第六章遥感制图方案

6.1
基本知识
模式识别
2、句法模式识别 句法模式识别是基于描述模式的结构特征， 用形式语言中的规则进行分类。 这种识别方法将复杂地物层层简化直至最小 单元（基元），由基元构成子模式再以不同方式 构成模式的过程如同由子构成词、由词构成句子 的过程模式识别 模糊模式识别的思想基于事物的表现有时不 是绝对的，而是存在一个不确定的模糊因素，同 样在遥感影像计算分类中也存在着这种模糊性。 是基于模糊理论的分类方法。 4、神经网络分类 神经网络分类是人类大脑神经系统识别分析 的模拟与简化。除了利用图像本身特征之外，还 可以利用以往分类的经验，在被分类信息的引导 下，自行改造其自身结构及其识别方式，达到最 佳分类效果。
遥感模式识别，按其方法不同，可分为: 1、统计模式识别 如上述，统计模式基本出发点是把特征中对 应于模式的所有观测量都视为从属于一定分布规 律的随机变量，把对应于模式的所有各维观测量 的总体视为从属于一定分布规律的随机向量。每 个随机向量在多维特征空间中都有一个特征点与 之对应，所有特征点在特征空间形成一系列分布 集群，然后按照统计准则判决各点属于哪一类， 这一过程即为统计模式识别。
6.2
遥感分类的基本原理
概述
图像分类的实质是将图像中的每个像元点或 区域归属于若干个类别中的一类，或若干个专题 要素中的一种，即完成将图像数据从灰度空间转 换到目标模式空间的工作。 分类的结果是将图像空间划分为若干个子区 域，每个子区域代表一种实际地物。 分类前，往往要对遥感图像做一定的预处理， 包括校正、增强、滤波和主成分变换等操作，以 突出目标地物或消除同一类型目标以及不用类型 目标的影响。
遥感分类的基本原理
遥感图像分类方式
监督分类： 通过选择能够表征各类别的已知样本（训练 区）的像元光谱特征，事先取得各类别的参数， 确定判别函数，从而进行分类的方法。 在监督分类中，要先定义信息类，然后检验 它们的光谱可分性。 非监督分类： 根据事先指定的某一准则，让计算机自动进 行判别归类，没有人为的干扰而进行分类，计算 机自动分类后再来确定地物类别的方法。 在非监督分类中，要先确定光谱可分的类型 （光谱类），然后定义它们的信息类。

标志
色 调
岩性
影纹 图案
地形(貌)
水 系
植被与 土地利 用
其 他
无层理、 有岩相带、 围岩蚀变 带，岩体 长轴常与 构造走向 一致
侵 入 岩
均匀， 随岩性 (酸性-基 性)色调 从浅-深 变化
穹 浑圆状、 缓 串珠状 丘 较 地
形 圆 陵 高
低 滑 或 山
稀疏树 枝状、 环状放 超基性 射状水 岩类不 系 明 显 ， 发育 受裂隙 控制 树枝状， 环状、 放射状、 平行状 水系 植被稀 少，土 壤层不 发育
1.1.2 沉积岩的图形特征 沉积岩的主要构造特征是成层性--层理。成 层的沉积岩以不同的产状，在不同的地区和构 造环境中具有以下特征： （1）朵状条纹条带，反映区域构造环境稳定 。 （2）弧形、环形、封闭型、折线型和迥曲线 型条纹条带；反映强烈强压环境。 （3）直线型条纹条带，反映单一构造环境。
（1）由无色和浅色矿物（石英、透闪石、透辉石等）组成的石 英岩、大理岩、钙镁硅酸盐岩石等，其风化面颜色一般较浅，反 射率偏高，色调较浅； （2）由暗色矿物组成的岩石，如片麻石、角闪片石、辉石岩等 ，其表面风化颜色偏深，反射率一般低于10%，呈深灰色至黑色 调。
1.3.2 变质岩的图形特征 正变质岩：在RS图像上具备岩浆岩和变质作 用产物的双重影纹特征。如，侵入岩体的块状 图形背景上迭加许多细断续线纹。 副变质岩：具备沉积岩和变质作用产物的双 重影纹特征。即在沉积岩的图形类型上迭加细 小的迥曲状条纹条带。在变质构造片理和片麻 理与原岩层理一致时，表现为成层岩层的图形 特征，其中细线纹尤为发育。当变质构造与层 理一致时，往往细线纹与地层条带呈斜交或直 交的交叉线纹。此外，常见有似层状，透镜状 ，肠状或回曲状图形。

