hidrotermal – 馃寧Mineria.Space馃殌 https://mineria.space Sun, 09 Feb 2025 23:06:27 +0000 es-PE hourly 1 https://wordpress.org/?v=6.7.1 An谩lisis Espectral con ENVI https://mineria.space/analisis-espectral-con-envi/ Sun, 09 Feb 2025 23:06:27 +0000 https://mineria.space/?p=18239 La herramienta de an谩lisis espectral en ENVI聽 ayudar a identificar materiales en funci贸n de sus caracter铆sticas espectrales. El an谩lisis espectral utiliza t茅cnicas de ENVI Classic como la codificaci贸n binaria, el mapeador de 谩ngulos espectrales y el ajuste de caracter铆sticas espectrales lo que ayuda para clasificar la coincidencia de un espectro desconocido con los materiales de una biblioteca espectral.

El resultado de un An谩lisis Espectral es una puntuaci贸n clasificada o ponderada para cada uno de los materiales en la biblioteca espectral de entrada. La puntuaci贸n m谩s alta indica la coincidencia m谩s cercana e indica una mayor confianza en la similitud espectral. Los materiales similares pueden tener puntuaciones relativamente altas, pero los materiales no relacionados deben tener puntuaciones bajas. Nota: esta funci贸n no identifica espectros; solo recomienda posibles candidatos para su identificaci贸n. Los resultados pueden cambiar cuando se cambian los m茅todos de similitud o los pesos.

Consejos para un uso exitoso del an谩lisis espectral.

Rangos de longitud de onda

Muchos materiales son similares en un rango de longitud de onda, pero son muy diferentes en otro rango. Para obtener los mejores resultados, utilice el rango de longitud de onda que contiene las funciones de absorci贸n de diagn贸stico. Cuando se muestra un espectro, el analista espectral trabaja sobre el rango que se muestra en el gr谩fico correspondiente que se analiza.

Metodolog铆a

Determine si los materiales tienen caracter铆sticas de absorci贸n. Si es as铆, el ajuste de caracter铆sticas espectrales es probablemente el mejor m茅todo. De lo contrario, el asignador de 谩ngulos espectrales o la codificaci贸n binaria producir谩n mejores resultados.

Materiales que no est谩n en la biblioteca espectral

El an谩lisis espectral no identificar谩 materiales de inter茅s en los espectros de entrada que no est茅n en la biblioteca espectral. Si un material no est谩 en la biblioteca espectral, los materiales similares a 茅l pueden obtener una puntuaci贸n relativamente alta.

Materiales m煤ltiples (mezclas)

Los puntajes altos para m煤ltiples materiales pueden indicar mezclas, particularmente para minerales con caracter铆sticas de absorci贸n en diferentes partes del espectro. Debido a esto, debe ejecutar Spectral Analyst en los resultados de una determinaci贸n de miembro final, los espectros de miembro final puro.

Magnitud de puntuaci贸n y separaci贸n de puntuaci贸n

Los puntajes m谩s altos indican una mayor confianza porque se cumplieron m谩s reglas. Una mayor separaci贸n entre puntuaciones adyacentes indica una mayor confianza en la similitud. Por ejemplo, una puntuaci贸n de 0,98 para un material seguida de una puntuaci贸n de 0,96 para otro material indica que el material desconocido es muy similar a ambos conjuntos de reglas. Una puntuaci贸n de 0,98 para un material y una puntuaci贸n de 0,50 para otro material indica una alta probabilidad de que el espectro represente el primer material.

M煤ltiples coincidencias (misma puntuaci贸n)

En muchos casos, el an谩lisis espectral enumera m煤ltiples puntajes id茅nticos para diferentes materiales en la base de reglas. Esto indica que el analista espectral no puede discriminar los dos materiales en las condiciones de identificaci贸n. En este caso, pruebe con un rango de longitud de onda diferente o utilice los diferentes m茅todos ponderados para producir un resultado 煤nico.

Sin coincidencia (puntuaci贸n cero)

En algunos casos, el an谩lisis espectral puede enumerar una puntuaci贸n de 0.000 (sin coincidencia) para todos los materiales de la biblioteca espectral. 脡sta es una buena indicaci贸n de que el material no est谩 en la biblioteca espectral o que el material no es similar a otros materiales en la biblioteca espectral.

Contexto

Examine la clasificaci贸n espectral en el contexto de la configuraci贸n de la imagen y la informaci贸n conocida. Si una identificaci贸n sugerida parece inv谩lida con respecto a la informaci贸n conocida, probablemente no sea la identificaci贸n correcta. La herramienta Spectral Analyst no es infalible. Debe utilizarse como punto de partida para identificar los materiales en una escena de imagen. Si lo usa correctamente con una buena biblioteca espectral, puede proporcionar excelentes sugerencias para la identificaci贸n. Usado a ciegas, puede producir resultados err贸neos.

]]>