較低的狀態。

(3)參考光譜擴展閱讀

應用：多光譜與高光譜

在高光譜圖像中具有更高層次的光譜細節，可以更好地看到不可見的東西。例如，高光譜遙感由於其高光譜解析度而在3種礦物之間進行提取。但多光譜陸地衛星專題制圖儀無法區分這三種礦物。

但它的缺點之一是增加了復雜性。高光譜和多光譜圖像有許多實際應用。例如，高光譜圖像已被用於繪制入侵物種的地圖和幫助礦產勘探。

在多光譜和高光譜的應用中，我們可以了解世界。例如，我們在農業、生態、石油和天然氣、海洋學和大氣研究等領域使用它。

⑷ 光譜匹配技術

光譜匹配技術可用於表面特性的遙感數據分析（如變化探測）。此方法包括景物光譜對參考光譜的匹配或景物光譜與光譜資料庫的比較，以求算它們之間的相似性或差異性（Cloutis，1996）。用光譜匹配來突出感興趣的光譜特徵，以便對其作較詳細的分析（Goetz等，1990；Yasuoka等，1990）。有時直接將景物光譜與參考光譜相比較（Goetz等，1985；Ferrier ＆ Wedge，1996）。

這種技術通過計算景物光譜（象元光譜、測試光譜）和參考光譜（實驗室或已知象元光譜）在不同光譜位置（波段波長位置）的交叉相關系數，繪制交叉相關曲線圖。一個測試光譜和一個參考光譜在每個光譜匹配位置的交叉相關系數等於它們對應波段的線性相關系數，可以用下式表示：

中亞地區高光譜遙感地物蝕變信息識別與提取

式中：R_t、R_r分別為測試和參考光譜；n為兩光譜對應波段數（重合波段數）；m為光譜匹配位置（實際是光譜錯位波段數）。

由式（4-6）計算出的交叉相關系數可用t統計量式（4-7）檢驗其顯著性，

中亞地區高光譜遙感地物蝕變信息識別與提取

式中：r_m+、r_m-分別表示向長波方向和向短波方向移位個m波段時所得到的交叉相關系數。當AS_ke=1時，說明曲線峰值無偏；當AS_ke值越接近0時，峰值越偏，至於是左偏還是右偏視計算的偏度正負號而定，負者為左偏，正者為右偏。偏度=0，即為峰值無偏。

⑸ 光譜 是什麼

http://ke..com/view/41199.htm

⑹ 我們常見的光譜有哪些

「常見的」怎麼理解啊，是不是你能看的到的呀

如果是能看得到的，那隻有可見光的光譜，就是你拿三棱鏡弄的那種~紅橙黃綠青靛紫的那個

⑺ 光譜分類技術

高光譜遙感在地質應用研究中，光譜分類技術亦很重要。用得較多的方法有最大似然性法（MLC），人工神經元網路法（ANN）和高光譜角度制圖法（SAM）。

1.最大似然性法（MLC）

MLC法可謂是經典的分類方法，已在寬波段遙感圖像分類中普遍採用。它主要根據相似的光譜性質和屬於某類的概率最大的假設來指定每個象元的類別。MLC法最大優點是能快速指定被分類象元到若干類之中的一類中去。但對於高光譜數據。如再加上類別數較多時，MLC法的運算速度則明顯減慢，且所需的訓練樣本亦很大。為了減少計算工作量，Jia＆Richards（1994）發現通過將高光譜數據分成幾個波長組能夠減少處理時間。他們改進的MLC法稱簡化最大似然性判別函數（SMLDF）。依據所有波段間的相關性分成若干連續的波段組，由這些不同波段組構成每個類別的協方差陣，再從每個波段組計算出判別函數值，最後求所有波段組產生的函數值的和.對每個象元分類。該法與傳統的MLC比較，能顯著地減少計算時間，特別是對高光譜數據的處理更為明顯，同時能保證幾乎與傳統MLC結果的精度相同。另外，這種方法所要求的每類訓練樣本數明顯地比傳統MLC所要求的少。因此可降低准備訓練樣本的成本。其基本演算法簡述如下。

傳統的MLC演算法的判別函數由下式表示：

中亞地區高光譜遙感地物蝕變信息識別與提取

i=1，2，…C

式中：x為象元光譜向量，m_i為第i類均值向量，∑_i為第i類N×N的協方差陣，其中N為總光譜波段數，C是類別數。式（4-9）的判別准則一般如下：對於j（j=1，2，…，C；j≠i），假如g_i（x）＞g_j（x）則

x∈ω_i （4-10）

式中：ω_i為第i類光譜類別。

如前所述，這種方法已被廣泛應用在寬波段遙感中，如對MSS、TM及SPOTHRV數據的MLC分類。隨著光譜維（波段數）N的增大（如AVIRIS數據的波段數大於200），有兩個難題需要解決：一是由於N的增大相應分類時間成平方增長；二是對於一些小類別，為了保證可靠的估計結果，所需要的訓練樣本可能不夠。Jia ＆ Richards（1994）對光譜數據先分成幾個波段組再進行分類的技術（SMLDF）就是針對上述兩大難題設計的。高光譜數據相鄰波段間的相關性一般都比較高，與相隔較遠的波段相關性較低。

