遥感图像解译

课件内容

第一章 绪论

遥感技术应用

• 研究对象：地表到社会经济

• 研究数据：遥感数据

• 具体应用

• 根据不同期影像去监测地面变化，驳斥错误报道

• 关注特殊时期的变化

• 灾害监测

  • 水灾监测

  • 干旱监测

  • 火灾监测

  • 台风预报

  • 雾监测

  • 沙尘暴监测

  • 海冰监测

• 植被农业监测

• 雾霾

• 社会问题——人口分布与贫困

• 全球产品

  • 30m 地表覆盖分布总示意图

  • 全球 30 米分辨率火烧迹地产品

• 空气质量变化监测

• 土地利用类型调查

  • 全国地理国情普查

• 目标识别

• 执法——大棚遥感监测

• 其他应用

  • 非遥感图像

  • 非地理空间信息的判读

  • 各种识别

• 应用分类

类型	主要方法	应用领域	数据源	传感器空间分辨率	传感器光谱分辨率	传感器时间分辨率
图像分类	监督 非 监督	农林、国土资源调查与规划	TM，ETM， SPOT，ZY 等	中	中	中
定量遥感	反演模型	生态环境及动态监测	MODIS、AVHRR、 高光谱数据	低	高	高
目标识别	图像分割 模式识别	城市信息更新、军事目标探测、农林地块精细识别、大型工程设施监控、新闻热点、社会问题	高空间分辨率图像	高	低	高中低

遥感图像解译的目的

• 解译目的

• 所有这些应用都可以利用遥感技术直接或间接得到

• 从图像数据提取需要的信息才是目的 数据转化为信息

• 解译对象

• 不同现象，不同目标解译

• 使用数据源不同

• 对数据、对方法的要求不同

• 解译用的遥感图像

• 数据的多样性：不同平台、不同传感器

  • 空间分辨率

  • 光谱分辨率

  • 辐射分辨率

  • 时间分辨率

  • 不同成像方式

• 获取信息的方法

• 计算机处理——为了利用计算机自动获取

  • 空间信息

  • 属性信息

  • 变化信息

• 目视判读

  • 人眼视觉能力和计算机能力的不同

• 解译的流程

• 获取这些信息涉及相关的内容包括

  • 目标

  • 数据

  • 图像特征

  • 解译的原理、方法

  • 应用

  • 评价

• 目标

  • 研究对象：自然地表

  • 地表包含的内容

  • 类别

  • 类别参数

  • 地理单元

  • 反映某种状态的区域

    • 如天气污染、热岛

  • 关键是了解目标的特征

• 对数据的要求

  • 根据应用目的

  • 对数据的要求

  • 实际情况是同一地区图像的分辨率不同

  • 参考数据的要求

  • 尺度不同

• 了解目标在图像的特征

  • 波谱响应特征

  • 空间特征

  • 时间特征

• 处理方法

  • 对图像的认识、解译需要掌握的东西

  • 考虑自然目标和人工目标识别的区别

  • 人工与机器识别的异同

• 遥感技术的应用能力

  • 主要是能够提供什么样的信息

  • 遥感的能力

  • 人的能力

  • 计算机的能力

• 作用

  • 测绘事业是经济建设、国防建设、社会发展的基础性事业

  • 国家的重要经济领域提供信息服务。

  • 为制定国民经济发展计划提供资源与环境动态基础数据。

  • 为国家重大的资源、环境突发性事件提供及时准确的监测评估数据，保证国家对这些重大问题作出正确、快速的反应。（测绘应急保障）

  • 生物量估测。包括农作物产量、产草量、水面初级生产力预估和评价。

  • ……

图像到信息传递过程

• 信息传递的途径：有何区别？

• 信息源->信道->接受信息

• 从信息传输的角度遥感过程可概括为

  • 物体辐射->各种影响因素->数据获取->数据处理和信息获取->判读和应用

  • 对象-处理-信息-应用

• 地物信息的传递过程

• 遥感基础出发点，为何可以用传感器获取空间信息？

  • 遥感图像接近地面实况，遥感信息在传输中消耗能量，并有噪声介入，遥感图像无论是模拟还是数字的，都是信息而不是实物或现象本身

  • 光谱信息是遥感的基础。地物波谱特征是复杂的，它受到多种因素的控制，而且地物波谱特征本身也往往因时因地在变化着，实物、现象与遥感图像信息之间的关系存在不确定性

• 图像信息与地物（实物或现象）的关系

  • 获取地物的影像

  • 几何信息

    • 模型重建、几何量测

    • 得到地物几何位置

  • 辐射信息

    • 影像识别、定量分析

    • 得到地物属性、地物数量指标

• 地物信息的传递过程涉及的环节

• 有选择地观测地学环境

  • 地物信息的传递是从数据获取开始的。数据获取实质上是由传感器代替人直接观测地学环境，通常情况下是围绕某项任务，有计划、有目的开展。

  • 关键是运用相关的专业知识和技能确定实物、现象与图像信息之间的关系

• 由数据产生的局部概念模型

  • 图像处理人员的知识、经验、能力和思维方式对地学环境观测数据的实际信息量有重要作用

• 将地物图像数据转变成图像信息

• 图像信息的组织和管理

• 将图像信息还原为地物信息

• 由地学信息产生的局部概念模型

• 按照地学应用要求进行加工

  • 地物信息的使用和加工必须适应具体地学应用的要求。

• 遥感技术过程

  • 对象-图像-图

  • 选择对象

  • 数据的局部概念模型

  • 提取信息

  • 还原地物信息

  • 信息的局部概念模型

  • 加工、表达

  • 应用、评价

• 遥感信息的特点

  • 遥感图像信息所反映的地学环境的综合性与复杂性，以及遥感信息本身的综合特点，决定了遥感信息单纯数学、物理处理结果具有不确定性或多解性

• 针对不确定性涉及的知识

• 为了提高解译结果的正确性与可靠性，需要地学知识。实际上，地物遥感信息处理涉及面十分广泛，它与地学、生物、数学、物理、信息技术都有不同程度的关联

• 地物信息与具体应用的结合会涉及到各种相关知识的运用

• 用到的相关知识

  • 地学方法的应用

  • 研究对象是地学

  • 物候学的应用，有何作用

  • 生物学知识的应用

  • 物理方法的应用

  • 数学方法的应用

  • 各种可视化方法的应用

• 遥感涉及的知识

  • 对象本身特征：遥感物理基础、地学、物候学、生物学

  • 反映对象的数据获取：传感器成像原理

  • 数据处理：数学物理

  • 图像处理、变换

  • 信息获取：目视判读，计算机分类方法

  • 信息的表达方式：各种可视化方法

  • 信息的应用：各专业背景

遥感图像解译的任务与方式

• 目的

• 信息提取

  • 地表覆盖

  • 定量指标

  • 目标识别

• 方法：从遥感图像上提取地物信息所需要的基础理论和实践方法

• 图像解译的任务

• 按应用领域

  • 普通地学解译

  • 主要为了取得一定地球圈层范围内的综合性的信息

    • 地理基础信息解译

    • 地理基础信息一般由地形信息、居民地、道路、水系、独立地物、植被、地貌和土质等构成。

    • 景观解译

    • 景观主要指多个地学要素有规律的地域结合。

  • 专业解译

  • 主要是为了解决各部门的任务，用于提取特定要素或概念的信息

    • 地质

    • 林业

    • 农业

    • 军事

• 按应用范围划分

  • 巨型地物与现象，全球范围

  • 大型地物与现象，区域范围

  • 中型地物与现象，和生产生活关系已经比较密切，特别是与各种资源调查关系密切

  • 小型地物与现象

• 图像解译的实施

类型	主要方法	应用领域	数据源	传感器空间分辨率	传感器光谱分辨率	传感器时间分辨率
图像分类	监督 非 监督	农林、国土资源调查与规划	TM，ETM， SPOT，ZY 等	中	中	中
定量遥感	反演模型	生态环境及动态监测	MODIS、AVHRR、 高光谱数据	低	高	高
目标识别	图像分割 模式识别	城市信息更新、军事目标探测、农林地块精细识别、大型工程设施监控、新闻热点、社会问题	高空间分辨率图像	高	低	高中低

• 遥感图像解译的组织和实施

  • 目视解译

  • 直接法

  • 对比法

  • 复合法

  • 地理相关分析法

  • 计算机分类

  • 基于像元分类

    • 非监督分类

    • K 均值分类

    • ISODATA

    • ……

    • 监督分类

    • 最大似然法

    • 最小距离法

    • 人工智能

    • 专家分类

    • 神经网络

  • 基于目标分类

    • 邻近法

    • 规则库

  • 人机交互

遥感信息的利用方式及技术支撑

• 利用方式具体的过程

• 瞬时信息的定性分析

• 空间信息的定位分析

• 瞬时信息的定量分析

• 时间信息的趋势分析

• 多源信息的综合分析

• 解译产品和各种支撑技术的发展

• 观察与测量仪器的改变

• 产品形式的改变

• 生产工艺的改变

• 新一代传感器的研制

• 地理信息系统的支持

• 遥感应用模型的深化

• 遥感图像解译方法发展趋势：智能解译

  • 人工智能领域

  • 深度学习算法

遥感图像解译中的尺度问题

• 科学研究中的尺度问题

• 在涉及空间信息的研究和应用过程中，必须需要考虑的是一个空间尺度概念。

• 什么范围和尺度

• 不同的尺度有没有可比性，能否扩展

• 四个尺度

  • 制图尺度或地图尺度

  • 地面比例尺

  • 测量尺度或分辨率

  • 获取的图像像元对应于地面的大小

  • 地理或观测尺度

  • 研究区域的空间范围或区域大小

  • 运行尺度

  • 特定地学现象或过程发生的空间范围，由所研究的地学现象或过程本身决定

• 尺度之间的转换

• 空间异质性（尺度是空间异质性的量度单位）

• 指某个变量在空间上分布的均匀性及复杂程度，是自然现象固有的属性

• 空间异质性的程度不仅取决于自然现象的本身，也依赖于测量尺度大小

• 在一个尺度上是同质在另一个尺度可能是异质的。测量尺度的变化有可能会导致空间异质性的出现和消失

• 不同时尺度上所包含信息不同，所以说空间异质性是理解尺度问题的关键

• 尺度依赖

  • 地理现象的内存属性。如果某一地理格局根据所观测的尺度而变

• 尺度无关

  • 如果地理现象不随尺度变化。现实中地理现象尺度无关的很少

• 尺度效应

• 指空间数据由于其测量尺度的变化而导致分析结果也随之变化的现象

• 遥感中尺度效应指的是由于遥感数据空间分辨率的变化而导致分析结果变化的现象

• 尺度转换

  • 尺度扩展

  • 尺度收缩

• 最优尺度

• 使遥感处理达到最优效果的尺度

• 包含所需信息而且数据量最小的空间分辨率

• 不应该理解为信息提取时获取最高精度的空间分辨率

• 遥感图像的尺度

• 空间分辨率

• 光谱分辨率

• 辐射分辨率

• 时间分辨率

思考题

• 遥感的作用

• 图像和信息的区别与联系

• 分析遥感图像解译的基本概念、目的

• 地物信息的传递过程中各个环节作用是什么

• 分析相关学科在遥感图像解译中的作用

• 举例说明数学物理方法在图像解译中的作用

• 尺度概念以及在遥感图像解译中的作用

• 本课程内容组织方式以及前后联系

---

第二章 遥感研究对象的特性

• 遥感研究对象

• 遥感技术关注的特性与目标固有的特性。遥感利用的只是目标的部分特征。这部分特征是可以被探测的。探测到的信息只是目标的一部分！

• 遥感信息的属性

• 遥感信息是多源的。它是由平台的高低、视场角的大小、波段的多少、时间频率的长短等多种因素决定。这些因素的变化造成遥感信息本身具有不同的物理属性。相应于遥感信息本身的这些属性，遥感研究对象也存在着几个方面的属性：空间分布、波谱反射和辐射特征、时相变化。

地理单元与空间分布

• 地理单元（地理实体）性质

• 地理综合体是一个相对封闭的自然地段，它通过发生在内部的诸自然过程和地理组成成分的相互依存性而构成一个整体。其成分有同质与异质之分

  • 所有高级地理综合体，它们的异质程度随等级升高和单元规模扩大而增大。

  • 地理综合体从低级到高级单元，其内部相似性逐渐减少，而相互间差异性逐渐增大

• 地理单元包括多种属性，它们的类别边界不可能完全一致，应该根据地理综合体理论对它们（各种属性边界）作必要的综合。

  • 取重要属性，舍次要属性

  • 取确定边界，舍模糊边界

  • 取两侧属性差异大的边界，舍两侧差异小的边界

• 空间分布

• 任何地学研究对象，均有一定的空间分布特征。根据空间分布的平面形态，把地面对象分为：面状、线状、点状。

• 可以从以下几个方面来确定其空间分布特征

  • 空间位置

  • 大小（对于面状目标而言）

  • 形状（对于面状或线状目标而言）

  • 相互关系。

• 前面三个特征是就单个目标而言，可以通过一些数据来表示

• 面状对象

  • 面状对象其空间位置由表示界限的一组 x，y 坐标确定，并可以相应地求得其大小和形状参数。

  • 连续而布满整个研究区域，如高度、地物类型、地貌、地质、气温等；

  • 间断而成片分布于大片区域上，如森林、湖泊、沙地、各类矿物分布区等

  • 在研究区域较大面积上分散分布，如果园、石林、残丘等

  • 某个地理单元或某个区域所具有的特征

  • 面状分布特点，变化频繁

  • 天气预报

  • 气候变迁

  • 环境监测

  • 遥感研究的对象以面状对象为主

• 线状对象

  • 空间位置：由表示线形轨迹的一组 x，y 坐标确定，在空间上呈线状或带状分布，如道路、河流、海岸等。

• 点状对象

  • 空间位置：由其实际位置或中心位置的 x，y 坐标确定，实地上分布面积较小或呈点状分布的有独立树、单个建筑等。

• 相互关系（空间结构）

  • 某个区域内地物目标的空间分布特征。

  • 地面目标受某种空间分异规律的影响，其分布呈现一定的空间组合形式，仅通过单一目标难以反映。

波谱反射和辐射特征

• 物体的基本特征

• 任何物体本身都具有发射、吸收和反射电磁波的能力。

• 相同的物体具有相同的电磁波谱特征，不同的物体由于物质组成和结构不同具有相异的电磁波谱特征。

• 遥感的基本出发点

• 可以根据遥感仪器所接收到的电磁波谱特征的差异来识别不同的物体。

• 水体电磁辐射特性

• 植被电磁辐射特性

• 不同种类

• 不同含水量

• 不同健康状况

• 岩石和矿物的电磁辐射特性

• 反射波谱特性

  • 不同的岩矿类型，由于其化学组成、结构、产状以及测量时的外部环境因素，使得光谱反射的形态发生许多变化，导致岩石的反射波谱曲线没有统一的特征

• 发射波谱特性

  • 岩矿物的发射率与其表面特性一一粗糙度、色调有关。一般说来，粗糙表面比平滑表面发射强，暗色地物比浅色地物有较高发射率，所以在同样温度条件下发射率高的物体热辐射强。

