辣椒红色素的提取方法有哪些？各有什么优缺点
1、 油溶法
油溶法是在常温下用呈液状的食用油( 如棉籽
油、豆油、菜籽油等) 浸渍辣椒果皮或干辣椒粉, 使
辣椒红色素溶解在食用油中, 然后通过一定的方法
从油中提取出辣椒红素的一种方法[8]
工艺流程: 辣椒→浸提→蒸馏→辣椒油树脂→
水解→ 过滤→ 固型物→ 浸泡→ 减压过滤→ 提取
液→减压蒸馏→浓缩精制色素→烘干→粉末状辣
椒色素
用油溶法提取辣椒红色素时, 油与色素的分离
较困难,使得辣椒红色素物质提取率低,难以得到色
价高的产品,现已基本停止使用
2、溶剂法
这是辣椒红色素的常规生产方法: 将去除坏
椒、梗、籽的干辣椒磨成粉后, 用有机溶剂( 如丙酮、
乙醚、氯仿、三氯乙烷、正己烷等) 进行浸提, 将浸提
液浓缩得到初辣椒油树脂, 减压蒸馏得产品[9]
工艺流程: 辣椒粉末→有机溶剂提取→减压回
收溶剂→油状红色素→有机溶剂萃取→减压回收
溶剂→产品
采用有机溶剂提取辣椒红素有四种方法: 浸渍
法、渗漉法、回流提取法、索氏提取法
目前国内外生产辣椒红色素的厂家绝大多数
都采用溶剂法提取, 但以上各种提取方法无论采用
那种生产,在提取前均需将辣椒粉碾成粉末,操作费
用较高此外, 由于提取后的残渣中还残留有相当
量的红色素[10], 所得出品的杂质含量高,精制费用昂
贵,残渣的可利用性差,给生产带来困难伍明等谈
到在天然辣椒红色素的提取新工艺时, 提到采用热
逆流法提取辣椒红色素的新工艺[11]
工艺流程:辣椒干→去籽切碎→提取辣味素→除
辣→提取红色素→减压浓缩→真空干燥→红色素
↓
残渣深加工→副产品
其优点主要表现在三个方面: 1) 提取时间短,
溶剂用量少, 收率高, 色价高; 2) 原料在提取前不需
要粉碎成粉末, 操作费用降低, 残渣的利用价值大
目前已开发出附加值高的系列产品另外, 避免了
由于过分破坏植物细胞壁, 而造成一些分子量较大
的组分被浸取出来的缺点[12]本工艺集过滤、提取、
浓缩与一体, 因而设备投资和操作费用相对较低;
3) 利用本工艺提取红色素可以一次得到成品, 产品
无须精制, 各项指标均符合有关标准
总之, 本工艺具有较高的应用价值, 由于所用
设备与目前通用的溶剂法提取辣椒红色素的设备
接近, 故也为生产厂家的工艺改造提供了一种理想
的途径
3、 超临界CO2 流体萃取法
超临界CO2 流体萃取就是使用高于临界温度、
临界压力的CO2 流体作为溶媒的萃取过程超临界
流体萃取是一种新型的化工分离技术, 关键是了解
超临界流体的溶解能力及随诸多因素影响的变化
规律此技术工艺简单, 能耗低, 萃取溶剂无毒、易
回收, 所得产品具有极高的纯度, 残留溶剂符合FA
O/WHO 要求
一、ASTER遥感信息提取方法
（一）图像预处理
本次研究所采用的ASTER数据产品等级是1B和3A01，数据已进行了传感器相关系数辐射校正。在进行几何精校正过程中，校正控制点主要源于研究区于20世纪70年代完成的1∶100000地形图，地形图的精度不高，因此控制点的总平均误差控制在2个像元内。
依据《ASTER矿物指数处理手册》的数据处理程序进行暗像元纠正，以消除大气散射对图像的影响。依据直方图找出各波段最小值的像元，像元的每个波段最小值代表或近似于大气辐射的影响，减去最小值的像元即可。ASTER图像经过暗像元处理后相当于进行了一次背景值滤波，使短波红外区间的特征更加明显，有利于提取矿物指数，从而提取岩矿信息。
由于研究区下垫面影响因子复杂，必须要消除云、雪和植被等下垫面复杂因素对基岩信息的干扰，掩膜图像处理技术可以有效地扣除这些干扰信息。具体处理过程为：首先，在植被、云及雪覆盖的原始图像上提取植被NDVI指数，制作NDVI指数图像，然后做植被0-1掩膜，再进行云和雪0-1掩膜，最后将植被掩膜与云、雪掩膜图像叠加，在此基础上进行有用信息的进一步处理，制作掩膜图像。掩膜图像的效用有两个方面，一是压缩图像处理样本的统计空间，使有用的信息相对得到增强，二是排除干扰信息可能引起的假异常。
（二）岩石与矿物信息提取方法
可见光-近红外波段区域对赤铁矿、针铁矿和黄钾铁矾等铁氧化物敏感，而短波红外波段可以探测粘土和层状硅酸岩矿物的特征吸收，实现更为详细的矿物岩石识别。在热红外谱域，8～14μm是最佳大气窗口，由于硅酸盐岩在热红外区间随着SiO2含量的减少，岩石宽缓的吸收带向长波段方向系统位移，从而能够探测SinOk、SO4、CO3、PO4等原子基团基频振动及其微小变化，很容易识别硅酸盐、硫酸盐、碳酸盐、氧化物、氢氧化物等矿物，使困扰遥感地质的岩石识别成为可能，大大拓宽了遥感岩矿识别的广度与深度，从而弥补连续波段高光谱在热红外谱域的不足，使ASTER遥感技术成为岩矿识别的重要补充手段。
本次试验采用的主要信息提取方法包括基于掩膜图像的主成分分析、矿物指数和光谱角度填图方法等。
对于所有ASTER数据，常规图像均采用通道7、3、1（红、绿、蓝）假彩色合成，这种合成方案尽管植被的信息比较突出，但有利于后续使用者对照其他信息的图件判别地质体的色调异常与来源于植被的干扰异常。在该类图像中通常的规律是蓝色调大多为碳酸盐，紫色调的地质体二价铁含量相对较高。主成分图像通常采用4～9波段的主成分分析，依照试验结果，选用不同的主成分，其中3、4、5等弱信息的主成分使用较多。
1主成分分析
