高光谱实习报告[全文5篇]

第一篇：高光谱实习报告

高光谱遥感实习

报告

1、通过给定的数据1DATA（excel文档格式）建立光谱库，并将该光谱库数据重采样至TM传感器的光谱分辨率。

1.1光谱库重采样

使用“Spectral Libraries | Spectral Library Resampling”子菜单进行光谱库重采样。

在“Spectral Resampling Parameters”对话框里，选择 “Input Data File” 作为重采样方法, 第一步：出现“File Containing Output Wavelength”对话框时，点击需要的文件名。此时是can_tmr.img作为参考文件，也就是说光谱库中的光谱将以TM的波长范围进行重采样。如下系列图所示：

第二步：点击【OK】开始重采样过程。数据文件在它的相关文件头中，必须包含用于重采样的波长数值。如果在文件头中，出现 FWHM 值，它们也将用于重采样。

（1）在“Available Bands List”中出现重采样后的光谱库。（2）通过光谱库查看功能查看重采样后的光谱数据。

第三步：通过光谱库查看重采样后的结果

1.2光谱库建立

操作步骤：

第一步：选择“Spectral | Spectral Libraries | Spectral Library Builder”。

第二步：出现“Spectral Library Builder”对话框时，从 “Data File”(ENVI 图像文件)或ASCII File”、或“File Input Spectrum”，为新库选择数据源。第三步：出现“File Containing Output Wavelength”对话框时，用标准选择程序选择包含波长和可选项FWHM值的输入文件。

（1）当采用 “Data File”，波长和 FWHM 值（若存在）从 ENVI 头文件中读取。如图18.（2）当采用 “ASCII File”, 必须选上包含波长值与 FWHM(若存在)的列。（3）当采用“file input spectrum”时直接弹出Spectral Library Builder 对话框（4）点击【OK】。出现“Spectral Library Builder”对话框，允许选择光谱库。如图

第四步：“Spectral Library Builder”对话框运用这一对话框从各种数据源中收集端元光谱。所有光谱自动被重采样到选择的波长空间。这一对话框的个别部分见下面描述（参见错误！未找到引用源。节“端元收集”）。

第五步：此时例子选择的为野外采集光谱文件“ASD file”则根据选择的波长建立光谱库。由选择的光谱建立一个标准ENVI光谱库文件。可以看到，该光谱曲线已经被采样到can_tmr.img文件的波长范围了，即6个波段。这表明输入的ASD数据已经被ENVI识别并已经可以使用了。那么下一步就是将其保存为ENVI的光谱库文件。

第六步：在“Endmember Collection Spectra”对话框中选择“File | Output Spectra | Spectral Library”。

第七步：出现“Output Plots to Spectral Library”对话框时，输入输出文件名，此时该光谱库就已经被建立。

第八步：关闭“Spectral Library Builder”对话框，选择“File | Cancel”

2、对数据2构建三维影像立方体。

操作步骤：

第一步：选择“Spectral | Building 3D Cube”菜单

第二步：输入构建3维影像立方体文件，选择ENVI自带的cup95eff高光谱数据进行实验。第三步：弹出“3D Cube RGB Face Input Bands”对话框，输入影像RGB，用于影像立方体第一层显示。

第四步：弹出“3D Cube Parameters”对话框，选择色彩对应表，显示立方体其他部分的颜色对应表。

第五步：显示结果

3、对数据2的column=10的位置进行光谱切面。

3.1水平切面

操作步骤：

第一步：选择“Spectral | Spectral Slices | Horizontal Slice”。

第二步：出现“Spectral Slice Input File”对话框时，选择一个输入文件和需要的光谱子集 第三步：出现“Spectral Slice Parameters”对话框时，在标有 “Line” 的文本框里输入用

于水平切面的行数

第四步：选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名。

第五步：一旦所有参数都已经输入，点击【OK】继续。水平光谱切面图像将被添加到“Available Bands List”中，可以用标准 ENVI 功能显示和处理。

3.2垂直切面

操作步骤：

第一步：选择“Spectral | Spectral Slice | Vertical Slice”。

第二步：出现“Spectral Slice Input File”对话框时，选择一个输入文件和需要的光谱子集。

第三步：出现“Spectral Slice Parameters”对话框时，在标有 “Sample” 的文本框里，为垂直切面输入一个样本数。

第四步：选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名。

第五步：一旦所有参数都已经输入，点击【OK】继续。垂直光谱切面图像将被添加到“Available Bands List”中，可以用标准 ENVI 功能显示和处理。

