第五章 遥感数据的信息提取与应用
测绘技术中的遥感数据的获取与处理方法
测绘技术中的遥感数据的获取与处理方法遥感技术在测绘领域的应用日益广泛，其能够获取大范围、高分辨率的地表信息，为地理空间数据的获取和处理提供了有力支持。
本文将探讨测绘技术中遥感数据的获取与处理方法。
一、遥感数据的获取遥感数据的获取主要通过卫星、飞机等载体，采集地球表面的电磁辐射信息。
卫星遥感数据具有广覆盖、周期性获取、持续监测等优势，而航空遥感数据则具有高分辨率、重复性强等特点。
1. 卫星遥感数据的获取卫星遥感数据的获取通常分为光学遥感和微波遥感两类。
光学遥感通过装载在卫星上的传感器，记录地表反射、发射和散射的光谱信息，推测出地表特征。
而微波遥感则利用微波辐射与地表物质的相互作用，获取地表的散射、吸收和反射等信息。
2. 航空遥感数据的获取航空遥感通过飞机搭载的传感器，采集地表的高分辨率影像数据。
航空遥感数据获取灵活，能够根据需要选取特定区域进行拍摄，获取更精确的地理信息。
二、遥感数据的处理方法遥感数据处理是对获取的原始遥感数据进行预处理、分类、提取等工作，以获得具有科学和实用价值的产品和信息。
1. 遥感数据的预处理遥感数据的预处理主要包括几何校正、辐射校正和大气校正等。
几何校正校正了数据获取过程中的几何变形，使其与地球表面实际对应；辐射校正消除了传感器自身的误差和对地球表面的辐射强度；大气校正则通过模型和反演方法消除大气对遥感数据的扰动。
2. 遥感数据的分类遥感数据的分类是将遥感图像中的像元分成不同的类别，常用的分类方法包括有监督分类和无监督分类。
有监督分类通过已知的训练样本进行分类器训练，然后将分类器应用于整个图像；无监督分类则不需要先验知识，通过聚类方法将图像像元自动分类。
3. 遥感数据的特征提取遥感数据的特征提取是从遥感图像中提取出地物的特征属性，如形状、纹理、光谱等。
特征提取可以利用像元级的单一特征或多特征组合进行，常用的方法有主成分分析、小波变换、纹理分析等。
4. 遥感数据的信息提取遥感数据的信息提取是根据特定的需求，通过应用特定的算法，提取出地物的相关信息。
遥感数据处理中的特征提取与分类方法
遥感数据处理中的特征提取与分类方法引言遥感技术的发展使得人们能够通过航天器远距离获取地球表面的图像数据，并进行各种分析和应用。
遥感数据处理是指对这些获取到的数据进行预处理、特征提取和分类，以实现对地球表面特定区域的信息提取和解读。
本文将探讨遥感数据处理中的特征提取与分类方法。
一、特征提取方法1. 光谱特征提取光谱特征提取是遥感数据处理中最常用的方法之一。
通过分析地球表面的反射、辐射和发射光谱信息，可以获取不同物体或地物的光谱特征。
这些特征包括反射率、辐射亮度、辐射强度等。
2. 纹理特征提取纹理特征提取是通过分析地物表面纹理的空间分布和统计特性来获取特征信息的方法。
纹理特征包括灰度共生矩阵、方差、平均灰度等。
这些特征可以用于界定地物的边界、形状和空间分布特征。
3. 结构特征提取结构特征提取是通过分析地物的几何形状和排列方式来获取特征信息的方法。
结构特征包括面积、周长、长度、宽度、密度等。
这些特征可以用于判断地物的类型和分类。
二、分类方法1. 监督分类方法监督分类方法是基于已知地物类型的样本数据进行训练和分类的方法。
这种方法需要先收集一定数量的地物样本数据，并标注其类别信息。
然后，通过对样本数据进行统计分析和特征提取，建立分类模型，对未知地物进行分类。
2. 无监督分类方法无监督分类方法是不依赖已知样本数据进行分类的方法。
无监督分类方法主要依靠对地物间的相似性和差异性进行统计分析，通过将地物划分为具有相似特征的类别，实现分类。
3. 半监督分类方法半监督分类方法是监督分类方法和无监督分类方法的结合，充分利用已知样本数据和未知样本数据进行分类。
半监督分类方法首先使用无监督方法对未知样本数据进行聚类，然后使用监督方法对聚类结果进行分类。
结论遥感数据处理中的特征提取与分类方法是实现对地球表面信息提取和解读的关键环节。
光谱特征、纹理特征和结构特征的提取可以有效地表示地物的特点和特征。
监督分类、无监督分类和半监督分类方法可以根据不同的需求和数据情况进行选择和应用。
卫星遥感数据的获取与应用
卫星遥感数据的获取与应用卫星遥感是指基于遥感技术和卫星探测数据进行空间监测和信息提取的方法。
卫星遥感技术已经成为地球科学和资源环境、城市规划、农业灾害监测等领域的重要手段，因为它具有全球范围、实时性强，更新速度快等显著优势。
卫星遥感数据的获取和应用有着极其重要的意义。
卫星遥感数据的获取卫星遥感数据的获取主要通过遥感卫星进行，目前主流遥感卫星主要包括高分系列、资源系列、环境系列、天地一号等。
这些卫星系统具有高分辨率、高空间精度和时间分辨率方面的优势，能够大量获取和存储土地利用、气象、环保、水文等数据。
但是，卫星遥感数据获取也存在着一些困难。
如当地的云层覆盖、卫星地面分辨率限制等阻碍了卫星遥感数据的获取。
因此，卫星遥感数据获取需要具备合理的遥感大气校正算法、云检测和遥感数据质量检验等技术手段。
从形式上来看，卫星遥感数据的获取主要有以下几种方式：卫星遥感数据下载：卫星遥感数据下载是指借助现有的遥感数据下载平台或数据共享平台，下载已经获取的卫星遥感数据。
卫星遥感数据申请：卫星遥感数据申请是指向相关单位或组织提出遥感数据获取需求，经过审核通过后，获取卫星遥感数据。
自主摄取卫星遥感数据：自主摄取卫星遥感数据是指，通过自主的遥感设备，获取卫星遥感数据。
不同的获取方式对应着不同范围的遥感数据使用。
通过卫星遥感数据获取，可以实现对地表物质状况，包括土地利用、自然资源、城市规划等的高效采集和监测。
卫星遥感数据的应用卫星遥感数据的应用非常广泛。
下面是卫星遥感数据应用的若干领域。
农业卫星遥感在农业领域的应用可以帮助农民对农作物的生长情况和病虫害的情况进行预测和监测，以提高农作物的产量和质量。
卫星遥感技术可以帮助制定农业政策，发现问题和做出更好的决策。
此外，卫星遥感技术还可以帮助农民进行土地分类和土地利用状况的评估。
城市规划卫星遥感技术在城市规划领域的应用可以帮助政府对城市发展进行规划和控制，提高城市规划和设计的科学性和有效性。
