openai账号购买,openai在您所在的国家不可用,openai和chatGPT什么关系,openai股票

原标题：率先接入OpenAI相关服务

长沙晚报2月13日讯 （全媒体记者 吴鑫矾 通讯员 谢翔）当下，ChatGPT这把旺火越烧越旺，记者2月13日从创意软件A股上市公司万兴科技（300624.SZ）获悉，该公司旗下视频创意软件Wondershare Filmora焕新上线，新版本全新接入ChatGPT母公司OpenAI相关服务，率先在视频创作领域集成AIGC新技术。

AIGC即AI Generated Content，是指利用人工智能技术来生成内容，AIGC也被认为是继UGC、PGC之后的新型内容生产方式，AI绘画、AI写作等都属于AIGC的分支。随着OpenAI的接入，Wondershare Filmora用户进行视频创作时，可自由调用OpenAI强大的AI绘图功能，一键即可智能生成图片素材，快速创作大师“同款”作品，未来用户还将在产品内体验更多AIGC新功能。

自2018年设立长沙分公司，万兴科技大力引才入湘，持续与在湘企业、高校、科研机构等保持深入合作，围绕长沙打造链接全球资源的元宇宙创作者经济产业集群，致力于推动更多本土企业走向全球，实现多方共赢。2022年底，万兴科技在湖南湘江新区中电软件园的万兴创意科技大厦正式投入使用，并将以长沙为新起点布局未来10年发展，在湘打造全球运营总部暨创意软件全球研发中心,　

作为长沙重点引进的数字经济名企和元宇宙潜力企业，万兴科技深耕创作者经济，旗下知名产品包括万兴喵影、Wondershare Filmora、万兴录演、万兴喵库、万兴优转、万兴爱画、万兴播爆等，业务覆盖全球200多个国家和地区，用户超15亿，被称为“中国版Adobe”。

万兴科技相关负责人介绍，面向AIGC时代，万兴科技正加码布局，持续进行图片、视频领域AI技术等研发和探索，目前已于多个产品内落地虚拟人、文生图、AI智能抠像、AI智能降噪、AI音乐重组、AI换脸等功能，并逐步从泛娱乐、泛知识向泛营销领域等多场景渗透。

据了解，Wondershare Filmora焕新发布的V12版本，已聚焦“智能”“高效”“云服务”三大方向，一次性新增AI智能抠像/AI音频重组/AI智能降噪等AI工具智能套件等领先的高级功能，助力全球1亿+创作者出片更快一步，让创作效率更胜一筹。该款软件也凭借持续的技术突破和服务提升，在近期于超3万个软件中脱颖而出，被全球领先的商业软件分享平台GetAPP授予“2022年度视频编辑领域领导品牌”的荣誉称号。

随着相关技术及产品储备开发，万兴科技未来也将为用户带来更丰富智能的创意软件与服务。据了解，万兴科技去年年底发布的AIGC新品万兴爱画已实现网页端、iOS、安卓、微信小程序多端覆盖，支持文本一键生成图片，并将于近期在业界率先推出交互型图生图新功能。

另据介绍，万兴科技未来将逐步深化与以OpenAI为代表的AI上游技术商合作，持续引入新的AIGC技术到万兴科技系列产品中，并将借助AIGC新技术开发更多新品。返回搜狐，查看更多

责任编辑：

ai互联网大会后会有什么变化 一家互联网大厂的ai技术总监

ai互联是什么,ai互联神器,iaa互联网,互联网时代和ai时代的机遇和挑战

雷峰网获悉，近日中国人工智能领域多位业界技术翘楚（梅涛、谭平、金榕）有新的人事动向。有人从大厂离开、尚未定下家，有人决定先回归学术界，还有人从国内头部大厂跳到国际头部大厂。他们的选择，有个人原因，也有外部客观环境下的权衡之举。

随着ChatGPT的炸圈，人工智能的潜力再次回归大众视野。春节后的这波 AI 浪潮，可以说达到了前所未有的热度，网友形容，在人工智能领域，上一个能获得全民关注的话题还是2016年李世石与AlphaGo的「五番棋大战」。ChatGPT对社会发展的意义，甚至还被夸大为堪比人猿的第一次直立行走。

然而，与此同时，人工智能的长远发展与基础建设底层动力不足，也开始为更多人注意到。比如，网友就热议：国内多家公司与机构号称其在人工智能研究上取得多大成果，那么为什么不是中国率先研究出ChatGPT？归根到底，是研究与商业化的「土壤」问题。

