遙感地學(xué)分析期末復(fù)習(xí)

名詞解釋1、大氣窗口：電磁波通過(guò)大氣層較少被反射、吸收和散射的那些透射率高的波段稱為大氣窗口。通常把太陽(yáng)光透過(guò)大氣層時(shí)透過(guò)率較高的光譜段稱為大氣窗口。2、圖像鑲嵌：當(dāng)研究區(qū)超出單幅遙感圖像所覆蓋的范圍時(shí)，通常需要將兩幅或多幅圖像拼接成一幅后一系列覆蓋全區(qū)的較大圖像的過(guò)程。3、光譜分辨率：是指?jìng)鞲衅魉x用的波段數(shù)量的多少、各波段的波長(zhǎng)位置、及波長(zhǎng)間隔的大小。4、遙感地學(xué)分析：遙感地學(xué)分析是建立在地學(xué)規(guī)律基礎(chǔ)上的遙感信息處理和分析模型，是綜合物理手段、數(shù)學(xué)方法和地學(xué)分析等綜合性應(yīng)用技術(shù)和理論，或者能反映地球區(qū)域分異規(guī)律和地學(xué)發(fā)展過(guò)程的有效信息理論方法。5、水體富營(yíng)養(yǎng)化：是指由于大量的氮、磷、鉀等元素排入到流速緩慢、更新周期長(zhǎng)的地表水體，使藻類等水生生物大量地生長(zhǎng)繁殖，使有機(jī)物產(chǎn)生的速度遠(yuǎn)遠(yuǎn)超過(guò)消耗速度，水體中有機(jī)物積蓄，破壞水生生態(tài)平衡的過(guò)程。6、植被指數(shù)：根據(jù)地物光譜反射率的差異作比值運(yùn)算可以突出圖像中植被的特征、提取植被類別或估算綠色生物量，通常把能夠提取植被的算法稱為植被指數(shù)。在遙感領(lǐng)域中用來(lái)表征地表植被覆蓋，生長(zhǎng)狀況的一個(gè)簡(jiǎn)單，有效的度量參數(shù)。7、幾何糾正：通過(guò)一系列的數(shù)學(xué)模型來(lái)改正和消除遙感影像成像時(shí)因攝影材料變形、物鏡畸變、大氣折光、地球曲率、地球自轉(zhuǎn)、地形起伏等因素導(dǎo)致的原始圖像上各地物的幾何位置、形狀、尺寸、方位等特征與在參照系統(tǒng)中的表達(dá)要求不一致時(shí)產(chǎn)生的變形，從而使之實(shí)現(xiàn)與標(biāo)準(zhǔn)圖像或地圖的幾何整合。問(wèn)答題輻射分辨率與空間分辨率的關(guān)系？空間分辨率是指圖像上能夠詳細(xì)區(qū)分的最小單元的尺寸或大小。輻射分辨率是指?jìng)鞲衅鲗?duì)光譜信號(hào)的強(qiáng)弱的敏感程度、區(qū)分能力。

