任务5.1遥感森林调查.ppt

森林调查技术任务4.4遥感森林调查

第一节遥感解译遥感图像解译是专题信息提取的主要步骤，通过对遥感图像的观察、分析和比较，判断和识别遥感资料所表示的地物的类型、性质，获取感知对象的数量、质量、空间分布特征及其演变规律。具体方法包括遥感图像的目视解译或计算机自动解译分类。

第一节遥感解译一、目视解译目视解译一般遵从从已知到未知，先整体后局部，从宏观到微观，先易后难的原则，可以概略地为以下主要步骤:1、准备工作：主要是收集资料，除遥感图像外，通常还需要工作区的地形图和相关的自然、经济等情况，以及报告、必要的参考文献等各种资料。

第一节遥感解译2、图像预判和编制专题图略图：遥感图像的初步解译主要是经过资料分析建立直接和间接解译标志，包括形态、大小、色调、阴影、纹理等等。然后在分类系统的指导下设计图例系统，进行初步解译，并把解译结果转绘成专题图略图。

第一节遥感解译3、野外实况调查和地学验证：根据初步解译结果，确定野外调查路线和调查样本，进行野外调查，验证判读标志，并应用地学分析方法解决图像与地物间的机理关系，从而修正预判中的错判或漏判，使得解译结果更加客观可靠。

第一节遥感解译4、室内解译编绘成图：根据预判结果和野外调查资料，对全部工作区进行重新解译，然后清绘成图，在此基础上进行面积量测以及其他数字统计特征的分析。

二、计算机自动分类：与目视判读解译不同的是计算机自动解译的主要依据是地物的光谱特征进行统计判别，具体方法包括主要有监分类和无监分类方法，分类结果的可靠性需要通过严格的分类精度统计分析以及野外调查进行验证。第一节遥感解译

有监分类：有监分类方法是通过训练区内样本的光谱数据计算各类别的计特征参数，作为各类型的度量标准，然后根据判别规则将图像的各像元分到一定的类别中。常用的判别规则有贝叶斯判别、最大似然判别和最小距离判别等。第一节遥感解译无监分类：无监分类是在没有先验类别知识的情况下，根据图像本身的统计特征信自然点群的分布情况来划分地物类别的分类处理。即直接利用像元灰度值的统计特征进行类别划分，常用无监分类方法有逐步聚类方法、系统聚类法等等。

第一节遥感解译01遥感图像的预处理：包括几何校正、图像增强、镶嵌等等。02选择训练区：对于典型地物类别，选择训练区，并做标注。03分类：根据训练区地物的光谱统计特征，对整个区域进行分类判别。04分类精度统计分析：通过统计分析获得光谱特征统计意义上的分类精度。05野外调查与地学验证：通过调查验证自动分类与实际地物类型的一致程度，一般应用抽样技术获得地学意义上的分类精度。06分类图编制：对自动分类的结果，根据专题图成图要求，进行着色，获得彩色分类图。?一般过程：以目前常用的有监分类为例，其过程为：

新的分类方法：传统的分类方法只基于像元的光谱特征。实际上，由于大气、地形、地貌、季节等许多因素的影响，使得遥感图像上常常出现“同物异谱”和“同谱异物”现象，单纯依据光谱特征显然不能很好地解决这个问题。新方法：基于人工智能理论的专家系统分类、神经元网络分类方法、多源信息融合的图像分类方法。这些新的分类技术不仅可以将遥感数据、地面调查和观测数据、统计分析数据、领域专家知识等结合在一起，充分利用已有的信息，同时可以模拟人类的思考和分析机制，解决分类中众多的不确定性、模糊性问题。第一节遥感解译