第八章 遥感图像构造解译
- 格式:ppt
- 大小:7.42 MB
- 文档页数:46
遥感图像目视解译原理及基础遥感图像目视解译是利用遥感技术获取的图像数据进行目视解读和分析的过程。
本文将介绍遥感图像目视解译的基本原理和方法,并探讨在遥感图像解译中常用的技术和工具。
1. 遥感图像目视解译的定义遥感图像目视解译是通过直接观察遥感图像,并根据空间信息、光谱信息和形态信息等特征,对图像中的地物进行识别、分类和解读的过程。
目视解译是一种常用的遥感图像解译方法,可帮助研究人员获取目标地物的信息,了解地表覆盖的特征和变化情况。
2. 遥感图像目视解译的原理遥感图像目视解译的原理基于遥感图像中地物的光谱反射特征和空间分布特征。
在目视解译过程中,通过观察图像的色调、亮度、纹理和形状等特征,可以对地物进行分类和识别。
在不同波段的遥感图像中,地物的反射特性通常会有所不同,因此通过多光谱图像的综合分析,可以更准确地进行目视解译。
3. 遥感图像目视解译的基础方法遥感图像目视解译的基础方法包括以下几个步骤:3.1. 图像预处理在进行目视解译之前,通常需要对遥感图像进行预处理,包括图像配准、辐射校正和大气校正等,以确保图像数据的准确性和一致性。
3.2. 地物分类目视解译的核心是对图像中的地物进行分类和识别。
通过观察地物的形状、大小、分布等特征,可以将地物分为不同的类别,并生成矢量或栅格数据。
3.3. 地物解译地物解译是指将图像中的地物与地物类别进行对应,并提取出地物的属性信息,如面积、形状、位置等。
地物解译通常需要结合地面调查和其他数据进行验证和修正。
3.4. 结果分析完成地物解译后,可以对解译结果进行分析和评估,了解地表覆盖的特征和变化情况,并提取出地物的信息,如土地利用、植被覆盖等。
4. 遥感图像目视解译的应用遥感图像目视解译在土地利用规划、资源调查、环境监测等领域有着广泛的应用。
通过遥感图像目视解译,可以及时获取地表覆盖的信息,监测自然灾害、城市化进程等现象,并为相关决策提供支持。
5. 结论遥感图像目视解译是利用遥感图像进行地物识别和解读的重要方法,具有广泛的应用前景。
一.遥感图像的预处理在遥感图像的应用之前,常常需要对遥感图像进行一些必要的处理,如不同格式的遥感数据的输入输出处理、多波段彩色合成处理、遥感图像的辐射校正处理、几何校正处理、拼接处理、裁切处理等,这些都称为遥感图像的预处理。
1.遥感数据的输入输出和多波段合成获得遥感数据之后,利用遥感数据之前,首先需要把各种格式的原始遥感数据输入到计算机中,转换为各种遥感图像处理软件能够识别的格式,才能够进行下一步的应用,这就需要对原始数据进行输入输出并转换为所需要的格式。
单波段的原始遥感数据合成为多波段的彩色遥感数据,因为人眼对彩色物体的分辨能力大大高于对黑白物体的分辨能力,彩色遥感图像的信息量更大;而且利用多波段的彩色遥感图像,还可以进行三个不同波段的遥感图像的彩色合成,以提高对不同地物的识别能力。
彩色遥感影像要求选择不少于3个波段的多光谱图像,各波段的配准误差不大于0.2m m。
2.遥感图像的辐射校正由于传感器本身的特性和大气、地形因子以及其它各种生态环境因子的影响,使传感器所接收的地物光谱反射信息,不能全部真实地反映图同地物的特征,影响了图像的识别精度,因此必须进行辐射校正,改进图像质量。
辐射校正主要包括三个方面:●传感器的灵敏度特征引起的辐射误差校正,如光学镜头的非均匀性引起的边缘减光现象的校正、光电变换系统的灵敏度特性引起的辐射误差校正等。
●光照条件的差异引起的辐射误差校正,如太阳的高度角的不同引起的辐射误差校正、地面的倾斜引起的辐射误差校正等。
●大气的散射和吸收引起的辐射误差校正等。
3.图像几何校正几何校正是指从具有几何畸变的图像中消除畸变的过程,也就是定量地确定图像上像元坐标与地理坐标的对应关系,即把数据投影到平面上,使之符合投影系统的过程。
为了将所获取的数据投影到理性的空间平面上产生精确的换算模型,需要借助一组地面控制点来进行几何校正。
控制点选择应均匀分布而且在影像图与地形图上都容易确定的同名地物点上。
遥感图像解译作业一1、横量遥感图像解译质量的指标有哪几个?每个指标的含义是什么?(1)解译的完整性解译的完整性标志着所得出的结果与给定任务的符合程度(2)解译可靠性解译可靠性指出解译结果与实际的符合程度(3)解译的及时性解译的及时性包括图像资料的及时使用(4)解译结果的明显性解译结果的明显性是指解译出来的成果。
2、地物的特征有哪些,他们在遥感图像解译中的作用是什么?地物特征:空间分布、波谱反射和辐射特征、时相变化空间分布作用:(1)分析探测对象的空间分布特征以选择具有适当的空间分辨率的遥感图像;(2)特测对象的空间分布特征又是在遥感图像上识别目标的参考数据。
波谱反射和辐射特征作用:可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。
时相变化作用:通过动态监测了解地物的变化过程和变化范围,并按照地物的时间变化特征以及光谱特征的时间效应来确定识别目标。