• 土壤电磁辐射特性

• 人工地物目标的电磁辐射特性

• 反射波谱特性人工地物目标主要包括各种道路、广场、建筑物以及人工林与人工河等。人工林与人工河的光谱反射特征与自然状态下的植被与水体大体相同。各种道路的波谱曲线形状大体相似，但由于建筑材料的不同，存在一定的差异，如水泥路的反射率最高，次之为土路、沥青路等

• 蚀变异常信息提取的波谱依据

• 复杂情况

  • 同谱异物：在某一个谱段区，两个不同地物可能呈现相同的谱线特征

  • 同物异谱：可能同一个地物，处于不同状态，如对太阳光相对角度不同，密度不同，含水量不同等等，呈现不同的谱线特征

  • 高光谱的目的

  • 对不同的研究对象要掌握其波谱特性，这是遥感的基础。

• 研究对象的特性参数

• 每个地面目标有其自身的各种参数

  • 土壤、水质、植被、庄稼等以及各种现象

  • 研究对象的特性参数与其波谱特性之间关系

时间特征

• 两方面含义

• 自然变化过程，即其发生、发展和演化

• 节律，既事物的发展在时间序列上表现出某种周期性重复的规律。

  • 如太阳黑子活动 11 年一个周期，植物生长有它的季相节律。节律有长有短，并不是所有的地面对象都具有这一特征。

• 任何一个遥感对象都处于一定的时态之中，有它的时相变化过程。遥感信息是瞬间记录，在分析遥感资料时必须考虑研究对象本身所处的时态，不能超越一个瞬时信息能反映的范围。

• 变化类型：快和慢

解译对象的划分

• 解译对象的划分涉及到被揭示地物的组成，也涉及到被研究的地物的性质，特别是观察的角度有很大区别。

• 遥感的物理特性（电磁波谱特性）

• 地物的变化过程

• 多种不同的解译对象划分方法

  
  
  
  
  
  
  
  
  

  	解译对象划分原则	地物组成	地物举例
  1	按照解译对象的专题特性	地理基础信息	居民点、水系、高程、道路等
  		景观	沙漠、草原
  		地质地貌	地层、断层、滑坡等
  		土地利用	工业、商业、农田等
  		其他	工程设施等
  2	按照解译对象的形成状态	自然形成地物	森林、沼泽、湖泊等
  		人工构成地物	居民点、道路、桥梁等
  3	按照解译对象线性尺寸的绝对值和相对值	密集（点状）的地物	房屋、独立树、飞机等
  		线状（延伸）的地物	道路、河流、飞机跑道等
  		面状地物	湖泊、林地、飞机场等
  4	按照地物要素的组成和用途	简单地物	房屋、独立树、飞机、跑道等
  		复杂地物	城市、林地、飞机场等
  5	按照电磁波谱特性	可见光地物反射	不同反差的地物
  		近红外地物反射	植被等
  		地物热辐射	热岛等
  		地物微波特性	土壤含水量等
  6	按照地物位置的稳定性	活动地物	海洋中冰、天上的云
  		固定地物	水系、道路网等

• 活动的痕迹

• 也是间接标志！对确定工业企业、道路、军事目标等人工物体的性质最有意义。

• 常涉及到某些天然物体，如根据水和岸的相互关系可以确定河流方向和土的性质。

• 按照地物存在的持续期和它们的特点可把它们分成运动的和固定的地物。

  • 运动地物：那些变化着自己性质的地物；或是在比较短的时间内，如几小时，几昼夜，几星期之内就消失的地物。

  • 固定地物：相对而言，变化着自己的特性，但这种变化要在一个季节、几年或更长时间才发生。这种分类对获取海冰在海洋中的位置、获取云量以及部队位置等方面的信息尤为重要。

地表覆盖类型

• 地理国情普查地表覆盖类型

• 水田

  • 指用于种植水稻、莲藕等水生农作物的耕地。包括实行水生、旱生农作物轮种的耕地。

• 旱地

  • 指无灌溉设施，主要靠天然降水种植旱生家作物的耕地，包括没有灌溉设施，仅靠引洪淤灌的耕地。

• 园地

  • 指种植以采集果、叶、根、茎、枝、汁等为主的集约经营的多年生木本和草本作物，覆盖度大于 50%或每亩株数大于合理株数 70%的土地。包括用于育苗的土地。

  • 果园

  • 茶园

  • 橡胶园

  • 乔木

• 草地

  • 指生长草本植物为主的土地

• 具体的地表类别非常丰富

• 需要对每个类别去分析其空间分布、波谱特性、时间特性。

• 建立每类地物的样本库

• 遥感影像解译包括场景识别、目标检测、地物分类、变化检测、三维重建等不同层次的任务，每种任务都可基于多种影像资源(多类型传感器、多时相、多尺度)来实现，面向智能解译的样本库必须充分体现这种多源特性，才能保证解译精度。

• 样本模型

• 面向任务的样本模型

  • 针对场景分类、目标检测、地物分类、变化检测、三维重建等解译任务，需要有相应的样本类型

  • 场景分类样本

    • 场景识别对应于计算机视觉中的图像分类任务，其目的是自动给航空或航天遥感影像贴上特定语义类别标签，支持场景与目标(如机场、码头、立交桥等)的快速检索。

    • 场景数据主要包括局部或区域性场景影像，以及对应的分类文本标签。

  • 目标检测样本

    • 目标检测是在影像中定位一个或多个感兴趣的特定地物(如建筑物、车辆、飞机等)，并识别预测地物相应的类别。

    • 主要包括目标影像、目标定位框坐标数据、目标分类信息。由于遥感地物内容繁杂，有时解译模型难以区分或判定部分样本中细分的地物类别。因此，需要综合考虑地物目标的地域、时相、地形地貌、地块分布模式或其在影像中的图斑大小等因素，甚至需要提供示例图片进行说明。

  • 地物分类样本

    • 利用遥感影像进行语义分割的目的是将遥感影像中的每个像素与预先定义的地表覆盖类别关联起来。包含影像数据以及对应逐像素分类的栅格分类信息数据。

  • 变化检测样本

    • 用于定位及识别同一地理位置处多时态间的变化信息。需要前后两个时相的影像，并且基于统一分类体系对标签影像的图斑属性进行标注。需要针对每种变化类型制定合理的判定准则和规范要求，必要时提供示例说明。

  • 立体多视样本

    • 样本集由密集匹配数据集构成，用于通过多视角遥感影像构建三维地表模型。

    • 原始数据包括多视影像，以及对应的相机内外方位元素参数、影像覆盖范围的地面真值参考数据(主要为激光点云或产品级三维地表模型)。通过自动配准方法，将影像与高程数据进行匹配，形成样本数据。

• 地学对象及现象

• 空间特征

• 光谱特征

• 时间特征

思考题

• 影响地物波谱特性的因素有哪些？

• 掌握遥感研究对象的特性，在遥感图像解译中有什么意义、作用？

• 如何获取、描述这些特性？如何建立特征库？

• 描述你了解的地物或者区域具体空间分布特点。也可以选择一位你熟悉的人。要求：详细准确。

• 请详细分析遥感研究对象特性之间的相关性？

---

第三章 遥感数据的物理属性和成像性能

• 应用的前提是需要获取对象的数据

• 遥感数据的属性由什么决定？

• 不同分辨率对应的目标

• 主动式传感器

• 微波散射计

• Lidar

• SAR

• 决定遥感数字图像量测性能及其上地物细部的再现能力的主要是图像的成图比例尺

遥感数据的多源性

• 遥感平台和载体的多层次

• 地球同步轨道卫星（36,000 km）

• 太阳同步轨道卫星（500-10,00 km）

• 航天飞机（240-350 km）

• 高高度航空飞机（10,000-12,000 m）

• 中低高度航空飞机（500-8000 m）

• 直升飞机（100-2,000 m）

• 低空载体（800 m 以下）无人机

• 地面车辆（0-30 m）

• 遥感卫星的种类

• 测绘卫星

• 气象卫星

• 资源卫星

• 海洋卫星

• 环境卫星

• 制图卫星

• 夜光卫星

• 传感器多样性

• 遥感数据的多样性是由传感器决定的

• 传感器的成像方式

遥感图像的量测性能与几何分辨率

• 遥感图像的量测性能

• 对地物细部和在其上的各个物体之间几何关系的再现能力

• 有很多因素对确定地物几何尺寸的精度有影响

  • 图像的不清晰度

  • 图像的比例尺或分辨率。

• 影响因素

  • 摄影图像上决定长度测量质量的原因

  • 物体摄影图像构像规律方面的误差

    • 图像的不清晰度

    • 对直线透视规律的破坏

  • 量测物体图像方面的缺陷

    • 图像辨认

    • 仪器影响

• 图像比例尺的重要性

  • 真正对遥感图像量测性能及其上地物细部的再现能力有决定性作用的是图像的成图比例尺。

  • 不同比例尺的图像对成图完整性有重要影响

• 图像量测性能决定因素

  • 影响地物识别的图像比例尺要考虑许多因素才能加以确定

  • 测图比例尺，解译和测量工艺，对地图内容完整性的要求，已有的处理和量测设备，以及经济方面的考虑等。

  • 对于遥感数字图像，决定其图像量测性能及其上地物细部的再现能力的主要是几何分辨率

• 几何分辨率

  • 几何分辨率概念

  • 与空间分辨率的区别

  • 特殊地物对几何分辨率的要求

  • 摄影图像比例尺与图像几何分辨力之间近似关系

  • \(R_g\approx \cfrac{1(mm)}{7(线 对)}\times\cfrac{1(m)}{1000(mm)}\times M\)

• 空间分辨率与成图比例尺

  • \(e\times M\times 10^{-3}=C\times R\)

  • R：遥感图像空间分辨率 (m)

  • M：可制作的合理成图比例尺(比例尺分母)

  • C：为图像几何校正系数，经几何校正以后的像元位置均方根差 RMS，以像元为单位

  • e：为人眼的分辨率，通常采用 0.2mm（0.1mm）

  • 左边是一般图件允许的实地误差；右边是遥感图像校正后存在的实地误差。

• 成图比例尺、航摄比例尺及图像地面分辨率参考

  成图比例尺	航摄比例尺（规范规定）	图像地面分辨（m）
  1:5000	1:10000-1:20000	0.4-0.8
  1:10000	1:20000-1:40000	0.8-1.6
  1:25000	1:25000-1:60000	1.0-2.4
  1:50000	1:35000-1:80000	1.4-3.2

• 成图比例尺与遥感图像空间分辨率

  成图比例尺	尺空间分辨率（m）
  1：250000	LANDSAT-7(15)
  1：100000	LANDSAT-7(15) SPOT-4（10）
  1：50000	SPOT-4（10） SPOT-5(2.5)
  1：25000	SPOT-5(2.5) IKONOS-2(1) QUICKBIRD-2(0.61)
  1：10000	IKONOS-2(1) QUICKBIRD-2(0.61)
  1：5000	IKONOS-2(1) QUICKBIRD-2(0.61)

• 各种遥感目的对空间分辨率的要求

• 巨型地物与现象

• 大型地物与现象

• 中型地物与现象

• 小型地物与现象

• 不同地物和地学现象要求

  • 利用不同分辨率图像提取信息时，可以利用的特征不同，处理方法不同。

  • 涉及尺度

多光谱图像及光谱分辨率

• 光谱特性曲线与波段

• 不同波段的图像及组合

• 光谱分辨力概念

• 扫描成像类型图像

• 扫描成像类型的多波段图像既可以分别解译，也可以多波段组合解译。

  • 单波段图像（波长在 0.35~14μm 范围内的某个波长区间）。传感器光谱分辨率的选择是与它的探测目的相对应的，波段中心位置的选择要与地物特征光谱位置相对应。

  • 以植物遥感光谱分辨率的选择为例，从 0.4~2.5μm 划分了植物的 8 个有效（可选）波段

    • 0.45~0.50μm，色素吸收波段。即在叶红素及叶绿素吸收区之内。其特性与红波段相似。

    • 0.52~0.59μm，绿色反射波段。对区分不同林型及树种可能提供较多信息。

    • 0.63~0.69μm，对区分有无植被、覆盖度及植物健康状况极为敏感。

    • 0.70~0.74μm，过渡波段。一般仅能增加噪声，但也有特殊功能，如受金属毒害的植物在此波段范围内，其反射率表现最明显。

    • 0.74~0.90μm，绿色植物（活的）的各种变量与反射率关系最敏感的波段，为植物通用波段。

    • 1.10~1.30μm，在高反射区与水吸收区之间，能区分植物类别，对岩石可能也有用。

    • 1.55~1.75μm，2.1~2.3μm，均是位于几个水吸收带之间的反射峰。对土壤及绿色植物有很强的对比。

  • 多波段图像（波长在 0.35~14μm 范围内的若干个波长区间）。由于存在多个不同波长范围的地物辐射信息，可采用不同波段比较、假彩色合成等方式进行分析和解译。

• TM 图像的不同组合情况

• 4、3、2 类似于彩色红外图像，是一种标准假彩色图像，用于植被分类、水体识别。

• 3、2、1 类似于仿制真彩色图像，用于各种地类识别。图像平淡、色调灰暗、彩色不饱和、信息量相对减少。

• 7、4、3 类似于仿真彩色图像，用于居民地、水体识别。

• 7、5、4 是一种非标准假彩色图像，图像偏蓝色，用于特殊的地质构造调查。

• 5、4、1 是一种非标准假彩色图像，植物类型较丰富，用于研究植物分类。

• 4、5、3 特点

  • 凡是与水有关的地物在图像中都会比较清楚

  • 强调显示水体，特别是水体边界很清晰，益于区分河渠与道路

  • 由于采用的都是红波段或红外波段，对其它地物的清晰显示不够，但对海岸及其滩涂的调查比较适合

  • 具备标准假彩色图像的某些点，但色彩不会很饱和，图像看上去不够明亮

  • 水浇地与旱地的区分容易。居民地的外围边界虽不十分清晰，但内部的街区结构特征清楚

  • 植物会有较好的显示，但是植物类型的细分会有困难。

• 3、4、5，它是一种非标准的接近于真色的合成方案。对水系、居民点及其市容街道和公园水体、林地的图像判读是比较有利的。

• 其中最常用方案

  • 使用 4 、3、 2 （近红外、红、绿）配红、绿、蓝，形成标准假彩色图像，是一种在大量总结实际经验基础上的最常用方案。它的地物图像丰富，鲜明、层次好。植被以红色显示，主要用于资源环境和土地利用调查或更新等。

  • 3、 4、 5（或 7）配蓝、绿、红的合成方案。它是一种非标准的接近于真色的合成方案。（仿真彩色合成方案）它利用了 TM 图像较丰富的多光谱（红、近红外、短波近红外）对水系、居民点及其市容街道和公园水体、林地的图像判读是比较有利的。

• landsat8 常用波段组合方式

  • 4、3、2：真彩色合成。

  • 5、4、3：标准假彩色合成，植被显示为红色，植被越健康红色越亮，还可以区分出植被的种类，可用于监测植被、农作物和湿地。

  • 7、6、4：假彩色合成，用到了短波红外波段，效果比较明亮，可用于城市监测。

  • 6、5、2：假彩色合成，主要用于农作物监测。

  • 7、6、5：假彩色合成，对大气层穿透能力较强。

• 热红外图像

  • 色调与辐射功率有关，主要反映了温度的差别，如可以产生“热影”或“冷影”。某些小而热的目标，由于热物体的“耀斑”效应，可以在热图像上显示出来（按照同样的比例尺在其他图像上难以显示）。