主成分分析是遥感地质最有效和最常用的图像信息提取方法之一，它是将原始的遥感数据集变换成非常小且易于解译的不相关变量，这些变量含有原始数据中大部分信息，通过正交变换去除多波段图像中的相关信息，使新的组分图像之间互不相关，各自包含不同的地物信息，这是一种重要的图像增强方法。
在本次研究中，应用预处理后的掩膜图像进行主成分分析，通过将原始图像进行主成分变换，得到SWIR系统4到9波段的5个主成分的影像，将其中的PC3、PC4、PC5主成分分别置于绿、红、蓝影像层，生成主成分合成影像，并将该影像与高空间分辨率的VNIR段影像进行融合，生成新的主成分彩色合成影像。与传统的彩红外合成影像相比，主成分合成影像色差可以识别更细微的岩性差别。
从图9-6不难看出，对掩膜前后的图像均采用相同的主成分组合方案，但掩膜后的主成分图像细节更加突出，中三叠统闹仓坚沟组（T2n）板岩（蓝色调条带）被突出了。
2矿物指数法
ETM数据只能提供一些铁锰成分异常和羟基蚀变矿物异常等一些笼统的信息，而ASTER的波段划分更精细，能够提供更为明确的矿物信息。常见矿物的特征吸收带集中在2～23μm之间（图9-1），即在ASTER的5～9波段之间，而ASTER的第4波段尽管没有特征吸收存在，但它是地质体反射率统计差异最大的遥感窗口。目前，国际上流行的各类矿物指数方法很多，它们主要是基于上述这些矿物特征吸收带的波长位置及其与ASTER波段设置的关系，通过简单的各类比值运算得来，如《ASTER矿物指数处理手册》所收集的澳大利亚科工组织（CSIRO）和美国地质调查局等机构经常使用的一些矿物指数（图9-7）。
图9-6 温泉水库地区ASTER掩膜主成分分析图像
（短波红外4～9波段的4、3、5主成分合成图像）
波段比值是一种经常被用来提取波谱信息的有效手段。根据代数运算的原理，当波段间差值相近但斜率不同时，反射波段与吸收波段的比值处理可增强各种岩性之间的波谱差异，抑制地形的影响，并显示出动态的范围。波段比值通常是在对大气路径辐射或由多光谱传感器产生的叠加偏移进行初步校正的基础上，由两个波段对应像元的亮度值之比或几个波段组合的对应像元亮度值之比获得。通常是选择特定目标的最小或最大反射或辐射波段作为比值波段。一种地物在两个波段上波谱辐射量的差别，常被称为波谱曲线的坡度。不同地物在同一波段上坡度有大有小，有正有负。比值法就是增强不同地物以及岩石间的这种微小差别。因而，以岩矿的特征光谱为基础，选用适当的波段比值进行彩色合成，可增强岩性和蚀变带信息，便于提取蚀变信息。
我们选取了20个各类矿物比值进行试验应用，在图像处理软件中进行流程式的批量处理，再依据具体地质背景和图像质量进行筛选，获得了较好的应用效果。尤其对粘土类矿物的蚀变和层状硅酸盐矿物的岩性识别非常有效，对巴颜喀拉山群浅变质岩岩性划分具有良好的应用效果。
所采用的各类遥感矿物指数择要描述如下：
（1）波段12/波段13比值：基性度指数（BDI）。由澳大利亚科工组织Bierwith提出，BDI与岩石中的二氧化硅含量有很好的负相关，高亮度为基性成分高的地质体，低亮度为酸性地质体，可以很好反映地质体的基性程度。在东大滩铜矿区花岗岩体外接触带及前寒武纪变质岩区，BDI显示出很好的异常及其与铜矿之间的关系。
（2）波段14/波段12比值：富石英岩类异常。异常效果良好，是硅化蚀变的重要依据。在昆仑山巴颜喀拉山群地层和温泉水库西部的下二叠统中普遍存在该指数的异常，表明均为一套高硅质的浅变质岩系。在卡巴纽尔多南部，沙地表现为高二氧化硅含量的正异常。此外，高山冰缘区土壤湿度存在垂直分带现象，同样会引起基性度指数或二氧化硅指数的假异常，这种异常往往沿等高线分布。
（3）波段13/波段14比值：碳酸盐岩异常。该比值由于热红外14通道的噪声较大，应用效果并不理想，仅在温泉水库和昆仑山一带有较好的显示。
（4）波段4/波段5比值：铁矾土异常。Bierwith定义为铁矾土，而Volesky定义为硅酸盐蚀变。高浓度异常的大面积分布通常具有重要的找矿指示意义。
图9-7 《ASTER矿物指数处理手册》中常用矿物指数汇总
（5）波段5/波段3+波段1/波段2比值：二价铁异常。该比值需要谨慎对待，尤其在高山区，雪在1波段的高反射常常引起假异常，需要结合常规合成图像具体分析。
（6）波段4/波段2比值：铁帽异常。试验区图像效果较差，尚未发现有意义的异常，但由于铁帽在找矿中的重要意义，以及其负异常的突出特征，保留这一指数是必要的。
（7）波段7/波段5比值：高岭土矿物异常，该比值不确定性较强。沟谷中条带状分布的异常可能与表生作用下的风化高岭土有关，大面积的团块状异常才具有内生蚀变矿物的意义。
（8）（波段4+波段6）/波段5比值：明矾石和高岭土指数。在纳赤台万保沟群中大面积出现这种异常，但实地考察属硅化大理岩异常。
（9）波段7/波段6比值：白云母异常。白云母在22μm附近的特征吸收（ASTER第6波段）较强，实践证明该指数较为敏感，对板岩类有良好的识别能力。
（10）（波段5×波段7）/（波段6×波段6）比值：粘土矿物蚀变异常。具有明确的找矿指示意义，在水泥厂东北部存在这种异常。
（11）（波段7+波段9）/波段8比值：碳酸盐-绿泥石-绿帘石组合异常。主要分布在1∶5万水泥厂幅东北部和温泉水库西部。可以与波段13/波段14比值图像碳酸盐异常对比，进一步区分碳酸盐异常和绿泥石-绿帘石异常。
（12）波段5/波段6比值：多硅云母异常。