作业二1、分析主动、被动微波,近红外和热红外遥感的异同?不同:主动微波遥感:用人工向目标物发射某一波长的微波讯号,用仪器接收目标物反射的回波,然后根据它们发射回来的微波特征识别物体;被动微波遥感:用仪器接收自然物体和人工物体自身所发射的微波;近红外遥感:红外线照相机拍摄的侦测图像;热红外遥感:指传感器工作波段限于红外波段范围之内的遥感。
相同:都具有一定的波长范围。
2、叙述5类地物的辐射特征(水体、植被、岩石、土壤和人工地物)?水体辐射特征:辐射通量与绝对温度的四次方成正比(M=εσT4),因此水体周围地物之间微小的温度差异影响着辐射通量的变化。
植被辐射特征:各类植物间的辐射差异是由植物株体从地面和太阳辐射获得并储藏热量多少而定的。
岩石辐射特征:岩矿物的辐射与其表面特征—粗糙度、色调有关。
粗糙表面比平滑表面辐射强,暗色地物比浅色地物辐射强。
土壤辐射特征:土壤的辐射是由于土壤温度状况决定的,土壤温度与水分的蒸腾散失、风化和化学溶解、微生物活性及有机质的分解速度有关,与种子萌发和植物生长有关。
上次课主要内容6.3 混合像元和像元分解Ø了解混合像元,并理解混合像元分解的意义;Ø传统方法的不足及其与子像元分类方法的区别;Ø理解植被覆盖度的二分模型及其计算方法;6.4 遥感图像多阶抽样估算地物面积Ø重点理解多阶抽样估算地物面积的基本思想及其计算方法;补充:目视解译方法和过程1.目视解译方法①直接判读法;②对比分析法;③地理相关分析法;补充:目视解译方法和过程1.目视解译方法:①直接判读法根据解译对象在影像中表现出来的形状和色彩等解译标志直接解译出目标类别。
如图所示,通过云层色彩和形状可以判断台风的位置和移动情况等信息。
补充:目视解译方法和过程1.目视解译方法:②对比分析法由于地物在不同时相、不同波段、不同传感器的影像中的表现形式不同(形状、色彩等解译标志的不同),可以通过比较分析这些影像解译出目标类别。
Ø通过对比多光谱遥感影像在灾害发生前后的形状和色彩,可以判读出山体滑坡的情况。
Ø通过对比火灾前后遥感影像上的色彩变化可以判读出火灾受灾程度和面积等信息。
Ø通过对比SAR影像上色彩和形状的差异可以判读出干旱受灾面积和程度。
Ø通过多波段影像上河流的形状和色彩等解译标志,可以判读出河流的属性和位置。
补充:目视解译方法和过程1.目视解译方法:②对比分析法多光谱遥感影像,台湾新竹区林区灾害前后对比补充:目视解译方法和过程1.目视解译方法:②对比分析法2006年香港大揽郊野公园火灾(左-灾前,右-灾后)补充:目视解译方法和过程1.目视解译方法:②对比分析法通过形状和色彩对比解译出干旱受灾区补充:目视解译方法和过程1.目视解译方法:②对比分析法多波段影像对比解译河流(左为绿色通道、右为近红外通道,右图黑色线条为河流)补充:目视解译方法和过程1.目视解译方法:③地理相关分析法通过地物之间的位置、大小、形状和邻接关系等信息解译目标。
评价标准:完整性、可靠性、及时性和明显性。
完整性:标志着得出的结果与给定任务的符合程度,它提供关于再解译中得到的地物特性细节的概念,一般以质量指标来表示。
可靠性:指出解译结果与实际的符合程度。
借助于质量和数量的指标来完成,数量主要。
及时性:包括图像资料的及时使用。
明显性:解译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,使成果尽可能可视化,以便人们理解和应用。
多阶抽样估算地物面积:不论是定性研究还是定量研究都会遇到不同空间范围的研究对象。
当我们遇到空间范围较小的对象时,可能会需要较高空间分辨率的遥感图像,只有这样才能构建合适的遥感信息单元。
但空间分辨率较高的遥感图像一般价格昂贵,对它们的处理也需要大量的人力和物力,在对不同分辨率的卫星和航空图像解译的基础上,可利用不同空间范围的遥感信息单元之间的关系,结合多阶可变概率抽样去估算地物面积。
基本思想:首先根据图像分层和确定样本单元,对于空间分辨率较低的卫星图像,为了使调查对象可以直接在卫星图像上解译出,一般选取图像特征较容易是别的地物去估测其面积较为有效,例如有林地、无林地、灌溉区、牧场等。
其次,为了使不同阶中的地物得到紧密的相关关系,就需要使不同阶的遥感图像的分辨率逐级提高。
例如,一阶单元利用空间分辨率较低的卫星图像,二阶单元利用空间分辨率较高的卫星图像,随后可用航空图像。
也就是说,随着阶数增加,图像的空间分辨率相应提高,直至最后进行地面调查。
再次,应使后一阶样本是前一阶样本的一部分,并使抽样的概率与通过逐级解译图像所得的预估值成正比。
纯像元:一个像元内仅包含一种地物。
混合像元:一个像元内包含几种地物。
纯像元分类:以监督分类为主,监督分类是在有先验知识的条件下进行的。
在被分类的区域内选择典型区域作为子区,子区中的各种类别地物在图像中的位置早已清楚,可以用这些已知的像元数据求出参数,确定各类判别函数的i想年更是,然后将未知的像元数据代入各个判别式,一般哪类判别式的值最大,就把这个像元归入哪一类。