近地遥感图像背景辐射反演方法研究毕业论文

⑴ 实验十九 遥感图像辐射校正

一、实验目的

通过对ENVI的FLAASH 功能运用，掌握对Landsat卫星遥感影像做辐射定标与FLAASH大气校正的技术操作，加深对辐射定标和大气校正原理的理解。

二、实验内容

①桂林市TM 遥感影像辐射定标；②桂林市TM 遥感影像FLAASH大气校正处理。

三、实验要求

①明确ENVI的Lndsat辐射定标各项参数的意义及作用；②明确ENVI FLAASH大气校正处理各步操作的作用；③对FLAASH大气校正前后同名点的植被波谱曲线差异进行比较分析。编写实验报告。

四、技术条件

①微型计算机；②国际分幅127-43 TM 影像；③ENVI软件；④Photoshop软件（ver.6.0以上）和ACDSee软件（ver.4.0以上）。

五、实验步骤

辐射校正包括辐射定标与大气校正两部分。辐射定标是将传感器记录的电压或数字量化值（DN）转换成绝对辐射亮度值（辐射率）。大气校正就是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率和地表温度等物理参数真实数值的物理数学计算。

1.辐射定标

ENVI提供Calibration Utilities（校正工程）工具，可以利用定标系数完成ASTER、MSS、TM、ETM＋、QuickBird等传感器的辐射定标。本次实验介绍Landsat传感器定标的具体操作过程：

（1）在ENVI主菜单中，选择“File>Open External File>Iandsat>GeoTIFF with Metadata”，打开Landsat5 TM数据L5127043_04320051009 MTL.txt。

（2）在 ENVI主菜单中，选择“Basic Tools> Prepr coessing > Calibration Utilities >Landsat Calibration”，在打开的“Landsat Calibration Input File”对话框中，选择Land ast5 TM 文件，单击【OK】按钮，出现“ENVI Landsat Calibration”对话框（图19-1）。

（3）在“ENVI Landsat Calibration”对话框中，ENVI将自动从元数据中获取下列参数：Landsat卫星类型（Landsat Satellite Sensor）；图像成像时间（Data Acquisition Month/Day/Year）；太阳高度角（Sun Elevation）。

（4）定标类型（Calibration Type）包括“Radiance”（辐射亮度值）和“Reflectance”（反射率），选择“Radiance”（辐射亮度值）。

（5）点击【Edit Calibration Parameters】按钮，可以打开定标参数对话框，可以自己修改定标参数。

如果定标的数据格式是 ENVI标准或者TIF格式，需要手动输入“ENVI Landsat Calibration”对话框中的参数（Landsat卫星类型、图像成像时间和太阳高度角），并且每次只能定标一个波段。

图19-1 ENVI陆地卫星定标对话框

（6）选择输出路径及文件名，单击【OK】按钮，执行定标过程。

2.大气校正

目的是消除大气中的水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响，目前遥感图像的大气校正方法很多，本次实验选择FLAASH大气校正工具进行大气校正，FLAASH 对大气校正的输入图像作了一些要求，具体如下：

◎卫星图像波段范围为400～2500nm；航空图像为860～1135nm。

◎文件类型为ENVI标准栅格格式，BIP或BIL存储格式。

◎数据头文件中包含中心波长（Wavelength）值（表19-1），如果是高光谱还需要有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。

表19-1 Ladnst中心波长

续表

图19-2 转换文件参数设置

FLAASH大气校正具体操作步骤如下：

（1）数据储存顺序调整。由于FLAASH大气校正工具要求数据存储顺序为BIP或者BIL格式，而ENVI默认的数据存储格式为BSQ格式，我们需要进行数据储存格式调整，在ENVI主菜单中，选择“Basic Tools>Convert Data（BSQ、BIP、BIL）”，在“Convert File Input”对话框中选择上一步辐射定标的结果，单击【OK】按钮打开“Convert File Parameters”对话框（图19-2）。

◎选择“Output Interleave”：BIL，

◎Convert In Place: Yes

单击【OK】按钮，执行处理。

（2）文件输入与输出信息。在ENVl主菜单中，选择“Spectral>FLAASH”，打开“FLAASH”功能，如图19-3所示。

点击【Input Radiance lmage】按钮，选择准备好的辐射亮度值数据，由于辐射定标时得到的辐射亮度单位为W/（m² ·μm ·sr），FLA ASH要求的辐射亮度单位为μW/（cm² nm ·sr），两者相差10倍，所以点击【Input Radiance Image】按钮会出现“Radiance Scale Factors”对话框（图19-4），选择“Us esingle scale factorfor all bands”（对所有波段使用统一比例因子），“single scale factor”值输入10，点击【OK】按钮，这样就获得符合FLAASH要求的辐射亮度值。

图19-3 FLAASH模块参数对话框

图19-4 辐射亮度比例因子设置

单击图19-3中的【Output Reflectance File】按钮，选择输出文件名和路径。

（3）传感器与图像目标信息。

Scene Center Location：从元数据文件中获取，当图像位于西半球时，经度为负值；位于南半球时，纬度为负值。

Sensor Type：选择辐射亮度图像对应的传感器类型，本实验使用数据为Landsat TM5。

Ground Elevation（km）：可从相应区域的DEM 获取平均值。

Flight Date：图像成像日期，可以从元数据文件中获取。

Flight Time GMT：图像成像格林尼治时间，可以从元数据文件中获取。

（4）大气模型（Atmospheric Model）。ENVI提供了六种大气模型：亚极地冬季（Sub-Arctic Winter）、中纬度冬季（Mid-Latitude Winter）、美国标准大气模型（U.S.Standard）、亚极地夏季（Sub-Arctic Summer）、中纬度夏季（Mid-Latitude Summer）、热带（TroPical）。可以通过季节－纬度信息选择大气模型。

（5）水汽反演（Water Retrieval）。多光谱数据由于缺少相应波段和光谱分辨率太低不执行水汽反演。选择No。

（6）气溶胶模型（Aerosol Model）。ENVI提供五种气溶胶模型：无气溶胶（No Aerosol）、乡村（Rural）、城市（Urban）、海面（Maritime）、对流层（Tropospheric）。

（7）气溶胶反演（Aerosol Retrieval）：选择2-Band（K-T）, K-T气溶胶反演方法。

（8）初始能见度（Initial Visibility）（km）：见表19-2。

表19-2 天气条件与估算能见度

（9）多光谱设置（MultispectraI Settings）。在“Sensor Type”选项中选择多光谱传感器时，出现【Multispectral Settings】按钮，单击此按钮可以打开多光谱设置对话框（图19-5），有两种设置方式：文件方式（File）和图形方式（GUI），一般选择图形方式。由于多光谱数据一般不用于水汽，因此多光谱设置对话框中主要的参数见“Kaufman Taner Aerosol Retrieval”对话框中，选择“Defaults”下拉框：Over-Land Retrieval Standard（660:2100），即上行通道660nm，下行通道2100nm，点击【OK】按钮后完成设置，回到FLAASH模块参数对话框。

图19-5 多光谱设置对话框

（10）高级设置（Advanced Settings）。按照默认设置。

上述设置完成后，点击【Apply】按钮，执行FLAASH大气校正。

3.大气校正前后同名点植被波谱曲线对比

（1）分别在“Display”窗口中显示原始数据图像和FLAASH 校正后的反射率图像。

（2）在其中一个主窗口中选择“Link>Geographic Link”，将两个“Display”窗口地理链接。

（3）将大气校正前后影像窗口移动到植被区域，分别在两个“Display”窗口中单击鼠标右键选择“Z Pro-file（Spectrmu）”，获取两个图像上的植被波谱曲线（图19-6），可以看到经过大气校正后的植被波谱曲线更加接近真实植被波谱曲线。

图19-6 大气校正前（左图）后（右图）植被波谱曲线对比

六、实验报告

（1）简述实验过程。

（2）回答问题：①什么是辐射定标？ENVl软件采用何种功能命令进行辐射定标？②什么是大气校正？ENVI软件采用何种功能命令进行大气校正？③辐射校正前后地物波谱特征对比分析：分别提取辐射校正前、后的漓江水体、岩溶石山、碎屑岩土山、农田、桂林市区和飞机场六种典型地物的波谱曲线。比较分析它们的差异。为何它们会存在差异？

实验报告格式见附录一。

⑵ 遥感数字图像定量反演的方法

遥感数字图像可以用Google earth engine python API来实现定量反演。

用基于GEE的pythonAPI，主要实现以下内容：

站点数据和遥感影像匹配。

利用机器学习/深度学习模型进行匹配数据的训练。

将训练的模型用于GEE上的影像数据，实现参数反演结果成图。

提取影像的metedata，作为模型的输入数据。

注意，直接采用img.get( )得到的是computerobject这种类型的结果，无法在机器学习模型中输入和计算，应加上.getInfo()。

总结如下：

反演，在人工智能领域又称为人工智能反演(inversion with artificial intelligence),是指能够模仿人类智能的计算机程序系统即人工智能专家系统，它具有学习和推理的功能。例如模拟退火最优化系统、人工神经网络系统等。

在反问题求解过程中应用人工智能的方法技术，引导局部或全局寻优，这种反演方法称为人工智能反演技术。

⑶ 遥感影像信息的提取技术方法研究进展

遥感的对地观测系统是一个信息流交换的过程：电磁波与地表物体相互作用形成地表信息交流。而遥感影像信息提取技术就是最大限度地从遥感图像上的光谱信息反演出目标地物本身的属性特征信息。进而可对地球表层资源与环境进行探测、分析，并揭示其要素的空间分布特征与时空变化规律。遥感影像信息的提取技术是建立在对地物规律有充分的了解的基础之上的，其综合物理手段、数学方法和地物状态识别等认识，通过对影像的处理与分析，获得能反映区域内地物的分布规律和变化过程的有效信息的技术方法。

遥感地物识别主要依赖于地物的光谱和空间特征的差异。多光谱由于光谱分辨率低，地物的光谱特征表现不充分，地物识别主要依赖地物的空间特征，包括灰度、颜色、纹理、形态和空间关系。信息处理和信息提取主要是应用图像增强、图像变换和图像分析方法，增强图像的色调、颜色以及纹理的差异，达到最大限度地区分地物的目的。随着成像光谱仪研制成功以及其产业化的发展，遥感地物信息提取也随之进入了一个崭新的时代。成像光谱对地物的识别主要是依赖于地物的光谱特征，是直接利用岩石矿物的光谱特征进行地物识别，定量分析地物信息。下面从多光谱和高光谱遥感信息处理两方面来加以论述。

1.多光谱方法研究进展

多光谱的信息提取主要集中于：色调信息提取，纹理信息提取，信息融合。

（1）色调信息提取

对于色调信息提取，主要是采用一些增强处理，扩大图像中地物间的灰度差别，以突出目标信息或改善图像效果，提高解译标志的判别能力，如反差扩展、彩色增强、运算增强、变换增强等，这些传统的图像处理方法在一定程度上满足了应用的需要。近年来发展了一系列的以主成分变换为主的信息提取技术，在岩矿信息提取中发挥了重要的作用。如张满郎（1996）提出修正的直接主成分分析提取铁氧化物信息。OF 变换（Maxium Noise Fraction Transformation）（Kruse，1996，Creen，et al.，1988），NAPC（Noise-adjust Principal Components Transform）（Lee，et al.，1990）、分块主成分变换（Jia，et al.，1999）、基于主成分的对应分析（Carr，et al.，1999），以及基于主成分分析的空间自相关特征提取（Warner，et al.，1997）、子空K投影（Harsanyl，et al.，1997）和高维数据二阶特征分析（Lee，et al.，1993；Haertel，et al.，1999）等，也是基于主成分分析进行信息特征选择与特征提取。同时，根据模式识别的原理，提出并设计出监督分类与非监督分类方法：以及利用决策树进行分类识别（Wrbka，et al.，1999；Friedl，et al.，1999；Hansen et al.，1996），这些技术与方法是建立在图像灰度特征之上，利用数理统计的知识进行地物分类与信息提取。

（2）纹理信息提取

遥感影像的边缘和纹理信息对线环构造的识别具有一定作用，但却似乎无助于岩性的识别。边缘信息提取通常采用滤波算子或锐化的方法进行（Gross，et al.，1998；Varbel，2000）。纹理信息提取通常采用共生矩阵、傅立叶功率谱和纹理谱等方法。

（3）信息融合

多源数据融合研究也非常普及与深入，其技术方法涉及不同的数理知识（Jimen，et al.，1999；Pohl，1998；Robinson，et al.，2000；Price，1999；Gross et al.，1998），比如小波信息融合。应用面涉及非遥感数据（王润生，1992；朱亮璞，1994），如遥感数据与地化数据、物探数据的叠置与融合。这些方法一方面开阔了遥感的应用视野，另一方面也扩展了遥感的应用能力。