  • 热红外图像上的地物信息及相互关系随昼夜等时间因素会发生变化，如房屋与草地在白天和晚上的热红外图像上差别很大。

• 微波成像类型图像

  • 波长范围在 1m~1m。分为：毫米波（1mm~10mm），厘米波（1cm~10cm），分米波（10cm~100cm）几个波段。

  • 微波遥感：被动和主动微波遥感两类。

• 光谱分辨率研究的重要作用

• 开拓了遥感应用领域从利用综合波段记录电磁波信息，到分波段分别记录电磁波的强度，可以把地物波谱的微弱差异区分并记录下来，使遥感应用范围逐步扩大

• 专题研究中波谱段的选择针对性越来越强

• 信息提取可以提高分析解译效果。对于复杂的目标进行分离提取或解译时，往往不仅要利用其特征波段内的差异，还要利用各波段间的差异。

• 相比于光学成像卫星只能看到物质的形状、尺寸等信息，高光谱卫星具备的光谱成像技术，可使光谱与图像结合为一体，探测各类物质的具体成分。

• 具体应用：比较分析

• 光谱响应与参比数据

• 光谱响应标志

  • 作用：能分辨出目标的类型和条件。

  • 依据：反射光谱曲线和发射光谱曲线。地物的光谱特性标志——对不同波长下的特定地面物体取得的自然辐射测定值。

  • 存在的问题：光谱响应标志是可变的！

• 导致光谱响应标志可变性的因素

  • 影响因素：

  • 时间效应、空间效应、大气和不同传感器等的影响。

  • 时间效应：

  • 空间效应：

  • 大气的影响，也在某种程度上发生改变。

  • 结果：这传感器测得的光谱响应标志是相对的和不确定的。

  • 光谱标志的可变性

  • 物体本身的某些特性会影响着它们的光谱响应标志。
  • 大气的影响，使电磁波发生变化
  • 空间：角度(BRDF)，位置
  • 时间（晚上白天、季节）
  • 传感器本身

  • 地物本身（含水量 状态）

  • 光谱标志可变性对应用的影响

  • 分类时，要缩小光谱标志的可变性

  • 变化检测时，可能要增强这种可变性

• 为何要引入参比数据

  • 原因：由于光谱响应标志的可变性，需要参比数据。

  • 获取参比数据收集遥感待测目标、区域或现象的某些量测值或观测值。

  • 这些数据可以从一个来源或数个来源取得

  • 参比数据用途

  • 帮助遥感数据的分析和解译

  • 校准传感器

  • 验证遥感数据所提取的信息。

  • 参比数据的收集通常必须符合统计采样设计的原则。

  • 地面实况与参比数据

  • “地面”实况有关数据可以从空中取得，在分析小比例尺的高空或卫星图像时，就可利用较详细的航空图像作为参比数据。

  • 如果是研究水文要素，那么“地面”实况实际上就是指“水域”的实况。

辐射信息与辐射分辨力

• 光谱亮度系数、比辐射率

• 辐射传输方程

• 辐射分辨率

• 能区分两种辐射强度最小差别的能力

• 地物的辐射特征的重要性

• 对于某一个波段的图像，地物特征的识别主要依赖于它们的光谱响应及其变化。

• 如地物的形状与大小，仍然依赖于它的辐射特征与周围物体的不同（即色调的变化）来反映。

• 空间特征中的纹理结构，通过较小区域内光谱响应特征（色调）的变化频率来反映。

• 辐射特征与成像方式有关

• 地物反射辐射

• 地物的热辐射

• 地物的辐射功率与温度和发射率成正比

• 在热红外像片上其灰度与辐射功率成函数关系

• 温度（自然状态下）和发射率都与地物的热特性有关。

• 物体的热特性包括物体的热容量、热传导率和热惯量等。

• 不同时间下地物的热辐射程度不同

• 侧视雷达图像

• 地形起伏与反射强度的关系

• 各种表面的反射
• 阴影处完全无信息，注意镜面反射的影响

时间因素与时间分辨率

• 研究对象的时间特性

• 地表地物、气候、物候具有周期性和阶段性

• 时间分辨率

• 不同传感器的时间分辨率与目标的时间关系作用

• 时间分辨率的类型

  • 超短、短周期时间分辨率

  • 中周期时间变化率

  • 长周期时间变化率

• 不同地物的时间要求

  • 地质地貌专题地图（秋末冬初或冬末春初）

  • “三北”防护林的遥感调查与制图（五月末）

  • 解译海滨地区的芦苇地（五六月间）

  • 编制黄淮海地区盐碱土分布图（三四月间）

• 时间分辨率的作用

  • 选择最佳成像时刻的决定因素

  • 遥感动态应用方面的重要作用

  • 利用时间差以提高遥感的解译能力

  • 数据库更新的重要参考因素

  • 利用遥感图像解译、监测地面的动态变化。

遥感图像的成像性能

• 遥感图像的成像性能

• 传递地物辐射（反射或发射）信息分辨率和最小尺寸地物的能力。

• 遥感图像反差可用辐射能量的函数计算

• 遥感图像揭示地物细部的能力

  • 四个指标

  • 图像分解力

    • 在一 mm 长的图像上能够将绝对反差的线条分开成像的数量。

    • 摄影图像的反差换算成分解力的公式为

    • \(R_K=R(1-10^{-\Delta D})\)

  • 图像清晰度

    • 表示传递地物形状的能力，决定目视观测中有效的放大极限

    • 刀刃曲线

  • 图像反差频率特性

    • 在一定空间频率范围（可以用像素长度为依据），将图像反差与地物光学反差进行比较

  • 图像解像力

    • 图像上最小的、但还能分辨的地物尺寸

    • 相当于人眼的几何分辨率

  • 图像的光谱响应

• 图像分解力的确定

• 理想方法：由飞机上对布设在地面的专门标板进行成像。对标板摄影的条件应该相应于航空摄影的条件。

• 确定航空图像分解力

  • 严格方法往往难以实现，可以采用近似方法

  • 测图像上最小的能分辨的长形要素的图像宽度，对量测结果做统计处理后，计算公式

• 图像真实空间分辨率测定

  • 方法一

  • 求遥感图像上每一对检测点的间距并求和\(𝐷_𝑠\)

  • 求出地形图上每一对同名点的间距并求和\(𝐷_𝑝\)

  • 对它们的和取商得到图像的真实空间分辨率\(𝑅_{𝑟𝑒s}\)

  • 方法二

  • 分别计算 n 个检测点和 n 个同名点组成的封闭多边形的重心坐标\(𝑋_o\),\(𝑌_𝑜\) ,\(𝑋_{𝑜𝑡}\),\(𝑌_{𝑜𝑡}\)

  • 计算检测点到其多边形重心的距离之和\(𝐷_𝑆^\prime\)

  • 计算同名点到其多边形重心的距离之和\(𝐷_p^\prime\)

  • 求两个距离之和的商，即得到图像的真实空间分辨率\(𝑅_{𝑟𝑒s}\)

  • 传感器的光谱响应函数是波长的函数，是每个波长处接收的辐亮度与入射的辐亮度的比值

• 遥感图像的选择

• 各类遥感图像

• 遥感图像的选择

  • 合适的传感器

  • 最佳波段

• 为何要做最佳波段选择？

  • 与多光谱或高光谱发展是否矛盾？

  • 选择的依据与方法。

  • 选择最佳波段需要考虑哪些因素？

• 最佳图像含义

  • 为了使目标能被检测和识别，应要求信息具有足够大的强度，还应是地理现像呈节律性变化中最具有本质特性的信息

  • 被探测目标与环境的信息差异最大、最明显

  • 传感器空间分辨率和成像的时间

  • 数据量

• 合适的空间分辨率

  • 涉及成图比例尺的要求

  • 各种类型的传感器获取的图像与成图比例尺的关系

• 时间方面来考虑——“最佳时相”图像

  • 地物或现象本身的光谱特性

  • 太阳高度角的变化

  • 气象条件的影响

  • 对于人文现象的遥感时相的选择，需要考虑政治和经济的变革时期。

• 波段方面来考虑

  • 不论应用何种遥感方法，其基本目的是要将特定的目标从背景中探测出来。在电磁波谱的反射（或发射）谱段中，能否将目标从背景中探测出来，主要取决于目标与背景的光谱反射（或发射）率有否显著的差异。

  • 目标与背景反射（或发射）率差异最显著的波长区间，即为最佳的遥感波段。

• 具体方法

  • 目标反射率均方差目标与背景反射（或发射）率差异最显著的波长区间

  • 最佳指数法

  • 自适应波段选择

  • 其他方法

  • 特征选择

  • 定性分析

  • 测度距离：采用标准化距离

  • 散布矩阵

思考题

• 传感器的发展趋势

• 有何优点与问题

• 具体应用图像的时候要注意什么

• 为何要做最佳波段选择？与多光谱或高光谱发展是否矛盾？选择的依据与方法。选择最佳波段需要考虑哪些因素？

• 针对不同传感器获取的图像，对不同地物提取最佳波段做出选择。

• 说明选择的重要性、依据、方法、验证的依据以及存在的问题。

---

第四章 遥感数据的信息性能

图像解译的可能性

• 遥感图像解译，关注可能性概念

• 作为信息源的遥感图像

• 获取信息解译过程本身

• 方法可能性

• 数据可能性：空间、光谱、辐射、时间分辨率

• 图像解译的可能性

• 图像上的地物被识别和未被识别的事实是偶然事件

  • 对识别概率的评价

  • 事先评价（预测）：评论遥感图像的可解译性，对影响解译结果的主要因素予以考虑。可以选择图像获取和处理的最佳方法和技术手段，力求以给定的完整性、详细性和置信度完成解译工作。

  • 事后评价：对结果的可靠性、完整性等评价

• 从简单地物的概念出发，计算识别复杂地物的概率简单地物到复杂地物关系，可以从两方面考虑

  • 由例证出发（样本）

  • 从特征出发（样本的内在特征）

  • 普遍意义：一般情况如果某一概念仅与少数特征有关系，说明此概念可以在众多景物出现。

  • 特殊：如果某一概念与较多的特征有关系，说明具有这些特征的景物较少。

    • 地物一：色彩、大小、位置和空间关系

    • 地物二：色彩、大小、位置

    • 地物三：色彩、大小

    • 地物四：色彩

  • 所谓“鬼城”指大片无人居住的小区组成的区域，利用遥感技术找到鬼城，可以选择以下特征

  • 利用高空间分辨率卫星影像，发现整个小区几乎没有车辆

  • 利用热红外卫星影像，晚上识别不到小区的灯光

  • 利用高分辨率卫星影像，发现整个小区几乎没有人

• 复杂地物识别概率

  • 在根据简单地物的概率计算出识别复杂地物的概率时，一般应该先知道作为复杂地物元素的简单地物的某些先验的知识或评价。

  • 识别概率需要从传感器的几个分辨率去考虑

影响图像解译的因素

• 简单几何体 1 与人工地物 2 的识别概率试验曲线。

• A 代表解像力

• L 代表地物的最大线性尺寸

• 不同形状地物对识别概率曲线的影响

• B 越小，在相同 L 下分辨出的概率越大

• 组成复杂地物要素数量与复杂性系数的关系

• K 代表地物要素数量

• C 代表复杂性系数

• 识别自然地物的典型概率曲线分类

• 几种主要地物探测识别需要的基本分辨率

地物识别的可能性

• 简单人工地物识别

• 尺寸小，与周围背景比较，反差不大。

• 一般来讲，它们有特殊的（典型的）形状，这是解译人员必须关注的可能得到可靠结果的手段

• 简单人工地物识别概率的数学表示形式

  • \(P=Ce^{-(B \cfrac{A}{L})^2}\)

  • L——地物尺寸

  • A——遥感图像的解像力

  • B——形状的识别系数

  • C——影响复杂地物元素解译质量的相互位置系数。

• 简单人工地物可识别性分析

  • B 对理论识别曲线变化的影响

  • 组成复杂地物的要素数量与复杂性系数的关系

  • 在遥感图像上还能分辨出地物的最大元素（以最大尺寸表示的元素），地物有可能被识别。

  • 在需要分辨尺寸和形状上都很相近，而在细部上有差别的地物时，L 用细部的最大尺寸。

• 复杂地物的识别概率

• 识别对象的特征

  • 简单对象，它们的属性来自对景物的直接观察和测度。

  • 结构对象，结构对象由简单对象（或其它结构对象）以及它们之间的关系组成。

• 以上识别从空间分辨率的角度考虑

• 除了空间分辨率 ，还有

  • 光谱分辨率的作用

  • 辐射分辨率的作用

  • 时间分辨率的作用；

提高地物解译概率的途径

• 在给定图像比例尺的情况下，根据图像识别地物的概率，通过三个途径加以提高

• \(P=e^{-(B\cfrac{m}{2RL\sqrt{\Delta D}})^2}\)

• 提高图像的分解力（\(R\)）

• 提高图像反差（\(\Delta D\)）

• 建立良好的感受图像的条件（\(B\)即减少地物形状识别系数值）

图像的信息性能

• 信息传递通道的“通过能力”

• 图像的信息性能与混淆矩阵

• 图像的信息性能

• 图像的一种能力，在可理解的形式中反映地物和现象的详尽程度，这个详尽程度是识别自然现象、识别地球物理成因、识别静止和运动状态中的自然和人工地物所必须的。

• 反映所传递的这些地面信息的质量和数量，将遥感图像的成像能力、量测能力和信息容量等三个特性统一在一起。

  • 遥感图像的成像能力

  • 遥感图像的量测能力

  • 遥感图像的信息容量

• 不同比例尺图像的成像能力

  • \(C_{pa}\)是成像能力的平均值

  • \(m_c\)是图像比例尺

• 不同比例尺的图像量测能力

  • \(C_{ba}\)是量测能力的平均值

  • \(m_c\)是图像比例尺

• 遥感图像的信息容量

• \(Q=Q_{paS}+Q_{mbS}\)

识别过程的模式

思考题

• 通过影像分割得到的目标具有的特征包括

• 大小

• 形状

• 阴影

• 纹理

• 下列特征属于目标平面特征的是

• 大小

• 形状

• 纹理

• 与像元比较，目标比像元具有更多的特征，这些特别包括

• 面积

• 形状

• 目标之间关系

• 纹理

• 事先评价对图像解译有什么指导意义？

• 分析不同大小的地物解译对空间分辨率的要求。

• 分析提高地物解译的可能性的途径。

• 根据本章内容，分析遥感数据的信息性能对图像解译有什么作用？

• 对一幅具体图像的不同地物解译可能性做一个基本评价，与目视判读进行比较。

---

第五章 遥感图像特征和解译标志

• 解译过程涉及：数据，样本、特征，算法，精度评价

• 遥感图像特征

• 特征的内涵

• 特征的种类

• 特征在解译中的作用

• 描述一个目标的方法与内容

  • 定性

  • 定量

  • 确定与模糊

• 图像的“色”和“形”

