《遥感信息光学》课件

遥感信息光学遥感信息光学是利用电磁波辐射和散射规律研究地球表面信息的技术。它是遥感技术的基础，涵盖了光学遥感图像的获取、处理、分析和应用。遥感信息的基本概念定义遥感是指利用传感器通过电磁波来探测地球表面，获取信息的过程。类型遥感分为主动遥感和被动遥感两种类型，主动遥感发射电磁波，被动遥感接收电磁波。要素遥感主要包括传感器、平台、数据接收、数据处理和信息应用等要素。光电探测基本原理1光电转换光电探测器将光信号转换为电信号，光电转换的效率取决于探测器材料和结构。2信号放大光电转换产生的信号通常很微弱，需要进行放大处理以提高信噪比，实现有效探测。3数据处理放大后的信号经过数字化处理，并进行校正和分析，以获取目标物体的光谱信息。分光光谱仪基本原理分光光谱仪利用光学原理，将不同波长的光分离，并测量光谱信息。它通过光栅或棱镜将入射光束分解成不同波长的光谱。应用范围在遥感领域，分光光谱仪广泛应用于识别地物类型、监测环境变化、分析物质成分等。分类分光光谱仪可分为各种类型，如紫外可见分光光度计、红外光谱仪、拉曼光谱仪等，根据应用场景和光谱范围进行选择。分光成像系统分光成像系统将光谱信息与空间信息结合起来，实现对目标物体的精细化分析。系统利用光谱仪对目标物体的反射光进行分光，得到不同波段的光谱信息，并与图像传感器结合，形成包含光谱信息的空间图像。光谱反射率与光谱曲线光谱反射率指物体在特定波长下反射的辐射能量与入射辐射能量之比。光谱曲线以波长为横坐标，以光谱反射率为纵坐标绘制的曲线，反映了物体对不同波长光的反射特性。光谱反射率是遥感中重要的物理参数，不同的物体具有不同的光谱反射率，这是遥感识别物体的基础。植被遥感光谱特征11.叶绿素吸收叶绿素吸收蓝光和红光，反射绿光，形成植被的光谱特征。22.水分吸收植被细胞中水分吸收近红外光，导致近红外光反射率下降。33.植被类型差异不同植被类型的光谱特征存在差异，可以用于植被分类。44.季节变化植被的光谱特征随季节变化而变化，例如叶片颜色变化。土壤遥感光谱特征土壤质地土壤质地影响光谱反射率，沙质土壤反射率高，粘土土壤反射率低。土壤水分土壤水分含量影响光谱特征，水分含量越高，反射率越低。土壤有机质土壤有机质含量越高，反射率越低，在可见光和近红外波段表现明显。土壤矿物土壤中矿物成分影响光谱特征，例如铁氧化物含量影响可见光波段。水体遥感光谱特征水体反射率水体对不同波长光线的吸收和反射特性不同。深水区主要吸收红光和近红外光，反射蓝光，因此呈现蓝色。影响因素水体的浑浊度、溶解有机物、悬浮物含量、水深等因素都会影响水体的光谱特征。雪冰遥感光谱特征1高反射率雪和冰对可见光和近红外光具有很高的反射率，这是由于其表面结构和晶体性质。2吸收特性雪和冰在短波红外波段（1.4-2.5μm）处表现出明显的吸收特性，这与水的振动吸收带有关。3季节变化雪和冰的反射率会随着季节变化而变化，例如夏季融化会导致反射率降低。4光谱特征雪和冰的反射光谱特征可以用于识别雪冰类型，如积雪、冰川、冻土等。大气遥感光谱特征大气成分大气主要成分包括氮气、氧气、二氧化碳等。这些成分会吸收和散射电磁辐射，导致光谱特征发生变化。气体吸收带不同气体在特定波长范围内具有吸收带，例如二氧化碳在近红外波段有强吸收带。大气散射大气中的气体分子和气溶胶会散射电磁辐射，导致遥感信号发生衰减和畸变。遥感图像的形成1目标辐射地面目标反射或发射电磁波。2传感器接收传感器接收目标辐射的电磁波。3信号转换将电磁波信号转换为数字信号。4图像生成数字信号经过处理，生成遥感图像。遥感图像的形成是一个复杂的过程，涉及目标辐射、传感器接收、信号转换和图像生成等步骤。不同的传感器和处理方法会影响最终图像的质量和特征。遥感图像的几何变换1几何校正消除几何畸变2图像配准将不同图像对齐3坐标转换将图像坐标转换为地理坐标几何变换是遥感图像处理的重要环节，它能将图像的几何信息与真实地形的几何信息对齐。几何校正是指消除图像中的几何畸变，使图像的几何位置和形状与实际地形一致。图像配准则是将不同时间、不同传感器获取的图像进行对齐，方便对比分析。坐标转换则将图像的坐标系转换为地理坐标系，便于地理信息系统中的应用。遥感图像的辐射校正传感器差异不同传感器对同一地物的辐射亮度值可能不同，需要进行校正以确保数据的一致性。大气影响大气层会吸收和散射太阳辐射，导致地物辐射亮度发生变化，需要进行大气校正以消除大气影响。几何畸变遥感图像在成像过程中会产生几何畸变，需要进行几何校正以保证图像的几何精度。辐射校正方法常用的辐射校正方法包括直方图匹配、辐射传输模型和经验校正等。遥感图像的大气校正大气校正是一种重要的图像预处理步骤，通过消除大气效应的影响，还原地表真实反射率，提高图像质量和分析精度。