Derivative Analysis of Hyperspectral Data

Tsai, Fuan; Philpot, William

doi:10.1016/s0034-4257(98)00032-7

Cited by 482 publications

(270 citation statements)

References 15 publications

Supporting

Mentioning

260

Contrasting

Unclassified

Order By: Relevance

“…Como passo preparatório ao cálculo das derivadas, um filtro de média móvel de três pontos (bandas) foi aplicado sobre os espectros de reflectância para evitar que ruídos fossem amplificados durante a diferenciação (Tsai & Philpot, 1998). Um filtro de média móvel simples assume o valor espectral médio de todos os pontos dentro de um intervalo espectral específico, como sendo o novo valor do ponto central deste intervalo.…”

Section: Análise Dos Dadosunclassified

“…Usando imagens Hyperion obtidas em diferentes datas, Rudorff et al (2006;2007) aplicaram um modelo linear de mistura espectral para explicar a variação espacial da composição de águas amazônicas. Segundo estes autores, esta abordagem apresentou vantagens na análise da dinâmica temporal da água, mas mostrou limitações na estimativa dos COAs.A técnica de análise da derivada espectral apresenta a vantagem de reproduzir dados hiperespectrais menos sensíveis às componentes de variação que se comportam como constantes aditivas e espectralmente independentes ao longo de uma faixa espectral de alguns nanômetros (Tsai & Philpot, 1998). Esta possibilidade é importante para estudos do meio aquático natural sujeito aos efeitos de misturas espectrais não-lineares e a condições ambientais de iluminação tão variáveis (Chen et al, 1992;Curran & Novo, 1988;Han & Rundquist, 1997;Kondratyev & Pozdniakov, 1990;Novo et al, 2004).…”

unclassified

See 1 more Smart Citation

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia

et al. 2007

View full text Add to dashboard Cite

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia Conrado M. RUDORFF 1 , Evlyn M. L. M. NOVO 1 , Lênio S. GALVÃO 1 , Waterloo PEREIRA FILHO 2 RESUMO A técnica de análise derivativa de dados espectrais foi usada para estudar a variação dos constituintes opticamente ativos (COAs) na água, por meio de dados de campo e de imagens do sensor orbital Hyperion/EO-1. A imagem Hyperion usada neste estudo foi adquirida no dia 23 de junho de 2005, no final do período de cheia. Uma campanha de campo foi realizada entre 23 e 29 de junho de 2005, para coletar dados espectrais e limnológicos in situ. A imagem foi pré-processada visando eliminar faixas de pixels anômalos e convertida de valores de radiância para reflectância de superfície, portanto, corrigidos dos efeitos de absorção e espalhamento atmosféricos. Uma análise da correlação foi realizada para examinar a associação da reflectância e de sua primeira derivada espectral com as concentrações dos COAs. Melhores resultados foram obtidos após a diferenciação dos espectros, o que ajudou a reduzir a influência de efeitos indesejáveis, provindos de diferentes fontes de radiância, sobre as medidas de reflectância da superfície da água realizadas em ambos os níveis de aquisição de dados. Por meio de ajustes de regressões empíricas, considerando o conjunto de dados Hyperion, a primeira derivada espectral em 711 nm explicou 86% da variação da concentração de sedimentos inorgânicos em suspensão (mg . l -1 ) e a primeira derivada espectral em 691 nm explicou 73% da variação na concentração da clorofila-a (μg . l -1 ). As relações de regressão foram não-lineares, pois, em geral, as águas que se misturam na planície de inundação Amazônica se tornam opticamente complexas. A técnica de análise derivativa hiperespectral demonstrou potenciais para mapear a composição dessas águas. PALAVRAS-CHAVESensoriamento remoto hiperespectral; primeira derivada; constituintes opticamente ativos, Hyperion, Amazônia. INTRODUÇÃOO sensoriamento remoto tem contribuído muito para o estudo dos mais diversos ambientes do planeta, ajudando a ampliar a compreensão das estruturas ecossistêmicas e de suas interações. Um dos principais interesses no uso de imagens de satélite em ambientes aquáticos é verificar a variação espacial e temporal da composição da água, possibilitando investigar a origem e o deslocamento de substâncias específicas em suspensão ou dissolvidas na água (Jensen, 2000). Sedimentos em suspensão, pigmentos fotossintetizantes, matéria orgânica dissolvida e as moléculas de água, em si, são os principais agentes que regem as propriedades ópticas inerentes da água e, portanto, são chamados de constituintes opticamente ativos (COAs). Os efeitos espectrais dos COAs sobre a reflectância da água têm sido amplamente discutidos na literatura (Arst, 2003;Bukata, 2000;Kirk, 1994). Este conhecimento científico aliado ao desenvolvimento de sensores, capazes de registrar com maior detalhe as propriedades ...

