定量遥感-第四章植被定量遥感模型-2

遥感概论_秦其明_第八章定量遥感基础

第八章定量遥感模型是解决问题的工具。在利用遥感技术解决问题时我们通常需要建立模型，模型是联系遥感可测参数（辐射强度、偏振、相位）与实际应用中所需参数的纽带和桥梁。本章的学习重点就是建立遥感模型的一般方法。本章重点是掌握定量遥感建模方法。第一节定量遥感概述定量遥感是当前遥感发展的前沿。它利用遥感器获取的地表地物的电磁波信息，在计算机系统支持下，通过数学的或物理的模型将遥感信息与观测地表目标参量联系起来，定量地反演或推算出某些地学、生物学及大气等目标参量或地物定量信息。 8.1.1 可见光、近红外波段定量遥感遥感的基本过程可以看作是电磁波与大气相互作用过程以及电磁波与地表的相互作用过程的叠加。在这个过程中：电磁波与大气相互作用形成大气效应。大气效应是电磁辐射在太阳-目标物-传感器系统的传输过程中受到大气分子、水气、气溶胶和尘粒等散射、吸收和折射等影响。通过大气纠正可以基本消除大气效应对遥感影象的影响。定量遥感需要考虑地表非朗伯体特性。大多数情况下的地面物质都不是均一的朗伯体，朗伯体的假设给定量遥感计算带来很大的误差。可以用地表的二向反射率分布函数（BRDF）来描述地表的非朗伯体特性，减少定量遥感计算造成的误差。 8.1.2 热红外波段的定量遥感热红外波段遥感测量的对象是地表物质的热辐射。在热学中，温度是物质分子热运动平均动能的量度，描述了物质内部分子热运动的剧烈程度。物质内部微观粒子的运动导致了物质向外发射电磁波，即热辐射。地球环境的代表性温度为300K，它对应的接近10μm，正接近热红外大气窗口区，因此，可以利用热红外遥感器获取地表的热辐射状况。热红外遥感获得的亮度温度。对于地球表面真实物体（绝大多数为非黑体）

遥感专题讲座——影像信息提取(四、面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。表1为三大类分类方法的一个大概的对比。类型基本原理影像的最小单元适用数据源缺陷传统基于光谱的分类方法地物的光谱信息特征单个的影像像元中低分辨率多光谱和高光谱影像丰富的空间信息利用率几乎为零基于专家知识决策树根据光谱特征、空间关系和其他上下文关系归类像元单个的影像像元多源数据知识获取比较复杂面向对象的分类方法几何信息、结构信息以及光谱信息一个个影像对象中高分辨率多光谱和全色影像速度比较慢

光学遥感常用基础知识_V1.0_20110314

光学遥感常用基础知识 1. 遥感与摄影测量概述遥感Remote Sensing 遥感是应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。遥感的分类（1）按遥感平台分地面遥感：传感器设置在地面平台上，如车载、船载、手提、固定或活动高架平台等。航空遥感：传感器设置于航空器上，主要是飞机、气球等。航天遥感：传感器设置于环地球的航天器上，如人造地球卫星、航天飞机、空间站、火箭等。光学和雷达都属于航天遥感范畴。航宇遥感：传感器设置于星际飞船上，指对地月系统外的目标的探测。（2）按传感器的探测波段分紫外遥感：探测波段在0.05~0.38μm之间。可见光遥感：探测波段在0.38~0.76μm之间。因受太阳光照条件的极大限制，加之红外摄影和多波段遥感的相继出现，可见光遥感已把工作波段外延至近红外区（约0. 9μm）。在成像方式上也从单一的摄影成像发展为包括黑白摄影、红外摄影、彩色摄影、彩色红外摄影及多波段摄影和多波段扫描，其探测能力得到极大提高。因此我们常见的光学遥感属于可见光遥感范畴。红外遥感：探测波段在0.76~1000μm之间。微波遥感：探测波段在1mm~10m之间。雷达属于微波遥感范畴。多波段遥感：指探测波段在可见光波段和红外波段范围内，再分为若干窄波段来探测目标。（3）按传感器类型分主动遥感：主动遥感由探测器主动发射一定电磁波能量并接收目标的后向散射信号。我们常用的雷达属于主动遥感范畴。被动遥感：被动遥感的传感器不向目标发射电磁波，仅被动接收目标物的自身发射和对自然辐射源的反射能量。我们常用的光学属于被动遥感范畴。（4）按记录方式分成像遥感：传感器接收的目标电磁辐射信号可转换成（数字或模拟）图像。非成像遥感：传感器接收的目标电磁辐射信号不能形成图像。（5）按应用领域分可分为环境遥感、大气遥感、资源遥感、海洋遥感、地质遥感、农业遥感、林业遥感等等。遥感平台Platform 搭载传感器的工具。