• 图像解译建立在研究地物性质、电磁波性质及图像特征三者的关系之上。主要从图像特征来判断电磁波的性质，以确定地物的属性，即从图像特征来识别地物

• 地物电磁波特征的差异在图像上的反映就是各种各样的色、形信息。

• 整个遥感图像的图像要素或特征

  • 色：色调、颜色、阴影、反差

  • 形：形状、大小、空间分布、纹理等。

• “形”只有依靠“色”来解译才有意义。

• 空间域特征与频率域特征

• 遥感图像上目标多包含周期性、非周期性成分、噪声、背景。在空间域分离有一定难度。通过变换在频率域处理

• 频谱与波谱一样，区别地物属性的主要依据。

• 图像的频谱表征了地物目标的空间频率特性，与地物的空间特征存在密切联系

• 地物在遥感图像上的解译标志包括

• 波谱响应

• 阴影

• 结构（纹理）

• 大小尺寸

• 形状

解译标志的定义和分类

• 概念

• 遥感图像光谱、辐射、空间和时间特征决定图像的视觉效果(时-空-谱) 、表现形式和计算特点，并导致物体在图像上的差别

• 作用

  • 区分遥感图像上物体或现象的可能性

• 类别

  • 色调与色彩、形状、尺寸、阴影、细部（图案）、以及结构（纹理）等。

• 色调与色彩

  • 色调与色彩对不同类型的遥感图像其意义不一样的

  • 可见光黑白图像， 地物的亮度和颜色都由色调来表达， 即黑白深浅的程度。（全色波段）

  • 可见光彩色图像， 表现为亮度 （I）， 色调 （H）和饱和度 （S）值。

  • 非可见光遥感图像

    • 热红外图像

    • 色调差别是物体辐射温度的差别

    • 侧视雷达图像

    • 色调差别是表示物体反射电磁波能量的大小

    • 影响因素

      • 入射角
      • 地面粗糙程度
      • 电特性
      • 极化

    • 多光谱图像

    • 对彩色物体的色调判读，要按反射率的强弱与波长之间的关系来定。

• 形状 （轮廓）

  • 形状一般指物体或图形由外部的面或线条组合而呈现的外表。同一地物由于图像获取方式的不同，其形状可能不完全相同。例如，空中俯视地物图像与侧视和斜视的地物图像不同。（形状是具有不确定性的）

  • 通过比较中心投影图像、 侧视雷达图像、热红外图像和小比例尺图像，可以发现形状上的差异。

  • 有很多种形状指数计算方法

  • 目标的形状

  • 像元的形状

• 大小（尺寸）

  • 图像上地物的大小，与图像的空间分辨率有关，地物本身的尺寸有关。

  • 地物图像的大小不仅影响面积的计算，其与构像比例尺的关系，常常形成所谓的混合像元。

  • 有关图像覆盖面积与地面几何分辨率（从图像上所能辨认地面物体的最小尺寸）的关系。

• 阴影

  • 可见光范围内的阴影：本影和落影

  • 热红外图像上的阴影：冷影和热影

  • 雷达影像：盲区产生阴影

• 图案（细部）

• 纹理（结构）

• 目标之间的空间关系

• 位置与位置算子

  • 位置是指地物所处环境在图像上的反映， 即图像特定位置上目标(地物)与背景(环境)的关系。它对图像解译有间接的指引作用。

  • 为了在图像上的特定位置识别某些地物， 可针对这些特别的位置设定一些特别的处理方法，称为位置算子

• 遥感图像解译要素一览

  • 遥感构像规律

  • 地物波谱特性

    • 基本要素

    • 色调、色彩

    • 空间特性

    • 大小、形状、纹理

    • 图形、高度、阴影

    • 生物地学规律

    • 位置、关系、变化

  • 与生物地学规律的关系

    • 复杂程度

    • 单一

      • 色调、色彩

    • 简单

      • 大小、形状、纹理

    • 中等

      • 图形、高度、阴影

    • 复杂

      • 位置、关系、变化

  • 四个层次的信息

  • 光谱特征

  • 空间特征（平面的）

  • 空间特征（高度的）

  • 地物之间的空间关系

  • 注意高空间分辨率图像与中低空间分辨率图像上特征的区别

• 解译标志的类别

• 解译标志——揭示标志

  • 解译标志：研究、比较和区分地物图像的条件。这项工作的结果用于地物图像的识别。

  • 揭示标志：在目视观察时借以将物体彼此分开的被感知对象的典型特征。

  • 但是在多数情况下，基于遥感图像识别地物并作出决定时，似乎并不是利用解译标志，而是利用揭示标志。

  • 由识别的观点来看，解译标志就是以遥感图像的形式传递的揭示标志。

• 直接标志——间接标志

  • 揭示标志和解译标志都可分为直接标志和间接标志。

  • 直接标志

  • 是地物本身和它们的遥感图像所固有的。“摆在面上”，可用较为简单的观测和量测方法在图像上加以确定。

    • 包括色调（颜色）、形状、尺寸、阴影、细部（图案）和结构（纹理）。

  • 直接标志在不引用其它资料的情况下，在这样或那样的置信程度上，可以保证对地物的直接识别。通常情况下能够获取的直接标志越多，解译的结果就越可靠

  • 间接标志

  • 间接标志并不直接与物体有关。它们自己不能确保对物体的识别，但却能指示出用直接标志不能确定的，或在图像上没有成像的那些物体的存在，它们有助于排除由分析直接标志所作结论的多义性，还能取得物体的补充特性。

  • 间接标志中有物体的位置（配置），物体间的相互关系和人类活动的结果，其中包括技术和机器作业的痕迹等。

  • 直接标志与间接标志具有相对性

  • 房屋提取中的阴影假设

  • 在图像上寻找物体的间接标志要比找直接标志复杂。在工作过程中，图像使用者需要有较全面的知识并对图像进行仔细分析。一般来说，经验较丰富的解译人员能够更广泛地利用间接标志。

  • 直接标志和间接标志在复杂的地理信息空间中都存在较大的不确定性

  • 地质遥感解译间接解译标志

  • 水系：由于水系能很好的反映地面的岩性、构造等地质现象，水系的发育与地貌地质相互联系，某些水系的格局能反映地质构造的特点。

  • 地貌：地貌的形态决定于一定的岩性构造等地质基础，同时也决定于一定的气候水文等地质条件，不同的地貌形态是不同岩性、构造在不同内外动力作用下的结果。

  • 水文：水文主要是指陆地水文特征，包括水体、土壤的含水性、地下水的溢出带等，特别是在干旱区为主要的解译标志。

  • 植被的分布：尤其在识别矿产的露头时，对蚀变带的识别，可将植被异常作为重点研究对象。

  • 环境地质及人工标志：古代与现代的采场、采坑、矿冶遗址、渣堆是地质找矿的标志，耕地的排布反应地形地貌的特征，是历史上活动与地质体有关的痕迹。

• 永久性和临时性的

  • 揭示标志和解译标志分为永久性和临时性的。

  • 永久性标志是形状、尺寸、结构（图案）、位置和物体之间的联系

  • 临时性的标志是细部、色调（颜色）、阴影和物体作用的痕迹。

  • 所谓的永久性标志通常涉及图像的不变特征。临时性的标志与图像特征的可变性和局限性有关。有多种因素可以导致同一地物或现象的图像特征发生变化，主要包括空间环境变化、时间变化、地物本身的特性以及传感器的性能。

  • 色调、阴影是临时性的指标

• 典型样区解译标志

• 多光谱图像

  • 水体

  • 深蓝色，条带或者面状，平滑细腻

  • 水田

  • 粉红色，条带状，平滑细腻

  • 灰白色，条带状，平滑细腻

  • 林地

  • 鲜红色，不规则片状，有立体粗糙感

  • 深红色，不规则片状，有立体粗糙感

  • 草灌

  • 深青色，夹杂一点红色，不规则片状，平滑有粗糙感

  • 青黄色，夹杂一点青色和红色，不规则片状，平滑有粗糙感

  • 居民地

  • 青色，不规则面状，较粗糙，网格状有立体感

  • 青白色，不规则面状，较粗糙，网格状有立体感

  • 阴影

  • 深黑色，条状，平滑

  • 滩涂

  • 亮白色，平滑细腻，线絮状

  • 铁路公路

  • 亮白色，规则线状，平滑为右图中亮白色部分

  • 工矿地

  • 亮白色，片状，光滑为右图中白色区域

  • 典型地物图像特征表

• SAR 图像与光学图像对比分析

• 解译标志组成结构图

• 视觉心理与解译标志的关系

• 解译标志是启发式标志，或称为“人为的”标志，由有经验的解译人员在研究地物和地物的图像时提出并加以归纳的结果。

• 对世界的感知，部分依赖于对客观事物的感觉，另一部分，可能是更重要的的一部分，来自于人的思维。

• 格式塔心理学

  • “格式塔”定义为“一个各部分之间相互影响的有机整体，而整体大于各部分之和。”

• 知觉定律

  • 接近性

  • 相似性

  • 良好的连续性

  • 封闭性

• 格式塔心理学在图像解译中的作用

  • 遥感图像解译的目的就是要获取地物的边界。

  • 实际情况，由于地物本身的复杂性以及传感器性能的限制，地物在图像上往往不是连续的或者完全一致或者闭合的。

  • 需要考虑地物在空间上分布接近、色调一致、连续性、完整性

• 三维信息的获取

  • 阴影

  • 梯度变化倾斜成像

  • 立体像对

• 针对具体的目标描述特征和解译标志

• 前面提到的解译标志是针对所有目标的：共性

• 不同的目标所用的解译标志是不一样的：个性

  • 水体解译 土壤解译 地质解译

• 可以根据不同传感器考虑

遥感图像特征与解译标志的关系

• 遥感图像解译要素

• 遥感构像规律

  • 地物波谱特性

  • 基本要素

    • 色调、色彩

  • 空间特性

    • 大小、形状、纹理

    • 图形、高度、阴影

  • 生物地学规律

    • 位置、关系、变化

  • 与生物地学规律的关系

  • 复杂程度

    • 单一

    • 色调、色彩

    • 简单

    • 大小、形状、纹理

    • 中等

    • 图形、高度、阴影

    • 复杂

    • 位置、关系、变化

• 四个层次的信息

  • 光谱特征

  • 空间特征（平面的）

  • 空间特征（高度的）

  • 地物之间的空间关系

  • 注意高空间分辨率图像与中低空间分辨率图像上特征的区别

• 特征

  • 原始图像特征

  • 变换后的特征

  • 其他特征

• IKONOS 传感器波段特征

• IKONOS 图像各波段统计特征值

• 光谱之间相关

• 像元形状指数

• 高空间分辨率图像的特点

• 像元形状指数计算

• 主要特点

  • 一种描述局域形状特征的空间指数

  • 计算具备光谱相似性的邻接像元组的维数

  • 能探测 20 个以上的方向

  • 较小的计算代价。

• 由同质图像获取对象的解译标志（判读的实质）

• 农业用地，相邻农业用地之间清晰的边界将有助于分类，因为农业景观的边界是相对稳定的，而作物类型常常是变化的。

• OBIA 的核心思想是把对象(Object)作为图像特征提取和分析的最小处理单元。相对于传统的基于像素(pixel-based)的处理方式而言，OBIA 方法是随着商业化高分辨率图像的出现，而逐渐受到研究者的重视。

• 分割的特点在某个尺度下分割是最优的。(无最优尺度)

• 区域的均匀性和像素的连通性

  • 均匀性是指该区域中的所有像素满足基于某些特征的相似性准则

  • 连通性是指该区域内任意两个像素存在可以连接的路径。

• 目视判读是一种定性定量的分析方法，通过比较分割得到的目标和人工判读的目标接近的程度，来评价分割的效果

• 目标具有的信息

  • 目标自身的信息：

  • 每个波段的光谱信息

  • 形状信息

  • 纹理特征

  • 类间信息

  • 原始的灰度图像比较

• 面向对象分析方法的优势

  • 模拟人类感知和观察目标的方式

  • 减小图像局部的光谱变化，增强同质性，减少椒盐效应

  • 减小类内方差，增加特征空间的可区分度

  • 能进一步提取图像的结构、形状等几何属性

  • 矢量化的输出能更有效的与 GIS 系统结合。

• 灰度共生矩阵

遥感图像的时空特性

• 空间和时间准则

• 对于同一区域的多幅图像（包括立体图像），可以考虑地物的空间特性、时间特性、运动特性等。

• 空间准则

  • 对于同一区域的多幅图像（包括立体图像），可以考虑地物的空间特性、时间特性、运动特性等。

  • 多角度遥感数据

  • 获取信息更为丰富。但是也有一定的难度。

  • 几何纠正问题

    • 分辨率不一致

    • 局部形变不一样

    • 相同地物在不同的角度具有不同的灰度值。

• 时间准则

  • 时间特性：地物发生、发展和演化过程

  • 节律：地物或现象在时间序列上的周期性重复出现。

  • 反映在图像上例如，由于地物热辐射的差别，白天和晚上的热图像是不一样的。

• 空间特性和时间特性的转化

  • 地物随着时间的变化：表现为图像上位置的不同，即物体的活动特性

  • 地物在某个固定位置上的性质改变，可以揭示物体的时间特性。

• 光谱信息与时空特性的结合

• 实际环境中只有二维的显示设备，需要利用人眼的特性，将三维的图形图像信息通过视图变换的方法显示到二维设备上，以达到三维的视觉效果

• 时间序列的应用

地物统计特征的构造

• 玫瑰图

• 利用玫瑰图进行分类

  • 聚类因子

  • 聚类准则

遥感图像中的独立变量

• 亮度

• 温度

• 色彩和色扇

• 通过色彩变换构造新的独立变量：亮度、色调、饱和度

• 为了便于对照， 可以按照亮度的变化， 将色彩空间分成不同的扇形， 其中半径大小反映了饱和度的变化， 扇形弧度反应色调标志

• 色扇分析：通过将作为标准的地物按光谱属性的差异分别将它们标在扇形相应的位置上，可以得到地物解译的色彩标准， 可进行解译工作。

• 绿度(植被指数)

• \(NVI=(IR-R)/(IR+R)\))

• 反照度

• 反照度指太阳入射地面后，地面照度发射到卫星上去的物理总量

• 湿度

• 与土壤含水量有关，与表观热惯量有关，而表观热惯量是反照度的函数，可以利用遥感信息获取。

• 植被状态指数

• 通过植被状态指数与土壤湿度之间的关系来反演，而植被状态指数与植被指数有关。

思考题

• 为什么直接标志和间接标示具有相对性？
• 雷达图像是斜距投影，其图像的变形与其它图像不同。它影响空间特征解译表现在哪两个方面
• 生成玫瑰图的关键是什么？如何提取线状地物？
• 判断地物的类别有很多的特征和指标。有些是可见的，有些是不可见的，需要去发现和构造。请详细列出能够区别地物类别属性的特征。除了教材提到的特征外，还有什么特征可以来补充描述或者识别地物类别？可以举具体的目标加以说明。
• 分析遥感图像解译标志之间存在的相关性。
• 利用某个区域某个传感器图像做特征分析。
• 说明掌握目标特征及解译标志的意义。
• 图像对象的含义，如何获取？
• 遥感图像解译使用的特征和以及对应的解译标志分别有哪些？可以分为几个层次？每个层次之间相关性如何？
• 根据自己的理解给出像元形状指数（PSI）的含义