瞬間視場(chǎng)IFOV越大，最小可分像素越大，空間分辨率越低。但是IFOV越大，通光率即瞬時(shí)獲得的入射能量越大，輻射測(cè)量越敏感，對(duì)微弱能量差異的檢測(cè)能力越強(qiáng)，則輻射分辨率越高。因此，空間分辨率的增大，伴之以輻射分辨率降低。2、在定量遙感中，比較經(jīng)驗(yàn)?zāi)Ｐ汀⑽锢砟Ｐ?、半?jīng)驗(yàn)?zāi)Ｐ偷膬?yōu)缺點(diǎn)。經(jīng)驗(yàn)?zāi)Ｐ蛢?yōu)點(diǎn)：簡(jiǎn)單、實(shí)用性強(qiáng)。缺點(diǎn)：理論基礎(chǔ)不完備，缺乏對(duì)物理機(jī)理的足夠理解和認(rèn)識(shí)，參數(shù)之間缺乏邏輯關(guān)系。物理模型優(yōu)點(diǎn)：理論基礎(chǔ)完善，模型參考具有明確的物理意義。缺點(diǎn)：輸入?yún)?shù)多，方程復(fù)雜，實(shí)用性較差，且常對(duì)非主要因素有過(guò)多的忽略或假定半經(jīng)驗(yàn)?zāi)Ｐ蛢?yōu)點(diǎn)：綜合了統(tǒng)計(jì)模型和物理模型的優(yōu)點(diǎn)，模型所有的參數(shù)往往雖是經(jīng)驗(yàn)參數(shù)，但又具有一點(diǎn)的物理意義。3、簡(jiǎn)述陸陸衛(wèi)星TM5傳感器的各波段的光譜特性TM10.45-0.52um藍(lán)波段：對(duì)葉綠素和夜色素濃度敏感，對(duì)水體穿透強(qiáng)，用于區(qū)分土壤與植被、落葉林與針葉林、近海水域制圖，有助于判別水深及水中葉綠素分布以及水中是否有水華等。TM20.52-0.60um,綠波段：對(duì)健康茂盛植物的反射敏感,對(duì)力的穿透力強(qiáng),用于探測(cè)健康植物綠色反射率,按綠峰反射評(píng)價(jià)植物的生活狀況,區(qū)分林型,樹種和反映水下特征。TM30.62-0.69UM,紅波段：葉綠素的主要吸收波段,反映不同植物葉綠素吸收,植物健康狀況,用于區(qū)分植物種類與植物覆蓋率,其信息量大多為可見光最佳波段,廣泛用于地貌,巖性,土壤,植被,水中泥沙等方面。TM40.76-0.96UM近紅外波段：對(duì)無(wú)病害植物近紅外反射敏感，對(duì)綠色植物類別差異最敏感,為植物通用波段,用于牧師調(diào)查,作物長(zhǎng)勢(shì)測(cè)量,水域測(cè)量，生物量測(cè)定及水域判別。TM51.55-1.75UM中紅外波段：對(duì)植物含水量和云的不同反射敏感，處于水的吸收波段,一般1.4-1.9UM內(nèi)反映含水量,用于土壤濕度植物含水量調(diào)查,水分善研究,作物長(zhǎng)勢(shì)分析,從而提高了區(qū)分不同作用長(zhǎng)勢(shì)的能力，可判斷含水量和雪、云。TM61.04-1.25UM遠(yuǎn)紅外波段：可以根據(jù)輻射響應(yīng)的差別,區(qū)分農(nóng)林覆蓋長(zhǎng)勢(shì),差別表層濕度,水體巖石,以及監(jiān)測(cè)與人類活動(dòng)有關(guān)的熱特征,作溫度圖，植物熱強(qiáng)度測(cè)量。TM72.08-3.35UM,中紅外波段,為地質(zhì)學(xué)家追加波段,處于水的強(qiáng)吸收帶,水體呈黑色,可用于區(qū)分主要巖石類型,巖石的熱蝕度,探測(cè)與交代巖石有關(guān)的粘土礦物.4、NDVI的計(jì)算及優(yōu)缺點(diǎn)NDVI是簡(jiǎn)單比值植被指數(shù)RVI，經(jīng)非線性的歸一化處理后，使所得的比值，限定在[-1，1]范圍內(nèi)。優(yōu)點(diǎn)：1、是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子。2、幾種典型的地面覆蓋類型在大尺度NDVI圖像上區(qū)分鮮明，植被得到有效的突出。3、NDVI經(jīng)比值處理，可部分消除與太陽(yáng)高度角、衛(wèi)星觀測(cè)角、地形、大氣程輻射（云/陰影和大氣條件有關(guān)的輻照度條件變化）等的影響因此，NDVI增強(qiáng)了對(duì)植被的響應(yīng)能力。缺點(diǎn)：NDVI對(duì)土壤背景的變化較為敏感。實(shí)驗(yàn)表明，作物生長(zhǎng)初期NDVI將過(guò)高估計(jì)植被覆蓋度，而作物生長(zhǎng)結(jié)束季節(jié)，NDVI值偏低。NDVI更適用于植被發(fā)育中期或中等覆蓋度植被監(jiān)測(cè)。5、變化檢測(cè)對(duì)遙感數(shù)據(jù)時(shí)間分辨率、光譜分辨率、輻射分辨率等有何要求時(shí)間分辨率：1.盡可能選每一天同一時(shí)刻或者相近時(shí)刻的遙感圖像2.盡可能選用年間同一季節(jié)甚至同一日期的遙感數(shù)據(jù)空間分辨率：1.采用具有相同的瞬時(shí)視場(chǎng)的遙感數(shù)據(jù)2.采用具有相同或相近俯視角的數(shù)據(jù)輻射分標(biāo)率：1.采用具有相同輻射分辨率的不同日期遙感圖像2.如果采用具有不同輻射分辨率的圖像進(jìn)行比較的話，需要把低輻射分辨率遙感圖像數(shù)據(jù)轉(zhuǎn)換為較高輻射分辨率的圖像數(shù)據(jù)。6、比值植被指數(shù)（RVI）和歸化植被指數(shù)（NDVI）的優(yōu)缺點(diǎn)比值植被指數(shù)（PPT2-72、73、74）

