遥感数据
遥感数据分级
遥感数据分级遥感数据分级是指根据遥感图像中所反映的地物特征和信息，将图像中的像元按照一定的规则和标准进行分类和分级的过程。
通过遥感数据分级，可以将图像中的像元根据其反射率、光谱特征、纹理特征等进行分类，从而得到不同类别的地物信息，为地质勘探、环境监测、土地利用规划等领域提供重要的数据支持。
遥感数据分级的标准格式文本通常包括以下几个方面的内容：1. 数据来源：首先需要明确遥感数据的来源，包括卫星、航空遥感、无人机等。
例如，可以使用Landsat系列卫星获取的多光谱遥感数据进行分级。
2. 数据预处理：在进行遥感数据分级之前，需要对原始数据进行预处理。
预处理包括大气校正、辐射校正、几何校正等步骤，以提高数据的质量和准确性。
3. 分级目标：明确进行遥感数据分级的目标，即要得到哪些地物类别的信息。
例如，可以将遥感图像分为水体、植被、建筑物等类别。
4. 分级方法：根据不同的分级目标和数据特点，选择合适的分级方法。
常用的分级方法包括基于光谱特征的最大似然法、基于纹理特征的支持向量机等。
5. 分级标准：制定分级标准是遥感数据分级的关键步骤。
分级标准可以根据地物的光谱特征、形状特征、纹理特征等进行确定。
例如，对于植被类别，可以根据NDVI指数进行分级。
6. 分级结果：最后，根据所选的分级方法和标准，对遥感图像进行分级，并生成分级结果。
分级结果可以以栅格数据或矢量数据的形式呈现，以便于后续的分析和应用。
总结：遥感数据分级是通过对遥感图像进行分类和分级，得到不同地物类别的信息。
标准格式的文本应包括数据来源、数据预处理、分级目标、分级方法、分级标准和分级结果等内容。
通过遥感数据分级，可以为各个领域的应用提供重要的数据支持。
遥感数据分级
遥感数据分级引言概述：遥感数据分级是指根据遥感图像中不同像素的特征和属性，将其划分为不同的类别或级别。
这种分级可以帮助我们更好地理解和分析遥感数据，并为地理信息系统、环境监测、城市规划等领域提供有力的支持。
本文将详细介绍遥感数据分级的意义和方法。
一、遥感数据分级的意义1.1 提供地表覆盖信息：遥感数据分级可以将遥感图像中的各个像素点划分为不同的地表覆盖类型，如水体、植被、建筑物等。
这样可以提供准确的地表覆盖信息，为环境监测和资源管理提供依据。
1.2 了解地表变化：通过对遥感数据进行分级，可以观察和分析地表的变化情况。
比如，可以追踪植被的生长情况、城市扩张的趋势等，为农业、城市规划等领域提供参考。
1.3 支持决策制定：遥感数据分级可以为决策制定提供重要的依据。
比如，在自然灾害发生后，可以通过对遥感图像的分级，评估受灾区域的程度和范围，从而制定相应的救灾计划。
二、遥感数据分级的方法2.1 基于光谱信息的分级：遥感图像中的像素点具有不同的光谱特征，通过对这些特征进行分析，可以将像素点划分为不同的类别。
常用的方法包括阈值分割、主成分分析等。
2.2 基于纹理信息的分级：遥感图像中的纹理信息可以反映地物的空间分布和结构。
通过对纹理信息进行分析，可以将像素点划分为不同的纹理类型，如粗糙、光滑等。
常用的方法包括纹理特征提取、纹理分类等。
2.3 基于形状信息的分级：遥感图像中的地物具有不同的形状特征，通过对这些特征进行分析，可以将像素点划分为不同的形状类型，如圆形、矩形等。
常用的方法包括形状特征提取、形状分类等。
三、遥感数据分级的应用3.1 地理信息系统：遥感数据分级可以为地理信息系统提供准确的地表覆盖信息，从而支持地图制作、空间分析等功能。
3.2 环境监测：通过对遥感数据进行分级，可以监测和评估环境的变化情况，如森林覆盖率、水体污染程度等。
