遥感复习资料Word文档下载推荐.docx

遥感复习资料Word文档下载推荐.docx

《遥感复习资料Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《遥感复习资料Word文档下载推荐.docx（21页珍藏版）》请在冰豆网上搜索。

粒子与波长：

小于（瑞利）、等于（米氏）、大于（无选择性）

瑞利散射：

也称分子散射，由大气中原子、分子，如氮、二氧化碳、臭氧和氧分子等引起，粒子直径比波长小很多，散射强度与波长的四次方成反比，即I-4，波长越长，散射越弱；

在紫外和蓝色波长区最强。

米氏散射（Miescattering）：

大气中的微粒如烟、尘埃、小水滴及气溶胶等（大颗粒）引起的散射，粒子直径与辐射的波长相当。

这种散射的强度受气候影响大。

（直径在0.001～100μm之间）

在低层大气更常见

米氏散射的散射强度与波长的二次方成反比，即I-2

云雾对红外线（0.76-15m）的散射主要是米氏散射

微波与地表雪的作用

无选择性散射（Non-selectivescattering）：

发生在大气粒子的直径比波长大得多时。

散射的特点时散射强度与波长无关，任何波长的散射强度相同

尘埃、云和雾

云和雾：

白色，（对所有可见光波长同等散射）

5大气窗口

地球的大气层对太阳辐射的反射、吸收与散射作用共同造成了太阳辐射的衰减、剩余部分即为太阳辐射能够透过的部分。

通常把电磁波通过大气层时，较少被反射、吸收或散射，透过率较高的电磁辐射波段成为大气窗口。

6、遥感平台分类与高度：

地面遥感平台：

100m以下、航空平台：

30km以内、航天平台：

150km以上。

航空平台的优缺点：

优点：

飞行高度较低、获取影像分辨率高、机动灵活、不受地面条件限制、调查周期短，资料回收方便。

不足：

扫描范围小，只适合小范围作业、成本较高（无人机平台逐渐改变现状）、资料处理困难。

航天平台的优缺点：

（1）成本低、实时更新快、

（2）扫描范围大

缺点：

（1）受云等影响大、

（2）空间分辨率达不到航空遥感的获取能力。

7、遥感平台的姿态——三轴倾斜

三轴倾斜是指遥感平台在飞行过程中发生的滚动（Rolling）、俯仰（Pitching）和偏航（Yawing）现象。

（a）侧滚（x）（b）俯仰（y）（c）偏移（z）

8、遥感卫星轨道及其类型

9、主要遥感传感器的优缺点：

光机扫描仪的优缺点

能取得较宽的观测幅度，

采光部分视角小，波长见位置偏差小，分辨率高

信噪比方面较推帚式扫描仪好。

装置庞杂，高速运动使其可靠性差

在成像机理上，存在着目标辐射能量利用率低的致命弱点。

推帚式扫描仪的优缺点

结构上可靠性高，因为没有光机扫描仪的机械部分。

具有自扫描、感受波谱范围宽、畸变小、体积小、重量轻等优点，并可制成集成度很高的组合件。

由于使用了多个原件把光同时转换成电信号，因此感光元件间存在灵敏度差，会产生带状噪声。

幅宽收到元器件多少限制。

微波传感器特殊的性能

（1）全天候、全天时工作

（2）微波对地物有一定穿透能力

（3）对地物具有特殊的波谱特征

在微波波段中，水的比辐射率为0.4，而冰的比辐射率为0.99，其亮度温差相差100K，很容易进行区分；

而在红外波段，水的比辐射率为0.96，冰的比辐射率为0.92，两者相差甚微，难以甑别。

（4）雷达遥感图像中包含相位信息和极化信息

（5）微波能提供不同于可见光和红外遥感所能提供的某些信息

10、彩色图像分类

真彩色（truecolor）：

（三波段组合）与真实物体相同的颜色

假彩色（falsecolor）：

（三波段组合）图像上物体所具有的颜色，并非它本身的颜色。

伪彩色（pseudocolor）：

灰度图象的彩色表示或显示

11、航空摄影的类型：

按摄影倾斜角分类：

垂直摄影：

像片倾斜角小于3º

的摄影称为垂直摄影，获得的像片称为水平像片或垂直像片，航空摄影测量和制图大都是这类像片。

