遥感影像解译基础.pptVIP

Map Search 2、在页面左侧选择你需要下载的数据类型 Map Search 3、用窗口所提供的工具条（放大，缩小等），自己选择范围 Map Search 5、点击之后，将会出现选中区域的影像数，Preview Download也会高亮显示，如下图 6、接下来就跟Path/Row方法中13、14两步相同 Map Search 4、点击工具栏中的选择工具，如上图，之后点击北京处的小红框，如下图 遥感影响的预处理一般包括： 大气校正 几何纠正 光谱比值 主成分 植被成分 帽状转换 条纹消除 质地分析等 几何校正 校正地物的几何变形，对不同时期的遥感影像进行空间配准。 在地形图上选取地面控制点，利用GIS系统软件找出各控制点的投影坐标，然后运用遥感图像处理软件对分类结果进行几何校正，使之具有统一的投影坐标。 光谱比值 消除由地形因素（如坡度和坡向）引起的地物反射光谱的空间变异，增强植被和土壤辐射的差异。广泛应用于植被盖度和生物量的评估中。 主成分分析 通过降低空间维数，在数据信息的损失最低的前提下，消除或减少波段数据的重复，即降低波段间的相关性，同时加快计算机分类的速度。 帽状转换 对原始波段数据进行线性转换生成了亮度图像、绿度图像和湿度图像，然后利用所生成的3个通道进行分类。这种变换广泛应用于植被类型分类的预处理。 亮度图显示了各地物的亮度，高反射的地物亮度大，颜色浅； 绿度图主要是反映植被信息，植被多的地方绿度大，颜色浅； 湿度图反映水体、湿度信息，湿度大的地物亮度大，颜色浅。 条纹消除 由于传感器的振动、数据的传输和处理过程中产生的错误或其他原因，有时会使遥感影像呈现间隔均匀的条带。 条纹消除能提高遥感影响的判读性，增加分类的准确性。 第二步：选择训练区 对于监督分类： 训练样区用于提取各类的特征参数，以对各类进行模拟 对于非监督分类 训练区辅助对簇分析结果的归类 第三步：遥感影像分类 监督分类： 均匀选取各类型的训练区，计算机统计训练区内遥感数据特征，然后把训练区数据特征传递给判别函数，判别函数再根据参数，判断某一像元应该属于哪一类型，完成分类。 非监督分类： 根据研究区尽可能有的景观类型数，给出分类的类型数，遥感图像处理软件根据TM各波段光谱数据特征，自动等距离划分出所给定的类型。 第四步：分类结果的后处理 光滑或过滤 消除噪声。 遥感影响计算机分类结果途中，往往包含许多孤立的像素点，或由几个像素构成的小斑块，通常称之为“噪声”。 第四步：分类结果的后处理 矢量化 将栅格格式的分类结果图转换成矢量格式。 人机交互解译 通过人机交互解译，对错误的分类斑块进行纠正，以提高分类精度。 计算机监督分类和非监督分类形成的景观类型图的正确率平均只有80%左右。 环境遥感影像解译基本原理 遥感平台 空间运载工具 空中运载工具 地面运载工具 飞机 气球 遥感用汽车 遥感用艇船 宇宙飞船 航天飞机 遥感平台 （航天遥感） （航空遥感） 卫星 * 各种遥感平台的相对高度 遥感平台——卫星 卫星 低轨：150km-300km, 高分辨率图象，寿命比较短，几天－几周 用途：军事侦察 中轨：700km-1000km, 绝大多数资源卫星，landsat 1-3:915,landsat 4-5:705, spot:832,noaa:833/870 用途：资源环境遥感 高轨：35860km, 地球静止卫星 用途：通讯，气象 航天平台目前发展最快、应用最广：气象卫星系列、海洋卫星系列、陆地卫星系列 * SPOT 1986年2月发射。SPOT-2于