遥感地学分析期末复习

遥感地学分析期末复习名词解释1、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。2、图像镶嵌：当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接成一幅后一系列覆盖全区的较大图像的过程。3、光谱分辨率：是指传感器所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小。4、遥感地学分析：遥感地学分析是建立在地学规律基础上的遥感信息处理和分析模型，是综合物理手段、数学方法和地学分析等综合性应用技术和理论，或者能反映地球区域分异规律和地学发展过程的有效信息理论方法。5、水体富营养化：是指由于大量的氮、磷、钾等元素排入到流速缓慢、更新周期长的地表水体，使藻类等水生生物大量地生长繁殖，使有机物产生的速度远远超过消耗速度，水体中有机物积蓄，破坏水生生态平衡的过程。6、植被指数：根据地物光谱反射率的差异作比值运算可以突出图像中植被的特征、提取植被类别或估算绿色生物量，通常把能够提取植被的算法称为植被指数。在遥感领域中用来表征地表植被覆盖，生长状况的一个简单，有效的度量参数。7、几何纠正：通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形，从而使之实现与标准图像或地图的几何整合。问答题1、辐射分辨率与空间分辨率的关系？空间分辨率是指图像上能够详细区分的最小单元的尺寸或大小。辐射分辨率是指传感器对光谱信号的强弱的敏感程度、区分能力。瞬间视场IFOV越大，最小可分像素越大，空间分辨率越低。但是IFOV越大，通光率即瞬时获得的入射能量越大，辐射测量越敏感，对微弱能量差异的检测能力越强，则辐射分辨率越高。因此，空间分辨率的增大，伴之以辐射分辨率降低。2、在定量遥感中，比较经验模型、物理模型、半经验模型的优缺点。经验模型优点：简单、实用性强。缺点：理论基础不完备，缺乏对物理机理的足够理解和认识，参数之间缺乏逻辑关系。物理模型优点：理论基础完善，模型参考具有明确的物理意义。缺点：输入参数多，方程复杂，实用性较差，且常对非主要因素有过多的忽略或假定半经验模型优点：综合了统计模型和物理模型的优点，模型所有的参数往往虽是经验参数，但又具有一点的物理意义。3、简述陆陆卫星TM5传感器的各波段的光谱特性TM10.45-0.52um蓝波段：对叶绿素和夜色素浓度敏感，对水体穿透强，用于区分土壤与植被、落叶林与针叶林、近海水域制图，有助于判别水深及水中叶绿素分布以及水中是否有水华等。TM20.52-0.60um,绿波段：对健康茂盛植物的反射敏感,对力的穿透力强,用于探测健康植物绿色反射率,按绿峰反射评价植物的生活状况,区分林型,树种和反映水下特征。TM30.62-0.69UM,红波段：叶绿素的主要吸收波段,反映不同植物叶绿素吸收,植物健康状况,用于区分植物种类与植物覆盖率,其信息量大多为可见光最佳波段,广泛用于地貌,岩性,土壤,植被,水中泥沙等方面。TM40.76-0.96UM近红外波段：对无病害植物近红外反射敏感，对绿色植物类别差异最敏感,为植物通用波段,用于牧师调查,作物长势测量,水域测量，生物量测定及水域判别。TM51.55-1.75UM中红外波段：对植物含水量和云的不同反射敏感，处于水的吸收波段,一般1.4-1.9UM内反映含水量,用于土壤湿度植物含水量调查,水分善研究,作物长势分析,从而提高了区分不同作用长势的能力，可判断含水量和雪、云。TM61.04-1.25UM远红外波段：可以根据辐射响应的差别,区分农林覆盖长势,差别表层湿度,水体岩石,以及监测与人类活动有关的热特征,作温度图，植物热强度测量。TM72.08-3.35UM,中红外波段,为地质学家追加波段,处于水的强吸收带,水体呈黑色,可用于区分主要岩石类型,岩石的热蚀度,探测与交代岩石有关的粘土矿物.4、NDVI的计算及优缺点NDVI是简单比值植被指数RVI，经非线性的归一化处理后，使所得的比值，限定在[-1，1]范围内。