（13）（波段5+波段7）/波段6比值：绢云母-白云母-伊利石组合异常。该组矿物高浓度异常具有明确的找矿指示意义，但大面积异常通常意味着变质岩区的片岩，如内蒙古狼山地区的大面积异常与该地区伟晶岩化、云母片岩、板岩等区域变质或侵入接触变质作用有关。在东昆仑试验区也具有很好的效果，昆仑山巴颜喀拉山群和温泉水库西部的下二叠统均有大面积的该类矿物异常。
必须指出的是，实际信息提取过程中，白云母和高岭土异常经常在空间上相伴生，在昆仑山和1∶250000填图区北部出现这种情况，很有可能仅仅是一种异常。在变质岩区有可能仅仅是白云母，而非高岭土。从图9-1不难看出，高岭石和白云母的特征吸收带都出现在ASTER的第6通道，波长位置的细微差别有可能是ASTER矿物指数方法容易产生混淆的原因。在1∶50000填图区东北部的异常也同样出现类似状况，绿帘石、绿泥石、角闪石和碳酸盐均出现异常。实际上这种异常均出现在第8通道附近，这几种矿物均存在较强的吸收带。这种情况可能仅仅是碳酸盐，但它们与典型的碳酸盐（731为蓝色调）又有明显的区别。
尽管如此，矿物指数方法在实际应用中也存在一些问题，从典型矿物曲线和ASTER波段的对比中不难看出有可能出现几种易混淆的矿物组：如高岭土-白云母和方解石-白云石-绿帘石-绿泥石-角闪石等矿物组。因此，集中在第6和第8通道的异常仅仅说明具有显著的某种矿物类的异常，而不能明确说明是何种矿物。在复杂条件下只能明确矿物类，可以在此基础上进行野外验证，从而确定矿物种类。
在热红外区间，岩石的二氧化硅含量与Si-O2振动强吸收带的波长位置呈现反比的系统位移规律，这是ASTER识别硅酸盐岩的基本依据。此外，碳酸盐岩在ASTER的14波段的强吸收也是识别该岩类的基本依据，但14通道红外辐射能量最弱，噪声大，应用效果不理想。
3光谱角度填图方法
光谱角度填图方法（SAM）是Boardman开发的一种算法程序，一般用于超光谱图像的监督分类。该方法给出一系列光谱记录来逐一定义每个岩石类型，将每个像元看作n维图像数据库空间的一个向量，并计算与光谱数据库中光谱数据记录（参考光谱）之间的向量夹角。像元光谱与光谱记录（参考光谱）的光谱角度相匹配，即可分类为该类岩石。SAM方法的优越性在于只考虑像元光谱与参考光谱的相似性，不考虑像元相对亮度的影响，这在一定程度上改善了阴影，或者土壤湿度的干扰，因为角度的匹配不考虑向量模的大小。
该方法应用的条件是图像数据必须进行反射率反演，使像元的“视反射率”能够与光谱数据库中的参考光谱进行匹配。但实际应用中，由于大气条件和图像质量等各方面的原因，较难完成反射率反演这道科学程序，从而限制了该方法的实际应用。因为ASTER的数据质量不理想，参考光谱选用的是典型的像元光谱。
光谱角度填图方法试验区选在纳赤台北部的东昆中断裂带附近的花岗岩内外接触带（图9-8）。试验中选取的典型岩类有5个，构成参考光谱数据库。提取的像元光谱是1～9波段，依照这组波段曲线，它们的光谱角度最大差异的区间分布在4～9波段的近红外-短波红外谱段，因此将其作为SAM处理的6维向量空间，角度匹配的阈值为5度。从结果中能够看出，SAM方法不仅可以克服花岗岩中不同亮度值对分类的影响，能够进行阴影中的分类，而且能够区分常规合成图像中容易混淆的 白云石（蓝色）和高岭土（**）。但万保沟群中的部分岩性段被归入花岗岩体（红色），说明该方法还不能区分“同谱异质”的地质体。
图9-8 纳赤台北部ASTER数据4～9通道光谱角度填图
上图—光谱角度填图结果；中图—ASTER7、3、1常规合成图像；下图—基于像元的分类参考光谱
说明：横轴为ASTER1-9波段；纵轴为像元视反射率。
二、IRS-P6遥感矿物指数试验
IRS-P6在地质上的应用国内外少有报道，主要原因是它波段分布有限，尤其缺少短波红外区间的设置，因此缺乏对羟基类地质体信息的识别能力（表9-7），但它的地面分辨率高于ETM，在ETM数据缺乏或者质量不佳的情况下也不失为一种可以替代的数据资源。本次试验也对其在地质填图中的应用效果进行了比值指数的初步应用。
表9-7 IRS-P6和ETM的波段设置对比
在可见和近红外区间，铁的特征吸收占光谱的主导因素。依据常见铁氧化矿物的吸收特征，针对09μm附近三价铁的宽缓吸收带，波段2和波段3良好地反映了该处的吸收特征。因此选用CH2/CH3作为三价铁氧化矿物的指数。如果没有铁氧化矿物存在，吸收带就不存在，这个比值将会是很低的。所使用几个比值指数如下：三价铁氧化矿物CH2/CH3；二价铁或暗色岩系CH1/CH4平的特征；碳酸盐岩CH1/CH2，依据碳酸盐岩一般缺乏铁矿物，缺少铁族矿物在近紫外区间很强的电子跃迁引起的吸收。
但在卡巴纽尔多南部局部地区，采用了4/32/3和1/2几种比值组合，完全是针对该区广泛分布的砂板岩，依据试验效果的一种选择。
IRS-P6的应用效果不如ETM，但应用上述比值合成的假彩色图像在解译应用中也能够与ETM图像取长补短。如温泉水库西部，IRS-P6有更加概括的岩性信息，而ETM由于短波红外信息的加入，图斑细碎，不宜于解译成图。
三、Hyperion遥感信息提取方法
由于高光谱遥感具有多个波段和高光谱分辨率的特点，高光谱的窄波段可以有效地区别矿物的吸收特征，利用各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以识别矿物，使矿物识别和区域地质制图成为高光谱技术主要的应用领域之一。