4、对数据2进行包络线去除，指出包络线去除后的光谱与原始光谱曲线的区别。

操作步骤：

第一步：选择“Spectral | Mapping Methods | Continuum Removal”。

第二步：出现“Continuum Removal Input File”对话框时，选择输入文件，选取的空间或光谱子集或掩模。

第三步：点击【OK】。

第四步：出现“Continuum Removal Parameters”对话框，选择输出到“Memory”或“File”。如果选择输出到“File”，输入一个输出文件名。第五步：点击【OK】，开始处理。出现一个状态窗口，显示处理的进度。最终结果将出现在“Available Bands List”里。

5、对数据2利用MNF变换进行特征提取，并比较提取后的特征光谱与原始光谱特征光谱的区别。

MNF变换（MNF Rotation）实现对遥感数据进行最小噪声分离，具体实现参见下面步骤：

第一步：选择“Spectral | MNF Rotation | Forward MNF | Estimate Noise Statistics from Data”菜单进行MNF变换。

第二步：在“MNF Transform Input file”中选择进行MNF变换的影像，此处选择的是ENVI自带的cup95eff AVIRIS高光谱影像，为了运算速度，本次实验只选择了该影像的子集（通过“Basic Tools | Resize Data”工具进行）。

第三步：弹出“Forward MNF Transform Parameters”对话框，输入MNF变换所需要的参数。输出噪声统计文件；输出MNF统计文件；选择输出到 “File” 或 “Memory”。如果选择输出到 “File”，输入一个输出文件名，或用【Choose】按钮选择一个输出文件名；选择是否通过特征值选择子集；输出MNF文件的波段数的选择。

第四步：在波段列表中输出MNF影像以及特征值曲线图，从图中可以看出大约在第20个波段以后的MNF波段的特征值很小，因此如果进行降维的话可以选择20左右，此例选择20。

6、利用PPI算法对数据2提取像元的纯净指数，解释结果图像的意义，并通过设置阈值提取端元。

像元纯净指数（Pixel Purity Index，PPI）是一种在多光谱和高光谱图像中寻找光谱纯净像元的方法。

6.1 [Fast] New Output Band

操作步骤：

第一步：选择“Spectral |Pixel Purity Index | [FAST] New Output Band”。第二步：出现“Fast Pixel Purity Index Input File”对话框时，选择一个输入文件或用标准ENVI 光谱和空间子集程序选择子集。PPI 运行 MNF转换结果，光谱子集根据特征图像和特征值图排除噪声波段。此时采用上一节MNF变换后的例子，经分析得知第20个波段以后的特征值很小（如图），因此只需要选择前20个波段进行处理。这样做的优点是可以在不影响精度的情况下加快PPI的运算速度。点击【OK】后，ENVI会提示用户需要的内存数。

第三步：点击【OK】继续。出现“Pixel Purity Index Parameters”对话框，进行PPI参数设置

第四步：在同一地方重新开始，选择“Spectral | Pixel Purity Index | Existing Output Band” 第五步：显示PPI处理结果。如所示。结果图中的每个像元被标记为极值的总次数，也就是说图中像素越多，它被标记为极值的总次数也越多，像元越纯的可能性就越大。

6.2用PPI图像进行端元（Endmember）选择 操作步骤：

第一步：用标准 ENVI 显示程序显示图像比较亮的像元表示采用的光谱极值较多，光谱比较纯。较暗的像元表示光谱纯度较低。

第二步：在 ENVI主窗口处选择“Tools | Cursor Location/Value”以判定图像中值的范围。

第三步：选择“Tools | Region of Interest | Band Threshold to ROI”来生成一个只包含 PPI 高值的像元。

9、利用线性混合分解技术（linear spectral unmixing）对数据3进行混合像元分解。

操作步骤：

第一步：选择“Spectral | Mapping Methods | Linear Spectral Unmixing”。第二步：出现“Unmixing Input File”对话框，选择一个输入文件，（若需要）用标准ENVI光谱和空间子集以及掩模程序选取的空间子集或用一个掩模。选择进行分解的影像为ENVI自带的高光谱影像“wuhanTM”影像。通过ROI选择了6个端元

第三步：点击【OK】继续。出现“Endmember Collection：Unmixing”对话框。选择“Import from ROI/EVF file”。当所有需要的端元都已经选上以后，点击“Endmember Collection:Unmixing”对话框底部的【Apply】按钮。

第四步：弹出“Unmixing Parameters”对话框。如果用户想在分解过程中运用限制性条件则用箭头切换按钮选择【Yes】。如果选择了【Yes】，在“Weight”文本框里输入一个权重。这一权重被添加在分解倒置过程中的联立方程里。权重越大，所进行的分类就越满足设定的限制条件。

