高光谱遥感数据最佳波段的选择
高光谱数据波段选择方法研究

高光谱数据波段选择方法研究高光谱数据波段选择方法研究摘要高光谱遥感技术在农业、环境监测和地质勘探等领域有着广泛的应用。
高光谱数据的特点是具有大量的波段,因此在处理和分析过程中需要进行波段选择。
本文综述了高光谱数据波段选择方法的研究进展,包括传统的统计方法和基于特征选择的方法。
本文还针对不同应用场景提出了一些波段选择的建议,并举例说明了波段选择方法在环境监测中的应用。
1. 引言高光谱遥感技术是一种能够获取物体光谱信息的重要手段,它可以获取超过几十个波段的光谱数据。
然而,这也带来了处理和分析的挑战。
因为高光谱数据的波段数量庞大,如何选择合适的波段用于特定的应用成为一个重要问题。
波段选择方法的好坏直接影响到高光谱数据的处理和分析效果,因此对波段选择方法进行研究具有重要的理论和应用价值。
2. 高光谱数据波段选择方法的研究进展2.1 传统的统计方法传统的统计方法是对高光谱数据进行统计分析,通过计算波段之间的相关性、方差等指标来筛选重要的波段。
常用的统计方法包括相关系数分析、方差分析和主成分分析等。
这些方法在波段选择中能够取得一定的效果,但是忽略了波段间的非线性关系和互信息等因素,因此在某些特定应用场景下可能不适用。
2.2 基于特征选择的方法基于特征选择的方法是通过选择一组最具有代表性的特征波段来表达整个高光谱数据集,以达到简化数据和提高分类效果的目的。
常用的特征选择方法包括相关性分析、信息熵、L1范数和Wrapper等。
这些方法能够根据具体的应用要求选择最具有代表性的波段,提高数据处理和分析的效率。
3. 不同应用场景下的波段选择建议在农业领域,根据不同作物的生长需要和养分吸收特性,可以选择与作物生长和养分相关的波段进行监测和分析。
例如,可通过选择近红外波段来监测作物叶绿素含量和生长状况。
在环境监测中,可以选择与大气污染物、水质和土壤有关的波段来进行监测和评估。
例如,可选择能够反映水体浑浊度和有机质含量的波段进行水质监测。
基于正交投影散度的高光谱遥感波段选择算法

基 于正 交投 影散 度 的 高光 谱遥 感 波段 选 择 算 法
苏 红 军 ,盛 业 华 ,Ya g He ,DuQin n 。 a
1 .南 京 师 范 犬 学 虚 拟 地 理 环境 教 育部 重点 实 验 室 ,江 苏 南 京 2 0 4 10 6
2 .密 西 西 比州 立 大 学 电 子 与 计 算 机 工 程 系 , trvl ,MS 3 7 9 US Sak ie l 9 5 , A
文 提 出 了用 虚 拟 维 度 ( i u l i n i ai ,V 作 为 衡 量 vr a dme s n ly D) t o t
的急剧增大增加 处理算法的运算 量 ;另一方 面 , 波段 之 间 的相关 性和冗余信息 降低 了分类算 法的准确度 。如何 既有 效 地利用高光谱数 据的丰富信息 , 又能 高效地对 其进行处理 成 为一个难点 问题 。传统的多光谱遥感数据处理 算法在处理 高 光 谱数据 时 , 常遇 到 Hu h s g e 现象即“ 维数祸根圳 。因此 , 对 高光谱数据 的“ 降维 ” 就显得尤为重要 ;高光谱数据 “ 降维 ” 能
波段数 目的指标 ,并 在高 光谱 数 据分 析方 面得 到 了广 泛应 用l6。 波段 选择 的判 断 标准 方 面,近 年来 提 出 1众 多的 4l在 I r
算法 , 如基于光谱相似性测度 的光谱 角度 匹配 (pcrl n l set ge aa