总的来说，多光谱遥感岩矿信息提取主要是基于图像灰度特征，即基于岩矿的反射率强度差异，采用一些数学变换方法，增强或突出目标信息，使之易于目视解译。在数据处理中，由于波段有限，未能有效地导入岩矿类别的光谱知识，其结果精度更多地取决于研究人员的经验。

2.高光谱方法研究进展

成像光谱技术是多光谱技术发展的飞跃，它是在对目标对象的空间特征成像的同时，对每个空间象元经过色散或分光形成几十个乃至几百个窄波段以进行连续的光谱覆盖。形成的遥感数据可以用“图像立方体（三维）”来形象描述，其中两维表示空间，另一维表征光谱。这样，在光谱和空间信息综合的三维空间内，可以任意地获得地物“连续”的光谱以及其诊断性特征光谱，从而能够基于地物光谱知识直接识别目标地物，并可进一步地获取定量化的地物信息。在地质应用中，矿物识别和信息处理技术可分为：①基于单个诊断性吸收的特征参数；②基于完全波形特征以及③基于光谱知识模型三大类型。

岩石矿物单个诊断性吸收特征可以用吸收波段位置（λ）、吸收深度（H）、吸收宽度（w），吸收面积（A）、吸收对称性（d）、吸收的数目（n）和排序参数作一完整地表征。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如IHS编码与吸收波段图（Kruse，1988）是利用连续法去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像以及波段半极值宽度图像，并分别赋予HS I 空间的明度（H）、强度（l）和饱和度（S），然后逆变换到RGB色度空间。从而根据色调差异进行矿物直接识别。在描述岩矿单个诊断性吸收特征参数中，吸收深度是一非常重要的特征指标而受到重视。如相对吸收深度图（RBD image，Relative absorption Band-depthimage）（Crowley，et al.，1989）采用比值运算来增强识别端元的吸收深度，即根据要识别端元的单个诊断性吸收峰的两侧肩部反射率之和，除以其谷中心邻近两侧对应波长的反射率之和的商图像，来表征端元矿物诊断性吸收峰的相对吸收深度。不同端元矿物的RBD图像，除象元本身比值大小代表了端元矿物存在的可能性外，通过进一步地诸如PC变换分析进行特征增强与选择来识别端元矿物。由于吸收峰的非对称性，采用RBD方法难以准确描述其特征。连续插值波段算法（CIBR，continuum interpolated band algorithm）（De Jong，1998）和光谱吸收指数图像（SAI，spectral absorption index image）（王晋年等，1996）与相对吸收深度图方法类似，但引入了对称度因子，使其对吸收特征的描述更为合理。CIBR是利用诊断性光谱吸收谷中心的辐射值，除以左右肩部的辐射值与吸收特征对称度因子之积的和，产生相应的商图像，用以增强不同矿物的诊断性吸收深度，进行矿物识别。SAI方法与CIBR类似，也是对单个吸收波形肩部的特征增加了对称度因子。上述方法类似于常规比值或彩色增强处理。与常规增强处理最大不同之处在于有机地融入端元矿物的光谱特征这一先验知识，针对性、目的性更明确。由于大气辐射对遥感数据中波谱特征的影响、光谱混合形成的光谱漂移和变异对单个波形的影响，使识别结果含有较大的干扰。

成像光谱最大的优势在于利用有限细分的光谱波段，去再现象元对应物的波谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响（如光谱漂移、变异等），提高识别的精度。基于整个波形的识别技术方法是在参考光谱与象元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。例如，光谱匹配（SM，Spectral matching）（Baugh，et al.，1998）利用岩矿光谱矢量的欧氏距离测度函数，即求图像象元光谱与参考光谱在光谱空间中的差异大小。距离愈小，表示图像端元光谱或待识别的端元光谱与来自实验室或野外实测的参考光谱之间拟合程度愈高。类似地，相似指数（SI，similarity index algorithm）（Fenstermaker，et al.，1994）是基于欧氏距离侧度，根据已知地物类型的图像象元平均光谱与未知图像象元光谱的波段差值平方和的均值大小来识别地物。以上两种方法比基于单个吸收波形参数识别技术可靠。但往往由于光谱数据分辨率的影响，其光谱的差异不明显，同时又因欧氏距离测度固有的缺陷而难以对地物进行准确分类与识别。光谱角识别方法（SAM，spectral angle mapper）（Ben-Dor，et al.，1994；Crosta，et al.，1998；Drake，et al.，1998：Yuhas，et al.，1992）是在由岩矿光谱组成的多维光谱矢量空间，利用一个岩矿光谱矢量的角度测度函数求解岩矿参考光谱端元矢量（r）与图像象元光谱矢量（t）的相似程度。参考端元光谱既可来自实验室、野外测量，也可来自已知类别的图像象元光谱。根据两者相似程度大小，识别与提取矿化蚀变信息。该方法的难点在于如何合理地选择阈值进行信息分割。不过，从已有应用的角度看，该方法简单易行、比较可靠。交叉相关匹配（Fer-rier，et al.，1999；Varder Meer，et al.，1997）是使用一个相关因子（r.）作为相似性指数，通过逐象元交叉相关匹配进行矿物识别。当参考光谱与检验光谱完全匹配时，其位置m=0；参考光谱向长波方向移动时，其m＜0。反之，m＞0。在RGB空间，分别赋予斜度（skewness），t检验值与相关因子以R，G，B；若在“0”匹配位置，其斜度、t检验值与相关因子（r.）均接近于“1”而显示为白色，从而识别出端元矿物。对于矿物的智能识别，往往也采用完全谱形。例如，Tetracord矿物识别软件是基于UNIX平台，利用光谱数据库中的光谱与图像光谱拟合从而自动进行识别矿物；王润生等（1999）根据矿物的完全波形，利用神经网络进行矿物自动识别。以上方法在具有大量已知地物光谱时适应性强。对图像地物识别更有用。但明显不足是由于实际地物光谱变异、获取数据受观测角以及颗粒大小的影响而造成光谱变化，对于整体光谱特征差别不太大的地物，准确匹配比较困难，造成岩矿识别与分析上的混淆和误差。

基于光谱模型的识别的技术方法是建立在一定的光学、光谱学、结晶学和数学理论之上的信号处理技术方法。它不仅能够克服上述方法存在的缺陷，而且在识别地物类型的同时精确地量化地表物质的组成和其他的物理特性。例如，建立在Hapke光谱双向反射理论基础之上的线性混合光谱分解模型（SMA/SUM）（Adams，et al.，1986；Mustard，et al.，1987；Roberts，et al.，1997；Sabol，et al.，1992；Settle，et al.，1993；Shipman，et al.；1987：Shimabukuro，et al.，1991；Smith，et al.，1985），可以根据不同地物或者不同象元光谱反射率响应的差异，构造光谱线性分解模型。一个象元内并非存在单一类型地物，而更多地由不同类型地物组成。因此，在大多数情况下，象元光谱并非为纯地物光谱的线性混合，而更多地表现为非线性。对于单散射，可作为线性模型分解，多散射则认为非线性混合。由于平均单散射反照率丰度主要依赖于成分含量不同而可以认为是线性混合（Mustard，et al.，1987）。这样，通过单散射反照率（SSA）转换，即可以利用算子W=（3r+6）r/（1 +2r）²，将非线性“线性化”，再进行光谱分解。Tompkins（1996）提出修正的光谱混合分析（MSMA）模型。该模型利用虚拟端元，采用一个阻尼最小二乘算法，根据一定的先验知识，有效地并最终可以选择亚像端元进行光谱分解，提高了SMA实用性。与SMA相比，MSMA最大的不同表现在：①端元以及其丰度均作为未知变量；②对数据组中所有象元同时求解。对于能量约束最小模型（CEM，constrained en-ergy minimization technique）（Farrand，et al.，1997；Farrand，et al.，1996；Resmini，et al.，1997）是在成像光谱图像序列中，运用一个目标区域（或ROI区域，region of insteresting）与象元光谱（ri）相关的权系数wk来描述象元向量的数字值y，从而进行特征选择与分解进行地物识别与信息提取。与混合光谱分解模型一样，该分解结果在一定程度上，不仅代表了识别象元的类型信息，而且有机地表示了其丰度比值。与混合光谱分解模型不同的是，该方法更多地依赖于目标区域的统计特征，但结果更精确。总之，这些方法更多地依赖光谱学知识与数理方法，在实际应用中由于难以确定特征参数或难以准确地描述光谱模型而限制了该类技术方法的应用。不过，由于该类方法在识别地物的同时量化物质组成，因此就其发展趋势而言，随着一系列技术的成熟与光谱学、结晶学等知识的深入发展，识别精度的改善与量化能力的提高，其应用将会越来越广泛。

国内也相继开展了一些成像光谱进行矿物直接识别应用试验，但由于国产传感器的性能尚不够完善，数据信噪比较低。但在定性岩矿识别方面取得了一定的收获。如甘甫平等（2000）利用基于波形特征组合的主成分分析有效地对河北张家口后沟金矿区进行了岩性划分；刘庆生（1999）利用对应分析提取出内蒙古某矿区的含金蚀变。在直接定量矿化识别、识别模型和识别谱系等方面都落后于美国等发达国家，相比还存在一定差距。

总之，岩矿光谱学机理研究、遥感信息提取基础与遥感信息提取方法技术研究，三者之间相辅相成，具有一定的对应关系。

遥感地物光谱应用基础与遥感影像信息提取技术研究随着遥感光谱成像技术的发展而发展，两者研究方向与趋势都主要集中在光谱特征知识与地物物理化学属性的关联以及光谱物理模型两大方面。对地物物化属性与光谱特征的相关性和对光谱物理模型的深入分析与研究可从不同的角度为遥感直接识别矿物、提取地物的分布规律、属性、物化性质以及进行地物深层次信息挖掘等提供理论基础支撑，推动遥感应用技术的发展。遥感地学应用的实用化与产业化是遥感地物光谱应用基础与遥感地物影响信息提取技术研究相互促进的结果。

地物光谱学机理研究、遥感信息提取基础与遥感信息提取方法技术研究的发展将导致三者的结合，并最终综合于遥感应用模型和技术集成中，以便充分利用各自的优势，提高遥感应用能力并增强对地质应用的理解，以及模拟、评估和预测地学发展的规律。

⑷ 遥感信息处理论文怎么写啊

遥感图像信息处理的主要目的是：①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的区分和判释；③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据采集和处理）。

模拟处理方法是首先把图像信息转换成电信号，然后进行图像化处理。用模拟方法能对图像信息作快速处理。数字处理是对遥感图像信息作数字离散化后，利用数字计算机进行处理。数字图像处理的功能好而且灵活，已成为遥感信息处理的主要方式，但要求有高速度大容量的计算机，不易达到实时处理的要求。

⑸ 遥感方面的论文怎么写

洋河流域遥感图像土地利用分类方法研究
【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤。文章以洋河流域为研究区，分别进行了非监督分类和监督分类。针对监督分类结果中存在的误差，对水域、植被、城镇与工矿用地三种类型地物的提取分别选择了综合阈值法、植被指数法、DEM数据辅助分析法进行了改进，结果表明改进后的提取结果较监督分类直接得到的结果有了很大的改善。
【关键词】遥感图像；监督分类；综合阈值法；植被指数法
【中图分类号】TP79 【文献标识码】A
【文章编号】1671-5969（2007）16-0164-03

