高光譜在礦產資源調查與監測工作中應用得較早，也形成了一套較為完整的工作方法.在典型礦物的提取過程中，運用最大噪聲分離變換(maximum noise fraction，MNF)對反射率數據進行波譜降維，然后利用像元純度指數(pixel purity index，PPI)分析進行空間降維并用N維可視化方法進行端元識別，確定礦物波譜，最后利用距離法、光譜角(spectral angle matching，SAM)、混合調制匹配濾波(mixture tuned matched filtering，MTMF)等方法進行礦物填圖，并對結果進行優化操作。

針對礦產資源的示范應用主要在新疆東天山地區開展，本區主要的蝕變礦物為蛇紋石、白云母與綠簾石。

針對上述3種礦物的填圖，首先利用MNF變換進行光譜數據減維，分離數據中的噪聲，減小運算量，觀察最終特征值和MNF圖像，確定數據的固有維數，選擇合適的MNF波段進行PPI指數計算;然后計算MNF圖像的PPI指數，最終產生PPI圖像，圖像中像元的DN值代表像元被記錄為極值的次數，從直方圖中選擇閾值，僅選擇最純的像元以保證被分析的像元數最小，這些像元被輸入到分離特定光譜端元的交互式可視化算法中;接下來在N維可視化中，通過選擇N維散點圖的頂點和拐角，進一步提純純凈像元.將最終確定的端元輸入到圖像中的感興趣區(region of interest，ROI)，從圖像中提取每個感興趣區平均反射率光譜曲線作為成像光譜礦物填圖的候選端元;隨后將采集端元的波譜曲線輸出，經過波譜分析(用波譜特征擬合算法與美國地質調查局(United States Geological Survey，USGS)標準波譜庫進行匹配識別)得到的波譜曲線圖，確定端元礦物并建立該礦物的真實波譜庫。

應用結果表明(圖)，對于蛇紋石、白云母以及綠簾石3種礦物，經過上述數據處理與分析后，礦物信息能夠被有效提取，尤其使用SAM方法，不僅以快速提取端元采集出的所有地物，并用彩色分類影像來顯示，可以直觀的看出該礦物的分布情況。

圖 高光譜典型礦物監測填圖結果