3
二、几何校正原理
几何校正涉及两个过程： ➢ 一是空间位置（像元坐标）的变换 ➢ 二是像元灰度值的重新计算（重采样）
4
二、几何校正原理
坐标转换 （a）直接法；（b）间接法
5
三、几何校正步骤
几何精校正不需要空间位置变化数据，回避了成像的空间 几何过程，主要借助地面控制点实现校正。其主要校正步 骤为：
第6章
几何校正
几何校正
一、几何校正原理 二、几何校正步骤 三、几何校正类型 四、图像匹配 五、投影转换
难点：图像匹配 重点：几何校正方法
2
一、几何校正原理
几何校正和几何配准
➢ 几何配准是指将不同时间、不同波段、不同传感器系统所获得的同一 地区的图像（数据），经几何变换使同名像点在位置上和方位上完全 叠合的操作。
➢ 对畸变图像和基准图像建立统一的坐标系和地图投影。 ➢ 选择地面控制点（GCP），按照GCP选择原则，在畸变图像
和基准图像上寻找相同位置的地面控制点对。 ➢ 选择校正模型，利用选择的GCP数据求取校正模型的参数，
然后利用校正模型实现畸变图像和基准图像之间的像元坐 标变换。 ➢ 选择合适的重采样方法对畸变图像的输出图像像元进行灰 度赋值。 ➢ 几何校正的精度分析。
9
四、图像匹配
3.图像匹配方法 根据图像特征的选择，图像匹配方法一般可以分为基于灰
度的图像匹配和基于特征的图像匹配。
10
➢ 几何配准与几何校正的原理是完全相同的，即都涉及到空间位置（像 元坐标）变换和像元灰度值重采样处理两个过程。
➢ 二者的区别主要在于其侧重点不相同：几何校正注重的是数据 本身的处理，目的是为了对数据的一种真实性还原。而几何配 准注重的是图和图（数据）之间的一种几何关系，其目的是为 了和参考数据达成一致，而不考虑参考数据的坐标是否标准、 是否正确。也就是说几何校正和几何配准最本质的差异在于参 考的标准。另外，几何校正更像前期数据处理，几何配准更像 后期处理。

具有重要的理论意义和应用前景。
3
本章主要内容
◦ 第一节 遥感数字图像的性质与特点 ◦ 第二节 监督分类、非监督分类 ◦ 第三节 其它分类方法 ◦ 第四节 误差与精度评价
4
教学目的
◦ 巩固基础知识（遥感数字图像的概念、特点及表示方法）
◦ 掌握遥感数字图像计算机分类的基本原理 ◦ 理解监督分类、非监督分类的含义 ◦ 了解分类方法，做好实践操作的理论准备
◦ (5)根据上面(4)中的检查和评估,修改训练样本,必要时可重新选择和评估 训练样本;
◦ (6)将训练样本的信息运用于合适的分类过程中。
监督分类中常用的分类方法
◦ 最小距离分类法 ◦ 多级切割分类法 ◦ 特征曲线窗口法 ◦ 最大似然比分类法
2019/5/19
27
1、最小距离分类法
最小距离法—是利用训练样本中各类别在各波段的均值,根据各 像元离训练样本平均值距离的大小来决定其类别
◦ (2)对图像进行检查,对照已有的参考数据或者实地考察经验,评价图像质 量,检查其直方图,决定是否需要别的预处理,如地形纠正、配准等,并确 定其分类系统;
◦ (3)在图像上对每一类别按照前面提到的标准选择训练样本,训练样本必 须是容易识别的,均匀分布于全图
◦ (4)对每一类别的训练样本,显示和检查其直方图,计算和检查其均值、方 差、协方差短阵,以及其对应的特征空间相关波谱椭圆形图和不同的指 示其分离度的统计指数等,从而评估其训练样本的有效性;
由于图像中同一类别的光谱差异,如同一森林类,由于森林密度、年 龄、阴影的差异,其森林类的内部方差大,造成训练样本并没有很好 的代表性;
训练样本的选取和评估需花费较多的人力、时间; 只能识别训练样本中所定义的类别,若某类别由于训练者不知道或

在反演的AOD图像上，选择3个站点对应的AOD数据。方法是是以监测站点
为中心，选取半径为500m范围内的AOD平均值；
将API数据与对应的MODIS数据反演的AOD数据进行相关分析。
图中API与AOD是线性相关，
相关性不强，相关系数(R2)仅
为 0.1873
郑州市API与AOD的对比
Zhang etal. 2015, Proc. of SPIE Vol. 9610 961011-3
第六章
遥感应用
主要内容：
6.1 大气遥感/AOD监测 6.2 水体遥感/污染物监测 6.3 植被遥感/监测 6.4 陆地生态系统监测 6.5 土地退化/沙化监测
第一节、大气污染遥感监测

