RS作为一种获取和更新空间数据库强有力手段，为GIS源源不断地提供及时、客观、准确的大范围的可用于动态监测的各种资源环境数据；RS获取的丰富信息资源有赖于GIS加以科学管理和有效利用；GPS可获得精确的位置坐标，并自动提供几何校正时所需的成像信息，保证了RS数据与地面同步检测数据的动态配准。
一、RS基础
1. 辐射的能源 2. 经过大气的传输 3. 与物体的相互作用 4. 再次经过大气的传输 5. 遥感系统获取数据 6. 遥感数据产品 7. 遥感数据分析 8. 遥感信息产品 9. 多目标用户应用
遥感的特点：大面积的同步观测 、时效性、数据的综合性与可比性、经济性 、局限性
遥感实验的主要工作是对地物电磁辐射特性（光谱特性）以及信息的获取、传输及其处理分析等技术手段试验研究。
传感器是指收集和记录地物电磁辐射（反射或发射）能量信息的装置。在遥感平台上搭载传感器，按照既定路线飞行或运转进行探测，即可获取所需遥感信息。
遥感平台是搭载传感器的载体。
二、电磁辐射
电磁波：电磁振动的传播。
电磁辐射：电磁能量的传递过程（包括反射、折射、吸收、透射）
电磁波的性质：横波；真空中以光速传播；波粒二象性
电磁波谱：按辐射在真空中传播的频率或波长排列形成一个连续的光谱带。波长从左到右依次增大：r射线、X射线、紫外线、可见光、红外线、无线电波（微波）。
地物的光谱特性：自然界中任何地物都具有其自身的电磁辐射规律，如反射、发射、吸收电磁波的特性，少数还有透射。这种特性称为地物的光谱特性。
地物呈现出不同颜色的原因：地物吸收太阳电磁波差异性造成。
大气吸收：除去太阳光穿过大气到达地面、大气反射返回太空的部分。
大气窗口：电磁波通过大气层时较少被反射、吸收或散射的透过率较高的波段。大气窗口的光谱段主要有：微波波段（0.03～1m），远红外波段（8～14um），中红外波段（3.5～5.5um），近红外、可见光和近紫外波段（1.5～1.8um, 0.3～1.3um）
大气成分：由多种气体、固态和液态悬浮的微粒混合组成。
大气层结构（五层）：
对流层：这一层内温度随高度升高而逐渐下降，由于地面加热空气导致空气对流运动，因此大部分天气现象如云、雨、风等都在此层发生
平流层：温度随着高度增加而逐渐上升，主要是因为这一层含有大量吸收太阳紫外线的臭氧层。相对平静，较少出现对流运动，飞机飞行平稳。
中间层：温度再次随着高度增加而下降，是流星燃烧的主要区域，有时也称为“流星层”。
电离层：因太阳辐射强，空气分子被高度电离，形成了电离层，可以反射无线电波，对通讯具有重要意义。温度极高，但极稀薄。是陆地卫星活动空间。
大气外层：从电离层顶端开始直至地球重力影响变得微弱为止，与太空逐渐过渡。空气极稀薄，对卫星基本上没有影响。
透射：指当电磁波（例如光、红外线、微波等）通过一个透明或半透明介质时，一部分能量穿过介质而没有被完全反射或吸收的现象。
透射率是表示透射光强度与入射光强度之比，反映了介质允许光穿透的能力。
反射：电磁波传播过程中，通过两种介质的交界面时会出现反射现象，主要出现在云顶（云造成的噪声）。影响反射率大小的因素：波长、入射角大小、地表粗糙度与颜色。
绝对黑体：一个对于任何波长的电磁辐射都吸收的物体。
黑体辐射：黑体的热辐射。
发射率：物体表面单位面积上辐射出的热能与同温度下黑体在同一波长或全波段范围内辐射出的热能之比。换句话说，发射率是衡量一个实际物体辐射能力相对于理想黑体（完美吸收和发射所有入射辐射的物体）的一种度量。影响地物发射率的因素：地物的性质、表面状况、温度（比热）。
地物表面粗糙或颜色发暗，其发射率就高，反之越低。
植被的反射波谱：植被的反射波谱曲线主要可分为三段。
可见光波段，由于叶绿素的影响，对绿光反射强烈，反射峰值在0.55 μm（绿） ，而对蓝光波段和红光波段强烈吸收 (0.45 μm ，0. 67 μm)。
在近红外波段，反射来自叶片内部结构，形成强反射。1.1μm 附近有一反射峰值。可用于测量植物的反射率来区别不同的植物。
中红外波段受到绿色植物含水量的影响，在1.45 μm ，1.95 μm ，2.7 μm处有吸收带，吸收率大大增加，反射率大大下降，形成低谷。