回到人才上，值得我们思考的是：在国内，如果一个 AI 人才身怀绝技，可以去哪里发挥自己的才能？

1、梅涛从京东离职

据悉，近日原京东集团副总裁、京东探索研究院副院长梅涛已离职，2月上旬有消息称其已受聘担任微亿智造与智云天工的高级技术委员会名誉主席及高级战略顾问。

梅涛

梅涛的本科与博士毕业于中国科技大学，加拿大工程院外籍院士、IEEE/IAPR/CAAI Fellow，主要研究方向为计算机视觉与多媒体，是国内该方向的知名科学家，谷歌学术引用量超过3万。2006年，他加入微软亚洲研究院担任研究员，工作12年后，在2018年加入京东。

梅涛加入京东的契机，正是国内各大厂受深度学习影响，纷纷建立 AI 人才团队的时候。京东最开始邀请周伯文入职，带头建立「AI 平台与研究部」，陆续吸纳了一批 AI 科学家，如何晓冬、梅涛、郑宇等。梅涛加入后，主要内容也是将 AI 知识用于研发京东的数智供应链，还担任了科技部创新2030人工智能重大项目「智能供应链人工智能开放创新平台」首席科学家。

京东是一家以供应链智能为核心竞争力的公司，一方面，新加入的 AI 人才从一开始就有一个相对清晰的应用场景；但同时，另一面是，京东的 AI 人才也局限于单一的供应链应用场景，难以突破。

有早期京东的 AI 人士就告诉雷峰网，京东的 AI 平台部门最开始聚集了人才、找事做时，是先给京东零售的核心业务赋能。然而，类似大厂的跨部门合作都会带来部门间协调沟通难、利益难以平衡、资源浪费的问题。比如，京东高薪聘入一个 AI 科学家，却让他们来解决基层研发工程师就能解决的业务技术问题，同时京东零售自有一个研发团队。

后来，京东也意识到了这一点，开始将这部分人才团队划分出来，以京东「言犀」的名义聚集，对外以「京东云」的名义输出 To B 人工智能技术，如何晓冬博士领衔的智能客服对话等。这就相当于在京东集团内部成立了一个「AI 初创团队」，单独研发武器，对内对外做生意，这既让京东的 AI 团队得到施展才华的机会，又让团队对内有交代。据悉，2022年京东云AI部门的盈利达到了数亿，即将扭亏为盈，抵消掉研究 AI 的机器与运营等等成本。

京东的 AI 团队似乎在朝着一个明朗的方向发展，但对于京东的 AI 商业落地模式，也有行业人士评价：既然是京东里的「创业公司」，那 AI 团队为什么不出去自立门户呢？

梅涛原先就职的京东探索研究院，其院长由陶大程担任。

据悉，京东在刚有意成立探索研究院时，原是想请西北工业大学的知名学者李学龙担任院长，但李学龙的志向不在工业界，就向京东推荐了他的后辈陶大程。

在京东技术版图的整个布局中，京东探索研究院扮演探索前沿、「未雨绸缪」的新角色，科研氛围浓厚，但距离业务场景相对较远。陶大程与梅涛均为 AI 领域的青年翘楚，被寄予厚望。

微亿智造的前身企业是「雄思科技」，成立于2005年，2018年引入新的资本重组为微亿智造，研发以 AI 视觉技术为核心的产品表面缺陷检测智能设备，与智云天工一样，走的都是工业智能赛道。

当然，梅涛本次受聘担任的「名誉主席及高级战略顾问」更多是一个「智囊」的角色，除此之外，是否选择其他公司担任实际职位或创业，雷峰网仍在进一步确认中。

此前，原腾讯优图实验室首席科学家贾佳亚从腾讯离开后，就选择了在工业制造领域创业，成立了思谋科技。计算机视觉的落地，从人脸识别到自动驾驶，都已是一片红海，计算机视觉科学家转向难度更大、技术壁垒更高的领域已成趋势。

2、谭平、金榕离开阿里后，有新下家

2022年中期开始，阿里达摩院多位技术高层出走，如华先胜、金榕、张磊、谭平等等。华先胜原任阿里达摩院城市大脑负责人，离职后在去年9月加入了AIoT初创公司特斯联，担任CTO，是较早官宣下一任职务的离职高管之一。今年，其他离职高管的去向也逐渐公开。

