hyperion系统

hyperion系统

       很高兴能够参与这个hyperion系统问题集合的解答工作。我将根据自己的知识和经验，为每个问题提供准确而有用的回答，并尽量满足大家的需求。

1.会计中的hyperion code是什么意思

2.上海汉得信息技术股份有限公司的核心业务领域

3.比亚迪汉DiPilot智能驾驶辅助系统体验

4.在轨航天高光谱系统有哪些

5.遥感信息提取方法

6.财务hfm是什么意思

会计中的hyperion code是什么意思

       海波龙（Hyperion）为企业绩效管理领域全球领导企业。海波龙的解决方案让数据收集、管理和分析自始至终贯穿企业，使企业绩效管理便捷有力。海波龙新一代整合平台—Hyperion? System? 9，是当今市场上最完整和灵活的企业绩效管理系统，让企业全面实现绩效突破。

       Code是其编码。

上海汉得信息技术股份有限公司的核心业务领域

全面预算管理软件目前专业的预算管理软件有海波龙、易磐科技、东华厚盾等。

       易磐(www.eplanningsoft.com)只专注于预算管理信息化及预算管理佳实践的传播，致力于提升企事业单位战略成功所必备的预算管理及信息化能力。凭借专业的商用软件和专注的咨询实施，自2010年起，易磐已经成为本土全面预算管理软件的领导者。

比亚迪汉DiPilot智能驾驶辅助系统体验

       1. Oracle系统实施，包括ERP、CRM、HRM、PLM/PDM、SCM、EPM、BI、Portal等应用系统，涉及Peoplesoft、Siebel、Hyperion、G-log、Agile、Demantra、Retek等专业领域的软件。

       2. SAP系统实施，包括ERP、CRM、HR、PLM、SCM、BI（Business Objects）、Portal等应用系统。

       3. MAS系统实施，汉得自行开发的一套适合于中小型企业的管理套件，包括ERP、供应商门户、渠道管理、费控管理、人事管理、BI等应用子系统。

       4. 客户化集成方案，为满足客户需求的定制开发，包括Web服务、EAI、报表体系等，并实现ERP与其它系统间无缝集成，帮助客户完成系统升级与维护。

       5. IT管理咨询，借鉴国际领先企业IT应用的成功经验及IT技术的发展趋势，结合国内企业的应用和管理经验，为客户提供IT战略设计、业务流程优化等管理咨询。

       6. 支持与培训服务，为客户提供长期系统支持服务、IT外包服务，解决客户的信息系统应用中出现的问题，分析并实现客户在系统应用和业务发展中产生的新需求，为客户IT与管理人员提供不定期定制培训服务。

       7. 软件开发外包服务，提供基于大型ERP软件的二次开发及JAVA、.NET等领域的离岸服务。

       8. 中间件实施。汉得中间件事业部成立于2009年1月，主要以实施企业应用集成，企业应用门户，企业业务流程管理，企业身份统一管理等业务为主。汉得中间件拥有一支技术精良，具创新精神，积极进取的中间件团队，在Oracle Fusion Middleware各个产品领域都拥有专家级人才，技术处于领先位置。汉得中间件在Oracle Fusion Middleware产品领域都拥有实施经验和成功案例，赢得很好的口碑，尤其是在Oracle Webcenter Suite,Oracle BPM Suite,Oracle SOA Suite,Oracle IDM Suite,Oracle UCM等产品有丰富的实施经验和技术积累；同时依托Oracle Weblogic和Oracle ADF技术，自主研发了应用框架，HADF，增加了菜单，人员，功能，权限设置，报表，问题监控，工作流等企业级的应用功能，可以作为企业内首选的应用开发平台和企业门户的框架平台。

在轨航天高光谱系统有哪些

        进入新能源时代，要说卖得最好的中国品牌是哪一个，那肯定非比亚迪莫属了。自从全面转型新能源以来，比亚迪凭借着成熟的三电技术、优秀的DM-i系统，迅速占领了国内的新能源车市场，即便与造车新势力的领头羊特斯拉相比也是丝毫不落下风。