一、研究区域概况及图像资料
（一）研究区域概况
洋河流域是张家口经济发展的中心地带，水资源相对丰富。洋河发源于山西省阳高县和内蒙古兴和县，是永定河上游的一大支流，流域面积约14600km2 。在张家口市流域面积为9762km2，流经万全县、怀安县、张家口市区、宣化县、宣化区、下花园区、怀来县等，干流全长106 km，在朱官屯于桑干河汇合后流至官厅水库，是官厅水库的重要水源。洋河流域形状东西向较长，南北向较短，地形总趋势西北高、东南低。流域的东北、北部和西北沿坝头一带海拔高程1200～1500m之间，西部和南部边界海拔高程一般在500～1000m之间。流域内80％以上为丘陵山区，绝大部分为荒山秃岭。流域内大部分为黄色沙壤土，并有部分砂砾土及黄粘土，沿河川地层厚且较肥沃[1]。
（二）信息源
遥感信息源的选择要综合考虑其光谱分辨率、空间分辨率、时间分辨率等因素， 这是利用遥感图像进行土地利用分类的关键问题。美国的Landsat TM 图像是当前应用最为广泛的卫星遥感信息源之一，它可提供7个波段的信息， 空间分辨率为30～120m。TM数据源各波段各有特点，可进行不同地物类型的信息提取。相关资料表明TM遥感数据各波段间的信息相关关系为：TM1与TM2，TM5与TM7高度相关，相关系数达0.95以上，信息冗余大，可以考虑不选取TM1波段。另外由于第6个波段的分辨率为120m，不利于地物信息的提取，所以亦不选取TM6波段。一般来说， 选择图像类型时，应考虑研究区域的大小、研究的目的，以及要达到的精度要求，另外不同时相遥感图像的选择对分类精度也具有很大的影响。为了能把水域、城市与工矿用地、林地、耕地、裸地区分开，以洋河流域1987年9月17日的TM图像为信息源进行研究。本文中所使用的遥感图像处理工具为美国ERDAS公司的ERDAS IMAGINE8.4软件，它是一个功能完整的、集遥感与地理信息系统于一体的专业软件，具有数据预处理、图像解译、图像分类、矢量功能、虚拟gis等多个功能。
二、现有遥感图像土地利用分类的主要方法及其分析
遥感图像土地利用分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间中以实现分类[2]。按照是否有已知训练样本的分类数据，将其分为非监督分类和监督分类。它们最大的区别在于监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来确定。
（一）非监督分类
非监督分类是在多光谱特征空间中通过数字操作搜索像元光谱属性的自然群组的过程，这种聚类过程生成一副有m个光谱类组成的分类图。然后分析人员根据后验知识将光谱类划分或转换成感兴趣的专题信息类[3]。洋河流域内有很多山地，在图像上会产生大量的阴影，导致了像元灰度值的空间变化，这对分类结果有很大的影响。为此可以通过比值运算来去除阴影的影响，使向阳处和背阴处都毫不例外地只与地物的反射率的比值有关。常用算法：近红外波段（TM4）/红外波段（TM3），这样所得到的效果比较好，从原始图像和比值运算后的图像（图像略）中，可以清楚地看到山体阴面的阴影得到了有效的去除。经过比值运算后， 就可以对图像进行非监督分类。得到的分类结果如图1所示。非监督分类只根据地物的光谱特征进行分类，受人为因素的影响较少，不需要对地面信息有详细的了解，但由于“同物异谱、异物同谱”等现像的存在，其结果一般不如监督分类令人满意。比如官厅水库旁边的大量建筑物被分到水体一类。是因为在TM3波段上，水体和建筑物的灰度值相近， 同样在TM7波段上，裸山和建筑物的灰度值也相近。总之，在TM的6个波段上，无论采用哪个波段进行非监督分类，总有几种地物的光谱值接近，因此单纯依靠计算机自动分类取得很好的效果是非常困难的。

⑹ 毕业论文求助!!!急

1867年克劳修斯曾表述这样的思想“宇宙的能永远守恒，宇宙的熵永远增大”，“宇宙的熵处于极大，进一步变化的能力就越小，如果最后达到极限状态，那就任何进一步的变化都不会发生了，这个宇宙将进入一个死寂的，永恒的状态”克劳修斯的表述便是“热寂说”的最初由来。

现在的宇宙学和宇宙发展的客观事实都说明了“热寂说”是错误的，这似乎说明热力学第二定律与宇宙学不相容。

热力学与宇宙学相容的关键之一是宇宙在膨胀。

考虑一种简单情况，在一定空间里有两种物质，比如一种是辐射，一种是粒子。（在高一物理教材的绪言中有这样一段话：在宇宙大爆炸的开初，有的只是极高温的热辐射和其中隐现的高能粒子……）如果两类物质的温度不同，即辐射温度Tr≠粒子温度Tm，显然，按照热力学，经过一段时间后将会是Tr=Tm。可是如果上述空间不断膨胀，结论会完全不同。膨胀会使各类物质的温度降低，一般来说，不同物质的温度随着膨胀而降低的速度不一样。辐射温度随膨胀降低得较慢，而粒子则较快。这就是说，随着宇宙的膨胀，原来温度相同的两种物质会变得不同，即Tr＞Tm，产生温度差，有人会说这个温度差不能保持，它们将由辐射和粒子之间的碰撞而消失，最后达到热平衡。

热力学与宇宙学相容关键之二是引力理论。

一箱气体，其中包含许多分子，如果气体分子分布不均匀的，按热力学第二定律演化的结果气体分子分布是均匀的，但是同样是这箱气体，如果气体分子之间的引力作用不可忽略，而且起主导作用，结果将完全不同。假定气体分子的分布开始是均匀的，在没有引力时，这是平衡态，而在引力的主导作用的条件下，均匀分布状态并不是稳定的。因为在某个局域内，由于某分子的杂乱无章的运动会使某个局域的密度会变得稍大一点，则这个局域的引力将会变得更强一些，这就会吸收更多的物质，形成更大的密度，这就是破坏不均匀。

在宇宙范围内引力是主导的，所以哪怕是宇宙开始时是均匀的，无结构的，它也会产生出非均匀的有结构的状态。各种尺度的天体，就是依靠这种非均匀化的过程聚集而成的。从早期的均匀宇宙到现在非均匀宇宙就是这样演化的。

为什么宇宙并不象热死预言那样从复杂到简单，而是由简单到复杂？因为有引力。

为什么宇宙并不象热死预言那样从有序到无序，而是从无序（混乱）到有序（有结构）？因为有引力。

为什么宇宙并不象热死预言那样从非热平衡到热平衡，而是热平衡生成非热平衡？也是因为有引力。

由于引力的存在，热寂说已成为历史的一页，为什么引力有“回天之术”，保证着宇宙的进化？因为至今还没有一个完整的引力理论，所有这些问题尚有待解决。

“热寂说”一经提出，即在科学界引起了轩然大波。
1.首先对“热寂说”提出诘难的是麦克斯韦(J.Maxwell)。1871年，他在《热理论》一书的末章《热力学第二定律的限制》中，设计了一个假想的存在物——“麦克斯韦妖”。麦克斯韦妖有极高的智能，可以追踪每个分子的行踪，并能辨别出它们各自的速度。这个设计方案如下：“我们知道，在一个温度均匀的充满空气的容器里的分子，其运动速度决不均匀，然而任意选取的任何大量分子的平均速度几乎是完全均匀的。现在让我们假定把这样一个容器分为两部分，A和B，在分界上有一个小孔，在设想一个能见到单个分子的存在物，打开或关闭那个小孔，使得只有快分子从A跑向B，而慢分子从B跑向A。这样，它就在不消耗功的情况下，B的温度提高，A的温度降低，而与热力学第二定律发生了矛盾”。[9]麦克斯韦认为，只有当我们能够处理的只是大块的物体而无法看出或处理借以构成物体分离的分子时，热力学第二定律才是正确的，并由此提出应当对热力学第二定律的应用范围加以限制。
尽管麦克斯韦既没有实现也没有提出任何实际的实验来检验他的假说，但这个“热力学第二定律的破坏者”却困扰了科学界一百多年，成为科学家诘难热力学第二定律并进而反对“热寂说”的着名假想实验。与麦克斯韦佯谬有关的还有后来洛歇密(Loschmid)提出的“可逆佯谬”和赛密罗(E.Zermelo)提出的“再出现佯谬”等都对单向不可逆性和热力学第二定律提出了挑战，实际上也是对“热寂说”提出了挑战。

2.在“热寂说”提出后的数十年中，对其构成最大挑战的科学假说是波尔兹曼(L.Boltzmann)的“涨落说”。波尔兹曼在对气体分子运动的研究中，最先对熵增加进行了统计解释。按照这种解释，热平衡态附近总存在着偶然的“涨落”现象，这种涨落现象并不遵从热力学第二定律。由此，波尔兹曼将气体分子运动论的观点推广到宇宙中，认为整个宇宙可以看成类似在气体状态的分子集团，围绕着整个宇宙的平衡状态则存在着巨大的“涨落”。即使在与整个广延的宇宙相比极其渺小的恒星系和银河系中，在短时期内也存在着这种相对的热平衡附近的“涨落”。按照这种假说，宇宙就必然会由平衡态返回到不平衡态。在这个区域，熵不但没有增加，而且是在减少。因此，宇宙也就不可能产生“热寂”。
波尔兹曼的“涨落说”曾广泛流传，许多人都把它作为反对“热寂说”的新发现。但天文学观测表明，至今没有任何有说服力的证据证明现在的宇宙是处在热平衡态并存在着上下“涨落”。由于缺乏事实依据，“涨落说”并没有真正从科学上解决宇宙“热寂”的问题。而且从逻辑上看，波尔兹曼的“涨落说”实际上是把宇宙“热寂”已经放在他的前提中了。因为他首先承认“涨落”是在平衡态附近发生的。而对于任何“涨落”，不论它有多大，最后必然会消失，重新回到平衡状态。尽管后来一些物理学家，如莱辛巴赫(H.Reihenbach)等发展了玻尔兹曼的思想，把时间增加的方向作为熵增加的方向，并进一步指出了宇宙中存在着熵的涨落现象，但由于同样缺乏观测证据支持而最终放弃。

3.20世纪60年代以来，以普里高津(I.Prigogine)为首的布鲁塞尔学派在研究非平衡态热力学和统计物理学的过程中，找到了开放系统由无序状态转变为有序状态的途径，提出了耗散结构理论。这一理论曾被一些人用来反对“热寂说”。
所谓“耗散结构”是指一种远离平衡态的有序结构。根据热力学第二定律，系统处在热平衡态就是有最大的混乱度，此时熵值达到最高，系统即出现所谓“热寂”。而有序结构的出现即意味着熵的降低，系统便可“起死回生”。这显然与热力学第二定律相悖。如生命的发生和物种的进化等，都是从低级到高级、从无序到有序的变化，是一个熵不断降低的过程。耗散结构理论解决了这个问题。它认为关键在于系统必须是开放的，而且系统内有序结构的产生要靠外界不断供给能量和物质以及负熵流。
耗散结构理论提出不久，一些人即将其推广到整个宇宙，认为宇宙是一个无限发展的开放系统，它远离平衡态。由于它不断吸取负熵流，因而在宇宙的一些区域内，熵不但没有增加反而有减少的趋势。因此宇宙不可能变成完全无序的“热寂”状态。《纽约时报》曾于1980年发表特稿，宣称普里高津的耗散结构理论帮助人类解决了一项科学上最扰人的似是而非的问题。[10]
然而，尽管这种理论具有很广的应用范围，但对于整个宇宙来说，由于缺乏明确的物理图像和实验基础而不被天体物理学界所认可。

4.彭加勒（J.Poincaré）从科学方法论的角度对“热寂说”提出了尖锐的批评。1890年，彭加勒在《力学原理》一书中指出，任何力学模型只能局限在有限的系统内运动。在这个封闭的系统中，运动从有序开始，经过无序状态，最后必然再回到有序状态即初始状态。因此，与系统组态相联系的既定熵值，为了能回到初始状态就必然要减少。彭加勒认为，“热寂说”的出现是由于它的提出者们采用了当时流行的力学模型法造成的。因此，应在方法论上进行变革，要么承认热力学过程能回到初始状态，要么将热力学模型根本抛弃。

5.在批评“热寂说”的各种哲学观点中，有两种观点影响最大，也最普遍。一种观点认为，热力学第二定律是从有限世界得来的，因而不能应用到无限的宇宙上。如丹皮尔(W.Dampier)在其《科学史及其与哲学和宗教的关系》一书中就认为，“把热力学原理应用于宇宙理论，其有效性是可疑的。把从这样有限的例证中推出来的结果，应用到宇宙上去，是没有道理的，即令过去利用这些结果去预言有限的独立的或等温体系的情况很有成效”。[16]另一种观点则直接否认宇宙是一个“孤立系”。实际上，这两种观点本身是相互关联的，都预先设定了宇宙是一个“无限的”“非孤立系”的前提。并且一再企图证明，宇宙是漫无边际的物质，各个部分都是相互联系的，宇宙之外还有宇宙，因而不存在孤立部分。何祚庥认为，这些论证都不能证明人们永远不能把无限宇宙当作一个统一整体来把握。[17]况且，今天的科学还不能证明宇宙是否无限。因此，这种说法并不能驳倒“热寂说”。另一方面，认为从孤立系中得出的第二定律不能推广到无限宇宙去的论证，从逻辑上看也是不严密的。小范围内的自然规律外推到大范围在逻辑上并不必然错误，科学史上就有大量这样外推的先例，如绝对零度概念、热力学第一定律以及模型方法等。既然能把热力学第一定律推广到整个宇宙，那么又为什么不能将第二定律作同样的推广呢？事实上，热力学第一定律也没有在无限的条件下做过实验。因此，这种说法从逻辑上看也是不能驳倒“热寂说”的。

