表观反射率及其在植被遥感中的应用

表观反射率及其在植被遥感中的应用

1 背景

在植被遥感中经常涉及到植被指数，例如，归一化差植被指数(NDVI)。用何种遥感数据计算才能得到较真实的植被指数?对于同一块森林或草地，如何对比和监测它们在不同时期的状况?这些研究均需要定量化的方法。

本文试图对辐射校正中存在的一些容易混淆的概念和术语，进行澄清。特别对植被遥感应用定量化、监测，具有特殊作用的大气层顶表观反射率(简称表观反射率，Apparent reflectance)的定义；长期以来，各种书刊关于辐射校正(Radiometriccorrection)的定义和内容没有统一。辐射定标(Ra—diometric calibration)、辐射校正和大气校正(Atmo—spheric correction)使一些初步参与遥感应用的人员感到困惑。他们不知道三者之间的区别和关系。有的人员将辐射定标与辐射校正等同，有的则认为大气校正是独立于辐射校正的。从光学遥感数据的获取过程，我们知道地物反射的辐射亮度 (Radiance)通过大气层，然后被卫星传感器接收，最后转换为DN值。理想状况下，光学遥感传感器各波段纪录下的辐射通量应该是地物反射的精确测量值。然而，误差(噪声)在遥感数据获取过程中，通过几种途径混杂进来。辐射校正的目的就是消除这些误差(噪声)。它们包括，由传感器本身产生的内部误差和由环境影响——大气和地形影响引起的外部误差。内部误差一般是系统的、可以预测的，通过卫星发射之前的辐射定标(Pre—flight calibration)和运行中的星上辐射定标(On board calibration)、替代(场地)辐射定标(Vicarious calibration)来确定。而外部误差在自然界是变化的、不确定的，非系统误差。一般在内部误差校正(即辐射定标)后，由用户自己来消除这种误差。在平原地区，只进行大气校正即可消除它，而在山区，除大气校正外，有时还要进行地形辐射校正。图1清楚地说明了辐射校正、辐射定标和大气校正等之间的关系。辐射定标的目的是消除传感器本身产生的误差。大气校正则消除大气散射、吸收等引起的误差。对在光学遥感数据获取过程中，产生的一切与辐射有关的误差的校正(包括辐射定标和大气校正)统称辐射校正在遥感监测等具体应用中，大气校正难度较大。有时只能依据遥感影像中的暗色物体(例如湖泊)校正，不能完全消除大气的影响。然而，根据辐射定标，传感器产生的误差则较容易消除。辐射定标的结果是给出一个联系DN值与辐射亮度关系的公式和一些参数。这样根据遥感数据中的DN值和这些参数，就可以计算出相应的进入传感器的辐射亮度值和表观反射率。遥感应用人员特别关注能反映地物性质和特征的反射率，因此，下面主要论述表观反射率。

2 表观反射率

2．1 表观反射率的概念

在文献中，表观反射率有多个不同的提法。例如，场景的大气层顶等价反射率(rI1}le TOA equivalentreflectance of scene)(Dinguirard&Slater，1999)；表观星上反射率(Apparent at—satellite reflectance)(Hill&Sturm，1991)星上光谱行星反照率(At—satellite spec—tral planetary albedos)(Markham&Barker，1987)和等价光谱反照率(Equivalent spectralalb~o)(Price，1987)等等。目前，虽然这个物理量有不同的名称，但是它的定义可以用(1)式来表达(Roderick et a1．，1996：Markham & Barker，1987)

式中，ρ为大气层顶(TOA)表观反射率(无量纲)，π为常量(球面度sr)， L为大气层顶进入卫星传感器的

光谱辐射亮度( )，D为日地之间距离(天文单位)，ESUN为大气层顶的平均太

阳光谱辐照度()，θ为太阳的天顶角。

以上(1)式成立的条件是假设在大气层顶，有个朗勃特(Lanbertian)反射面。太阳光以天顶角θ

入射到该面。如图2，该表面的辐照度为E=ESUN×Cosθ／D2(吕斯骅，1981)。该表面的辐射出射度M=πL(吕斯骅，1981)。根据Lanbertian 反射率定义，大气层顶的表观反射率ρ等于M和E

的比值，即。这就是上面(1)式的由来。这里还有三点需要说明。

第一， L 和ESUN分别为光谱辐射亮度和光谱辐照度，与波段有关，不同的波段有其相应的值。

第二，注意单位的一致。例如，L的单位是，如果资料给出的L为

mW·cm-2·sr-1·μm-1，应该换算为前者(1=0.1

mW·cm-2·sr-1·μm-1)。

第三， L是大气层顶进入卫星传感器的光谱辐射亮度。实际上，它是来自地物和大气辐射亮度

的总和。因此，大气层顶的表观反射率ρ也是地面反射率和大气反射率的总和，即：

3 表观反射率在植被遥感中的应用

3．1 构建植被指数

植被指数(VI )与植被的生物量、净初级生产力(NPP )、覆盖度，以及冠层的叶面积指数(LAI)等，都有较好的相关性。许多遥感模型和以遥感信息为驱动变量的生态学模型都需要植被指数的参与。卫星的DN值、辐射亮度值L和表观反射率ρ均可以计算植被指数。以归一化差植被指数(NDVI)为例，NDVI=(NIR—R)／(NIR+R)，NIR和尺分别为近红外和红光，它们计算的结果见表5(b)。显然，三者用同一公式计算出了不同的NDVI数值。哪种NDVI数值接近地物的实际情况?从理论上分析，DN未经过任何校正，包括辐射定标校正，而且只是进入传感器中的辐射能的一种数字转换形式，不能本质地反映地物的辐射特性。 L和ρ都经过了辐射定标校正，但是，当ρ再经过大气校正后，它就是地物的反射率，能本质地反映地物的辐射特性。由它构成的NDVI植被指数最接近地物的NDVI。以表5(b)中的草地和裸沙为例。尽管草地为退化草地，在地面它的NDVI值可以达到0．3左右。然而，L的NDVI值为0．096 9，在地面这是裸地的NDVI值。DN的NDVI值更离谱，为-0.129 4，这是地面水体的NDVI数值。ρ的NDVI值为0．286 9，最接近地面退化草地的NDVI值。在裸沙一行中，只有l0的NDVI值(0．169 0)接近裸沙的实际情况，L和DN的值均为负数，是地面水体的NDVI 数值范围。以上的分析和计算结果说明只有表观反射率p构成的植被指数能较好地反映地物的情况。这也是辐射定标将卫星的DN值转换为表观反射率ρ的原因之一