第五步：选择输出到“Memory”或“File”。如果选择输出到“File”，输入一个文件名。第六步：点击【OK】，开始光谱分解。出现一个显示处理状态的窗口。

第七步：混合光谱分解的结果。光谱分解的结果将以一系列灰度图像的形式出现，每个端元对应一幅丰度图像，并加上一个平方根误差图像。较高的丰度（RMS误差图像的较大误差）对应较亮的像元。例如，在下图中，较亮的像元代表了在该图中该端元的丰度较高。丰度值在0~1的数据范围内，但是也有可能出现负值和大于1的值。错误的丰度象征着错误的端元。结果由输入的端元决定，且随端元的变化而变化。

10、利用光谱沙漏向导（spectral hourglass wizard）实现对光谱角分类（SAM）制图。

操作步骤：

第一步：打开“Spectral | Spectral Hourglass Wizard”菜单

第二步：打开向导对话框，该对话框为介绍对话框，选择“Next”进行下一步。

第三步：在下一个对话框中点击【Select Input File】和【Select Output Root Name】选择输入输出文件。选择“Next”进行下一步。如图

第四步：进行MNF变换，选择输出MNF波段的数目。此处可以选择一个空间子集进行操作，选择“Next”进行下一步。如图

第五步：得到MNF结果，被保存且在波段列表中可以显示。选择是否查看和动画显示。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。第六步：计算数据维数，通过MNF变换可以降低数据维数，点击【Calculate Dimensionality】，弹出“Spatial Coherence Threshold”对话框，根据空间相关性阈值确定其数据维数为23（图中红线表示）。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。

第七步：选择是否从影像获取端元。从影像获取端元如下所示，手动方式请参见错误！未找到引用源。节“端元收集”。如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步

第八步：进行PPI计算。该步采用PPI获取纯净端元选择，设置PPI相关参数，参数含义参

见像元纯净指数

四、节“像元纯净指数”功能，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步

第九步：得到PPI结果，选择在n维可视化仪显示的最大PPI的像素数，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则“Next”进行下一步

第十步：利用N维可视化界面进行端元选择，该功能首先自动聚类选择相应的端元供用户参考，如此时选择了23个端元。点击【Retrieve Endmember】将n维可视化仪获得的端元列于“Endmember list”列表中。可以通过【Plot Endmember】查看端元光谱曲线，还可以点击【Start Spectral Analyst】按钮进行光谱分析。

第十一步：选择是否采用n-维可视化仪获得端元进行下一步操作还是用户自己选择端元，本例用n-维可视化仪获得端元，选择NO，如果不满意结果可以选择“Prev”返回之前的操作重新进行，否则选择“Next”进行下一步。

第十二步：选择处理方法及参数，有三种制图方法：光谱角；混合调制匹配滤波；分解。设置相关的参数

第十三步：此时计算出了制图的结果，列于波段列表中。其中SAM结果可以直接通过下图进行查看。

第十四步：任务完成点击【finish】得到总结报告。此时的中间结果都在波段列表中显示。

如图：

小结：

通过这次高光谱遥感实习，我较为熟练的掌握了ENVI这个软件的使用，这次实习题目都是对我们上高光谱遥感课程的知识的巩固和动手能力的提高，让我对高光谱遥感的基本知识和操作有了更深层次的认识。在实习中，对于基本的功能我能够摸索出来，其中，在操作中出现了一些问题，不过，经过与同学的探讨交流，最终基本的实现了结果，但还有许多应改进之处。但是对于这个软件还是有一些不熟悉的地方，以后如有机会还是要再次认真的学习。唯一让我后悔莫及的是考试之前没有好好做这个实习，以至于当时好多内容都没有很好的掌握。总之，通过这次实习，学到了不少东西，虽然以前对遥感进行过ENVI的实习，但是这次实习使我对高光谱遥感有了全新的认识，通过实践对理论知识有了更加深刻的理解，受益颇多。