“热寂说”提出一百多年来，各种争论此起彼伏，无休无止。有许多赞同者，也有许多反对者。他们都在孜孜不倦地寻求着这一疑难的最后答案。然而，最终都令无数英雄竞折腰。难怪大哲学家罗素(B.Russel)发出这样悲观的感叹，“一切时代的结晶，一切信仰，一切灵感，一切人类天才的光华，都注定要随太阳系的崩溃而毁灭。人类全部成就的神殿将不可避免地会被埋葬在崩溃宇宙的废墟之中——所有这一切，几乎如此之肯定，任何否定它们的哲学都毫无成功的希望。唯有相信这些事实真相，唯有在绝望面前不屈不挠，才能够安全地筑起灵魂的未来寄托”。[19]即使是像控制论之父维纳(N.Wiener)这样的科学巨匠，最终也“控制”不住自己沮丧的感情，几乎是在绝望中悲叹，“我们迟早会死去，很有可能，当世界走向统一的庞大的热平衡状态，那里不再发生任何真正新的东西时，我们周围的宇宙将由于热寂而死去，什么也没有留下……”([7],p.76)

三、“热寂说”“终结”了吗？
长期以来，对“热寂说”疑难的回答似乎都未能切中要害，缺乏说服力，因而一再爆发争论。然而20世纪六、七十年代以后，自从“大爆炸”宇宙模型逐渐得到天体物理学界公认以来，对“热寂说”疑难的讨论发生了根本性的转向，这一时期成了“热寂说”争论史上一个划时代的转折点。
宇宙早期曾一度处于平衡态，处处都有相同的温度，而且物质分布也是相当均匀的。大爆炸之后，宇宙才逐渐偏离热平衡态。
早在大爆炸宇宙理论为科学界公认之前，一些学者即正确地指明了解决宇宙“热寂”疑难的方向，关键在于应从宇宙中是否存在热平衡态这一根本性问题着手。（[17],p.77～78）现在，大爆炸理论直接证明了宇宙在膨胀，而宇宙在膨胀则是热力学和宇宙学相容的关键，那么在一个膨胀的宇宙中是否存在着热平衡态呢？
假定有两类物质，一类是辐射，另一类是粒子，辐射温度Tr与粒子温度Tm不一样。那么，按照经典热力学，经过一段时间以后，Tr与Tm必定相同。这是在静态空间中做出的结论。然而，假如上述空间是膨胀的，结论就完全不同了。由于在膨胀过程中，不同物质的温度降低的程度不一样，辐射温度降低较慢，粒子温度降低较快，就会造成Tr大于Tm而产生温差。这与经典热力学的结论正好相反。虽然这个温差会由于辐射与粒子之间的碰撞而消失，以至达到热平衡，但是由于达到平衡所需的时间比宇宙膨胀所需的时间要长，因而辐射和粒子之间就永远不可能达到热平衡。此时系统的熵尽管不断增加（这与热力学第二定律相符），但它离平衡态却越来越远。而宇宙中发生的正是这种变化。
另一方面，宇宙膨胀的原因是由于引力的作用。有引力作用的热力学与无引力作用的热力学得出的结论完全不同。在不考虑引力的经典热力学中，加热则体系升温，冷却则体系降温，热容量是正值。而在一个自引力体系中情况刚好相反，加热则体系变冷，放热则体系升温，热容量是负值。而负热容物体的存在对于热力学来说具有根本性的影响。在一个体系中，如果同时存在着正热容物体和负热容物体，那么这个体系就具有极大的不稳定性。稍有扰动，平衡就会彻底遭到破坏而产生温差。只要有自引力体系存在，原则上就不存在稳定的热平衡，而宇宙间的天体或天体系统大多数正是这种自引力系统。尽管自引力系统中熵是增加的，但由于没有热平衡，因而熵的增加是无止境的，永远都没有极大值。[21]
因此，“热平衡的存在对整个热力学是至关重要的，热平衡是热力学的出发点。而对于引力起决定作用的体系，实际上不存在热力学意义上的热平衡态，而是不稳定的状态”。([15],p.92)这种现象在静态宇宙模型中是不可能发生的，也是开尔文和克劳修斯等人没有料想到的。
于是，人类终于从百年梦魇中醒来，爆发出热情的欢呼，“宇宙不但不会死，反而会从早期的热寂状态（热平衡态）下生机勃勃地复sū＠①”，[22]“热寂说的一页，已被翻过去了”！([15],p.92)
然而，人类的欢呼似乎来得早了一点。尽管热力学意义上的宇宙“热寂”状态永远不会到来，但宇宙的命运却不会因此而变得更加令人乐观。宇宙的结局完全取决于它的初始条件，宇宙的创生与终结始终紧密相连。大爆炸理论发现了宇宙起源的真相，同时也预言了它遥远的未来。
在大爆炸理论中有一个极其重要的参量Ω=ρ[,0]/ρ[,c]，其中ρ[,c]是与哈勃常数密切相关的一种宇宙临界密度，ρ[,0]是现在的宇宙密度。若ρ[,0]＜ρ[,c]，即Ω＜1，表明宇宙是膨胀的，并且一直膨胀下去；若ρ[,0]＞ρ[,c]，即Ω＞1，表示宇宙起初膨胀，到达一定时刻后，就将转化为收缩。若ρ[,0]=ρ[,c]，则宇宙处于两者之间的临界状态。[23]由于大多数人承认的观测结果是Ω＜1，因此宇宙一直永远膨胀下去成为最可能的一种状态。假使如此，未来所有恒星上的热核反应都将逐渐停止，留下的将是各种各样的宇宙“熔渣”——黑矮星、中子星和黑洞，而宇宙的背景辐射温度将不断下降，以至于无限地趋近于绝对零度，[24]最终达到另一种意义上的“冷寂”。宇宙另一种可能的状态是，当膨胀达到最高点，背景辐射的温度降到最低，此时宇宙开始收缩，温度又重新上升。当宇宙不断收缩至愈来愈接近它的最后阶段时，环境条件同大爆炸后不久起支配作用的那些条件越来越相似，宇宙又重新回到处于“热寂”状态的基本粒子“羹汤”状态。这实际上是一个反演过程。在宇宙暴缩的最后时刻，引力成为占绝对优势的作用，所有的物质都将因挤压而不复存在，包括时空本身在内的一切有形的东西统统将被消灭，只剩下一个时空奇点。[25]无论宇宙最后出现哪一种状态，其结果对人类来说都将是灭顶之灾。
这就是大爆炸理论为人类预言的宇宙未来和世界末日。由于这一理论也不合人们的期望，因而当它提出之日起同样也遭到了来自各方面的反对，并认为它是一个“倒了头”的宇宙“热寂说”。[26]然而，自然规律毕竟不以人的意志为转移，人类必须正确对待，最好的心态是，“我们决不能忽视物之有生亦必有死的事实，死亡或许正是为创生不得不付出的代价”。（[25]，前言，p.3）
当然，还存在着一些其他并非毫无科学根据的宇宙模型，也许会带给人类新的光明和希望。人类不应该气馁。“我们的后代也许还有数十亿年甚至数万亿年的时间来对付这场最后的大屠杀。在这段时间里，生命能够扩展到整个宇宙……并对它加以控制，因此他们可以调整自己的位置，支配一切可能的资源来对抗这场大危机”。（[25],p.93～94）
无论如何，人类决不甘心坐以待毙，而科学也将一如既往地走自己的路，总有一天会给人类一个明晰的答案。

⑺ Landsat ETM影像的近海水深反演方法及其在北部湾的应用

李学杰万荣胜黄向青陈太浩

（广州海洋地质调查局 广州 510760）

第一作者简介：李学杰，男，1964年生，博士，教授级高工，主要从事海洋地质与第四纪地质研究工作，E-mai1：Xuejie1i＠yeah.net。

摘要 近岸极浅水区的水深复杂多变，因受调查条件所限，往往成为测量的盲区。本文利用Landsat ETM多光谱影像，结合实测数据，探讨其对近岸水深反演的可行性。结果表明，对北部湾海域，ETM2是适合水深反演的最佳波段，水深Z与光谱辐射值L₂及深水辐射值L_S2之间存在以下关系：Z=-17.19 1n（L₂-L_S2）+56.40。从反演效果来看，总体上能反映水深的变化趋势，同时一些小的地形变化，如潮沟等也能得到较好的体现。因此对近岸较清澈的海域，遥感影像的水深反演可以在一定程度上弥补实测的不足。

关键词 遥感 测深 北部湾

1 前言

水深是海洋环境的重要参数，长期以来，采用船载回声测深法进行测量，取得很好的效果。但对极浅水环境（如0～3m）的水深测量却是传统调查方法的盲区，因为调查船和测量人员均难以到达。而极浅水环境是真正的海陆共同作用的区域，环境脆弱且复杂多变。准确测量水深，不仅对了解地形地貌，而且对海岸保护和建设均十分重要。

可见光对水体有一定的穿透性，因此有可能利用其这种特性进行水深反演，尤其对海岸带，有可能形成对传统调查方法的补充。早在20世纪60年代末，美国密歇根环境研究所的一个小组就开始从事遥感测深的研究，利用MSS，TM和航片等多光谱数据和一些同步测量的海况数据进行测深模型研究，提出了基于地面反射的遥感测深理论，并长期对此方向进行探索^［1～3］。此外，其他国家也进行类似的研究和应用^［4，5］。近年来，相关的研究还在不断增加，应用领域也在拓宽^［6，7］。

国内对于水深的定量研究起步较晚，20世纪90年代初，我国开始利用遥感进行水深方面的研究^［8，9］。张鹰等^［10］利用遥感研究近岸水深及潮滩的冲淤变化。地矿部航空物探遥感中心从1994年开始，利用南沙群岛海域18个景区26个时相的TM数据，开展遥感水深调查和制图，并取得良好的效果^［11］。庞蕾等^［12］介绍了水深遥感的不同方法。近年来国家海洋局对近岸海洋遥感做了大量工作，也包括对水深遥感的探讨^{［13，14］}。

2 遥感测深的理论模型

利用星载多光谱数据进行浅海水深测量，其物理基础是可见光各个波段对于水体均具有一定的穿透力，如Landsat ETM1波段对水体的穿透深度最大，在清洁水的情形下可以穿透30m以上^［12］；ETM2波段可达10～15m；但ETM3的水体穿透力则相对较弱。对于各种类型的水体，可见光的水体衰减系数最小值都出现在蓝绿波段之间，表明 Landsat ETM1，2，3波段是通常的遥感测深的最佳波段^［4］。

遥感的水深模型有多种，主要包括解析法和统计法。前者是利用传感器所接收的辐射亮度建立其于底质反射率及水深的解析表达式从而计算水深，但许多参数计算，依赖于对大气影响的准确校正。后者是利用实测点回归得到辐射亮度与水深之间的关系，进而推求未知水深点的水深，根据利用波段数的不同，统计法又分为单波段法、双波段比值法、线性多波段法等三种。

基于海底反射的模型为

南海地质研究.2007

式中：L_i是传感器接收到的第i波段的辐射值；L_si是深水区辐射值，它反映的是水面反射、水体散射及大气散射等的总和，而不包含底质反射；C_i是与太阳辐射度、大气和水面透过率及水面折射有关的参数；R_bi是底反射率；k_i是水体的衰减系数；f是水体路径长度（通常取2）；Z为水深。

将（1）式取自然对数得

Z=1n（C_iR_bi）/fk_i-1n（L_i-L_si）/fk_i （2）

假设底质反射率R_bi是常数，大气和海况是均一的，即衰减系数k_i是常数，并设

I_i=1n（L_i-L_si），其中L_i-L_si代表海底发射值。

a=-1/fk_i

b=1n（C_iR_bi）/fk_i

那么：

Z=aI_i+b （3）

其中系数a、b可用线性回归方法求得，这就是单波段线性回归模型。

将单波段和双波段模型推广到多波段，则有

Z=A₀+A₁I₁+A₂I₂+⋯⋯+A_nI_n （4）

用多元回归方法求其系数，形成多波段模型。

从传感器第i波段的影像中，实测出一组Z～X_i的值，利用最小二乘法可以计算出a，b的值或A₀，A₁，A₂⋯⋯A_n值，然后利用以上公式推算出其他未知水深点的水深值。

3 实验区的选择与采样分析

作为水深反演的海域，要求水体清澈，悬浮物、叶绿素及各种溶解有机质少，透光性好。广州海洋地质调查局于近年对大亚湾、大鹏湾、珠江口及北部湾等近岸海域进行调查，其中北部湾海域水体最清澈，较适合做水深反演，因此选择该区进行实验研究。

对北部湾钦州湾海域的调查是2006年进行的，由于沿测线方向测深点很密，测线之间的距离相对大得多，因此将测深点的数据抽稀（图1），以便对比。所测量的最小水深为3.3m。所采用的影像是2000年11月16日的Landsat7 ETM影像，尽管影像时间和实测数据采集时间有一定的差异，但考虑在这短期内水深的变化总体不大，可以适用。