倾斜摄影：

像片倾斜角大于3º

的摄影称为倾斜摄影，获得的像片称为倾斜像片。

倾斜摄影时，像片倾斜角越大，影像畸变越大，图像纠正困难，不利于制图。

但有时为了获取较好的立体效果且对制图精度要求不高时，也采用倾斜摄影。

12、投影类型：

①正射投影：

当一束通过空间点的平行光线垂直相交于一平面时，其交点称为空间点的正射投影，或者垂直投影。

②中心投影：

若空间任意点与某一固定点连成的直线或者延长线被一平面所截，则直线与平面的交点称为空间点的中心投影。

按摄影实施方式分类：

单片摄影：

为特定目标或小区域进行的摄影，一般获得一张或数张不连续的像片。

单航线摄影：

沿一条航线，对地面狭长地区或沿线状地物（如铁路、公路、河流等）进行的连续摄影。

多航线摄影（面积摄影、区域摄影）沿数条航线对较大区域进行连续摄影。

△点线面中心投影成像的特点：

点——点直线——直线、点曲线——空间曲线、直线面——面、直线

13、陆地卫星及其影像特征

Landsat卫星系列

SPOT卫星

轨道形状

接近于圆形

准圆形

轨道倾角

近极地轨道

周期

太阳同步

回归性

准回归轨道

扫描仪

多光谱扫描仪、专题制图仪、陆地成像仪、热红外传感器

推帚式扫描仪

传感器

波段号

波段

波长/μｍ

空间分辨率（ｍ）

辐射分辨率（bit）

TM

1

蓝色

0.45～0.52

30

8

2

绿色

0.52～0.60

3

红色

0.63～0.69

4

近红外

0.76～0.90

5

短波红外

1.55～1.75

6

热红外

10.40～12.50

120

7

2.08～2.35

（1）TM1：

0.45～0.52μm，蓝光波段。

对水体穿透力强，对叶绿素与叶色素浓度反映敏感，有助于判别水深、水中叶绿素的分布、沿岸水和进行近海水域制图等。

TM2：

0.52～0.60μm，绿光波段。

位于健康植物的绿色反射峰值区域，对健康茂盛植物绿反射敏感，按“绿峰”反射评价植物生活力。

TM3：

0.63～0.69μm，红光波段。

为叶绿素的主要吸收波段，反映不同植物的叶绿素吸收、植物健康状况，用于区分植物种类与植物覆盖度。

TM4：

0.76～0.90μm，近红外光波段。

对绿色植物类别差异最敏感，为植物遥感识别通用波段，常用于生物量调查、作物长势测定、农作物估产等。

ETM+

0.450～0.515

0.525～0.605

0.630～0.690

0.775～0.900

1.550～1.750

60

2.090～2.350

全色

0.520～0.900

15

TM5：

1.55～1.75μm，短波红外波段。

处于水的吸收带（1.4～1.9μｍ）内，对地物含水量很敏感，常用于土壤湿度、植物含水量调查、水分状况研究、作物长势分析等，具有区分不同作物类型的能力。

此外，该波段也易于区分云和雪。

TM6：

10.40～12.50μm，热红外波段。

主要记录来自地物表面发射的热辐射能力，可以根据辐射影响的差别，进行热测量与制图。

TM7：

2.08～2.35μm，短波红外波段。

为地质学研究追加的波段，它处于水的强吸收带，水体呈黑色，主要用于城市土地利用与制图，区分主要岩石类型、岩石的热蚀变，地质探矿与地质制图等。

（2）美国的陆地卫星7（Landsat-7）EnhancedThematicMapperPlus（ETM+）与Landsat-5的最主要差别有：

增加了分辨率为15米的全色波段（PAN波段）；

波段6的数据分低增益和高增益数据，分辨率从120米提高到60米。

辐射定标误差率小于5%，比Landsat-5提高了1倍。

（3）Landsat-8除了具有Landsat-7所有光谱波段外，新增一些特点：

第一，在原蓝光波段外新增了1个深蓝（DeepBlue，band1）波段，用于监测近岸水体和大气中的气溶胶，因此，也称为海岸/气溶胶（Coastal/Aerosol）波段；