第二篇：高光谱遥感实习报告

中国地质大学（武汉）

《高光谱遥感》上机实习报告

学 号： 20141000360 班级序号： 113142 姓 名：林浩 指导老师：沈永林

实习一

1.高光谱数据的基本信息查询：

（1）打开数据

（2）鼠标放在cup95eff.Int左键点击->edit header，查看头文件信息

2.数据分析

（1）在ENVI主菜单下选择：File>OpenImageFile，在打开的文件选择窗口中选择图像文件cup95eff，点击OK打开图像。

（2）打开它的2-D散点图Tools>2-DScatterPlots,并且选择band172、173

（3）得到2d散点图

3.高光谱数据MNF变换以及纯净端元提取

样本的选取与分类

（1）在ENVI主菜单下选择Transform>MNFRotation>ForwardMNF>EstimateNoiseStatisticsfromData

：

（2）进行mnf变换设置

（3）得到特征值曲线

（4）查看mnf变换后band1和band2的2d散点图

（5）在散点图中用ROI制图功能将点云拐角零散的几个点圈起来

（6）在2-D散点图窗口中选择：Options > Export All 提取各样本区

（7）点击Select ALL 然后点击stats

（8）在ENVI主菜单下选择：Spectral > Spectral Analyst，我们选择USGS（美国地质调查局）波谱库

（9）选择红色区域 得到匹配结果

得出红色区域为明矾石。

（10）同理得到绿色区域结果

判断该为锂辉石

蓝色区域

判断该为高岭石

黄色区域

判断该为赤铁矿

青色区域

判断该为黄钾铁矾

洋红区域

判断该为黄钾铁矾

褐红色区域

判断该为白云石

（11）通过分析是否有两类极其相似，于是我把这两类合并。在ROIs Tools窗口中选择Option > Merge Regions

得到分类好的样本区域

分类

（1）在ENVI主菜单下选择：Pixel Purity Index > [FAST]New Output Band

进行10000次迭代

（2）得到的PPI图像如下所示：

（3）由PPI图像生成样本区。

在ROIs Tool对话框中选择Options > Band Threshold to ROI 建立一个只包含拥有高PPI值像素的ROI

（4）在弹出的对话框中输入最小极限值100，提取训练样本。

（5）在ENVI主菜单中选择Spectral > n-Dimensional Visualizer > Visualize with New Data

（6）选择其前十个波段进行观察

（7）使用n维空间观察仪

（8）选择其中5个波段进行模拟

（9）在ENVI主菜单下选择：Classification > Supervised > Spectral Angle Mapper。选择原始图像作为待分类图像。

（10）在此窗口中选择：Import > form ROI from Input File

（11）选择我们刚才定义好的样本区

（12）这些样本区就出现在端元收集器中了

（13）设置分类参数

（14）得到最后分类的图像

第三篇：光谱工作总结

光谱分析工作总结

张新慈

我于2012年6月毕业于南京理工大学紫金学院机械工程及其自动化专业。2012年7月受聘于常州电站辅机总厂有限公司，从事理化检验工作。从毕业到现在已有三个年头，在这段工作时间中，领导和同事给予了我很多的宽容支持和帮助，让我在工作中学习到了很多宝贵的经验，同时也坚定了自己的对未来工作的信心。

随着国家认证实验室评审的日益临近，我们的实验室管理、设备、技术能力、质量意识不断提高。本质量检测中心今年上半年购入了一台新型金属分析光电直读光谱仪，因为光电直读光谱仪分析速度快，准确度高，适用于较宽的波长范围；光电倍增管对信号放大能力强，对强弱不同谱线可用不同的放大倍率，因此它可用同一分析条件对样品中多种含量范围差别很大的元素同时进行分析；线性范围宽，可做高含量分析。

本公司的光电直读光谱仪主要用以碳钢45#、合金钢40Cr中主要元素（C、S、Mn、Si、P）含量的测量分析。

主要操作规程如下：

1、打开氩气总开关，将输入分压表调整到0.3MPa~0.4MPa；打开控制箱总电源并接通稳压器，打开光谱仪电源，打开光谱仪前面激发台开关。

2、检查设备是否正常，光源、高压、真空指示等是否正常；清理入射窗，调整电极间隙，清理样品台内部残渣。

3、磨制试样和标准试样，使分析面平整并有一定的粗糙度；磨削合金钢和普通碳素钢试样应使用各自专用的砂轮片试样磨削后放在有盖的容器中；禁止用手触摸或擦拭分析表面，禁止长期暴露在空气中。