【报告】遥感应用模型实习研究报告

【关键字】报告遥感应用模型实习研究报告篇一：遥感模型实习报告遥感应用模型实习报告中国地质大学第一部分：大冶研究区土地使用情况分析【实习目的】完成研究区土地使用情况分析，通过遥感分类、空间分析将研究区内4种（批而未用、用而未尽、越界开发、用而未批）违规用地提取出来，并统计相关面积、位置数据。【实验数据】研究区影像数据：XXspot_area1.msi；XXspot_area1.msi 辅助数据：大冶批次用地建设用地红线.wp 【实验要求】要求：1）制定提取方案 2）数据处理 3）要求成果以影像制图输出、数据报表的形式输出；【参照方案】方案一：使用第一部分中的遥感变化监测方法进行提取分析；方案二：利用遥感分类提取建设用地图层，再利用空间分析进行4种违法违规用地的提取分析。本实验采用方案二。【实验步骤】 1.最大似然法监督分类： XX年影像监督分类XX年影像监督分类 2.提取出的建设用地层和红线区如下图。 3.变化检测 Change=XX-XX 4.空间查询变化图层Chang与建设用地红线进行查询。 5．提取结果批而未用部分未批先用部分用而未尽部分越界开发部分 6.土地利用情况总体一览图： 7.误差分析因MAPGIS K9无法进行叠加分析，只好根据各种用地情况来手动分类，效果并不好。第二部分：遥感反演与建模【实习目的】遥感技术的特征使得其可以实现大面积的同步监测，较传统实地点对点监测有不可比拟

的优势。本实习通过太湖区域遥感技术叶绿素监测处理应用过程来学习简单的遥感反演与建模方法。【实验数据】研究区影像数据：HJ1B-CCD1-451-76-XX1006-LXX0180174；太湖区域TM数据（L2级）；HJ1B-CCD1波谱响应函数；太湖矢量数据；实测叶绿素样点浓度数据；【实验要求】要求：辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。注意：软件要求ENVI4.7以上版本。【参照方案】目前利用遥感技术可反演的水质参数包括：叶绿素a（Chl-a）、悬浮物（TSM）、有色可溶性有机物（CDOM）透明度（SD）、溶解氧篇二：XX 遥感应用模型实习指导书-实习二-stu XX年遥感应用模型课程实习实习二：高光谱数据处理高光谱数据基础处理【实习目的】利用RSP完成高光谱遥感数据常规处理，理解熟悉遥感高光谱数据处理方法。【实验数据】研究区影像数据：见文件夹【实验要求】要求：完成高光谱遥感数据常规处理。【参照方案】一：高光谱数据的导入 1．高光谱数据读入：主菜单—>高光谱分析—>数据导入—>导入Hydice，弹出如下图所示对话框：导入原始文件和波段信息文件，设置好结果文件路径，点击确定按钮，弹出“原格式数据转换”对话框，如下图所示：设置各参数，特别注意的是，根据导入高光谱数据类型，设置相应的象元信息、图像行列数和波度数，若不对应，原格式数据转换就会失败。 2. 高光谱数据输入：在RSP中打开高光谱数据，查看其影像信息，并根据成图目的，选择不同的波段组合。（R:73/24,G:39/79,B:20/8） 3. 查看影像立方体：高光谱分析—>影像立方体，弹出“高光谱立方体”对话框，如下图所示：输入影像后，根据需要设置其颜色组合及颜色查找表。二：光谱库处理 1. 光谱库基本操作：主菜单—>高光谱分析—>光谱库，打开光谱库子系统，如下图所