        而随着新能源汽车一起发展的还有逐渐普及的智能驾驶辅助系统，尤其以新兴的造车新势力发展最为迅速，特斯拉AutoPilot、小鹏汽车XPilot等等都具有很强的实用性。那么，作为新能源汽车领导者的比亚迪，在智能驾驶辅助系统上究竟实力如何呢，今天就带大家上路实际体验一下。

       

        试驾车型：比亚迪汉DM-i 242KM旗舰型

        此次试驾车型为2022款比亚迪汉DM-i 242KM旗舰型（指导价28.98万元），搭载比亚迪最新的DiPilot智能驾驶辅助系统。比亚迪汉自身在智能化上不断进化，从3R1V到5R1V，首次具备了HWA高速驾驶辅助的能力，同时也在通过OTA升级持续提升智能体验。在今年8月份的两周年OTA上，推送了HWA高速驾驶辅助功能、dTCS分布式牵引力控制系统、DiTrainer教练模式等功能。

       

        如今的比亚迪汉在基础硬件上拥有5个摄像头、12个超声波雷达、5个毫米波雷达，支持ACC自适应巡航、车道保持、车道偏离预警、辅助变道、主动刹车、防碰撞预警等功能，达到了L2+级别的驾驶辅助能力，堪称迄今为止比亚迪“最强”的驾驶辅助系统。

        城市场景：驾驶堪比“老司机”

        城市场景应该是最常见，同时也是路况最为复杂的一个场景了。在正常直行的情况下，汉DM-i对于路面车道线的识别稳定且准确，即使是在车道线模糊不清的情况下也能非常精准的识别，如果从双侧车道线进入单侧车道线，车辆还可以虚拟出一条车道线（实线），以保证居中稳定行驶。

       

        在跟车情况下开启LCC车道保持功能，汉DM-i的行驶状况也比较稳定，并且修正的频率比较低，也可以跟随两轮摩托车行驶，只是对于周边车辆的类型识别不够准确，大部分情况下两轮车会被识别成汽车，但是依赖于较好的跟随能力，并不会让你产生危险感。

       

        在通过红绿灯路口时，汉DM-i能够自动跟随前车起步，并且会有语音提示：“前车已启动，请注意周边环境”，这一点比较人性化，不至于突然起步吓你一跳。不过，值得注意的是如果等待红绿灯时间过长，车辆会暂时退出LCC，需要主动踩加速踏板起步，待重新进入车道以后，LCC功能才会恢复。

       

        在拥堵的路况下，汉DM-i的表现堪称“老司机”，不仅跟车自然，车辆的刹停过程也非常平顺，跟车距离支持4级调节，最短跟车距离仅为2.5米，在保证安全的情况下还不容易被别的车辆加塞，绝对是堵车时候解放双脚的一大利器。

       

        值得一提的是，无论是白天还是夜晚，汉DM-i的DiPilot智能驾驶辅助系统发挥都很稳定，对于路面车道线和周边车辆的识别也比较到位，实际用起来和白天差异不大。

       

高速场景：巡航稳定支持辅助变道

        在进入高速以后，汉DM-i的DiPilot智能驾驶辅助系统可以说是发挥了更大的作用，简单的直行、跟车自然不用多说，封闭的高速场景其实要比城市场景更加简单一些，汉DM-i能够始终居中行驶，基本没有扰动，给人的舒适性与安全感都很高，并且限速标识、导航、巡航时速等行驶的相关信息都可以通过HUD显示，显示效果也非常不错。

       

        在经过一些自然弯时，汉DM-i也能够始终保持居中行驶，并且方向盘修正的频率很低，给人的感知并不明显，行驶比较自然。值得一提的是，在通过匝道等一些小曲率的弯道时，汉DM-i竟然也能够正常通过，最高通过时速为60km/h，方向盘自动转向无须人工操作，当然手还是需要放在方向盘上以保证行驶安全。

       

        不过，在遇到盘桥等大曲率的弯道场景时，还是要多加留意，速度在40km/h以下能够稳定通过，但是由于角度太大，弯心会有比较明显的转向修正动作，显得不够自然，此时还是建议人工接管，毕竟辅助驾驶不是自动驾驶。

       

        在高速行驶，变道可能是遇到最多的场景了，汉DM-i在更新到最新的DiPilot系统之后，支持ILCA交互式变道辅助功能，打转向灯就能够自动变道，不过速度需要在60km/h以上；自动变道时如果遇到后方来车，车辆会有一个明显的降速过程，待后方车辆通过后，会继续执行变道指令，这一点还是比较聪明的，智能驾驶辅助最重要的还是保证安全。

