地表参数多源遥感信息综合定量反演34页PPT
合集下载
定量遥感课件地表温度反演-最新课件
地表温度的反演-地表温度反演算法
• 单通道多角度法
同一物体从不同角度观测所经过的大气路径不 同而产生不同的大气吸收。 大气的作用可通过单通道在不同角度观测下所 获得的亮温的线性组合来消除。 大量的工作用于研究海水表面温度的反演 只有少量的关于陆面温度反演的研究。（由于 不同角度的地面分辨率不同，以及陆地表面状 况很不均匀和地物类型复杂）
Wan 和 Dozier(1989)把遥测地表温度当作一个地球物理 学的反演问题,通过Lowtran程序进行数值模拟,评价了温度反演 的可行性并提出了合理的波谱段范围,认为通过多波谱同时反演地 表温度和地表比辐射率是可行的。
Wan 和 Dozier(1996)通过大气传输模型进一步模拟计算 指出：1)统计回归的系数与传感器的视角有关；2)为了提高反演 精度，模拟计算回归系数时有必要把大气含水量、大气低层温度 和地表温度考虑进去,而不能在所有的情况下都用相同的系数来反 演地表温度。
MODIS
通道 3 4 5 20 22 23 29 31 32 33
波长范围 (mm) 3.54-3.94 10.32-11.32 11.41-12.38 3.660-3.840 3.929-3.989 4.020-4.080 8.400-8.700
10.780-11.280 11.770-12.270 13.185-13.485
设太阳的影响可忽略：
e T s i B i 1 B iT i R a ti i1 iR a ti
e
i
•大气参数的计算需要知道大气的温度和在通道上大气 吸收体密度的垂直廓线，而且还需知道这些大气吸收体 的物理特性。
地表温度的反演-地表温度反演算法
✓单通道法的精度取决于： ✓ 大气辐射传输模型的精度
实验课1-定量遥感--植被覆盖度反演PPT优秀课件
4
实验一 植被覆盖度的遥感反演
三、实习仪器与数据
（1）Landsat 8数据：LC81290392013110LGN01 仁寿县的县界*.shp文件
（2）根据自己的兴趣选择研究区，遥感影像以及矢量数据可以从网上获取。 数据来源：从网站下载免费数据，如：
◦ /data/ ◦ ◦ / 数据源请从（1）和（2）中任意选择一个。
7
实验一 植被覆盖度的遥感反演
◦ 3、计算植被覆盖度 方法一：(两种方法都要做)
根据公式（1），我们可以将整个地区分为三个部 分：
• 当NDVI小于NDVI0 ， fv取值为0； • NDVI大于NDVIv ， fv取值为1； • 介于两者之间的像元使用公式（1）计算。 利用ENVI主菜单->Basic Tools->Band Math，在公式 输入栏中输入进行计算. 请回顾ENVI中公式的写法
1
实验一 植被覆盖度的遥感反演
在线性像元分解模型中，最简单的模型假设像元只有植被 和非植被两部分构成。所得的光谱信息也只有这两个组分因子 线性合成。他们各自的面积在像元中所占的比率即为各因子的 权重，其中植被覆盖部分所占像元的百分比即为该像元的植 被覆盖度。
NDVI = fv*NDVIv + (1- fv)* NDVI0
(公式1）
NDVI为像元NDVI值，fv为像元的植被覆盖度，NDVIv和NDVI0分别 为植被覆盖部分和非植被覆盖部分的NDVI值。NDVIv和NDVI0这两个 参数值的确定是关键，将直接影响到植被覆盖度估算结果。
在实际工作中因缺少大面积地表实测数据作参考，以及不可避 免存在噪声，所以通常对NDVI 统计直方图给定置信区间，求该区间 内的最小和最大值来作为NDVI0和NDVIv值，或者取5%和95%频率的 NDVI 值作为NDVI0和NDVIv值。本实验中采取后一种取值方法。
实验一 植被覆盖度的遥感反演
三、实习仪器与数据
（1）Landsat 8数据：LC81290392013110LGN01 仁寿县的县界*.shp文件
（2）根据自己的兴趣选择研究区，遥感影像以及矢量数据可以从网上获取。 数据来源：从网站下载免费数据，如：
◦ /data/ ◦ ◦ / 数据源请从（1）和（2）中任意选择一个。
7
实验一 植被覆盖度的遥感反演
◦ 3、计算植被覆盖度 方法一：(两种方法都要做)
根据公式（1），我们可以将整个地区分为三个部 分：