mapn , AM) p ig S 算法 l 、欧式距 离 ( ul endsa c,E 7 J ec da i ne D) i t 算 法_ 、 8 基于信息论基 础 的光谱信 息散 度 (pcrlnoma ] s eta ifr — t nd eg ne SD) 法l 及最 小 能量 约束 的线 性 约束 最 i i rec , I 算 o v 9 ]
遥感影像的波段组合及用途

高光谱遥感数据最佳波段的选择根据自己对具体影像解译的要求进行波段的选择,以提高解译的速度和精度。
若要获得丰富的地质信息和地表环境信息,可以选择TM(7、4、1)波段的组合,TM(7、4、1)波段组合后的影像清晰度高,干扰信息少,地质可解译程度高,各种构造形迹(褶皱及断裂)显示清楚;若要获得监测火灾前后变化分析的影像,可以选择TM(7、4、3)波段的组合,它们组合后的影像接近自然彩色,所以可通过TM(7、4、3)彩色合成图的分析来掌握林火蔓延与控制及灾后林木的恢复状况;若要获得砂石矿遥感调查情况,可以选择TM(5、4、1)波段组合;用TM影像编制洲地芦苇资源图时,宜用TM(3、4、5)波段组合的影像,分辨率最高,信息最丰富;用MSS图像编制土地利用地图,通常采用MSS(4、5、7)波段的合成影像;若要再区分林、灌、草,则需要选用MSS(5、6、7)波段的组合影像。
遥感影像时相的选择 :遥感影像的成像季节直接影响专题内容的解译质量。
对其时相的选择,既要根据地物本身的属性特征,又要考虑同一地物不同地域间的差异。
例如解译农作物的种植面积最好选在8、9月份,因为这时作物成熟了,但还没有收割,方便各种作物的区别;解译海滨地区的芦苇地及其面积宜用5、6月份的影像;解译黄淮海地区盐碱土分布图宜用3、4月份的影像。
高分辨率影像的选择 :分辨率的选择要符合自己的实际需要,分辨率高对解译速度和精度都有很大帮助。
随着科技的不断发展,已经有了15~30m分辨率的ETM/TM影像、2.5~5.0m分辨率的SPORT影像、2m分辨率的福卫二号、lm分辨率的ORBVIEW一3/IKONOS、0.6m分辨率的QUICK BIRD 等。
法国SPOT-5卫星影像分辨率可达到2.5m,并可获得立体像对,进行立体观测。
SPOT 一5卫星上的主要遥感设备是2台高分辨率几何成像仪(HRVIR),其工作谱段有4个,主要任务是监测自然资源分布,特别是监测农业、林业和矿产资源,观测植被生长状态与农田含水量等项,对农作物进行估产,了解城市建设与城市土地利用状况等。
高光谱卫星数据水汽吸收波段范围

高光谱卫星数据水汽吸收波段范围1. 引言高光谱遥感技术作为一种新兴的遥感手段,能够获取多波段、高光谱分辨率的地球表面信息,其中水汽吸收波段范围的研究对于地球大气和水循环的研究具有重要意义。
本文将从不同角度综合深入地探讨高光谱卫星数据水汽吸收波段范围的相关内容。
2. 高光谱卫星数据与水汽吸收波段范围高光谱卫星数据是指在特定的波段范围内,对地球表面的反射率或辐射率进行连续、多谱段的光谱观测,从而获取地表信息的一种遥感数据。
而水汽吸收波段范围则是指在地球大气中,水汽对特定波长的光线的吸收作用范围。
通过高光谱卫星数据在水汽吸收波段范围的观测,可以获取大气中水汽的浓度、分布与变化情况,进而对地球气候和水文环境进行深入研究和监测。
3. 深度解析水汽吸收波段范围在高光谱遥感数据中,针对水汽吸收波段范围的深度解析十分关键。
水汽吸收波段范围通常位于红外波段,主要包括1.38微米、1.88微米和2.1微米等波段,而在高光谱遥感数据中,对这些波段进行精准的观测和分析,可以反映出大气中的水汽垂直分布和含量。
