遥感技术应用考试复习资料分析Word文档格式.docx
- 文档编号:8566857
- 上传时间:2023-05-11
- 格式:DOCX
- 页数:18
- 大小:288.37KB
遥感技术应用考试复习资料分析Word文档格式.docx
《遥感技术应用考试复习资料分析Word文档格式.docx》由会员分享,可在线阅读,更多相关《遥感技术应用考试复习资料分析Word文档格式.docx(18页珍藏版)》请在冰点文库上搜索。
反射的特征可以通过反射率表示,它是波长的函数,故称为光谱反射率r(l)。
物体对电池波的反射三种形式:
镜面反射、漫反射、方向反射。
方向反射
同种地物的反射光谱
不同第地物的反射光谱
二、典型地物反射光谱特征
1、岩石的反射光谱特征
岩石反射光谱曲线不同于植被那样具有明显的相似特征,其曲线特征与其成分、风化程度,含水状态、颗粒大小、表面粗糙程度、色泽等有关。
所以不同的岩石其光谱图形态各异。
2、土壤的反射光谱特征
自然状态下土壤表面反射率没有明显峰值和谷值。
土壤的反射光谱特征主要受土壤中原生矿物和次生矿物、土壤水分含量、土壤有机质、铁含量、土壤质地等因素决定。
3、水体的反射光谱特征
水体反射率较低,小于10%,远低于大多数的其他地物,水体在蓝绿波段有较强反射,在其他可见光波段吸收都很强。
纯净水在蓝光波段最高,随波长增加反射率降低。
在近红外波段反射率为0;
含叶绿素的清水反射率峰值在绿光段,水中叶绿素越多则峰值越高。
这一特征可监测和估算水藻浓度。
而浑浊水、泥沙水反射率高于以上,峰值出现在黄红区。
水体反射光谱与水的状态、所含能量、水中有机质、水藻、泥沙等有关。
4、植被的反射光谱特征
地面植物具有明显的光谱反射特征,不同于土壤、水体和其他的典型地物,植被对电磁波的响应是由其化学特征和形态学特征决定的,这种特征与植被的发育、健康状况以及生长条件密切相关。
植被的反射光谱特征在可见光波段0.4-0.76um有一个反射峰值,大约0.55um(绿)处,两侧0.45um(蓝)和0.67um(红)则有两个吸收带;
近红外波段0.7-0.8um有一反射陡坡,至1.1um附近有一峰值,形成植被独有特征;
中红外波段1.3-2.5um受植物含水量影响,吸收率大增,反射率大大下降。
红边位移现象
红边是绿色植物在680nm~740nm之间反射率增高最快的点,也是一阶导数光谱在该区间内的拐点。
红边与植被的各种理化参数是紧密相关的,是描述植物色素状态和健康状况的重要的指示波段,因此红边是遥感调查植被状态的理想工具。
植被覆盖度和叶面积指数有关,植被覆盖度越高,叶面积指数越大,红边斜率也就越大,相应的植被生长状态越好,红边位置会出现向波长增长方向偏移,即“红移”;
反之,则红边位置会相应“蓝移”。
遥感图像的处理分类(三到九部分)
3、遥感图像解译方法与步骤
指专业人员通过直接观察或借助判读仪器在遥感图像上获取特定目标地物信息的过程。
1、目视解译标志
色调:
全色遥感图像中从白到黑的密度比例叫色调(也叫灰度)
阴影:
是图像上光束被地物遮挡而产生的地物的影子。
据此可判读物体性质或高度。
形状:
目标地物在遥感图像上呈现的外部轮廓。
纹理:
也叫内部结构,指遥感图像中目标地物内部色调有规则变化造成的影像结构。
大小:
指遥感图像上目标物的形状、面积与体积的度量。
位置:
指目标地物分布的地点。
图型:
目标地物有规律的排列而成的图形结构。
相关布局:
多个目标地物之间的空间配置关系。
2、目视解译方法
(1)直接判识
(2)对比解译
(3)逻辑推理法
(4)历史对比法
3、目视解译步骤
(1)目视解译准备工作阶段
明确解译任务与要求
收集与分析有关资料
(2)建立解译标志
路线踏勘
建立分类系统和解译标志
(3)室内解译
(4)野外验证
(5)成果整理
编绘成图
资料整理,文字总结
4、遥感图像的获取
通过各种传感器获得
5、遥感图像预处理
1、辐射校正
传感器校正
大气校正
太阳高度角和地形引起的畸变校正
2、几何校正
选择地面控制点
选择空间变换函数
重采样和内插
6、变换
是指将图像从空间域转换到变换域的过程