• 当NDVI小于NDVI0 ， fv取值为0； • NDVI大于NDVIv ， fv取值为1； • 介于两者之间的像元使用公式（1）计算。 利用ENVI主菜单->Basic Tools->Band Math，在公式 输入栏中输入进行计算. 请回顾ENVI中公式的写法
1
实验一 植被覆盖度的遥感反演
在线性像元分解模型中，最简单的模型假设像元只有植被 和非植被两部分构成。所得的光谱信息也只有这两个组分因子 线性合成。他们各自的面积在像元中所占的比率即为各因子的 权重，其中植被覆盖部分所占像元的百分比即为该像元的植 被覆盖度。
NDVI = fv*NDVIv + (1- fv)* NDVI0
(公式1）
NDVI为像元NDVI值，fv为像元的植被覆盖度，NDVIv和NDVI0分别 为植被覆盖部分和非植被覆盖部分的NDVI值。NDVIv和NDVI0这两个 参数值的确定是关键，将直接影响到植被覆盖度估算结果。
在实际工作中因缺少大面积地表实测数据作参考，以及不可避 免存在噪声，所以通常对NDVI 统计直方图给定置信区间，求该区间 内的最小和最大值来作为NDVI0和NDVIv值，或者取5%和95%频率的 NDVI 值作为NDVI0和NDVIv值。本实验中采取后一种取值方法。
遥感图像分类
影像对象构建方法与参数优化
对象合并准则
在初始分割基础上，通过将 初始影像对象逐步合并为较 大的对象来实现多尺度对象 的构建，对象合并的停止条 件是由其尺度准则决定的
fw vah lv uael uw esh h aspheape
h va luw e c ( n 1 (m c1 c ) n 2 (m c2 c ))
1）分类前影像平滑 2）分类后小区合并—将小于一定面积的像元合并到邻近区
域
遥感影像分类后处理—误差分析
目的：检验分类效果 方法：抽样检验 抽样方法： 1）监督分类的样本区 2）试验场抽样 3）随机抽样 评价方式：混淆矩阵
辅助数据改进遥感分类的方法
地理分层 分类器操作 分类后处理
遥感信息与非遥感信息的复合
c
hsh a p w c emh p c m c t pw cstmh oso mth o o th
h cm pn c 1(t ln m mln 11)n 2(ln m mln 22)
hsmo on t1 h(b lm mb l1 1)n2(b lm mb l2 2)
37
影像对象构建方法
尺度为： 16 平均 面积： 867.6
• 基于统计的方法和基于规则的方法 • 监督分类和非监督分类 • 硬分类和软分类 • 逐像元分类和面向对象分类
分类标准
• 按照逻辑准则组织的信息类别正确的分类
学定义
• 参考标准: • 规划协会的土地分类标准(LBCS) • 国家植被分类系统
基于统计的分类方法
遥感影像光谱特征分布特点
遥感影像分类原理
μc4
人工神经网络分类
生物神经网络(biological neural network, BNN)， 特别是人脑
定量遥感基础理论
瑞利散射： g=0； 沙尘暴散布射： g>0.8
不对称因子g与散射粒子的尺度有关，粒子越大，不对 称因子g就越大
瑞利散射： g=0； 沙尘暴散布射： g>0.8
前向散射：
k
s 4
(1
g)
后向散射：
k
s 4
(1
g)
相函数的近似计算公式
Henyey与Greenstein相函数近似公式：H-G相函数近 似公式
E() E0 () exp e ()L
此即为比尔（Beer)定律，辐射传输和遥感应用的一个基本定 律,也称布格-朗伯定律（Bouguer-Lambert)。
§5.4.7 有关辐射传输的重要物理量
光学厚度
指数中的积分为称介质的光学厚度：
()
z2 z1
e
(,
z)dz
均匀介质的光学厚度可简化为：
概念分析与数理统计结合的方法
即根据经验提出定量概念，然后对量化的概念 进行统计分析——经验模型、统计模型
几乎可以解决所有的地理问题，但须以大量的 实验之上，将定性问题量化，
物理学概念、机理不清，模型适应性差 研究程度也最低。
量纲分析与数理统计结合的方程
即把主要地理因子之间的关系通过量纲分析的 方法求得无量纲因子团，再对因子团进行统计 分析。
§5.4.7 比尔(Beer)定律
辐射在介质中传播时，因与介质相互作用（散射、吸
收）削弱。设强度为E()的光辐射通过厚度为 dz 的 介质后，其强度变化为 E() dE() 则：