图1 北部湾钦州湾海域位置及实测水深图

Fig.1 Location and bathymetry in Qingzhou Bay，Daya Bay

将水深测量数据的坐标与遥感影像坐标统一到UTM WGS84 坐标系，按一定的网格，选有实测水深的点在遥感影像上进行采样，读出对应该点影像的1，2，3波段的DN值，共采样88个点位。同时选择确定该影像最深水区1，2，3波段的DN值为73，44和31，分别代表这3个波段的深水辐射值，两者的差值（L_i-Ls_i）代表海底发射值。

图2 Landsat ETM1，2，3波段海底辐射值（L_i-L_Si）与水深关系

Fig.2 Relationship between the seabed reflectance of Landsat ETM band 1，2，3（L_i-L_Si）and water depth

从各波段底质发射值与实测水深关系（图2）来看，尽管波段1的水体穿透性最好，但本区与水深关系并不密切，这可能是由于该波段（蓝光）在本区受到的干扰较多之故，而波段2与水深关系最密切，因此采用该波段数据进行拟合（图2B）。

拟合结果：Z=-17.191n（L₂-L_S2）+56.40

其中Z为水深，L₂是ETM2波段的DN值，L_S2是ETM2深水辐射值，本文取44。

对该回归方程进行显着性检验，计算的剩余平方和Q=800.7，回归平方和U=1796.9，数据个数n=88，采用F检验：

南海地质研究.2007

在a=0.01，自由度为（1，86）条件下，查得其临界值F_0.01（1，86）=6.94。F＞F_0.01，表明在置信水平为99%，水深Z与Landsat ETM2的DN值L₂与该波段的深水DN值L_S2之差的对数，即1n（L₂-L_S2）之间是显着相关的，两者之间拟合的方程是有效的。

4 水深反演结果

利用上述实测数据与遥感影像的拟合结果，对遥感数据进行水深反演。从结果来看，总体效果不错，从近岸向外，水深呈增加趋势，尤其是较浅水海域，其效果更好，而且与实测结果基本吻合（图3）。

图3 钦州湾反演水深与实测等深线的对比

Fig.3 Comparison Water depth calculated from image to real one in Qingzhou area

图4 北部湾（大区）反演水深与实测水深的对比

Fig.4 Comparison water depth calculated from image to real one in Beibu Bay area

图5 北部湾西部反演水深

Fig.5 Water depth calculated from image in Western Beibu Bay

把反演的海域扩大，可以看出，其总体变化趋势依然与实际水深变化较吻合（图4）。北海东部银滩、北海港北部的浅水区域均得到体现，同样东南部海域因靠近其南部的涠州岛而水深变浅，也得到反映。

西部海域的反演效果似乎更好，永实岛南北的水深差异明显，南部水深明显大于北部（岛链内侧）应与实际吻合（图5）。永实岛之间的槽沟以及小岛周围的浅水区等均得到较好的体现，进一步表明该水深反演方法可能解决一些问题，成为实测的补充。

5 结论与讨论

通过结合实测数据，对北部湾的钦州湾海域进行遥感影像的水深反演表明，Landsat ETM2波段数据较适合于水深反演，且拟合的方程Z=-17.191n（L₂-L_S2）+56.40反演效果较好，与实际水深总体有较好的一致性，因此该方法可以在一定程度作为实测方法的补充。

同时也应该看到该方法的局限性，首先水体所含物质（包括悬浮物、叶绿素及溶解有色有机质等）对遥感辐射值有很大的影响，因此该方法只适合于清澈的水体。其次不同的底质，其反射率可能不同，对反演效果也将产生一定的影响。

此外，大气条件的空间差异以及影像几何校正的精度等均可能影响采样值，并因此影响拟合方程的效果。而且本文拟合方程时，缺乏小于3m的实测数据值，对拟合结果也产生一定影响。

参考文献

［1］Lyzenga D R.Passive remote sensing techniques for mapping water depth and bottom features.Applied Optics，1978，17（3）：379～383

［2］Lyzenga D R.Remote sensing of bottom reflectance and Water attenuation Parameters in shallow Water using aircraft and Landsat data.Int.J.Remote Sensing，1981，2（1）：71～82

［3］Nordman M E.Water Depth Extraction form Landsat-5 Imagery.Proc.Of 23th Int.Sym.On Remote Sensing of Env，1990

［4］Willian D P.Bathymetry mapping With Passive multispectral imagery.Applied Optics，1989，28（8）：1569～1578

［5］BierWirth P N，Lee T J，Burne R V.Shallow sea-floor reflectance and Water depth derived by UnmiXing multispectral imagery［J］.PE＆RS，1993，59（3）：331～338

［6］Isoun E，Fletcher C，Frazer N，Gradie J.Multi-spectral mapping of reef bathymetry and coral cover；Kailua Bay，Hawaii.Coral Reefs，2003，22：68～82

［7］Karpouzli E，Malthus T，Place C，et al.Underwater light characterization for correction of remotely sensed images.Int.J.Remote Sensing，2003，24（13）：2683～2702

［8］李铁芳等.卫星海洋遥感信息提取和应用.北京：海洋出版社，1990

［9］李铁芳等.浅海水下地形地貌遥感信息提取与应用.环境遥感，1991，6（1）：32～36

［10］张鹰，丁贤荣，王文.水深遥感与潮滩地形冲淤变化分析.港口工程，1998，（2）：26～30

［11］邸凯昌，丁谦，曹文玉.南沙群岛海域浅海水深提取及影像海图制作技术.国土资源遥感，1999，（3）：59～64

［12］庞蕾，聂志峰.星载多光谱浅海水深测量方法.山东理工大学学报（自然科学版），2003，17（6）：59～61

［13］恽才兴（主编）.海岸带及近海卫星遥感综合应用技术.北京：海洋出版社，2005

［14］杨晓梅，周成虎，杜云艳等.海岸带遥感综合技术与实力研究.北京：海洋出版社，2005

［15］韩震，恽才兴.伶仃洋大铲湾潮滩冲淤遥感反演研究，海洋学报，2003，（5）：58～64

Bathymetry in CoaStal area by LandSat ETM：Method and its Application in Beibu Bay

Li XuejieWan RongshengHuang XiangqingChen Taihao

（Guangzhou Marine Geological Survey，Guangzhou，510760）

Abstract：It is quite difficult to measure the water depth in very shallow area which is much variable，e to difficult arriving for survey ship.It is try to calculate Water depth by multi-spectral Landsat ETM image，combining the real measured data，in the Paper.The result suggested that the band 2 of Landsat ETM is better for calculating in the Beibu Bay and fitted formula is Z=-17.191n（L₂-L_S2）+56.40，Where Z is Water depth，L₂ and L_S2 is reflectance and deep Water reflectance of band 2 of band respectively.The calculating result can better fit for the real data，not only for the basic trend，but even for the tidal channel.Therefore it can be concluded that the method of calculating Water depth by remote sensing is suitable for costal clear Water area and be complementarity for real measure.

Key Words：Remote sensing Bathymetry Beibu Bay

⑻ “遥感在森林资源与规划方面的应用”论文资料

森林资源调查中SPOT5遥感图像处理方法探讨
王照利、黄生、张敏中、马胜利
（国家林业局西北林业规划设计院，遥感计算中心，西安710048）

本文发表于＜陕西林业科技＞2005 No.1 P.27-29,55

摘要：

目前，多光谱、高空间分辨率的SPOT5卫星遥感数据被广泛应用到森林资源调查中。本文结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的处理和信息提取。探讨性地提出了适应于森林资源调查的SPOT5遥感数据处理方法。

关键词：SPOT5 遥感数据，森林资源调查、数据处理

DISCUSSION ON SPOT5 IMAGE DATA PROCESSING FOR FOREST INVENTORY

Wang Zhaoli, Huangsheng,Zhangminzhong,Ma Shengli
(Northwest Institute for Forest Inventory, Planning &Design, Xi’an China 710048)

Abstract: Now days, high spatial resolution and multispectral SPOT5 image data are widely applied in forest inventory in China. Based on the characteristics of SPOT5 image and requirements of forest inventory, this paper discusses the processing proceres of ordering image data, ortho-rectification, image bands composition and image data fusion. The complete steps of image processing for forest inventory are given.
Key words: SPOT5 image data，forest inventory, data processing

前言

卫星遥感影像具有空间宏观性、视角广、多分辨率（光谱和空间）、多时相、周期性、信息量丰富等特点，所以卫星遥感影像既可以提供森林资源的宏观空间分布信息又能提供局部的详细信息以及随时间、空间变化的信息等[1]。目前在林业领域卫星遥感数据被广泛的应用于不同尺度层次的森林资源调查、资源监测、病虫害、火灾监测等方面。
2002年5月法国SPOT地球观测卫星系列之5号卫星（即SPOT5星）发射。SPOT5遥感数据的多光谱波段空间分辨率为10米（短波红外空间分辨率为20米），但全色波段空间分辨率达到2.5米。SPOT5遥感数据的高空间分辨率和多光谱分辨率为森林资源调查提供了丰富的、可靠的、高精度的基础数据源。从性价比分析，在其他高分辨率遥感数据目前比较昂贵的状况下，SPOT5遥感数据比较适宜应用于大面积的森林资源调查，可大幅度的森林调查的减少外业工作量、提高工作效率。在我国SPOT5卫星数据已被大量地应用于森林资源调查工作中，尤其，是在森林资源“二类”调查中被作基本的森林资源信息源提取各类信息。针对于将多光谱分辨率和高空间分辨率的SPOT5遥感数据应用于森林资源调查的数据处理技术和方法鲜有报道。本文总结工作实践，结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的订购、正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的基本处理方法。

1．SPOT5卫星遥感数据特点

SPOT卫星系统采用线性阵列传感器和推扫式扫描技术，具有旋转式平面镜可以进行倾斜观察获得倾斜图像和立体像对。采用与太阳同步的近极地的椭圆形轨道，轨道高度约832Km，轨道倾角98.7o ，每天绕地球14圈多，重复覆盖周期26天[2]。由于有倾斜观测功能，使重复覆盖周期减少到2-3天。SPOT5卫星载有2台高分辨率几何成像仪（HRG）、1台高分辨率立体成像装置（HRS）和1台宽视域植被探测仪（VGT）。高分辨率几何成像仪的波段选择是总结了多年的研究成果，认为HRG的波段设置（见表1）足以取得辨别作物和植被类型的最佳效果。本文主要探讨HRG高空间分辨率数据的处理。

2．SPOT5数据的处理方法和过程

SPOT5数据处理工作流程：

2.1 遥感数据的订购

订购数据时，用户需向数据代理商提供购买区域的四个角的大地坐标或者数据的景号（PATH/ROW）。特别应该注意数据订购时间和用户拿到数据之间有时间差，间隔时间长短因用户的要求、天气、卫星重复覆盖周期而异。相对于其他卫星数据，比较有利的一面是SPOT5卫星装置有旋转式平面镜可以进行倾斜观察，用户可向代理商申请红色编程提前得到调查区域的遥感数据，但要支付编程费。对于遥感数据的时相、云量、入射角、阴影量、是否购买高空间分辨率的全色波段等用户根据自己具体的工作需要向代理商提出限制要求。

根据我们对SPOT5遥感数据的使用，对于森林资源调查，北方9，10月份和11月初的遥感影像比较适宜。代理商向用户提供经过处理的不同级别的影像产品，在森林资源调查中建议购买SPOT1A级产品，用户可根据自己的工作需要进行处理，同时也可减少费用。

2.2 基础数据准备

大比例尺地形图和高精度DEM是进行SPOT5遥感数据高精度正射校正必需的基础地理数据。建议购买1：10000地形图和1：25000数字高程模型（DEM）。

将1：1万地形图扫描，扫描分辨率设置为300DPI。将扫描好的地形图进行几何精纠正，纠正精度控制在0.3毫米内。从测绘部门购买的1：1万地形图为北京54坐标系3度分带高斯克吕格投影，而1：2.5万DEM为北京54坐标系6度分带投影。在数据准备时，将校正好的1：1万地形图通过换带转换转成和DEM一致的6度分带投影。

对于没有1：1万地形图的地区，建议使用差分GPS接收机采集地面控制点。

2.3几何正射校正

正射校正过程应用了法国SPOT公司发行的GEOIMAGE软件。GEOIMAGE软件有针对SPOT5卫星数据开发的SPOT5物理模型。模型模块自动读取DEM信息。SPOT 物理模型可读取卫星在获取遥感数据的瞬间状态参数，这些参数存贮在数据的头文件中[3]。卫星状态参数包括：卫星成像瞬间的经纬度、高度、倾角等。卫星状态参数能够帮助提高几何校正的精度。