優(yōu)點(diǎn)：1、比值植被指數(shù)能增強(qiáng)植被與土壤背景之間的輻射差異。比值植被指數(shù)可提供植被反射的重要信息，是植被長(zhǎng)勢(shì)、豐度的度量方法之一。比值植被指數(shù)可從多種遙感系統(tǒng)中得到。它與葉面積指數(shù)（LAI）、葉干生物量（DM）、葉綠素含量相關(guān)性高，被廣泛用于估算和監(jiān)測(cè)綠色植物生物量。

缺點(diǎn)：1、在植被高密度覆蓋情況下，它對(duì)植被十分敏感，與生物量的相關(guān)性最好。但當(dāng)植被覆蓋度小于50%時(shí)，它的分辨能力顯著下降。2、RVI對(duì)大氣狀況很敏感，大氣效應(yīng)大大地降低了它對(duì)植被檢測(cè)的靈敏度，尤其是當(dāng)RVI值高時(shí)。因此，最好運(yùn)用經(jīng)大氣糾正的數(shù)據(jù)，或?qū)刹ǘ蔚幕叶戎担―N）轉(zhuǎn)換成反射率后再計(jì)算RVI，以消除大氣對(duì)兩波段不同非線性衰減的影響。3、對(duì)濃密植被，因紅光反射很小，則RVI值將無(wú)界增長(zhǎng)；歸一化植被指數(shù)（PPT2-76、77、78）優(yōu)點(diǎn)：1、是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子。2、幾種典型的地面覆蓋類型在大尺度NDVI圖像上區(qū)分鮮明，植被得到有效的突出。3、NDVI經(jīng)比值處理，可部分消除與太陽(yáng)高度角、衛(wèi)星觀測(cè)角、地形、大氣程輻射（云/陰影和大氣條件有關(guān)的輻照度條件變化）等的影響因此，NDVI增強(qiáng)了對(duì)植被的響應(yīng)能力。缺點(diǎn)：NDVI對(duì)土壤背景的變化較為敏感。實(shí)驗(yàn)表明，作物生長(zhǎng)初期NDVI將過(guò)高估計(jì)植被覆蓋度，而作物生長(zhǎng)結(jié)束季節(jié)，NDVI值偏低。NDVI更適用于植被發(fā)育中期或中等覆蓋度植被監(jiān)測(cè)。

7、簡(jiǎn)述石油遙感監(jiān)測(cè)光譜特征可見光：可見光中0.63-0.68um的使油膜和周圍干凈海水的反差達(dá)到最大。因此，用紅光波段監(jiān)測(cè)海面油膜，次之為藍(lán)光波段來(lái)，多波段組合使可見光航遙油測(cè)效果最佳。油膜對(duì)紫外光的反射率比海水高1.2-1.8倍，有較好的亮度反差，但僅對(duì)厚度小于5mm的各種水面油膜敏感，因此，利用紫外波段電磁波可把海面薄油膜顯示出來(lái)。

近紅外：厚度大于0.3mm的油膜，熱紅外比輻射率在0.95-0.98之間，海水的比輻射率為0.993。因此，當(dāng)油膜與海水實(shí)際溫度相同時(shí)，它們的熱紅外輻射強(qiáng)度是不同的。厚度小于1mm的油膜，其比輻射率隨厚度的增加而增加。因此，可通過(guò)紅外影像的灰度層次進(jìn)行油膜厚度反演，基于油膜的厚度和分布，進(jìn)而推算總溢油量。

微波石油遙感監(jiān)測(cè)波段特征：微波波長(zhǎng)較長(zhǎng)（1mm-30cm），具有很強(qiáng)的繞射透射能力，可以穿透云、雨、霧。運(yùn)用微波波段的被動(dòng)式和主動(dòng)式傳感器，均有監(jiān)測(cè)海面溢油的能力。波長(zhǎng)8mm、1.35cm和3cm的微波，不論入射角和油膜厚度如何，比輻射率比海水高。這樣，用微波輻射計(jì)可以觀測(cè)海面油膜。油膜的微波比輻射率隨其厚度變化，反映到微波輻射計(jì)影像上灰度隨油膜厚度變化，因此，用微波輻射計(jì)亦可監(jiān)測(cè)油膜厚度。