---

第六章 遥感图像解译方法

• \(d_i(X)=f(X,M_i,\Sigma_i,...\ ,\omega_i)\)

• \(y=f(DN_\lambda)=aDN_\lambda+b\)

• 提取的信息类别及应用

提取信息类别	应用
空间位置	平面位置，高程
类别信息	土地覆盖、目标识别（建筑物、植被和农作物等）
物理量和指标	温度、大气成分、土壤含水量、植被指数、浑浊指数
特定地物和姿态	火灾，水灾，线性构造，遗迹探察
环境信息	环境监测
变化监测	上述对象随时间变化的情况

类型	主要方法	应用领域	数据源	传感器空间分辨率	传感器光谱分辨率	传感器时间分辨率
图像分类	监督 非 监督	农林、国土资源调查与规划	TM，ETM， SPOT，ZY 等	中	中	中
定量遥感	反演模型	生态环境及动态监测	MODIS、AVHRR、 高光谱数据	低	高	高
目标识别	图像分割 模式识别	城市信息更新、军事目标探测、农林地块精细识别、大型工程设施监控、新闻热点、社会问题	高空间分辨率图像	高	低	高中低

• 解译过程

• 目的：数据到信息的转化

• 采用什么数据：遥感图像？地面数据？选择依据？

  • 样本数据的作用

  • 训练

  • 检查验证参数

  • 精度评定

• 选择什么特征或影响因子：

  • 分类：特征、解译标志

  • 反演：独立变量？中间变量？人文因子？

• 采用什么方法或模型：

  • 定性或定量；统计、机理的。

  • 对于计算机：如何确定模型，实测数据如何得到？

• 结果验证。

目视判读和计算机辅助分类

• 目视判读

• 判读依据

  • 光谱响应曲线与光谱特性曲线

  • 响应曲线和特性曲线的区别

• 判读特征和解译标志

  • 地物波谱特性

  • 基本要素

    • 色调、色彩

  • 空间特性

    • 大小、形状、纹理

    • 图形、高度、阴影

  • 生物地学规律

    • 位置、关系、变化

  • 与生物地学规律的关系

  • 复杂程度

    • 单一

    • 色调、色彩

    • 简单

    • 大小、形状、纹理

    • 中等

    • 图形、高度、阴影

    • 复杂

    • 位置、关系、变化

• 判读原则

  • 从“已知”到“未知”

  • 从“整体”到 “局部”

  • 先易后难

  • 对象语义与范围的确定可以交互进行

  • 逐步近似判读

• 判读方法

  • 图像判读方

  • 直判法

  • 对比法

  • 邻比法

  • 历史比较（动态对比）法

  • 综合辨认法

  • 不同类别图像的判读

  • 单波段图像

  • 多光谱图像

  • 热红外图像

  • 雷达图像

  • 多时相图像

• 判读精度

  • 影响判读精度的因素

  • 提高判读质量的方法

• 目视判读应该注意的问题

  • 数据选择

  • 图像处理

  • 图像增强

  • 图像变换（不需要）

  • 特征选择

  • 方法应用

• 立体图像判读

• 目视判读的优缺点

  • 精确

  • 主观

  • 劳动强度高

• 计算机辅助分类

• 基本情况

  • 分类依据

  • 使用特征

  • 分类方法

  • 精度评价

  • 优缺点

  • 注意问题

  • 数据选择

  • 图像处理

  • 图像增强（不需要）

  • 图像变换

  • 特征选择

  • 方法应用

• 基于统计的分类方法

  • 最大似然分类

  • ISODATA 算法聚类分析

• 基于目标的分类方法

  • 减小椒盐噪声

  • 尺度

  • 异质性值

  • 光谱信息权

  • 形状信息权

  • 光谱异质性值

  • 形状异质性值。

  • 光谱信息权不可能小于形状信息权，要以光谱为主

  • 基于目标的信息提取

  • 类层次结构以及提取信息的内容

  • 基于模糊理论的信息提取

    • 优点

    • 利用隶属度函数将分割获取的图像对象特征转化为模糊值

    • 不同特征之间可以组合，这样的特征不需要是相同的特征

    • 提供了明确的和可调整的特征描述

    • 通过模糊运算和层次类型描述，能够进行复杂的特征描述

  • 一个模糊分类系统的基本结构

  • 特征值模糊化

  • 模糊规则库

  • 去模糊化

  • 分类器

    • 最邻近法

    • 基于知识的分类

  • E-cognition 多尺度分割分类的相关参数

  • 分类的关键

    • 特征的可选择性以及可分离性

    • 多尺度分割提供大量的特征，选择最佳的有利于信息提取的特征是基于目标的分类的关键所在

• 支持向量机

  • 特点：在解决小样本、非线性及高维模式识别中表现出许多特有的优势，能够推广应用到函数拟合等其他机器学习问题中

  • 线性可分

  • 间隔最大

  • 线性不可分

  • 松弛变量ξ 和惩罚因子𝐶

  • 对于高维非线性

  • 将训练样本从原始空间映射到一个更高维的空间，使得样本在这个空间中线性可分，如果原始空间维数是有限的，即属性是有限的，那么一定存在一个高维特征空间是样本可分

  • 核函数是二元函数，输入是变换之前的两个向量，其输出与两个向量变换之后的内积相等

  • 用线性分类方法求解非线性问题分为两步：使用一个变换将原空间的数据映射到新空间；在新空间用线性分类学习方法从训练数据中学习分类模型

  • 此时，核函数就隆重登场了，核函数的价值在于它虽然也是将特征从低维到高维的转换，但核函数可以事先在低维上进行计算，而将实质上的分类效果表现在了高维上

  • 分类方法

  • 一类对余类 SVM

  • 一类对一类 SVM

  • 有向无环图 SVM

  • 二叉树 SVM

• 人工神经网络

  • 神经网络的组成单元——神经元

  • 人工神经网络

  • 反向传播算法

  • 梯度下降法具体计算步骤

  • 卷积神经网络

  • 全连接的不足

    • 参数数量太多

    • 没有利用像素之间的位置信息

    • 网络层数限制

  • 卷积神经网络优点

    • 局部连接

    • 权值共享

    • 下采样

  • .卷积神经网络的示意

    • 卷积：使原信号特征增强，降低噪音

    • 池化：减少数据处理量、保留有用信息

    • 最常用的激活函数

    • 全连接层与分类器

  • 网络架构

  • 计算过程

    • 向前传播阶段

    • 向后传播阶段

  • 卷积神经网络的训练

  • 卷积神经网络的特性

    • 局域感受野：每一网络层的神经元与上一层的神经单元连接为局部连接，局部连接的结构不仅可以简化网络计算量，还可以有效提取方向线段、拐点、端点等初级视觉特征

    • 权值分享：在同一特征平面内的所有神经元共享同一权值，有效的减少网络中的参数数量，和局部感受野一起，使得卷积神经网络具有位移不变性的特性

    • 二次抽样又称为子采样：在第一次抽样结果的基础上再次进行的空间域或时间域的采样过程，处理有效降低网络复杂度，降低特征图的分辨率，减少对位移、旋转和缩放的敏感性

  • 卷积神经网络的优缺点

    • 优点

    • 输入图像和训练网络的拓扑结构能很好的吻合，对几何变换、形变、光照具有一定程度的不变性

    • 特征提取和模式分类同时进行

    • 权值共享特性可以减少网络的训练参数数量，简化复杂的神经网络结构，使其具有更强的适应性

    • 局部子采样结构导致卷积神经网络只需用少量的计算即可扫描整幅待分类图像，适用于目标检测的应用

    • 缺点

    • 网络实现比较复杂

    • 样本数据量十分庞大，为了提高卷积神经网络训练的泛化能力，需要大量的已知类别的训练样本，样本选取的复杂性及工作量影响了卷积神经网络在实践中的应用

• 遥感图像解译的质量要求

• 评价分类的质量

  • 解译的可靠性

  • 可靠性指标来自混淆矩阵评价指标

    • 总体精度

    • Kappa 系数，反映分类的可靠性

    • 混淆矩阵（可能性）

    • 生产者（制图者）精度

    • 用户精度。

    • 大部分遥感图像处理系统能用一幅地表真实图像或地表真实感兴趣区计算一个混淆矩阵

  • 解译的完整性

  • 对解译完整性的评价一般以质量指标来表示，即所获得的信息是否满足给定的任务。在个别情况下，也进行数量的评价，即所获信息占完整信息的多大百分比

  • 解译的及时性

  • 解译的明显性

遥感地学分析

• 地理相关分析

• 背景

  • 地理要素特点

  • 在一定的区域范围内，地理环境中的各种自然景观、地理要素之间存在着相互依存、相互制约的关系。

  • 遥感信息综合反映了地球系统各要素的相互作用、相互关联，各要素或地物的遥感信息特征之间也必然具有一定的相关性。

  • 利用遥感数据认知地理信息，需要考虑这种相关性

  • 概念

  • 地理相关分析法：研究某个区域地理环境内各要素之间的相互关系、相互组合特征。

  • 应用于遥感地学分析，通过对这些因子特点及相互关系的研究，从各个不同的角度来分析、推导出某个专题目标的特征。

  • 在遥感图像上寻找与目标相关性密切的间接解译标志

  • 目的

  • 充分认识地物之间以及地物与遥感信息之间的相关性，并借助这种相关性，在遥感图像上寻找目标识别的相关因子，通过图像处理，提取出这些相关因子，从而推断和识别目标本身。对某一要素分类或识别，该要素本身在图像上没有表现，与其相关的其他要素可能在图像上表现得比目标更明显。

  • 应用

  • 环境污染遥感监测，水土流失，热岛效应，耕地生产力遥感监测，耕地环境和健康质量遥感监测

  • 方法

  • 主导因素：为了取得较好的遥感分析效果，在相关分析中，首先要考虑与专题目标有关的主导因素

  • 非主导因素：当主导因素在遥感图像上反映不明显的情况下，可以进一步寻找与目标有关，且在图像上反映较明显的非主导因素。

  • 研究它们与目标的相互组合特征，从而确定专题目标的空间和属性分布特征及其差异

• 主导因素分析方法

  • 基本思想

  • 一个地区自然环境的特点是由自然和人为综合因素决定的。在多种因素中，又会有一、二个起主导和决定作用的因素。分析一个地区的遥感图像，提取某个专题特征信息时，应当先找出它的主导因素。

  • 对于不同的目的，其主导因素是不同的

  • 同一目的中，不同等级的分类系统主导因素也可能不一

  • 地形因子相关分析-土壤自动分类

  • 具体过程

  • 确定分类系统

  • 相关变量

  • DEM 的获取

  • 建立数学模型，确定不同土壤类型的定量地形因子和判别指标

  • 分类及结果评价：分类精度与因子有效性

• 相关分析法（非主导因素相关分析方法）

  • 确定某一专题目标的相关因子取决于对这一区域自然与人文环境特征的深刻认识。

  • 在某些区域条件下，专题目标与其它的环境因子之间的关系可能更为复杂，往往难于直接找出明显相关的因子。

  • 在这种情况下，进行各因子的数量化统计分析，确定有明显效果的相关变量

• 环境本底法

• 基本思想

  • 环境本底：了解一个地区的区域概况以及分析该地区地理环境的总体规律，在分析环境背景中，搞清区域内正常的组合关系、空间分布规律、正常背景值。

  • 在这个基础上，寻找异常，并追根求源，找出异常原因，通过成因机制分析在更大范围内，寻找与异常有关的环境特征。

• 异常地物表现

  • 近地表的矿床和矿化地层，经风化后形成元素富集的分散流和分散晕（矿化晕），从而造成元素的地球化学异常。由于过量的金属元素对植物的毒害和抑制作用，引起植物体内化学成分的相应变化，在植物形态和色泽上有所反映，从而出现明显的植物异常

  • 植被异常晕信息的提取

  • 植被在不同波段反射光谱反射率的变化。

  • 观察植物反射光谱的近红外吸收边缘的红边蓝移，根据经验，植被发育不正常，其叶绿素浓度下降。叶绿素光谱吸收带与近红外波段反射峰之间的反射光谱陡坡段（即红边）向短波方向偏移几个 nm，倾斜也增大。烃类物质对植物光谱蓝移也有一定的影响。

  • 微小的偏移需要高光谱的支持

  • 遥感图像的作用

  • 遥感传感器可以获得这种异常发生的时间、范围、强度等的有用信息，通过遥感数据，利用植物光谱特征的变化，可作出植物异常图，再结合地面调查、采样分析、钻探证实，追根求源，不仅可以寻找到矿源及新矿化带，还可以研究植物分布与地下矿化带之间关系等。

• 应用领域

  • 矿化晕、地球化学元素迁移规律

  • 过量的金属元素对植物的毒害和抑制作用：锌，铜，瓦斯

  • 环境污染（如酸雨）和病虫害对森林植被的损害

  • 热源体、热异常

  • 放射性矿物所辐射出的射线

  • 其他

• 分层分类法（多阶分类法）

• 按层次一步步地分类，在层次间不断加入遥感与非遥感的决策函数，从而组成一个最佳逻辑决策树。用传统的地学方法和概念，按现在的信息传输和信息相关体系建立信息树。

• 由于信息并非都能从遥感图像上得以反映，在建立信息树的过程中，必须不断地补充其它资料（如一些边界条件、分类参数等），以逐步满足某种分类的需要，最后完善这个最佳逻辑决策树，得出满意的分类结果。

遥感数据反演

• 关于定量遥感

• 问题的提出

• 目的：定量的获取关注的某些目标的定量指标

• 数据

• 方法

• 产品

• 应用

• 反演涉及的正逆问题

• 辐射传输方程正问题的研究：从物理模型到散射辐射观测的计算机数值模拟。

• 逆问题的研究：从散射辐射理论模拟以及实验观测数据到各类环境特征参数反演以及结构重建。

• 反演中存在的不确定解问题

• 对于未知的反演参数来说，遥感观测数据是非常有限的。根据有限个遥感观测数据来反演众多的地表参数，往往是抓住了决定遥感信号的关键参数，但是反演模型精度与参数数目之间却很难达到完美

• 热红外遥感，影响遥感观测信号的因素有

  • 地表的物理状况、地表发射率、地形、地表温度、大气廓线

  • 在平坦的地面上，地表发射率和地表温度是最敏感的影响因素

  • 在平坦的地面上，地表发射率和地表温度是最敏感的影响因素

• 遥感反演模型的解的唯一性和稳定性常常不能得到充分保证。

• 解的唯一和稳定性解的唯一性

  • 指反演模型的解能否唯一确定，它的实现主要是依靠增加问题的约束条件，如增加观测数据，利用多波段数据、多角度数据，利用先验知识等。

  • 解的稳定性：反应了模型的鲁棒性，即对观测数据中的误差的宽容性。

• 反演基本方法

• 不考虑中间具体的物理过程，基于统计理论的地面参数的反演。利用回归算法建立生物量与遥感信息的回归模型

  • 简单、好理解，但精度低

  • 拟合函数是关键

• 面向过程，基于物理机理的目标参数的反演。

  • 精度高，但参数不易获得

• 两者的结合

• 水质监测反演

• 水质监测反演模型的算法

• 监测的水质指标

• 遥感监测反演的可能性

• 一旦水体被污染，水体的光谱特性就会发生变化。水体中可溶性物质的浓度直接影响光在水中的吸收与后向散射。

• 光与水体的相互作用所产生的不同特征使得水质监测成为可能，只要从遥感数据中提取出水体反射信号，就能够反演其水质。

• 基于统计学理论的水质遥感反演

• 遥感数据反演---机理方法

• 地下水埋深遥感监测的方法

  • 水文地质遥感信息分析法：基于假设的理论知识和大量的实地考察进行估计，缺点是评价精度不确定

  • 地学要素遥感分析法：提取遥感图像上与地下水相关的环境因子信息，根据这些因子与地下水间的关系，来监测和反演区域地下水状况，但在湿润地区，环境因子易受人工灌溉和大气降水影响反演精度较低