3.3 城市规划：遥感数据分级可以提供城市发展的基础信息，如土地利用情况、建筑物分布等，为城市规划和土地管理提供支持。
遥感数据分级
遥感数据分级遥感数据分级是一种将遥感图象分为不同类别或者等级的方法，以便更好地理解和分析地表特征。
通过遥感数据分级，可以提取出地表覆盖类型、土地利用状况、植被覆盖度等信息，为环境监测、资源管理、城市规划等领域提供有力支持。
下面将详细介绍遥感数据分级的标准格式文本。
一、引言遥感数据分级是利用遥感技术获取的遥感图象进行分类处理，将图象中的像素根据其反射率或者辐射亮度等特征分为不同的类别或者等级。
通过遥感数据分级，可以获取地表特征的空间分布信息，为地理信息系统（GIS）分析和应用提供基础数据。
二、数据获取与预处理1. 数据获取：遥感数据分级的第一步是获取高质量的遥感图象数据。
可以通过卫星遥感、航空遥感或者无人机遥感等手段获取适当的遥感图象数据。
2. 数据预处理：在进行遥感数据分级之前，需要对原始图象进行预处理，以消除噪声、增强图象质量等。
常见的预处理方法包括辐射校正、大气校正、几何校正等。
三、遥感数据分级方法1. 基于像元的分类方法：基于像元的分类方法是将遥感图象中的每一个像元根据其特征值进行分类。
常见的基于像元的分类方法包括最大似然分类、支持向量机分类、人工神经网络分类等。
2. 基于对象的分类方法：基于对象的分类方法是将遥感图象中的像元组成的对象根据其特征值进行分类。
常见的基于对象的分类方法包括基于区域的分类、基于目标的分类等。
四、遥感数据分级的步骤1. 特征提取：遥感图象中的每一个像元都具有一定的特征值，如反射率、辐射亮度等。
在进行遥感数据分级之前，需要提取出适当的特征值作为分类依据。
2. 训练样本选择：为了建立分类模型，需要选择一定数量的训练样本，包括各类别的代表性样本。
训练样本的选择应充分考虑地物类型的空间分布和数量分布。
3. 分类模型建立：根据选取的特征值和训练样本，建立适当的分类模型，如最大似然分类模型、支持向量机分类模型等。
4. 分类结果验证：将建立的分类模型应用于整个遥感图象，并对分类结果进行验证。
遥感数据获取和处理的方法与技巧
遥感数据获取和处理的方法与技巧遥感技术是一种通过远距离获取地球表面信息的技术，具有广泛的应用领域，包括土地利用规划、环境监测、资源调查等。
本文将介绍遥感数据获取和处理的方法与技巧，以帮助读者更好地理解和应用遥感技术。
一、遥感数据获取的方法与技巧1. 遥感平台的选择遥感数据的获取可以通过不同的平台进行，包括卫星遥感和航空遥感。
卫星遥感是通过卫星搭载的传感器获取数据，适用于大范围的地表信息获取；而航空遥感则是通过飞机或无人机搭载的传感器获取数据，适用于局部区域的高分辨率影像获取。
在选择遥感平台时，需要根据具体应用需求和预算进行评估和选择。
2. 数据源的选择遥感数据的获取可以通过不同的数据源进行，包括光学遥感数据和雷达遥感数据。
光学遥感数据通过感知可见光和红外辐射，适用于获取地表的光谱和形态信息；而雷达遥感数据通过感知微波辐射，适用于获取地表的高度和形变信息。
在选择数据源时，需要根据应用需求和研究目标进行评估和选择。
3. 数据获取的预处理在进行遥感数据获取之前，需要进行数据获取的预处理工作。
这包括确定获取的数据范围、选择合适的获取时间和天气条件，以及进行辐射校正和几何校正等工作。
预处理的目的是消除图像中的噪声、改善数据质量，并使数据能够更好地用于后续分析和处理。
二、遥感数据处理的方法与技巧1. 影像分类与解译遥感数据处理的核心任务之一是影像分类与解译。