为了实现研究区内岩矿高光谱遥感的识别和分类，并考虑到研究区复杂的地质、地貌、气候和地表覆盖等特点对所采用的遥感图像的影响，在高光谱岩矿填图中采用地面光谱和图像光谱相结合的处理分析方法。
（一）岩石光谱测量
为了最大限度地满足光谱测量精度的要求，在本次野外光谱测量中所采用的仪器为美国ASD公司的最新产品FieldSpec FR便捷式地物波谱仪（图9-9），该仪器主要参数见表9-8。此仪器不仅具有携带方便、速度快、高信噪比、高可靠性、高重复性、操作简单和软件包功能强劲等特点，而且还可以进行实时测量和观察辐射、辐射度、CIE颜色、反射和透射。
图9-9 野外光谱采集
数据采集软件采用的是美国ASD公司的FieldSpec FR数据采集分析软件包，该软件具有速度快、实时测量、操作界面简单、灵敏度高和功能强大等优点，另外它所获取的数据可以直接被ENVI软件读取，极大地促进了后期数据处理进程。
由于研究区域特殊地理位置和复杂的气候条件，而且气候多变，考虑到诸多不利因素对光谱采集质量的影响，我们于2008年7月进行了野外光谱数据采集，此时该地区的大气、空气湿度、风、光照和云层覆盖等条件适宜于野外光谱数据采集，而且采集到的数据和选用的遥感图像数据时间匹配性好，满足研究精度要求和填图需要。
为了最大限度地满足高光谱遥感矿物填图的要求，采用了野外和室内测量相结合的测量方法。另外，在研究区域内还选择了多个具有代表性的开阔地带作为平场并进行了多次重复测量。
野外完成了包含花岗岩、变质岩、流纹岩、千枚岩、大理岩、板岩、页岩、铁矿石、铜矿石、金矿石、铅矿石、锌矿石等多达100多种不同类型以及同种类型不同状态（如岩矿石的风化面、新鲜面等）的岩矿石的光谱数据室内和野外采集工作，并且经过系统编号整理建立了各种岩矿石与其光谱数据的对应表（图9-10），为图像解译和填图工作提供了较为完备的基础数据。
表9-8 FieldSpec FR便捷式地物波谱仪相关参数
图9-10 野外实测光谱数据库
（二）矿物光谱测量
采用南京地质调查中心研发的BJKF-III型便携式近红外矿物分析仪，对矿化样品进行光谱曲线测量，得到典型蚀变矿物光谱曲线，其矿物包括方解石（图9-11a）、高岭石（图9-11b）、绿泥石（图9-11c）和孔雀石（图9-11d）等。黄铜矿为铜的硫化物矿石，具有不透明矿物的典型特征，遥感较难识别，而孔雀石存在二价铜离子引起的特征吸收带。
图9-11 东大滩铜矿典型矿物光谱曲线图
通过驼路沟钴金矿床野外调查取样，利用便携式近红外矿物光谱仪对样品进行光谱测量，进一步验证了遥感图像提取孔雀石和黄钾铁矾等矿物信息（图9-12）。同时，在驼路沟矿区断裂带内还检测出遥感图像未能解译出的石膏等矿物（图9-12d）。
（三）数据预处理
Hyperion高光谱数据经过斑点去除、回波纠正、背景去除、辐射纠正、坏像元恢复以及图像质量检查等一系列处理过程，用户拿到的数据应该不再有坏像元或条纹，但实际上却仍然存在，在进行图像应用之前，必须对图像进行预处理，纠正不正常的像元。预处理主要包括去除未定标及受水汽影响的波段、绝对辐射值转换、坏线修复及误差条带的去除、反射率定标和大气校正等。
1去除未定标及受水汽影响的波段
Hyperion数据的242个波段中，经过辐射定标的独立波段实际上只有196个，但有些波段受水汽影响非常严重，无法应用，经去除处理后只有158个波段可用（表9-9）。
2绝对辐射值转换
Hyperion的L1产品数据集以有符号的整型数据记录，数值范围为-32767～+32767。但实际上地物的辐射值非常小，产品生成时对VNIR和SWIR波段都采用了扩大因子，系数分别为40和80。因此，需要把图像的亮度值转换为绝对辐射值，将VNIR和SWIR波段分别除以40和80，生成绝对辐射值图像。
图9-12 驼路沟钴金矿典型矿物光谱曲线图
表9-9 剔除和保留的波段
3坏线修复及误差条带的去除
由于Hyperion传感器的个别通道存在坏的探测元，致使图像存在着不正常数据，DN值为零或者非常小的称为死像素列，即坏线。对坏线用相邻行或列的平均值进行修复，坏线修复前与修复后效果见图9-13。
Hyperion光谱仪采用推扫式的对地观测方式，所以系统中CCD的排列方式垂直于航迹方向。由于不同行中的传感器对光谱响应值不同，在光谱入射时会导致在每个谱段上出现竖条纹，即列向条带噪声。条纹严重影响图像的质量及实际应用，应用时需要对条纹噪声进行去除处理。
本项目采用ENVI软件中的傅里叶变换及联合概率滤波平滑方法去除影像的条纹噪声，并用MNF进行效果评价。修复效果见图9-14。
图9-13 VNIR第56波段坏线修复前后图像
图9-14 垂直条纹去除前后图像对比
4反射率定标
高光谱遥感数据定标的首要任务就是对成像光谱仪定标，将遥感器探测到的数据变换为绝对亮度或与地表反射率、表面温度等物理量有关的相对值的处理过程。通过原始图像提取的波谱曲线为太阳辐射与大气辐射共同作用的结果，这些波谱剖面曲线都是相似的，表示的是辐射亮度曲线，而不是反射率波谱曲线。因此，需要将辐射亮度曲线转换为反射率波谱曲线，以消除大气吸收、散射、地形起伏及传感器本身误差所带来的各种失真对数据的影响，恢复地物光谱数据的原貌。将影像的辐射亮度值转换成表观反射率的过程，称为反射率定标或地物光谱重建。
主要校正定标的方法有平场域定标、内部平均相对反射率定标以及经验线性定标。本次研究针对星载高光谱数据，主要采用了基于大气辐射传输理论的FLAASH定标模型，并进了分析总结，得到了比较好的应用效果。