  • 热红外遥感地表热异常监测法：利用热红外波段来测定地表温度，分析热红外遥感图像上表现出温度异常，从而判断地下水的存在，此方法适于浅层空隙水的监测和地下水溢出带的判断，但无法实现地下水及其动态变化的定量化

  • 遥感信息定量反演模型：通过选取实验指标，构建数学或物理模型，将从遥感图像获取的信息与实际观测数据联系起来，通过模型来定量反演地下水。

• 地下水埋深反演

• 遥感温度反演

  • 分裂窗算法

  • LANDSAT8 数据反演

  • 各参数的获取

  • 其他反演算法

  • 基于图像的反演

  • 单窗算法

  • 单通道算法

• 土壤湿度反演

• 温度植被干旱指数

混合像元分解

• 混合像元与纯净像元

• 典型像元：一个像元内仅包含一种地物。对应的该类地物称为典型地物。

• 混合像元：一个像元内包含几种地物。

• 混合像元的分类

• 存在的问题

• 如果每一混合像元能够被分解而且它的覆盖类型组分(端元组分)占像元的百分含量(丰度)能够求得，分类将更精确，因混合像元的归属而产生的错分、误分问题也就迎刃而解，即混合像元分解。

• 混合像元现象

• 引起混合像元的原因

  • 图像空间分辨率的限制及地面物质具有异质性

  • 其他地物、大气、传感器本身的性能影响。

  • 遥感图像重取样(Resampling)

  • 若取样后像元的灰度值经由相邻图像灰度值内插所得，则结果也造成额外的空间混合(Additional Spatial Mixing)现象。

• 混合像元分解的意义

  • 提高分类精度

  • 提高图像处理的自动化、智能化水平

  • 可提高对小目标的识别能力

• 传统方法的不足

  • 最大似然分类法处理这种问题，经常得到较差的分类精度

  • 对高光谱图像进行分类时，随着光谱波段数或特征数(维度)的增加，反而需要较大量的训练样本作为参数的估计，分类效率变低，分类精度不理想。

• 混合像元：端元组分选取

• 分解模型一旦选定，直接影响分类精度的因素就是混合像元端元组分的选取。各种分解模型实现的关键环节是首先要正确获取主要地物指标的参照光谱值，从中选取可作为纯净像元(端元)的地物目标光谱值。

• 端元组分选择的正确与否在很大程度上决定着像元分解的精度。

• 方法

  • 从光谱库提取端元

  • 在缺乏野外光谱测量数据或者光谱库的情况下，从图像本身获得

  • 从图像自身选出的组成成分易于获得、简化和具有与数据相同的度量尺度。

  • 在缺乏野外光谱测量数据或者光谱库的情况下，当纯净像元在图像上很难找到或者根本没有的时候，端元的识别存在相当的问题

  • 当端元不能由样本表示的时候，其他的方法可以用来解决这个问题：通常是通过一元或者多元回归技术从外部数据源来获得估计的端元 。

  • 分辨率比较低的图像

• 线性光谱混合求解

• 提高混合像元分解精度的可能性

  • 最佳端元光谱的选择，选择最能代表图像的全部端元，达到增加了不同端元光谱差距的目的，提高分解精度。

  • 减小端元内部的变化。

  • 扩展传统混合光谱分解模型。

  • 选择性进行端元光谱的分解。

• 像元二分模型

• 假设

  • 像元只有两部分构成

  • 线性合成

• 植被覆盖像元二分模型

• 像元三分模型

多阶抽样估计

• 问题的提出

• 转换方法

  • 基于像元的尺度转换：

  • 用高分辩率图像上的变量或参数的平均值来推出低分辨率图像的变量或参数平均值；

  • 基于遥感图像多阶抽样估算地物面积 。

  • 基于对象的尺度转换

• 对于大范围的地物调查

  • 低空间分辨率遥感图像：工作量较少，成本比较低，但精度通常不能满足要求

  • 高空间分辨率遥感图像：精度能满足要求，但工作量大，成本也会比较高；

• 多种图像的结合（遥感图像多阶抽样估算地物面积）

• 基本思想

  • 多阶可变概率抽样。

  • 根据图像分层，确定样本单元

  • 使每一阶图像的分辨率逐级提高

  • 使后一阶样本是前一阶样本的一部分，抽样的概率与通过逐级解译图像所得到的预估值成正比。

• 多阶可变概率抽样

  • 条件

  • 总体的每个单元必须有已知的概率，被抽中的概率不必相等

  • 样本必须用随机抽样的方法抽取

  • 当根据样本进行估值时，必须考虑抽取的概率

• 精度评价

• 满足多阶可变概率抽样的三个条件

  • 可以容易观察到大面积地区范围内的各种地物的差别。很容易勾绘出调查对象总体（如灌溉地）的界线。（有已知的概率且不一定相等）

  • 用随机数字表中的灌溉地的累计数进行一阶样本单元抽取

  • 求解估计值的过程是以可变概率为基础的

思考题

• ISODATA 算法聚类分析中什么情况下分裂？什么情况下合并？什么情况结束迭代？如何确定类别？

• 影响遥感反演精度的因素？

• 模型、样本数据、辐射几何校正

• 如何提高反演精度？

• 分析解译方法在数据到信息转换过程中的重要性

• 叙述每种解译方法的基本思想、流程，分析其适用性、优点及不足

• 解译过程中用到的直接特征与间接特征各有哪些？

---

附录

附录 1：卫星相关信息

高分系列卫星

• 高分一号 (GF-1)

• 2013 年 4 月 26 日在酒泉发射升空，设计寿命 5-8 年(低轨一般 4 年）。

• 配置了 2 台 2 米分辨率全色/8 米分辨率多光谱相机，4 台 16 米分辨率多光谱宽幅相机

• 主要用户为国土资源部、农业部和环境保护部“高分一号”在雅安地震、甘肃岷县地震、东北洪涝灾害、华北华东雾霾中获取了大量精准数据。矿产执法中发挥了重要作用，判断某矿区是否进行非法开采。

• 高分二号（GF-2）

• 2013 年 8 月 19 日发射，寿命 5-8 年，卫星国产化率达 98%。

• 全色分辨率为 1 米、多光谱分辨率为 4 米幅宽 45 公里（IKONIS 是 11 公里） ，具有优势。同时还具有高辐射精度、高定位精度和快速姿态机动能力等特点

• 高分二号的功用也与一号不尽相同主要用户为国土资源部、住房和城乡建设部、交通运输部、林业局

• 高分三号（GF-3）

• 我国首颗 C 频段多极化高分辨率微波遥感卫星

• 2016.8.10 日 在太原成功发射。分辨率可高达 1 米，12 种工作模式，设计寿命长达 8 年，达到了世界同类卫星先进水平，填补了我国自主高分辨率多极化合成孔径雷达遥感数据空白

• 高分四号（GF-4）

• 地球同步轨道卫星

• 2015 年 12 月 29 日发射，我国首颗地球同步轨道高分辨率卫星（50 米分辨率可见光、400 米分辨率中波红外），设计使用寿命 8 年。

• 高分五号（GF-5）

• 高光谱卫星

• 于 2018 年 5 月 9 日在太原成功发射

• 填补中国国产卫星此前无法有效探测区域大气污染气体的空白，通过对大气污染气体、温室气体、气溶胶等物理要素的监测，动态反映中国大气污染状况。

• 同时，高分五号卫星可对内陆水体、陆表生态环境、蚀变矿物、岩矿类别探测，为中国环境监测、资源勘查、防灾减灾等行业，提供高质量、高可靠的高光谱数据。

• 轨道高度 705km、倾角 98.2 度的太阳同步轨道, 发射质量约 2800kg，整星功率 1700W，设计寿命为 8 年。

• 配置有 6 台先进有效载荷，观测谱段覆盖紫外至长波红外

  • 大气环境红外甚高光谱分辨探测仪

  • 光谱范围为 2.4~13.3μm

  • 大气痕量气体差分吸收光谱仪

  • 光谱分辨率 0.3~0.5nm，空间分辨率 48km (穿轨方向) 、13km (沿轨方向)

  • 全谱段光谱成像仪

  • 空间分辨率 20m (0.45~2.35μm) 、40m (3.5~12.5μm)，地面覆盖宽度 60km

  • 大气主要温室气体监测仪

  • 可探测二氧化碳和甲烷等温室气体

  • 大气气溶胶多角度偏振探测仪

  • 星下点空间分辨率优于 3.5km

  • 可见短波红外高光谱相机

  • 330 个光谱通道，光谱分辨率为 5nm (VNIR) 、10nm (SWIR)，光谱范围 0.4~2.5μm，空间分辨率 30m，地面覆盖宽度 60km

• 高分六号（GF-6）

• 高分六号主要是面向农业农村、林业和防灾减灾等应用的卫星

• 我国第一颗具备红边波段传感器的卫星

• 它搭载了两个具备大幅宽的光学相机，并在宽幅相机新增了 4 个波段，特别是增加了能够有效反映作物特有光谱特性的红边波段。配置 2 米全色/8 米多光谱高分辨率相机（观测幅宽 90 公里）

• 3.16 米多光谱中分辨率宽幅相机（观测幅宽 800 公里）

• 高分六号是高分一号的“升级版”

• 该星与高分一号卫星组网使遥感数据获取的时间分辨率从 4 天缩短到 2 天。极大提高了遥感数据的获取规模和时效，有效弥补国内外已有中高空间分辨率多光谱卫星资源的不足。

• 高分七号（GF-7）

• 首颗亚米级(0.65m)高分辨率测绘卫星

• 2019 年 11 月 3 日，在太原成功发射我国首颗亚米级(0.65m)高分辨率光学传输型立体测绘卫星,实现我国民用 1:10000 比例尺卫星立体测图

• 高分八号（GF-8）

• 高分三四五六七号尚未发射，高分八号卫星发射成功。2015 年 6 月 26 日 14 时 22 分，高分八号卫星在我国太原卫星发射中心成功发射升空，卫星顺利进入预定轨道

• 高分九号（GF-9）

• 光学遥感卫星

• 2015 年 9 月 14 日在酒泉成功发射，是一颗光学遥感卫星，地面像元分辨率最高可达亚米级。2020.8.23 高分九号 05 星成功发射

高景系列卫星

• SuperView-1（高景-1 号）

• 2016 年 12 月 28 日 01/02 星于太原升空。该卫星是中国航天科技集团公司商业遥感卫星系统的首发星，由 2 颗分辨率为 0.5 米的光学小卫星组成，也是当前我国分辨率最高的商业遥感卫星。

• 高景一号卫星可设定拍摄连续条带、多条带拼接、按目标拍摄多种采集模式，此外还可以进行立体采集，单次最大可拍摄 60 km×70 km 影像。

• 2018.1.9 高景-1 号 03/04 星升空

吉林一号（长春光机所）

• 2015.10.7 日发射，我国第一颗自主研发的高分辨率商用遥感卫星组，开创了我国商业卫星应用的先河。

• 具备常规推扫、大角度侧摆、同轨立体、多条带拼接等多种成像模式。该星分辨率为全色 0.72 米、多光谱 2.88 米。

资源系列卫星

• 资源一号（ CBERS 中巴卫星）

• CBERS-01（资源一号 01 星）已退役

• CBERS-02 （资源一号 02 星）已退役

  • 2.36 米分辨率、27 公里幅宽高分辨率全色相机

  • 19.5 米分辨率、113 公里幅宽的多光谱 CCD 相机

  • 258 米分辨率、890 公里幅宽的宽视场成像仪。

• CBERS-02B （资源一号 02B 星）已退役

• CBERS-02C （资源一号 02C 星）

  • P 全色 5 米

  • MS 多光谱 10 米

  • HR 相机 2.3 米

• CBERS-03 2013.12.9 未进入预定轨道—失败

• CBERS-04 （资源一号 04 星）2014 年 12 月 7 升空

• 资源三号（项目共规划了 4 颗卫星）

• ZY-3 01 星（2012.1.9 太原）

  • 一台 2.5 米分辨率的全色相机

  • 两台 4 米分辨率全色相机按照正视、前视、后视方式排列，进行立体成像，可以测制 1∶5 万比例尺地形图

  • 一台 6 米分辨率的多光谱相机，包括蓝、绿、红和近红外四个波段

• ZY-3 02 星（2016.5.31 太原)

  • 前后视相机分辨率从 3.5 米提高到优于 2.7 米，提高了立体测绘精度。

  • 02 星消除了正视相机与多光谱相机指向之间的 6°的夹角，使两台相机的指向一致，更加方便多光谱影像与正视全色影像的融合应用。

• ZY-3 03 星（2020.7.25 太原)

  • 生产全国 1:5 万比例尺基础地理信息产品，开展 1:2.5 万以及更大比例尺地图的修测和更新，展开国土资源调查和监测

各种传感器

获取图像的传感器名称	空间分辨率 全色/多光谱	光谱波段数	量化等级	时间分辨率（天）	应用尺度
LANDSAT7-ETM	15/30	7	8	16	大中尺度
LANDSAT8-OLI	15/30	9	12	16	大中尺度
SPOT5-CCD	2.5/10	4	8	3-26	中小尺度
IRS-CCD	5.8	4	8	5	中小尺度
CBERS-CCD	19.5	4	8	5,26	中小尺度
IKONOS-CCD	¼	4	11	11	小尺度
QUICKBIRD-CCD	0.6/2.4	4	11	1-5	小尺度
WORLDVIEW4-CCD	0.31/1.24	4	11	1	小尺度
TERRA 和 AQUA-MODIS	250,500,1000	36	12	½	大尺度