dE() E()e (, z)dz
两边积分得：
E() E0 () exp
z2 z1
e
(,
z)dz
若为均匀介质，其厚度为L，则有：
不对称因子g与散射粒子的尺度有关，粒子越大，不对 称因子g就越大
瑞利散射： g=0； 沙尘暴散布射： g>0.8
前向散射：
k
s 4
(1
g)
后向散射：
k
s 4
(1
g)
相函数的近似计算公式
Henyey与Greenstein相函数近似公式：H-G相函数近 似公式
E() E0 () exp e ()L
此即为比尔（Beer)定律，辐射传输和遥感应用的一个基本定 律,也称布格-朗伯定律（Bouguer-Lambert)。
§5.4.7 有关辐射传输的重要物理量
光学厚度
指数中的积分为称介质的光学厚度：
()
z2 z1
e
(,
z)dz
均匀介质的光学厚度可简化为：
概念分析与数理统计结合的方法
即根据经验提出定量概念，然后对量化的概念 进行统计分析——经验模型、统计模型
几乎可以解决所有的地理问题，但须以大量的 实验之上，将定性问题量化，
物理学概念、机理不清，模型适应性差 研究程度也最低。
量纲分析与数理统计结合的方程
即把主要地理因子之间的关系通过量纲分析的 方法求得无量纲因子团，再对因子团进行统计 分析。
§5.4.7 比尔(Beer)定律
辐射在介质中传播时，因与介质相互作用（散射、吸
收）削弱。设强度为E()的光辐射通过厚度为 dz 的 介质后，其强度变化为 E() dE() 则：
dE() E()e (, z)dz
两边积分得：
E() E0 () exp
z2 z1
e
(,
z)dz
若为均匀介质，其厚度为L，则有：
遥感反演及遥感数据产品的生产过程课件PPT
消除大气辐射的影响，恢复大气下界的地面反射率或者地面辐射亮度
未知数：７个通道的发射率、昼夜两个地表温度、昼夜两套大气等效辐射温度和水汽含量
大气水汽含量
经验公式、查找表
L L 例子：GLASS叶面积指数产品生产线
数据信息＋已知参数＋先验约束
toa
0
建立440纳米处地表反射率、气溶胶类型、气溶胶光学厚度、太阳角度、观测角度等自变量与TOA反射率的查找表。
解决病态反演问题的办法，一是扩充信息源，比如综合 使用多源遥感数据或地面观测资料，引入先验知识；二 是控制信息分配，让有限的观测信息尽量分配到目标参 数，抑制反演过程中的误差传播。
4
1. 遥感反演概述
1.3 常见的几种遥感反演方法 经验回归
例如逐步多元回归、神经元
公式推导及线性反演
简化、线性化 ；例如大气校正公式、分裂窗
模型 通过地面观测或者较高质量的遥感产品获得统计知识
这里讨论的是狭义的辐射畸变，即传感器自身特点引起的图像缺陷
大气水汽含量
经验公式、查找表
广泛用于大气、地表、叶片
人工抽查的质量检查方法
例子：GLASS叶面积指数产品生产线
传感器缺陷、地形和光照条件的变化、大气的吸收和散射
遥感反演信息量缺乏问题的解决方法
2
1. 遥感反演概述
1.1 什么是遥感反演
正演
物理参数 遥感信号
3
反演
1. 遥感反演概述
1.2 遥感反演问题的本质和科学问题
遥感的本质是反演，而从反演的数学来源讲，反演研究 所针对的首先是数学模型。……，首先要解决的问题是对 地表遥感像元信息的地学描述。
但陆地遥感反演的根本问题在于定量遥感往往需要用少 量观测数据估计非常复杂的地表系统的当前状态，本质 上是一个病态反演问题。
遥感模型与反演方法
(d)
(e)
(f)
Hale Waihona Puke 不同植被类型的BRDF(GOMS模型)
conifer(a,d) savanna(b,e) shrubland(c,f) 红光波段（a-c） 近红外波段（d-f）
=55º
Li-Strahler几何光学-辐射传输混合模型GORT 由于几何光学模型和辐射传输模型分别在不同的尺度上 具有各自的优势，李小文和 Strahler 充分利用几何光学模型 在解释阴影投射面积和地物表面空间相关性上的基本优势， 在纯 GO 模型和不连续植被间隙率模型的基础上，用辐射传输 方法求解多次散射对各面积分量亮度的贡献，分两个层次来 建立承照面与阴影区反射强度的辐射传输模型，并以间隙率 模型作为联系二者的关键。
（1）辐射传输模型
电磁波从辐射源到目标的传输过程，表示为观测方向 ｓ 上 关于辐亮度Ｉ的辐射传输方程：