如何进行遥感数据的融合与提取
如何进行遥感数据的融合与提取遥感技术是近年来发展迅猛的一项技术，通过卫星、飞机等载体对地球表面进行观测和测量，获取到的数据被广泛用于农业、环境、城市规划等领域。
然而，单一遥感数据往往无法满足实际需求，因此进行遥感数据融合与提取变得至关重要。
一、遥感数据的融合遥感数据的融合是将来自不同观测平台和传感器的数据进行综合利用，以获得更准确、全面的地球表面信息。
一种常用的数据融合方法是多源数据融合，将来自不同载体的数据进行融合，形成一幅综合图像。
这种方法既可以弥补各种载体的数据不足，又可以利用各种载体的优势，提高图像的空间分辨率和光谱分辨率。
同时，还可以通过数据融合来降低遥感图像的噪声，提高图像的质量。
二、遥感数据的提取遥感数据的提取是根据实际需求，从遥感数据中识别并提取出所关心的信息，以用于进一步的分析和应用。
常见的遥感数据提取方法包括特征提取和目标提取。
特征提取是从遥感图像中提取出与所关心的特征相关的信息，如土地利用类型、植被指数等。
目标提取是将图像中的目标物体从背景中分割出来，如建筑物、道路等。
在进行遥感数据的提取时，传统的基于像元的方法已经不再适应复杂的地物识别需求。
因此，研究人员提出了基于对象的遥感图像分析方法。
这种方法将像元视为对象的一部分，通过对对象的特征进行提取和分析，实现对遥感图像中目标的精确识别和提取。
对象级的遥感数据提取方法不仅能够提高提取结果的准确性，而且可以获取到更多的地物信息，进一步拓展遥感的应用领域。
三、遥感数据融合与提取的应用遥感数据融合与提取的应用广泛涉及到农业、环境、城市规划等领域。
以农业领域为例，通过遥感数据的融合与提取，可以实现农田土壤的养分评估、病虫害的监测、农作物的生长状况分析等。
通过获取到的精确信息，农民可以及时调整农业生产方式，提高农作物的产量和质量。
类似地，在环境领域，遥感数据的融合与提取可以用于监测大气污染、水体污染等环境问题，为环境保护与治理提供支持。
航天器遥感数据的处理与应用研究
航天器遥感数据的处理与应用研究随着航天技术的不断提高，遥感技术在地理、环境与农业等领域的应用越来越广泛。
航天器遥感数据处理和应用研究是实现高效遥感利用的必要技术之一。
一、航天器遥感数据的获取遥感技术可通过航空航天手段获取，这是因为航天器可从高空俯瞰大片面积，获得大范围的图像和数据。
遥感数据涵盖了辐射、辐射量、物质量和地形图等多个方向的信息。
这其中的信息有时难以观测，或者需要长时间观测才能得到。
二、航天器遥感数据处理的应用研究航天器遥感数据的优势在于其高精度、高覆盖范围和高可靠性。
但是大量的数据也给数据处理带来了巨大的挑战。
航天器遥感数据的处理是为了更好地利用遥感数据，探究其潜在的科学和应用价值。
数据的处理主要包括以下三个方面：1. 航天器遥感数据的几何处理几何处理是为了获得最初的数据和信息。
这一步处理包括从卫星传感器接收到的原始数据的解码和几何纠正，以及其他几何处理步骤。
它们是获得遥感数据的首要步骤。
2. 航天器遥感数据的辐射处理辐射处理是为了提取遥感数据中的信息。
这一步涉及数据校正、大气校正和辐射度预处理等步骤。
这些步骤可将原始数据转换为符合已知物理规律的数据，以便进行后续的分析和处理。
3. 航天器遥感数据的特征提取和分类特征提取和分类是为了进行遥感数据的分类和分析。
这一步主要包括数据分割、特征提取、数据分析和分类，如分类等。
这些步骤可根据遥感数据的不同特点和用途，分析和提取关键特征并进行分类，以便提取所需的信息。
三、航天器遥感数据应用领域的研究在大数据时代，航天器遥感数据不仅在科学研究中发挥着重要的作用，还在许多领域得到了广泛的应用。
1. 地理信息系统（GIS）航天器遥感数据可用于GIS地图的呈现和制作。
这种集成资料就可以为各种行业提供高精度、规范化地图，进而促进自然灾害预测和监测，审查城市发展计划，升级基础设施和水资源等的分配。
2. 环境管理遥感数据可用于环境监测和服务。
遥感技术可以监测水域、土地利用、植被覆盖和大气的污染，以支持环境监测、评估和规划。
遥感数据获取和处理的方法与技巧
遥感数据获取和处理的方法与技巧遥感技术是一种通过远距离获取地球表面信息的技术，具有广泛的应用领域，包括土地利用规划、环境监测、资源调查等。
本文将介绍遥感数据获取和处理的方法与技巧，以帮助读者更好地理解和应用遥感技术。
一、遥感数据获取的方法与技巧1. 遥感平台的选择遥感数据的获取可以通过不同的平台进行，包括卫星遥感和航空遥感。
卫星遥感是通过卫星搭载的传感器获取数据，适用于大范围的地表信息获取；而航空遥感则是通过飞机或无人机搭载的传感器获取数据，适用于局部区域的高分辨率影像获取。
在选择遥感平台时，需要根据具体应用需求和预算进行评估和选择。
2. 数据源的选择遥感数据的获取可以通过不同的数据源进行，包括光学遥感数据和雷达遥感数据。
光学遥感数据通过感知可见光和红外辐射，适用于获取地表的光谱和形态信息；而雷达遥感数据通过感知微波辐射，适用于获取地表的高度和形变信息。
在选择数据源时，需要根据应用需求和研究目标进行评估和选择。
3. 数据获取的预处理在进行遥感数据获取之前，需要进行数据获取的预处理工作。
这包括确定获取的数据范围、选择合适的获取时间和天气条件，以及进行辐射校正和几何校正等工作。
预处理的目的是消除图像中的噪声、改善数据质量，并使数据能够更好地用于后续分析和处理。
二、遥感数据处理的方法与技巧1. 影像分类与解译遥感数据处理的核心任务之一是影像分类与解译。
影像分类是将遥感图像中的像素根据其特征进行划分，并将其归类到不同的地物类型中；而影像解译则是通过对图像中不同地物的特征进行分析和解释，推断其类型和特征。
影像分类与解译可以利用传统的机器学习算法，如最大似然法和支持向量机等，也可以利用深度学习算法，如卷积神经网络等。
2. 特征提取与分析特征提取与分析是遥感数据处理的另一个重要任务。
特征提取是将遥感数据中有用的信息提取出来，如纹理特征、形状特征等；而特征分析则是对提取出的特征进行统计和分析，从而揭示地物的空间分布和变化规律。
基于遥感大数据的信息提取技术综述