遥感影像道路网自动提取的研究_李燕

收稿日期:2003-03-28作者简介:李燕(1977-),女,四川成都人,硕士研究生,主要从事遥感图像处理与应用、模式识别研究。遥感影像道路网自动提取的研究李燕,余旭初 (解放军信息工程大学测绘学院,河南郑州 450052) Road Automatic Extraction from Remote Sensor Image LI Yan,YU Xu -chu 摘要:详细分析了道路的影像特征,建立了道路网描述模型。对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。本项研究力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组;基于道路模型对道路段进行识别;再利用道路的全局性约束知识对道路段进行重组,弥补了局部编组下的缺点。进行道路的分支和交叉的检测形成道路网。关键词:影像理解;道路模型;感知编组;知识表达;知识推理;特征提取;几何结构信息中图分类号:P237 文献标识码:B 文章编号:1671-3044(2003)03-0011-05 1 引言近年来,遥感技术迅猛发展,而人们对遥感信息的认识和利用程度要远远落后于通过空间和航空系统获取信息源的速度。从影像获取信息是人类获得知识的主要来源之一,如何自动处理、解译海量的图像数据是在整个社会信息化过程中面临的重要问题。从遥感图像中识别各种目标,是图像处理和目标识别的一个重要研究课题。道路自动识别是其中一个基本的、常见的问题。道路网是非常重要的基础地理信息,它的识别和精确定位对GIS 数据获取、影像理解、制图以及作为其他目标的参照体都有深远的意义。在过去的二十多年里,道路的提取在摄影测量界和计算机视觉界受到了广泛的重视,针对不同的影像类型,不同的影像分辨率,不同区域的影像和不同的道路类型,人们提出了许多从航空和遥感图像中自动提取道路的方法。但由于道路在遥感图像中的表现形式十分复杂,对不同比例尺的影像难以用固定的参数或特征描述,而只能用一些抽象的语句来描述。对于同一算法,不同的环境、不同的传感器、不同的图像、不同的成像条件等等会造成提取结果的极大差异,因而造成了自动识别的困难,使得自动提取道路信息成为一个难度很大的课题。目前仍然没有足够可靠和实用的自动识别软件。本文以低分辨率影像乡村道路网的自动提取为对象,研究了以道路模型为基础,基于感知编组从遥感图像中自动提取道路网的方法。详细分析了道路的影像特征,建立了道路网描述模型。在道路识别过程中,对道路模型的表达采用了模糊数学的方法,对知识的表达使用了带有置信度因子的模糊产生式规则,知识的推理使用了不确定性推理中的各种理论。力图模拟人的感知过程,以段的几何与灰度属性为主,并顾及局部上下文线索进行感知编组,然后基于道路模型对道路段进行识别,再利用道路的全局性约束知识,如功能特征、拓扑特征、上下文特征等对道路段进行重组,弥补了局部编组下的缺点,最后进行道路的分支和交叉的检测形成道路网。2 道路描述模型如何在实际图像中检测道路,关键问题是对现实世界中的道路进行正确的描述和理解,建立合适的道路模型。描述现实世界中的道路已经有很多学者做了研究,Garnesson 与Vosselman 等指出,道路的特征可以分为功能特征(functional)、几何特征(geometric)、辐射特征(photometric )、拓扑特征(topologic)、光谱特征和关联或上下文特征(contextual)等六个方面。本文重点研究低分辨率乡村主要道路的自动提取,我们抽象出道路的描述模第23卷第3期2003年5月海洋测绘 H YDROGRAPHIC SURVEYING AND CHARTING V ol 123,No 13M ay ,2003

遥感卫星影像数据信息提取.

北京揽宇方圆信息技术有限公司、遥感卫星影像数据信息提取北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。

光学遥感与热红外遥感模型

第二章光学遥感与热红外遥感模型
2.3 植被冠层反射模型 2.3.3 几何光学模型几何光学原理很早就用于解释天文观测中粗糙表面的方向性反射现象，林、农学家也曾应用实物园锥、椭球、园柱来模拟单株或规则排列的作物在不同行向、行距、株距组合时对不同入照方向直射光的截获。 Egbert(1976) 和 Otterman(1981) 较早引用几何光学的数学模型到植被的BRDF研究，但他们的模型假定植株为很小的几何体且每像元内有大量的植株，因而未能突出几何光学(Geometricoptical model, GO)模型在不连续植被BRDF上的优势。

第二章光学遥感与热红外遥感模型
2.3 植被冠层反射模型 2.3.3 几何光学模型与辐射传输 (RT) 模型基于微体积内散射方程不同，几何光学模型基于 “ 景合成模型 ”，即从遥感像元的观测尺度出发，将像元视场的总亮度，看做是：在观测器视场内，一部分是太阳光承照面，一部分在阴影中，而观测的结果是二者亮度的面积加权和。 Jackson 等 (1972) 提出了行作物的四分量模型（承照植被、阴影中植被、承照地面和地面阴影）。李一 Strahler(1985 ， 1986)根据稀疏林的实际情况，抛弃了“小几何体”假定，直接用森林结构参数计算四个分量随太阳角和观察角变化，建立了遥感像元尺度的天然林BRDF模型。