第二，新增了1个卷云（Cirrus，band9）波段，用于卷云检测；

第三，将原热红外波段的光谱范围一分为二，设置了两个热红外波段；

第四，收窄了原近红外波段的范围，以便去除0.825μm处水汽吸收影响；

名称

发射时间

全色分辨率（m）

多光谱分辨率（m）

Spot1

1986年2月22日

HRV

10

20

Spot2

1990年1月22日

Spot3

1993年9月26日

Spot4

1998年3月24日

HRVIR、VEG

Spot5

2002年5月4日

HRG，VEG、HRS

2.5、5

Spot6

2012年9月9日

HRG、HRS

1.5

Spot7

2014年6月30日

第五，收窄了原全色波段范围，新的全色波段的光谱范围不再覆盖近红外波段。

（4）LandSat产品分级：

Level0：

原始产品数据

Level1：

辐射校正产品，计算卫星的衰减程度进行校正

Level2：

系统几何校正产品，几何粗校正

Level3：

几何精校正产品

Level4：

高程校正产品，地形纠正

（5）环境减灾卫星（HJ-1A/1B）

重访周期：

4天重访周期：

4天

CCD相机：

CCD相机：

探测谱段范围：

兰、绿、红、近红外探测谱段：

4个，兰、绿、红、近红外

分辨率：

30m分辨率：

30m

幅　　宽：

711km幅　　宽：

711km

高光谱成像仪：

红外探成像仪：

谱段数量：

115个测谱段范围：

近/短波/中波/长波红外

100m谱段数量：

4个

51km分辨率：

近/短波/中波红外150m

侧视能力：

30°

长波红外：

300m

可见光、近红外幅　　宽：

740km

平均谱段宽度：

5nm卫星设计寿命：

3年

卫星设计寿命：

14、数字图像

基本特点和优点：

指能够被计算机存储、处理和使用的图像；

“离散化”；

二维矩阵

（1）便于计算机处理与分析；

（2）图像信息损失低；

（3）抽象性强

15、灰度直方图

定义：

表示数字图像中每一灰度出现频率的统计关系。

16、遥感数字图像校正

（一）几何校正：

遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转和曲率等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。