折射：电磁波穿过大气层时出现传播方向的改变。大气密度越大，折射率越大。
散射：太阳辐射在长波过程中遇到小微粒而使得传播方向改变，并向各个方向散开。
改变了电磁波的传播方向，干扰传感器的接收，降低了遥感数据的质量，使得影像模糊，影响判读，大气散射集中在太阳辐射能量最强的可见光区。因此，散射是太阳辐射衰减的主要原因。
散射作用分三类：
①瑞利散射 粒子尺度远小于入射光波长时，其各方向上的散射光强度是不一样的，该强度与入射光的波长四次方成反比，这种现象称为瑞利散射。所以瑞利散射对可见光影响较大，对红外辐射影响较小，对微波的影响可以忽略不计。这也是多波段中不使用蓝紫光的原因。
天空为什么是蓝色——无云的晴空由于波长较短的蓝光（紫光被强力吸收，人眼对红、绿、蓝光更敏感）向四面八方散射，整个天空看起来成蔚蓝色
清晨和傍晚的太阳呈红色——清晨和傍晚时分，太阳的角度上使得太阳光要穿透较厚的云层，但蓝紫光穿透能力弱，被消耗殆尽，所以剩下波长最大的红橙光发生散射，故呈红色。。
②米氏散射：大气中的微粒如烟、尘埃、小水滴即气溶胶等引起的散射。这些粒子直径较大（和0.76－15 μm之间的红外线波长差不多），与辐射的波长相当，这种散射的特点是散射强度受气候的影响大。米氏散射强度与波长的二次方成反比。所以云雾对红外线的散射主要是米氏散射。
③非选择性散射：发生在大气中粒子的直径比波长大得多时。这种散射的特点是散射强度与波长无关，也就是说在无选择性散射的波段，任何波长的散射强度相同。水滴、雾、尘埃、烟等气溶胶常常产生非选择性散射。
云雾是白色的——云、雾中水滴粒子直径比可见光波长就要大很多，因而对可见光中各个波长的光呈无选择散射，散射强度相同，所以才是我们看到云雾无论是从上还是从下看都呈白色。
早上太阳比中午大：其主要原因就是早晨的太阳光进入地球在大气层时折射效果特别明显，而中午直射的成分多，这就造成早晨和傍晚看到的太阳比实际大，且位置比实际的高
早上太阳比中午红：早晨的太阳光要穿过更厚的大气层才能被我们看到，太阳辐射走过的大气路径长，散射作用强，大气层会过滤掉更多的蓝紫光，剩下的就只有波长较长的红光了，所以太阳看上去是红的，而中午的阳光是直射的，太阳高度角较大，经过的大气层比较薄，所以混合了较多的蓝光，看上去是黄色的；是大气对太阳辐射的散射作用造成的。
问：为什么只有可见光、红外线、微波是RS中常用的三大波段？
可见光波长范围与人眼视觉感知相匹配，可见光遥感获取的图像可以直接被人们理解和解释。可见光可以提供丰富的地物表面信息，包括颜色、纹理等特征，对于识别植被、土壤、水体以及城市结构等具有重要意义
近红外波段对植被的响应特别敏感，可用于监测植被生长状况、估算生物量等。中红外和热红外波段则能反映地表温度和物质的热辐射特性，对于地质矿物识别、气候变化研究、地表能量平衡分析以及火灾探测等领域非常有用。大气对红外波段的吸收较弱，特别是在某些特定的“大气窗口”内，红外辐射能够穿透大气到达地面并返回到传感器，从而获得有效数据。
微波波长较长，主要优势在于穿透云层和雾的能力极强，不受日照和天气影响，全天候工作能力突出。微波遥感可以探测地表以下的土壤湿度、冰雪厚度、海洋表面风速、海浪高度以及地表粗糙度等参数，广泛应用于农业、林业、水文学、海洋学和气象学等领域。微波遥感的一个重要特点是其散射和发射特性，使得SAR（合成孔径雷达）等技术能够在夜晚和恶劣气候条件下依然获取高分辨率的地表信息。
这三种波段各自具备独特的优势，并能在很大程度上互补彼此的局限性，共同构成了遥感技术的核心波段。其他波段如紫外线、X射线和伽马射线等虽然也在电磁波谱范围内，但由于各种原因（例如大气吸收过强、设备复杂或对人体有害等），在遥感中的实际应用不如可见光、红外线和微波波段广泛。
三、常见卫星及传感器
①多光谱数据：光谱分辨率在 λ/10 数量级范围内。通常包含有限且数量较少的特定波段，例如几个到几十个不等。常见的多光谱遥感器可能包括红、绿、蓝以及近红外等波段
②高光谱数据：光谱分辨率在 λ/100 的遥感信息称高光谱遥感。如果采集的数据光谱分辨率在 λ/1000量级，被称为超光谱数据，其遥感方法为超光谱遥感。遥感光谱波段范围包括可见光，近红外，短波红外，中波红外，热红外。
