第2章地面特征的遥感信息表达与模型-2.ppt

主要内容 2.3.2 地面特征遥感信息模型研究 由于地球表层景观的高度复杂性，地学现象空间分布的差异性和时域的变异性，针对一定地面特征在一定时空条件下所建立的遥感信息模型需要进行大量验证实验，并进一步从遥感信息机理，模型因子与构造等方面给予修改和完善，从而生成可实用模型。 2.3.2 地面特征遥感信息模型研究 （2）多类型的地面特征遥感信息模型 由于遥感信息是一种综合性的信息，以及环境影响因素的多样性，所以不可能按统一的程式构建遥感信息模型； 遥感图像提供的信息有限；遥感信息所反映的是地物的群体特性而不是地物的个体特性，细碎地物和地物的细节得不到反映； 2.3.2 地面特征遥感信息模型研究 实际应用中的三个层次模型： 基于光谱矢量的地面特征信息模型； 一些目标如水体、植被等具有独特的多波段光谱特征，遥感信息与地面目标通常具有一对一关系，这类模型是研究的出发点，称为基类模型。 基于多源信息的地面特征遥感信息模型; 多数地面目标不能仅依靠单一的模型，需要使用多时相的遥感信息或其他辅助数据建立相应地面特征遥感信息模型，这类模型是在基类模型的基础上，通过派生机制，增加新元素项建立的。 2.3.2 地面特征遥感信息模型研究 基于地学知识的地面特征遥感信息模型； 有些地面目标或现象，尤其是隐藏遥感信息的提取，需要进行复杂的处理和较深入的分析才能识别。不仅需要光谱信息，还需要地学知识以、专家知识和经验，其内容包括知识发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。 具体的地学知识包括： 地学辅助数据、专家解译知识、经验和常识、地物波谱特性、地物空间分布及空间相互关系、地物纹理特征、地物时相分布特征及发展规律。 2.3.3 光谱特征模型的建立 （1）光谱模型的建立 在多光谱图像的地物识别中，目视判读具有主观性和低效率；而多模式分类技术因把识别问题转化为光谱特征空间的定量求解而具有客观性和高效率； 多种不同的应用目的使得选择单一的分类方案不可行。 2.3.3 光谱特征模型的建立 建立快速反映和实用性强的模型： （1）尽量减少在确定规则形式和参数过程中过多地人工因素，在一定程度上代之以质量参数约束下的自动生成方法； （2）规则需要产生于实际的数据环境，并随数据的变化而调整； 2.3.3 光谱特征模型的建立 基于光谱特征的分类的总体原则： （1）对于多变量图像，不能孤立地根据个别变量的数值进行分类，而要从整个向量数据的特征出发，即像元点在多维特征空间中的位置及聚集情况； （2）分类的实质是把多维特征空间划分为若干区域，每个区域相当于一类； 分类或划分区域的标准可以概括为两种方法： * 由每类的统计特征出发，研究其所归属的区域； * 由划分类与类之间的边界出发建立判别函数进行判别分析； 2.3.3 光谱特征模型的建立 多种数据的结合可以扩展光谱模型的外延： 以TM和雷达影像为例， TM 雷达影像 C4/C33.0 则为植被； 1)CT1 则为镜面体; 2)C4/C20.9 则为水体； 2)CT2 则为角反射器效应 3)C2C3C4C5 土壤； 3)T1CT2 则扩散成分大 且(C2+C3)/(C4+C5)0.6 （4） 时相变换思路 假如一个MODIS像元覆盖几种植被类型X、Y与Z， 它们本身的植被覆盖度分别为x、y与z，分别占有MODIS像元的面积百分比为α、β与γ，如图所示。那么这个MODIS像元的植被覆盖度FC可以表示成下式： MODIS像元内植被覆盖类型比例示意图 3 植被覆盖时相变换 假设植被覆盖X、Y与Z的覆盖度比例关系为 则： 上式中，FC为MODIS的覆盖度，已计算得到；α、β与γ为不同植被占MODIS像元百分比，即为土地利用图的聚合结果；k、m和l可以从不同植被覆盖度的变化规律中利用均值的比例代替。 3 植被覆盖时相变换 3 植被覆盖时相变换 理论上，xm1、ym1与zm1应该分别与植被X、Y与Z在SPOT影像上所对应的像元的均值相等，但由于尺度等原因一般不会相等，但MODIS像元内不同植被的覆盖度与SPOT影像所对应的植被覆盖度在两个时相T1与T2上的比值应该近似相等，即： 那么我