3．2 遥感模型中的变量

许多植被遥感应用要求用地物的光谱反射率与生物物理量建立遥感模型。例如，SAIL模型。3．3 大气校正

在定量化植被遥感应用中，大气影响是主要误差来源之一，而且消除这种影响很困难。

一般来说，要完成大气校正，必须先进行辐射定标。表观反射率是辐射定标的结果之一。因此，可以认为表观反射率计算是大气校正的前期准备。前面的(2)式，表明表观反

射率ρ是地物反射率和大气反射率的和。大气校正就是消除有时，由于种种原因不能用大气传输模型进行大气校正，可以用表观反射率进行部分简单校正。例如，根据遥感影像中的暗色地物，用直方图最小值方法校正(彭望禄，1991)。这样可以尽量减少，即大气的影响。“裸沙土壤线”大气校正方法(Chi，2003)，可以实用于干旱和半干旱地区NOAA—AVHRR通道1(R)和

通道2(NIR)的大气校正，即去除(2)式中大气的反射率。但是，使用的卫星数据不是DN值，必

须是表观反射率ρ。

3．4 不同时期遥感数据的比较

在植被遥感监测中，经常遇到不同时期遥感数据的比较。这类遥感数据的比较，包括同一个传感器，不同时间遥感数据的比较和不同传感器遥感数据的比较。长期监测同一植被或地区，既是使用同个传感器，由于光学传感器的性能随时间变化，会引起输出信号值的漂移。要消除这种影响，必须进行辐射定标，将DN值换算为表观反射率，然后才能进行不同时间遥感数据之间的比较。然而，对于不同传感器遥感数据的比较，还要面对传感器之间的波段、光谱分辨率和空间分辨率的差异等问题。当然，在实际遥感应用中为了尽量减少传感器之间的差异，一般选择相同卫星系列传感器的遥感数据进行比较，例如，Landsat-5的TM和Landsat-7的ETM+。这两个传感器的1～5和7反射波段相同，而且地面分辨率也相同。只要将它们的DN值分别换算为表观反射率，就可以相互比较。

4 讨论

以上主要以Landsat．5和Landsat一7为例，论述了表观反射率的定义、概念、计算方法和在植被遥感中的应用。以上的计算方法原理，同样适用于其它卫星，例如SPOT、NOAA等传感器的遥感数据表观反射率。Landsat一5发射于1984年3月1日，至今已运行20年。我国卫星地面站建立于20世纪80年代中期，也应接收和存档了近20年的Landsat一5的数据。美国2003年发布的Landsat．5 TM 数据新的辐射定标参数(表2)，又为其早期数据的应用奠定了基础。通过表观反射率，可以在20年的时间尺度上，对我国的植被资源和生态环境进行动态监测，发掘Landsat一5遥感数据的潜在价值。如前所述，卫星光学传感器的性能随时间变化，它的辐射定标参数也会改变。在计算表观反射率时，应上网查看是否有变化，以新的定标参数为准。

参考文献

《植物生态学报》2005 ，29（1）74-80 中《表观反射率及其植被遥感中的应用》池宏康周永胜许振柱肖春旺袁文平

遥感植被指数NDVI计算

本科学生综合性、设计性 实验报告 姓名宋国俊学号114130168 专业地理信息系统班级 实验课程名称遥感地学分析 实验名称NDVI计算 开课学期2011 至2012 学年下学期 云南师范大学旅游与地理科学学院编印 一、实验准备

1、实验目的和要求： 利用TM卫星数据，应用ENVI软件进行归一化植被指数的计算，及在此基础对研究 区进行植被覆盖率的提取，根据植被覆盖率进行一些应用分析。 2、实验材料及相关设备： 昆明影像数据(path/row:129/43（2002.02.09）)ENVI及ArcGIS软件。 3、实验方法步骤及注意事项： 实验方法：利用ENVI及ArcGIS图像处理软件，参考软件的处理操作步骤，对图像进行处理。 注意事项：下载数据时应该严格遵照行列号来下载，下载的数据要包括完整的影像数据信息以便数据的预处理。 二、实验内容、步骤和结果（详细写清楚本次实验的完成的主要内容、具体 实施步骤和实验结果。） 1、实验内容 利用下载的昆明影像数据用ENVI进行NDVI计算，计算公式如下： NDVI=(NIR-R)/(NIR+R)(NIR为近红外波段，R为红光波段) 2、实验步骤 (1)对昆明影像数据进行辐射定标： Ⅰ、启动ENVI File→Open External File→Landsat→Geo TIFF with metadata→Enter Landsat MetaData Filenames（输入元数据） Ⅱ、Spectral→Preprocessing→Calibration utilities→Landsatcalibration→Landsat calibration input file→输 入第一步的元数据 Ⅲ、将辐射定标后的数据转化为BIL格式：