- 多光谱：适用于一般的环境监测、土地覆盖分类、植被指数计算等任务，由于其波段较少，处理和解释较为直接。
- 高光谱：在地质矿物识别、农作物病虫害检测、环境污染监测等领域有更深入的应用，因为它能够探测到更多细微的光谱特征，从而实现对目标物更加细致的分析。
- 成本和技术复杂性、数据量与处理方式上也有区别
③雷达遥感数据：SAR，合成孔径雷达，航天飞机也可搭载。采用多个沿直线方 向运动着的线性小天线，移动到每个位置发射一个信号，接受并分别储存每点的目标回 波信号的振幅和相位信息，然后把不同时刻的全部信号进行合成处理以得到地面的实际 图像
常见的遥感数据：
Landsat：NASA共发射了7颗卫星，到1983年陆地卫星1-4停用，Landsat-5仍在使用，传感器是MSS和TM，共7个波段。Landsat-6 于1993年10月5日发射，两天后失踪。Landsat-7于1999年发射，八个波段，传感器是ETM+。Landsat-8于2013年发射，有11个波段，搭载传感器OLI和TIRS。轨道高度700-900km，是近极地、近圆形轨道。
地球资源卫星在天空中走过的路线叫做卫星轨道。
轨道运行周期是指卫星绕地球一周所需时间，Landsat1-3 是18天，Landsat4-8为16天。
四、遥感数字数据
1）存储形式：灰度值矩阵 （知道灰阶、直方图）
数字图像是由被称作像素的小块区域组成的二维矩阵。
BSQ：数据按波段顺序存储。首先存储第一个波段的所有像素值（例如所有红波段的像素），接着是第二个波段的所有像素值（如绿波段），依此类推。
BIL：数据按行交叉存储各个波段信息。即在同一行内，先存储第一行的第一个波段的所有像素，然后是第二波段的第一行，如此交替存储直到该行结束，再继续下一行。
BIP：数据按像元交叉方式存储，也就是每个像素点的各波段值紧邻存储。比如，存储第一个波段的第一个像素后，紧接着存储第二个波段的第一个像素，然后再存储第一个波段的第二个像素，以此类推。
hdf 文件由美国国家超级计算应用中心（NCSA）开发，可以存储不同类型的图像和数码数据的文件格式，并且可以在不同类型的机器上传输。采用分层式数据管理结构，优点有：超文本；独立于操作平台的可移植性；自我描述性；可扩展性；支持Land sat7 ETM+ 、Aster、MODIS、MISR等数据
2）遥感的物理基础—纹理
纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。
纹理特征一般从灰度图像中提取（即某一波段提取）。纹理特征是通过灰度的空间变化及其重复性来反映地物的视觉粗糙度，能充分反映影像特征，是描述和识别图像的重要依据。
纹理的特点：非随机排列；纹理区域内大致为均匀的统一体；某种局部序列性不断重复。
一般用以下特征对纹理进行描述: 均质性、密度、粗糙度、规则 性、直线性、方向性、频率、相位等。
纹理分析方法可以归纳为: （1）统计分析方法 （2）结构分析（3）模型分析方法（4）空间频率域联合分析
五、遥感图像处理技术
误差来源：卫星姿态的变化；传感器自身因素；大气条件；太阳高度和地形。
图像的预处理是通过对图像获取过程中产生的变形、扭曲、模糊和噪音的纠正，得到一个尽可能在几何和辐射上真实的影像。主要包括辐射校正和几何校正。
1. 辐射校正
辐射校正包括传感器误差校正、大气校正、太阳高度及地形校正。
（1） 传感器校正
建立遥感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系。分为实验室定标和飞行定标（星上定标、地面定标）。地面定标需要设立地面遥感定标试验场，用高精度仪器在地面进行同步测量，建立空-地遥感数学关系，将遥感数据转换为反映地物特性的有效辐射亮度值。
（2） 大气校正
定义：遥感所利用的各种太阳辐射能均受到大气层的散射或吸收作用而使能量衰减。消除大气对遥感信号影响的处理即大气校正。
大气如何造成影响：①散射降低入射和反射能量，DN值降低②与地物无关的辐射，使图像模糊。
方法有：暗目标法、灰度直方图校正法、实测校正法、大气辐射传输模型（基于辐射传输的MORTRAN模型和6S模型）。