5大气校正
遥感卫星传感器接收到的目标物反射及发射能量辐射在传输过程中需要通过大气层，使高光谱遥感影像记录的是包含地面反射光谱信息和大气辐射传输效应引起的地面反射辐照度变化等综合信息。大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地表的真实物理模型参数，如地物反射率、辐射率和地表温度等。图像是否需要进行大气校正，主要取决于图像的质量及用途。对于空间分布均匀的影像，如果只是用单时像的数据分类，由于大气对分类的影响是一致的，就没有必要进行大气校正。对于空间分布不均匀的影像，如有些区域有雾或者下雨等现象，就有必要纠正大气的影响。因此，将表示反射率亮度的原始遥感影像DN值数据转换为反射率数据，对正确利用遥感数据进行定量分析及信息提取十分关键。由于本次研究利用实测地物光谱与美国USGS光谱库标准光谱相结合的方法进行识别分类，所以需要进行大气校正。
目前，基于大气辐射传输理论的辐射校正模型主要包括：5S、6S、ATREM、MODTRAN、ACORN和FLAASH等。针对Hyperion高光谱数据的特点，本项目主要利用ENVI软件中的FLAASH模块进行大气校正处理。
为了验证FLAASH大气校正的效果，分别使用了校正前后的雪、岩石及水体的混合波谱曲线进行对比见图9-15，并采用野外实测波谱曲线与校正后的图像的波谱曲线进行对比，总的效果较好。
图9-15 大气校正前后雪、岩石和水体的波谱曲线对比
6几何纠正
图像预处理的最后一步工作为图像的几何纠正。本研究采用了1∶100000纳赤台幅地形图，应用二次多项式和双线性内插重采样方法，共选取了117个控制点，对高光谱数据进行了几何精度校正。
（四）图像镶嵌与裁剪
本项目共定购东大滩地区5景Hyperion数据，其中KL2与KL3景在夏天获取，KL4-KL6在冬天获取，所以地物色调相差较大，进行镶嵌时必须进行调色处理。由于Hyperion数据覆盖面积宽77km，长85km，南北向覆盖区域较长，应用时需做剪裁处理。经过镶嵌与剪裁之后数据的覆盖范围见图9-5。
（五）信息提取
经过去除未定标和受水汽影响的波段、进行绝对辐射值转换、坏线及条纹修复、smile效应去除、大气校正和几何精度校正等过程，得到反射率数据。利用波谱分析工具Spectral Analyst进行波谱分析鉴别矿物，选择美国地质调查局波谱库，该库包括近500种矿物波谱，波长范围04～25μm。本次岩矿蚀变信息提取主要应用USGS波谱库作为端元波谱，结合野外实测光谱曲线，应用纯净像原指数法（PPI）作为辅助方法提取端元波谱，最后利用光谱角（SAM）填图法和波谱特征拟合法（SFF）成图。
本项目各类遥感图像覆盖面积达18850km2。除受风成黄土、植被、雪被、草甸土、阴影以及冰缘冻融作用所产生的碎屑坡积物等因素干扰不能有效提取信息外，其他地区均提取出大量岩石、构造和矿化蚀变信息。野外验证表明，不同的遥感数据均可有效地提取地质信息，但是适用范围和提取信息量存在差别。本项目选择温泉水库地区和玉珠峰巴颜喀拉山群分布区进行ASTER遥感岩性填图与纳赤台地区Hyperion高光谱矿物填图试验，评价国内目前尚未普及、但极具应用前景的ASTER和Hyperion等遥感信息在岩性与矿物填图中的应用潜力。
遥感图像分析的目的是通过各种方法手段对遥感图像进行有用信息的提取和解译。遥感图像解译中，通常将表征地物和地质现象遥感信息的影像特征称之为图像解译标志；将提取遥感信息的过程称之为图像解译（判译、判读）；而将遥感图像信息提取的种种手段称之为遥感图像解译方法。
目前，遥感图像信息提取的手段主要有三种：一是遥感图像的目视解译，它借助于简单的观察工具（如立体镜、放大镜等）凭肉眼鉴别影像，判断目标物的属性特征；二是遥感图像的光学处理，即采用光学仪器改进图像质量，压抑噪声，突出目标影像，提取有关信息；三是遥感图像的数字处理，即用计算机对数字化了的影像进行几何校正、增强等专门处理，达到提取目标物属性特征信息的目的。三种方法各有所长，但目视解译是基础，光学处理和数字处理是深入解译和提高解译水平不可缺少的技术手段，但其效果仍需要专业人员目视解译判断。随着计算机技术的高速发展，遥感信息已越来越多地采用数字记录和储存，故数字图像处理已经成为当今遥感图像处理的主要手段。本节主要介绍遥感图像的目视解译和遥感数字图像处理的基本方法。
2011 遥感图像目视解译
目视解译法的基本特点是能高度发挥解译者所掌握的专业基础知识和思维判断能力，降低判错概率，且具有简便易行的优点。只要有遥感图像资料，在任何场合都可以进行解译。遥感图像的目视解译中，解译效果取决于解译者的知识、技能和经验水平。
20111 遥感图像的地质解译标志
地质解译标志是表征地质体及地质形象遥感信息的影像特征。据其表现形式的不同，地质解译标志又分成为直接解译标志和间接解译标志两大类。前者是地质体及地质现象本身属性特征在遥感图像上的直接反映，如影像形状、大小、色调和阴影等；后者则是与地质体或地质形象具有相关关系的其他物体或现象所呈现出的影像特征，如地貌特征、水系格局、植被、土壤、水文和人类活动遗迹等，通过对它们的相关分析，也能判别这些地质体或地质形象的属性特征。