show abstract

Section: Análise Dos Dadosunclassified

unclassified

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia

et al. 2007

View full text Add to dashboard Cite

show abstract

“…The advantage of derivative spectroscopy is that it is relatively insensitive to variations in illumination intensity, which may be caused by changes in sun angle, cloud cover, topography and atmospheric attenuation [43] . When such factors are removed, any differences observed are more likely to be due to leaf chemical composition, leaf structure or water content [47] .…”

Section: Lagrangian Interpolation Techniquementioning

confidence: 99%

“…On the other hand, the Lagrangian interpolation which is based on derivative analysis, estimates REP by using wavebands with no equal-space requirement, minimizes interpolation errors and soil background effects and computationally, it is one of the simpler curve fitting techniques [36] . Based on these advantages of the two Linear and Lagrangian methods, recently many applications have been considered to these methods for estimating REP [4,27,[37][38][39][40][41][42][43][44] . Therefore, in this analysis the objective is to study the performance of Linear and Lagrangian approaches for extracting the REP from HyMap data for estimating different vegetation covers (types and ages), to compare the two methods in detecting REP and to assess the ability of hyperspectral remote sensing data to estimate different vegetation covers based on the Linear and Lagrangian REP.…”

Section: Introductionmentioning

confidence: 99%

Hyperspectral Remote Sensing of Vegetation Using Red Edge Position Techniques

Shafri¹,

Salleh²,

Ghiyamat³

2006

American J. of Applied Sciences

View full text Add to dashboard Cite

Two red edge position (REP) techniques, Linear and Lagrangian, were applied on hyperspectral data acquired from the HyMap sensor for a forested area in Thetford Forest, UK. Red edge positions of different vegetation covers were extracted with the two approaches from the hyperspectral data. Based on the estimated REPs, the Linear and Lagrangian interpolation methods were compared with ground reference image to analyse different vegetation types and ages. Experimental results of both interpolation techniques indicate that the wavelength and reflectance of REP for younger plants (higher chlorophyll content) shift towards longer wavelength and of higher reflectance in comparison with older plants (lower chlorophyll content).

show abstract

“…Derivatives are relatively less susceptible to variations in illumination intensity in the remote sensing field [18]. Nevertheless, a secondary effect of the derivative process is that it accentuates the noise present in the data, thus the necessity of a careful preprocessing phase to reduce the noise.…”

Section: B Derivative Analysismentioning

confidence: 99%

Prediction of Sweetness and Nitrogen Content in Soybean Crops from High Resolution Hyperspectral Imagery

Monteiro

Minekawa

Kosugi

et al. 2006

2006 IEEE International Symposium on Geoscience and Remote Sensing

View full text Add to dashboard Cite

Abstract-In this paper, we investigate a hyperspectral imagery data processing method to predict the sweetness and amino acid content of green vegetal soybean crops. Regression models based on neural networks were developed in order to calculate the level of sucrose, glucose, and nitrogen concentration, which can be related to sweetness and amino acid concentration of vegetables. We demonstrate the method using hyperspectral data of wavelengths ranging from the visible to the near infrared acquired from an experimental field of green vegetal soybeans. A performance analysis is reported comparing regression models built using datasets pre-processed using the first and second derivative analysis. The second derivative transformed dataset presented the best performance overall. Glucose could be predicted with greater accuracy.

show abstract

Derivative Analysis of Hyperspectral Data

Cited by 482 publications

References 15 publications

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia

Hyperspectral Remote Sensing of Vegetation Using Red Edge Position Techniques

Prediction of Sweetness and Nitrogen Content in Soybean Crops from High Resolution Hyperspectral Imagery

Contact Info

Product

Resources

About