影像分类是将遥感图像中的像素根据其特征进行划分，并将其归类到不同的地物类型中；而影像解译则是通过对图像中不同地物的特征进行分析和解释，推断其类型和特征。
影像分类与解译可以利用传统的机器学习算法，如最大似然法和支持向量机等，也可以利用深度学习算法，如卷积神经网络等。
2. 特征提取与分析特征提取与分析是遥感数据处理的另一个重要任务。
特征提取是将遥感数据中有用的信息提取出来，如纹理特征、形状特征等；而特征分析则是对提取出的特征进行统计和分析，从而揭示地物的空间分布和变化规律。
遥感数据分级
遥感数据分级遥感数据分级是一种将遥感图像中的像素根据其反射率或辐射亮度值进行分类的过程。
通过分级可以将图像中的不同地物类型进行识别和区分，为地表覆盖分类、资源调查和环境监测等应用提供基础数据。
一、遥感数据分级的背景和意义遥感技术可以获取大范围、高分辨率的地表信息，但原始的遥感图像数据往往包含大量的噪声和杂乱信息。
通过遥感数据分级，可以将图像中的像素按照其反射率或辐射亮度值进行分类，从而得到清晰、准确的地物分类结果。
这对于土地利用、城市规划、环境监测等领域具有重要意义。
二、遥感数据分级的方法和步骤1. 数据预处理：遥感图像数据通常需要进行预处理，包括辐射校正、大气校正、几何校正等，以消除噪声和提高图像质量。
2. 特征提取：根据遥感图像的特点，选择合适的特征进行提取。
常用的特征包括光谱特征、纹理特征、形状特征等。
3. 分类算法选择：根据任务需求和数据特点，选择合适的分类算法。
常用的算法包括最大似然分类、支持向量机、随机森林等。
4. 训练样本选择：从遥感图像中选择代表性的样本进行标注，并提取其特征值。
这些样本将用于训练分类器。
5. 分类器训练：使用训练样本和特征值，训练分类器模型。
训练过程中需要调整分类器的参数以提高分类准确度。
6. 验证和评估：使用验证样本评估分类器的性能，包括分类精度、Kappa系数等。
根据评估结果，可以对分类器进行调整和改进。
三、遥感数据分级的应用领域1. 土地利用/土地覆盖分类：遥感数据分级可以对土地利用/土地覆盖类型进行识别和分类，为土地资源管理和规划提供基础数据。
2. 环境监测：通过遥感数据分级可以对环境变化进行监测，如水体污染、植被退化等，为环境保护和生态恢复提供支持。
3. 城市规划：遥感数据分级可以提供城市地物的分类信息，为城市规划和土地利用规划提供参考依据。
4. 农业生产：通过遥感数据分级可以对农作物类型进行识别和分类，为农业生产管理和农田调查提供支持。
四、遥感数据分级的挑战和发展趋势1. 数据量大、处理复杂：随着遥感技术的发展，获取到的遥感数据量越来越大，处理和分析变得更加复杂，需要更高效的算法和技术支持。
遥感与大数据
遥感与大数据简介：遥感与大数据是指利用遥感技术获取的大量数据，并通过大数据分析方法进行处理和分析的一种综合应用。
遥感技术通过卫星、飞机等平台获取地球表面的各种信息，包括地形、气象、植被、土地利用等，形成大量的遥感数据。
大数据分析方法可以对这些数据进行存储、处理和分析，从而提取出实用的信息，为决策提供科学依据。
一、遥感数据获取1. 遥感平台：卫星、飞机、无人机等。
2. 遥感传感器：光学传感器、雷达传感器、微波传感器等。
3. 遥感数据类型：地形数据、气象数据、植被数据、土地利用数据等。
4. 遥感数据获取流程：数据采集、数据传输、数据预处理。
二、大数据分析方法1. 数据存储：建立大数据存储系统，包括数据仓库、数据库、分布式文件系统等。
2. 数据处理：数据清洗、数据融合、数据转换等预处理工作。
3. 数据分析：数据挖掘、机器学习、统计分析等方法，提取实用信息。