不同类型的地物，其电磁辐射特性不同。在影像上的反映就是形成各种各样的色、形信息：色，就是色调、颜色、阴影和反差等；形，就是形状、大小、空间布局、纹理等。“色”只有依附在“形”上来解译才有意义。色形差异也常常显示深部现象的“透视”信息。采取由此及彼、由表及里的综合分析和对比，从已知推未知，解译才会有好的效果。
20112 遥感图像目视解译的基本方法
目视解译最基本的方法是立体观察。它使用简单的光学立体镜，将二维平面图像转化为三维空间的立体光学模型，从而突出了地物的空间特征，使人眼睛易于辨认目标和确定其空间位置。
进行立体观察必须满足两个基本条件：一是具有立体像对，二是具有立体镜。立体像对指在相邻两个摄影基站对同一地面获取的一对具有相同比例尺和一定重叠的像片（图像）。立体镜是用来进行立体观察的专门仪器，它的主要作用是迫使观察者做到左眼只看左片（图像），右眼只看右片（图像），以获得良好的立体观察效果。
随着遥感技术的发展，遥感解译所使用的不仅是摄影方法得到的像片，而且还有红外扫描成像和雷达成像的图像等。应该指出，虽然它们的影像要素或特征也是形状、大小、阴影、周围环境、空间布局、色调等等，但是它们在不同波段成像的图像中所表达的含义有所不同。
20113 目视解译的方法与原则
（1）解译方法
对于各种不同的遥感图像的解译，主要差别在于目标物的具体解译标志有所不同；而解译的原则与方法则是一致的。目视解译中常用的方法主要是以下三种。
① 直判法。指运用直接解译标志来判断地质体或地质现象。这种方法简便可靠，但必须在地质体直接出露于地表，或覆盖很少，而且解译标志比较稳定时，才宜应用。如我国西北地区大多具备这种条件，许多地质体可用直判法予以确定。
② 对比法。这是最常用的一种方法。它通常包括几种情况，一是将遥感影像与地质实体进行对比；二是与已经工作过的邻区图像对比；三是与前人资料对比。通过对比，建立本区适用的确切可靠的解译标志。对比法也用于解译成果的野外验证。
③ 逻辑推理法。根据地质体和地质现象与地表其他景观要素的相关关系，运用地质学、地貌学、水文学、土壤学、地植物学等有关学科的理论进行综合分析、逻辑推理，从而确定目标物的属性。这里，主要是运用各种间接标志来判断被掩盖的地质体或地质现象，对我国南方地区的图像进行解译时，常常用到这种方法。
（2）解译原则
遥感图像解译的原则可概略如下。
① 宏观原则。在任何地区进行解译时，应先采用卫星图像或小比例尺航片略图，对影像总体轮廓进行研究。以获取整个工作区宏观构造格架的正确概念。这是下一步详细解译能否快速、准确地取得成果的关键，具有重大的指导意义。在此前提下，方能有效地开展各个局部的详细解译。
② 先易后难，循序渐进原则。整个解译工作必须做到循序渐进，方能提高工作效率，收到事半功倍之效。下面是一些实践经验的总结，可供参考。ⓐ 从比较了解的地段入手，向较陌生的地段推进，即从已知到未知。ⓑ 先解译影像清晰部分，后解译模糊部分。ⓒ 先山地，后平原；先构造，后岩性。ⓓ 先断裂，后褶皱。ⓔ 先线性构造，后环形构造。ⓕ 先岩浆岩，后沉积岩，再变质岩。ⓖ 先解译显露的，后解译隐伏的。其中，ⓓ、ⓔ、ⓕ三点灵活性较大，需根据影像显示程度决定先后。解译中，交错进行的情况也是常见的。
2012 遥感数字图像处理
遥感图像处理，特别是数字图像处理是增强、提取成矿环境地质、构造、矿化等有用信息的重要手段，同时也在资源、环境、农、林、牧、渔、国土整治、工程地质等领域中广泛应用，潜力很大。尤其是随着新一代遥感图像光谱分辨率、空间分辨率的提高，多时相、多类型遥感图像数据的融合以及遥感图像与其他数据的融合，将显得越来越重要。由于遥感图像记录了大量肉眼以及常规仪器难以发现的微弱的地物特征信息，如目标物的红外波谱信息、微波信息等，通过遥感图像数字处理提取这些标志信息，尤其是弱成矿标识信息，可大大增加人们鉴别目标的能力。实际上，当前随着计算机技术的发展，遥感图像处理的内容已远远超出了宏观图像的范畴，对遥感、物探、化探及地质、矿产数据都可以用图像处理方法来进行有效组合、综合与复合或进行增强、变换、分类及模式识别，提取一组特征标志进而形成找矿综合信息图（或图像）。
20121 数字图像
数字图像是一种以二维数组（矩阵）形式表示的图像。该数组由对连续变化的空间图像作等间距抽样所产生的抽样点——像元（像素）组成，抽样点的间距取决于图像的分辨率或服从有关的抽样定律；抽样点（像元）的量值，通常取抽样区间内色调（色彩）连续变化之地物的平均值，一般称作亮度值或灰度值；它们的最大、最小值区间代表该数字图像的动态范围。数字图像的物理含义取决于抽样对象的性质。对于遥感数宇图像，就是相应成像区域内地物电磁辐射强度的二维分布。在数字图像中，像元是最基本的构成单元。每一个像元的位置可由行、列（x，y）坐标确定；亮度值（z）通常以0（黑）到255（白）为取值范围。因此，任何一幅数字图像都可以通过X、Y、Z的三维坐标系表示出。例如，陆地卫星的MSS图像（图20-1），便可看作x=2340（行），y=3240（列），Z=0～255的三维坐标系。TM、SPOT等亦然，只是行、列数不同而已。
数字图像可以有各种不同的来源。大多数卫星遥感，如MSS、TM、SPOT、SAR图像等，地面景象的遥感信息都直接记录在数字磁带上。有关的遥感卫星地面站或气象卫星接收站均可提供相应的计算机兼容数字磁带（CCT）或数据光盘及其记录格式。应用人员只要按记录格式将图像数据输入计算机图像处理系统，即可获得数字图像，并进行各种图像处理。对于像片或胶片影像，则可通过电子-光学透射密度计和扫描器以及扫描仪等，将影像密度转换为数值，进而形成数字图像；对于非遥感的地学图件，如地形图、地质图、航磁图、重力图、化探元素异常图等等，也可通过数字化仪或扫描仪，转换为数字图像。同一地区不同来源的数字图像都可精确配准，并作复合处理。