第二章光学遥感与热红外遥感模型
2.3 植被冠层反射模型 2.3.3 几何光学模型
影响植被冠层的光学遥感信号的因素主要有：（１）植被冠层组分（叶、枝、杆）的光学特性；（２）冠层下背景（下垫面，如土壤、苔藓）的光学特性；（３）植被组分的角度分布特性；（４）植被组分的空间分布。其中后两个因素主要取决于冠层结构。将叶片层看做混浊介质的辐射传输模型，可以描述（１）（２）和（３），而几何光学模型则强调（４）在解释遥感信号中的作用，因而可以很好表述以上全部４个因素的作用，对空间结构明显的植被遥感信号的解释有优势。

遥感特征提取物具体步骤

1遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。目前影像都是基于数字，影像信息的提取方法的发展历程可分为如图1所示，目前这四类方法共存。图1 影像信息提取发展阶段非监督分类步骤监督分类步骤 2三大分类方法的对比利用传统的遥感影像分类方法, 如监督分类或非监督分类, 易造成分类精度降低, 空间数据大量冗余以及资源的浪费,面向对象的分类方法正是为了处理这些问题而出现, 面向对象的分类方法是一种智能化的自动影像分析方法，它的分析单元不再是单个像素，而是由若干个像素组成的像素群，即目标对象。面向对象的方法利用遥感影像结构信息和光谱信息, 并建立这些特征之间的层次关系的基础上, 对影像进行分类。面向对象分类方法的关键在于图像分割, 而图像分割方法多种多样, 如何选择科学合理的图像分割方法十分重要，实验证明多尺度图像分割方法综合了图像的光谱!形状!结构!纹理!相关布局等信息, 是目前较为理想的图像分割方法。（采用面向对象分类的方法，可使用专业遥感图像分类软件eCognition4.0） 3面向对象的分类方法

面向对象的技术流程图 3Envi_ENVI FX简介全名叫“面向对象空间特征提取模块—Feature Extraction”，基于影像空间以及影像光谱特征，即面向对象，从高分辨率全色或者多光谱数据中提取信息，该模块可以提取各种特征地物如车辆、建筑、道路、桥、河流、湖泊以及田地等。该模块可以在操作过程中随时预览影像分割效果。该项技术对于高光谱数据有很好的处理效果，对全色数据一样适用。对于高分辨率全色数据，这种基于目标的提取方法能更好的提取各种具有特征类型的地物。一个目标物体是一个关于大小、光谱以及纹理（亮度、颜色等）的感兴趣区域。应用于：1】从影像中尤其是大幅影像中查找和提取特征 2】添加新的矢量层到地理数据库 3】输出用于分析的分类影像 4】替代手工数字化过程 ENVI FX的操作可分为两个部分：发现对象（Find Object）和特征提取（Extract features），如图所示

遥感影像信息提取与分析_沈占锋

计算机世界/2006年/7月/31日/第B15版技术专题 Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析,是具有自主知识产权的软件产品。遥感影像信息提取与分析沈占锋近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。 Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。 Taries主要功能 1. 影像处理（1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。（2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。 2. 影像信息提取（1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。（2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。（3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。（4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。 3. 矢量数据显示、处理与分析（1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。（2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。（3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。（4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。关键技术

定量遥感分析

定量遥感分析随着经济和科技的发展，国家的宏观决策、资源调查、环境及灾害监测等影响国民经济发展的关键领域急需数据支持，要求数据具有空间上的宏观性，时间上的连续性和可获取数据的全面性。而遥感技术正具备这一能力，它能够以不同的时空尺度不断地提供多种地表特征信息。但是与遥感卫星获取数据的能力相比，遥感数据的自动、定量化处理乃至对遥感数据信息的理解能力与对遥感数据的有效利用却远远不足，这也是目前制约遥感发挥作用的瓶颈问题。因此，定量遥感逐渐成为遥感发展的主要方向。一、什么是定量遥感定量遥感或称遥感量化遥感研究，主要指从对地观测电磁波信号中定量提取地表参数的技术和方法研究，区别于仅依靠经验判读的定性识别地物的方法。它有两重含义：遥感信息在电磁波的不同波段内给出的地表物质的定量的物理量和准确的空间位置；从这些定量的遥感信息中，通过实验的或物理的模型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息。定量遥感不仅要进行遥感建模与各种前向模型的研究，还要进行各种反演模型和反演策略的研究。目前在国际上，越来越多的学者们认识到遥感科学在地学从传统定点观测数据到不同空间范围多尺度空间转换和地球系统科学研究中的不可替代作用。而遥感科学能够在多远数据综合集成及地学应用方面对地球系统科学研究发挥决定性作用。然而，相对快速发展的遥感技术而言，定量遥感的基础研究仍严重不足。这对全世界遥感科学界都是一个挑战，对我们来说则更多的是一种跨越发展的机遇。二、遥感模型分类： 1.统计模型（即经验模型）：基于陆地表面变量和遥感数据的相关关系，对一系列的观测数据做经验性的统计描述或者进行相关性分析，构建遥感参数与地面观测数据之间的线性回归方程。优点：参数少；容易建立且可以有效概括从局部区域获取的数据，简便，适用性强；