4. 数据可视化：利用图表、地图等方式展示分析结果，便于理解和决策。
三、遥感与大数据应用案例1. 环境监测：利用遥感数据监测大气污染、水质变化、土壤退化等环境问题。
2. 农业管理：通过遥感数据分析，提供农作物生长状况、土壤湿度等信息，指导农业生产。
3. 城市规划：利用遥感数据获取城市土地利用、交通流量等信息，辅助城市规划决策。
4. 自然灾害监测：利用遥感数据监测地震、洪水、火灾等自然灾害，及时预警和救援。
四、遥感与大数据的优势1. 高效快捷：遥感技术可以远程获取大量数据，大数据分析方法可以高效处理这些数据。
2. 全面准确：遥感数据可以提供全面的地球表面信息，大数据分析可以准确提取实用信息。
3. 实时监测：遥感数据可以实时更新，大数据分析可以对数据进行实时处理和监测。
4. 智能决策：遥感与大数据相结合，可以为决策提供科学依据，提高决策的智能化水平。
五、遥感与大数据的挑战与展望1. 数据质量：遥感数据的质量对大数据分析结果影响较大，需要解决数据质量问题。
遥感数据分级
遥感数据分级遥感数据分级是一种对遥感图象进行分类和组织的方法，通过对图象中的像素进行分析和归类，可以得到不同类别的地物信息。
遥感数据分级在地理信息系统（GIS）、环境监测、城市规划等领域有着广泛的应用。
一、遥感数据分级概述遥感数据分级是指将遥感图象中的像素根据其特征和属性进行分类，将其划分为不同的类别或者等级。
这些类别可以是地物类型、覆盖程度、植被密度等。
通过遥感数据分级，可以对地表进行综合分析和评估，为地理空间信息的提取和应用提供基础数据。
二、遥感数据分级的方法1. 基于像素的分级方法：该方法将遥感图象中的每一个像素点独立进行分类和判别，根据像素的灰度值、光谱特征等进行判别。
常用的基于像素的分级方法有最大似然法、支持向量机等。
2. 基于对象的分级方法：该方法将遥感图象中的像素组织成对象，根据对象的形状、纹理、空间关系等特征进行分类。
常用的基于对象的分级方法有基于规则的分类、基于决策树的分类等。
3. 基于深度学习的分级方法：该方法利用深度学习模型对遥感图象进行特征提取和分类。
通过建立深度神经网络模型，可以实现对遥感图象的自动分级和识别。
三、遥感数据分级的应用1. 土地利用规划：通过对遥感图象进行分级，可以对土地利用类型进行识别和划分，为土地利用规划和管理提供科学依据。
2. 环境监测：遥感数据分级可以用于环境监测和评估，如水质监测、土壤污染评估等。
通过对遥感图象中的水体、植被等进行分级，可以提取环境信息，监测环境变化。
3. 城市规划：遥感数据分级可以用于城市规划和建设。
通过对遥感图象中的建造物、道路、绿地等进行分级，可以提取城市空间信息，为城市规划和建设提供参考。
4. 自然资源管理：遥感数据分级可以用于自然资源的管理和保护。
通过对遥感图象中的森林、湿地、草地等进行分级，可以评估自然资源的状况和利用情况。
四、遥感数据分级的挑战和发展方向1. 数据质量：遥感数据的质量对数据分级的准确性和可靠性有着重要影响。
遥感数据分级
遥感数据分级遥感数据分级是一种将遥感图像数据按照一定的规则和标准进行分类和分级的方法。
通过对遥感数据进行分级，可以更好地理解和利用遥感图像，提取出感兴趣的信息，为地理信息系统、环境监测、资源调查等领域提供支持和依据。
一、分级的目的和意义遥感数据分级的目的是将遥感图像数据进行分类，使得不同类别的地物或地表特征在图像上具有不同的颜色或灰度值，以便于人眼观察和分析。
通过遥感数据分级，可以实现以下目标和意义：1. 提取地物信息：通过将遥感图像数据分为不同的类别，可以提取出不同地物的空间分布和特征，如土地利用类型、植被覆盖程度等。