植被遥感的现状与展望_英文_

Present Status and Perspectives of Remote Sensing of Vegetation Juhan Ross (T artu Obse r va tory,EE2444Tor a vere,T artu,Estonia) During the recent decades a new discipline of biogeophysics remote sensing of vegetation has been born.T his w as stimulated by the need to describe in more detail the energy and m ass ex chang e betw een the g round surface and atmosphere in the mathemat-i cal models of the global and reg ional climate,by the need to have rapid inform ation about biological productiv ity and yield of the vegetation over the large areas and probably to most extent by m ilitary needs, connected w ith rocket piloting.The rapid develop-ment of remote sensing has based on: i)The existence of Earth s satellites,originally constructed for military and astronom ical needs. ii)The availability of the powerful enoug h com-puter technolog y for recording,data processing and analysis. iii)The possibility to use the radiative transfer theory originally elaborated for astrophysics, atmospheric physics and neutron transport in nuclear reactors. T he main problem of remote sensing of the veg e-tation might be formulated as follow s:measuring from satellites or airplanes electromagnetic radiation in optical,therm al and microw ave spectral regions reflected from vegetation and the solv ing the inversion problem to obtain information for classification, distribution,functioning and productiv ity of different kinds of vegetation over the w hole Earth surface. Reflected from veg etation electromag netic radiation is determined by the following factors: i)Conditions of illumination above the veg eta-tion. ii)The disturbing influence of the atmosphere in propagation of the reflected radiation. iii)T he properties of the vegetation and soil in scattering of the radiation. iv)The architecture of the w hole canopy as w ell as individual plants. There ex ist different fundamental and practical difficulties which limit the solving of the m ain prob-lem. 1)Within a certain type of vegetation the varia-tion of the reflected radiation is great within pix els variations m ay ex ceed variations between pix els.T he main reason of these variations is the semiregular structure and inhomogeneity of vegetation itself. These v ariations are sm aller for cultural vegetation and greater for natural one, e.g.for forests and shrubs. 2)Nonflat relief of the g round surface changing the conditions of illum ination. 3)The existence of the cloud cover in the Earth atmosphere drastically limiting the possible time for remote sensing in optical and thermal spectral reg ions. 4)Lack of detailed enough information about3D distribution of the optical properties of the atmosphere resulting in erroneous atmospheric correction. 5)Different technical errors,connected w ith sensor calibration and stability,w ith reg istration,da-ta processing,etc. Due to these difficulties the inverse problem having the measuring data of the reflected radiation about some certain type of vegetation to determine the optical and architectural parameters of this vegetation must be m athematically treated as incorrect inverse 第1卷增刊1997年 5月 遥 感 学 报 JOURNAL OF REM OTE SENSING V ol.1,Suppl. M ay, 1997

植被指数

在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。 植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产力（NPP）和蒸散（蒸腾）等。 为了估算和监测植被覆盖，最早发展了比值植被指数（RVI）。但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。农业植被指数（A VI）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。 近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。“红边”的一般定义为叶绿素吸收红边斜率的拐点。红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。为获取红边位置信息，Miller 等用一个倒高斯模型拟合红边斜率。导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。近年来的经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。生理反射植被指数是针对高光谱遥感的特点，对植被生化特性的短期变化（如一天的植被的光合作用）进行探测。 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用（如RVI等）。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、S A VI、MSA VI、TSA V