水汽吸收波段范围还与地表和大气间的能量交换密切相关,通过高光谱卫星数据对这些波段范围的观测,可以为陆-气相互作用研究提供重要数据支持。
深度解析水汽吸收波段范围对于了解地球大气和水文循环等环境科学问题具有重要意义。
4. 高光谱卫星数据在水汽吸收波段范围的应用高光谱卫星数据在水汽吸收波段范围的应用具有广泛的前景。
通过对水汽吸收波段范围的观测和分析,可以为气象预报、环境监测和灾害预警等提供关键的信息支持。
另通过高光谱卫星数据在水汽吸收波段范围的应用,可以为全球气候变化研究和地球水循环机制探讨提供重要数据支持。
进一步深入研究高光谱卫星数据在水汽吸收波段范围的应用,将对于推动环境科学领域的发展具有重要意义。
5. 个人观点与展望个人认为,高光谱卫星数据在水汽吸收波段范围的研究具有重要的科学意义和应用价值。
在未来,随着高光谱遥感技术的不断发展和卫星观测能力的提升,将进一步推动对水汽吸收波段范围的深入研究和应用,为地球大气和水文循环等环境科学问题的解决提供更为全面和深入的数据支持。
遥感上机高光谱数据分析实验

实验一高光谱数据分析一、实验目的理解波谱库的概念,掌握波谱库操作、浏览和提取影像反射率,学会从感兴趣区中提取波谱信息,并进行彩色合成。
实验过程:打开cup95_at.int,在可用波段列表对话框中,选择Band 193(2.2008um)点击Gray Scale 单选按钮,然后点击Load Band。
将灰度影像加载到显示窗口中。
从主影像窗口菜单中选择Tools →Profiles →Z Profile (Spectrum),提取表观反射率波谱曲线浏览影像波谱并同波谱库进行比较在主影像窗口中,使用鼠标左键点击并拖动缩放指示矩形框或者直接点击鼠标左键,将缩放指示矩形框移动到以所选像素点为中心的区域中,右图曲线发生变化。
打开ENVI给定的波谱库,本次实验使用JPL和USGS波谱库,步骤如下:从ENVI 主菜单中选择Spectral →Spectral Libraries →Spectral Library Viewer。
在Spectral Library Input File 对话框中,点击Open File 按钮,从spec_lib/jpl_lib 子目录中,选择jpl1.sli 波谱库文件,点击OK。
选择Select Input File 区域中的jpl1.sli,点击OK。
在Spectral Library Viewer 对话框中,选择Options →Edit (x, y) Scale Factors,并在Y Data Multiplier 文本框中,输入值1.000,以匹配影像表观反射率范围(1-1000),点击OK。
在Spectral Library Viewer 对话框中,选择下列波谱名称,绘制它们的波谱曲线:ALUNITE SO-4ABUDDINGTONITE FELDS TS-11ACALCITE C-3DKAOLINITE WELL ORDERED PS-1A得到如下的波谱图像:波谱库的波谱曲线从绘制(plot)窗口菜单中,选择Edit →Plot Parameters,自定义波谱曲线的绘制图。
高光谱图像波段选择方法探究

第一类的方法,通过单一的公式“粗暴”的获取
最优波段, 所选取的波段组合往往不一定是最优的
波段组合。 如 OIF 指数方法,因为高光谱图像相邻的
波段间的相关系数往往很大,很多甚至接近 1,但距