4、打开汞灯电源，稳定一段时间后，进行狭缝校准。

5、打开氩气减压器，调节出口压力。每天第一次试验时应将管道内残余气体放尽。

6、用一块相关试样进行多次激发，直到各元素（主要是硫、磷）读数逐渐稳定。

7、用控样检查分析数据是否正确，如误差较大，应重新标准化；若两次标准化后仍无法达到要求的精度，则应停止试验，立即报告主管领导和设备员。

8、标准化正确后即可分析试样，每个试样应激发三次以上，舍去不良数据后，取平均值作为分析结果。

注意事项：

1、如果因为放假要关闭所有电源，则应该先关闭真空阀门，然后再关闭真空泵。遇雷雨天气，为安全起见，应关闭所有电源，拔掉稳压器电源。

2、样品每激发一次，改变一次位置，并清刷电极；样品激发面要光滑且纹路一致，不得用手触摸磨好的激发面。

3、在实际测量时要观察燃烧的斑点。正常是3~6mm以上。如果燃烧斑点的白边过大说明氩气存在问题。

4、在做高碳、高合金时或做超低碳和低合金时，先激发几次试样，这样避免由于清理电极不好而造成没必要的污染。

5、试样背面有油污、铁锈时可用砂轮或砂纸除去，打磨不同基体试件要更换砂纸，尽量避免基体之间的污染。

6、探头与主机的连接电缆和氩气管不要硬折或是有硬物磕碰它们。

2015年10月

第四篇：利用高光谱技术反演作物叶绿素浓度

利用高光谱技术反演作物叶绿素浓度

摘 要：高光谱技术作为一种新兴光谱技术，被广泛应用于植物的无损检测中，植被叶片叶绿素含量的估测就是其中之一。利用可见-近红外成像光谱仪采集不同生育期玉米和大豆的冠层“图谱”数据，在逐步提取影像中光照土壤、阴影土壤、光照植被、阴影植被四种组分光谱的基础上，通过选取的敏感波段构建光谱植被指数和叶绿素密度进行波段自相关分析，探讨各个分量对作物叶绿素密度反演的影响。

关键词：高光谱技术；叶绿素；反演

0 引言

植物通过光合作用获取营养物质，在植物光合作用中，植物细胞中的叶绿体占据了重要的地位，而叶绿体中的色素有叶绿素（叶绿素a，叶绿素b 和叶绿素a+b）与类胡萝卜素（胡萝卜素和叶黄素）。其中，叶绿素是植物光合作用中最重要的色素，其作为主要吸收光能的物质，直接影响植物光合作用的光能利用率。叶片单位面积的叶绿素含量是植物总体生长状况的一个重要指标。叶片叶绿素含量的测定可以用来检测和研究植物突变、压力和营养状态，作物压力和萎黄病的检测对精细农业具有重要的潜在影响[1]。

随着光谱技术的发展，其被应用到各个领域。而高光谱技术作为光谱技术的一种，由于具有众多优点，在光谱检测方面应用十分广泛，备受人们的青睐。人类肉眼的视觉范围在380~780 nm 之间，而高光谱的波段非常宽，一些高光谱仪器的波段达350~2 500 nm。因此，通过高光谱技术可以对绿色植物进行叶绿素的检测和定量分析。本文对高光谱技术在植物，特别是在经济作物的叶绿素含量检测和定量分析中的应用加以概述[2]。成像系统简介及数据处理

1.1 高光谱成像技术简介

高光谱成像技术是在多光谱成像的基础上发展而来的，在较宽的波段范围内，利用成像光谱仪对目标物体进行连续成像，从而获得每个像元的数十或数百条光谱信息。其成像特点是： 光谱范围广（200~2 500nm）、超多波段（上百个波段）、高的高光谱分辨率（几个nm）、波段窄（≤10-2λ）和图谱合一等。由于所获得的图像信息不仅可以反映物体的大小、形状、缺陷等外部特征，而且不同物体因结构和成分的不同使光谱吸收也不同，从而可以用于物体内部的物理结构和化学成分的检测。

高光谱成像检测装置主要由光源、光谱相机（成像光谱仪+CCD）、装有图像采集卡的计算机组成，如图1所示[3]

图1 高光谱成像装置简图

在扫描过程中，首先面阵CCD 探测器在光学焦面的垂直方向上完成横向扫描（X 方向），同时，在被测物前进的过程中，排列的探测器扫描出一条带状轨迹从而完成纵向扫描（Y 方向）。通过综合扫描信息就可以得到物体的三维高光谱图像数据，从而可以提取所需信息。

1.2 数据获取

当对玉米、大豆冠层进行成像时，先根据作物的高度决定探测器的观测高度。以玉米为例，小喇叭口期玉米株高50cm，行距30cm，为了保证视场内至少有一株完整的玉米，设定VNIS 观测高度距玉米冠层178 cm，距地面228cm，视场范围为60cm×60cm 的正方形。在成像光谱数据采集时，同步用地物光谱仪ASD 采集参考白板的数字量化值，实时记录当时的天气状况，为反射率转换进行原始数据获取。完成观测区的影像采集后，取两株玉米(大豆)活体植株进行叶绿素密度相关参数测定。