遥感考研总结

遥感技术基础课后作业(一) 一、名词解释 1、遥感：是一种远距离的、非接触的目标探测技术。通过对目标进行探测，获取目标的观测数据，然后对获取的观测数据进行加工处理，从而实现对目标的定位、定性、定量和变化规律的描述（即认识观测对象）。 2、遥感技术系统：从空间分布的角度：空间部分（空基系统）、地面部分（地基系统）。 从功能的角度：观测系统、数据传输与接收系统、数据处理系统、应用系统。 3、电磁波谱：将电磁波在真空中按照波长或频率依大小顺序划分成波段并排列成谱。 4、瑞利散射：由尺寸远远小于电磁波波长λ的微粒引起的散射。 5、米氏散射：由尺寸与波长λ相当的微粒（水滴、烟尘、花粉、气溶胶）引起的散射。 6、大气层窗口：电磁波辐射在大气传输中透过率比较高的波段。 7、镜面反射：电磁波照射到光滑的表面上，引起的一种入射角和反射角相等的反射。 8、漫反射：电磁波照射到一定粗糙程度的表面上，引起的一种不论入射方向如何，各个方向都有反射光，并且从各个方向观察到的反射亮度是相同的的一种反射。（在物体表面的各个方向上都有反射能量的分布的一种反射） 9、方向反射：由于地形起伏和地面结构的复杂性，电磁波往往在某些方向上反射最强烈。 10、反射率：物体的反射通量（单位时间内的反射能量）与入射通量之比，即ρ＝Eρ/E。 11、波谱反射率：地物在某波段的反射通量与该波段的入射通量之比。 12、波谱反射特性：地物波（光）谱反射率随波长变化而变化的特性。 13、遥感平台：遥感过程中，搭载传感器（成像设备）的工具。 14、卫星轨道根数：用于确定轨道形状及卫星在某时刻的位置需要的参数。（表示卫星运动轨道特征的参数） 15、近极轨道：环绕地球两极并且轨道倾角约为90度附近的卫星轨道。 16、太阳同步轨道：卫星轨道面与太阳地球连线之间的夹角不随地球绕太阳公转而变化的轨道。（太阳高度角不发生变化的卫星轨道） 二、问答题 1、遥感中为什么要讲电磁波知识？ 遥感是一种远距离的、非接触的目标探测技术。通过对目标进行探测，获取目标的观测数据，然后对获取的观测数据进行加工处理，从而实现对目标的定位、定性、定量和变化规律的描述（即认识观测对象）。遥感的任务，是通过探测和记录观测对象反射或辐射的电磁波，并对其进行处理、分析和应用来实现的。 遥感中的问题：1、观测对象（称为“地物”）的表现形式（色调或颜色）、2、传感器的设计；3、观测图像的识别与理解。这些问题与电磁波有关，所以需要了解电磁波。 2、电磁波有哪四个要素。 波长（相邻两个波峰（或波谷）之间的距离）；振幅；传播方向；偏振面（包含电场矢量的平面）。 3、晴朗的天空为什么呈蓝色? 当天空晴朗时，空气中的微粒（水分子、气体分子）尺寸远远小于可见光的波长，从而引发瑞利散射，并且微粒的散射能力与波长的关系为：γ∝ 1/λ4 。所以波长越短，散射能力越强。在三原色中，蓝色波段的波长最短，所以散射的能力最强。所以天空成蓝色。 4、云、雾为什么呈白色？ 云雾是由大气中的气溶胶、液溶胶组成，所以它们的微粒半径尺大于可见光波长，此时会发生米氏散射，而米式散射的强度几乎与波长无关，所以各波段的散射几乎相同，云雾呈白色。 5、遥感是根据什么要选择大气窗口的？ 大气窗口表示的是电磁波辐射在大气传输中透过率比较高的波段，所以选择大气窗口时要先考虑大气透过率；其次，因为遥感需要使用电磁波去分辨地物，所以该电磁波需要对不同的地物有不同的反射率，便于进行区分。 6、当太阳光入射到地面时，为什么会发生三种不同形式的反射？ 由于不同地区的地物表面的粗糙程度是不一样的，并且电磁波入射到地面的波长和入射角也有不同，所以导致产生的三种不同形式的散射。 7、结合健康的绿色植被的反射特性曲线，说明在进行森林普查时为什么要选择近红外波段进行遥感？监测森林病虫害的原理是什么？ 8、试绘出一些常见的地物（雪地、阔叶树、针叶树、水体）在可见光和近红外波段的反射波谱特性曲线，并说明它们的差异对遥感图像色调的影响。（课本P21页） 10、遥感为什么要使用近极轨道？ 通过近极轨道，卫星可以观察到地面目标区域就越广，进而可以获得全球覆盖。 11、遥感为什么要使用太阳同步轨道？ （1）能使卫星以同一地方时飞过成像区域上空，成像区域在每次成像时都处于基本相同的光照条件，便于监测地物的变化情况。 （2）对卫星工程设计及遥感仪器工作非常有利 （3）有利于温度控制系统的设计 12、遥感平台的姿态及其对遥感成像的影响？ 遥感平台的姿态主要有：滚动、俯仰、偏航三种姿态。 不同的姿态对遥感成像有不同的影响。 滚动和俯仰会导致遥感图像出现的非线性变形，而偏航会导致其发生线性变形。三、论述题I love you so much congratulation 1、遥感的主要使命和任务。 遥感是利用地面目标反射或辐射电磁波的固有特性，通过观察目标的电磁波信息以达到获取目标的几何信息和物理属性的目的。它主要应用于：农林、地质、水文、海洋、气象、环境。从室内的近景摄影测量大大范围的陆地、海洋信息的采集以致全球范围内的环境变化监测，遥感技术都发挥着巨大的作用。它的主要任务有：资源勘查、环境监测、植被监测、沙漠化监测、气象分析。 定性（是什么？）、定量（有什么？）、定位（在哪里？）、演变规律分析（变化否？） 2、遥感技术的主要特点和优势。 初级阶段遥感技术的特点：完善了地面到空中取得像片的手段；对像片的几何、物理特性还没有深入的研究。 发展阶段的特点：航空摄影测量的手段、方法、原理及多光谱、彩色摄影、机载侧视雷达成像技术成熟；使用多样化平台（飞机、气球、火箭等）出现了判读仪器，对像片的几何，物理特性有一定的认识；开始用于规模军事侦察和地形测图。 飞跃时期遥感技术的特点：光机扫描、CCD扫描仪成像技术、星载SAR技术成熟；成像幅面大、覆盖范围广，基本全球成像；影像获取速度快，易于重复观测；用于资源勘查、军事侦察、地形测图；波段数目多，可用波谱范围宽。遥感技术的优势？（自行解答） 课件答案：效率高，效益好（特别大范围、宏观、境外等应用）；客观性好（与传统方法比较）；适合动态监测、变化规律研究（传输型卫星可周期性观测）。 遥感技术基础课后作业（二） 名词解释： 传感器：收集、探测、处理和记录物体电磁波辐射信息的设备 画幅式传感器：在空间摄站上摄影的瞬间，地面上视场范围内的目标的辐射信息一次性地通过镜头中心后在焦平面上成像的成像装置。 推扫式传感器：在城乡过程中，采取线阵列或面阵列的形式对地面垂直目标进行推扫以获得电磁波信息的成像装置。 側扫式传感器：又称光学传感器，借助于遥感平台沿飞行方向运动和遥感器本身光学机械横向扫描达到地面覆盖，得到地面条带图像的成像装置。 多光谱传感器：同一瞬间，对同一景物进行摄影，并分波段记录景物辐射来的电磁波信息，形成一组多波段黑白图像的成像装置。 同轨立体观测：在同一条轨道的方向上获取立体影像的观测方法。 异轨立体观测：在不同轨道上获取立体影像的观测方法。 黑白图像：只有亮度差别，无色彩差别的图像。 彩色图像：具有色调、饱和度和亮度等色彩信息。彩色图像一般分为：真彩色图像、假彩色图像。 全色图像：黑白图像的一种，记录了所能探测到的景物所有电磁波信息（一般包括可见光和部分近红外）的黑白图像。 多光谱图像：对同一景物进行摄影时，分波段记录景物辐射来的电磁波信息，形成的一组多波段黑白图像，不同波段图像在几何上是完全配准的，但记录的是景物在不同波段范围内的电磁波信息。 热红外图像：记录的是地物热辐射信息的遥感图像。 微波图像：记录的是波长在1mm～1m之间范围内的地物辐射信息的遥感图像。画幅式图像：由画幅式相机拍摄的具有面中心对称特性的图像。 面中心投影图像：地面上所有点均通过投影中心在投影平面上成像，图像几何关系稳定。 面阵图像：即面中心投影图像。 线中心投影图像：同一幅图像有多条扫描线构成，任意一条扫描线上的点都通过某一投影中心成像，扫描线内几何关系稳定。 线阵图像：即线中心投影。 点中心投影图像：同一幅图像有许多扫描点构成，每一扫描点的几何关系都不一样。 立体图像：两幅同一地区不同角度的立体像对。 空间分辨率：图像上能够分辨的最小单元所对应地面尺寸。 光谱分辨率：反映了传感器的光谱探测能力。它包括传感器探测的波谱宽度、波段数、各波段的波长范围和间隔。 辐射分辨率：反映了传感器对电磁波探测的灵敏度。对图像的色调和表面细节有影响。 时相分辨率：是相邻两次对地面同一区域进行观测的时间间隔。 Landsat卫星：美国发射的用于进行地球资源勘查的系列卫星，至今为止已经发射了7颗（一颗失踪），现在正常运行的是4，5号卫星。4、5号卫星的轨道高度是705千米，轨道倾角是98度，太阳同步准回归轨道，准回归周期是17天，星体上分别携带了MSS（4波段）、TM（7波段）传感器。7号卫星的轨道高度705.3千米，轨道倾角是98.2度，准回归周期是16天，星体上携带了ETM+（7波段、1全色）、SEAWIFS传感器。 SPOT卫星：法国发射的高性能地球观测系列卫星，至今已经发射4颗，现在正常运行的有2、4、5号卫星。卫星的高度统一为830千米，轨道倾角为98.7度，太阳同步准回归轨道，回归周期26天，1、2、3号卫星上携带了HRV（3波段、1全色）传感器，4号卫星上携带HRVIR（4波段、1全色）传感器。IKONOS卫星：美国SpaceImaging公司1999发射的新一代高分辨率卫星中的第一颗商业卫星，轨道高度为681千米、轨道面倾角为98.1度的太阳同步轨道。星体上携带了SPACEIMAGING（4波段、1全色）传感器 Landsat图像：由Landsa卫星拍摄的图像，MSS传感器所得到的图像的空间分辨率为80米，TM传感器的分辨率为30米，ETM+传感器的分辨率为30米，