2. 监测环境变化：通过对遥感图像进行多期分级比较，可以监测和分析地表覆盖的变化情况，如城市扩张、植被退化等。
3. 辅助决策支持：遥感数据分级为决策者提供了空间信息和定量数据，可以用于土地规划、资源管理、环境评估等方面的决策支持。
4. 进行地学研究：遥感数据分级为地学研究提供了基础数据，可以用于地貌研究、地理学分析等方面的研究。
二、遥感数据分级的方法遥感数据分级的方法主要包括无监督分类和监督分类两种。
下面将分别介绍这两种方法的基本原理和步骤。
1. 无监督分类无监督分类是一种基于统计学原理的遥感数据分级方法，它不需要事先定义类别，而是根据遥感图像数据的相似性将其分为若干类别。
无监督分类的基本步骤如下：（1）选择合适的分类算法，如聚类算法（如K-means算法）或者最大似然算法等。
（2）确定分类的参数，如聚类的类别数目、迭代次数等。
（3）对遥感图像数据进行预处理，如去除噪声、辐射校正等。
（4）运行分类算法，将遥感图像数据分为不同的类别。
（5）根据分类结果对遥感图像进行可视化显示或进一步分析。
2. 监督分类监督分类是一种基于已知类别样本的遥感数据分级方法，它需要事先准备一些已知类别的样本数据作为训练样本，通过训练样本来建立分类模型，然后将分类模型应用于整个遥感图像数据。
监督分类的基本步骤如下：（1）准备训练样本数据，包括已知类别的遥感图像样本和其对应的类别标签。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ETM的组成
电子设备 反射镜和探测器
Y方向速度
辐射冷却器 太阳阴影
设备孔 全孔径校正门 像底点 热辐射门 来自地面辐射
ETM传感器
E T M 传 感 器 结 构 图
粗太阳敏感 器 设备孔 冷却门
全孔径 校正器 对地传感器 装配 S波段天 换向X波段 线 天线 像底点 Y方向速 度 太阳板阵 列
美国Landsat卫星参数一栏表
第3章 遥感数据
本章内容
3.1 传感器 3.2 遥感数据的分辨率 3.3 航空遥感数据 3.4 地球资源卫星数据 3.5 海洋卫星数据 3.6 气象卫星数据 3.7 高光谱类卫星
本章重点
本章主要介绍数据的工作原 理；重点在传感器的类型。 介绍常用的遥感数据，如航空数据、陆地卫星数据、 海洋卫星数据、气象卫星数据的特点。重点在陆地 卫星数据和气象卫星的数据
高光谱航空遥感成为航空遥感的全新技术。
亮度系数
亮度系数（P）：在相同照度条件下，某物体的亮度与绝
对白体理想表面的亮度之比。
亮度系数的特点：
（1）亮度系数的范围0≤P ≤1；
（2）相同地物，由于干湿程度不同，亮度系数也不同； （3）亮度系数与物体表面的颜色有关； （4）表面光滑的物体比粗糙的物体亮度系数大； （5）许多性质完全不同的物体具有相同的亮度系数。
卫星参数 发射时间 卫星高度 半主轴 倾角 经过赤道的时间 覆盖周期 扫幅宽度 波段数 机载传感器 LandSat1 1972.7.23 920km 7285.438km 103.143度 8:50a.m. 18天 185km 4 MSS LandSat2 1975.1.12 920km 7285.989km 103.155度 9:03a.m. 18天 185km 4 MSS 1976年失 灵,1980年 修复,1982退役 LandSat3 1978.3.5 920km 7285.776km 103.1150度 6:31a.m. 18天 185km 4 MSS LandSat4 1982.7.16 705km 7083.465km 98.9度 9:45a.m. 16天 185km 7 MSS、TM 1983年TM传感 器失效,退役 LandSat5 1984.3 705km 7285.438km 98.2度 9:30a.m. 16天 发射失败 185km 7 MSS、TM 185km 8 ETM＋ 2003.5月出现故 障 LandSat6 1993.1 LandSat7 1999.4.15 705m 7285.438km 98.2度 10:00a.m. 16天
