遥感原理与应用（武大）.

### 遥感原理与应用（武大） #### 第一章 电磁波及波谱特性 **1.1 概述** 遥感技术是通过在不直接接触目标的情况下，利用电磁波、声波等手段对目标进行探测的技术。在电磁波遥感中，通过收集不同物体反射或发射的电磁波来识别和分析地表目标。电磁波的反射或发射辐射特征因物体种类、特征和环境条件的不同而有所差异，这是遥感技术的基础。 **1.1.1 电磁波** 电磁波是由变化的电场和磁场交替产生的波动现象。根据麦克斯韦电磁场理论，变化的电场会在其周围产生变化的磁场，而这一变化的磁场又会在更远处产生新的变化电场。这种交替产生的过程使得电磁波以光速在空间中传播。电磁波包括了从短波长的γ射线、X射线到长波长的微波、无线电波等不同类型。 电磁波具有波动性和粒子性两种特性。波动性体现在干涉、衍射和偏振等现象中；粒子性则体现在光电效应等现象中。在遥感技术中，主要关注的是电磁波的波动性特征。 **1.2 物体的发射辐射** 物体发射的辐射与其温度密切相关。根据普朗克定律，不同温度下的物体发射出的电磁波谱具有不同的特征。这一原理被广泛应用于热红外遥感中，通过对物体发射的红外辐射进行分析，可以获取物体的温度信息。 **1.3 地物的反射辐射** 地物表面会反射接收到的部分电磁波。反射率取决于地物的材质、结构以及电磁波的波长等因素。通过对地物反射率的研究，可以识别不同的地物类型，这是光学遥感的基础。 **1.4 地物波谱特性的测定** 为了准确测量地物的波谱特性，通常采用地面测量、机载测量和卫星测量等方式。通过这些手段，可以构建地物的波谱库，这对于遥感数据的解译至关重要。 #### 第二章 遥感平台及运行特点 **2.1 遥感平台的种类** 遥感平台主要包括地面平台、航空平台（如飞机、无人机）和航天平台（如卫星）。不同的平台具有各自的优缺点，选择合适的平台对于遥感任务的成功至关重要。 **2.2 卫星轨道及运行特点** 卫星轨道的选择直接影响遥感数据的质量和覆盖范围。例如，低地球轨道(Low Earth Orbit, LEO)卫星提供高分辨率图像，但覆盖范围较小；而地球同步轨道(Geostationary Earth Orbit, GEO)卫星虽然分辨率较低，但能持续观测同一地区。 **2.3 陆地卫星及轨道特征** 专门用于陆地观测的卫星通常采用太阳同步轨道(Sun-Synchronous Orbit, SSO)，确保每天同一时间经过地球上同一地点，有利于观测地表变化。 #### 第三章 卫星传感器及其成像原理 **3.1 扫描成像类传感器** 扫描成像类传感器通过扫描地表反射的电磁波来形成图像。这类传感器可以分为推扫式和旋转扫描式两种类型。推扫式传感器沿卫星运动方向进行扫描，而旋转扫描式传感器则是绕一个轴旋转扫描。 **3.2 微波成像类传感器(侧视雷达)** 侧视雷达是一种主动式的微波遥感方式，通过发射微波并接收反射回来的信号来形成图像。它不受天气和光照条件的影响，特别适用于夜间和云雾覆盖地区的观测。 #### 第四章 遥感图像数字处理基础知识 **4.1 图像的表示形式** 遥感图像通常以数字形式存储，可以通过像素值来表示图像亮度或其他物理量。像素值反映了地物的反射或发射特性。 **4.2 遥感数字图像的存贮** 遥感图像的存储格式多样，常见的有TIFF、JPEG2000等。这些格式支持不同的压缩比率和质量设置，以满足不同应用需求。 **4.3 遥感数字图像处理系统** 遥感数字图像处理系统通常包含预处理、增强、分类等多个步骤。通过这些步骤，可以从原始数据中提取有用信息。 **4.4 遥感图像处理系统与GIS和GPS的集成** 遥感图像处理系统可以与地理信息系统(GIS)和全球定位系统(GPS)集成，实现空间数据的综合管理和分析。 #### 第五章 遥感图像的几何处理 **5.1 遥感传感器的构像方程** 构像方程描述了遥感图像上像素与地面上对应点之间的数学关系。通过解决构像方程，可以进行图像的几何校正。 **5.2 遥感图像的几何变形** 遥感图像可能会因为传感器姿态、大气折射等原因出现几何变形。几何校正是为了纠正这些变形，提高图像精度。 **5.3 遥感图像的几何处理** 几何处理包括但不限于几何校正、地图投影转换等操作。这些处理有助于提高图像的空间定位准确性。 **5.4 图像间的自动配准和数字镶嵌** 图像间的自动配准是将不同时间或不同传感器获取的图像进行精确对齐。数字镶嵌则是将多幅图像拼接成一幅连续的图像。 #### 第六章 遥感图像的辐射处理 **6.1 遥感图像的辐射校正** 辐射校正是为了消除大气影响，恢复地物真实反射率或发射率的过程。常用的校正方法包括大气校正、太阳高度角校正等。 **6.2 遥感图像增强** 图像增强旨在突出图像中的某些特征或细节，常见的方法有直方图均衡化、对比度拉伸等。 **6.3 图像平滑** 图像平滑用于减少图像噪声，使图像更加清晰。常用的技术有均值滤波、中值滤波等。 **6.4 图像锐化** 图像锐化是为了增强图像边缘或细节，使图像看起来更加清晰。常用的方法有梯度锐化、拉普拉斯算子等。 **6.5 多光谱图像四则运算** 多光谱图像四则运算是指对不同波段的图像进行加减乘除运算，从而产生新的图像。这种方法有助于提取特定的地物信息。 **6.6 图像融合** 图像融合是将不同来源或多时相的图像进行组合，以获得更高质量的图像。融合技术有助于提高图像的空间分辨率和光谱分辨率。 **6.7 遥感图像和DEM复合** 将遥感图像与数字高程模型(Digital Elevation Model, DEM)结合起来，可以创建三维地形图像，这对于地形分析非常有用。 #### 第七章 遥感图像判读 **7.1 景物特征和判读标志** 通过观察遥感图像上的纹理、形状、颜色等特征，可以识别出不同的地物类型。这些特征被称为判读标志。 **7.2 目视判读的一般过程和方法** 目视判读包括了图像准备、初步浏览、详细分析等步骤。通过这些步骤，可以有效地解读遥感图像。 **7.3 遥感图像目视判读举例** 举例说明如何通过目视判读来识别土地覆盖类型、城市扩展等现象。 #### 第八章 遥感图像自动识别分类 **8.1 基础知识** 自动分类是基于计算机算法对遥感图像进行分类的过程。常见的分类方法包括监督分类和非监督分类。 **8.2 特征变换及特征选择** 特征变换用于改进分类结果，常见的方法有主成分分析(Principal Component Analysis, PCA)。特征选择则是挑选最相关的特征进行分类。 **8.3 监督分类** 监督分类需要训练样本，通过学习训练样本的特征来识别未知图像中的地物类型。 **8.4 非监督分类** 非监督分类不需要训练样本，而是通过聚类算法自动将相似的地物分组。 **8.5 非监督分类与监督分类的结合** 结合非监督和监督分类的优点，先通过非监督分类进行初步分组，再通过监督分类细化分类结果。 **8.6 分类后处理和误差分析** 分类后处理包括平滑、边界细化等操作，以提高分类精度。误差分析用于评估分类结果的准确性。 **8.7 非光谱信息在遥感图像分类中的应用** 除了光谱信息外，还可以利用纹理、位置信息等非光谱信息来辅助分类。 **8.8 句法模式识别概述** 句法模式识别是一种基于规则的方法，用于识别复杂地物结构。 **8.9 计算机自动分类的新方法** 随着机器学习和深度学习的发展，出现了许多新的自动分类方法，如卷积神经网络(Convolutional Neural Network, CNN)。 #### 第九章 遥感技术的应用 **9.1 遥感技术在测绘中的应用** 遥感技术可以用于地形图制作、地籍测量等领域，提高了测绘工作的效率和精度。 **9.2 遥感技术在环境和灾害监测中的应用** 遥感技术在环境监测方面可以用于水体污染监测、森林火灾预警等。在灾害监测方面，可用于洪水监测、地震灾后评估等。 **9.3 遥感技术在地质调查中的应用** 遥感技术可以辅助地质制图、矿产资源勘查等工作，特别是在难以到达的地区。 **9.4 遥感技术在农林牧等方面的应用** 遥感技术在农业方面可用于作物生长监测、病虫害预警等；在林业方面可用于森林资源清查、森林健康监测等。 **9.5 遥感技术在其他领域中的应用** 遥感技术还广泛应用于海洋研究、城市规划、交通管理等多个领域。