优点：1、是植被生长状态及植被覆盖度的最佳指示因子。2、几种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明，植被得到有效的突出。3、NDVI经比值处理，可部分消除与太阳高度角、卫星观测角、地形、大气程辐射（云/阴影和大气条件有关的辐照度条件变化）等的影响因此，NDVI增强了对植被的响应能力。缺点：NDVI对土壤背景的变化较为敏感。实验表明，作物生长初期NDVI将过高估计植被覆盖度，而作物生长结束季节，NDVI值偏低。NDVI更适用于植被发育中期或中等覆盖度植被监测。5、变化检测对遥感数据时间分辨率、光谱分辨率、辐射分辨率等有何要求时间分辨率：1.尽可能选每一天同一时刻或者相近时刻的遥感图像2.尽可能选用年间同一季节甚至同一日期的遥感数据空间分辨率：1.采用具有相同的瞬时视场的遥感数据2.采用具有相同或相近俯视角的数据辐射分标率：1.采用具有相同辐射分辨率的不同日期遥感图像2.如果采用具有不同辐射分辨率的图像进行比较的话，需要把低辐射分辨率遥感图像数据转换为较高辐射分辨率的图像数据。6、比值植被指数（RVI）和归化植被指数（NDVI）的优缺点比值植被指数（PPT2-72、73、74）优点：1、比值植被指数能增强植被与土壤背景之间的辐射差异。2、比值植被指数可提供植被反射的重要信息，是植被长势、丰度的度量方法之一。3、比值植被指数可从多种遥感系统中得到。它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。缺点：1、在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于50%时，它的分辨能力显著下降。2、RVI对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当RVI值高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率后再计算RVI，以消除大气对两波段不同非线性衰减的影响。3、对浓密植被，因红光反射很小，则RVI值将无界增长；归一化植被指数（PPT2-76、77、78）优点：1、是植被生长状态及植被覆盖度的最佳指示因子。2、几种典型的地面覆盖类型在大尺度NDVI图像上区分鲜明，植被得到有效的突出。3、NDVI经比值处理，可部分消除与太阳高度角、卫星观测角、地形、大气程辐射（云/阴影和大气条件有关的辐照度条件变化）等的影响因此，NDVI增强了对植被的响应能力。缺点：NDVI对土壤背景的变化较为敏感。实验表明，作物生长初期NDVI将过高估计植被覆盖度，而作物生长结束季节，NDVI值偏低。NDVI更适用于植被发育中期或中等覆盖度植被监测。7、简述石油遥感监测光谱特征可见光：可见光中0.63-0.68um的使油膜和周围干净海水的反差达到最大。因此，用红光波段监测海面油膜，次之为蓝光波段来，多波段组合使可见光航遥油测效果最佳。油膜对紫外光的反射率比海水高1.2-1.8倍，有较好的亮度反差，但仅对厚度小于5mm的各种水面油膜敏感，因此，利用紫外波段电磁波可把海面薄油膜显示出来。近红外：厚度大于0.3mm的油膜，热红外比辐射率在0.95-0.98之间，海水的比辐射率为0.993。因此，当油膜与海水实际温度相同时，它们的热红外辐射强度是不同的。厚度小于1mm的油膜，其比辐射率随厚度的增加而增加。因此，可通过红外影像的灰度层次进行油膜厚度反演，基于油膜的厚度和分布，进而推算总溢油量。微波石油遥感监测波段特征：微波波长较长（1mm-30cm），具有很强的绕射透射能力，可以穿透云、雨、雾。运用微波波段的被动式和主动式传感器，均有监测海面溢油的能力。波长8mm、1.35cm和3cm的微波，不论入射角和油膜厚度如何，比辐射率比海水高。这样，用微波辐射计可以观测海面油膜。油膜的微波比辐射率随其厚度变化，反映到微波辐射计影像上灰度随油膜厚度变化，因此，用微波辐射计亦可监测油膜厚度。