城市遥感的应用综述

课程论文 城市遥感技术的应用与展望综述 课程名称：遥感技术导论 姓名：王旭阳 学院：草业与环境科学学院学号：220140869 指导老师：党玉 论文评分：

摘要：城市遥感技术为全面、高效、实时地了解城市的发展变化提供了有力的技术支撑，它逐渐渗透到城市建设和研究的各个领域，在城市规划管理中的巨大的作用也日益显现。该文阐述了遥感技术在城市基础数据获取、生态环境监测以及城市规划等领域的应用，同时展望了城市遥感技术发展的新趋势。 关键词：城市遥感技术数据获取数字城市 1 引言 城市是人口密集、经济活动集中和资源相对集中的空间地域。城市又是人类活动的缩影,随着社会经济的发展,城市面貌不断发生变化,需要及时地对其进行监测和分析。近20年来,我国在遥感技术的基础研究和实际应用中均取得了重大进步,遥感应用研究在抗洪、防灾、土地资源调查、农作物估产、矿产资源调查、城市综合调查等领域均取得了可喜成就,尤其在城市遥感方面所取得的成果举世瞩目。越来越多的人们认识到,遥感已成为城市规划、建设和管理不可分割的重要组成部分和技术支持,成为各级政府强有力的辅助决策工具和指导与加强地区管理的现代化手段。 因此，如何采取合理有效的技术手段对城市系统进行实时监测和有效管理，最终实现城市的可持续发展，是人类待解决的关键问题之一。另外，传统的城市基础信息获取手段由于周期长、费用高、围有限，难以及时反映城市空间发展趋势，也已成为城市建设与管理的制约因素。因此，采用新兴的信息获取技术对现代城市进行合理的规

划管理已显得十分迫切。 2 城市遥感应用的领域 2.1 制作城市图像 包括卫星遥感图像制作、航空像片镶嵌、计算机制图及彩红外正射影像图研制等。利用遥感资料使用光学或计算机技术可制作不同种类、各种比例尺的专题图或影像图，以满足不同使用者的需求。不论是规划者、建设者、管理者或决策者，均可以从图中了解所需要的信息，在图上拟定方案或对策。 2.2 城市土地利用现状调查 当前，城市用地共分为十个大类，分别是: 居住用地、公共设施用地、工业用地、仓库用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域和其他用地。在实际工作中，我们可以根据不同的应用需要，进行相应类型的遥感调查，获取相应的遥感资料，然后绘制出土地利用现状图和土地利用演变图，并自动测算出该区域各种用地的面积、分布、变化情况及发展趋势。城市规划和管理者通过这些资料，可以判断城市布局是否合理?城市绿地是否足够?存在哪些不足?需要如何改进?从而因地制宜，为城市制定相应的规划、建设和管理方案。 2.3 城市人口普查 在定性、定量、定位的调查了城市各种土地利用现状后，可迅速而准确地获得城市的总建筑密度、住宅房屋密度等城市用地特征参