离比较远的波段间的相关系数明显会小的多, 所以 这种方法会很容易选取隔得比较远的波段组合,但 它们的信息量可能并不大。 还有一种情况,当在相关 系数都比较大的情况下, 则基本上是选择信息量大 的波段了。 第二种方法分别考虑波段信息量和波段 间相关系数,方法要更严谨一些,但过程要麻烦,而 且这类方法因为每一步都要设置阈值去除一些波 段,阈值的选取往往很难一步到位,本文实验了一种 分段 OIF 指数法来提取最优波段组合的方法。 除此 之外,本文提出一种由粗到细并一步到位的方法,即 利用循环迭代分别考虑波段间的相关系数 (表示波 段间的相关性) 和波段的标准差 (表示波段的信息 量 ),因 为 是 循 环 迭 代 ,阈 值 可 以 设 定 比 较 宽 松 一 点 然后一步步逼近,同时能够一步到位,不用分成两步 来完成。
关键词: 高光谱图像;波段选择;信息量;相关性
1 引言
高光谱遥感,顾名思义,是一种光谱分辨率特别 高的新型遥感技术。 其光谱分辨率通常小于 10 nm, 波段数量一般数十个乃至数百个。 由于其拥有传统 遥感所不具备的光谱识别能力, 逐渐成为遥感技术 研究的对象。
高光谱遥感是当前遥感技术的前沿领域, 它利 用很多很窄的电磁波波段从感兴趣的物体获得有关 数 据 [1], 除 了 传 统 遥 感 常 见 的 空 间 和 辐 射 信 息 外 , 它 还包含非常丰富的光谱信息。 高光谱遥感的出现是 遥感领域少有的具有划时代意义的事件之一, 通过 高光谱遥感探测技术, 可以探测到很多传统遥感难 以探测到的物质或现象。
成像光谱数据的光谱信息特点及最佳波段选择_以北京顺义区为例

成像光谱数据的光谱信息特点及最佳波段选择Ξ———以北京顺义区为例姜小光 王长耀(中国科学院遥感应用研究所 北京,100101)王 成(南京师范大学地理科学学院 南京,210097)提 要 波段宽度为纳米级的成像光谱数据,具有几十乃至几百个光谱通道,它们各有不同的特点。
如何根据具体的应用目的,在这众多的波段中选择出最佳波段,对于有效地进行成像光谱数据的处理、分析及信息提取是至关重要的。
本文以北京顺义区成像光谱数据为例,首先根据所有通道的相关性,将其分为若干组,然后通过全面分析成像光谱数据的光谱信息特征,在综合考虑各波段的信息含量、波段间的相关性、波段的可分性以及地物光谱的吸收特性等因素的基础上,提出了面向对象的选择成像光谱数据最佳波段的基本思路和方法。
并用其它地方的成像光谱数据对此方法进行了验证。
关键词 成像光谱数据 地物光谱吸收特性 波段选择 北京中图分类号 TP79 文献标识码 A1 引 言成像光谱技术,又称为高光谱技术,是90年代及21世纪遥感技术研究的重要前沿领域之一。
自1983年美国加州理工学院喷气推进实验室(J PL)成功地研制出第一台高光谱分辨率航空成像光谱仪AIS-1以来,经过短短十多年的发展,成像光谱遥感技术已在岩石矿物的光谱分析、识别与地质填图,植被的精细光谱分类与识别,地表热红外信息提取,混合像元分解,海洋水色研究及土壤研究等方面得到广泛、成功的应用,显示出很大的潜力和广阔的发展前景〔1〕。
成像光谱遥感是一门新的技术,目前对其应用方法研究明显落后于技术研究。
必须加强成像光谱数据处理、分析、信息提取方法研究,挖掘出更多更有用的信息,这样才能更充分地发挥其优越性和巨大的潜力,不断推动这门新技术的发展。
2 成像光谱数据的特点传统的遥感器,如TM、SPO T等,都是在几个离散的波段来获取图像,其波段的宽度多为100~200nm量级。
而成像光谱技术将成像技术与光谱技术有机地结合,以纳米量级的波段宽度对目标进行连续的光谱成像,获取高光谱分辨率图像。
高光谱图像处理中的波段选择算法研究