基于遥感大数据的信息提取技术综述一、本文概述随着遥感技术的迅猛发展和大数据时代的到来，遥感大数据已经成为了地理信息科学领域的重要研究内容。
遥感大数据的信息提取技术，不仅对于提升遥感数据的利用率、挖掘遥感信息的深层次价值具有重要意义，同时也是实现地球科学定量化、精准化研究的关键手段。
本文旨在综述遥感大数据信息提取技术的最新研究进展，包括遥感大数据的特点、信息提取的主要方法、应用领域以及面临的挑战与未来发展趋势。
通过对遥感大数据信息提取技术的全面梳理和评价，旨在为相关领域的研究人员和实践者提供有益的参考和启示，推动遥感大数据信息提取技术的持续创新和发展。
二、遥感大数据概述遥感大数据，指的是通过遥感卫星、无人机、地面传感器等多元化遥感平台获取的海量数据。
这些数据不仅包括传统的光学影像，还涉及雷达、激光扫描、红外等多源、多时相、多分辨率的数据类型。
遥感大数据的特点主要体现在数据量庞大、数据结构复杂、数据动态性强以及价值密度高但价值发现难等方面。
随着遥感技术的发展，特别是高分辨率对地观测技术的广泛应用，遥感大数据已经成为地理信息科学、地球科学、环境科学等领域研究的重要数据源。
遥感大数据的获取不仅提高了我们对地球表面及其环境的认知深度，也为资源监测、城市规划、灾害预警、环境保护等实际应用提供了强有力的数据支持。
在遥感大数据的处理与分析方面，传统的数据处理方法已经难以应对如此庞大和复杂的数据量。
发展基于云计算、大数据挖掘、机器学习等先进技术的遥感大数据处理框架和算法，成为遥感大数据领域的研究热点。
这些新技术和方法的应用，不仅可以提高遥感大数据的处理效率，还能发现隐藏在数据中的深层次信息和价值，推动遥感大数据在各领域的应用和发展。
遥感大数据作为信息提取的重要基础，其处理和分析技术的持续创新将为后续的信息提取提供更为准确、快速和全面的数据支持。
对遥感大数据的深入研究和探索，对于推动遥感技术的发展和应用，具有非常重要的意义。
遥感原理与应用复习题(finalversion)
遥感原理与应用复习题一、名词概念1. 遥感广义：泛指一切无接触的远距离探测，包括对电磁场、力场、机械波（声波、地震波）等的探测。
狭义：是应用探测仪器，不与探测目标相接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。
2. 传感器传感器是遥感技术中的核心组成部分，是收集和记录地物电磁辐射能量信息的装置，如光学摄影机、多光谱扫描仪等，是获取遥感信息的关键设备。
3. 遥感平台遥感平台是转载传感器进行探测的运载工具，如飞机、卫星、飞船等。
按其飞行高度不同可分为近地平台、航空平台和航天平台。
4. 地物反射波谱曲线地物的反射率随入射波长变化的规律称为地物反射波谱，按地物反射率与波长之间的关系绘成的曲线称为地物反射波谱曲线（横坐标为波长值，纵坐标为反射率）5. 地物发射波谱曲线地物的发射率随波长变化的规律称为地物的发射波谱。
按地物发射率与波长之间的关系绘成的曲线称为地物发射波谱曲线。
（横坐标为波长值，纵坐标为总发射）6. 大气窗口通常把通过大气而较少被反射、吸收或散射的透射率较高的电磁辐射波段称为大气窗口。
7. 瑞利散射当微粒的直径比辐射波长小许多时，也叫分子散射。
8. 遥感平台遥感平台：遥感中搭载传感器的工具统称为遥感平台。
遥感平台按平台距地面的高度大体上可分为地面平台、航空平台和航天平台三类。
9. TM即专题测图仪，是在MSS基础上改进发展而成的第二代多光谱光学-机械扫描仪，采用双向扫描。
10. 空间分辨率图像的空间分辨率指像素所代表的地面范围的大小，即扫描仪的瞬间视场或地面物体能分辨最小单元，是用来表征影像分辨地面目标细节能力的指标。
通常用像元大小、像解率或视场角来表示。
11. 时间分辨率时间分辨率指对同一地点进行遥感采样的时间间隔，即采样的时间频率，也称重访周期。
12. 波谱分辨率波谱分辨率指传感器在接收目标辐射的波谱时能分辨的最小波长间隔，也称光谱分辨率。
遥感应用原理与方法
遥感应用原理与方法遥感（Remote Sensing）是指利用航空器、卫星、遥感卫星等遥感平台所获取的地球表面和大气层信息，通过传感器对辐射能的检测和记录进行处理分析，从而得到具有一定目的和目标的地表、大气和天体等信息的科学技术。
遥感应用原理与方法涵盖遥感数据获取、处理与分析的步骤，以下将分别介绍。
一、遥感数据获取遥感数据获取是指利用航空器、卫星或其他遥感平台采集遥感数据的过程。
其主要原理是利用传感器对地球表面进行辐射能的接收，然后将接收到的辐射能转化为数字信号或图像数据。
常见的遥感数据获取方式包括航空摄影、卫星遥感和无人机遥感等。
1.航空摄影：通过航空摄影机将地面目标的影像记录在感光介质上，再经过处理和解译，获取地表信息。
航空摄影可以获得高分辨率的影像数据，但覆盖范围相对较小。
2.卫星遥感：利用具有遥感功能的卫星进行影像获取。
由于卫星高空运行，可以覆盖更大的地表面积，并且可以获取大范围的连续遥感数据，有利于对地球表面进行长时间和全面的监测。
3.无人机遥感：无人机遥感是近年来发展起来的新兴技术。
无人机具有灵活性高、成本低等特点，在小范围内能够获得高分辨率的影像数据，适用于小区域目标的监测和分析。
二、遥感数据处理与分析遥感数据处理与分析是指将采集到的遥感数据进行预处理和信息提取，得出目标地区的特征和信息。
遥感数据处理与分析主要包括遥感图像预处理、信息提取与分类、变化检测和遥感时空分析等。
1.遥感图像预处理：遥感图像预处理主要通过空间校正、辐射校正和大气校正等处理，使图像质量更好、减少噪声，以便进行后续分析。
2.信息提取与分类：信息提取与分类是指通过特定的算法和模型，将遥感图像中的目标进行自动或半自动的提取和分类。
常见的方法包括目标识别与定位、纹理分析、光谱解混和等。
3.变化检测与监测：变化检测是指通过对多个时间段的遥感图像进行比较，找出地表变化的区域和特征。
例如用于城市扩张、植被遥感、地质灾害监测等。
遥感地学应用05-地质遥感
03 地质遥感的应用领域
矿产资源调查
矿产资源调查
遥感技术可应用于矿产资源调查，通 过分析遥感影像，提取地质构造、岩 性、蚀变等信息，为寻找矿产资源提 供重要依据。