遥感概述考试6第六章

第六章 基础知识： ◆遥感数字图像的基本单位为像素（像元），是成像过程的采样点，也是计算机图像处理的最小单元。 像素具有空间特征和属性特征。 ◆遥感数字图像的特点： 1）便于计算机处理与分析；2）图像信息损失低；3）抽象性强。 ◆遥感数字图像的类型： 1）二值数字图像；2）单波段数字图像；3）多波段数字图像。 ◆遥感数字图像的计算机分类是通过模式识别理论，利用计算机将遥感图像自动分成若干地物类别的方 法。 ◆遥感图像分类的基本原理：不同的地物具有不同的光谱特征，同类地物具有相同或相似的光谱特征。 图像分类是基于数字图像中反映的同类地物的光谱相似性和异类地物的光谱差异性。依据是遥感图像像素的相似度。常用距离和相关系数衡量相似度。 问题： 1.监督分类和非监督分类的区别，各自有什么方法，各有什么优缺点，适用条件？ ●监督分类：通过选择代表各类别的已知样本（训练区）的象元光谱特征，事先取得个类别的参数，确 定判别函数，从而进行分类。（在监督分类中，先定义信息类，然后检验它们的光谱可分性。） ●非监督分类：根据事先制定的某一准则，而进行计算机自动判别归类，无须人为干预，分类后确定地 面类别。（在非监督分类中，先确定光谱可分的类别，然后定义它们的信息类。）主要采用聚类法，使同一类别的像素之间的距离尽可能的小而不同类别上的像素间的距离尽可能的大。（From PDF第6章） ●监督分类和非监督分类的根本区别在于是否利用训练场地来获取先验的类别知识，监督分类根据训练 场提供的样本选择特征参数，建立判别函数，对待分类点进行分类。 ●监督分类中常用的具体分类方法：①最小距离分类法：（其中包含两点）⑴最小距离分类法，⑵最近 邻域分类法；②多级切割分类法；③特征曲线窗口法；④最大似然比分类法。 ●非监督分类中常用的具体分类方法：①分类集群法；②动态聚类法。 ●非监督分类的好处：不需要更多的先验知识，根据地物的光谱统计特性进行分类，方法简单，具有一 定的精度。不足：精度有限。 ●监督分类的好处：分类精度高；不足：训练场地要求有代表性，训练样本的选择要考虑到地物光谱特 性，样本数目要能满足分类的要求，有时这些不容易做到。 ●适用条件：光谱特征类与地物信息类一一对应，非监督分类效果好；两个地物类型对应的光谱特征类 差异很小时，监督分类效果好。（From 课本201页） 2.简述波谱分类原理和应用条件。 同物异谱：同类地物具有不同的光谱特性。 同谱异物：不同的地物可能具有相似的光谱特征。 如：同一作物，生长状态不同，光谱特征有差异；不同的植被类型可能有相似的光谱特征。（From PPT 第6章28页） 3.简述聚类分析，分类方法过程，通常有哪些方法来控制分类过程结束（就是分类过程结束的条件）。 在初始状态给出图像粗糙的分类，然后基于一定原则在类别间重新组合样本，直到分类比较合理为止，这种聚类方法就是动态聚类。下面给出分类过程： a)按照某个原则选择一些初始类聚类中心； b)计算像素与初始类别中心的距离，把该像素分配到最近的类别中；

高光谱应用研究综述

浙江师范大学 研究生课程论文封面 课程名称：遥感理论与技术 开课时间： 2014-2015年第一学期 学院地理与环境科学学院学科专业自然地理学 学号2014210580 姓名张勇 学位类别全日制硕士 任课教师陈梅花 交稿日期2015年1月21日 成绩 评阅日期 评阅教师 签名 浙江师范大学研究生学院制

高光谱遥感应用研究综述 张勇 （浙江师范大学地理环境与科学学院，浙江金华321004） 摘要：高光谱遥感是近二十年发展起来的谱像和一的遥感前沿技术。虽然发展时间不长，但由于其本身的特点，使其获得了广泛的重视和应用。本文阐述了高光谱遥感的特点、优势，以及在航空及航天领域的发展情况，列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上，概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议，包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。 关键字：高光谱遥感；应用；成像光谱以；研究综述 Conclusion application of hyperspectral remote sensing Zhang Yong (Geography and environmental sciences, Zhejiang Normal University, Jinhua 321004) Abstract:Hyperspectral remote sensing, developed in the late twenty years, is the advanced technology of remote sensing. Because of its characters, Hyperspectral Remote Sensing has been attached importance to and used widly. The characteristics and advantages of hyperspectral remote sensing, and development situation are presented in the fields of aviation and aerospace. Several typical hyperspectral imager optical system principle and the main technical indicators are particularized. At the same time, the applications with hyperspectral remote sensing in vegetation ecology, atmospheric science ,geology and mineral resources, marine and military fields are summarized. The suggestions for the future development trend of hyperspectral remote sensing are given in the end，including the remote sensing of low reflectivity target, high signal-to-noise ratio, high spatial resolution and wide coverages. Keywords: hyperspectral remote sensing；application；imaging spectrometer 1 引言 遥感是20世纪60年代发展起来的对地观测综合性技术，是指应用探测仪器，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[1]。经过几十年的发展，无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面，都获得了飞速的发展，目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代。本文系统地阐述了高光谱遥感技术在分析技术及应用方面的发展概况，并简要介绍了高光谱遥感技术主要航空/卫星数据的参数及特点。 1.1高光谱遥感简介 高光谱遥感技术又称为成像光谱技术，是指利用很多很窄的电磁波波段从感兴趣的物体