高光谱图像处理中的波段选择算法研究一、概述高光谱图像处理是指在高光谱成像过程中,通过对图像数据进行处理和分析,揭示出样本的光谱特征,从而实现对样本进行分类、识别和定量分析的一种手段。
其中,波段选择算法是高光谱图像处理中的关键技术之一,它能对原始图像进行预处理,提取出最具代表性的波段信息,从而简化数据处理的复杂度,提高数据处理的准确度和效率。
二、波段选择算法的分类波段选择算法是高光谱图像处理的重要技术之一,它可以选出最具代表性的波段信息,消除冗余信息,从而减少数据处理的复杂度和提高处理效率。
根据其处理思想和实现方式,波段选择算法可分为以下几类:1. 无监督的波段选择算法无监督的波段选择算法是指在处理高光谱图像数据时,不需要外部信息的参与,其主要任务是从原始数据中挑选出最具代表性的波段信息。
常见的无监督波段选择算法包括PCA、ICA、NMF 等。
其中,PCA是最为常见的一种无监督波段选择算法,其主要作用是对原始数据进行降维,去除冗余信息。
PCA的实现步骤主要是通过对数据的协方差矩阵进行特征值分解,从而得到数据的主成分,然后把主成分作为新的数据信息进行处理。
2. 监督的波段选择算法监督的波段选择算法是指在处理高光谱图像数据时,根据预定义的分类信息,选择出最具代表性的波段,在此基础上进行更为精细的数据处理。
常见的监督波段选择算法包括LDA、LOGD、SVM等。
其中,LDA是监督波段选择算法中最为经典的算法之一,其主要作用是将原始数据降维,从而减轻数据处理的复杂度。
LDA的实现步骤主要是通过计算每个样本在原始数据中的投影向量,从而确定各个波段的权重,然后把不同波段的权重作为新的数据信息进行处理。
三、波段选择算法的实现原理不同类型的波段选择算法,在实现原理方面均有所特异。
下面,以PCA为例,分别介绍波段选择算法的具体实现原理和流程。
1. PCA算法的实现原理PCA属于无监督式的波段选择算法,其主要作用是通过对原始样本特征进行变换,降低数据的维度,并使得新的样本特征最大化地保留原有特征的信息。
- 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)。
高光谱遥感数据最佳波段的选择根据自己对具体影像解译的要求进行波段的选择,以提高解译的速度和精度。
若要获得丰富的地质信息和地表环境信息,可以选择TM(7、4、1)波段的组合,TM(7、4、1)波段组合后的影像清晰度高,干扰信息少,地质可解译程度高,各种构造形迹(褶皱及断裂)显示清楚;
若要获得监测火灾前后变化分析的影像,可以选择TM(7、4、3)波段的组合,它们组合后的影像接近自然彩色,所以可通过TM(7、4、3)彩色合成图的分析来掌握林火蔓延与控制及灾后林木的恢复状况;
若要获得砂石矿遥感调查情况,可以选择TM(5、4、1)波段组合;用TM影像编制洲地芦苇资源图时,宜用TM(3、4、5)波段组合的影像,分辨率最高,信息最丰富;用MSS图像编制土地利用地图,通常采用MSS(4、5、7)波段的合成影像;
若要再区分林、灌、草,则需要选用MSS(5、6、7)波段的组合影像。
遥感影像时相的选择:
遥感影像的成像季节直接影响专题内容的解译质量。
对其时相的选择,既要根据地物本身的属性特征,又要考虑同地物不同地域间的差异。
例如解译农作物的种植面积最好选8、9月份,因为这时作物成熟了,但还没有收割,方便各种作物的区别;解译海滨地区的芦苇地及其面积宜用5、6月份的影像;解译黄淮海地区盐碱土分布图宜用3、4月份的影像。
高分辨率影像的选择:
分辨率的选择要符合自己的实际需要,分辨率高对解译速度和精度都有很大帮助。