3.3.8 光机扫描航空图像
光学机械扫描成像仪是借助于遥感平台沿航向运
动和仪器本身光学机械舷向扫描来获取地面航向 条带图像的一种仪器，简称光机扫描仪。
目前常用的有红外扫描仪和多光谱段扫描仪。光
机扫描仪的工作波长范围比摄影机宽得多，可达 0.3～14μ m (包括近紫外、可见光、近红外、中 红外和远红外)。
响应能力、传感器的空间分辨率及图像的几何特征、 传感器获取地物信息量的大小和可靠程度。
3.1.2 传感器的分类
按工作方式分为：
主动方式传感器：侧视雷达、激光雷达、微波辐射
计。
被动方式传感器：航空摄影机、多光谱扫描仪
（MSS）、TM、ETM(1,2)、HRV、红外扫描仪等。
To be continued…
3.1.3 传感器的组成
收集器：收集来自地物目标镜、天线。
探测器：将收集的辐射能转变成化学能或
电能。如感光胶片，光电敏感元件，固体 敏感元件和波导等
处理器：将探测后的化学能或电能等信号
进行处理。
输出：将获取的数据输出。
3.1.4 摄影型传感器
航空摄影机
是空中对地面拍摄像片的仪器，它通过 光学系统采用胶片或磁带记录地物的反射 光谱能量。记录的波长范围以可见光~近红 外为主。
3.3.1 航空摄影的分类
按照航摄倾角分类 垂直航空摄影 倾斜航空摄影 按摄影实施方式分类 按感光片和所用波段分类 普通黑白摄影 黑白红外摄影 天然彩色摄影 彩色红外摄影 按比例尺分类 大比例尺航空摄影：所获像片比例尺大 于1／l0 000 中比例尺航空摄影：像片比例尺为1／ 10 000～1／30 000 小比例尺航空摄影：像片比例尺为1／ 30 000～1／l00 000 超小比例尺航空摄影：比例尺为1／100 000～1／250 000
（工作原理图）
光机扫描仪的工作原理
推帚式扫描仪的工作原理
3.1.6 微波遥感的传感器
主动微波遥感
雷达 侧视雷达 合成孔径侧视雷达
是指通过向目标地物发射微波并接受 其后向辐射信号来实现对地观测的遥 感方式。主要传感器为雷达，此外还 有微波高度计和微波散射计。
被动微波遥感
是指通过传感器，接受来自目标地物 发射的微波，而达到探测目的的遥感 方式。被动接受目标地物微波辐射的 传感器为微波辐射计，被动探测目标 地物微波散射特性的传感器为微波散 射计。
3.3.3 航空像片的特性
什么是航片？
由地物反射的光线进入摄影机镜头，使感光材料产生 光化学反应而形成。因此，像片的特性取决于：地物反射 率、相机性能和感光材料的性能。 航片属于中心投影。 中心投影上，点的像还是点，线的像还是线，面的像还是 面。 航片的比例尺随航高而改变。 地形的起伏和投影面的倾斜会引起航片上像点的位置的变 化，叫像点位移。 航空像片用亮度系数来表示地物的反射率。
感光底片产生光化学反应，由该底片印出的像片 称为彩红外像片。
彩色红外感光片没有感蓝层和黄滤色层，有感绿、
感红和感红外层。因此不受大气散射蓝光的影响， 像片清晰度很高，适合城市航空摄影。
在彩红外航片上(…)
植被在彩红外像片上表现为不同程度的品红到红色。因为近红外