       

        值得一提的是，在遇到一些不满足变道条件的情况时，仪表屏后方会有红色动态扇形图标显示，打转向灯就会提示“当前不适合变道”，相应一侧的车道线和变道路径，也会变成红色，警示你此时不可变道。

       

        对于目前很多驾驶辅助系统来说，对于路面静止的物体识别能力并不是太高，汉DM-i同样不支持车道内的障碍物识别，不过在时速60km/h时，可以对前方静止的车辆进行识别，也在一定程度上增加了高速行驶的安全性。

       

        新手利器?自动泊车成功率高

        自动泊车这个功能对于老司机可能没什么用，但是对于一些新手来说那就非常友好了，尤其是在智能驾驶辅助系统的加持下，现如今自动泊车的成功率已经是非常高了。

        汉DM-i在速度25km/h以内都可以进行车位的识别，并且能够同时识别车辆后方两侧车位，最多识别车位数为6个，模拟画面与实景画面匹配度较好，用户可以清晰的选择自己想要泊入的车位。

       

        在垂直泊车中，车辆识别到车位后就能够开始泊车，基本没有出现过泊车失败的情况，成功率还是比较高的。值得一提的是，虽然汉DM-i车身长度接近5米，但是对于空间的要求并不是很高，在较为狭小的空间内也能完成泊车，车辆的感知能力比较强，只是偶尔会出现限位墩不识别的情况。

       

        侧方车位泊车对于很多新手司机来说都是比较难的，汉DM-i在识别到侧方车位以后，能够以1km/h的速度泊入，对于空间的需求同样不大，在路线规划上比垂直泊车更合理一些，所以泊车时间更短，给人的速度感比较快，泊车成功率也很高。

       

        自动泊车时，360°全景影像能够清晰的显示泊车路径，虚拟影像与实际影像也比较贴合，当距离障碍物较近时，会有蜂鸣声提示，泊车影像中也会显示动态图标和距离，给人的感觉比较安全。

       

        值得一提的是，除了常见的垂直/侧方车位的自动泊车之外，比亚迪汉还支持斜方车位泊车和自定义泊车。不过，在斜方车位测试中汉DM-i仅能够识别逆向鱼骨车位，左右车位均可自动识别，不需要人为干涉，可以自主选择需要泊入的车位，整个泊车过程大概40s左右，速度还是比较快的。

       

        自定义泊车有垂直、水平和斜列三种车位可选，选择后可以对车位角度进行微调，整个操作都在中控屏中完成，显示也比较直观，基本没什么学习难度。

       

DMS监测?长途驾驶更安心

        另外，汉DM-i还支持DMS疲劳监测功能，通过左侧A柱的DMS摄像头，可以对面部和动作进行识别，疲劳驾驶（打哈欠），注意力不集中（向车后看、抽烟、打电话），都能够比较准确的识别，并进行语音和仪表显示双提示，大大提升了长途驾驶的安全性。

        而为了避免隐私泄露，这个DMS摄像头还有一个物理开关，能够对摄像头进行遮蔽，日常驾驶可以完全关闭，等到需要的时候再打开，以保护用户的隐私。

       

        邦点评

        我们可以看到，比亚迪在新能源汽车市场不断创造辉煌的同时，并没有放缓智能驾驶辅助领域研发的脚步。虽然与造车新势力相比比亚迪在智能驾驶辅助上发展稍微晚了一些，但是比亚迪汉却一直在保持着持续进化，从汉DM-i所搭载的最新版本DiPilot系统的实际体验来看，相比之前可以说是有了巨大的进步，智能领航系统不仅功能更加完善，在日常驾驶中也有了很强的实用性，称之为比亚迪有史以来“最强”的驾驶辅助系统也不为过。

       

        当然，这一切的进步都离不开近两年比亚迪在智能驾驶上所做的努力。2021年比亚迪先后与地平线、速腾聚创等智能硬件供应商建立了战略合作伙伴关系，还与自动驾驶解决方案供应商Momenta成立了合资公司。今年3月份，比亚迪与自动驾驶芯片供应商英伟达达成合作，计划2023年开始在部分车型上采用英伟达最新自动驾驶平台DRIVE Hyperion，以实现高级别的自动驾驶能力。