1大气散射瑞利散射和米氏散射2大气吸收气体分子吸收特定波段的光3大气校正去除大气影响，还原地表真实反射率大气校正方法可分为两种：基于模型的方法和经验统计方法。基于模型的方法利用大气模型模拟大气对遥感信号的影响，进行校正。经验统计方法利用已知地面反射率的观测数据，建立回归模型进行校正。遥感影像的定量分析遥感影像的定量分析是指利用遥感数据提取地表信息，并进行定量化的分析和研究。定量分析可以更准确地描述地表特征，并进行空间分析和模型建模。例如，利用光谱分析可以计算植被覆盖度，利用纹理分析可以识别城市建筑物，利用几何分析可以提取道路信息。定量分析为我们提供了更深入的认识地表特征和变化规律。遥感数据的处理工具地理信息系统(GIS)GIS软件可以用于对遥感数据进行可视化、分析和建模。图像处理软件ENVI、ERDAS和ArcGIS等软件可用于图像增强、几何校正和大气校正。编程语言Python、R和MATLAB等语言可用于开发自定义遥感数据处理工具。多光谱遥感技术多光谱遥感多光谱遥感使用多个波段传感器，捕捉不同波长范围的光，提供更详细的信息。农业应用多光谱数据可用于监测作物生长、评估作物产量，并识别病虫害。土地利用分类多光谱数据可用于识别不同土地类型，例如森林、草地、水体和城市。高光谱遥感技术高光谱数据高光谱遥感获取的数据包含数百个连续的光谱波段，可以提供更丰富的光谱信息。精细光谱分析利用高光谱数据可以识别和区分地表物质的光谱特征，应用于植被识别、土壤分类、水质监测等。卫星遥感数据获取1传感器数据采集卫星搭载的传感器接收来自地表的电磁辐射信号，并将其转化为数字数据。2数据传输传感器采集到的数据通过卫星地面站进行接收，并传输至数据处理中心。3数据处理与分发数据经过预处理、几何校正、辐射校正等处理，最终形成可供用户使用的遥感数据产品。航空遥感数据获取航空平台包括固定翼飞机和直升机，可根据需求选择合适的平台。传感器安装在航空平台上，用于获取遥感数据，类型包括多光谱、高光谱和激光雷达等。数据采集传感器根据预定路线和时间采集数据，生成原始遥感数据。数据处理对原始数据进行几何校正、辐射校正、大气校正等处理，生成可供分析的遥感影像。无人机遥感数据获取1任务规划确定飞行区域和航线2飞行控制遥控无人机完成飞行任务3数据采集无人机传感器获取图像数据4数据处理对原始数据进行处理和分析无人机遥感数据获取流程包括任务规划、飞行控制、数据采集和数据处理。该方法具有灵活机动、成本低廉、周期短等优势，近年来在农业、林业、城市规划等领域得到广泛应用。遥感数据的应用城市规划与管理遥感数据可用于城市规划，例如土地利用分析、基础设施评估和灾害风险管理。农业监测遥感技术可以监测作物生长状况、估算产量、评估土壤健康状况。水资源管理遥感数据可用于监测水资源状况，例如水体面积变化、水质监测、水文模型建立。灾害监测与评估遥感技术可以快速获取灾害发生区域的影像信息，用于评估灾害损失，指导救灾工作。植被类型识别与监测1物种识别遥感技术可以根据不同的植被类型的光谱特征进行识别和区分，例如森林、草地、农作物等。2植被覆盖度通过分析遥感数据，可以估算出不同区域的植被覆盖度，了解植被的生长状况。3植被生长监测通过多时相遥感数据，可以监测植被的生长状况，例如植被生长速度、生物量等。4植被变化分析利用遥感数据可以分析植被的变化趋势，例如森林砍伐、土地退化等。土地利用/覆盖分类农业用地包括耕地、果园、茶园、林地等，可通过光谱特征识别。城市用地包括住宅区、商业区、工业区等，以高密度建筑物为特征。水体包括河流、湖泊、海洋等，光谱特征明显，易于识别。森林包括森林、草原、荒漠等，根据植被覆盖度和光谱特征进行分类。水体环境监测水质监测利用遥感技术监测水体污染物，例如重金属、营养盐和有机污染物，评估水质变化趋势。水体富营养化遥感监测水体中叶绿素a和悬浮物含量，识别水体富营养化程度，进行水体生态预警。水资源管理遥感技术可监测水体面积、水位变化，评估水资源储量，辅助水资源管理和规划。水体灾害监测利用遥感影像识别水体污染、水华、赤潮等水体灾害，及时预警，减少经济损失。灾害监测与评估自然灾害遥感可用于监测地震、洪水、火灾、干旱、滑坡等自然灾害。利用遥感数据可以快速评估灾害造成的损失，并为救援和重建提供决策支持。人为灾害遥感可用于监测污染、事故、战争等人为灾害。遥感图像可以清晰地显示灾害发生后的环境变化，帮助我们分析灾害的影响并制定应对策略。未来遥感技术发展趋势更精细化和高分辨率遥感技术朝着更高分辨率、更精细化发展，例如，更高的光谱分辨率，更小的空间分辨率。多源数据融合与协同融合来自不同平台和传感器的遥感数据，例如，将光学遥感数据与雷达数据、SAR数据进行融合，更全面地分析地球信息。人工智能与深度学习利用人工智能和深度学习技术，自动分析和处理遥感数据，提高遥感信息提取的精度和效率。面