曾经的伦敦烟雾事件，已经在周边突然发生….. 1952年伦敦烟雾事件：1952年12月4日至9日，伦敦上空受高压系统控 制，大量工厂生产和居民燃煤取暖排出的废气难以扩散，积聚在城市 上空…… 据英国官方的统计，丧生者达5000多人，在大雾过去之后的两个月内 有8000多人相继死亡。此次事件被称为“伦敦烟雾事件”，成为20世 纪十大环境公害事件之一。
（二）、3S集成应用大气污染的原因
大气污染受污染源分布、污染物性质、气象条件和地形状况
等的影响，其时空变化很大。
常规监测方法只能在有限的监测点上进行，很难得到大区域
、长时期全面而确的结果，且需投入大量的人力和物力。
遥感技术可以瞬时获得大区域内地表和大气的综合信息，能
够避免大气污染时空易变性产生的误差；其周期性重复覆盖
ρTOA是大气顶部反射率； ρ0是大气的路径辐射项等效反射率；
T(μs)和T(μv)分别是太阳辐射方向和观测方向的大气透过率，通 常可以用T来表示；

案例四：城市规划与管理案例
总结词：通过遥感技 术为城市规划和管理 提供空间信息支持， 促进城市可持续发展 。
详细描述
1. 介绍城市规划和管 理中遥感技术的应用 背景及意义。
2. 分析遥感技术在城 市规划和管理中的应 用，如城市空间布局 分析、交通流量监测 等。
3. 展示城市规划和管 理中遥感技术的实际 应用案例，如智慧城 市建设项目、城市综 合治理方案等。
遥感图像的自动化识别
遥感图像的自动化识别是利用计算机视觉技术对遥感 图像进行自动处理和分析的过程。
遥感图像的分类
遥感图像的分类是根据图像的特征和属性进行分类和 分组的过程。自动化识别与分类可以提高遥感制图的 效率和准确性，减少人工干预的成本和时间。
遥感技术在智慧城市中的应用与展望
要点一
智慧城市的概念
遥感制图原理
遥感制图主要基于电磁波谱的不同波段和角度选择，以及地 表特征对电磁波的反射和辐射特性，通过对这些信息的收集 和处理，提取出地表的各种特征信息，并将其呈现在地图上 。
遥感制图的分类与特点
遥感制图的分类
根据遥感平台和传感器类型、空间分辨率、光谱分辨率、时间分辨率等不同， 遥感制图可分为多种类型，如航空摄影测量制图、卫星影像制图、雷达制图等 。
总结词：通过遥感技术对土地利用进行 分类和监测，为土地资源管理和规划提 供依据。
3. 展示土地利用分类和监测的成果及应 用，如土地资源清查、土地规划方案等 。
2. 阐述遥感技术在土地利用分类和监测 中的应用，包括数据源、分类方法、监 测流程等。
详细描述
1. 介绍土地利用分类和监测的概念及意 义。
案例二：生态环境评价与监测案例
详细描述
2. 阐述遥感技术在生态环境评价 和监测中的应用，包括数据源、 评价方法、监测流程等。

有机质含量对土壤光谱的影响
就同一类型的土壤而言, 有机质含量的高低 与土壤颜色的深浅有直接关系。
有机质含量高时, 土壤呈深褐色至黑色; 有机质含量低时土壤呈浅褐色至灰色。
通常颜色愈深的土壤, 其光谱反射率 愈低,而其相对肥力则愈高。
.
沙土 里有 机质 含量 的差 异
.
有两个光谱特征指标比较有机质含量的高低:
.
内容提要
6.1 土壤波谱特征及其变化规律
6.1.1 土壤的反射光谱特征 6.1.2 土壤的热红外辐射特征 6.1.3 土壤的微波辐射与散射特征
6.2 土壤遥感数据分析
6.2.1 多元统计分析 6.2.2 主成分分析 6.2.3 光谱混合分解模型
6.3 土壤遥感分析
6.3.1 土壤类型的遥感分析 6.3.2 土壤侵蚀调查与监测 6.3.3 土壤水分监测与干旱灾害预测
、有机质、氧化铁含量、土壤结壳等），几何光 学散射（几何、照明、微粒形状、大小、方位、 粗糙度）以及外部环境（气候、风化程度、植被 覆盖度、落叶）等因素的影响。
.
土壤组分的影响
土壤由固相（矿物质：原生矿物和次生矿物；有 机质：有机氮、脂肪、碳水化合物、糖类等）， 液相（土壤水分或溶液）和气相（土壤空气）三 相物质有机组成。
针铁矿、赤铁矿、褐铁矿，它们均以胶体状态覆 于土壤颗粒表面。 土壤在可见光波段的许多吸收特征都是铁氧化物 引起，铁氧化物的存在导致土壤在整个波段范围 的反射率下降。 由于土壤中铁大量存在，几乎所有土壤的光谱反 射率都朝着蓝波段方向下降，这种下降甚至可扩 展至紫外。
.
总体来说， 氧化铁会导 致可见光红 波段 (0.6~0.7μm) 的反射率上 升，近红外 波段 (0.85~0.9μm )反射率的下 降

