（3） 光谱的响应范围更广，成像波段数量更多。由于高光谱图像波段数的显著增长，使得其在目标探测时得以按照要求提取特定的波段以突显目标的特征，因而为分析光谱特征提供了更多途径。除此之外，图像数据中包含地物目标详细的光谱特征数据，可以将光谱特征数据从多种途径进行处理，从而为地物目标的获取与辨别提供更广阔的分析渠道。来*自-优=尔,论:文+网www.youerw.com

由于高光谱图像存在着这些突出的优点，使得高光谱图像不仅在信息丰富程度上有了极大的提高，也为更加有效、合理地进行分析和处理该类光谱数据提供了可能，因此高光谱图像在遥感应用领域发挥着非常重要的作用，并且在研究地球科学的各个领域中被广泛运用，比如：地表植被调查、大气污染监测、火灾监测、水环境监测和城市规划、军事目标探测等等[5]。

2。1。2  光谱混合模型

（1）光谱混合的概念

高光谱图像中每个像元记录的数据是地表单元的各种信息的集合。假如某一个像元只记录一种地物的光谱信号，则被称为纯像元（pure pixel）；若某一个像元包含了好几类地物的光谱信号，则记录的是混合光谱，则被称为混合像元（mixed pixel）[5]。实际探测过程中，由于多方面因素的限制，使得混合像元广泛存在高光谱图像里。

（2）线性混合模型和非线性混合模型

在本质上，自然地物的光谱的混合的模型包括线性混合模型和非线性混合模型。在线性混合模型中，假设地表不同物质之间没有任何相互作用，也就是遥感中的每个入射光子（incident photon）仅仅和某一种地物产生相互作用，即它只能“看到”唯一的一种地物类型。但由于客观观测条件和观测器件的限制，在传感器接受光谱信号时，会呈现多个像元光谱信号线性叠加的状况，如图2。2所示。而当不同地物之间产生相互作用、发生多次散射,入射光子“看到”了多种地物类型，会出现近似于迭代乘积过程的非线性过程，即为非线性混合模型。