00遥感应用模型综述

00遥感应用模型综述国内发展概况（MAPGIS）：集成性高；专业化解译；二次开发方式多误差：观测值与真实值之间的差别精度：观测、计算或估计值与真实值之间的接近程度精确程度：通俗的定义为测量值的小数点位数不确定性：表达一个特定的数据特性的不可信性或不可知性的有用概念真实性检验，通过独立的手段评价来自系统输出的数据产品质量的过程。定标，是定量地定义系统对已知和可控的系统输入信号响应过程。真实性检验计划包括三个阶段：第一阶段通过选择少量测量点和时间段的地面测量数据进行产品真实性检验；第二阶段对时空范围更广的地面测量点和测量时间段的数据进行产品真实性检验；第三阶段通过在统计上具有全球时空分布代表性的地面独立测量值系统评价数据产品的精度，并估计其不确定性。开展多传感器数据产品间的比较真实性检验。陆地遥感数据产品真实性检验一般框架：“自下而上”的真实性检验框架，基本构成是根据不同的地表类型或生物群落的全球分布，在全球设置一定数据量的真实性检验样地，每个样地内有若干基本采样单元，每个ESU内进行一定数量的单点测量，然后通过一定的转换方法将单点测量值转换到ESU尺度上；再结合高分辨率遥感影像，建立基本采样单元与样地之间的尺度转换关系，得到样地水平上的地表参数值；最后，通过全球不同地表类型多个样地与陆地遥感数据产品进行比较和相关性分析，评价全球遥感数据产品的精度。 BRDF（双向反射率分布函数），自入射方向的地表辐照度的微增量与其所引起的反射方向的反射辐射亮度增量比值叶面积指数遥感反演：1）辐射传输模型(假设水平均匀，如农田作物，SAIL模型)，优点：较好描述植被冠层内部的多次散射；缺点：水平均匀的假说往往与实际地表不符2）几何光学模型（GO）几何光学模型把植被简化为立方体、圆锥、椭球或圆柱等离散的几何实体，以简洁的形式描述了产生离散植被反射和热辐射方向性的主要原因，得到学术界的广泛认可。 3）混合模型如：将几何光学模型与辐射传输模型结合。具体方法：将传感器视场内的地物目标仍按几何模型一样处理成具有一定形状和空间分布特征的组分。群体内部的每个单体组分的处理方法类似于辐射传输模型，每个单体组分被看作有更小单元组成的具有一定光学性质的散射体集合。

遥感图像信息提取方法综述

遥感图像信息提取方法综述遥感图像分析遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法（1）总体观察观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。（2）对比分析对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。各种直接判读标志之间的对比分析，可以识别标志相同（如色调、形状），而另一些标识不同（纹理、结构）的物体。对比分析可以增加不同物体在图像上的差别，以达到识别目的。（3）综合分析综合分析主要应用间接判读标志、已有的判读资料、统计资料，对图像上表现得很不明显，或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点，可作更加深入细致的判读。如对已知判读为农作物的影像范围，按农作物与气候、地貌、土质的依赖关系，可以进一步区别出作物的种属；河口泥沙沉积的速度、数量与河流汇水区域