雷峰网获悉，原阿里达摩院XR实验室负责人谭平在去年离职以后已经入职香港科技大学电子与计算机工程系（ECE）和机器人研究所（Robotics Institute），担任正教授。

谭平

谭平是一名80后，天才少年，15岁就考入上海交通大学少年班，2000年本科毕业时获应用数学与计算机科学双学位，并在上海交大求学期间开始接触到人工智能，2003年获模式识别与智能系统硕士学位。硕士毕业后，谭平到香港科技大学读博，师从权龙，开始深入研究计算机视觉，为日后在3D视觉领域的建树打下了基础。

博士毕业后，谭平走的先是学术路线：2007年博士毕业后到新加坡国立大学ECE系任教，2014年去加拿大西蒙弗雷泽大学计算机系任教。

在加入阿里之前，谭平曾加入360担任人工智能研究院副院长，与颜水成搭档。当时360有意研究自动驾驶，谭平擅长的三维视觉正是高精地图、导航、避障等问题所急需的。后来，360终止了自动驾驶业务，团队将研究成果转化为了一款扫地机器人。

谭平专长3D视觉。这方面的人才在国内长期稀缺。2019年谭平应浅雪（阿里巴巴合伙人、人工智能实验室负责人陈丽娟）邀加入鼎盛时期的阿里，担任人工智能实验室计算机视觉首席科学家。但2021年初，人工智能实验室被爆已经解散。同年，元宇宙概念兴起，谭平在云栖大会上的演讲「元宇宙―下一代互联网」在全网累计获得上千万浏览。谭平也官宣坐镇阿里巴巴XR实验室，聚焦AR/VR研发。据悉，当时的XR实验室聚集了200+研发，在北京、杭州、深圳、以色列都有办公室。但随着22年AR/VR的热潮逐渐消退，阿里在XR方向的研发策略有所调整。许多员工选择离开，谭平也于年中离职。

谭平的导师权龙也在香港科技大学任教，权龙长期从事三维视觉重建的相关研究，并在此领域有一家创业公司altizure。而谭平的实验室将会定位于三维人工智能，XR、机器人都是其关注的应用方向之一。

除了谭平，阿里原P11、达摩院机器智能技术实验室主任金榕在2022年5月离职后加入了推特，担任研发VP。

金榕金榕本科毕业于天津大学，北京大学物理学硕士，后赴卡内基梅隆大学（CMU）语言技术研究所（LTI）攻读博士，师从AI大神 Alexander G. Hauptmann。

CMU 的 LTI 研究所在自然语言处理领域全美排名第一，培养出许多 NLP 大神，如 ACM Fellow翟成祥、吉林大学人工智能研究院院长常毅、XLNet作者杨植麟、ALBERT一作蓝振忠等，录取门槛极高。但金榕跨专业申请成功，是LTI自成立以来第五位被录取的中国学生，并于2003年顺利毕业。

博士毕业后，金榕也是先选择学术界，2003年到2014年在美国密歇根州立大学计算机科学与工程系任教，从助理教授做到了正教授，谷歌学术引用也超过了两万次。2014年7月，金榕加入阿里巴巴，是达摩院最早的十三位扫地僧之一，做过手机淘宝App中的「拍立淘」功能、上海地铁语音购票等项目。

结合近年来XR、NLP在国内业界的发展，谭平与金榕的选择其实不难理解。

尽管元宇宙与ChatGPT的热度带火了计算机图形学、XR、语言大模型等技术研究，但随着Meta股价大跌，元宇宙的研究成本曝光，资本很快收缩了在这块的投入。如谭平所研究的3D视觉，在国内的研究领域并没有受到足够重视。

自然语言处理也如此，一是计算机视觉资源的挤兑，二是NLP的应用细碎纷杂，文档处理、客服对话、语言翻译等等场景难以形成有效差异化竞争，与实际需求较远。

即使在2017年左右国内大厂纷纷成立 AI Lab 或相似团队，但业务与研发的高壁垒始终没有被打破。这也导致近年来，原本从学术界兴冲冲跑到工业界、有意干一番事业的AI科学家在离开BAT等大厂后，要么只能回学术界「蛰伏」，要么自己创业，要么国内几个大厂轮流转，要么并入国外科技大厂。

