第六章遥感技术应用.ppt

第六章：遥感技术应用 第一节：遥感数据源的综合分析方法 遥感基本原则、信息源评价选择及应用 第二节：遥感技术应用领域 重点为植被遥感；土壤含水量遥感、农业遥感、热红外遥感应用—城市热岛效应、土地利用制图等 第一节：遥感数据源的综合分析方法 二、遥感数据源的选择 考虑遥感地学对象的地学属性：空间分布，光谱反射和发射特征，时相变化。 遥感信息源以4个分辨率为主的评价标准。 选择遥感数据源时，看其是否能反映研究对象的地学属性：空间分布、波谱辐射特征和时相变化规律，两者相符，则可能成功，反之基本条件不具备则可能不成功。 必须考虑解决问题的精度要求（尺度大小）、信息类型、成本等，综合考虑，选择合适的遥感数据。如提取几何结构参数，可能需要航空像片、激光雷达或多角度观测数据，提取非表面信息、则需要微波遥感数据。提取生物化学参数则需要高光谱数据。 三、遥感信息源的处理应用方法 两类处理方法：基于目视解译原理的一类方法和定量遥感。 目视解译，发展到计算机处理，包括变换、增强、复原、图像分析（分类）、图像融合等。这里的定量方法可以随意改变像元值。 定量遥感，方法很多，有不同领域的定量模型，包括统计模型。其中以BRDF为基础的定量遥感，不能随意改变像元值。 地学分析方法。遥感如何与地学方法综合，从补充地学信息和应用地学分析方法现在发展到遥感为解决地学问题提供数据、地学过程模型和遥感模型耦合表达地学现象时空演变的阶段。 地学分析方法 遥感图像信息所反映的地理环境的综合性与复杂性，遥感信息传递过程的局限性、地物的遥感信息之间复杂相关性、相互补充及其本身的综合特点。区域综合分析的处理方法是必要的，数学物理方法和地学分析结合。 充分利用遥感数据本身的潜力（各种处理变换，从方法上：目视、增强、融合、分类、定量模型） 用地物之间、地物和环境之间的相互关系，推断出遥感图像没有反映出来的信息，选择因子必须一是与目标相关，二是目视解译时显示明显，图像数据分析时可以提取和识别。 综合的地学分析（信息复合、交叉分析法、环境本底、分层分类、地理相关分析） 遥感和地学分析方法可以从两个角度或阶段来认识：以遥感 为主，补充地学知识，用地学分析的方法进行遥感信息提取；以地学现象的时空演变为主，借助于遥感获取所需数据，把地学过程模型与遥感模型进行耦合。 第二节：遥感技术应用领域 资源调查 环境监测 区域分析 宏观研究 本节主要介绍植被遥感。另外简单介绍土壤含水量遥感估测、应用热红外遥感研究城市热导效应、作物估产和土地利用制图。 一、植被遥感 （一）植被的光谱特征 1、健康植物的反射光谱特征：有四个反射峰、五个吸收谷。 植物叶子的颜色即叶绿素含量 叶子的组织结构 叶子的含水量 植物的覆盖度 （二）植被类型信息提取 不同植物由于叶子的组织结构和所含色素不同，具有不同的光谱特征。 在近红外光区，草本植物的反射高于阔叶树，阔叶树高于针叶树。 利用植物的物候期差异来区分植被类型。 根据植物空间分布及其生态条件等区分植被类型。 注意不同时间、地区有不同特点 （三）植被指数和叶面积指数 1、植被指数的类型及其影响因素 2、叶面积指数 （五）植物生长状况的解译 健康的绿色植物具有典型的光谱特征。遭受病虫害的植物其反射光谱曲线的波状特征被拉平。 二、土壤遥感应用 土壤是在地形,气候等多种成土因素的综合作用下形成的.在遥感影象上，不同的土壤类型的特征，不如水体,植被等要素明显，而且，土壤的性状主要表现在剖面上，而不是在土壤的表面。 土壤类型和一些参数信息提取主要通过综合分析，并依靠间接解译标志。 土壤的光谱特征 地表植被稀少的情况下，土壤 的光谱曲线与其机械组成和颜色密切相关. 土壤表面有植被覆盖时,覆盖度小于15%,光谱特征与裸土相似;在15%-70%,表现为混合光谱. 不同含水量土壤光谱特征 遥感估算植被稀疏地区土壤含水量 三、大面积农作物的遥感估产 1、根据作物的色调、图形结构等差异大的物候期的遥感时相和特定的地理位置等的特征，将其与其他植被分开。 获得农田分布图。 2、利用高时相分辨率的卫星影象对作物生长的全过程进行动态监测 得到植被指数：比值植被指数、归一植被指数、差值植被指数、垂直植被指数。 3、建立农作物估产模式 用选定的植物灌浆期植被指数与某一作物的单产进行回归分析，得到统计模型。 五、土地利用制图（以目视解译为例） 遥感数据源的选择，遥感地学对象的地学属性：土地利用的空间分布，光谱特征，调查的时间，尺度大小；考虑解决问题的精度要求和成本，综合考虑选择合适的遥感数据。进行精确的几何校正 分类系统的确定：地表覆盖类型从粗到细以信息树表示的分级结构的分类形式。表示各类别等级的详细程度。我国土地分类的一级类型：耕地—林地—草地—居住