雷達(dá)石油遙感監(jiān)測(cè)波段特征：油膜對(duì)海面起平滑作用，使海面粗糙度降低，受油膜覆蓋的海面，對(duì)雷達(dá)脈沖波的后向散射系數(shù)明顯比周圍無(wú)油膜區(qū)小得多，因此在側(cè)視雷達(dá)和合成孔徑雷達(dá)圖像上，油膜成暗色調(diào)。雷達(dá)和微波遙感可以全天時(shí)、全天候地進(jìn)行海上石油監(jiān)測(cè)，缺點(diǎn)是地面分辨率低。論述我國(guó)內(nèi)陸湖泊藍(lán)藻水華遙感監(jiān)測(cè)研究進(jìn)展。近年來(lái)，我國(guó)內(nèi)陸水體富營(yíng)養(yǎng)化程度日益嚴(yán)重，導(dǎo)致藍(lán)藻水華大規(guī)模爆發(fā)，水華的監(jiān)測(cè)成了水質(zhì)治理的重要工作之一。遙感監(jiān)測(cè)技術(shù)具備監(jiān)測(cè)范圍廣、時(shí)間分辨率高、人力物力成本低的特點(diǎn)，成為水華監(jiān)測(cè)的主要手段。遙感監(jiān)測(cè)的主要數(shù)據(jù)：常用的有l(wèi)andsat衛(wèi)星TMETM+數(shù)據(jù)、spot衛(wèi)星HRV數(shù)據(jù)、MODIS數(shù)據(jù)，其他還有HY-1衛(wèi)星CCD數(shù)據(jù)、FY-1衛(wèi)星數(shù)據(jù)、ASTER數(shù)據(jù)、PM-1衛(wèi)星數(shù)據(jù)、EOS衛(wèi)星數(shù)據(jù)、 NOAA衛(wèi)星數(shù)據(jù)、AVHRR數(shù)據(jù)等。研究方向:水華識(shí)別及時(shí)空動(dòng)態(tài)、水質(zhì)參數(shù)反演、高光譜遙感監(jiān)測(cè)、水華預(yù)測(cè)預(yù)警、藍(lán)藻水華與環(huán)境的關(guān)系在湖泊營(yíng)養(yǎng)化方面主要構(gòu)建了營(yíng)養(yǎng)鹽模型、浮游植物生態(tài)模型、生態(tài)動(dòng)力學(xué)模型、人工神經(jīng)網(wǎng)絡(luò)模型等?；贛ODIS的太湖藍(lán)藻水華爆發(fā)時(shí)空規(guī)律分析研究：從空間上來(lái)講，太湖藍(lán)藻水華爆發(fā)頻次總體呈東南向西北逐步遞增趨勢(shì)，從時(shí)間上來(lái)講，太湖藍(lán)藻水華爆發(fā)年平均爆發(fā)強(qiáng)度增總體上升趨勢(shì)。研究結(jié)果表明:太湖總體水質(zhì)還是惡化的，水質(zhì)長(zhǎng)期滿足藍(lán)藻的生長(zhǎng)要求，只要滿足條件的誘導(dǎo)因素，就能導(dǎo)致水華發(fā)生。因此，深入研究藍(lán)藻爆發(fā)的時(shí)空規(guī)律，在此基礎(chǔ)上建立藍(lán)藻水華預(yù)測(cè)模型和預(yù)警體系，將為采取有效的防治和治理措施、減少由于藍(lán)藻水華爆發(fā)及其導(dǎo)致的水質(zhì)惡化帶來(lái)的社會(huì)與經(jīng)濟(jì)的影響提供技術(shù)支持。生態(tài)水力學(xué)耦合模型及其應(yīng)用：生態(tài)水利學(xué)模型在流域綜合治理、富營(yíng)養(yǎng)化機(jī)理研究與水華預(yù)報(bào)有著廣泛的應(yīng)用。巢湖水華遙感監(jiān)測(cè)與年度統(tǒng)計(jì)分析研究：通過(guò)分析水華發(fā)生頻率分布、水華起始日期分布及水華持續(xù)時(shí)間，獲得藍(lán)藻水華高發(fā)區(qū)、持續(xù)時(shí)間、移動(dòng)趨勢(shì)等，為環(huán)境管理提供技術(shù)支持。滇池藍(lán)藻水華光譜特征、遙感識(shí)別及爆發(fā)氣象條件研究：結(jié)果表明，通過(guò)MODIS衛(wèi)星6、2、1波段資料的假彩色合成，能基本反應(yīng)藍(lán)藻的大體分布信息。隨著藍(lán)藻水華覆蓋度的增加，假彩色合成法的顏色也從暗綠變?yōu)榱辆G，具有較好的視覺效果，主要表現(xiàn)為：1、藍(lán)藻水華區(qū)域與無(wú)水華區(qū)域?qū)Ρ让黠@，易于目視解譯；2、藍(lán)藻水華為綠色，無(wú)水華區(qū)為黑色。今后,對(duì)湖泊富營(yíng)養(yǎng)化遙感的重點(diǎn)研究方向：