矿床定位
资源量估算
遥感技术可结合地质资料和勘探数据， 估算矿产资源的储量和分布，为资源 开发提供科学依据。
遥感技术能够通过分析遥感影像中的 光谱特征和纹理信息，定位矿床的位 置，提高矿产勘探的效率和准确性。
地质遥感的发展历程与现状
发展历程
自20世纪初以来，随着航空摄影和卫星遥感技术的不断发展，地质遥感经历了从单一 波段到多光谱、高光谱，从可见光到红外、微波等波段的拓展，应用领域也日益广泛。
现状
目前，地质遥感已经成为地质调查和矿产资源评价的重要手段，通过高分辨率卫星遥感 数据和先进的遥感技术，能够更加精准地识别地质构造、岩性、矿化信息等，为地质研 究和矿产资源开发提供有力支持。同时，地质遥感在环境监测、城市规划、灾害预警等
雷达遥感技术的数据处理和分析难度较大，需要专业技术和经验。
无人机遥感技术
无人机遥感技术利用无人机搭载高分辨率相机和传感器，获取高分辨率 的航空影像和数据。
无人机遥感技术具有灵活、快速、低成本等优势，能够获取高精度的地 形地貌信息，在地形测绘、土地利用调查、矿产资源勘查等领域具有广 泛的应用前景。
无人机遥感技术的稳定性和安全性需要进一步提高，同时需要加强数据 安全和隐私保护。
06 总结与展望
地质遥感的优势与局限性
快速获取大范围数据
遥感技术能够快速获取地球表面的信 息，具有大范围、宏观的观测能力。
多光谱、多分辨率数据
遥感数据涵盖多种光谱范围和空间分 辨率，能够提供丰富的地物信息。
如何利用遥感技术进行地理空间数据提取和分析
如何利用遥感技术进行地理空间数据提取和分析遥感技术在地理空间数据提取和分析方面扮演着重要角色。
它以其高分辨率、高精度和高效性受到广泛关注和应用。
本文将探讨遥感技术在地理空间数据提取和分析中的应用，并介绍其原理、方法和应用案例。
一、遥感技术概述遥感技术是通过从卫星、飞机或无人机等平台获取地球表面信息的技术。
它可以获取到的数据包括影像数据、激光雷达数据等。
这些数据可以用于提取地理空间特征，如土地利用、地形信息等。
二、地理空间数据提取1. 土地利用/覆盖分类遥感影像可以通过图像分类算法将地表特征进行分类，如水域、建筑物、植被等。
这可以帮助我们了解不同区域的土地利用情况，为城市规划、环境保护等提供参考依据。
2. 地形图构建遥感数据可以帮助生成高程模型，辅助绘制地形图。
这对于地理学研究、灾害防治等都具有重要意义。
3. 水体提取遥感数据可以通过色彩和纹理信息提取水体特征；激光雷达数据可以通过反射特征测量水体深度。
这对于水资源管理、水质监测等至关重要。
三、地理空间数据分析1. 地表变化检测遥感技术可以通过多时相影像比对来检测地表变化情况，如城市扩张、农田变化等。
这有助于环境监测和可持续发展研究。
2. 地理空间关系分析遥感数据可以用于空间分析，检测地理实体之间的关系，如道路与河流之间的邻近性。
这在城市规划、环境保护等方面有着广泛应用。
3. 自然灾害预测与评估遥感数据可以用于监测自然灾害，如洪水、地震等。
通过数据处理和分析，可以实现对自然灾害的预测和评估，为应急响应提供及时支持。
四、遥感技术的原理与方法1. 遥感影像处理遥感影像处理涉及影像纠正、辐射校正、几何纠正等步骤。
这些步骤可以使影像数据更准确，为后续分析提供基础。
2. 图像分类与分割图像分类与分割是遥感数据处理的核心步骤。
常用的方法包括基于像素的分类方法和基于对象的分割方法，如支持向量机、卷积神经网络等。
3. 空间数据分析方法空间数据分析方法包括地理加权回归、空间插值、空间聚类等。
《遥感信息的获取和处理》 讲义
《遥感信息的获取和处理》讲义一、引言遥感技术作为一种非接触式的探测手段，能够从远距离获取地球表面的各种信息。
这些信息对于资源调查、环境监测、城市规划等众多领域都具有极其重要的价值。
要想充分利用遥感技术所获取的信息，就必须了解其获取和处理的方法。
接下来，让我们一起深入探讨遥感信息的获取和处理。
二、遥感信息的获取（一）遥感平台遥感平台是搭载传感器的工具，常见的遥感平台包括卫星、飞机和无人机等。
卫星遥感平台具有覆盖范围广、重复观测周期短等优点，能够获取大面积的地球表面信息。
例如，陆地卫星系列可以提供多光谱、高分辨率的影像，用于土地利用、植被监测等方面。
飞机遥感平台则具有灵活性高、可以根据特定需求进行飞行任务规划的特点。
它适用于小范围、高精度的遥感数据获取，比如在地质勘探、城市规划中发挥重要作用。
无人机遥感平台近年来发展迅速，其操作简便、成本相对较低，能够在复杂地形和近地面获取高分辨率的影像数据。
传感器是遥感系统中用于收集和记录电磁辐射能量的装置。
根据工作原理的不同，传感器可分为光学传感器和微波传感器。
光学传感器利用可见光、近红外和短波红外等波段的电磁波进行成像。
常见的有电荷耦合器件（CCD）传感器和互补金属氧化物半导体（CMOS）传感器。
它们能够获取色彩丰富、细节清晰的影像，广泛应用于农业、林业和生态环境监测等领域。
微波传感器则通过发射和接收微波信号来获取信息，不受天气和光照条件的限制，具有穿透云雾、雨雪的能力。
合成孔径雷达（SAR）就是一种重要的微波传感器，在灾害监测、海洋监测等方面有着独特的优势。
（三）遥感数据的类型遥感数据主要包括图像数据和非图像数据。
图像数据是最常见的遥感数据类型，如多光谱图像、高光谱图像和全色图像等。
多光谱图像包含多个波段的信息，能够反映地物的不同特征；高光谱图像具有数百个甚至上千个波段，能够提供更丰富的光谱信息，有助于地物的精细分类；全色图像则具有较高的空间分辨率，能够清晰地显示地物的细节。
大二遥感导论知识点总结五六章
大二遥感导论知识点总结五六章大二遥感导论知识点总结五六章遥感技术是一种通过航天卫星、航空器或地面传感器获取地球表面信息的技术手段。
在大二遥感导论课程的学习中，我们学习了遥感的基本原理、遥感图像的解译和应用，以及遥感在各个领域中的应用案例。
本文将对第五章和第六章的知识点进行总结，希望能够帮助大家更好地理解和掌握这两章的内容。
第五章：遥感平台和传感器1. 遥感平台分类：根据不同的平台和载荷，遥感平台可以分为航天平台、航空平台和地面平台。
航天平台主要包括卫星和航天飞机，航空平台主要包括飞机和无人机，地面平台主要包括传感器和观测站。