LANDSAT

• LANDSAT 1-3

• MSS 多光谱扫描仪（Multi-spectral Scanner）

  • 存在全景变形

  • 空间分辨率为 79m

  • 共 5 个波段

  • MSS4（绿）

  • MSS5（红）

  • MSS6（红外）

  • MSS7（红外）

  • MSS8（热红外）

• LANDSAT 4-5

• MSS 多光谱扫描仪（Multi-spectral Scanner）

• TM 专题制图仪（Thematic Mapper）

  • 存在全景变形

  • 多光谱分辨率 30m

  • 共 7 个波段

  • TM1 波段（0.45-0.52 微米）：用于区别土壤植被，区别各种农作物。

  • TM2 波段（0.52-0.60 微米）：正常农作物绿光反射区。

  • TM3 波段（0.63-0.69 微米）：是农作物覆盖度、作物叶绿素吸收光谱分析的最佳范围。

  • TM4 红外波段（0.76-0.90 微米）：可用于测定各种植物的生物量。

  • TM5 红外波段（1.55-1.75 微米）：可用于作物生长期内叶绿素浓度、水分含量 的推定和作物分类，监测作物需水状况和土壤墒情。

  • TM6 热红外波段（10.4-12.5 微米）：可用于作物热异常和地表热分布探测。

  • TM7 红外波段（2.08-2.35 微米）：可用于土壤类型、作物水分状况等研究

• LANDSAT 6

• ETM

• LANDSAT 7

• ETM+增强型专题制图仪

  • 增加全色波段，分辨率 15M

  • 多光谱分辨率 30m

  • ETM+6 波段分辨率提高到 60M

  • 辐射定标精度较 Landsat 5 提高 1 倍

• LANDSAT 8

• OLI 运营性陆地成像仪（Operational Land Imager）

  • 共 9 个波段

  • 与 TM 相比

  • 线阵推扫成像

  • 波段 5 的波段范围调整为 0.845–0.885 μm，排除了 0.825μm 处水汽吸收的影响

  • 全色波段范围较窄，从而可以更好区分植被和非植被区域

  • 新增了海岸观察谱段（波段 1）新增了卷云识别谱段（波段 9）

• TIRS 热红外传感器（Thermal Infrared Sensor）

SPOT

• SPOT 1-3

• 每个像元地面的大小为 10m×10m

• SPOT 4

• 全色波段 0.51-0.73μm 改为波段(0.61-0.68μm

• 增加了一个 SWIR（Short Wave Infrared，短波红外）波段

• POAM3 极地臭氧和烟雾测量仪（Polan Ozone and Aerosol Measurement）

• SPOT 5

• 地面分辩率在全色模式下从 10m 提高到 5m 和 2.5m

• 在 M 模式下所有 3 个可见光波段（B1，B2，B3）的分辩率从 20m 提高到 10m；

• 重用 SPOT1 和 SPOT3 的波段(0.51-0.73μm)

• 全色 0.49-0.69

• 多光谱有 4 个波段

  • 波段 1 0.5-0.59μm 绿

  • 波段 2 0.61-0.68μm 红

  • 波段 3 0.79-0.89μm 近红外

  • 波段 4 1.58-1.75μm 短波红外

• SPOT 6-7

• 全色 1.5m

• 多光谱 6m

  • 蓝色：0.45-0.52

  • 绿色：0.53-0.59

  • 红色：0.62-0.69

  • 近红外：0.76-0.89

  • 全色：0.45-0.75

IKONOS

• 全色，空间分辨率 1m

• 4 个波段，空间分辨率 4m

• 蓝、绿、红和近红外

GEOEYE-1

• 全色，0.41m

• 多光谱，1.65m

WorldView

• WorldView-1
• 全色分辨率 0.46 米
• WorldView-2
• 全色分辨率 0.46 米

• WorldView-3

• 全色分辨率 0.31 米

• 多光谱分辨率 1.24 米

• 红外短波分辨率 3.7 米

• WorldView-4 分辨率 0.31 米

QUICKBIRD

• 星下点分辨率

• 全色：0.61m

• 多光谱：2.44m

• 有四个波段

• 蓝 450-520nm

• 绿 520-600nm

• 红 630-690nm

• 近红外 760-900nm

EOS

• MODIS 中分辨率成像光谱仪
• 波段不连续（光谱范围 0.4-14.5μm)波段 36 个

• 地面分辨率较低

• 星下点离间分辨率为 250m,500m,1000m）

  • 2 个通道的空间分辨率为 250 米

  • 5 个可见光、远红外通道空间分辨率为 500 米

  • 29 个通道空间分辨率为 1 公里

  • 每 1—2 天可覆盖全球一遍。宽度 2300 公里。用于观测地表温度、海洋水色、叶绿素、植被、火灾、雪盖、云等

---

附录 2：反射波谱特性曲线与反射波谱响应曲线

	反射波谱特性曲线	反射波谱响应曲线
不同点	坐标横轴表示波长	坐标横轴表示波段
	坐标纵轴表示反射率	坐标纵轴表示像素亮度
	地面拍摄	高空拍摄
	不受大气影响	受大气影响
	微分值	积分值
	连续	折线
相同点	走势相同

---

附录 3：解译方法

每种解译方法的基本思想、分析其适用性、优点及不足（TODO：目视判读、计算机辅助分类、混合像元分解、多阶抽样估计）

目视判读

计算机辅助分类

遥感地学分析

• 地理相关与差异分析

• 基本思想：研究某个区域地理环境内各要素之间的相互关系、相互组合特征。本方法研究某个区域地理环境内各要素之间的相互关系、相互组合特征。应用于遥感地学分析，是通过对这些因子特点及相互关系的研究，从各个不同的角度来分析、推导出某个专题目标的特征，在遥感图像上寻找与目标相关性密切的间接解译标志。

• 适用性：比如耕地生产力遥感监测，耕地环境和健康质量遥感监测，环境污染遥感监测，水土流失。

• 优缺点：为了取得较好的遥感分析效果，在相关分析中，首先要考虑与专题目标有关的主导因素。当主导因素在遥感图像上反映不明显的情况下，可以进一步寻找与目标有关，且在图像上反映较明显的非主导因素。研究它们与目标的相互组合特征，从而确定专题目标的空间和属性分布特征及其差异。

• 主导因素分析方法

  • 基本思想：一个地区自然环境的特点是由自然和人为综合因素决定的。在多种因素中，又会有一、二个起主导和决定作用的因素。 分析一个地区的遥感图像，提取某个专题特征信息时，应当先找出它的主导因素。对于不同的目的，其主导因素是不同的；同一目的中，不同等级的分类系统主导因素也可能不一。

  • 适用性：水土流失：引起水土流失的主要因素；环境污染：导致环境污染的主要来源；热岛效应：产生温度差的热源分布。

  • 优缺点：主导因素的作用可能呈现几种不同情形：首先是规律性，如将海堤往外分为草滩—盐蒿滩—泥滩—粉沙滩四个带；其次是模糊性，因为以上四个带的划分存在一系列过渡区；再就是随机性，如天气变化、泥沙运动、地质灾害等都可能对海岸带的主导因素产生影响。主导因素分析法可以较好的找出影像某一地物的最主要特征进行分类，简单方便所用信息少但是当事物中难以找出明显的事物时这种方法就不适用。

• 相关分析法

  • 基本思想：是一种非主导因素的分析方法。确定某一专题目标的相关因子取决于对这一区域自然与人文环境特征的深刻认识。但在某些区域条件下，专题目标与其它的环境因子之间的关系可能更为复杂，往往难于直接找出明显相关的因子。在这种情况下，进行各因子的数量化统计分析，确定有明显效果的相关变量是一种有效的途径。

• 环境本底法基本思想：了解一个地区的区域概况以及分析该地区地理环境的总体规律。在分析环境背景中，搞清区域内正常的组合关系、空间分布规律、正常背景值，即调查环境本底。在这个基础上，寻找异常，并追根求源，找出异常原因，通过成因机制分析在更大范围内，寻找与异常有关的环境特征。适用性：遥感生物化学找矿；寻找和确定环境污染和病虫对森林植被造成的损害范围与程度。优缺点：可以找到植物的异常现象

• 分层分类方法(略，这个明确不考)按层次一步步地分类，而且在层次间不断加入遥感与非遥感的决策函数，从而组成一个最佳逻辑决策树。用传统的地学方法和概念，按现在的信息传输和信息相关体系建立信息树。由于信息并非都能从遥感图像上得以反映，在建立信息树的过程中，必须不断地补充其它资料（如一些边界条件、分类参数等），以逐步满足某种分类的需要，最后完善这个最佳逻辑决策树，得出满意的分类结果。

遥感数据反演法

• 基本思想：1.不考虑中间具体的物理过程，基于统计理论的地面参数的反演，2.面向过程，基于物体机理的地面参数的反演。
• 统计模型的优缺点：需要积累大量的数据观测，工作量，模型不稳定，影响了检测的时效性。地面实测资料多为点状的，如何推广到面上与遥感资料相匹配也是影响模型精度的一大问题。力求建立稳定的，较少依赖于非遥感数据的模型

混合像元分解

• 基本思想：如果每一混合像元能够被分解而且它的覆盖类型组分(端元组分)占像元的百分含量(丰度)能够求得，分类将更精确，因混合像元的归属而产生的错分、误分问题也就迎刃而解，即混合像元分解。
• 优缺点：提高分类精度；提高图像处理的自动化、智能化水平；可提高对小目标的识别能力

多阶抽样估计

• 基本思想：根据图像分层，确定样本单元。使每一阶图像的分辨率逐级提高。使后一阶样本是前一阶样本的一部分，抽样的概率与通过逐级解译图像所得到的预估值成正比。
• 优缺点：

---

附录 4：往年考题和预测

• 比较计算机辅助解译与人工目视解译的相同点与不同点？

• 不同点

  • 目视解译通常是直接从图像空间到分类空间，而计算机分类是从图像空间经过光谱特征空间到分类空间。目前在计算机分类中，从图像空间到光谱特征空间人工干预较少，计算机能做的工作也主要集中在这一部分，而将光谱特征空间中的集群与分类系统中的类别对应，则需要更多的人工干预。进一步的工作是确定目标内部的变异规律，这对于目前的数字图像处理系统来说，是难以胜任的。

  • 现有的图像处理系统还很难完全满足解译任务在精度和功能上的需要，计算机分类和识别还缺少灵活性，有必要使自动分类和识别结果与目视解译结果相结合，或者说利用计算机辅助目视解译。在遥感图像信息提取和解译过程中，一方面使图像解译人员能充分运用他们的解译经验，同时又能发挥计算机处理图像信息的优势。

• 相同点

  • 都是利用遥感影像的图像特征，通过相应的手段获取遥感解译对象的信息
  • 都需要人工的参与
  • 都需要需要参考数据
  • 都需要相应设备支持
  • 人机交互

	目视解译	计算机解译
解译层次	多个像元	单个像元
面积估算	有限	可能达到精确面积估算
影像波段数	有限，一般不超过三个	能进行多波段分析及特征变换
区别影像亮度水平	有限，一般不超过每个地物 16 个亮度水平	能充分利用所有的影像亮度水平
地物形状信息	可得到利用	需要较为复杂的软件及算法
空间信息	可得到利用	目前的技术有限
非遥感资料	可得到利用	目前技术有限
解译时间	慢	快
结果重现性	较差	好
	直觉	需要专门的训练
	简单便宜的设备	复杂昂贵的设备
	利用图像的空间和色调标志	主要利用光谱和色调特征
	利用单波段数据，一般不超过三个波段	可以用多通道数据
	主观、具体、定性地判别	客观抽象定量地差别

• 影响遥感图像解译精度的因素有哪些？如何提高解译的精度？

• 影响因素

  • 遥感解译方法

  • 使用高精度的方法可以提高解译的精度。

  • 图像质量

  • 包括图像的分辨率，图像的比例尺，图像的清晰度，它们共同决定了图像量测性能。不同的比例尺的图像对成图的完整性有重要的影响。

  • 解译人经验

  • 经验在遥感图像解译中很重要，一个有经验的作业人员对解译的精度很重要。

  • 解译使用的波段数目

  • 扫描成像类型的多波段图像既可以分别解译，也可以多波段组合解译，使用的波段不同，得到的信息不同

  • 分类标准

  • 分类的标准不同，得到的解译精度不同，分类的数目不同，精度也不同。

  • 遥感解译原则和程序

  • 作业流程，开始是制定的原则也在很大程度上影响了遥感图像解译的精度

  • 图像分解力

  • 在 1 mm 长的图像上能够将绝对反差的线条分开成像的数量。

  • 图像清晰度

  • 表示传递地物形状的能力，决定目视观测中有效的放大极限。由物体亮度到背景亮度的过渡，在实际情况下一般呈突变形式。获得遥感图像的条件的影响在于：图像上从物体密度到背景密度的过渡（边缘曲线）平滑化。导致地物形状的变化（变形），特别是小尺寸的地物的变化。

  • 反差频率特性

  • 通常是在一定空间频率范围（可以用像素长度为依据），将图像反差与地物光学反差进行比较

  • 图像的解像力

  • 图像上最小的、但还能分辨的地物尺寸。

• 提高解译精度的方法

  • 提高图像的分辨率，采用高精度的图像

  • 使用清晰的图像，避免模糊

  • 介入辅助数据、地学知识，进行遥感与地学综合分析

  • 训练解译人员的判读识别能力

  • 选择高精度高性能的传感器，选择合理的波段来进行解译

  • 利用数字地形模型与遥感图像进行处理分析，以减少或清除地形因子对地物波谱特性的影响。

  • 遥感图像的综合特征提取。综合提取多谱段影像特征,以此综合特征互为补充，实现遥感图像目标地物的自动识别。

  • 利用 GIS 专题数据库信息来辅助计算机自动识别。

  • 建立区域遥感图像自动识别的专家系统，提高自动解译的灵活性

• 请详细叙述遥感研究对象及其在遥感图像上的特征。

• 遥感的研究对象：自然地表

• 空间分布

  • 任何地学研究对象，均有一定的空间分布特征。根据空间分布的平面形态，把地面对象分为三类：面状、线状、点状

  • 面状对象其空间位置由表示界限的一组 x，y 坐标确定，并可以相应地求得其大小和形状参数。

  • 线状对象其空间位置由表示线形轨迹的一组 x，y 坐标确定，在空间上呈线状或带状分布，如道路、河流、海岸等。

  • 点状对象空间位置由其实际位置或中心位置的 x，y 坐标确定，实地上分布面积较小或呈点状分布的有独立树、单个建筑等。

• 波谱反射和辐射特征

  • 物体的基本特征：任何物体本身都具有发射、吸收和反射电磁波的能力。用物体的波谱特性曲线来描述。

  • 相同的物体具有相同的电磁波谱特征，不同的物体由于物质组成和结构不同具有相异的电磁波谱特征。

• 时间特征

  • 两方面含义：

  • 自然变化过程，即其发生、发展和演化

  • 节律，既事物的发展在时间序列上表现出某种周期性重复的规律。用时间及随时间变化的特性的相应曲线描述

  • 任何一个遥感对象都处于一定的时态之中，有它的时相变化过程。遥感信息是瞬间记录，在分析遥感资料时必须考虑研究对象本身所处的时态，不能超越一个瞬时信息能反映的范围。

• 统计特征

  • 统计特征从不同角度反映了研究区遥感图像所包含的信息特点，包括亮度均值、中值，标准差、信息量以及各波段质检的相关矩阵等。

• 什么是遥感图像的解译标志？有哪些解译标志？

• 解译标志：遥感影像的时空谱特征 使得物体在图像上有所差别，这些差别就是解译标志。以图像形式传递的揭示标志。

• 色调与色彩：色调与色彩对不同类型的遥感图像其意义不一样的

• 形状 (轮廓) ：形状一般指物体或图形由外部的面或线条组合而呈现的外表。对于图像上的形状或轮廓标志可以有如下几个检测方法

  • 度量属性

  • 拓扑属性

  • 解析属性

• 大小(尺寸)：与图像的空间分辨率有关，地物本身的尺寸有关。其与构像比例尺的关系，常常形成所谓的混合像元。

• 阴影

  • 可见光范围内的阴影 ：分为本影和落影。

  • 热红外图像上的阴影一般由温度较低的地段所致。

  • 对于雷达图像而言，其盲区可产生阴影。

• 图案（细部） ：图案指地物的某种组合， 可以是同类地物的组合， 也可以是不同类地物的组合， 它与纹理的主要区别在于前者重复出现。

• 纹理（结构） ：纹理是由许多细小的地物的色调重复出现组合而成，是单一的细部特征的集合。依据它的图像特征，将纹理的的图像特征与它的地理意义相联系来进行纹理分析。