图像-图的纠正（image-to-maprectification）：

图像对地图的对准，使图像象地图一样平面化，这也称为地理参考过程。

图像配准（image-to-imageregistration）：

同一区域内两幅图像之间的相互对准，一般以一幅标准图像去校正另一幅图像，以使两幅图像中的同名像元几何位置匹配。

包括两个方面（两个环节）：

①像元坐标变换；

②像元灰度值重新计算（重采样）。

地面控制点选择要求：

①地面控制点应具有高对比度，即有明显的、清晰的定位识别标志；

②特征尺度较小；

③控制点上的地物不随时间变化，以使不同时段的两幅图像或地图上的同一控制点在几何校正时可以同时识别出来；

④有的控制点处在同一高程，除非已考虑过地形起伏的影响。

地面控制点选择数量和布局：

GCP的位置精度越高，则几何纠正的精度越高；

GCP的个数不少于多项式的系数个数；

适当增加GCP的个数，可以提高几何纠正的精度。

20-30个GCP，一般可以满足需求

GCP分布应尽可能在整幅图像内均匀分布，否则在GCP密集区精度较高，在GCP分布稀疏区出现较大误差。

主要的重采样三种方法：

（1）最邻近法

（2）双线性法（3）三次卷积法

最邻近法优点：

1保留大量原始灰度值，没有经过平滑处理，对于区分植被类型、识别线性特征等有重要意义；

2简易、省时；

3分类前使用；

4适合于专题文件

最邻近法缺点：

1锯齿状、不平滑；

2某些值重复、某些值丢失；

3对线性地物，可能出现不连续

双线性法优点：

1较平滑，没有锯齿状；

2与最邻近法相比，空间信息更准确些；

3常用于改变像元大小时，如数据融合

双线性法缺点：

像元值被平均化，某些地物边缘更平滑，某些极值可能丢失

RMS误差（均方根）

是GCP的输入（原位置）和逆转换的位置之间的距离或者说，是在用转换矩阵对一个GCP作转换时，所期望输出的坐标与实际输出的坐标之间的偏差。

一般用像元数来表示。

LandsatTM一般控制在1个像元，30m以内。

AVHRR一般控制在1.5个像元，1.5Km以内。

（二）辐射校正：

辐射校正就是消除图像数据中依附在辐射亮度中各种失真的过程，以使遥感图像尽可能真实地反映地表地物的分布，为遥感图像的分割、分类、解译等后续工作做好准备。

辐射校正通常包括传感器校正、大气校正以及太阳高度和地形校正

大气校正的定义：

消除遥感图像中由大气散射引起的辐射误差的处理过程。

三种方法：

野外波谱测试回归分析法；

辐射传递方程计算法；

波段对比法

什么情况下需要大气校正：

1大气透明度差而且不均一

2大气中的水汽含量高

3低海拔地区应该进行校正，3000米以上的地区可不考虑

4相对高差变化大的地形区域

5不同时段图像的联合处理

17、数字图像增强

（1）点计算/对比度增强

线性增强（拉伸）

斜率大的部分被拉伸增强

斜率小的部分被压缩

线性变换

非线性变化

对数拉伸：

扩张低的灰度区指数拉伸：

扩展高灰度区

压缩高的灰度区压缩低灰度区

（2）邻域运算（邻域操作）2310

图像亮度为阶梯状变化时，均值平滑效果比中值滤波要明显得多；

而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留看取中值要优于均值平滑。

平滑（均值平滑、中值滤波）5811

64912

高通滤波：

效果：

突出物体的边缘，锐化图像

低通滤波：

突出背景，平滑图像

带阻滤波：

滤除遥感图像中特定频谱范围内的信息。

允许高、低频通过。

带通滤波：

突出遥感图像中特定频谱范围内的目标。

允许中间频率通过。

归一化差值植被指数：

NDVI=（NIR-R）/（NIR+R）

18、遥感图像目视解译

遥感图像上那些能够作为分析、判断景观地物的图像特征为判读标志或解译标志。

①直接解译标志：

是判读目标自身特点在图像上的直接表现形式，包括色调、形状、阴影、大小、纹理、位置、布局、图案。

遥感图像中目标地物特征是地物电磁辐射差异在遥感影像上的典型反映。

按其表现形式的不同，目标地物特征可以概括分为：

色：

指目标地物在遥感影像上的颜色，这里包括目标地物的色调、颜色和阴影等；

形：

指目标地物在遥感影像上的形状，这里包括目标地物的形状、纹理、大小、图形等；

位：

指目标地物在遥感影像上的空间位置，这里包括目标地物分布的空间位置、相关布局等；

2间接解译标志：

图像上能看出的和直接标志密切联系的地物，不同的专业判读不同。

影响地物特征及其解译的因素

1、地物本身的复杂性

2、传感器特性

（1）空间分辨率

（2）辐射分辨率（传感器的探测能力）

（3）光谱分辨率

（4）时间分辨率

3、人为因素

遥感影像主要解译原则

1.遥感图像目视解译要基于影像特征：

“解译线划、影像特征和地面实况三一致”的原则

2.遥感解译分类体系要基于影像解译的可能性

3.

