遥感应用模型1-绪论详解.pptVIP

热红外遥感来快速精确地获取区域和全球尺度上的陆地表面温度 从热红外遥感信息中同时反演陆面温度和发射率这一难题已经困扰各国科学家十多年了 当自然物体表面为多种材料的复合时, 得到了辐射波谱与温度的关系 * 在热红外对地遥感中, 象元的尺寸通常为几十米到几千米. 除了大面积的水面、沙漠、冰雪、茂盛的草原以外, 混合象元是难以回避的问题 李小文《科学通报》地表非同温象元发射率的定义问题 * * 我们可以认为一个混合象元由植被、裸地、水体组成，此时端元就是植被、裸地和水体。 如果我们需要在植被中区分小麦和林地，在裸地中区分村庄和撂荒地，则此时我们认为一个混合象元由小麦、林地、村庄、撂荒地和水体等端元组成。 端元的个数完全根据实际需要、遥感数据（多维）信息量、以及端元之间的差异而确定。 气象台站的点测量数据怎么和卫星遥感公里尺度像元的面数据转换, 理解, 或同化。 * * 由于已经观察到大量地表像元的非漫反射特性, 所以大量研究都致力于表面元素的非漫反射特性 * 物理模型：其模型参数具有明确物理意义，并试图对作用机理进行数学描述。 例如，表观土壤含水量ASW的表达式 d为土壤颗粒粒径，D为土壤土层厚度，ρs为土壤的密度，ρ为水的密度，h为相对高程，H为绝对高程，sinα为坡度，NDVI植被指数。 优点：精度高，可移植性强； 　　 缺点：此模型通常为非线性的，所以方程复杂，实用性较差；并且在复杂问题考虑中会产生大量参数，其中有些参数无法获取，从而采取近似，会产生误差，而对非主要因素有过多忽略或假定也会产生误差。 　　 半经验模型：突出上述两种模型的优点，回避其缺点。考虑经验数据和物理过程，其参数往往是经验参数，但有一定物理意义。 小 结 因此，目前遥感研究面临两大问题: 需要实现从定性到定量的过渡； 需要加强遥感科学基础的研究，强调通过数学的或物理的模型将遥感信息与观测地表目标参量联系起来。 3. 定量遥感面临的挑战 1. 寻找适合遥感对象的数学和物理学规律 电磁波和物理相互作用的规律是遥感的基础 经典物理中引入绝对粗糙面，而现实中99%都是既非完全光滑，又非完全粗糙面 经典物理的理论在多尺度的遥感环境下不一定适用 经典物理是在实验室下获得的，遥感对象复杂、环境多变，遥感物理远远复杂的多 互易原理（源与传感器互易原理） 地表非同温混合像元 黑体辐射公式描述了黑体表面辐射能量与波长和表面温度的关系 自然物体表面在给定温度下的辐射即可用同一温度下的M t 来描述 Planck 定律表面温度均一的要求可以放宽到表面温差小且随机分布的情况. 如果像元由2个不同的部分组成 从这个B中分别估计一个平均真实温度和一个等效比辐射率，在一定条件上, 某些波段的等效比辐射率将可能大于1 互易原理是电磁学、光学的基本假设之一，是辐射传输理论的基石，曾被当作检验遥感数据质量的标准 普朗克定律一直未经修正直接应用到对地遥感，成为地温遥感精度上不去的根本原因之一。物理学的权威说：地表状况不满足普朗克定律的条件，你们就别用。问题在于地学家很难修正地表状况，大多数又不敢修正物理定律 2. 混合像元（尺度问题） 例如: TM影像得到广泛应用后，人们发现用TM（分辨率30m）估算的农田面积显著不同于过去用AVHRR（分辨率1.1km ）估算的农田面积。 针对混合像元求解植被覆盖度 假设地物NDVI值由植被和土壤组成，则： NDVI Fc×NDVIv + （1-Fc）×NDVIs 其中，NDVIv和NDVIs分别为植被和土壤的NDVI值。 Fc为植被覆盖度，则 Fc （NDVI-NDVIs）/（NDVIv-NDVIs） 如果从遥感分析的角度，我们可以依据尺度由大向小排列顺序如下： 像元之间的关系，即遥感影像上的纹理特征； 像元本身的属性，如根据像元光谱特征，进行分类； 混合像元，即判断像元内部各种地物所占比例； 端元（冠层）反射，表征端元内部由于辐射进入，或邻近遮挡而引起的辐射变化； 材料波谱，如叶片内部各组分的结构与光谱特征。 其中第一个属于遥感数字图象处理研究范畴，后两个属于遥感物理研究范畴，而中间两个则属于二者交叉研究范畴。 混合像元本身的物理性质发生了变化（黑体、朗伯体） “如果像元内所有元素都是各向同性的漫反射表面, 则像元一定也是漫反射表面”？ 由于地表的三维结构导致像元内亮度不均匀, 从而局地尺度上处处为朗伯的，像元作为一个整体可以是全然非朗伯的。 3. 建模与反演 建模是指建立数学方程来描述物理过程 反演就好像是解方程或解方程组的问题 遥感反演就是建立遥感数据的地学理解 目前，国际上对地遥感反演的主流仍坚持沿用高斯的最小二乘法，坚持“定量遥感反演的必要条件是独立观测的个数大于未知数的个数” 独立方程组 未知参