快速傅里叶变换
K-L变换
K-T变换
7、增强、
1、反差增强
(1)灰度拉伸
(2)直方图均衡化
(3)直方图匹配
2、空间域图像增强
(1)边缘增强
(2)平滑滤波
(3)中值滤波
(4)定向滤波
3、频率域图像增强
(1)低通滤波
(2)高通滤波
(3)带通滤波
(4)同态滤波
4、代数运算增强
5、彩色图像增强
(1)为彩色密度分割
(2)彩色增强
(3)假彩色合成
八、融合
是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。
九、遥感数字图像分析
图象分析是指在图象识别、图象量测的基础上,通过综合、分析、归纳,从目标物的相互联系中解译图象或提取专题特征信息,即定性、定量地提取和分析各种信息。
1、遥感数字图像分类
(1)监督分类
平行六面体
最大似然法
最小距离法
马氏距离
神经网络
支持向量机
(2)非监督分类
ISODATA分类法
K—均值分类法
(3)数字图像分类新技术
人工神经网络分类法
模糊分类法
亚像元分类法
2、基于遥感影像的线状地物提取
影像特征是由于景物的物理与几何特性使影像中局部区域的灰度产生明显变化而形成的。
因而特征的存在意味着在该局部区域中有较大的信息量,而在影像中没有特征的区域,应当只有较小的信息量。
下图是道路特征提取流程图:
3、基于遥感影像的面状地物提取
(1)目标检测与特征提取
(2)特征编组和建模
遥感信息定量化
是指通过实验或物理模型将遥感信息与观测目标参量联系起来,将遥感信息定量地反演或推算为某些地学、生物学及大气等观测目标参量。
两重含义:
其一;
遥感信息在电磁波不同段内给出的地表物质定量的物理量和准确的空间位置。
其二;
从这些定量的信息中,通过实验或物理模型将遥感信息与地学参量联系起来,定量地反演或推算为某些地学、生物学参量。
遥感信息定量化的过程其实就是建立遥感信息模型的过程
6、遥感数字图像定量反演
1、原理
通过原始观测数据和物理模型(如:
温度、植物叶面积指数、叶绿素含量、生物量、地表反照率、地表土壤水分含量等),求解或推算描述地面实况的目标参数,以此来表现地物的转态变化。
三种遥感模型类型:
(1)经验统计模型
(2)物理模型
(3)半经验模型
2、方法
(1)辐射传输模型(RT模型)
(2)几何光学模型(GO模型)
(3)几何光学—辐射传输混合模型(GORT混合模型)
(4)计算机模拟模型
7、遥感地表参数反演
1、方向反射BBDF的反演
利用各种地物方向反射反射的亮度、光谱、反射率的不同,来获取地物的变化,建立模型,获取地物分布、变化参数。
2、植被结构参数反演
植被机构参数包括了各种描述植物形状、大小、几何特征参数,其中用最多的是叶面积指数LAI和叶倾角分布LAD等。
利用这些植被结构参数通过建立的模型,进行处理转换,得到有价值的植被参数。
案例:
1、MODIS数据反演地表温度劈窗算法比较
利用modis数据获取的地表温度、大气水汽含量、大气透过率。
选用Becker、Sobrino以及覃志豪3种劈窗算法针对MODIS31、32通道数据进行地表温度反演,从MODTRAN模拟的情况来看,Becker算法适用范围较广,在不同水汽含量以及地表温度的条件下,都保持了较高的精度,最大误差为0.739。
而其他2种算法在水汽含量达到3g/cm2,同时地表温度也较高情况下,误差达到1℃以上。
文中还选取了冬季和夏季两景图像,将反演结果与NASA地表温度标准产品值进行了比较,并生成了温度差值直方图分布。
2006年12月14日的计算结果显示,3种算法无明显差别,但整体高于标准产品值;
2001年8月12日计算结果显示Becker算法计算结果与标准产品值更为接近,覃志豪和Sobrino算法计算值明显低于标准产品值。
虽然MODIS标准产品并非地表温度真实值,但经验证具有较高精度,因此这种比较还是有一定价值的。
综合MODTRAN模拟以及标准产品这2种比较方法来看,Becker算法较Sobrino和覃志豪算法更加精确。
2、基于高光谱数据的叶面积指数遥感反演