1.3 影像处理

获取的遥感影像要转换成相对反射率才能用于作物的定量化反演研究。基于图谱解析的作物叶绿素密度反演及评价

2.1 大豆叶绿素密度反演及评价

不同株型的大豆在不同生育期覆盖度有较大变化，背景土壤在观测视场内的面积比例会对冠层反射率有较大影响。在大豆植被与土壤混合存在时，对叶绿素敏感的波段基本上都位于红光与近红外波段区间。这和RVI、NDVI、DVI、SAVI、OSAVI 五种植被指数构建原理相符，即都是基于红与近红外波段进行组合运算实现的。当植被光谱提纯后(剔除土壤光谱)，它与叶绿素密度的关系是：对叶绿素敏感的波段范围增大，尤其是蓝、绿波段。五种植被指数都表现为相同的规律。由此说明，背景土壤对利用光学遥感检测植被群体生化指标有较大影响，对阴影叶片的植被光谱信息也进行剔除，尝试分析阴影部分对遥感定量监测的影响程度，植被阴影叶片光谱去除后，对叶绿素密度敏感的波段范围表现为可见光波段增加，近红外波段减少，红边波段决定系数最高。五种植被指数都有相同的规律。那么，可以说阴影叶片会影响植被叶绿素密度敏感波段的选择。当构建新型植被指数时，要根据植被冠层叶片结构，尝试把阴影比例作为一个影响因子，在公式中加以体现，以便提高叶绿素密度定量化反演精度[4]。

2.2 玉米叶绿素密度反演及评价

上文重点分析了大豆冠层光谱提纯前后反演叶绿素密度的能力，初步结果是土壤光谱去除后，纯植被光谱与叶绿素密度的决定系数有所提高。但是，大豆作为低矮宽叶植被，叶片大而圆，在幼苗分枝期以后对地表都有较高的覆盖度，茎秆对冠层光谱的影响较小。为了更加突出背景土壤和茎秆对其冠层光谱的影响，选择玉米作为另一研究对象，主要考虑其有明显的叶片垂直分布，对地表的覆盖度较大豆低(二者的观测视场一致)，且茎秆会影响玉米的冠层光谱。深入分析光谱提纯(土壤、阴影叶片光谱去除前后)对作物生化参数反演的重要意义。

在玉米与土壤混合存在时，对叶绿素密度敏感的波段基本上都在红与近红外波段区间，有些在蓝、红波段；总体的决定系数R2 较低，大部分在0.5 附近。当去除土壤光谱后，即只剩下纯植被光谱，对叶绿素密度敏感的波段主要集中在红光波段，有些在近红外与蓝光波段。决定系数R2 较前者有所提高，大部分大于0.51，最高到0.67。当阴影叶片光谱去除后，对叶绿素密度敏感的波段主要集中在蓝、红波段，五种高光谱指数结果差异较大，大部分决定系数降低到0.45 左右。由敏感波段及决定系数可判断，土壤与阴影叶片光谱去除前后，植被冠层光谱与叶绿素密度的相关性有较大变化，二者可以显著影响植被指数的应用效果。

2.3 作物叶绿素密度反演及评价

大量科学文献表明，冠层结构参数(如叶片内部结构参数、叶面积指数、叶倾角分布函数等)会显著影响植被指数反演作物生化参数的准确性。因此，基于植被指数建立单一预测模型的同时预测多种作物生化参数指标往往比较困难。将玉米与小麦数据进行混合，利用混合数据筛选最优诊断植株氮浓度的光谱指数，探讨了建立单一模型预测多种作物植株氮浓度的可行性。上文分别对光谱提纯前后的大豆、玉米冠层光谱与叶绿素密度的敏感性进行了分析，表明二者有相同的趋势，这为单一植被指数在卫星或航空层面对大尺度作物生化参数进行反演提供地面理论支持。光谱提纯前后对叶绿素密度敏感的波段有明显变动，纯植被光谱与叶绿素密度相关的区间增多，在可见光波段表现明显，主要集中在红光波段。对阴影叶片进行剔除后，与叶绿素密度敏感的波段组合主要是蓝-近红和红-红组合，这与大豆、玉米单独提取时的结果相同。但是对冠层结构差异明显的两种作物数据进行混合后，分析其与叶绿素密度的相关决定系数大小发现，植土混合时最大的决定系数高于纯植被的，这与单独研究时的结果不符。是否因选择的作物组合或试验样本的因素最终影响了混合数据的结果，有待进一步深入研究。但是有一点肯定的是，随着土壤光谱的剔除，与叶绿素密度敏感的波段增多，且表现在叶绿素a 和b 及胡萝卜素强吸收的波段，因此从作物的反射光谱特征上看，文中选择的敏感波段区间是合理的。此外，因这里获得的决定系数较低，故并未进行模型构建及精度检验。3 结论