2. 遥感传感器分类：遥感传感器主要分为光学传感器、辐射传感器和微波传感器。
光学传感器包括摄影机、相机和光谱仪等，辐射传感器包括辐射计和辐射计扫描仪，微波传感器主要包括合成孔径雷达和微波辐射计。
3. 遥感传感器选择原则：选择遥感传感器时，需考虑地表目标的性质、被测量物理量、地表覆盖范围和分辨率等因素，并综合考虑成本、时间和工作要求等。
4. 遥感图像的分辨率：分辨率是指遥感图像对地表细节的显示能力。
可见光和红外波段的分辨率一般为1-100米，雷达波段的分辨率一般为5-100米，微波波段的分辨率一般为100-1000米。
第六章：遥感图像和遥感信息提取1. 遥感图像的特点：遥感图像具有全方位、全天候、多光谱、多尺度和重复观测等特点。
这些特点使得遥感图像能够提供丰富的地表信息，并帮助我们了解地球表面的变化和演化。
2. 遥感信息提取方法：遥感图像的信息提取方法主要包括目视解译、数字图像处理和机器学习等。
目视解译是通过直接观察遥感图像提取地物信息，数字图像处理是利用计算机对遥感图像进行处理和分析，机器学习是通过训练数据集和算法来自动提取遥感图像中的地物信息。
3. 遥感信息提取的应用：遥感信息提取在土地利用/土地覆盖分类、植被监测、城市扩张分析和环境监测等方面具有广泛的应用。
通过遥感图像的解译和分析，可以了解和监测地表的变化情况，为资源管理和环境保护提供科学依据。
遥感应用的分析原理与方法
遥感应用的分析原理与方法1. 引言遥感是利用航空航天器获取地球表面信息的科学技术。
遥感技术在地球科学、环境监测、农业、城市规划等领域中得到了广泛应用。
本文将重点介绍遥感应用的分析原理与方法。
2. 遥感数据获取与处理方法遥感数据可以通过航空航天器获取，主要分为光学遥感和雷达遥感。
光学遥感主要利用光能获取地表信息，包括可见光、红外线和热红外等波段。
雷达遥感则利用电磁波辐射的回波来获取地表信息。
遥感数据的处理方法主要包括数据预处理、图像增强、信息提取和分类等步骤。
数据预处理主要包括辐射校正、大气校正和几何校正等过程，以提高数据的质量和准确性。
图像增强针对不同的应用需求，可以采用直方图均衡化、滤波和降噪等方法来增强图像的可视化效果和信息显示。
信息提取则是通过遥感图像的光谱、形状和纹理等特征，识别和提取地物信息。
最后，通过分类算法将地物分为不同的类别，在地表覆盖分类、植被类型分类和土地利用分类等方面具有广泛应用。
3. 遥感应用领域与案例分析3.1 地球科学领域在地球科学领域中，遥感技术可以用于观测地球表面的土地利用变化、地表温度分布、海洋表面温度及气候变化等。
通过遥感数据的分析，可以了解地球系统的运行情况，为地球科学研究提供重要数据支持。
例如，利用遥感数据可以监测全球的地表温度，研究气候变化的趋势和原因。
3.2 环境监测领域遥感技术在环境监测领域有着重要的应用。
通过获取遥感数据，可以对环境中的水体质量、空气质量和土壤质量进行监测和评估。
例如，利用遥感数据可以监测水体中的蓝藻水华，预测蓝藻水华爆发的风险，并为水环境管理提供决策支持。
3.3 农业领域在农业领域，遥感技术可以用于农作物的监测、生长状况评估和灾害监测等方面。
通过遥感数据的分析，可以了解农田的土壤水分状况、作物的生长情况和植被覆盖变化等。
例如，利用遥感数据可以监测农田中的干旱程度，及时采取灌溉措施，提高农作物的生产力。
3.4 城市规划领域遥感技术在城市规划领域也有着广泛的应用。
卫星遥感数据处理与信息提取技术研究与应用
卫星遥感数据处理与信息提取技术研究与应用随着科技的不断发展，卫星遥感数据处理与信息提取技术在各个领域的研究与应用也越来越广泛。
卫星遥感数据处理与信息提取技术主要指通过对卫星遥感数据进行处理和分析，从中提取有用的信息和知识，并应用在农业、气象、环境、城市规划等领域，为人类社会的可持续发展提供科学依据和支持。
一、卫星遥感数据处理技术卫星遥感数据处理技术是指将从卫星获取的原始数据进行预处理、校正和处理，使其变得更加准确和可用。
卫星遥感数据处理技术主要包括数据获取与准备、数据校正与预处理、数据增强与融合、数据分类与分类等。
首先，数据获取与准备是卫星遥感数据处理的第一步。
通过卫星遥感仪器获取的数据首先需要组织和保存，确保数据的完整性和有效性。
此外，数据的配准和分块等操作也是必不可少的。
其次，数据校正与预处理是为了消除遥感图像中的噪声和不可避免的误差，保证数据的准确性。
校正和预处理涉及大气校正、几何校正、辐射校正等，通过这些操作可以获得更高质量、更可靠的遥感数据。
然后，数据增强与融合是提高遥感图像质量和增加信息含量的重要手段。
数据增强包括空间增强、频域增强和时间序列增强等，可以提高图像的分辨率和显示效果。
数据融合则是将多个传感器或多个波段的数据融合在一起，生成更具信息量的遥感图像。
最后，数据分类与分类是卫星遥感数据处理的关键环节。
数据分类通过对遥感图像像元进行分类，将图像划分为不同的类别，并提取出感兴趣的地物或目标。
分类算法包括监督分类和非监督分类等，根据应用需求选择合适的分类方法。
二、卫星遥感信息提取技术卫星遥感信息提取技术是指通过对卫星遥感数据进行分析和处理，从中提取出有用的信息和知识。
卫星遥感信息提取技术主要包括植被覆盖提取、土地利用分类、水资源监测、减灾与应急等。
首先，植被覆盖提取是卫星遥感中常见的应用之一。
通过遥感数据的处理和分析，可以提取出植被覆盖的空间分布、面积变化等信息，为农业生产、森林资源管理、生态环境保护等提供科学依据。
《遥感信息的获取和处理》 讲义
《遥感信息的获取和处理》讲义一、引言遥感技术作为一种非接触式的对地观测手段，已经在众多领域发挥着至关重要的作用。
从资源调查、环境监测到城市规划、农业生产，遥感技术凭借其能够快速、大面积获取地表信息的优势，为我们提供了丰富而宝贵的数据。
而要充分利用这些数据，关键在于准确获取和有效处理遥感信息。
接下来，让我们深入探讨遥感信息的获取和处理这一重要课题。
二、遥感信息的获取（一）传感器类型遥感信息的获取首先依赖于各种传感器。
常见的传感器包括光学传感器、微波传感器和热红外传感器等。