遥感提取特征点

遥感影像特征点提取

一、基于Moravec 算子的特征点提取 1. Moravec 算子的原理及算法公式该算子是通过逐像元量测与其邻元的灰度差，搜索相邻像元之间具有高反差的点，具体方法有以下几种。（1）计算各像元的有利值，如图所示，在5×5的窗口内沿着图示四个方向分别计算相邻像元间灰度差之平方和V 1，V 2，V 3，及V 4，取其中最小值作为该像元的有利值：其中：式中， j i G ,代表像元j i P ,的灰度值，W 为以像元计的窗口大小，如图所示，n m W ,5，=为像元在整块影像中位置序号。（2）给定一个阈值，确定待定点的有利点。如果有利值大于给定的阈值，则将该像元作为候选点。阈值一般为经验值。（3）抑制局部非最大。在一定大小窗口内（例如5×5，7×7，,9×9像元等），将上一步所选的候选点与其周围的候选点比较，若该像元的有利非窗口中最大值，则去掉；否则，该像元被确定为特征点，这一步的目的在于避免纹理丰富的区域产生束点，用于抑制局部非最大的窗口大小取决于所需的有利点密度。综上所述，Moravec 算子是在四个主要方向上选择具有最大—最小灰度方差的点作为特征点。 2. 基于MATLAB 的算法编程 clear all;close all;clc img=double(imread('1001.jpg')); [h w]=size(img); imshow(img,[]) imgn=zeros(h,w); n=4; for y=1+n:h-n for x=1+n:w-n sq=img(y-n:y+n,x-n:x+n); V=zeros(1,4); }V ,V ,V ,min{V 4321min =IV ∑+-=i j i j i G G V 21-,1,4)(∑++-=i j i j i G G V 21,1,3)(∑+-=i j i j i G G V 21,,2)(∑+-=i j i j i G G V 2,1,1)(;1,,-+-=k m k m i ;1,,-+-=k n k n j 。2/W k =

武大遥感应用模型课程综合实习

武汉大学教学实验报告遥感信息工程学院遥感科学与技术专业2013年12 月8 日实验名称遥感应用模型实习指导教师XXX萌姓名XXX 班级10011 学号XXXX 成绩一、预习部分 1.实验目的 2.实验基本原理 3.主要仪器设备（含必要的元器件、工具） 1 实验目的《遥感应用模型实习》是一门综合设计型的实验教学课程，要求我们在学完《遥感应用模型》理论课的基础上，能够运用一些遥感模型的理论知识去解决实际具体的遥感应用问题。通过运用遥感模型解决实际遥感应用问题的过程，锻炼我们发现问题、分析问题以及综合运用所掌握的遥感理论知识和技术解决实际问题的能力。同时在实践中，加强对《遥感应用模型》课程知识的理解和深化,训练我们实际编程和操作能力，培养我们具体解决某一遥感应用实际问题的能力。 1.1 大气气溶胶光学厚度定量反演实验目的通过大气气溶胶光学厚度定量反演实习，加强对遥感应用模型课程理论知识的理解，增强用遥感方法解决实际问题的能力。在了解熟悉MODIS数据的基础上，掌握数据准备、数据预处理、模型建立、数据处理、结果输出以及结果分析等操作过程。具体要求如下： 1）能对MODIS数据进行格式转换，裁减，图层分离，像元合并，利用角度数据的处理； 2）能对无云的地区进行暗目标提取，并标记处按目标的行列号； 3）了解并熟悉6S模型，掌握气溶胶反演的原理，能建立查找表； 4）了解气溶胶定量反演的过程和步骤，学会对反演结果进行分析。

1.2 气象因子与NDVI 的相关性分析实验目的 1）了解MODIS 数据的特点以及利用MODIS 数据时需要进行的图像预处理工作； 2）通过MODIS 影像，对冬春季小麦种植情况与气象因子的相关性进行分析，了解植被遥感概况和方法； 3）熟悉植被指数，尤其是NDVI ，并分析NDVI 与气象因子的关系； 4）掌握NDVI 及各种遥感数据的处理方法，并在此基础上利用MatLab 制作NDVI 与气象因子相关性成果图。 2 实验基本原理 2.1 大气气溶胶光学厚度定量反演实验基本原理大气气溶胶是指大气中悬浮的半径小于几十微米的固态或液态微粒。气溶胶在大气辐射收支平衡和全球气候中扮演着重要的角色，是大气物理学中的重要研究对象。气溶胶不仅影响全球变化，而且也是影响区域大气环境质量的主要因素。它是重要的气象参数之一，也是进行大气校正的基础。 6S 辐射传输模式是由法国大气光学实验室（Laboratoired ’ Optique Atmospheri que ）5S 模式基础上发展而来的。6S 模型的适用范围是太阳的短波0.25um-4.0um ，适合计算无云大气的辐射传输，在其程序中大气模型可以自己定义，也可以按程序中的大气模型定义，其中程序自带的大气模型与 LOWTRAN 中6种标准大气模型一致。在大气气溶胶的反演中，就是利用6S 模型来建立MODIS 数据的第1波段和第3波段的查找表，其中包括了太阳天顶角、卫星天顶角、相对方位角、大气气溶胶光学厚度、地面反射率和表观反射率。太阳天顶角、卫星天顶角和相对方位角分别可以从角度数据的3、4、7波段的余弦图像中利用反余弦函数获得。表观反射率可以通过1、3波段图像，通过定标，乘以对应的定标系数获得。由于第7波段是近红外波段，其通过定标后获得反射率即可以视作该波段的地表反射率。根据如下公式： 1.249.025.0ρρ= （1） 1.266.05.0ρρ= （2）