目前应用最多及着重研究的是利用Landsat的MSS 图象制图。由于多波段的卫星图象具有信息量丰 富、现势性强，利用它编图周期短等优点，在制 图方面得到了广泛的应用。
•.
•2
遥感制图的信息源
1.主要信息源 2.空间分辨率及制图比例尺的选择 3.波谱分辨率与波段选择 4.时间分辨率与时相的选择
统计概率法：是根据物体的光谱特征进行自 动识别。
语言结构法：是根据物体的图形进行识别。
模糊数学法：是根据物体最明显的本质特征 （光谱的或图像的本质特征） 进行识别。
•.
•15
粗处理是为消除传感器本身及外部因素的影响所引 起的各种系统误差而进行的处理。
精处理是指为进一步提高卫星遥感图像的几何精度 而进行的几何校正和辐射校正，以满足专题制图的 要求。
•.
•11
遥感图像的处理方法
2.遥感图像的增强处理
在对遥感图像判读之前，要进行图像增强处理， 这包括光学处理和数字处理两类。
遥感制图
§1 遥感制图概述 §2 遥感制图的信息源 §3 遥感图像的处理方法 §4 遥感图像专题信息提取方法
•.
•1
遥感制图概述
遥感制图是指通过对遥感图像目视判读或利用图 像处理系统对各种遥感信息进行增强与几何纠正 并加以识别、分类和制图的过程。
遥感图象有航空遥感图象和卫星遥感图象，制图 方式有计算机制图与常规制图。
•.
•5
一个像元所对应地面范
围的大小即为遥感图像
的分辨率。
•.
•6
不同规模的环境特征对地面分辨率的要求
巨型环境特征
地壳 10km
大陆架 2km
洋流
2km
自然地带 2km
大型环境特征

遥感地学分析
间接因素
– 地带性气候因素 – 地貌因素 – 地质条件 – 地形起状特征
第六章土壤遥感
遥感地学分析
案例分析
新疆南部的土壤遥感解译中，根据 影像划分出山地、山前洪积扇、冲积平 原、荒漠平原、片状绿洲，线状绿洲等 地理单元，并进一步划分了沿河、湖滨 等地区，在此基础上进行土壤解译、制 图。与常规方法制作的土壤图比较，内 容详细得多。
第六章土壤遥感
遥感地学分析
地物在吸收短波太阳辐射后以长波的方式 发射，地温增高。白昼地物吸收太阳能量而增 温；夜间地物发射能量而减温。地物昼夜的温 差就是地物热 Nhomakorabea量的表象。
例如水体，由于热惯量大，昼夜温差小； 岩石热惯量小，昼夜温差大；各种含水量不同 的土壤热惯量介于水体与岩石的热惯量之间， 热惯量的大小也介于水体与岩石的热惯量之间。
理量。真实热惯量的单位是J/（m2s1/2K）。两者在数值
上虽然不相等，但是表达的都是热惯量。在遥感技术
中，通常采用相对值来表示物理量。
第六章土壤遥感
遥感地学分析
三、 表观土壤含水量遥感信息模型
既然我们用表观热惯量替代了真实热惯量， 因此对于土壤含水量，也应该可以用表观土壤 含水量来替代真实土壤含水量。现在给出表观 土壤含水量ASW的表达式：
含水量的土壤，作为标准，求出地理参数a0，a1，a2 。 由此求出的表观土壤含水量ASW也是无量纲的相对值。
1 A T
第六章土壤遥感
遥感地学分析
上式的含义是表观土壤含水量是表观热惯量的函数， 是相对土壤密度的函数，也是相对土层厚度的函数。 由于水的密度是1，所以土壤密度除以水的密度，该因 子团成为无量纲相似准则。颗粒粒径表示土壤的空隙 度，土层厚度表示所测土壤含水量的深度范围，颗粒 粒径除以土层厚度表示相对土层厚度，即土层有几倍 的粒径厚度，也是无量纲因子团。由于世界各地的土 壤种类不同，所处地理环境不同，所以a0，a1，a2各处 是不同的，也是以图像表示的。同样地，表观土壤含 水量也是虚拟的。