光学传感器是最常见的一类，它能够捕捉可见光、近红外和短波红外波段的电磁波。
例如，多光谱相机可以同时获取多个波段的图像，为我们提供地物的光谱特征信息。
微波传感器则具有穿透云雾、雨雪的能力，在恶劣天气条件下也能正常工作。
合成孔径雷达（SAR）就是一种常用的微波传感器，它能够生成高分辨率的地表图像。
热红外传感器则用于测量地物的热辐射，对于监测地表温度变化、热岛效应等具有重要意义。
（二）平台选择传感器通常搭载在不同的平台上进行工作，包括卫星、飞机和无人机等。
卫星平台能够实现全球范围的大面积观测，具有重复观测周期短、覆盖范围广的优点。
例如，陆地卫星系列、气象卫星等为全球的资源环境监测提供了大量的数据。
飞机平台可以在特定区域进行更精细的观测，但其成本相对较高，且观测范围有限。
无人机平台则具有灵活性高、成本低、可近地观测等特点，适用于小范围、高分辨率的遥感数据获取。
（三）数据采集方式遥感数据的采集方式主要有主动式和被动式两种。
主动式遥感是指传感器主动向目标发射电磁波，然后接收目标反射或散射回来的电磁波。
SAR 就是典型的主动式遥感系统。
被动式遥感则是接收目标自身发射或反射的太阳辐射。
光学传感器和热红外传感器大多属于被动式遥感。
三、遥感信息的处理（一）辐射校正由于传感器本身的特性、大气的影响等因素，获取的原始遥感数据往往存在辐射误差。
辐射校正的目的就是消除这些误差，使得数据能够准确反映地物的真实辐射特性。
遥感信息提取及应用
特征3
特征m
…
结果特征元
μc1
μc2
μc3
…
μc4
表示对应目标类中所选择的特征
面向基元的遥感信息提取流程
数据输入 认知基元 模糊分类 输出结果 基元特征库 专家决策知识库
对象识别规则
Level
尺度
提取目标
规则
备注
2
48
大面积分布，纹理特征明显的类别。
水体：波段2和波段3的比率，以及亮度值。 林地与已开发区域通过波段1的均值进行区分。
监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。
01
非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度的像元归为一类）的方法。
02
图像分类中的有关问题—混合像元
选取的特征变量应有这样的性质，即对于不同类别的模式，特征量值相差较大；而对于同类模式，则应有大体接近或相同的特征值。
对于某一类模式而言，特征量及特征值应能充分地表明该模式属于该类而不属于其它类别地主要根据。
目视判读
单击此处添加文本具体内容，简明扼要地阐述你的观点
01
遥感影像的基本特征？
02
特征的表现方式—判读标志
03
判读标志：地物在图像上的各种特有的表现方式
景物特征和判读标志
形状
01
大小
02
图形与边界
03
阴影
04
位置
05
遥感数据处理中的特征提取方法与应用技巧
遥感数据处理中的特征提取方法与应用技巧遥感技术是指通过高空或高速传感器获取地球表面信息的一种手段。
它通过光电传感器、雷达传感器等设备获取的数据，经过一系列的处理和分析，可以提取出地球表面的特征信息。
特征提取是遥感数据处理的重要环节，本文将介绍几种常用的特征提取方法和应用技巧。
一、图像预处理在进行特征提取之前，首先需要对遥感图像进行预处理。
预处理的目的是去除图像中的噪声和干扰，使图像更加清晰，提高特征提取的精度和准确性。
常见的预处理方法有去噪、边缘增强和图像增强等。
去噪是指去除图像中的噪声信号，常用的方法有平滑滤波、中值滤波和小波滤波等。
平滑滤波是通过邻域平均值或加权平均值来替代噪声像素值，中值滤波则是通过邻域像素的中值来替代噪声像素值，小波滤波则是通过小波变换的方法来滤除噪声。
边缘增强是用于增强图像中的边缘信息，以提高特征提取的效果。
常用的边缘增强方法有Sobel算子、Canny算子和Laplacian算子等。
这些算子可以从图像中提取出边缘信息，使得特征提取更加准确。
图像增强是通过增加图像的对比度和亮度来使图像更加清晰。
常用的方法有直方图均衡化和伽马校正等。
直方图均衡化是通过对图像的直方图进行变换，使得图像的灰度级在整个灰度范围内均匀分布，从而增加图像的对比度。
伽马校正是通过对图像的像素值进行幂次变换，从而调整图像的亮度。
二、特征提取方法特征提取是指从图像中提取出具有代表性的特征信息，以反映地物或目标的性质和特征。
常用的特征提取方法有灰度共生矩阵法、纹理特征提取法和形状特征提取法等。
灰度共生矩阵法是一种常用的纹理特征提取方法，它通过计算图像中像素之间的灰度值差异来反映图像的纹理信息。
该方法通过构建灰度共生矩阵，计算出不同方向上的纹理特征，如对比度、相关性和能量等。
这些特征可以用于地物分类、目标检测和图像匹配等应用。
纹理特征提取法是一种常用的特征提取方法，它通过提取图像中的纹理信息来表征地物或目标的特征。
遥感数据获取与处理的基本流程与技巧
遥感数据获取与处理的基本流程与技巧遥感技术是通过获取并分析从卫星、飞机或无人机等遥远距离采集的数据，从而获取有关地球表面特征和变化的信息。
遥感数据的获取和处理流程至关重要，它对于解决环境问题、农业发展和城市规划等领域都具有极大的应用价值。
本文将介绍遥感数据获取与处理的基本流程与技巧。
一、遥感数据获取1. 数据源选择在进行遥感数据获取之前，我们首先需要选择合适的数据源。
常见的数据源包括卫星遥感数据、航空遥感数据和无人机遥感数据。
根据具体需求，我们可以选择高空分辨率的卫星影像数据，或者借助无人机获取更详细的区域影像数据。
2. 数据获取与下载数据获取的方式多种多样，可以通过官方网站或专业平台下载数据，也可以借助开放源数据或商业数据进行获取。
无论选择哪种方式，都需要注意数据的有效性和准确性。
3. 数据预处理获取到的遥感数据往往需要进行预处理，以去除噪音和不必要的信息，同时还需要进行大气校正、几何校正和辐射校正等处理步骤，以确保数据的质量和准确性。
二、遥感数据处理1. 影像处理遥感影像是遥感数据的重要组成部分，对于不同的应用需求，我们可以通过一系列的影像处理步骤来获取所需的信息。
常见的影像处理方法包括影像融合、图像增强、目标提取和分类等。