dI ( s ) K (I J ) ds
K－消光系数，Ｊ－源函数。 将辐射传输方程写作微积分形式：
I ( , s ) I ( , s ) ( / 4 ) P( s, s' ) I ( , s' )d' ( r, s ) /
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。
典型的几何光学模型为景合成模型：
R(v) ki (v)Ri (v)
其中，R(v) 为冠层的反射率，v 表示为光照方向和观察方向的 函数，Ri(v) 为冠层组分的反射率，Ki(v)表示为冠层结构参数 的函数。
多角度遥感提供多个方向的观测数据，相比单一方向观测 提供了更多的信息，多角度观测信息的利用要求对植被冠层二 向性反射特征的描述 －冠层反射的BRDF 模型。
遥感数据显示与基本分析课件
遥感图像增强
遥感图像增强能够突出图像中的有用 信息，提高图像的可视化和解译性。
VS
遥感图像增强包括空间域增强和频率 域增强两种方法。空间域增强直接对 像元灰度值进行操作，如直方图均衡 化、卷积滤波等；频率域增强则将图 像转换为频率域进行处理，如傅里叶 变换、小波变换等。这些方法能够扩 大图像中不同地物间的灰度差，提高 目标地物的识别度。
目标识别与分类
目标识别
利用遥感图像中的特征信息，通 过计算机视觉和模式识别技术， 实现对特定目标的自动或半自动
提取。
分类方法
包括基于像素的分类、面向对象的 分类、深度学习分类等，不同方法 具有不同的优缺点和适用场景。
应用示例
军事目标识别、城市建筑物提取、 土地资源利用分类等。
遥感数据与其他数据融合分析
知识应用
课程结合多个实际案例，让同学们了解了遥感数据在实际问题中的应用
，如环境监测、城市规划等。这有助于同学们将所学知识应用于实际工
作中。
遥感数据分析的挑战与前景
数据质量挑战
算法创新
多源数据融合
应用领域拓展
遥感数据在获取过程中可能 受到多种因素影响，如天气 、传感器性能等，导致数据 质量参差不齐。未来需要进 一步提高数据获取和处理技 术，以保证数据质量和可靠 性。
请注意，以上提供的内容仅为一种可 能的扩展结果。根据具体需求和背景 ，可以进一步细化、补充或调整相关 内容。
02
遥感数据显示
遥感图像浏览
01 图像加载
首先需将遥感图像数据加载到相应的软件或平台 中，为后续浏览和分析做准备。
02 缩放与平移
通过缩放和平移操作，可以实现对遥感图像的全 方位、多角度浏览。
遥感数据获取方式
《地震反演技术PPT课件
EPS软件反演
该软件具有以下特色：
1．独特的拟声波时差构建技术； 2．实现了储层预测和岩性解释的一体化； 3．运用全局寻优的模拟退火方法及宽带约 束反演方法，取得了高分辨率的反演结果。
EPS软件反演
EPS运用模拟退火和宽带约束反演的算法，具有运算速度快、分辨率高的特点。 原理： 宽带约束反演的基本思想是要寻找一个最佳的地球物理模型，使得该模型的响 应与观测数据（地震道）的残差在最小二乘意义下达到最小。宽带约束反演方 法与以往的广义线性方法（GLI）方法有本质上的不同：首先，它是严格意义 上的非线性反演；其次，在反演过程中，它受地质、测井先验知识的约束。 定义目标函数：
（二）反演技术及应用与限制
2、递推反演
Inline440(gu704)波阻抗反演剖面
过gu702—gu704波阻抗反演连井线剖面
（二）反演技术及应用与限制 3、基于模型地震反演
该方法从地质模型出发，采用模型优选迭代扰动算法，通过不断修改 更新模型，使模型正演合成地震资料与实际地震数据最佳吻合，最终的模 型数据便是反演结果。该方法以测井资料丰富的高频信息和完整的低频成 分补充地震有限带宽的不足，可获得高分辨率的地层波阻抗资料，理论上 可得到与测井资料相同的分辨率，是薄层油藏精细描述的关键技术。 多解是基于模型反演方法的固有特性，主要取决于初始模型与实际地质 情况的附和程度，在同样的地质条件下，钻井越多，结果越可靠。 地震资料在基于模型反演中主要起两方面作用，其一是提供层位和断层 信息来指导测井资料的内插外推建立初始模型，其二是约束地震有效频带 的地质模型向正确的方向收敛，地震资料分辨率越高，层位解释就有可能 越细，初始模型就接近实际情况，同时，有效控制频带范围就越大，多解 区域相应减少。因此提高地震资料自身分辨率是减少多解性的重要途径。