2.人工神經元網路技術（ANN）

人工神經元網路（ANN）技術能被用於多源數據的綜合分析，特別是處理沒有一定分布（如正態）、定性或名義的數據（Yang等，1997；Gong，1996；Sui，1994；Peddle等，1994；和Bendikts-son等，1993）。因此這類技術備受重視，已在遙感圖像分類（如Civco，1993；Salu ＆ Tilton，1993；Dreyer，1993；Azimi-Ssdjadi等，1993；Kanellopoulos等，1992；Liu＆Xiao，1991）、自然資源分析與預測（如 Gopal＆Woodcock，1996；Gong等，1994；Guan＆Gert-ner，1991a＆1991b；Yin＆Xu，1991）及特徵提取（如Fiset等，1996）中得到應用。神經元網路首先要求一定數量的具有已知樣本特徵的訓練樣本，然後用訓練好的網路結構對待處理樣本（象元）進行分類處理。在高光譜地質遙感中，ANN技術被用來識別礦物和成圖（如Yang等，1997；Benediktsson等，1995）。ANN技術的不足之處是在高光譜數據分析中由於波段多（輸入模式多），常需要很長的迭代時間，且不易找到全局最佳解。另外，不能事先確定ANN的結構參數值，一般需根據具體數據集的實驗確定（Gong等，1997）。

3.光譜角度制圖法

光譜角度制圖法（SAM，即夾角餘弦方法）通過計算一個測試光譜（象元光譜）與一個參考光譜之間的「角度」來確定它們兩者之間的相似性。參考光譜可以是實驗室光譜或野外測定光譜或是從圖像上提取的象元光譜。這種方法假設圖像數據已被縮減到「視反射率」，即所有暗輻射和路經輻射偏差已經去除。它被用於處理一個光譜維數等於波段數的光譜空間中的一個向量（Knlse等，1993 a；Baugh等，1998）。下面通過兩波段（二維）的一個簡單例子來說明參考光譜和測試光譜的關系。它們的位置可考慮是二維空間中的兩個光譜點。各個光譜點連到原點可以代表所有不同照度的物質。照度低的象元比起具有相同光譜特徵但照度高的象元往往集中在原點附近（暗點）。SAM通過下式確定測試光譜t_i與一個參考光譜r_i的相似性：

中亞地區高光譜遙感地物蝕變信息識別與提取

式中：n_b等於波段數。這種兩個光譜之間相似性度量並不受增益因素影響，因為兩個向量之間的角度不受向量本身長度的影響。這一點在光譜分類上可以減弱地形對照度的影響（它的影響反映在同一方向直線的不同位置上）。結果，實驗室光譜可直接用來與遙感圖像視反射率光譜比較而達到光譜分類識別的目的。具體應用SAM方法直接實現光譜匹配分類可參考童慶禧等（1997）在總結Board-man（1990）的SAM方法基礎上提出的執行流程。利用高光譜數據，這種技術在地質礦物分類成圖中的應用較有潛力。例如，Miyatake＆Lee（1997）應用SAM技術和高光譜數據在美國內華達州的北Cuprite和Goldfield 地區編制的交錯礦物圖。Yang等（1997）和 Baugh等（1998）也利用此法和AVIRIS圖像數據分別在美國內華達州Cuprite礦產區和南Cedar山區編制礦產圖，獲得成功。

⑻ 可見光的波長范圍是多少七色光的波長范圍分別是多少

可見光的波長范圍在0.77～0.39微米之間，波長不同的電磁波,引起人眼的顏色感覺不同。770～622nm,為紅色；622～597nm,為橙色；597～577nm,為黃色；577～492nm,為綠色；492～455nm,為藍靛色；455～350nm,為紫色。

(8)參考光譜擴展閱讀

可見光是電磁波譜中人眼可以感知的部分，可見光譜沒有精確的范圍；一般人的眼睛可以感知的電磁波的波長在400～760nm之間，但還有一些人能夠感知到波長大約在380～780nm之間的電磁波。

可見光輻射一般指太陽輻射光譜中 0.38～0.76 微米波譜段的輻射，由紫、藍、青、綠、黃、橙、紅等七色光組成。是綠色植物進行光合作用所必須的和有效的太陽輻射能。到達地表面上的可見光輻射隨大氣渾濁度、太陽高度、雲量和天氣狀況而變化。可見光輻射約占總輻射的45～50%。

⑼ 光譜是什麼

光譜（spectrum） ：是復色光經過色散系統（如棱鏡、光柵）分光後，被色散開的單色光按波長（或頻率）大小而依次排列的圖案，全稱為光學頻譜。

光譜中最大的一部分可見光譜是電磁波譜中人眼可見的一部分，在這個波長范圍內的電磁輻射被稱作可見光。光譜並沒有包含人類大腦視覺所能區別的所有顏色，譬如褐色和粉紅色。

(9)參考光譜擴展閱讀

採用光譜學的基本原理與實驗的方法來確定物質的基本結構與化學的組成成分的這一種分析方法我們習慣上稱之為光譜分析法。

具有各種各樣結構的物質都具有自身的特徵性光譜，光譜分析法就是採用特徵光譜來研究物質的結構或者測定化學主要組成成分的一種方法，是以分子和原子的光譜學為基礎建立起的分析方法。

光譜定性分析不需要純樣品，只需要利用已知的譜圖，就可以進行光譜的定性分析，能夠同時測定出多種元素或者化合物，省去了比較復雜的分離性操作過程。