遥感技术应用考试复习资料

1、第一章绪论1、遥感的分类划分标准1. 以探测平台划分2. 以探测的电磁波段划分3. 按电磁辐射源划分4. 以应用目的划分按探测的电磁波段划分 :紫外遥感：探测波段 0.050.38um 可见光遥感：探测波段 0.380.76um 红外遥感：探测波段 0.761000um微波遥感：探测波段 1mm10m多光谱遥感： 在可见光波段和红外线波段的范围内， 在分成若干窄波段来探 测高光谱波段：在某一波长范围内，以小于 10um按电磁辐射源划分： 主动遥感：探测器主动发射一定电磁波能量 被动遥感：探测器不向目标发射电磁波2、遥感技术应用存在的问题 一方面是：遥感技术本身的局限性（1）由于仪器老化，灵敏度

2、减弱，性能改变。以 NOAA/A VHRR 为例，其 可见光和近红外波段仪器的增益平均每年衰减 5%左右，所以需要随时定标和校 准，以保证其数据可靠性。（2）遥感数据定位目前主要依赖于卫星的的姿态、轨道及轨道参数，对这 些因素的变化进行纠正，也有不小的误差。（3）遥感系统的空间分辨率有限，限制了遥感定量化精度。（4）数据处理方法的局限，大气纠正中，大气参数的随机性难以测定和反 演，限制大气校正的精度和定量化水平等。另一方面是：人们认识上的局限性（1）我们利用的数据大多采用垂直对地观测来采集数据，对数据分析的前 提是把地物与电磁波的相互作用简化为各向同性、均匀的“朗伯体”，而忽略了 其明显的方向

3、性特征。（2）建立模型时，假设条件大多过于理想化、概念化，导致结果具有不确 定性，其精度难以满足实用需求。第二章地物反射光谱与遥感数字图像信息提取一、地物反射光谱特征 不同地物对入射电磁波的反射能力是不一样的， 通常采用反射率来表示。 当 电磁辐射能到达两种不同介质的分界面时， 入射能量的一部分或全部返回原介质 的现象，称之为反射。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

4、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

5、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 0.4-0.76 um有一个反射峰值，大约 0.55um（绿）处，两侧 0.45um（蓝）和 0.67 um（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

6、 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 680nm740nm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）三、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

7、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

8、 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，文字总结四、遥感图像的获取 通过各种传感器获得五、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 重采样和内插六、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 变换七、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）

9、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

10、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均值分类法最大似然法（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

11、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六、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（

12、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）计算机模拟模型七、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

13、率。选用 Becker 、 Sobrino 以及覃志豪 3 种劈窗算法针对 MODIS3、132通道数据进行地表温度反演 , 从 MODTRA模N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。 20XX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；

14、20XX 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 MODTRA模N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

15、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

16、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

17、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：

18、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（1）目的：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

19、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

20、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 （2）方法：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

21、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=（S R-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

22、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，

23、 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

24、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 （1）辐射校正：消除传感器、大气、地形、太阳高度角等引起的光谱亮度 失真。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：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。选择地面控制点 选择空间变换函数重采样和内插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

25、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

26、）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

27、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（ 3001GHz/0.82.5cm） 热红外波段（ 814um） 中红外波段（ 3.55.5um） 近紫外、可见光和近红外波段（ 0.31.3um,1.51.9um ） 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 30007000埃