主要植被指数类型及其应用条件

主要植被指数类型及其应用条件 分类:遥感知识 2008.7.2 08:55 作者：晓雪天飞 | 评论：0 | 阅读：79 在遥感应用领域，植被指数已广泛用来定性和定量评价植被覆盖及其生长活力。由于植被光谱表现为植被、土壤亮度、环境影响、阴影、土壤颜色和湿度复杂混合反应，而且受大气空间—时相变化的影响，因此植被指数没有一个普遍的值，其研究经常表明不同的结果。研究结果表明，利用在轨卫星的红光和红外波段的不同组合进行植被研究非常好，这些波段在气象卫星和地球观测卫星上都普遍存在，并包含90%以上的植被信息，这些波段间的不同组合方式统被称为植被指数。植被指数有助于增强遥感影像的解译力，并已作为一种遥感手段广泛应用于土地利用覆盖探测、植被覆盖密度评价、作物识别和作物预报等方面，并在专题制图方面增强了分类能力。植被指数还可用来诊断植被一系列生物物理参量：叶面积指数（LAI）、植被覆盖率、生物量、光合有效辐射吸收系数（APAR）等；反过来又可用来分析植被生长过程：净初级生产 力（NPP）和蒸散（蒸腾）等。 为了估算和监测植被覆盖，最早发展了比值植被指数（R VI）。但RVI对大气影响敏感，而且当植被覆盖不够浓密时（小于50%），它的分辨能力也很弱，只有在植被覆盖浓密的情况下效果最好。归一化差异植被指数（NDVI）对绿色植被表现敏感，它可以对农作物和半干旱地区降水量进行预测，该指数常被用来进行区域和全球的植被状态研究。对低密度植被覆盖，NDVI对于观测和照明几何非常敏感。但在农作物生长的初始季节，将过高估计植被覆盖的百分比；在农作物生长的结束季节，将产生估计低值。继之,将各波段反射率以不同形式进行组合来消除外在的影响因素，如遥感器定标、大气、观测和照明几何条件等。这些线性组合或波段比值的指数发展满足特定的遥感应用，如作物产量、森林开发、植被管理和探测等。农业植被指数（AVI ）针对作物生长阶段测量绿色植被；多时相植被指数（MTVI），将两个不同日期的数值简单相减，是为了观测两个日期植被覆盖条件的变化和作物类型的分类，并用来探测由于火灾和土地流失造成的森林覆盖变化。归一化差异绿度指数（NDGI），可用来对不同活力植被形式进行检验。归一化差异指数（NDI）建立了光谱反射率和棉花作物残余物的表面覆盖率的关系，以用来对作物残余物的制图。 近年来，随着高光谱分辨率遥感的发展以及热红外遥感技术的应用，又发展了红边植被指数、导数植被指数（DVI）、温度植被指数（Ts-VI）、生理反射植被指数（PRI）。“红边” 的一般定义为叶绿素吸收红边斜率的拐点。红边位置灵敏于叶绿素a、b的浓度和植被叶细胞的结构。为获取红边位置信息，Miller 等用一个倒高斯模型拟合红边斜率。导数植被指数由于它能压缩背景噪音对目标信号的影响或不理想的低频信号，被应用在目前的高光谱遥感研究中，尤其是在利用高光谱遥感提取植被化学成份信息方面得到成功的应用。近年来的经验研究表明：热红外辐射（如土面亮度温度）和植被指数在大尺度范围遥感应用中可提高土地覆盖的制图和监测精度。生理反射植被指数是针对高光谱遥感的特点，对植被生化特性的短期 变化（如一天的植被的光合作用）进行探测。 植被指数按发展阶段可分为三类：第一类植被指数基于波段的线性组合（差或和）或原始波段的比值，由经验方法发展的，没有考虑大气影响、土壤亮度和土壤颜色，也没有考虑土壤、植被间的相互作用（如RVI 等）。它们表现了严重的应用限制性，这是由于它们是针对特定的遥感器（Landsat MSS）并为明确特定应用而设计的。第二类植被指数大都基于物理知识，将电磁波辐射、大气、植被覆盖和土壤背景的相互作用结合在一起考虑，并通过数学和物理及逻辑经验以及通过模拟将原植被指数不断改进而发展的（如PVI、SAVI、MSAVI、TSAV I、ARVI、GEMI、AVI、NDVI等）。它们普遍基于反射率值、遥感器定标和大气影响并

高光谱遥感复习总结

1.高光谱分辨率遥感:用很窄（0.01波长）而连续的光谱通道对地物持续遥感成像的技术。在可见光、近红外、短波红外和热红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的。 2.高光谱遥感特点：波段多,数据量大；光谱范围窄(高光谱分辨率)；在成像范围内连续成像；信息冗余增加 3. 高光谱遥感的发展趋势（1）遥感信息定量化（2）“定性”、“定位”一体化快速遥感技术 4.光谱特征的产生机理：在绝对温度为0K以上时，所有物体都会发射电磁辐射，也会吸收、反射其他物体发射的辐射。高光谱遥感准确记录电磁波与物质间的这种作用随波长大小的变化，通过反映出的作用差异，提供丰富的地物信息，这种信息是由地物的宏观特性和微观特性共同决定的。宏观特性:分布、粗糙度、混杂微观特性:物质结构 6.典型地物反射：水体的反射主要在蓝绿光波段，其他波段吸收都很强，特别到了近红外波段，吸收就更强，所以水体在遥感影像上常呈黑色。 植被的反射波谱特征：①可见光波段有一个小的反射峰，位置在0.55um处，两侧 0.45um(蓝)和0.67um(红)则有两个吸收带。这一特征是叶绿素的影响。②在近红外波段(0.7-0.8um)有一反射的“陡坡”（被称为“红边”)，至1.1um附近有一“峰值”，形成植被的独有特征。这一特征由于植被结构引起。③在中红外波段(1.3-2.5um) ，反射率大大下降，特别以1.45um和1.95um为中心是水的吸收带，形成低谷。 土壤:由于土壤反射波谱曲线呈比较平滑的特征，所以在不同光谱段的遥感影像上，土壤的亮度区别不明显.自然状态下土壤表面的反射率没有明显的峰值和谷值，一般来讲土质越细反射率越高，有机质含量越高和含水量越高反射率越低，此外土类和肥力也会对反射率产生影响。 6.野外光谱测量的影响因素（1）大气透射率（2）水蒸气3）风（4）观测几何 7.地面光谱的测量方法：实验室测量，野外测量 8.垂直与野外测量的区别:垂直测量：为使所有数据能与航空、航天传感器所获得的数据进行比较，一般情况下测量仪器均用垂直向下测量的方法，以便与多数传感器采集数据的方向一致。由于实地情况非常复杂，测量时常将周围环境的变化忽略，认为实际目标与标准板的测量值之比就是反射率之比。 野外测量（非垂直测量）：在野外更精确的测量是测量不同角度的方向反射比因子。 凝视时间：探测器的瞬时视场角扫过地面分辨单元的时间称为凝视时间（dwell time）。探测器的凝视时间在数值上等于行扫描时间除以每行的像元个数。凝视时间越长，进入探测器的能量越多，光谱响应越强，图像信噪比越高。 光谱图像立方体：空间平面：O-XY平面；线光谱平面：O-XZ，O-YZ平面 9.高光谱遥感图像数据表达：A.光谱图像立方体 B.二维光谱曲线 C. 三维光谱曲面 10.空间成像方式：（1）摆扫型成像光谱仪：定义：它由光机左右摆扫和飞行平台向前运动完成二维空间成像，其线列探测器完成每个瞬时视场像元的光谱维获取。原理：45斜面的扫描镜，电机进行360旋转，旋转水平轴与遥感平台前进方向平行，扫描镜扫描运动方向与遥感平台运动方向垂直，光学分光系统形成色散光源再汇集到探测器上，这样成像光谱仪所获取的图像就具有了两方面的特性：光谱分辨率与空间分辨率。 （2）推扫型成像光谱仪：定义：采用一个面阵探测器，其垂直于运动方向在飞行平台向前运动中完成二维空间扫描；平行于平台运动方向，通过光栅和棱镜分光，完成光谱维扫描。它的空间扫描方向就是遥感平台运动方向。原理：垂直于运动方向完成空间维扫描，平行于运动方向完成光谱维扫描。 （3）两者的优缺点：摆扫型成像光谱仪的优点：A.FOV 大；B.探测元件定标方便，数据稳