(完整版)遥感应用

干旱等灾害的监测干旱及监测由于从植被指数反演出的地表绿度与植物的生长状态及其密度密切相关，因此，植被指数可用于监测对作物生长不利的环境条件，尤其是对在干旱环境的监测。植物冠层温度升高是植物受到水分胁迫和干旱发生的最初表征。因此，土地表面温度可用于干旱监测。距平植被指数A VI ：分析NDVI 的变化与短期的气候变化之间的关系 A VI 作为监测干旱的一种方法，它以某一地点某一时期多年的NDVI 平均值为背景值，用当年该时期的NDVI 值减去背景值，即可计算出A VI 的变化范围，即NDVI 的正、负距平值。正距平反映植被生长较一般年份好，负距平表示植被生长较一般年份差。一般而言，距平植被指数为 -0.1~-0.2表示旱情出现，-0.3~-0.6表示旱情严重。条件植被指数 VCI VCI 的缺点是未考虑白天的气象条件如净辐射、风速、湿度等对热红外遥感的影响及土地表面温度的季节性变化条件温度指数TCI 强调了温度与植物生长的关系，即高温对植物生长不利归一化温度指数条件植被温度指数雷达土壤水探测水的介电常数和干土介电常数有很大的差别，水的介电常数大约为80，而干土介电常数仅为3左右。一般土壤可以看成是水和干土的混合，因而土壤的介电常数会随着土壤含水量的增大而增大。并且，电磁波散射模型已表明雷达回波的后向散射系数直接受土壤介电常数的影响。这就构成了微波遥感探测土壤湿度的物理基础。雷达土壤水探测的优势：（1）雷达土壤水探测的优势主要体现在微波遥感不受光照、云雾等天气条件的影响，具有全天时、全天候工作的特点。（2）特别是长波段微波能够穿透植被，并对土壤具有一定的穿透能力。土壤水反演通过统计后向散射系数与土壤水分之间的关系，确定土壤水分预测的经验方程。水平、垂直同极化后向散射系数有很高的相关性，相关系数达到0.904；同时，从两个极化数据的回归线来看，整体上裸土的水平同极化后向散射系数略小于垂直同极化后向散射系数 20cm 深土壤含水量和后向散射系数的散点图，裸土后向散射系数与土壤含水量正相关，后向散射系数对土壤含水量较敏感。和水平同极化相比，垂直同极化后向散射系数对土壤含水量更为敏感。由于两种同极化后向散射系数和土壤含水量的相关性都没有达到显著性，因而，其它因素(如土壤粗糙度、土壤质地等)对后向散射系数的影响不可忽略。选择土壤含水量相近而后向散射系数偏差较大的样点对1和4、3和7，找出点1、3、4、7对应的数字照片。对照实验图片来看，点1、3对应的地表粗糙度较大，点4、7对应的地表粗糙度较小。因而，可以断定：在土壤含水量一致的情况下，粗造度越大，、越大。比较地表粗造度对、的影响，粗糙度对影响小，对影响大。结合小扰动模型来分析后向散射系数对粗造度的敏感性。敏感性分析和对粗糙度的影响都表面，VV 极化更适合土壤水份的反演。和裸土的水平、垂直同极化后向散射系数之间的相关性相比，小麦地的水平、垂直同极化的相关性明显降低。小麦冠层后向散射系数因极化方式不同有明显的差异裸土水平、垂直同极化后向散射有很高的线性相关性；与水平同极化相比，垂直同极化后向散射系数和20cm 深土壤含水量有更好的相关性土壤含水量和地表粗糙度是裸土后向散射系数的重要影响因素冬小麦麦地水平、垂直同极化后向散射系数有较好的线性相关性，水平同极化后向散射与20cm 深土壤含水量有较好的相关性；垂直同极化后向散射和10、20cm 深土壤含水量都有很好的相关性，并且其相关性都达到显著；冬小麦麦地后向散射系数受小麦覆盖度和土壤含水量影响，水平同极化后向散射系数和覆盖度、土壤含水量都有较好的相关性，并且和小麦覆盖度的相关性已达到显著。垂直同极化后向散射系数和土壤含水量相关性达到显著。因而，可以用垂直同极化后向散射系数预测土壤含水量，用水平同极化后向散射预测小麦覆盖度。农情监测 1、主要方法：农情地面监测和农情遥感监测 2、农情地面监测依靠全国各地的农情监测站点，按照规范的要求，定期收集本地区农作物的播种面积、田间管理、作物长势、各种灾害以及作物产量等信息，逐级上报存在问题：客观性、时效性、点上数据难以反映宏观的整体情况 3、农情遥感监测主要应用遥感技术，对农业资源、环境与作物生长过程的监测与分析。即应用遥感技术采集并分析耕地、草地的数量、质量、利用状况，以及主要农作物的面积、长势、灾害和产量等农情信息，为相关政府部门、生产者、消费者提供信息支持。 4、监测的主要内容：农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测遥感估产，农作物种植面积估算、农作物单产及总产预测，一直是农业遥感研究的重点。农业灾害监测，我国在水灾遥感监测方面的研究较多；在 100 ?--=min max min i NDVI NDVI NDVI NDVI VCI