随着科技的不断发展,已经有了15~30m分辨率的ETM/TM影像、2.5~5.0m分辨率的SPORT 影像、2m分辨率的福卫二号、lm分辨率的ORBVIEW3/IKONOS、0.6m分辨率的QUICK BIRD等。
法国SPOT-5卫星影像分辨率可达到2.5m,并可获得立体像对,进行立体观测。
SPOT5卫星上的主要遥感设备是2台高分辨率几何成像仪(HRVIR),其工作谱段有4个,主要任务是监测自然资源分布,特别是监测农业、林业和矿产资源,观测植被生长状态与农田含水量等项,对农作物进行估产,了解城市建设与城市土地利用状况等。
卫星遥感传感器和遥感数据处理技术发展很快,些传感器的立体观测,各类遥感数据分辨率的提高,为遥感影像解译标志和遥感影像信息模型的开发、研究提供了有利条件,为快速和精确地进行解译提供了便利。
ETM+遥感不同波段的用途
741
741波段组合图像具有兼容中红外、近红外及可见光波段信息的优势,图面色彩丰富,层次感好,具有极为丰富的地质信息和地表环境信息;而且清晰度高,干扰信息少,地质可解译程度高,各种构造形迹(褶皱及断裂)显示清楚,不同类型的岩石区边界清晰,岩石地层单元的边界、特殊岩性的展布以及火山机构也显示清楚。
742
1992年,完成了桂东南金银矿成矿区遥感地质综合解译,利用1:10万TM7、4、2假彩色合成片进行解译,共解译出线性构造1615条,环形影像481处, 并总结了构造蚀变岩型、石英脉型、火山岩型典型矿床的遥感影像特征及成矿模式的基础上,对全区进厅成矿预测,圈定金银A类成矿远景区2处,B类4处,C类5处。
为该区优选找矿靶区提供遥感依据。
743
我国利用美国的陆地卫星专题制图仪图象成功地监测了大兴安岭林火及灾后变化。
这是因为TM7波段(2.08-2.35微米)对温度变化敏感;TM4、TM3波段则分别属于红外光、红光区,能反映植被的最佳波段,并有减少烟雾影响的功能;同时TM7、TM4、TM3(分别赋予红、绿、蓝色)的彩色合成图的色调接近自然彩色,故可通过TM743彩色合成图的分析来指挥林火蔓延与控制和灾后林木的恢复状况。
754
对不同时期湖泊水位的变化,也可采用不同波段,如用陆地卫星MSS7,MSS5,MSS4合成的标准假彩色图像中的蓝色、深蓝色等不同层次的颜色得以区别。
从而可用作分析湖泊水位变化的地理规律
754
陆地卫星图像的标准假彩色指采用陆地卫星多光谱扫描仪所成的同图幅的第四波段MSS4图像、第五波段MSS5图像和第七波段MSS7图像,分别配以兰、绿、红色的彩色合成图像上的彩色。
并称此种合成的图像为陆地卫星标准假彩色图像。
此图像上植被分布显红色,城镇为兰灰色,水体为兰色、浅兰色(浅水),冰雪为白色等。
541
XX开发区砂石矿遥感调查是通过对陆地卫星TM最佳波段组fefee7合的选择(TM5、TM4、TM1)以及航空、航天多种遥感资料的解译分析进行的,初步解译查明调查区第四系地
貌。
543
例如把4、5两波段的赋色对调下,即5、4、3分别赋予红、绿、蓝色,则获得近似自然彩色合成图像,适合于非遥感应用专业人员使用。
543
波段选取及主成份分析我们的研究采用1995年8月2日的TM数据。
对于屏幕显示和屏幕图象分析,选用信息量最为丰富的5、4、3波段组合配以红、绿、兰三种颜色生成假彩色合成图象,这个组合的合成图象不仅类似于自然色,较为符号人们的视觉习惯,而且由于信息量丰富,能充分显示各种地物影像特征的差别,便于训练场地的选取,可以保证训练场地的准确性;对于计算机自动识别分类,采用主成分分析(K-L变换)进行数据压缩,形成三个组分的图象数据,用于自动识别分类。
543
742