文中利用叶片辐射传输模型(PROSPECT)和冠层辐射传输模型(SAILH)模拟植被冠层反射率,分析了不同条件下LAI与植被指数的敏感性。
发现常用于LAI反演的归一化差值植被指数(NDVI)受土壤背景因素影响严重,而且当LAI>
2时。
基本处于饱和状态。
此研究建立了具备抗土壤背景影响、对LAI敏感的改进型叶绿素吸收植被指数(MCARI2)与LAI之间的经验统计模型,并成功用于无人机高光谱数据的LAI反演。
经实测数据验证表面,模型反演结果可以取得比较好的精度。
遥感地学分析
对遥感信息获取、处理、分析的过程。
获取:
根据不同的需求选择不同的遥感图像,对不同分辨率,不同波段,不同时间的图像进行筛选。
处理:
选择解译方法对图像进行解读,如目视解译,通过不同的解译标志色调、颜色、图型、阴影、形状、纹理、大小等对遥感图像进行解译。
然后进变换、校正、变换、增强、融合。
分析:
其中包括图像分割、特征分析、图像分类。
对图像进行分割,根据图像的特征,采用分类方法对遥感图像进行分类,再对遥感图像进行各类地物的提取。
(1)遥感的特点:
大面积同步观测;
时效性;
经济性;
局限性
(2)遥感信息在地学分析中的模糊性和多解性:
地面信息室多维的、无限的(时空),而遥感信息是简化的二维信息;
遥感信息的复杂性与不确定性:
同物异谱,异物同谱;
混合像元;
时相变化;
信息传输中的衰减与增益(辐射失真与几何畸变)
(3)遥感影像的分辨率:
空间分辨率,时间分辨率,光谱分辨率,辐射分辨率
3.黑体:
在任何温度下,对各种波长的电磁辐射都完全吸收的理想辐射体
4.目视解译的标志:
色调、颜色、图型、阴影、形状、纹理、大小。
5.目视解译的方法与步骤:
(1)自上而下的过程:
特征匹配、提出假设、图像辨识;
(2)自下而上的过程:
图像信息的获取、特征提取的识别、证据的选取
6.目视解译的步骤:
7.遥感图像校正
(1)辐射校正:
消除图像数据中依附在辐射亮度中的各种失真的过程。
包含遥感器校正、大气校正、地形辐射校正、地物反射模型校正;
(2)几何校正:
控制点的选择
(3)大气校正:
消除大气反射的影响
8.图像处理
1.图像显示合成
(1)目的:
综合不同波段的特征,突出显示对象的差异。
原则信息量最大,相关性最小,差异最大。
(2)主要方法:
密度分割(将灰度按照指定的间隔分为不同的级别,对新的密度级别分别赋予不同的颜色)
彩色合成:
任选3个波段作为RGB进行彩色合成,产生彩色图像。
反差增强/对比度增强:
灰度拉伸、直方图均衡化、直方图匹配
2.图像变换
将图像从空间域转换到频率域的过程,简化图像处理的过程。
(2)作用:
更易于进行特征抽取
(3)主要方法
傅里叶变换:
进行数据压缩、图像增强、特征提取
K-T变换:
分离和消除干扰信息突出研究的专题信息
K-L变换:
减少波段之间的相关性,去除多余信息,减少图像的数据量
代数运算:
突出地物差异,压抑噪声
HSI彩色变换:
将显示的彩色从RGB空间转换到HSI空间
3.图像滤波
(1)图像平滑:
领域滤波、中值滤波、梯度倒数加权、高斯低通滤波去噪,突出主体
(2)图像锐化:
罗伯特算法、sobel算子、拉普拉斯算子强化边缘信息
(3)频率域图像增强:
高通滤波(锐化)、低通滤波(平滑)、带通滤波(突出地物)、同态滤波(改善图像质量)
4.图像融合:
在同一坐标系中将对同一目标的多幅遥感图像数据采用一定的算法,生成一副新的、更能有效表示该目标的图像。
(1)数据融合分类:
像元级融合;
特征级融合、决策级融合
(2)数据融合方法:
HSI;
代数法、图像回归法、主成分变换(PCT)、小波变换
4.图像分类
(1)原理:
同类地物在相同的条件下(光照、地形等)应该具有相同或者相似的光谱信息和空间信息特征。
不同类的地物之间具有差异。
同类地物的像元在数目较大的时候,其特征量的分布类型接近正态分布。
(2)方法:
基于特征值的相似性准则对像素进行合并的过程
(3)分类方法:
监督分类:
最大似然法、最小距离法
非监督分类:
特征空间识别法、系统聚类法、分裂法、动态聚类法
数字图像分类新技术:
人工神经网络分类法、模糊分类法、亚像元分类法等