• 地物关系 ：这种方法的主要依据就是一种地物的存在常与其它一些地物的存在有关系，因而地物关系成为了一个间接的解译标志。

• 位置与位置算子 ：位置是指地物所处环境在图像上的反映

• 遥感图像解译的方法有哪些？说明遥感图像解译的实施步骤。

• 遥感图像解译的方法

  • 目视判读和计算机辅助分类

  • 遥感地学分析

  • 地理相关与差异分析

    • 主导因素分析方法

    • 相关分析法

    • 遥感信息单元的逻辑运算与相关分析

  • 环境本底法

  • 分层分类方法(略，这个明确不考)

  • 遥感数据反演法

  • 混合像元分解

  • 多阶抽样估计

• 遥感图像解译的实施步骤

  • 确定目的

  • 选择图像（几何分辨率、时间分辨率、辐射分辨率等）

  • 几何处理、辐射处理、特征变换

  • 选样区

  • 选模型

  • 分类

  • 验证，如果不理想则回到第 4 步

• 最佳波段的含义是什么？如何选择最佳波段？

• 含义

  • 目标与背景反射（或发射）率差异最显著的波长区间，即为最佳的遥感波段。选择最佳波段的方式：最佳波段的选择一般用均方差方法选出那些要素（地物）之间光谱反射（或发射）率均方差较大的波段作为遥感通道。均方差较大的通道说明地物反射（或发射）率差异大，易于区分各类地物

• 目标与背景反射（或发射）率差异最显著的波长

  • \(\sigma_\lambda=\sqrt{\cfrac{\sum^n_{i=1}(r_{i\lambda}-\bar{r_\lambda})^2}{n-1}}\)

• 请设计一个模块，用于目视勾画地物图斑，列出需要的命令并说明相应的功能。

• 首先要对遥感图像进行增强处理、提高可判读性，然后将透明纸蒙在遥感影像层上，用画笔人工勾画出各种地物图斑的轮廓，再用相应的颜色填充不同类型的图斑，从而完成对整幅图像的判读任务。

• 分类管理器，用于定义待定判读的地物类型的特征，指定一个当前判读的一种地物类型；画笔或折线，吸铁石笔，轮廓线跟踪，路径等工具用于勾绘出地物的轮廓。屏幕判读的结果以栅格方式直接存储在一个图层文件中。还能将栅格数据转换为矢量数据，与 GIS 数据集成

• 比较可见光、热红外、微波图像上阴影的异同点，说明下图传感器的类型及方位，说明理由。

• 可见光范围内的阴影

  • 分为本影和落影。本影指地物未被阳光直接照射部分的图像， 落影指目标投落在地面的影子的图像。

• 热红外图像上的阴影

  • 一般由温度较低的地段所致。有人又把它区分为热影与冷影，如飞机的残留热量造成的热影；静止飞机的周围因吸收产生冷影等。这种热阴影与普通可见光像片上的阴影含义不同，它是由于温度差引起的。白天热红外像片虽然与可见光像片阴影相仿，但热影像上的阴影是由于未照射到太阳光，其温度相对太阳光照射处低而引起。

• 对于雷达图像而言，其盲区可产生阴影。

• 传感器类型为侧视雷达 方位为雷达天线在左边，因为阴影朝右

• 理由：因为侧视雷达为斜距成像

• 说明图 1、图 2 中每个参数的含义，并对图所含的意义做出解释。

• 图 1 中 A 表示遥感图像的解像力（以米计）P 为识别概率

• 图 1 表现的是几种地物的识别曲线，由图分析各类地物识别过程的性质

  • 第一类包括具有与人工地物识别曲线相似的特征识别曲线的地物，具有指数性质。

  • 第二类的识别曲线的特点是在图像解像力值小的范围内能被识别的概率较大，随着图像解像力值增大，识别概率快速下降，最后又趋于平缓。

  • 第三类的识别曲线在图像解像力值小的范围内位于较高的水平，并且状态在一段区间内基本不变。

  • 第四类与第一类类似。

• 图 2 中 K 表示要素数量 C 表示识别概率增加的倍数

  • 图 2 表示在复杂地物要素的 K 增加时，地物识别概率 P 增长到多少倍 C

• 叙述遥感图像时间分辨力的作用。

• 选择最佳成像时间的决定因素

• 遥感动态应用方面的重要作用

• 利用时间差以提高遥感的成像率和解像率。

• 数据库更新的重要参考因素

• 利用遥感图像解译监测地面的动态变化

• 选择一个你熟悉的对象，详细描述其特征

• 居民地

  • 居民地在影像上呈由若干小的矩形（屋顶形状）紧密相连在一起的成片图形。由于阴影的存在，居民地更易判别。居民地色调一般呈灰或灰白。城市居民地一般面积大、街道比较规则，常有林荫大道、公园、广场等；城镇居民地一般分布在公路、铁路沿线，房屋多而密集；农村居民地一般与农田联系在一起，有道路相连。

• 道路

  • 道路指铁路、公路、农村道路。道路在影像上呈细而长的条状。色调由白到黑，随路面的湿度和光滑程度不同而变化。一般湿度小、光滑，色调浅，反之深暗。铁路一般呈浅灰色或灰色的线状图形，转弯处圆滑或为弧形，且一般与其它道路直角相交；公路一般为白色或浅灰色的带状，山区公路常有迂回曲折的形状，公路两侧一般有树和道沟，呈较暗的线条；土路一般呈浅灰色的线条，边缘不太清晰；小路成曲折的细线条状，浅灰色。

• 水域

  • 水的色调是由白到黑，色调的深浅与水的深浅、浑浊程度、光照条件等有关，水深则色调暗、水浅则色调浅；水越浑浊则色调越暗，反之越浅；光照越强则色调越浅，反之越深。河流在影像上一般较宽并呈弯曲带状，色调由白到黑；小溪呈弯曲不规则的细线条，色调较暗，常被岸上树木、灌木掩盖；湖泊和坑塘的水面色调呈均匀的浅黑色或灰色，且面积大小相差甚大；沟渠为色调呈暗色的线状影像，灌渠的一端总与水源相连，排水渠的一端总与河流相通

• 现在媒体提供的信息除了文字声音外还有大量的图片，结合本课程所学知识，如何判断图片所具有信息的准确性？

• 图像上目标的颜色，色调是否正常

• 看图像上各个物体的比例，比如“华南虎”事件中，那个老虎的比例明显有问题；再如很多女明星为了显示自己的身材，将自己的腿拉长，这样显得比例极不协调。

• 看各个物体的接边是否正常，很多时候抠图之后的边缘处理之后就会显得不自然，很容易看出来

• 根据生活经验判断是否正常，许多媒体，尤其是网络媒体上面的图片是虚假的，只为了一个噱头，在经过生活的判断之后，就能很快明白不可能发生，比如：之前有一张公安局门口挂的宣传横幅，除了它的接边处理不当之外，根据生活经验也会觉得不可能，国家明确规定，政府机关不能做广告，只有公安机关的领导人员不想干了，否则不可能。

• 说明遥感图像解译及时性的重要意义。

• 解译的及时性包括图像资料的及时使用。如果被获取的图像数据长期不能交付解译使用，实时地物与图像之间变化太多会造成数据的浪费。另一方面，解译的及时性是说在指定的期限内工作的完成情况。这对于所有类型的解译都是重要的，而对于气象、农业、灾害调查及其他一些部门的解译来讲尤其重要。

• 比较太空获取的遥感影像与生活中拍摄的影像的相同点与不同点。

• 不同点

  • 摄影目的不同

  • 遥感：为了获取地物信息，影像要有利于量测与地理信息的提取

  • 普通风景：为了获取美观相片

  • 对地物的保真度

  • 波段范围不同

  • 摄影方向的不同（水平，竖直）

  • 需不需要内外方位元素

  • 是否受大气影响

  • 平台不同

  • 比例尺不同

  • 遥感影像多为拼接影像，而生活中拍摄的影像为中心投射成像

• 相同点

  • 成像原理相同
  • 有相似相机性能参数
  • 存储方式类似
  • 都可以反映物体特征，如形状、大小等等

• 遥感图像解译方法中，有直接解译和间接解译之分，根据本课程的介绍，请总结间接解译的方法有哪些？

• 地理相关分析

• 地物关系：这种方法的主要依据就是一种地物的存在常与其它一些地物的存在有关系，因而地物关系成为了一个间接的解译标志。位置与位置算子 ：位置是指地物所处环境在图像上的反映。为了在图像上的特定位置识别某些地物，可针对这些特别的位置设定一些特别的处理方法，称为位置算子。

• 人类活动的结果：古代与现代的采场、采坑、矿冶遗址、渣堆是地质找矿的标志，耕地的排布反应地形地貌的特征，是历史上活动与地质体有关的痕迹。

• 遥感图像中的独立变量有哪些，说明其含义。

• 亮度

• 湿度

• 色彩和色扇：半径大小反映了饱和度的变化， 扇形弧度反应色调标志。色扇分析：通过将作为标准的地物按光谱属性的差异分别将它们标在扇形相应的位置上，可以得到地物解译的色彩标准， 可进行解译工作。

• 绿度（植被指数）

  • \(NVI =\cfrac{(IR- R)}{(IR+ R)}\)采用该公式的依据：植被在近红外波段上有高反射

• 反照度：太阳入射地面后，地面照度发射到卫星上去的物理总量

• 湿度：与土壤含水量和土壤湿度有关

• 什么是混合像元，混合像元对提取信息有什么影响？有哪些处理混合像元的方法？ 选择一种方法说明其基本思想。（建议按 ppt 答）

• 混合像元：一个像元内包含几种地物，称该像元为混合像元。混合像元的辐射特性是几种地物光谱特征的混合反映，混合像元无论归于哪一种典型地物都是错误的。

• 为了解决混合像元的问题，提出了子像元分析法和空域分辨增强法。（？）

  • 子像元分析法：针对混合像元的特点，利用地物波谱组合等研究成果，对遥感数据每一个像元进行波谱分离，从而计算出每个像元中含有某类地物的含量，达到解决混合像元问题的目的；

  • 空域分辨增强法：为了增强小于或接近一个像元的地物。由于混合像元造成了接近一个像元或小于一个像元的地物边界不清，从而减少了此类地物的识别能力。空域分辨增强利用地物纹理特点和空间卷积算法，增强此类地物的识别能力。

• 遥感图像解译要求掌握研究对象的哪些属性？举一个例子说明。

• 色调与色彩：色调与色彩对不同类型的遥感图像其意义不一样的

• 形状 (轮廓) ：形状一般指物体或图形由外部的面或线条组合而呈现的外表。对于图像上的形状或轮廓标志可以有如下几个检测方法

  • 度量属性

  • 拓扑属性

  • 解析属性

• 大小(尺寸)：与图像的空间分辨率有关，地物本身的尺寸有关。其与构像比例尺的关系，常常形成所谓的混合像元。

• 阴影

  • 可见光范围内的阴影 ：分为本影和落影。

  • 热红外图像上的阴影一般由温度较低的地段所致。

  • 对于雷达图像而言，其盲区可产生阴影。

• 图案（细部） ：图案指地物的某种组合， 可以是同类地物的组合， 也可以是不同类地物的组合， 它与纹理的主要区别在于前者重复出现。

• 纹理（结构） ：纹理是由许多细小的地物的色调重复出现组合而成，是单一的细部特征的集合。依据它的图像特征，将纹理的的图像特征与它的地理意义相联系来进行纹理分析。

• 地物关系 ：这种方法的主要依据就是一种地物的存在常与其它一些地物的存在有关系，因而地物关系成为了一个间接的解译标志。

• 位置与位置算子 ：位置是指地物所处环境在图像上的反映

• 说明图像解译过程中参考数据的重要性。如何使用需要的参考数据？（我觉得还有样本数据的作用）

• 重要性：由于光谱响应标志的可变性，遥感中经常使用某种形式的参比数据的。

• 如何使用

  • 帮助遥感数据的分析和解译

  • 校准传感器

  • 验证遥感数据所提取的信息

  • 样本数据：计算模型参数、检查、评定精度

• 比较遥感图像解译中的事后评价与事先评价的区别与联系

• 事先评价为预测。

  • 事先评价可以及早地评论遥感图像的可解译性，并对影响解译结果的主要因素予以考虑。在它的基础上可以选择图像获取和处理的最佳方法和技术手段，力求以给定的完整性、详细性和置信度完成解译工作。其基本依据是待识别地物图像的成像性能和量测性能。

• 事后评价是影像解译之后进行评价，通常采用四个标准：解译的完整性、解译的可靠性、解译的及时性、解译的明显性。

  • 作用：解译的完整性标志着所得出结果与给定任务的符合程度，他提供关于在解译当中得到底物特性细节的概念。 解译的可靠性指出了解译结果与实际的符合程度。 解译的及时性包括图像资料的即时使用。 解译结果的明显性是指解译出来的成果，应当根据任务的目标，用相应的符号、线画清晰地绘出来，或者使成果尽可能可视化，以便人们理解和应用。

• 联系

  • 事先和事后评价都是为了保证和提高遥感图像解译的质量进行的评价

• 遥感图像解译需要哪些非遥感数据辅助？如何获取？有何要求？

• 非遥感数据

  • 踏勘数据
  • 高程数据
  • 波谱特性曲线
  • 相关区域的地形图

• 获取和要求

• 说明环境本底法解译的基本原理，给出其解译流程。

• 基本思想

  • 环境本底：了解一个地区的区域概况以及分析该地区地理环境的总体规律，在分析环境背景中，搞清区域内正常的组合关系、空间分布规律、正常背景值。
  • 在这个基础上，寻找异常，并追根求源，找出异常原因，通过成因机制分析在更大范围内，寻找与异常有关的环境特征。

• 解译流程

• 请你评价利用遥感数据获取信息与实际应用之间存在的差距？分析产生的原因，给出你的建议。

• 给四个关键词遥感图像、图像特征、属性信息、解译方法，给出你的解读。

• 说明地物波谱特性的含义与作用，举一个例子说明波谱特性的应用

• 含义：物体的发射、反射电磁波的特性

• 作用：

• 相同的物体具有相同的电磁波谱特征，不同的物体由于物质组成和结构不同具有相异的电磁波谱特征。可以根据遥感仪器所接收到的电磁波谱特征的差异来识别不同的物体。

• 在图像解译，样本数据具有重要作用，请说明样本数据的含义，获取途径，并说明其作用。

• 含义

• 途径

• 作用：计算模型参数、检查、评定精度

• 遥感图像的解译标志有哪些？除了教材列出的解译标志，是否还有其他的标志？请说明