该项工作是采用以遥感图像解译为主结合地质、物化探资料进行研究的综合方法。
解译为目视解译,解译的遥感图像有:以1984年3月成像经处理放大为1:5万卫星TM假彩色片(5、4、3)和1979 年7月拍摄的1:1.6万黑白航片为主要工作片种;采用1986年11月的1:10万TM假彩色片(7、4、2》为参考片种。
432
卫星遥感图像示蓝藻暴发情况
我们先看看蓝藻爆发时遥感监测机理。
蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面,蓝藻覆盖区的光谱特征与周围湖面有明显差异。
由于所含高叶绿素A的作用,蓝藻区LandsatTM2波段具有较高的反射率,TM3波段反射率略降但仍比湖水高,TM4波段反射率达到最大。
因此,TM4(红)、3(绿)、2(蓝)假彩色合成图像上,蓝藻区呈绯红色,与周围深蓝色、蓝黑色湖水有明显区别。
此外,蓝藻暴发聚集受湖流、风向的影响,呈条带延伸,TM图像上呈条带状结构和絮状纹理,与周围的湖水面也有明显不同。
453
本研究遥感信息源是中国科学院卫星遥感地面接收站于1995年10月接收美国MSS卫星遥感TM波段4(红)、波段5(绿)、波段3(蓝)CCT磁带数据制作的1∶10万和1∶5 万假彩色合成卫星影像图。
图上山地、丘陵、平原台地等喀斯特地貌景观及各类用地影像特征分异清晰。
成像时期晚稻接近收获,且稻田中不存积水,因此耕地类型中的水田色调呈粉红色;旱地由于作物大多收获,且土壤水分少而呈灰白色;菜地则由于蔬菜长势好,色调鲜亮并呈猩红色。
园地色调呈浅褐色,且地块规则整齐、轮廓清晰。
林地中乔木林色调呈深褐色,而分布于喀斯特山地丘陵等地区的灌丛则呈黄到黄褐色。
牧草地大多呈黄绿色调。
建设用地中的城镇呈蓝色;公路呈线状,色调灰白;铁路呈线条状,色调为浅蓝;机场跑道为蓝色直线,背景草地呈蓝绿色;建新机场建设场地为白色长方形;备用旧机场为白色色调,外形轮廓清晰、较规则。
水库和河流则都呈深蓝色调。
453
采取4、5、3波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。
451
453
TM图像的光波信息具有3~4维结构,其物理含义相当于亮度、绿度、热度和湿度。
TM7个波段光谱图像中,般第5个波段包含的地物信息最丰富。
3个可见光波段(即第1、2、3波段)之间,两个中红外波段(即第4、7波段)之间相关性很高,表明这些波段的信息中有相当大的重复性或者冗余性。
第4、6波段较特殊,尤其是第4波段与其他波段的相关性得很低,表明这个波段信息有很大的独立性。
计算0种组合的熵值的结果表明,由个可见光波段、个中红外波段及第4波段组合而成的彩色合成图像般具有最丰富的地物信息,其中又常以4,5,3或4,5,1波段的组合为最佳。
第7波段只是探测森林火灾、岩矿蚀变带及土壤粘土矿物类型等方面有特殊的作用。
最佳波段组合选出后,要想得到最佳彩色合成图像,还必须考虑赋色问题。
人眼最敏感的颜色是绿色,其次是红色、蓝色。
因此,应将绿色赋予方差最大的波段。
按此原则,采取4、5、3波段分别赋红、绿、蓝色合成的图像,色彩反差明显,层次丰富,而且各类地物的色彩显示规律与常规合成片相似,符合过去常规片的目视判读习惯。
例如把4、5两波段的赋色对调下,即5、4、3分别赋予红、绿、蓝色,则获得近似自然彩色合成图像,适合于非遥感应用专业人员使用。
472
采用TM4、7、2波段假彩色合成和1:4 计算机插值放大技术方面,制作1:5万TM 影像图并成1:5万工程地质图、塌岸发展速率的定量监测以及单张航片上测算岩(断) 层产状等方面,均有独到之处。