5.定量反演(较感兴趣)
(1)反演的原理:
统计模型、物理模型、半经验模型
辐射传输模型(RT模型)、
几何光学模型(GO模型)
几何光学--辐射传输混合模型(GORT混合模型)
计算机模拟模型。
植被指数
选用多光谱遥感数据经分析运算,产生某些对植被长势、生物量等有一定指示意义的数值。
1、RVI比值植被指数
RVI=NIR/R,或两个波段反射率的比值。
2、NDVI归一化植被指数
NDVI=(NIR-R)/(NIR+R),或两个波段反射率的计算。
3、GVI绿度植被指数
k-t变换后表示绿度的分量。
4、PVI垂直植被指数
在R-NIR的二维坐标系内,植被像元到土壤亮度线的垂直距离。
PVI=((SR-VR)2(SNIR-VNIR)2)1/2,S是土壤反射率,V是植被反射率。
5、SAVI土壤调节植被指数
Huete(1988)基于NDVI和大量观测数据提出土壤调节植被指数用以减小土壤背景影响。
6、DVI差值环境植被指数
DVI=NIR-R,或两个波段反射率的计算。
小结:
上述几种VI均受土壤背景的影响大。
植被非完全覆盖时,土壤背景影响较大
归一化植被指数
反映土地覆盖植被状况的一种遥感指标,定义为近红外通道与可见光通道反射率之差与之和的比值。
归一化植被指数是反映农作物长势和营养信息的重要参数之一。
根据该参数,可以知道不同季节的农作物对氮的需求量,对合理施用氮肥具有重要的指导作用。
1、NDVI的应用:
检测植被生长状态、植被覆盖度和消除部分辐射误差等;
2、-1<
=NDVI<
=1,负值表示地面覆盖为云、水、雪等,对可见光高反射;
0表示有岩石或裸土等,NIR和R近似相等;
正值,表示有植被覆盖,且随覆盖度增大而增大;
3、NDVI的局限性表现在,用非线性拉伸的方式增强了NIR和R的反射率的对比度。
对于同一幅图象,分别求RVI和NDVI时会发现,RVI值增加的速度高于NDVI增加速度,即NDVI对高植被区具有较低的灵敏度;
4、NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关;
NDVI的获取
一方面,可以在NASA的官方网站上直接下载成品数据
另一方面,可以下载遥感影像,根据NDVI=(NIR-R)/(NIR+R)进行波段运算
由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化,增强了对植被的响应能力,是目前已有的40多种植被指数中应用最广的一种。
影像分辨率及校正
1、遥感影像的四种分辨率:
空间分辨率,时间分辨率,光谱分辨率,辐射分辨率。
2、遥感图像校正
消除传感器、大气、地形、太阳高度角等引起的光谱亮度失真。
消除由遥感系统或卫星飞行姿态、轨迹、高度以及地球自转等引起的几何位置畸变。
遥感农作物估产
基本原理
农作物估产是指根据生物学原理,在收集分析各种农作物不同生育期不同光谱特征的基础上,通过平台上的传感器记录的地表信息,辨别作物类型,监测作物长势,并在作物收获前,预测作物的产量的一系列方法。
它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。
2提取信息方法
(1)农作物识别——不同物体的波谱特性不同,利用卫星照片可以区分出农田和非农田、同种作物和非同种作物。
用可见光和近红外波段的差值可区分农作物与土壤和水体。
识别作物类型,一方面可以根据近红外波段反射率的差别,主要是因为不同作物叶片的内部结构不同;
另一方面是利用多时相遥感。
不同作物的播种、生长、收割的时间不同,利用遥感信息的季节、年度变化规律,结合区域背景资料,可以有效地识别作物。
(2)农作物长势及灾害监测——作物长势定义为包括个体和群体两方面的特征,叶面积指数LAI是与作物个体特征和群体特征有关的综合指标,可以作为表征作物长势的参数。
利用红波段和近红外波段的遥感信息,得到的归一化植被指数(NDVI)与作物的叶面积指数(LAI)和生物量呈正相关,可以用遥感图像获取作物的NDVI曲线反演计算作物的LAI,进行作物长势监测,