图20-1中左图是一条扫描线上亮度值产生原理。左图中图像坐标和像元参考系与光学图像相比，数字图像量化等级高（256级）、失真度小、不同图像的配准精度高、传输及储存方便，尤为重要的是可由计算机进行各种灵活、可靠、有效的处理，使遥感图像获得更好的判读、分析等应用效果。
20122 数字图像处理
数字图像以不同亮度值像元的行、列矩阵组织数据，其最基本的特点就是像元的空间坐标和亮度取值都被离散化了，即只能取有限的、确定的值。所以，离散和有限是数字图像最基本的数学特征。所谓数宇图像处理，就是依据数字图像的这一数字特征，构造各种数学模型和相应的算法，由计算机进行运算（矩阵变换）处理，进而获得更加有利于实际应用的输出图像及有关数据和资料。故数字图像处理通常也称为计算机图像处理。
数字图像处理在算法上基本可归为两类：一类为点处理，即施行图像变换运算时只输入图像空间上一个像元点的值，逐点处理，直到所有点都处理完毕，如反差增强、比值增强等。另一类为邻域处理，即为了产生一个新像元的输出，需要输入与该像元相邻的若干个像元的数值。这类算法一般用作空间特征的处理，如各种滤波处理。点处理和邻域处理有各自不同的适应面，在设计算估时，需针对不同的处理对象和处理目标加以选择。
图20-1 陆地卫星MSS数字图像的构成原理
遥感数字图像处理，数据量一般很大，往往要同时针对一组数字图像（多波段、多时像等）做多种处理。因此，需要依据遥感图像所具有的波谱特征、空间特征和时间特性，按照不同的对象和要求构造各种不同的数学模型，设计出不同的算法；它不仅处理方法非常丰富，而且形成了自身的特色，已发展为一门专门的技术方法。
根据处理目的和功能的不同，目前遥感数字图像处理主要包括以下四方面的内容。
（1）图像恢复处理。旨在改正或补偿成像过程中的辐射失真、几何畸变、各种噪声以及高频信息的损失等。属预处理范畴，一般包括辐射校正、几何校正、数字放大、数字镶嵌等。
（2）图像增强处理。对经过恢复处理的数据通过某种数学变换，扩大影像间的灰度差异，以突出目标信息或改善图像的视觉效果，提高可解译性。主要包括有反差增强，彩色增强、空间滤波、图像变换增强等方法。
（3）图像复合处理。对同一地区各种不同来源的数字图像按统一的地理坐标作空间配准叠合，以进行不同信息源之间的对比或综合分析。通常也称多源（元）信息复合，既包括遥感与遥感信息的复合，也包括遥感与非遥感地学信息的复合。
（4）图像分类处理。对多重遥感数据，根据其像元在多维波谱空间的特征（亮度值向量），按一定的统计决策标准，由计算机划分和识别出不同的波谱集群类型，据此实现地质体的自动识别分类。有监督和非监督两种分类方法。
需要指出，数字图像处理经过近10多年的高速发展，其理论和方法逐步得到完善与发展，已经形成为一门研究内容丰富多彩的学科——数字图像处理学。限于篇幅，这里仅列出了遥感数字图像处理的一般过程（图20-2）。
20123 数字图像处理系统
遥感数字图像处理不仅数据量大，而且数据传输频繁，专业性强。因此，一般都要在专门的处理设备上进行。用以进行数字图像处理的专门计算机及其外围设备和有关的软件，即构成了数字图像处理系统，通常由硬件系统和软件系统两大部分组成。其中硬件系统，按目前国内外的发展趋势可分为大型专用机系统和微机图像处理系统两类。一般情况下，它们都包括以下一些基本的部件。
图20-2 遥感图像数字处理基本流程
（1）主机。进行各种运算、预处理、统计分析和协调各种外围设备运转的控制中心，是最基本的设备。一般为速度快、内存大的专用计算机。
（2）磁带机和光盘刻录机。连结数字磁带（CCT）或图像数据光盘和主机的数据传输装置，既可以输入原始图像数据，也可以将中间处理和最终处理的结果再转存记录到磁带上或光盘上。目前的微机图像处理系统大多都带有光盘刻录机，图像数据的输入和输出较为方便。
（3）图像处理机。是数字图像处理专用的核心设备，既具体承担各种图像处理功能的实施，如进行图像复原、几何校正、增强和分类等各种处理的数学运算，也是主机和各种输出输入设备的纽带。
（4）输出设备。用作处理结果的显示分析及记录和成图，包括彩色监视器或彩显，各种类型的打印机、绘图仪、胶片记录仪和扫描仪等等。
对于功能齐全的系统，除上述外，通常还包括有胶片影像的摄像或扫描数字化仪、图形数字化仪等输入设备。
软件系统系指与硬件系统配套的用于图像处理及操作实施的各种软件。一般包括系统软件和应用软件两部分。前者又包括操作系统和编译系统，主要用于输入指令、参数及与计算机“对话”；后者则是以某种语言编制的应用软件，存于硬件系统的应用程序库中，用户可按研究任务采用对话方式或菜单方式，发出相应的指令使用这些程序，由主机作运算处理，获得所需的结果。不同专业往往设计有各自的应用软件系统，故国际上已开发出各种各样的图形图像处理软件系统，针对微机也开发了一系列建立在Windows上的图形图像处理软件，如Photoshop等等，功能强大，操作也非常方便。
2013 遥感图像光学处理
光学图像处理是指以胶片方式记录的遥感影像或由数字产品转换来的影像胶片为处理对象，通过光学或电子光学仪器的加工改造，对遥感图像进行变换和增强的一种图像处理技术。