暗目标法：假设图像中最暗的部分（如深水体或阴影区域）代表了最少的大气影响，其反射率接近于0。通过检测和提取这些暗对象的亮度值，然后从其他地物的亮度值中减去估算出的大气贡献，从而对整个图像进行粗略的大气校正。这种方法适用于有明显暗区且大气条件相对稳定的情况，但精度有限。
灰度直方图匹配法： 灰度直方图匹配主要用于改善不同传感器之间或者同一传感器在不同时期获取的图像之间的辐射一致性。通常用于纠正由于大气散射等因素引起的图像整体亮度偏移，通过对被校正图像的直方图与已知无大气影响的参考图像直方图进行匹配调整，使得二者具有相似的亮度分布特征。这种方法并不直接计算大气参数，而是侧重于图像间的视觉一致性和统计特性。
实测校正法： 在卫星过境时同步在地面采集特定地点的光谱反射率或辐射强度数据。通过将这些实际测量的数据与对应的遥感影像数据进行比较，可以推算出大气对遥感信号的影响，并据此进行校正。这种方法精度较高，但需要大量野外同步观测数据支持，实施成本和技术要求相对较高。
大气辐射传输模型： 它通过数学模型模拟电磁波在大气中的传播过程，包括吸收、散射和发射等效应。使用此方法时，需要输入具体的气象参数（如温度、湿度、气压、大气成分浓度等）、地形参数以及遥感器参数等信息。模型计算后能够得到经过大气影响前后的辐射量，从而实现对遥感图像的精细大气校正。尽管这种方法较为复杂且需要较多先验知识和实时气象数据支持，但它能提供最高的校正精度，尤其适合于定量遥感分析研究。
（3）太阳高度
太阳高度角：地面到太阳的方向与地平面之间的夹角。
太阳高度角校正：通过将太阳光线倾斜照射时获取的图像校正为太阳光线垂直照射时获取的图像。
（4）地形校正
削弱地势复杂区域由于地形起伏引起的辐射亮度误差，使坡度不同但反射性质相同的地物在图像中具有相同的亮度值。主要减少阴影区。
2. 几何校正
（1）几何畸变原因
- 传感器成像方式
- 外方位元素变化（遥感平台因素）：外方位元素引起动态扫描图像的变形。
- 自然因素：地球自转、地形起伏、地球曲率和大气折射等。
（2）为什么要进行几何校正
几何畸变会给基于遥感图像的定量分析、变化检测、图像融合、地图测量或更新等处理带来误差，所以进行几何校正。
（3）定义与流程
几何校正是借助于一组地面控制点和多项式纠正模型，对图像进行地理坐标的校正的过程。
流程方法：①确定多项式系数；②选取地面控制点；③像元坐标变换；④重采样
其中，控制点的选取遵循规则：明显、清晰的定位识别标识；不随时间变化；均匀分布。
重采样有三个方法：最近邻法；双线性内插法；三次卷积法。
最近邻法： 优点：计算简单，不丢失细节。缺点：输出图像可能会出现锯齿状的边缘。
双线性内插法： 优点：能够提供更平滑的结果，较最近邻法更为准确。缺点：较最近邻法计算稍复杂，由于是像元亮度值的加权平均，有低频卷积作用，可能出现模糊的问题。
三次卷积法： 优点：可以比较完整地复原图像，立方曲线加权使得图像锐化并将噪声平滑掉。缺点：计算成本较高，更为复杂且耗时。
（4）图像增强和变换
定义：对遥感图像进行色彩、反差、地物边界的平滑或锐化等的处理，用于提高图像目视解译的效果与对地物的辨别力。变换方式主要有光谱增强和空间增强两类。
a. 光谱增强
定义：光谱增强对应于每个像元，对目标物的光谱特征——对比度等进行的操作。包括彩色处理、对比度增强和光谱转换等。
①彩色处理：多波段假彩色合成、单波段假彩色分割
②对比度增强：
线性拉伸是将图像像元的MIN值和MAX值扩展到0-255。
非线性拉伸包括指数变换和对数变换。指数变换：高灰度区扩展，低灰度区压缩，使得中间灰度的亮度降低。对数变换：高灰度区压缩，低灰度区扩展，使得中间灰度得到较大增强。
直方图均衡化是一种非线性拉伸方法。将图像的随机分布的直方图修改为均匀分布的直方图。频率高的像元灰度级被分割拉开，频率低的像元灰度级被合并压缩。直方图匹配是将直方图匹配为指定函数的图形或指定图形的直方图。
③光谱转换：
光谱变换通过函数变换，达到保留主要信息，降低数据量；增强或提取有用信息的目的。其变换的本质是对遥感图像实行线性变换，使光谱空间的坐标系按一定规律进行旋转。常见的变换方式主要有PCA（主成分变换）和K-T（缨帽变换）。