(3)作物种植面积的提取——方法主要有以下四种:
1)航天遥感方法。
包括卫星影像磁带数字图象处理方(一般精度较高)和绿度---面积模式。
2)航空遥感方法。
可进行总面积的测量、作物分类及测算分类面积。
3)遥感与统计相结合的方法。
此方法是由美国农业部统计局在原面积抽样统计估产的基础上发展起来的,其原理是利用遥感影像分层,再实行统计学方法抽样。
4)地理信息系统(GIS)与遥感相结合方法。
此方法是在地理信息系统的支持下,利用遥感信息,对不同农作物的种植面积进行获取。
(4)作物产量估算——遥感估产是基于作物特有的波谱反射特征,利用遥感手段对作物产量进行监测预报的一种技术。
利用影像的光谱信息可以反演作物的生长信息(如LAI、生物量),通过建立生长信息与产量问的关联模型(可结合一些农学模型和气象模型),便可获得作物产量信息。
在实际工作中,常用植被指数作为评价作物生长状况的标准。
大气窗口
电磁波通过大气层较少被反射、吸收和散射的那些透射率高的波段称为大气窗口。
通常把太阳光透过大气层时透过率较高的光谱段称为大气窗口。
大气窗口的光谱段主要有:
微波波段(300~1GHz/0.8~2.5cm)
热红外波段(8~14um)
中红外波段(3.5~5.5um)
近紫外、可见光和近红外波段(0.3~1.3um,1.5~1.9um)。
大气窗口简介
太阳光在穿过大气层时,会受到大气层对太阳光的吸收和散射影响,因而使透过大气层的太阳光能量受到衰减。
但是大气层对太阳光的吸收和散射影响随太阳光的波长而变化。
所属范围不同分为光学窗口、红外窗口和射电窗口。
光学窗口
可见光波长约3000~7000埃。
波长短于3000埃的天体紫外辐射,在地面上几乎观测不到,因为2000~3000埃的紫外辐射被大气中的臭氧层吸收,只能穿透到约50公里高度处;
1000~2000埃的远紫外辐射被氧分子吸收,只能到达约100公里的高度;
而大气中的氧原子、氧分子、氮原子、氮分子则吸收了波长短于1000埃的辐射。
3000~7000埃的辐射受到的选择吸收很小,主要因大气散射而减弱。
红外窗口
水汽分子是红外辐射的主要吸收体。
较强的水汽吸收带位于0.71~0.735μ(微米),0.81~0.84μ,0.89~0.99μ,1.07~1.20μ,1.3~1.5μ,1.7~2.0μ,2.4~3.3μ,4.8~8.0μ。
在13.5~17μ处出现二氧化碳的吸收带。
这些吸收带间的空隙形成一些红外窗口。
其中最宽的红外窗口在8~13μ处(9.5μ附近有臭氧的吸收带)。
17~22μ是半透明窗口。
22μ以后直到1毫米波长处,由于水汽的严重吸收,对地面的观测者来说完全不透明。
但在海拔高、空气干燥的地方,24.5~42μ的辐射透过率达30~60%。
在海拔3.5公里高度处,能观测到330~380μ、420~490μ、580~670μ(透过率约30%)的辐射,也能观测到670~780μ(约70%)和800~910μ(约85%)的辐射。
射电窗口
这个波段的上界变化于15~200米之间,视电离层的密度、观测点的地理位置和太阳活动的情况而定(见大气射电窗)。
蓝藻水华
主要由于生活及工农业生产中含有大量氮、磷、钾的废污水进入水体后,蓝藻、绿藻、硅藻等藻类大量繁殖后使水体呈现蓝色或绿色的一种现象。
是水体富营养化的一种特征。
现状:
从2007年开始,全国大面积蓝藻水华泛滥的地方有无锡太湖、安徽巢湖、昆明滇池、南昌青山湖。
从爆发后每年夏季各地都有不同程度的蓝藻水华出现,严重时在秋季也有出现,如14年南昌青山湖,在深秋气温较低时也爆发了蓝藻。
每年的蓝藻爆发不仅引发难闻的气味,还污染了城市自来水。
每年都投入大量人力物力对其进行治理,但收效甚微。
遥感监测:
在近红外波段,蓝藻与水体有较大差异,通过这个特征可以在图像中提取出蓝藻爆发区域。
也可也通过
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感技术 应用 考试 复习资料 分析
![提示](https://static.bingdoc.com/images/bang_tan.gif)