(1)深入研究湖泊富營(yíng)養(yǎng)化參數(shù)的光譜特性,加深對(duì)富營(yíng)養(yǎng)化遙感機(jī)理的認(rèn)識(shí),以進(jìn)一步發(fā)展富營(yíng)養(yǎng)化遙感建模方法;

(2)多種遙感數(shù)據(jù)結(jié)合,提高富營(yíng)養(yǎng)化遙感監(jiān)測(cè)精度;

(3)加強(qiáng)對(duì)富營(yíng)養(yǎng)化遙感建模方法的研究,建立富營(yíng)養(yǎng)化綜合評(píng)價(jià)模型;

(4)遙感與GIS結(jié)合,GIS可以更有效組織、管理和分析遙測(cè)的數(shù)據(jù),與遙感集成,便于動(dòng)態(tài)監(jiān)測(cè)和分析;

(5)加強(qiáng)河道型水體富營(yíng)養(yǎng)化的遙感監(jiān)測(cè)與評(píng)價(jià)方法研究。論述當(dāng)前國(guó)內(nèi)外農(nóng)作物的遙感估產(chǎn)研究進(jìn)展

農(nóng)作物估產(chǎn)則是指根據(jù)生物學(xué)原理,在收集分析各種農(nóng)作物不同生育期不同光譜特征的基礎(chǔ)上,通過(guò)平臺(tái)上的傳感器記錄的地表信息,辨別作物類型,監(jiān)測(cè)作物長(zhǎng)勢(shì),并在作物收獲前,預(yù)測(cè)作物的產(chǎn)量的一系列方法。

包括三方面內(nèi)容：農(nóng)作物識(shí)別、種植面積估算、長(zhǎng)勢(shì)與旱情監(jiān)測(cè)和估產(chǎn)模式建立遙感估產(chǎn)的數(shù)據(jù)：MODIS時(shí)間序列數(shù)據(jù)、NOAA衛(wèi)星數(shù)據(jù)、高分辨率輻射儀（如AVHRR）數(shù)據(jù)、Landsat衛(wèi)星TM、ETM+數(shù)據(jù)、spot衛(wèi)星HRV數(shù)據(jù)、高光譜儀數(shù)據(jù)（如AMSS）、航空遙感和地面遙感數(shù)據(jù)水稻單產(chǎn)遙感估測(cè)建模研究YLDMOD模型是一個(gè)以水稻生長(zhǎng)模擬為基礎(chǔ)的估產(chǎn)模型。因此，不僅可以預(yù)報(bào)單產(chǎn)，而且可以監(jiān)測(cè)水稻長(zhǎng)勢(shì)；既可以預(yù)報(bào)小面積單產(chǎn)，也可估測(cè)大面積單產(chǎn)。基于MODIS與TM時(shí)序插補(bǔ)的省域尺度玉米遙感估產(chǎn)：基于時(shí)序補(bǔ)差的省域尺度玉米遙感估產(chǎn)方法能發(fā)揮TM和MODIS影響的各自優(yōu)勢(shì)，其預(yù)測(cè)精度能達(dá)到90%以上，為省級(jí)作物遙感估產(chǎn)提供了一種新的技術(shù)方法?；赟POTVGT/NDVI的陜西省關(guān)中地區(qū)冬小麥遙感估產(chǎn)：本研究所建立的遙感模型產(chǎn)量誤差均值為負(fù)值，范圍在-5.2%--7.9%之間，其中多元統(tǒng)計(jì)模型的預(yù)測(cè)精度最高，可能的原因是多元統(tǒng)計(jì)模型包含的信息更豐富，且靈敏度較高，能更好地反映各個(gè)月份的生長(zhǎng)狀況，所以估產(chǎn)精度較高