在光谱提纯的基础上，对大豆、玉米及二者混合叶绿素密度进行反演，得出以下结论：

(1)影像中土壤光谱去除前后，由RVI、NDVI、DVI、SAVI、OSAVI 五种光谱植被指数对叶绿素密度敏感的波段变化情况得出，背景土壤对利用光学遥感数据反演植被叶绿素密度有较大影响。在对阴影叶片的光谱信息进行剔除后，通过五种光谱植被指数选择波段的变化区间说明，阴影叶片会影响植被冠层叶绿素密度敏感波段的选择，当构建新型植被指数时，要根据植被冠层叶片结构尝试把阴影比例作为一个影响因子在公式中加以体现，以便提高叶绿素密度定量化反演的精度。

(2)光谱提纯前后(大豆、玉米及其混合数据)，对叶绿素密度敏感的波段有明显变动，纯植被光谱与叶绿素密度相关的区间增多，在可见光波段表现明显，主要集中在红光波段。对阴影叶片进行剔除后，与叶绿素密度敏感的波段组合主要是蓝-近红波段和红-红波段组合。

(3)对冠层结构差异明显的两种作物(大豆与玉米)数据进行混合后，分析其与叶绿素密度的相关决定系数大小发现，植土混合时最大的决定系数高于纯植被的，这与单独研究时的结果不符。是否因选择的作物组合或试验样本的因素最终影响了混合数据的结果还有待进一步深入研究。

参考文献：

[1] 宁艳玲，张学文，韩启金，等.基于改进的 PRI 方法对植被冠层叶绿素含量的反演[J].航天返回与遥感,2014.[2] 郭洋洋，张连蓬，王德高等.小波分析在植物叶绿素高光谱遥感反演中的应用[J].2011.[3] 刘燕德，孙祥，杨信廷，等.高光谱技术在作物叶绿素含量检测中的应用研究进展[J].广东农业科学,2013.[4] 张东彦，刘良云，黄文江，等.利用图谱特征解析和反演作物叶绿素密度[J].红外与激光工程,2013.

第五篇：高茜实习报告

青岛大学

毕业实习报告

实习单位： 青岛福兴祥商品配送有限公司学院：专业： 工商管理姓名： 高茜指导教师： 刘娟老师

2010年5月28日

实习地点：青岛市市北区福兴祥商品配送公司

实习时间：2010年4月1日——2009年5月12日

一、公司简介

青岛福兴祥商品配送有限公司成立于1997年，是利群集团下属的商品配送单位。中国加入WTO以后，随着经济全球化进程的加快、现代信息网络技术的日益完善和世界运输业的高速发展，现代物流成为继资源节约和劳动生产率提高之后的第三利润源泉，为进一步节约成本、寻找新的经济增长点以适应集团连锁化扩张的战略需要，利群集团建设了一个大型的现代化物流配送基地——青岛福兴祥商品配送有限公司物流中心。新的福兴祥属于有限责任公司，法人股2926900.8股，个人股4173099.2股，总计710万股。十多年来，在各级政府的大力支持下，逐步成长为名优企业。

福兴祥物流中心分为5个大型区域，共有2万多个货位，采用高层货架配以货箱或托盘储存货物，可存放的商品品类达几万种，每日所需周转的托盘用量达15000多个。物流中心全部使用德国进口的现代化物流设施，用高位货车、电动托盘车、高位叉车等国际先进的设备进行作业，并配有快捷、高效的货物传送带和两部运货梯，还设有电视监控系统和消防自动报警系统。物流中心现有运输专车23辆，大型运输周转车可装载货物8吨。每辆车由专人押车，在运输中实行有效监控，并根据行车路线、装载量合理限定返回时间，以安排新的运输任务。通过考核，平均每车每天可周转3—5次，车辆的实载率达到了99%以上。

由于利群集团的各个连锁店已实现了计算机联网，各个连锁店如需要货，先向物流中心申请配送，从网上发送订单，物流中心系统根据每天配送次数定时汇总数据，并根据请配到货日期按拣选区域、品类定时汇总出货作业，向供货商统一下订单，有针对性地组织进货，减少了工作的盲目性。货物到达物流中心后，由收货组、理货组根据订单验收，在托盘上码货，直接用叉车送往相应区域储存，使各零售门店实现了“零库存”。配送货物时，理货组根据入库单将商品从装卸区运至理货区，重新整理并贴批次条码，用专用插车放入相应出货位，各个连锁店的专用运输车直接开到各出货口等待运输任务。整个流程快捷、高效，实现了物流中心与各独立门店“门对门”的仓储、运输、包装加工的集成式服务。