用作光学处理的仪器和技术手段很多，包括摄影处理、光电处理和相干光处理等等；处理方法上，则有密度分割、彩色合成、边缘增强、反差增强、光学图像比值、光学变换、光学编码等。其中较常用的是假彩色等密度分割和假彩色合成。
值得指出，随着计算机硬件和软件技术的高速发展，造价昂贵的光学图像处理系统基本上由计算机图像处理系统取代。因此，这里不再介绍。
辣椒中可提取的工业原料有以下几种：
1、辣椒碱。是辣椒生物碱中最为主要的成分。其是一种极其辛辣的香草酰胺类生物碱，具有多种复杂的生理药理活性，对某种含磷物质的神经具有显著影响。较为突出的是其独特的长效镇痛作用。
2、辣椒红色素。是从辣椒中提取的天然着色剂，属于胡萝卜素。其不仅色泽鲜艳，色价高，着色力强，而且可延长仿真商品的货架期。
3、辣椒油树脂。含有多种物质的混合物，主要包含辣椒色素类物质和辣味类物质。可用于调味、着色，还可制作为增香剂以及健身辅助剂。
1、把一定辣椒制成一定量的辣椒素提取物。
2、通过不断用水稀释该提取物至舌尖尝不出辣味，稀释倍数就为辣度单位。需要越多的水稀释的辣椒，代表它越辣，表达为斯高威尔辣度单位。
1912年，一位美国药剂师 Wilbur Scoville 发明了测量辣椒辣度的方法，即规定一个辣度单位等于要用100万滴清水可冲淡至无味的辣度。 当时发现的最辣的辣椒（Katie）有159万斯高威尔，而人们一般吃的辣椒只有几百至几千斯高威尔。故测量辣度基本单位以此命名。
扩展资料
辣椒注意事项
因辣椒辛热有毒，过食可使体内湿从热化，表现为皮肤痤疮，血压升高，痔疮加重，鼻出血等。如果长期大量食用辣椒，则会引起中毒表现。
患有心脑血管疾病、高血压病不宜吃辣椒，慢性气管炎、肺心病、肺结核病病人也不例外。因辣椒素使循环血量剧增，心跳加快，心动过速，短期内大量服用，可致急性心力衰竭、心脏猝死，即使没发生意外，也会妨碍原有的心脑血管病及肺内病变的康复。
痔疮患者如果大量食用辣椒等刺激性食物，会刺激胃肠道，使痔疮疼痛加剧，甚至导致出血等症状，痔疮患者应多饮水，多吃水果，少吃或不食辣椒。
——斯高威尔
——辣度
——辣椒
辣椒。根据查询农业网官网显示，辣椒精，别名辣椒油树脂，是从辣椒中提取、浓缩而得的一种产品，具有强烈的辛辣味，被用来制作食品调料。辣椒精会用化学方法将辣椒中的蛋白质、碳水化合物、脂肪、无机盐等分离开，获得一种浓缩物，称之为辣椒精。
遥感的根本目的是为了从图像上提取信息、获取知识 ( 明冬萍等，2005) 。从卫星遥感图像中提取土地利用等信息的方法可以归纳为三种类型: 一是由计算机自动完成，主要以光谱数据提取与土地利用相关的特征参数，设计相应的分类模型，达到分类的目的 ( PGong，1992，J R Baber at el，1991) ; 二是人工目视解译方法，运用专家知识实施综合解译; 三则是人机相互结合的交互式解译方法，由此提高解译的效率和精度 ( 赵庚星、窦益湘，2001) 。由计算机自动完成的遥感信息自动提取是遥感应用领域一个重点的研究和发展方向，目前国内外在该技术的研究和探讨仅局限在某一小的区域，虽然也有很多的技术方案和算法，但离实际的生产需求仍有很大差距。遥感信息的提取精度问题一直是困扰遥感信息自动提取进行应用推广的技术瓶颈，主要表现在两个方面: 一是遥感信息本身的同谱异物和同物异谱现象，以及待提取地物单元在数字遥感影像上色调、纹理、形态上的复杂性，这给信息自动提取带来了很大的困难; 二是当前遥感信息自动提取技术还大多停留在试验阶段，算法以及参数设置等都不成熟，可操作性太差。所以，要将信息自动提取技术应用于生产实际确实面临许多技术上的难点。
以上提到的信息自动提取技术应用到实际生产中存在着很多困难，但针对特定的区域，如果能采用比较切合实际的严密的提取算法，仍然可以达到实际生产应用的需求。塔里木河流域地域宽广，地势较平坦，地物类型相对单一，所要提取的耕地、林地、天然草地、沙漠等地类影像特征清晰，且空间分布规律明显。这在我国其他地区是不多见的，尤其是在我国的东南、西南地区，植被覆盖多，地类混杂，有很多地类人工目视解译都很难区分。所以，在塔里木河流域进行信息自动提取具有得天独厚的优势。
遥感信息提取的精度决定了整个塔里木河流域生态动态监测与分析的效率，本系统采用了多种技术手段保证了遥感信息自动提取以及修编后的精度，包括图像自动提取算法设计、图像处理一致性、解译参考完整性、人工修编规范性等方面。从信息自动提取算法的角度讲，算法要求严密、先进，但必须具有通用性。综合国内外相关信息提取算法，再结合塔里木河流域地物特征，采用了分级分类的分类思想。所谓分级分类，就是按照级别来一级一级划分，对于一个待分类的遥感影像，首先可以区分为两个大类: 植被类与非植被类，或是水体类与非水体类; 而后在下一级再考虑在植被类里面划分林地、灌木、草地、农田等。这样分类看似简单，却合乎我们通常的认知过程，可以避免一些大的类别上的划分错误，同时可以缩小划分某一地类时的考虑范围，大大提高了分类的精度。对于最低一级的类型划分，采用监督分类的思想，依据知识库中所建立的对应地类的解译标志、地物样方、地物光谱等之间的对应关系，选择对应地类的样方信息。最后再经过主要/次要分析、集群分析等分类后处理得到某一专题的自动提取结果。针对植被覆盖度、植被类型、土地沙质荒漠化、土壤盐渍化和土地利用 5 个生态环境专题各自不同的特征，建立了 5 个专题的信息自动提取流程。
豫公