以校正好的1：1万地形图为基准，在影像图上找出和地形图上地物相匹配的明显地物作为地面控制点。在进行正射校正时，应先进行全色波段数据校正，然后以校正好的全色波段数据为基准进行多光谱数据校正。以全色波段数据为基准校正多光谱波段就比较容易校正，且能提高两者的匹配精度。地面控制点应分布均匀，影像的边缘部分布要有控制点分布，同时在不同的高程范围最好都有控制点。地面控制点的数量因地形地貌的复杂程度而定，根据我们的经验，一景60KmX60Km的SPOT5数据，一般地势平缓的地区20个左右控制点即可达到满意的结果，在高山区25个左右控制点就可使正射校正精度满足要求。重采样方法采用双线性内插法。

2.4 辐射校正

用户购买的SPOT5的各级数据，数据提供商已经根据卫星的记录参数对遥感数据做了辐射校正，即消除了传感器自身引起的、大气辐射引起的辐射噪声。若果影像存在薄雾或地形高差较大引起的辐射误差情况，用户应进一步进行辐射校正处理。薄雾的简单消除原理是基于近红外波段不受大气辐射影响，清澈的水体或死阴影区的数值应为零。从各波段数据中减去近红外波段的水体或阴影的不为零值。地形起伏引起的辐射误差校正公式: f (x,y)=g(x,y)/cosa，g(x,y)为坡度为a的倾斜面上的地物影像；f (x,y)为校正后的影像。由于坡度因子参与校正所以需要DEM支持。

2.5 波段组合

根据SPOT5数据波谱特征（表1），各波段分别记录反映了植被的不同特征方面：B4（SWIR）短波红外反映植物和土壤的含水量，利于植被水分状况和长势分析；B3（NIR）近红外波段对植被类别、密度、生长力、病虫害等的变化敏感；B2（RED）红光波段对植被的覆盖度、植被的生长状况敏感；B1（VIS）可见光波段对植物的叶绿素和叶绿素浓度敏感。经过比较分析和实际应用发现SPOT5的B3、B4、B2波段组合对植被类型的识别要优于B3、B2和B1的组合。但由于B4波段的空间分辨率为20米，使B342组合对植被空间几何细节表达没有B321组合清晰，例如林缘界线信息表达方面B321要优于B342。

2.6 影像数据融合

对于购买有高空间分辨率全色波段数据的用户，进行数据融合是必不可少的。影像数据融合能够综合不同波段、不同空间分辨率数据（层）的特征，融合后的数据具有更丰富、更可靠的信息[4]。 根据影像数据融合的水平阶段，影像融合分为：像元级、特征级和决策级三个层次。为了最大限度的从SPOT5遥感数据中提取森林植被信息，应进行像元级的数据融合，将2.5米的全色波段和10米多光谱数据进行融合。融合得到的新数据既具有全色波段数据的高空间分辨率特征又具有多光谱特征。
像元级数据融合的方法多种多样，根据数据融合的目的，即最大限度的突显森林植被信息，应选取B4、B3、B2和PAN波段，根据我们的试验Brovey 融合算法方法比较理想：

2.7遥感影像地图

将融合好的数据按Rfused、Gfused、Bfused组合，叠加上行政界线、公里格网、坐标、比例尺等辅助信息，按1：1万地形图分幅生成1：1万纸质图作为外业手图。

3. 结果和讨论

3.1 几何精度

利用SPOT5物理模型，采用1：1万地形图和2.5万DEM ，经过正射校正处理，可使影像的几何精度控制在2个像元内（<10米）,达到1：1万制图标准要求。为以遥感影像为基础信息源提取林分调查因子、区划林班界线生成大比例尺的林相图、森林分布图提供了几何精度保障。

3.2 波段选择

对于没有全色波段的情况，SPOT5数据的B342组合有利于森林植被类型的识别。在应用遥感技术进行森林资源调查区划中，林分类型信息提取是最为重要的环节，所以B342波段组合是小班区划和外业手图的最佳组合。

3.3 融合效果

融合数据技术使SPOT5遥感影像既具有全色波段的高空间分辨率又拥有多光谱数据的光谱分辨率，丰富了遥感影像的信息量。采用Brovey算法使SPOT5遥感影像从色彩、纹理等方面增强了影像的可判读性，提高了小班因子正判率和林分小班的区划精度。

参考文献
1．周成虎，杨晓梅，骆剑承等.《遥感影像地学理解与分析》，科学出版社，北京，2001，3-4.
2．赵英时.《遥感应用分析原理与方法》，科学出版社，北京，2001.88-90
3．北京视宝卫星图像有限公司.《专业制图工作室GEOIMAGE用户指南》，2004，68-70.
4．Christine Pohl. Geometric Aspects of Multisensor Image Fusion for Topographic Map Updating in The Humid Tropics, ITC Publication, 1996,51-52.

21世纪遥感与GIS的发展
来源： 李德仁 时间： 2005-08-11-23:09 浏览次数: 79

21世纪遥感与GIS的发展

李德仁
（武汉大学测绘遥感信息工程国家重点实验室，武汉市珞瑜路129号，430079）

摘要：在20世纪，人类的一大进步是实现了太空对地观测，即可以从空中和太空对人类赖以生存的地球通过非接触传感器的遥感进行观测，并将所得到的数据和信息存储在计算机网络上，为人类社会的可持续发展服务。在短短的30年中，遥感和GIS作为一个边缘交叉学科已发展成为一门科学、技术和经济实体。本文深入地论述了21世纪中遥感的6大发展趋势和GIS的5个发展特征。

关键词：发展趋势；航空航天遥感；地理信息系统；对地观测
中图法分类号：P208；P237.9

随着计算机技术、空间技术和信息技术的发展，人类实现了从空中和太空来观测和感知人类赖以生存的地球的理想，并能将所感知到的结果通过计算机网络在全球流通，为人类的生存、繁荣和可持续发展服务。在20世纪后半叶，遥感和地理信息系统作为一门新兴的科学和技术，迅速地成长起来。

1 遥感技术的主要发展趋势

1.1 航空航天遥感传感器数据获取技术趋向三多（多平台、多传感器、多角度）和三高（高空间分辨率、高光谱分辨率和高时相分辨率）

从空中和太空观测地球获取影像是20世纪的重大成果之一，短短几十年，遥感数据获取手段迅猛发展。遥感平台有地球同步轨道卫星（35000km）、太阳同步卫星（600—1000km）、太空飞船（200—300km）、航天飞机（240—350km）、探空火箭（200—1000km），并且还有高、中、低空飞机、升空气球、无人飞机等；传感器有框幅式光学相机、缝隙、全景相机、光机扫描仪、光电扫描仪、CCD线阵、面阵扫描仪、微波散射计雷达测高仪、激光扫描仪和合成孔径雷达等，它们几乎覆盖了可透过大气窗口的所有电磁波段。三行CCD阵列可以同时得到3个角度的扫描成像，EOS Terra卫星上的MISR可同时从9个角度对地成像。

卫星遥感的空间分辨率从Ikonos Ⅱ的1m，进一步提高到Quckbird（快鸟）的0.62m，高光谱分辨率已达到5—6nm，500—600个波段。在轨的美国EO-1高光谱遥感卫星，具有220个波段，EOS AM-1（Terra）和EOS PM-1（Aqua）卫星上的MODIS具有36个波段的中等分辨率成像光谱仪。时间分辨率的提高主要依赖于小卫星技术的发展，通过发射地球同步轨道卫星和合理分布的小卫星星座，以及传感器的大角度倾斜，可以以1—3d的周期获得感兴趣地区的遥感影像。由于具有全天候、全天时的特点，以及用INSAR和D-INSAR，特别是双天线INSAR进行高精度三位地形及其变化测定的可能性，SAR雷达卫星为全世界各国所普遍关注。例如，美国宇航局的长远计划是要发射一系列太阳同步和地球同步的长波SAR,美国国防部则要发射一系列短波SAR，实现干涉重访问间隔为8d、3d和1d，空间分辨率分别为20m、5m和2m。我国在机载和星载SAR传感器及其应用研究方面正在形成体系。“十五”期间，我国将全方位地推进遥感数据获取的手段，形成自主的高分辨率资源卫星、雷达卫星、测图卫星和对环境与灾害进行实时监测的小卫星群。

1.2 航空航天遥感对地定位趋向于不依赖地面控制

确定影像目标的实地位置（三维坐标），解决影像目标在哪儿（Where）是摄影测量与遥感的主要任务之一。在已成功用于生产的全自动化GPS空中三角测量的基础上，利用DGPS和INS惯性导航系统的组合，可形成航空/航天影像传感器的位置与姿态的自动测量和稳定装置（POS），从而可实现定点摄影成像和无地面控制的高精度对地直接定位。在航空摄影条件下的精度可达到dm级，在卫星遥感的条件下，其精度可达到m级。该技术的推广应用，将改变目前摄影测量和遥感的作业流程，从而实现实时测图和实时数据库更新。若与高精度激光扫描仪集成，可实现实时三维测量（LIDAR），自动生成数字表面模型（DSM），并可推算出数字高程模型（DEM）。

美国NASA在1994年和1997年两次将航天激光测高仪（SLA）安装在航天飞机上，企图建立基于SLA的全球控制点数据库，激光点大小为100m，间隔为750m，每秒10个脉冲；随后又提出了地学激光测高系统（GLAS）计划，已于2002年12月19日将该卫星IICESat（cloud and land elevation satellite）发射上天。该卫星装有激光测距系统、GPS接收机和恒星跟踪姿态测定系统。GLAS发射近红外光（1064nm）和可见绿光（532nm）的短脉冲（4ns）。激光脉冲频率为40次/s，激光点大小实地为70m，间隔为170m，其高程精度要明显高于SRTM，可望达到m级。他们的下一步计划是要在2015年之前使星载LIDAR的激光测高精度达到dm和cm级。

法国利用设在全球的54个站点向卫星发射信号，通过测定多普勒频移，以精确解求卫星的空间坐标，具有极高的精度。测定距地球1300km的Topex/Poseidon卫星的高度，精度达到±3cm。用来测定SPOT 4卫星的轨道，3个坐标方向达到±5cm精度，对于SPOT 5和Envisat，可望达到±1m精度。若忽略SPOT 5传感器的角元素，直接进行无地面控制的正射像片制作，精度可达到±15m，完全可以满足国家安全和西部开发的需求。

1.3 摄影测量与遥感数据的计算机处理更趋向自动化和智能化

从影像数据中自动提取地物目标，解决它的属性和语义（What）是摄影测量与遥感的另一大任务。在已取得影像匹配成果的基础上，影像目标的自动识别技术主要集中在影像融合技术，基于统计和基于结构的目标识别与分类，处理的对象既包括高分辨率影像，也更加注重高光谱影像。随着遥感数据量的增大，数据融合和信息融合技术逐渐成熟。压缩倍率高、速度快的影像数据压缩方法也已商业化。我国学者在这些方面取得了不少可喜的成果。

1.4 利用多时像影像数据自动发现地表覆盖的变化趋向实时化

利用遥感影像自动进行变化监测（What change）关系到我国的经济建设和国防建设。过去人工方法投入大，周期长。随着各类空间数据库的建立和大量新的影像数据源的出现，实时自动化监测已成为研究的一个热点。

自动变化监测研究包括利用新旧影像（DOM）的对比、新影像与旧数字地图（DLS）的对比来自动发现变化和更新数据库。目前的变化监测是先将新影像与旧影像（或数字地图）进行配准，然后再提取变化目标，这在精度、速度与自动化处理方面都有不足之处。笔者提出了把配准与变化监测同步的整体处理[1]。最理想的方法是将影像目标三维重建与变化监测一起进行，实现三维变化监测和自动更新。进一步的发展则是利用智能传感器，将数据处理在轨完成，发送回来的直接为信息，而不一定为影像数据。

1.5 摄影测量与遥感在构建“数字地球”、“数字中国”、“数字省市”和“数字文化遗产”中正在发挥愈来愈大的作用

“数字地球”概念是在全球信息化浪潮推进下形成的。1999年12月在北京成功地召开了第一届国际“数字地球”大会后，我国正积极推进“数字中国”和“数字省市”的建设，2001年国家测绘局完成了构建“数字中国”地理空间基础框架的总体战略研究。在已完成1∶100万和1∶25万全国空间数据库的基础上，2001年全国各省市测绘局开始1∶5万空间数据库的建库工作。在这个数据量达11TB的巨型数据库中，摄影测量与遥感将用来建设DOM（数字正射影像）、DEM（数字高程模型）、DLG（数字线划图）和CP（控制点数据库）。如果要建立全国1m分辨率影像数据库，其数据量将达到60TB。如果整个“数字地球”均达到1m分辨率，其数据量之大可想而知。本世纪内可望建成这一分辨率的数字地球。