3、为什么中国没有「OpenAI」？

相比「为什么不是中国率先研发出 ChatGPT」，也许我们更应该关注「为什么中国没有OpenAI」。

深度学习的业界浪潮，大约可以分为几个阶段：雷峰网

2012年AlexNet横空出世，最先作出反应的是谷歌、微软等大厂，还有彼时没被谷歌收购的DeepMind（Alpha系列的研发团队）、野心勃勃的百度，这四家率先聚在NeurIPS顶会，希望收购AlexNet的团队Geoffrey Hinton等人，这场角逐最终以财大气粗的谷歌胜出。

随后资本蠢蠢欲动，2012年左右开始出现一批 AI 创业公司，如国内的 AI 四小龙。这波 AI 创业聚集了大量的 AI 人才，一时风头无二。受它们影响，AI 浪潮在国内外全面铺开。同时，也有一些大厂如联想、360等开始布局 AI 团队。雷峰网

接着是2017年左右，互联网大厂迫于外界的汹涌，也不得不开始组建 AI 团队做两手准备，阿里、腾讯、京东等等大厂开始成立 AI Lab，重金招聘 AI 科学家，从彼时已式微渐现的微软亚研、国内外高校挖一批 AI 研究者坐镇。这波吸引了许多大科学家，学术界人才开始流失，空出许多教职名额与新的博士生学位，高校开始出手招聘青年教授、学生，人工智能正式席卷。

如今，十年过去，大浪淘沙，国内的 AI 布局重新洗牌，AI 人才的流动也间接与新的行业启示相结合。

一是行业开始发现，在传统的互联网大厂与科技大厂中，与 AI 发展相配套的政策与基础匮乏，围绕 AI 技术来建设的底层框架仍处于起步阶段，主要反映在没有 AI 科学家的用武之地、AI 人才不受尊重、AI 研究与落地要附属于传统的业务部门（如电商、游戏、搜索等）。首席科学家在大厂被传统技术人才嘲笑的行业笑话屡见不鲜，科学家离开大厂成趋势。

另有接近当事人的业内人士称，亚马逊机器学习部门杰出科学家/VP Alex Smola及其弟子、任亚马逊机器学习部门首席科学家的华人学者李沐，近日也有计划从亚马逊离开。

对此雷峰网也通过相关途径进行了求证，但截止发稿为止并未得到答复。目前Alex Smola和李沐的LinkedIn资料上所在公司依然显示为「Amazon」。雷峰网

针对这一行业问题，国内近年来也成立了各类人工智能实验室，如北京智源人工智能研究院、上海人工智能实验室等。但与DeepMind、OpenAI相比，国内的AI研究院在技术突破与创新上仍未体现出能相媲美的潜力，即使是ChatGPT的底层技术（语言大模型）的研究，也多跟随、而非引领。

二是行业开始注意到，AI 的落地必须控制成本、找准应用场景，并提升用户体验。以商汤为首的一批 AI 公司抵过第一波资本寒冬后，在ChatGPT为首的 AI 新浪潮里，尽管有大批号称 AIGC 的创业公司与类 ChatGPT 产品出来，但差异化不明显，性能上也无法媲美 ChatGPT。

同时，基于国外开源算法而研发出的 AIGC 产品，在算力与数据等方面的布局不成熟，也拉大了国内 AI 研究与国外的差距。

一方面，AI 人才要开始重视产品设计；另一方面，创造新的土壤也成为当务之急。

近日，美团联合创始人王慧文在社交平台上亲自发声，宣布进军 AI 创业，设立北京光年之外科技有限公司，出资5千万美元，估值2亿美元，自有资金占股25%，剩余75%的股份用于邀请顶级研发人才。据透露，下轮融资已有顶级VC认购2.3亿美金。

王慧文称，他的梦想是打造「中国版的OpenAI」。

在AI领域，OpenAI 的组织结构模式一向为人称奇：OpenAI 成立于2015年12月，目标是实现通用人工智能（AGI）。AGI 的难度很大，所以OpenAI的创始团队从一开始就知道自己在未来的数年需要数十亿美元来解决算力等成本问题。为此，在募集资金方面，他们采取了「有限利润」（Limited Profit，简称「LP」）的模式，成立一个营利性与非营利性相结合的全新组织――他们称之为「LP」公司。