除满足集团公司内部的物流配送需求外，福兴祥配送中心还承担着“第三方物流”的任务。作为第一方货主和第二方客户之间的桥梁，第三方物流公司的触角要无所不及，需要建立一个四通八达的配送网络，这正是福兴祥物流正逐步实现的目标。目前物流中心已向崂百、潍坊百货、百盛、家乐福、佳世客、麦德龙、普尔斯马特等大型商场、外资商场、超市及各种专卖专营店进行了商品配送，辐射至青岛市80％以上的区域，并已向潍坊、烟台等地区实行了跨地区配送。

随着福兴祥物流中心业务流程的逐步完善和配送业务的逐步开拓，物流中心将跨出山东省，发展成为全国性、大规模的现代化物流基地，并将为半岛城市群腾飞、为振兴齐鲁经济、发展山东商业，发挥更大的贡献。

二、实习目的本次实习的目的在于通过理论与实际的结合、个人与社会的沟通，进一步培养自己的业务水平、与人相处的技巧、团队协作精神、待人处事的能力等，尤其是观察、分析和解决问题的实际工作能力，以便提高自己的实践能力和综合素质，希望能帮助自己以后更加顺利地融入社会，投入到自己的工作中。

一般来说，学校的生活环境和社会的工作环境存在很大的差距，学校主要专注于培养学生的学习能力和专业技能，社会主要专注于员工的专业知识和业务能力。要适应社会的生存要求，除了要加强课堂上的理论知识外，还必须要亲自接触社会参加工作实践，通过对社会工作的了解指导课堂学习。实际体会一般公司职员的基本素质要求，以培养自己的适应能力、组织能力、协调能力和分析解决实际问题的工作能力。

为了让自己更有能力和适应社会，更为了让自己能在今后的事业和前途充满信心和资本，我来到了很有挑战性和竞争性的青岛市福兴祥商品配送有限公司，担任化妆批发部办公室助理。

三、工作心得和体会

在实习期间，了个人的政治思想觉悟有了很大的提高。作为办公室助理，每天会处理大量的公文，而部分公文会牵涉党的先进思想、方针、政策的落实与传

播。长期的耳濡目染让我学习了不少关于党的先进理论。事实求是、廉洁从业、坚持科学发展观、坚持三个代表、促进社会主义社会和谐发展，这些先进的理论时刻鞭策着我，让我在工作生活中严格要求自己，努力做好每一件事，加快了让我向党组织靠拢的步伐。

由于福兴祥商品配送有限公司是一个有着严格组织纪律的物流机构，从工作时间的遵守到工作任务的落实，每一项工作都要严格的纪律作为保障。实习期间，我严格遵守组织纪律，不早退，不迟到，不弄虚作假，团结友爱，严守单位秘密，认真完成单位布置的每一项任务。这让我从单个个体成为了组织的一员，让我改掉了作为个体存在时的一些坏习惯，如懒散、粗心等，提高了自身的纪律性及集体归属感。

在业务学习方面，作为学工商管理专业的我，办公室助理这一项工作虽然未与我专业对口，但是在我人生的大地上却开辟了另一块疆土，让我学到了更多的知识与经验：

（1）、档案整理。这是我接手的第一份工作。由于档案种类繁多且名目复杂，整理起来相当有难度。从电子文档的整理-打印纸质文档-档案登记-档案装订成册-保存，每一个步骤虽简单却繁琐。这一份工作不仅让我学会了如何成功的管理档案，也让我更仔细，更有耐心。

（2）、公务的处理与写作。对于公文写作这一块，虽然在校期间曾经学习过相应的理论知识，但是在实际生活中却从来没有接触过。在部门主任的悉心教导下，我成功的将理论知识用于了实际，写出了较高水平的公文，在很大程度上促进了我写作能力的提高。

（3）、日常人员来访接待。作为办公室助理，对来访人员的接待是必不可少的。三个月的实习，在对人员接待的过程中，我从一个较为寡言的人变成了一个较为善于与人沟通的人，提高了我人际交往能力与适应社会的能力。

在福兴祥实习的日子，让我提前对社会有了一定的认知，在收获了很多知识与经验的同时，我亦发现了我自身存在的不足，比如个人容易情绪化，人际交往方面还有待加强，以及知识面还不够广泛等。这段时间的实习对我来说很是宝贵，那些教导我的人，那些我经历的事，都将不断激励着我，奋勇向前，勇攀高峰！