“数字文化遗产”是目前联合国和许多国家关心的一个问题，涉及到近景成像、计算机视觉和虚拟现实技术。在近景成像和近景三位量测方面，有室内各种三维激光扫描与成像仪器，还可以直接由视频摄像机的系列图像获取目标场三维重建信息。它们所获取的数据经过计算机自动处理后，可以在虚拟现实技术支持下形成文化遗迹的三维仿真，而且可以按照时间序列，将历史文化在时间隧道中再现，对文化遗产保护、复原与研究具有重要意义。

1.6 全定量化遥感方法将走向实用

从遥感科学的本质讲，通过对地球表层（包括岩石圈、水圈、大气圈和生物圈4大圈层）的遥感，其目的是为了获得有关地物目标的几何与物理特性，所以需要通过全定量化遥感方法进行反演。几何方程式是有显式表示的数学方程，而物理方程一直是隐式。目前的遥感解译与目标识别并没有通过物理方程反演，而是采用了基于灰度或加上一定知识的统计、结构和纹理的影像分析方法。但随着对成像机理、地物波谱反射特征、大气模型、气溶胶的研究深入和数据积累，多角度、多传感器、高光谱及雷达卫星遥感技术的成熟，相信在21世纪，估计几何与物理方程式的全定量化遥感方法将逐步由理论研究走向实用化，遥感基础理论研究将迈上新的台阶。只有实现了遥感定量化，才可能真正实现自动化和实时化。

2 GIS技术的主要发展趋势

2.1 空间数据库趋向图形、影像和DEM三库一体化和面向对象[2]

GIS发展曾经历过栅格、矢量两个不同数据结构发展阶段，目前随着高分辨率卫星遥感数据的飞快增长和数字地球、数码城市的需求，形成了面向对象的数据模型和三库（图形矢量库、影像栅格库和DEM格网库）一体化的数据结构。这样的数据库结构使GIS的发展更加趋向自然化、逼真化，更加贴近用户。以面向应用的GIS软件为前台，以大型关系数据库（Oracle 8i,9i等)为后台数据库管理，成为当前GIS技术的主流趋势。

2.2 空间数据表达趋向多比例尺、多尺度、动态多位和实时三维可视化

在传统的GIS中，空间数据是以二维形式存储并挂接相应的属性数据。目前，空间数据表达的趋势是基于金字塔和LOD（level of detail）技术的多比例尺空间数据库，在不同尺度表示时可自动显示出相应比例尺或相应分辨率的数据，多比例尺数据集的跨度要比传统地图的比例尺大，在显示不同比例尺数据时，可采用LOD或地图综合技术。真三维GIS的空间数据要存储三维坐标。动态GIS在土地变更调查、土地覆盖变化监测中已有较好的应用，真四维的时空GIS将有望从理论研究转入实用阶段。基于三库一体化的时空3D可视化技术发展势头迅猛，已能再PC机上实现GIS环境下的三维建筑物室外室内漫游、信息查询、空间分析、剖面分析和阴影分析等，基于虚拟现实技术的真三维GIS将使人们在现实空间外，可以同时拥有一个Cyber空间。

2.3 空间分析和辅助决策智能化需要利用数据挖掘方法从空间数据库和属性数据库中发现更多的有用知识

GIS是以应用导向的空间信息技术，空间分析与辅助决策支持是GIS的高水平应用，它需要基于知识的智能系统。知识的获取是专家系统中最困难的任务。随着各种类型数据库的建立，从数据库中挖掘知识成为当今计算机界一个非常引人注目的课题。从GIS空间数据库中发现的知识可以有效的支持遥感图像解译，以解决“同物异谱”和“同谱异物”的问题。反过来，从属性数据库中挖掘的知识又具有优化资源配置等一些列空间分析的功能[3]。尽管数据挖掘和知识发现这一命题仍处于理论研究阶段，但随着数据库的快速增大和对数据挖掘工具的深入研究，其应用前景是不可估量的。

2.4 通过Web服务器和WAP服务器的互联网和移动GIS将推进联邦数据库和互操作的研究及地学信息服务事业

随着计算机通讯网络（包括有线和无线网）的大容量和高速化，GIS已成为在网络上的分布式异构系统。许多不同单位、不同组织维护管理的既独立又互联互用的联邦数据库，将可提供全社会各行各业的应用需要。因此，联邦数据库和互操作（federal databases & interoperability）问题成为当前国际GIS联合研究的一个热点。互操作意味着数据库中数据的直接共享，GIS规律功能模块的互操作与共享，以及多点之间的相同工作，这方面的研究已显示出明显的成效。未来的GIS用户将可能在网络上缴纳为其需要所选用数据和软件功能模块的使用费，而不必购买这个数据库和整套的GIS软硬件，这些成果产生的直接效果是GIS应用将走向地学信息服务。

目前已兴起的LBS和MLS，即基于位置的服务和移动定位服务，突出地反映了这种变化趋势。它引起的革命性变化使GIS将走出研究院所和政府机关，成为全社会人人具备的信息服务工具。我国目前已有2亿个手机用户，若每人每月为MLS支付10元费用，全国一年的产值将达到240亿。可以预测在不久的将来，地学信息将能随时随地为任何人和任何事情进行4A服务（geo-in-formation for anyone and anything at anywhere and anytime）。

2.5 地理信息科学的研究有望在本世纪形成较完整的理论框架体系

笔者曾扼要地叙述了地球空间信息科学的7大理论问题[4]：（1）地球空间信息的基准，包括几何基准、物理基准和时间基准；（2）地球空间信息标准，包括空间数据采集、存储与交换标准、空间数据精度与质量标准、空间信息的分类与代码标准、空间信息的安全、保密及技术服务标准以及元数据标准等；（3）地球空间信息的时空变化理论，包括时空变化发现的方法和对时空变化特征的和规律的研究；（4）地球空间信息的认知，主要通过各目标各要素的位置、结构形态、相互关联等从静态上的形态分析、发生上的成因分析、动态上的过程分析、演化上的力学分析以及时态上的演化分析达到对地球空间的客观认知；（5）地球空间信息的不确定性，包括类型的不确定性、空间位置的不确定性、空间关系的不确定性、逻辑的不一致性和信息的不完备性；（6）地球空间信息的解译与反演，包括定性解译和定量反演，贯穿在信息获取、信息处理和认知过程中；（7）地球空间信息的表达与可视化，涉及到空间数据库多分辨率表示、数字地图自动综合、图形可视化、动态仿真和虚拟现实等。目前，这些方面的研究对建立完备的理论尚嫌不足，需要在今后加强这方面的基础研究。

关于遥感与GIS的集成，涉及到GPS和通信技术的集成，本文未作具体讨论，其具体内容可参见文献[4—6]。

3 结语

遥感与GIS在20世纪出现，在21世纪不仅将形成自身的理论体系和技术体系，而且将形成天地一体化的空间信息服务产业，为国民经济建设、国家安全、社会可持续发展和提高人民生活质量做出愈来愈大的贡献。

参考文献：

[1] Li D R, Sui H G. Automatic Change Detection of Geospatial Data from Imagery. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2002,34(II):245—251
[2] 龚健雅. 地理信息系统基础. 北京：科学出版社，2001
[3] 邸凯昌. 空间数据发掘与知识发现（第一版）. 武汉：武汉大学出版社，2000. 182
[4] 李德仁，关泽群. 空间信息系统的集成与实现（第一版）. 武汉：武汉测绘科技大学出版社，2000. 244
[5] 李德仁，李清泉. 论地球空间信息技术与通信技术的集成. 武汉大学学报（信息科学版），2001，26（1）：1—7
[6] 李德

⑼ 遥感图像地质信息增强处理

地质信息遥感图像增强处理目的是通过选择合理的图像处理方法，改善图像的视觉效果，突出遥感地质调查所需要的有用信息。

4.3.1 常用的图像增强处理方法

在遥感地质应用方面，图像增强处理方法按照主要增强的信息内容可分为波(光)谱特征增强和空间特征增强两大类。

4.3.1.1 图像波(光)谱特征增强处理

图像波(光)谱特征增强处理是基于多波段数据，对每个像元的灰度进行变换达到图像增强的目的。其图像增强结果便于识别不同性质的地质体、岩石类型、地质异常(如蚀变带、热异常等)、规模较大的线性和圆形构造。

(1)灰度变换方法

当原始图像的直方图比较窄，灰度分布较集中，图像层次较少时，进行灰度变换是最基本的要求。对于灰度接近正态分布的图像通常进行线性拉伸就可达到改善图像视觉效果的目的。对于直方图呈多峰状、部分地物过亮或过暗的图像，应针对图像的特点采用不同的灰度变换方法，包括分段线性拉伸、直方图调整和高斯变换等非线性拉伸等。

分段线性拉伸是为了有效利用有限个灰度级，将整个灰度范围划分为几个区间，分区间进行线性扩展，达到最大限度增强图像中有用信息的目的。常用的非线性变换有指数变换法(增强原始图像的高亮度值部分)、对数变换法(增强图像的低亮度值部分)、高斯变换(增强图像中间灰度范围)及正切变换(可对图像的暗、亮区进行增强)。

直方图调整是通过改善图像的直方图形态来达到图像增强的目的。其原理是用一种变换函数作用于原始图像的直方图，使之变成具有某种特定亮度分布形态的直方图。这种方法着重于扩展高频数亮度值之间的间隔，使直方图中部所包含的地物反差得到增强，有利于地质体的区分。常用的直方图调整方法有直方图均衡化和直方图正态化等。

(2)比值增强

比值增强是通过不同波段的同名像元亮度值之间的除法运算，生成新的比值图像来实现的。比值处理对地质信息尤为敏感，成为遥感地质图像处理中广为应用的方法之一。其基本作用为:

1)可以扩大岩石和土壤的波谱差异，有利于这些地物的区分。

2)消除或减弱地形等环境因素对同类岩性的影响。

3)提取与矿化蚀变有关的信息。

4)比值彩色合成图像能够增强岩性和蚀变岩信息。

(3)主成分变换

主成分变换是多波段遥感图像增强常用的一种方法。它是一种基于图像统计特征的多维正交线性变换，变换后的新组分图像反映了地物总的辐射差异和某些波谱特征，同时还具有分离信息、减少相关、突出不同地物的作用。利用不同新组分图像进行彩色合成，可显着提高彩色增强效果，有助于岩性的区分。在实际应用中，也常用比值或差值图像与原始图像一起进行主成分变换，会有利于某些专题信息的提取。

(4)IHS变换

在色度学中，把彩色图像的RGB变换成亮度(I)、色度(H)、饱和度(S)称为IHS变换，而IHS变换成RGB称为反变换。利用IHS变换和反变换，可以进行多源遥感图像之间的信息融合、高度相关图像数据的色彩增强、图像的特征增强，以及改善图像空间分辨率等融合处理。如图4.1所示，对研究区内的环形构造、岩体和地层都起到了一定的增强作用。

图4.4 多波段相关性比值增强处理对比

图4.5 图像增强处理对比

(3)基于地物纹理的岩性识别

当岩性组成复杂，且分布尺度大于传感器的空间分辨率时，遥感图像就可能记录到地物的结构组成信息，其影像就存在着明显的纹理特征。当存在着有别于背景地物的纹理结构特征时，就可利用地物的光谱特征与纹理特征提取岩性信息。利用纹理识别岩性的方法步骤如下。

1)选择一定大小的移动窗口，计算不同地物的纹理特征，对待研究岩石类型的纹理特征与周围地物的纹理特征进行比较分析。主要纹理特征计算有:对数变差函数、平均欧式距法(一阶)、方差法(二阶)、斜度(三阶)、峰度(四阶)和共生矩阵法。从灰度共生矩阵中可以产生8种纹理测度，它们分别是局部平稳、对比度、相异性测度、均值测度、标准差、熵、角二阶矩及相关等。

2)分析研究岩石裸露区和背景地物之间的纹理指数和图像，寻找岩石类型与纹理特征的关联规律，采用合适的阈值，识别和提取岩石信息。

(4)基于形状知识识别岩性信息

1)增强地物之间的边界，提取出边界信息。进行形状指数的计算。主要测定基于周长和面积的指数、基于面积的指数以及基于面积和区域长度的指数。

2)根据岩石的形状知识指数值，对不同形状指数的岩性进行定性定位识别和提取，结合不同岩性的形状特征赋予一定的地质属性信息。

(5)主成分变换多层次信息分析识别岩性信息

基于主成分分析的多层次信息分解技术是增强地质岩性弱信息的一种常用方法，在岩性增强和识别中的实施过程如下。

1)多波段图像的统计特征分析。对多波段图像数据进行统计特征分析，计算波谱图像的灰度动态范围、均值与中值、波段图像的相关系数矩阵、波段图像的协方差阵。

2)求出多波段图像的协方差阵的特征值与特征向量，用特征向量构成KL变换的系数矩阵A。

3)主成分变换后处理。根据岩性识别目的和各主分量与矩阵向量间的关系分析，选择包含特定岩性信息的组分图像、包含专题信息组分图像的增强处理、组分图像的彩色合成处理以及组分图像与其他处理结果或波段图像的信息复合分析。