在LP模式下，他们规定，投资者与员工能获得之前规定的有上限的回报，划分一定的期权，而超过原先规定回报数额的盈利归OpenAI所有、用于非盈利途径。它的章程也规定，实现 AGI 的研究目的摆在回报权衡的前面，所有投资者和员工都要签署协议，即使以牺牲部分或全部财务股份为代价。

OpenAI 的章程规定

这个结构保证了 AI 人员可以最大限度下无 KPI 负担地开展研究，为实现 AGI 的目标而奋斗。AGI是人工智能领域最高的终极目标之一，是大多数AI研究者的追求目标，GPT系列与ChatGPT的研发则属于OpenAI通往AGI路上途径的小站点。

根据目前的有限信息，王慧文发起成立的北京光年之外科技有限公司在模式上也追求资本出资、人才另聘的模式，保证了组织的成立目标（发展 AI）与资本-科研分离进行的运转机制。光年之外能否在中国走出一条创新道路呢？仍有待时间的考验。

同样的土壤长不出新的植物。AI 人才从大厂离开，有个人原因，也有外部环境的影响，如谭平，如金榕，如梅涛。新的 ChatGPT 热潮带火 AI，但下一个十年的 AI 发展能否缩短从种子到大树的距离，也将成为区分各家 AI 竞争的分水岭，决胜最后的王者。

（雷峰网记者王永昂、李梅对本文亦有贡献）

结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术，包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验

结合envi软件,叙述图像分类后处理包括哪些工作,结合能,结合犯,结合水

?大气温室气体浓度不断增加，导致气候变暖加剧，随之会引发一系列气象、生态和环境灾害。如何降低温室气体浓度和应对气候变化已成为全球关注的焦点。海洋是地球上最大的“碳库”,“蓝碳”即海洋活动以及海洋生物（特别是红树林、盐沼和海草）能够吸收大气中的二氧化碳，并将其固定、储存在海洋中的过程、活动和机制。而维持与提升我国海岸带蓝碳潜力是缓解气候变化的低成本、高效益的方案，有利于充分发挥我国海洋和海岸带生态系统在缓解全球气候变化中的重要作用。红树林作为最主要的蓝碳植被，对其的监测与保护成为近年来的研究热点。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

? 光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在农业、林业、地质、生态、水质监测等领域取得了突出成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。

? 遥感云计算技术的发展和平台的出现为遥感大数据处理和分析提供了前所未有的机遇，表现在：（1）云端有海量数据资源，无需下载到本地处理，（2）云端提供批量和交互式的大数据计算服务，（3）云端提供应用程序接口API（Application Programming Interface），无需在本地安装软件，才可以进行处理分析。这彻底改变了传统遥感数据本地下载，处理和分析的模式，进一步降低了遥感数据使用的准入门槛，极大提高了运算效率，加速了算法测试的迭代过程，使得原本在台式机或服务器上难以实现的全球尺度地球系统科学快速分析和应用成为可能。

? 应广大科研工作者的要求，本次课程将聚焦目前遥感应用领域-碳储量估算，重点结合典型应用案例综合展示如何基于云计算与多源遥感技术，通过高光谱遥感对研究区域福建沿海的蓝碳植被进行精准探测，结合多光谱遥感技术监测并分析海岸带蓝碳植被的长时序分布变化与健康状态。本课程将结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术，包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验等内容；同时本课程以JavaScript版本GEE为主进行讲解长时序多尺度的遥感信息提取技术，包括GEE基本知识，遥感影像数据处理的关键知识进行串讲，最后结合海岸带应用典型案例进行综合讲解。

基于“遥感+”蓝碳储量估算、红树林信息提取实践技术应用与科研论文写作 (qq.com)

“遥感+”助推蓝碳生态系统碳储量调查简介

(1)蓝碳生态系统碳储量研究背景

红树林、海草床和盐沼是海岸带最具固碳效率的三大生态系统，统称为“蓝色碳汇”。虽然这三类生态系统的覆盖面积不到海床的0.5%，植物生物量只占陆地植物生物量的0.05%，但其碳储量却高达海洋碳储量的50%以上，甚至可能高达71%。尽管红树林面积有限，仅占陆地表面的0.1%，但它比陆地生态系统具有更高的碳储存和碳捕获的能力。作为蓝碳的重要组成部分，由于周期性的潮汐淹没、土壤厌氧和独特的复杂根系，红树林能有效捕获悬浮物质，埋藏有机物，并降低有机质分解速率进而达到固碳的效果。