雷达石油遥感监测波段特征：油膜对海面起平滑作用，使海面粗糙度降低，受油膜覆盖的海面，对雷达脉冲波的后向散射系数明显比周围无油膜区小得多，因此在侧视雷达和合成孔径雷达图像上，油膜成暗色调。雷达和微波遥感可以全天时、全天候地进行海上石油监测，缺点是地面分辨率低。1、论述我国内陆湖泊蓝藻水华遥感监测研究进展。近年来，我国内陆水体富营养化程度日益严重，导致蓝藻水华大规模爆发，水华的监测成了水质治理的重要工作之一。遥感监测技术具备监测范围广、时间分辨率高、人力物力成本低的特点，成为水华监测的主要手段。遥感监测的主要数据：常用的有landsat卫星TMETM+数据、spot卫星HRV数据、MODIS数据，其他还有HY-1卫星CCD数据、FY-1卫星数据、ASTER数据、PM-1卫星数据、EOS卫星数据、NOAA卫星数据、AVHRR数据等。研究方向:水华识别及时空动态、水质参数反演、高光谱遥感监测、水华预测预警、蓝藻水华与环境的关系在湖泊营养化方面主要构建了营养盐模型、浮游植物生态模型、生态动力学模型、人工神经网络模型等。基于MODIS的太湖蓝藻水华爆发时空规律分析研究：从空间上来讲，太湖蓝藻水华爆发频次总体呈东南向西北逐步递增趋势，从时间上来讲，太湖蓝藻水华爆发年平均爆发强度增总体上升趋势。研究结果表明:太湖总体水质还是恶化的，水质长期满足蓝藻的生长要求，只要满足条件的诱导因素，就能导致水华发生。因此，深入研究蓝藻爆发的时空规律，在此基础上建立蓝藻水华预测模型和预警体系，将为采取有效的防治和治理措施、减少由于蓝藻水华爆发及其导致的水质恶化带来的社会与经济的影响提供技术支持。生态水力学耦合模型及其应用：生态水利学模型在流域综合治理、富营养化机理研究与水华预报有着广泛的应用。巢湖水华遥感监测与年度统计分析研究：通过分析水华发生频率分布、水华起始日期分布及水华持续时间，获得蓝藻水华高发区、持续时间、移动趋势等，为环境管理提供技术支持。滇池蓝藻水华光谱特征、遥感识别及爆发气象条件研究：结果表明，通过MODIS卫星6、2、1波段资料的假彩色合成，能基本反应蓝藻的大体分布信息。随着蓝藻水华覆盖度的增加，假彩色合成法的颜色也从暗绿变为亮绿，具有较好的视觉效果，主要表现为：1、蓝藻水华区域与无水华区域对比明显，易于目视解译；2、蓝藻水华为绿色，无水华区为黑色。今后,对湖泊富营养化遥感的重点研究方向：(1)深入研究湖泊富营养化参数的光谱特性,加深对富营养化遥感机理的认识,以进一步发展富营养化遥感建模方法;(2)多种遥感数据结合,提高富营养化遥感监测精度;(3)加强对富营养化遥感建模方法的研究,建立富营养化综合评价模型;(4)遥感与GIS结合,GIS可以更有效组织、管理和分析遥测的数据,与遥感集成,便于动态监测和分析;(5)加强河道型水体富营养化的遥感监测与评价方法研究。1、论述当前国内外农作物的遥感估产研究进展农作物估产则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。包括三方面内容：农作物识别、种植面积估算、长势与旱情监测和估产模式建立遥感估产的数据：MODIS时间序列数据、NOAA卫星数据、高分辨率辐射仪（如AVHRR）数据、Landsat卫星TM、ETM+数据、spot卫星HRV数据、高光谱仪数据（如AMSS）、航空遥感和地面遥感数据水稻单产遥感估测建模研究YLDMOD模型是一个以水稻生长模拟为基础的估产模型。因此，不仅可以预报单产，而且可以监测水稻长势；既可以预报小面积单产，也可估测大面积单产。基于MODIS与TM时序插补的省域尺度玉米遥感估产：基于时序补差的省域尺度玉米遥感估产方法能发挥TM和MODIS影响的各自优势，其预测精度能达到90%以上，为省级作物遥感估产提供了一种新的技术方法。基于SPOTVGT/NDVI的陕西省关中地区冬小麦遥感估产：本研究所建立的遥感模型产量误差均值为负值，范围在-5.2%--7.9%之间，其中多元统计模型的预测精度最高，可能的原因是多元统计模型包含的信息更丰富，且灵敏度较高，能更好地反映各个月份的生长状况，所以估产精度较高