4)根据各主分量的分析结果，对主分量图像的各种后处理结果与单元结果对照进行影像目视解译，确定能够较好反映工作区岩性信息的主分量图像，选取它们做彩色合成或信息复合，增强影像上的地质岩性弱信息。

(6)IHS变换法增强岩性信息

对多波段图像选择适当的代数运算后所产生的新图像进行IHS变换，可起到突出岩性的目的。例如，利用TM波段比值进行IHS变换，可以识别火山岩地区的岩性和与矿化有关的蚀变特征。

1)用TM5/TM7，TM3/TM4，TM3/TM2比值分别赋红、绿、蓝进行IHS变换。

2)在变换处理后的图像上，Fe₂O₃含量高的玄武岩分布区呈醒目的褐色或红色色调，不同岩性的火山岩类有不同的色调，可以相互区分;含黏土类矿物和三价铁氧化物的矿化蚀变岩石分布区呈独特的黄色。

(7)对遥感图像进行最优多级密度分割提取岩性信息

目的是在植被稀少、基岩广泛裸露的干旱地区通过选择最佳遥感识别图像，通过最优多级密度分割，提取和识别岩石信息。

1)利用费歇尔准则对图像进行密度分割，通过直方图统计，找到使各分割段的段内离差总和最小、段间离差总和最大的分割法，称为图像的最优多级密度分割法。

2)对分割图像按灰度级由高到低分别赋以不同的颜色，对照区域地质图确定不同颜色的地质岩性属性信息。

(8)岩性的自动分类识别

在干旱、半干旱地区，利用遥感图像的光谱信息，使用非监督分类方法，可起到岩性自动识别和填图的目的。

以TM或ETM⁺数据为例，说明非监督分类方法主要实施过程:

1)从TM或ETM⁺多波段图像中选择3个三波段组合，使波段间相关性小且重复利用的波段最少。

2)对所有波段组图像用均衡反差增强技术进行反差增强，以优化每个波段的反差，消除彩色合成中可能出现的色彩偏差。

3)对每个三波段组合用RGB-IHS变换产生一个色度图像，然后分别进行合成，产生色度合成图像。

4)用三维特征空间交互集群技术对色度合成图像进行非监督集群分类。

5)用模板直方图匹配分类技术对分类图像进行空间再分类，以检测感兴趣类的结构和模式。

6)对分类图像用空间滤波法和小类别合并技术进行平滑处理和空间简化处理。

7)根据野外检查与类别的波谱曲线形态，参照地质图，将类别赋以岩性或按其他地物类型术语进行识别和描述。

8)进行交互式类别编辑。用类别区域编辑法将代表不同地带的不同岩性按位置进行分解，用类别分组法将相同岩性或地物类型一致的类别归入一组。

9)用边缘检测技术，检测地物类别边缘。

10)对调整后的分类图像进行交互式着色，并将反映地形背景的强度图像叠加到岩性分类图中，形成岩性影像图。

(9)基于岩块分类的岩石类型识别

适用于干旱、半干旱基岩裸露区岩石类的识别。以TM数据为例具体说明主要实施过程:

1)对TM图像进行地形校正，生成数字视反射率图像R₁、R₂、R₃、R₄、R₅、R₇。

2)用TM6与R₁～R₇进行空间集群法非监督分类，编制平面分类图。

3)用TM6与R₁～R₇数据进行监督分类，首先用已知样本作为训练区，训练区样本为厚层单岩性岩块、简单岩性组合岩块，复杂岩性组合岩块和标志性薄层岩块，然后逐个像元提取同类目标并编制平面图。

4)对分类图像中的各类别进行均值、最小、最大值，标准差、协方差等参量统计。

5)进行纹理分析及分类，编制纹理类型平面图。

6)对非监督分类、监督分类及纹理分类平面图进行叠合，通过人机交互目视解译归并整理，编制岩石遥感类型平面图。

7)岩石填图。将已知岩石属性信息填绘于同类的空白区域中，未知空白区域待野外检查确定岩性属性后填入。

(10)用高光谱资料来识别岩性

利用成像光谱资料，定量检测岩石和单种或多种矿物的波谱特征，提取和识别岩性和矿物信息，编制专题岩性和矿物图件。主要实施方法是:

1)确定工作区岩性和矿物的一些标志性波谱特征。

2)利用高光谱成像数据提取地物的波谱曲线，与岩石的野外光谱曲线和某些标志性矿物的实验室实测典型曲线对比，半定量地确定岩性和标志性矿物的存在。

3)通过岩性和标志性矿物的检测，达到找矿和编制岩性分布图的目的。

4.3.2.2 断裂构造及地质界线图像增强处理

主要利用空间滤波、自动线性提取等方法增强或提取断裂构造信息。

(1)空间方向滤波方法

对原始图像进行方向滤波，突出某一方向的纹理信息，增强地质体的空间结构。

1)按其所需要的方向信息确定滤波算子见表4.1。

2)对多波段图像进行主成分变换，利用定向滤波法对第一主分量图像进行边缘梯度增强。

3)增强图像的局部边缘梯度，压制整个图像的反差，再结合一些平滑处理方法对构造蚀变带和环形构造进行增强。

4)图像反差扩展。采用拉伸、直方图变换、比值、滤波等，突出图像中的线、边缘、纹理结构特征，增强岩性、线形构造和环形构造影像特征。

5)高通滤波增强空间频率高的地表形迹，提取几十到几百米的线性体(如节理、裂隙和断裂等一些地质构造形迹);低通滤波增强空间频率低的地表形迹，提取延伸长、规模大的断裂带和蚀变带等地质形迹。

6)用高斯卷积滤波突出地质体边界轮廓细节，区分纹理差异大的岩体。

(2)傅里叶功率谱纹理增强法

1)取一定大小的窗口图像，分别作行、列傅氏变换。

2)求功率谱矩阵，作对数变换。

3)计算纹理测度，形成纹理图像。

4)纹理图像解译，提取线性体信息和岩性地质界线。

(3)图像纹理统计法

通过纹理特征变化推测断裂活动的差异、岩石成分的变化等，圈定活动断裂带范围，解释断裂活动方式。

(4)线、环状影像特征法

1)对图像进行高通滤波和线状影像增强

2)从22.5°～67.5°、67.5°～112.5°、292.5°～337.5°及337.5°～22.5°四个方向进行方向滤波。

3)计算单位面积(2.5km×2.5km)线状影像密度及等密度图。

4)对线、环状影像平面图进行目视分析，筛除非地质边缘点，并进行叠合与归并，划分线状影像区、带和等级，环状影像之间的空间结构及其组合关系。

5)进行线、环状影像地质属性解译。

(5)线性体自动提取法

1)采用定向滤波法对多波段图像的KL变换第一分量进行边缘梯度增强。

2)对梯度图像进行二值化处理，提取边缘点图像。

3)人机交互去掉干扰和孤立的边缘点。

4)利用Hough变换进行线性体的连接和统计，输出线性体分布图和密度图。

5)线性构造提取与地质分析。

(6)图像亮温法

选择适当季节和时间的热红外遥感图像，以热红外波段图像的亮温分布的极值线为标志，提取构造信息。

(7)多重主成分分析方法

首先应用各种方法，包括一般主成分分析、选择主成分分析(特征主成分选择)、波段比值等，尽可能提取图像中较弱的地质构造信息，然后提取显示最好或较好的专题信息，进行二次处理。处理方法包括两种:一是进行不同的彩色组合或叠加，以突出专题信息;二是选取对专题信息提取最有利的结果和原始波段再次进行主成分分析，进行地质信息的二次提取和增强。

(8)基于融合处理的构造信息提取方法

不同传感器获取同一地区的图像，由于其波长范围不同、几何特性不同、分辨率不同等因素而具有不同的应用特点，基于不同传感器图像的融合处理，可以综合不同传感器图像的优点，提高对构造信息的识别能力。下面以TM和SAR图像融合处理为例进行说明。

1)首先，对SAR图像滤波，进行噪声消除。

2)其次，把单波段SAR图像和多光谱TM图像进行几何配准和融合，TM3、4、5进行IHS变换，用滤波后的SAR图像代替I分量，做IHS反变换，再用TM3、4、5与SAR图像作主成分变换，最后将IHS反变换得到的G分量、TM4波段和主成分变换的第一主分量图像进行彩色合成，作为地质解译图像。

3)融合后的图像可以直观地提取断裂构造信息，利用SAR图像一定的穿透性，可以提取隐伏断裂构造信息。

4.3.2.3 区域地质稳定性的综合处理与遥感信息的辅助提取

1)获取多时相多平台遥感卫星数据，收集地面控制点数据和区域地质环境资料。

2)进行图像几何精校正和配准处理。首先，对地形图进行高精度扫描，形成数字图像;然后，对数字地形图进行投影变换、配准和镶嵌，进行区域图像的合成与镶嵌;最后，建立地质活动区域的DEM和三维地形地貌可视化影像。

进行人机交互解译。以精校正的数字卫星图像为基础，一方面进行增强构造活动带、滑坡及其发育环境信息的各种图像处理;一方面进行目视解译，确定区域地质稳定性信息，在计算机上定位，划分边界、制作图形。获取遥感解译信息，综合其他环境资料和综合处理进行分析、比较和修改。

4.3.2.4 隐伏地质信息提取与增强

利用重磁资料与不同类型的遥感图像复合处理技术提取隐伏地质信息。

1)利用重磁网格数据和三维欧拉反褶积方法确定地下构造位置(边界)和深度。

2)利用遥感图像解译地表的构造特征，将重磁数据提取的相应位置的构造信息叠加到遥感构造图像上，把不同深度的构造在图像上分别表现出来，利用图像上构造的不同深度信息，辅助进行隐伏地质体和构造带信息提取。

4.3.3 遥感地质信息自动提取方法

计算机自动信息提取的目的是把地质专家用于目视解译的知识定量化表达，从根本上实现知识参与的自动提取。现有的计算机自动信息提取方法主要包括:光谱特征模型法、计算机自动分类法和基于空间数据挖掘与知识发现信息提取方法。

4.3.3.1 光谱特征模型法

一般利用统计回归建立一个遥感信息模型，根据具体图像的实际情况不断对模型参数进行调整，最终使模型适用于该影像。遥感信息模型是在现有地面实验基础上提炼出来的地物的反演模型，由于图像数据影响因素很多，因此地物在卫星图像上的反映并非与地面实测数据一一对应，把遥感信息理论和实际图幅影像有效结合在一起来进行专题信息自动提取，应用范围和精度都很有限。岩石地层单元建模技术就是一种光谱特征模型法。具体步骤如下。

1)把一些具有特殊影像特征的矿源层、赋矿地层以及诸如含多元素黑色炭质页岩、蛇绿岩带、混杂岩带和超基性岩体等岩石地层作为一种基本单元，它们的多波段遥感像元灰度值是波段的函数，不同单元具有不同的函数曲线。

2)对有一定地质意义的单元进行光谱特征统计，确定特定单元在各波段的亮度范围和同一单元类别在多维空间的聚集性。

3)根据单元类别的变差参数(均值和标准差)，建立基于遥感图像亮度值区间的岩石地层单元模型，输入的阈值参数和多波段遥感数据，自动提取岩石地层单元信息。

4.3.3.2 分类方法

在遥感信息自动提取方面，分类方法占有重要地位。其核心是对遥感图像进行自动分割。现有的计算机自动分类方法，主要利用的是遥感图像数据，虽然有时可以自动加入其他方面的地学知识，但远没有充分利用人脑在分析图像时所应用的知识，因此很难达到很高的精度。利用分类方法进行岩性自动填图是遥感图像处理中最复杂、最难的一个问题，而对于像植被、水体、土地和冰雪等一些大面积分布均匀的特定目标信息的提取，自动分类可起到良好的应用目的。

4.3.3.3 基于数据挖掘和知识发现技术

基于数据挖掘和知识发现技术理论的遥感专题信息自动提取，其基本内容包括知识的发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。在知识发现方面包括从单一遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识;从多时相遥感图像中，除了可发现以上知识外，还可以进一步发现地物的动态变化过程知识;从GIS数据库中发现各种相关知识。利用所发现的某种知识、某些知识或所有知识建立相应的遥感专题信息提取模型，利用遥感数据实现从单知识、单模型的应用到多知识、多模型的集成应用，从单数据的使用到多数据的综合使用的自动信息提取。

⑽ 遥感技术在城市规划中的应用的研究现状和研究方法

推荐去CNKI，清华搞的，那里面是论文数据库，可以随时下载的。你要搞不定的话，去淘宝的//翰林书店//，那里能下载到论文的