        比亚迪在智能驾驶领域的布局已经逐渐完善，迈向智能驾驶的步伐也是一如既往的坚定，相信在不久的将来我们就能开上具有高阶智能驾驶辅助功能的比亚迪汽车了，期待一下吧。

       本文来自易车号作者电动邦，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

遥感信息提取方法

       * 典型的高光谱遥感器

       * 美国：AIS，AVIRIS、WIS （812波段）、PROBE、TEEMS、

       MODIS 、Hyperion、FTHSI

       AHI （256个热波段）、SEBASS （242个热波段）

       * 澳大利亚：Hymap、ARIES、TIPS （100个热波段）

       * 加拿大： CASI HYMAP主要性能指标

       * 德国：ROSIS 波段数 光谱范围（um ） 采样间隔 光谱分辨率 瞬时视场角 信噪比

       （nm ） （nm ） (mrad)

       0.45 ~0.89 15~16 15 0

       航向 2.5 30 太阳天顶

       * 法国：IMS 128 0.89 ~1.35 15 ~16 15 旁向 2.0 角，50%反

       1.40 ~1.80 15 ~16 13 射率：>500:1

       1.95 ~2.48 18 ~20 17

       * 芬兰：AISA

       * 欧空局：CHRIS （2000年10月22 日PROBA小卫星） PHI主要性能指标

       波段数 光谱范围 采样间隔 光谱分辨率 瞬时视场角 行象元数 信噪比

       * 日本：GLI 244 400~850nm 1.8nm <5nm 1.5mrad 376 ~200

       * 中国：MAIS、PHI、OMIS-1 （10个热波段）、

       CMODIS （神舟III号）、Env-DD （环境灾害小卫星）

财务hfm是什么意思

       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2～2.3μm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2.2μm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0.9μm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4/3.2/3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7.7km，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0.4～2.5μm。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。

       HFM是甲骨文公司的财务管理软件。

        全球领先的企业绩效管理（BPM）解决方案提供商海波龙（Hyperion），针对日益复杂的商业环境下的财务管理，为企业提供了业界领先的海波龙财务管理软件Hyperion Financial Management（简称HFM），以帮助财务人员更加准确快速地完成财务报告、投入更多的时间参与到企业战略活动中去。

       对于HFM的成功应用，海波龙总部资深产品市场经理Michael J. Malwitz表示：“如今，企业越来越多地受到外部的监管，需要向外部提供真实准确的财务报告，这也使得企业首席财务官的职责快速扩大，他们越来越多地被要求担任企业合作伙伴，带领企业提高经营业绩，同时在外部监管中合规。而 HFM能够提高企业财务人员的工作效率，为企业管理决策层提供准确及时的财务报告，帮助首席财务官迅速实现职能转变，将企业的财务管理与企业战略完美结合，符合外部监管的要求。”

       面对功能强大的HFM，一些客户在使用之后认为HFM是一款强大的财务管理工具，的确能够帮助企业更好地进行财务管理。Zebra公司副主席兼审计官Todd Naughton说：“Hyperion Financial Management是我们公司核心的数据平台。我们在全球有多个总账系统及不同的业务系统，Hyperion Financial Management帮助我们在五天之内产生准确的财务合并报告。正因为如此，我们才有更多的时间可以用来审核和分析数据，确保我们的对外报告中已经包含了所有需要披露的信息。”

       海波龙财务管理解决方案的成功，得益于海波龙深厚的技术实力和强大的应用支持。在中国地区，海波龙结合本地合作伙伴对中国企业的了解和丰富的实施应用经验，将该解决方案进行本地化，同时，凭借海波龙在企业管理领域二十多年的丰富经验，便能够充分满足中国企业的深层次需求并成功实施。海波龙深知，中国企业需要的不仅仅是先进的管理工具，更需要通过先进的管理工具来将企业战略型管理的理念深入人心。

       好了，今天我们就此结束对“hyperion系统”的讲解。希望您已经对这个主题有了更深入的认识和理解。如果您有任何问题或需要进一步的信息，请随时告诉我，我将竭诚为您服务。