2. 特征提取通过遥感数据，我们可以获取到地表不同特征的信息，如植被覆盖、土地利用和水域分布等。
在进行特征提取时，我们可以运用不同的算法和工具，如主成分分析和分类器等，以提取出所需的特征信息。
3. 数据分析与应用在获取到处理后的遥感数据之后，我们可以进行多种数据分析和应用，如环境监测、资源调查和灾害评估等。
通过对遥感数据的分析，我们可以更好地了解地球表面的变化和特征，从而提供有针对性的解决方案。
三、遥感数据处理的技巧1. 选择适当的处理方法在进行遥感数据处理时，我们需要根据具体的应用需求选择合适的处理方法。
不同的处理方法对于不同的数据类型和问题具有不同的适用性，因此在选择处理方法时需要谨慎，充分考虑数据的特点和要求。
高光谱遥感影像的信息提取与应用研究
高光谱遥感影像的信息提取与应用研究高光谱遥感影像是近年来迅速发展起来的一种高精度遥感技术。
相比于传统的遥感影像，高光谱遥感影像可以提供更加丰富、细致的数据信息，能够更好地反映地面对象的物理和化学特性，具有广泛的应用前景。
本文将着重探讨高光谱遥感影像的信息提取与应用研究。
一、高光谱遥感影像的信息提取1.高光谱遥感影像的数据特点高光谱遥感影像相比于传统的遥感影像具有较高的光谱分辨率。
该技术可以将地球表面的反射光谱分为数百或数千个波段，获得更加详细的图像信息。
由于数据量极大，因此提取高度纯净的信息，需要学者们从多个维度上进行分析。
2.信息提取的方法信息提取方法在很大程度上决定了高光谱遥感影像的应用价值。
常见的信息提取方法包括：基于像元特征分析的方法、基于物质光谱匹配的方法、基于深度学习的方法等。
不同的方法适用于不同的应用场景，需要根据实际情况进行选择。
3.信息提取的应用高光谱遥感影像的信息提取可以广泛应用于自然资源管理、环境保护、城市规划等领域。
例如，在农业领域中，可以通过提取作物的生长状态信息，实现真正意义上的精准农业，提高粮食产量和质量。
此外，高光谱遥感影像的信息提取还可以帮助分析矿产资源、水资源和土地利用情况等。
二、高光谱遥感影像的应用研究1.农业领域在农业领域，高光谱遥感影像的应用主要体现在作物监测、土壤养分评估、灾害监测等方面。
例如，通过分析高光谱遥感影像中的叶绿素、植被指数等参数，可以对农作物的健康状态进行评估。
此外，在危害性灾害如病虫害和气象灾害等方面，也可以通过高光谱遥感影像来进行预警和监测。
2.环境保护领域在环境保护领域，高光谱遥感影像的应用主要体现在水体监测、气体监测等方面。
通过对高光谱遥感影像中的水体类别、浊度、富营养化度等参数进行分析，可以判断水体是否存在污染物，以及是否需要进行入河口治理等措施。
此外，在大气污染方面，也可以通过高光谱遥感影像来预测空气质量等指标。
3.城市规划领域在城市规划领域，高光谱遥感影像的应用主要体现在环境评估、景观设计等方面。
- 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)。
计算机解译的问题：
–存在错分、漏分现象
–正确率一般只有60—70%
–不同的研究区域，采用不同的方法，不同的参数
–如何选取好的训练区
–基于光谱信息的分类与基于纹理信息的分类 –存在混合像元问题 –数据自身的各种变形 –......
§2 航空遥感图像的信息提取
航空像片一般用摄影的方法获得，航高在10km以内的 对流层。 目前常用的航空像片类型为彩色红外像片。 航空像片的比例尺大、分辨率高，常用直接判读法和对 比分析法。 一般依据航片上地物的形状和色彩就可判读地物属性。 航空像片主要应用在城市遥感中。
卫星遥感以多波段为主，判读前先进行彩色增强处理， 提高目视判读的分辨率。 判读方法主要是对比分析和地物纹理特征。 高分辨率的卫星遥感图像彩色合成后，与航空像片的判 读方法类似。如IKONOS，QuickBird。
IKONOS 图像
分辨率： 1m 地区：
上海浦东 采集时间： 2000年 3月26日
To be continued…
TM的光谱效应
TM1对水体有较强的透视能力。 TM2-TM4与MSS4-MSS6相似。 TM5，TM7属于近红外波段，对岩石有明显的区分能力， 对植物也有明显的反映，属于反射峰值。 TM6与MSS8相同。
§3 卫星遥感图像的信息提取
二、水体判读
水体在卫星图像上要较其他地物容易判读。 尤其在近红外波段的影像上，由于水体对近红外的强烈 吸收，水体为黑色，与周围地物的界限很清楚。 湖、河、海以其外部形态，很容易区别。 水中的泥沙含量等状况，在可见光短波影像上有显示。 一般水浅或含沙量大的色调浅。 水体明显易判的特点，常作为其他地物定点定位的标志。
利用航片能判读地貌的类型、形态。如流水地貌、 冰川地貌、风沙地貌、黄土地貌、火山地貌等。
§2 航空遥感图像的信息提取
五、植被的判读
判读标志为：色调/色彩和纹理结构。 纹理结构：细小地物在影像上构成的组合图案。地物的 性质不同，组合图案也不同，以此来判读地物群体的性 质。 以判读植物群落为主。
§3 卫星遥感图像的信息提取
§3 卫星遥感图像的信息提取
五、城镇与道路的判读
城镇的光谱是建筑物和水泥下垫面的综合反映，与周围 环境的反差较大，能判读出城镇的外形和面积。 城镇的内部结构的判读，取决于图像的分辨率。 道路呈长条状，故提高了分辨率，一般能判读出形态和 长度，区分道路的等级。
§3 卫星遥感图像的信息提取
六、土地覆盖与土地利用的判读
§3 卫星遥感图像的信息提取
MSS5：0.6~0.7μm，对水体有一定的透视能力，对海 水中的泥沙流、河流中的悬浮物有明显的反映；能区分 死树和活树，活树色调较深。 MSS6：0.7~0.8μm，水体为暗色，对地物的湿度有明 显反映；能反映植物的健康状况。 MSS7：0.8~1.1μm，与MSS6相似，但水体更黑，湿 地色调更黑；能明显区分植物的健康状况。 MSS8：10.4~12.6μm，反映地物的热辐射性质。地表 温度高，热辐射就强，色调就浅。
1、解译标志（判读标志）
–地物本身的性质、形态等特征在像片上的反映，这些影像
特征统称为解译标志。
目视判读的标志
色调/色彩：判读前通过反差调整和彩色增强后，成为 目视判读的重要标志。
形状：是目视判读最直观的标志。