我国农业遥感的应用现状与展望

第19卷第6期2003年11月农业工程学报 Transactions of the CSAE Vol .19　No .6Nov .　2003 我国农业遥感的应用现状与展望 邢素丽1,2,张广录2 (1.中国科学院研究生院,北京100039;　2.中国科学院石家庄农业现代化研究所,石家庄050021) 摘　要:目前,遥感技术在我国农业上主要应用在农用地资源的监测与保护、农作物大面积估产与长势监测、农业气象灾害 监测和作物模拟模型等几方面。该文对我国农业遥感上述几方面的研究、应用进行了讨论、分析与评价,认为3S 一体化、灾害预测研究、高光谱遥感、定量遥感是今后的发展方向。同时,遥感技术的应用与发展,对我国农业数字化进程的推进有不可替代的作用。关键词:遥感;农业应用中图分类号:S127 文献标识码:A 文章编号:1002-6819(2003)06-0174-05 收稿日期:2003-03-21 基金项目:中科院知识创新项目(KZCX2-SW -317;K ZCX2-313)作者简介:邢素丽(1966-),女,河北唐山人,硕士研究生,从事遥感农业应用研究。北京　中国科学院研究生院,100039。Email :sophi -axing @s ina .com . 1　引　言 遥感技术是20世纪60年代以来,在现代物理学(包括光学技术、红外技术、微波雷达技术、激光技术和全息技术等)、空间科学、电子计算机技术、数学方法和地球科学理论的基础上发展起来的一门新兴的、综合性的边缘学科,是一门先进的、实用的探测技术[1],它已越来越广泛地应用在农业、地理、地质、海洋、水文、气象环境监测、地球资源勘探、军事侦察等多个方面。在我国农业应用中,从早期的土地利用和土地覆盖面积估测研究、农作物大面积遥感估产研究开始,已扩展到目前的3S 集成对农作物长势的实时诊断研究、应用高光谱遥感数据对重要的生物和农学参数的反演研究、高光谱农学遥感机理的研究、模型的研究与应用以及草地产量估测、森林动态监测等多层次和多方面。遥感技术和计算机技术的发展和应用,已经使农业生产和研究从沿用传统观念和方法的阶段进入到精准农业、定量化和机理化农业的新阶段,使农业研究从经验水平提高到理论水平。 2　遥感技术在我国农业中的应用研究现状 2.1　农用地资源的监测与保护 在我国,由于耕地的数量减少与质量下降,耕地保护已成为实现农业可持续发展的一个重要战略任务。遥感信息因其覆盖面大、实时性和现势性强、速度快、周期性和准确可靠以及省时、省力、费用低等优点,被广泛用于测定农用地的数量与质量的动态变化[2～7]常用的土地利用遥感监测方法基本上分为两种,即:逐个像元比较法(pixel to pixel composition )和分类后比较法(post classfication composition )。前者首先是对同一区域不同年份同一时相影像的光谱特征差异进行比较,确定土地利用发生变化的位置,在此基础上,再采用分类的方法 来确定土地利用变化信息[8]。该方法优点是先确定土 地利用变化的位置,缩小分类范围,提高监测速度。后者是针对整个监测区域的逐影像系列同一位置分类结果确定土地利用类型变化的位置和所属类型,其优点是可以回避前一种方法所要求的影像系列一致的条件,以及影像间辐射纠正、匹配等问题,但需要选择合适的分类方法来改善精度。 在分类方法上,目前农业遥感中计算机自动分类的研究方法很多,主要集中在如下几种:统计方法、神经网络法、模糊法、小波变换理论分类法等。尤以统计方法和神经网络法研究和应用得最多。统计分类法又可分为“监督分类”和“非监督分类”两种实施方案。以最大似然法应用得最为广泛。最大似然法的基本前提是认为每一类的概率密度分布都是正态分布。其算法内在缺陷少、可靠性好、分类精度较高,缺陷是需要先验概率和条件概率密度函数模型,模型的精度直接影响分类精度。后来有人发展了改进的最大似然分类法,如最小距离分类结果估计先验概率法[9]、Markov 模型分类技术[10]等。 神经网络分类法[11]与传统分类方法的最大区别在于,神经网络分类法并不基于某个假定的概率分布;它在非监督分类中,从特征空间到模式空间的映射是通过网络的自组织来完成的,是一种聚类过程;在监督分类中,网络通过对训练样本的学习,获得网络的权值,形成分类器。一般可以分为前馈网络、后馈网络、自组织网络三大类。神经网络中多层前馈网络的反向传播神经算法(又称BP 算法)在遥感分类中应用得最为广泛。B P 算法的神经网络容错能力强,有较好的适应性,适于解决遥感图像中的“同物异谱”和“同谱异物”问题。 模糊分类技术比传统的最大似然法具有较高的识别精度,模糊分类认为一个像元在某种程度上属于某类而同时在另一程度上属于另一类,这种类属关系的程度用像元隶属度表示。模糊分类技术的关键是确定像元的隶属度函数。 小波变换的基本思想是将任一平方函数或能量的有限信号通过多分辨率分析表示成小波系数的叠加。小波变换在边缘检测和纹理分析中可反映出不同尺度 174