（2）蓝碳生态系统碳储量研究方法

传统的碳库调查方式成本高、效率低，制约了长时间、大尺度区域开展红树林碳库分布的估算和监测，建立大尺度区域及时准确估算红树林碳储量的方法至关重要。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

（3）遥感技术在蓝碳生态系统研究中的优势

结合高光谱遥感技术图谱合一的特点，利用高光谱遥感技术分析红树林光谱数据，实现物种进行精准识别或分类。针对桌面端软件处理遥感影像时效性低的问题，我们将结合遥感云计算平台实现对长时间、不同尺度区域的红树林碳库分布的估算和监测。

第一章

高光谱遥感数据介绍及预处理

1.1高光谱遥感数据的认识

高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米数量级。高光谱图像数据可以被看作是由无数波段组合得到的一个立方体图像数据，并且具有光谱覆盖范围广，图谱合一、数据量大，光谱连续的特征。每一条光谱曲线都分别对应与代表着一个光谱像元。对地物特性而言，同一种地物应该存在相同的光谱曲线特征，因此在判断像元分类时往往依靠光谱特征属性来确定是否属于同一种地物。

示例：GF-5卫星是中国高分重大专项中唯一一颗高光谱卫星，其空间分辨率为30 m，幅宽为 60 km，共有330个波段（400-2500 nm），其中可见光和短波红外部分的光谱分辨率分别为5nm和10nm。

1.2高光谱数据预处理

高光谱图像预处理包括坏波段剔除、辐射定标和大气校正以及图像裁剪。

?

1. 坏波段剔除

由于大气散射、水汽吸收、成像系统、传感器等因素的影响，高光谱影像中有部分波段影像质量较差，需要将这些波段剔除。

1. 辐射定标

通过辐射定对数据采集和传输系统引起的系统、随机辐射失真或畸变进行的校正，去除或纠正因辐射误差而引起影像失真的过程。

1. 大气校正

原理：大气反射、吸收、散射、折射和投射会不同程度的影响传感器记录地物反射的电磁波辐射，大气校正即消除大气影响所造成的误差，反演地物真实反射率的过程。

方法：目前遥感图像的大气校正方法主要有统计特征学模型、地面线性回归经验模型、大气辐射传输理论模型三类。

示例：6S辐射传输模型原理及实现。

第二章

光谱特征分析与参量提取

2.1光谱特征分析

红树林植被在可见光和近红外波段表现出典型绿色植物的主要光谱响应特征。在可见光波段，植物光谱主要受叶绿素含量的影响，470nm蓝光波段和670nm红光波段附近叶绿素吸收辐射能形成吸收谷，在550nm绿光波段附近吸收相对减少，形成绿色反射峰。受叶片内部细胞组织对近红外波段强反射的影响，670～780nm之间“红边”反射迅速增高。近红外波段受叶片内部的细胞结构和叶冠结构对光强烈反射的影响，780～950nm近红外波段内表现出高反射率特征。

2.2光谱特征变换分析

光谱二值编码，光谱微分，连续统去除

示例：连续统去除法

连续统去除法也叫包络线去除法。包络线去除法是一种有效增强吸收特征的光谱分析方法，经过包络线去除后，地物的光谱曲线的吸收特征更加明显，反射率归一化为0 ~ 1之间，有利于光谱吸收特征分析和光谱特征波段选择。并且，包络线去除法能够有效解决高光谱数据冗余的问题。

2.3光谱吸收特征参量计算

光谱吸收特征参量包括：吸收位置（absorption position，AP）、吸收深度（absorption depth，AD）、吸收宽度（absorption width，AW）、光谱吸收对称性（absorption asymmetry，AA）和光谱吸收指数（spectral absorption index，SAI）。

2.4 植被指数提取

（1）计算NDVI（归一化植被指数）

NDVI=(NIR-RED)/(NIR+RED)

（2）计算EMVI（增强型红树林指数）

EMVI=（GREEN-SWIR2）/(SWIR1-GREEN)

2.5红树林信息提取

结合矢量数据与影像计算的结果提取口红树林分布区域；

结合目视解译结果提取红树林信息。

第三章

高光谱遥感数据分类与制图

3.1混合像元分解

遥感图像中混合像元的存在，是像元级遥感分类和要素反演精度难以达到使用要求的主要原因。为了提高遥感应用的精度࿰