PCA主成分变换 可以去除相关性、突出地物特征、压缩数据，另外还可以剔除噪声，因为PCA变换后的信息量通常随主分量顺序而减少，变换后的第一波段通常具有最多的信息。
KT变换 使得变换后的图像与植被生长和土壤有密切的关系。变换后的第1、2、3波段分别表示亮度、绿度和湿度。
b. 空间增强
定义：空间增强主要集中于图像的空间特征，即考虑每个像元及其周围像元亮度之间的关系，从而使图像的空间几何特征突出或者降低。主要有空间滤波、傅里叶变换、小波变化等。
滤波：卷积就是滤波。根据滤波核及其功能我们可以分为高通滤波和低通滤波。低通滤波的平滑了图像，丢失了一些细节。高通滤波突出图像的边缘和细节信息，但是会失去大范围上的亮度。中值滤波：把局部区域中灰度的中央值作为区域中央像元的值。
3. 监督分类
定义：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。
目的：将图像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别。加入空间关系（纹理等）或遥感多波段合成信息（遥感指数等）可提高分类精度。
包括两个基本步骤：选择训练样本和提取统计信息；选择分类算法。
训练样本需满足：①同一类别训练样本必须是均质的、不能包含其他类别；②航安同一类别所有类型，如不同土壤类型的针叶林；③每一类别训练样本具有一定数量；④需采用每隔一定间隔采集几个连续的样本像元，或地理分层采样，避免空间自相关性造成的训练标志不具代表性。
评价训练样本的方法：均值图法（把各类别在不同特征空间（波段）的样本点特征值求均值和标准差，构建一个折线图来判断不同类别在不同特征空间的分布情况。）、特征空间二维图（把训练样本的光谱特征向量表示在二维图中，直观展示所有样本的光谱特征分布）。
分类算法
（1）平行算法：又称盒式决策规则。根据训练样本的亮度值范围形成一个 n 维数据空间，其他像元的光谱值如果落在训练样本所对应的区域，就被划分其对应的类别中。简明、直接；可能遗漏未分类像元；训练样本定义的区域可能重叠。
（2）最小距离法：利用训练样本中各类别在各波段的均值（集群中心），根据各像元距离训练样本平均值的距离的大小决定其类别，将未分类点归类到最近的类别中。造成一些类别在其边界上的重叠，引起分类误差。
（3）最大似然法：根据训练样本的均值和协方差，用统计方法建立判别函数集，计算各待分类样区的归属概率，将函数返回值最大的类别作为未分类像元的归属类别。可将落在类别重叠区的像元进行分类；计算量大，对不同类别的方差变化敏感。
监督分类优点
- 可有选择地决定分类类别，避免出现不必要的类别；
- 可控制训练样本的选择；
- 可通过反复检验训练样本，来提高分类精度，避免分类严重错误；
- 避免了非监督分类中对光谱集群组的重新归类。
监督分类缺点：人为主观因素较强，受先验者知识影响较大；训练样本可能没有很好的代表性；训练样本的选取和精准度评估需花费较多人力和时间。
4. 非监督分类
定义：也称聚类分析，是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即运用自然聚类的特性让机器进行自学习并进行分类，它以集群为理论基础，通过计算机对图像进行集聚统计分析，是模式识别的一种方法。非监督分类的主要算法有ISODATA算法。
非监督分类优点：不需要预先对所要分类的区域有广泛的了解；人为误差机会减少；独特的、覆盖量少的类别均能被识别。
非监督分类优点：需要大量的后处理；较难对产生的类别进行控制，集群与类别的匹配难度大；光谱特征随时间、地形变化，不同图像之间的对比困难。
5. 精度评价
遥感解译结果的精度验证是遥感影像分类的一个重要过程。
常用的采样方法包括简单随机采样、分层采样和聚点或集群采样。
常用误差矩阵对分类影像进行精度评价。误差矩阵也叫混淆矩阵，n行n列，n代表类别的数量。
今天的文章RS—遥感_遥感数据类型有哪些分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/86209.html