纹理：也叫内部结构，指遥感图像中目标地物内部色调 有规则变化造成的影像结构。 大小：根据地物间的相对大小，区分地物。 阴影：可判读地物的高度，但也遮挡部分地物信息。 组合图案：当地物较小时，在影像上表现为纹理，即某 种地物类型有规律的重复出现。如农田、森林。
QuickBird 影像图
多光谱影像
分辨率2.8 m
§3 卫星遥感图像的信息提取
一、Landsat卫星图像特征
光谱特性：由于各种地物组成的物质成分、结构、理化 性质的差异，导致不同的地物对电磁波的反射存在着差 异，并且致使地物的热辐射性质也不完全相同。同一地 物在不同的波谱段，其反射的电磁波与热辐射也有差异。 反映在图像上为：相同地物在不同波谱段的图像上色调 会不同。这叫做地物的光谱效应。 MSS的光谱效应。 MSS4：0.5~0.6μm，对水体有一定的透视能力，能判 读出水下地形。
别归属。
–样本像元的选取，通常需要人参与；对判别函数要用样本
进行反复验证和训练，就像有人在监督一样。
常见监督分类的方法： –最小距离法 –线性判别分析
–模糊分析
–平行六边形法 –神经网络分类 –最大似然判别法
2、非监督分类
–不选取像元集作为训练区；即不知道任何类别具备什么特
征，主要根据所有像元彼此之间的相似度大小进行归类合并
（将相似度大的像元归为一类）的方法；然后再对每个类别 的具体地理意义根据地面调查或者已知类型的数据比较后确
定。
–特点： ������ ������ ������
先分类，后定性；分类后再对各类别赋予属性 不需要训练样本，依据像素间的相似程度进行分类 分类标准：同类别的像素之间的距离尽可能的小，不同
§2 航空遥感图像的信息提取
三、水体的判读
河流判读：界线明显、弯曲自然、宽窄不一的条带状。 能判读流向、河宽、流速、桥梁、码头等附属物。 湖泊的判读：轮廓明显的形状、色调较暗。能判读其形 状、面积。 海域的判读：能清晰地判读出海岸线、潮侵地带、高潮、 低潮位臵。
§2 航空遥感图像的信息提取
四、 地貌的判读
（1）目视判读法：是目前常用的方法。
（2）计算机分类法：有监督分类、非监督分类、 模式识别、神经网络分类、分形分类、模糊分类、 人工智能等数据挖掘技术方法。
二、目视解译（目视判读）
–凭借人眼观察或借助简单的仪器（放大镜、立体镜等），
对遥感影像进行分析判断、量测，区别地物类别，勾绘地物 分布边界，识别属性，从而获取所需要信息。
监督分类的步骤： –首先找出影像中各种类别具有代表性的像元集合，作为样
本（训练样区）；
–求出每种类别样本像元集的统计特征，然后选择特征参数
（如样本像元的平均值、方差）；
–根据特征参数建立判别函数；
–根据判别函数对已知类别的样本像元进行分类，反复调整
判别函数；
–最后用判别函数对所有未知像元进行判断，划分像元的类
目视解译的特点：
–直观、速度快 –运用人脑进行的定性分析 –常用于对评价影像增强处理效果、评价计算机解
译效果、分析航空像片
–决定于影像质量和判读人员的专业水平、判读经
验
–是一个需要反复分析、对比、推理和判断的过程
三.计算机解译
计算机解译（计算机分类、计算机判读） –以遥感数字影像为研究对象，利用计算机对影像
空 间分 布位 置
分布于冲积扇中下部、洼地、河流两侧低阶地或水库附近。主要在米泉、阿克苏 水稻
作 物植 被
绝大部分分布于绿洲地带，界线较明显，有些分布于低山丘陵地区的宽阔河谷中 包括粮、棉、油等及经济作物枸杞子、啤酒花、瓜等 大部分在塔里木河、伊犁河、额河两岸（河谷林）及天山、阿勒泰山地林（阴坡为 主） 中低山阳坡,平原及荒漠地带广泛分布,山地为各种灌木矮林;平原及荒漠地带主要 是红柳等 分布于水分条件较好的山地小阴坡、河谷、冲积扇、老河道等地区 多在绿洲农区，特别在南疆农村居民点周围多果园； 植物种类同有林地 各种树木，苗圃、果树包括葡萄等 河岸林；山地林为天山云杉和阿勒泰山地松
§2 航空遥感图像的信息提取
一、判读标志
航片判读：根据像片上反映的地物影像识别地物的性质 和数量特征，并研究其分布和发生发展的规律。 判读的标志： 形状； 大小； 色调/颜色； 影阴； 组合图案/纹理结构。
§2 航空遥感图像的信息提取
二、居民地和道路的判读
城市居民地的判读特点：房屋稠密，面积较大，建筑物 排列整齐，能判读建筑物的形状、高度和周边环境。 农村居民地的判读特点：小而分散，有农田包围，能判 读居民地的外形和面积及通向居民地的道路。 道路的判读特点：线状分布，色调较亮。 实习：居民地和道路的判读。
2、目视判读的方法
直接判读法：依据判读标志，直接识别地物属性。水体 的色调与其他地物的区别，根据水体的形状可判断是河 流还是湖泊。 对比分析法：与该地区已知的资料对比，或与实地对比 而识别地物属性；或通过对遥感图像不同波段、不同时 相的对比分析，识别地物的性质和发展变化规律。
逻辑推理法：根据地学规律，分析地物之间的内在必然 分布规律，由某种地物推断出另一种地物的存在及属性。 如由植被类型可推断出土壤的类型，根据建筑密度可判 断人口规模等。或者是根据两种地物之间的区别来判断 具体是哪种地物，例如公路与铁路。
–特点：定量分析
1、监督分类
–选择具有代表性的典型实验区或训练区，用训练
区中已知地面各类地物样本的光谱特性来“训练” 计算机，获得识别各类地物的判别函数或模式，并 以此对未知地区的像元进行分类处理，分别归入到 已知的类别中。
–关键：选择样区、训练样本、建立判别函数（可
以是一些列规则，可是某种数学函数）
土地覆盖与土地利用的含义大同小异。 图像反映出来的是地表覆盖状况，该状况的类型根据土 地分类标准而定。 我国土地分类：一级大类统一，二级各地确定。 一级类型：耕地—林地—草地—园地—居住用地—工矿 用地—交通用地—水域—特殊用地—难利用地。
土地分类系统
类
耕地
型
水田 旱地 有林地
代号 11 12 21 22 23 24 31 33 41 42 43 44 46 51 52 53 61 62 63 64 65 66 67
3、监督分类、非监督分类的区别： –是否选取样区
–类别的意义在分类前是否已知
计算机解译流程：
1.明确分类目的，选择合适影像（工作波段、空间分辨率、