（1）先图外后图内：

先了解影像图框外提供的各种信息。

（2）先整体后局部：

先整体观察，综合分析目标地物与周围环境的关系。

（3）勤对比，多分析：

多个波段对比；

不同时相对比；

不同地物对比。

4.充分利用影像的信息特征和处理技术。

5.多信息、多方法综合分析。

6.室内解译与室外判读相结合。

7.严格遵循目视解译程序。

要重视建立解译标志，逐步完善解译标志，即标准色谱、波谱和图谱，要遵循由已知到未知，先易后难，由大到小的原则，按照解译程序逐步进行解译。

遥感图像目视解译步骤

1目视解译准备工作阶段

2初步解译与判读区的野外考察

3室内详细判读

4野外验证与补判

5成果整理

遥感影像主要解译方法

（1）直接判读法

（2）对比分析法

（3）信息复合法

（4）综合推理法

（5）地理相关分析法

19、遥感数字图像计算机解译

（1）图像分类：

基于数字图像中反映的同类地物的光谱相似性和异类地物的光谱差异性

（2）基本原理：

不同的地物具有不同的光谱特征，同类地物具有相同或相似的光谱特征

由不同探测波段组成的多波段数字图象是地物这一特征的量化

（3）问题一：

光谱分类

同物异谱：

同类地物具有不同的光谱特征（不同时期的玉米地）

同谱异物：

不同的地物可能具有相似的光谱特征。

（幼年期树林和成熟的玉米地）

（4）问题二：

光谱类和信息类不对应

光谱类（spectralclass）：

基于光谱特征形成的类别（如房屋的阳面和阴面光谱特征不同，不同的光谱类）

信息类（informationclass）：

根据实际需要对待分的类别人为的划分（如城市类由道路、建筑物、水体、绿地等不同地物组成，不同地物光谱特征不同）

（6）模式（pattern）:

是指某种具有空间或几何特征的某种事物的标准形式。

在多波段图像中，每个像元都具有一组对应取值，称为像元模式。

（7）特征（feature）：

在多波段图像中，每个波段都可看作一个变量，称为特征变量

一个像元可以看成由n个特征组成的n维空间的一个点,同类地物的像元形成n维空间的一个点群,差异明显的不同地物会构成维空间的若干个点群.

图像分类就是要分析特征空间这些点群的特点,如点群位置、分布中心、分布规律，从而确定点群的界限，最终完成分类任务。

（8）特征空间的操作

（9）图像分类过程

分类预处理：

几何校正与配准、大气校正、相关信息的计算等

特征选择（提取）

分类（监督分类训练区的选择）

分类后处理，包括精度评价

专题图制作

（10）遥感图像的计算机分类方法包括监督分类和非监督分类

①非监督分类（unsupervisedclassification）：

根据事先指定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后需确定地面类别

在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类

②监督分类（supervisedclassification）：

通过选择代表各类别的已知样本（训练区）的像元光谱特征，事先取得个类别的参数，确定判别函数，从而进行分类。

在监督分类中，先定义信息类，然后检验它们的光谱可分性

（11）非监督分类的优点

①非监督分类不需要预先对所要分类的区域进行广泛了解；

②人为误差的机率较小。

在进行非监督分类时，只需要设定分类数量，而分析人员对分类区域的理解程度对分类结果影响并不严重。

3面积很小的独立地物均能被识别。

4该分类法的主要优点是简单、速度快。

（12）非监督分类的局限性

由于非监督分类对“自然”分组的依赖性以及分类结果的光谱类别与信息类别的不一致性，对分类结果体现出明显的局限性。

①非监督分类形成的光谱类别与信息类别并不完全一一对应，因此，需要通过目视判读建立两者之间的对应关系。

②分析人员很难控制分类产生的类别并进行识别，因此，分类效果并不很满意。

③由于信息类别的光谱特征随时间变化，信息类别与光谱类别间的关系并不固定，且不同幅影像中的光谱类别与信息类别之间的关系也不一样，因此，使得光谱类别的解译识别工作量大而复杂。

（12）非监督分类的方法包括：

分级集群法、K-均值算法、迭代自组织数据分析算法

K-MEANS（K-均值算法）

K-均值算法也称C-均值算法，属于动态聚类方法，其特点是要求确定某个评价聚类结果质量的准则函数，并给定某个初始分类，然后用迭代算法找出使准则函数取极值的最好聚类结果。

K-均值算法以距离平方和最小作为准则函数，故又称为“距离平方和极小化聚类法”。

K-Means聚类算法的