段的光谱反射率远远高于它在可见光波段的光谱反射率。 水在彩红外像片上表现为蓝到青色(清水呈蓝色，浊水呈青色)。 城市呈现内部有纵横纹理的青色。 公园、绿化带呈品红到红色。 湿地呈青色。 干旱裸地和沙漠都呈黄色。 雪和云都呈白色。
大连金洲弯大桥航拍图片
呼和浩特
3.1.5 扫描方式的传感器
光机扫描仪
用光学系统接收来自目标地物的辐射，并分成几个不同 的光谱段，使用探测仪器把光信号转变为电信号，同时发 射信号回地面，如MSS、TM和AVHRR等。 分为红外扫描仪和多光谱扫描仪。 推帚式扫描仪
用平行排列的CCD（电荷耦合器件）探测杆收集地面辐 射信息，每根探测杆由3 000/6 000个CCD元件呈一字排列， 负责收集某一波段的地面辐射信息，是推帚式扫描成像。
Landsat卫星的传感器
(1) MSS：多光谱扫描仪，5个波段。 (2) TM ：主题绘图仪（专题制图仪）， 7个波段。 (3) ETM+：增强主题绘图仪，8个波 段。
MSS数据获取原理图
MSS 数据是一 种多光谱 段光学— 机械扫描 仪所获得 的遥感数 据。
Landsat 卫星的TM传感器
3.3.4 航空像片的分辨率
是衡量胶片分辨地物细部能力的一种指标。
分辨率＝像片距离/地面距离。
主要取决于航摄相机的镜头分辨率和感光
乳剂的分辨率。但景物的反差、大气的光 学条件、飞机的震动也影响航片的分辨率。
To be continued…
3.3.5 彩色红外像片
由地物反射的光线进入摄影机镜头，使彩色红外
3.1 传感器
3.1.1 传感器的定义和功能
3.1.2 传感器的分类
3.1.3 传感器的组成
3.1.4 摄影型传感器
3.1.5 扫描方式的传感器 3.1.6 微波遥感的传感器
3.1.1 传感器的定义和功能
传感器的定义和功能
传感器是收集、探测、记录地物电磁波辐射信息的
工具。
它的性能决定遥感的能力，即传感器对电磁波段的
射度差。
时间分辩率：指对同一地点进行遥感采样的时间间隔，即
采样的时间频率，也称重访周期。
遥感数据类型
IKONOS SPOT-HRV1-3
分辨率/m
1 20
应用
城市规划、土地管理 宏观规划、国土资源
SPOT-HRV
Pan ETM1-5，7
10
30
立体量测
陆地资源调查
遥感数据类型 ETM6 ETM Pan Landsat-MSS4-7 Radarsat-SAR Seasat-VIR Seasat-SAR JERS-VNR JERS-SWIR
侧视雷达的探测方式
3.2 遥感数据的分辨率
图像的空间分辨率：指像素所代表的地面范围的大小，即
扫描仪的瞬时视场，或地面物体能分辨的最小单元。
波谱分辨率：传感器能分辨的最小波长间隔。间隔越小，
波谱分辨率越高。如MODIS有36个波段，它比AVHRR的波谱 分辨率高
辐射分辩率：指传感器接受波谱信号时，能分辨的最小辐
3.4 地球资源卫星数据
3.4.1 Landsat数据 3.4.2 SPOT数据 3.4.3 IKONOS数据 3.4.4 QuickBird数据 3.4.5 CBERS数据 3.4.6 JERS数据 3.4.7 IRS数据
3.4.1 Landsat数据
陆地卫星Landsat，1972年发射第一颗，已连续31
北京最早的航拍图， 1943年美国飞行员拍摄
3.3.7 航空像片的比例尺
航摄相机的焦距f与航高H的比。
航片的比例尺：1／M=f/H 。
比例尺随着图像处理而变化。
大比例尺航片：1:5 000～1:10 000。 中比例尺航片：1:10 000～1:30 000。 小比例尺航片：1:30 000～1:100 000。 地形起伏也会影响比例尺。