定量遥感

武汉大学《定量遥感》研究生课程考试题目(开卷) 技术与应用 2013-2014 上学期三、仅依据冠层反射率模型能否进行生物化学参数反演？请给出利用OMIS 高光谱数据进行植被叶绿素含量计算的一种方案。答：合理的利用冠层反射率模型并结合光谱数据可以实现对生物化学参数的反演。因为叶片是能与太阳能相互作用的最重要的植被界面，是植被冠层最重要的成分，它的光谱属性能用叶片光学物理模型来模拟，它的反演又能使我们了解叶片的生化特性。描述完整的植被土壤介质的物理模型即冠层传输模型，通过输入植被的结构参数、光学参数和光照参数可得到冠层的反射率。所以通过选择合适的冠层反射率模型可以较好的通过反射率模型得到叶片光学物理模型从而获得其生化参数。方案：首先是将光谱数据进行消噪，计算出各种高光谱指数，然后通过比较分析筛选出最佳指数，利用支持向量机回归算法建立反演模型。同时将OMIS进行去噪、大气校正和集合校正等预处理，提取出植被覆盖区域。最后利用基于支持向量机回归算法的叶绿素含量反演模型在OMIS影像中实现目标区域的遥感填图，并采用地面实测数据对填图精度进行检验。五、什么是光学遥感中的“热点现象”，请说明其产生的原因？答：所谓“热点现象”，即当传感器与太阳位于同一方向时，传感器所

接收的地面辐射最强（地面反射率最大、地面光强最强、最热）的现象。许多地类（如树冠，土壤，雪）的方向反射模型的重要特性之一就是热点，即与太阳入射方向正好相同的观测方向有一个反射峰值。 “热点现象”是由于冠层内的散射体—叶片具有一定的集合尺度，因为造成散射体空间分布的不随机性和间断性，使得辐射场分布与随机粒子介质中相比有一定差别，由此造成了当辐射入射方向与传感器观测方向呈180度且射线重合时，视场内目标物的亮度达到极大。因为这个原因，能否较好地解释“热点现象”成为衡量模型乘公共与否的关键因素之一。通常，热点的概念解释是基于阴影遮蔽理论。当观测方向远离太阳入社方向时，视场内能见到许多阴影。当观测方向与太阳视向一致时，看不到阴影，测得的辐射达到局部最大。经典的辐射理论不能解释这种现象，因为它假设所有散射在空间上随机分布，且与散射介质的相关性极小，所以方程中没有考虑阴影。实际冠层在多个尺度上显示出异质性，叶子组分的尺寸有限。当观测方向与入射方向一致时，这些组分投射的阴影被隐藏了，导致了较高的反射值。因此经典辐射传输方程必须根据冠层热点模型进行修正。六、请解释热红外遥感传感器波段范围通常不超过14.5 微米的原因？答：热红外遥感是利用星载或机载传感器收集、记录地物的这种热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。大气的长波辐射性质很复杂，不仅与吸收物质分布有关，而且与