微波遥感讲课演示文稿126.pptVIP

微波遥感; 六、城市SAR的主要应用 居民地检测 人口估算 城镇土地覆盖或利用的识别与制图 城镇土地利用的变化与城市化监测 城镇社会经济条件的分析 人类活动对环境的影响等 ;居民地检测 人口估计和居民地类型识别的前提 检测居民地 成像雷达特别适合 建筑物特殊的几何形态、材料和水平与垂直结构 (二面或三面角反射器)的分布产生强回波 在雷达图像上特别突出 城市和建筑物呈亮色回波 ;2000年12月成像的都江堰地区的机载L-SAR图像;武汉市 1998年 RADARSAT 影像;人口为1000以上的居民地在雷达图像上一般可以识别 如在苏丹、突尼斯、德国、美国和英国 很容易从SIR-A或S1R-B的L波段图像识别城市居民地 在英格兰利用K波段图像 识别人口在7000以上的居民地的精度达到了80％ ; 几点说明： 居民地的可识别性随着建筑的种类和功能而变化 建筑的材料影响可识别性 周围土地覆盖类型可引起与居民地特征的混淆 可能在一个地方有助于居民地的识别， 而在另个一地方却造成混淆 较小的居民地或中等城市比大的容易检测和定界 波长、极化、视向、视角影响居民地图像特征 解译者的经验和对研究区的熟悉程度影响识别精度 ;人口估计 人口普查的精度 在发达国家最好的 有2％—5％的误差 在其他地区，甚至达到过77％—208％的误差 人口普查与人口数据的发布之间较大的时间滞后 最好的情况，一年或更长的时间也是常事 第一次利用遥感数据 在利比里亚利用航片来统计居住单元的数量(1956年) 棚屋数量乘以由地面调查得到的 每一居住单元的平均人口数量 得到对总人口数量的估计;根据建筑区面积估算人口的理论基础 描述土地面积与人口之间关系的异速增长模型(1965年) 一块居民地的建筑区面积与人口数量的若干次方成比例 最初用来从公布的人口数量来估算建筑区的面积 这个关系很容易反过来用于 从量测到的土地面积来提取人口数量 建筑面积可以直接从图像上测得 换算公式的系数和指数可以从已有的人口数据或 抽样调查中经验地获得 ;美国19处城镇地区 利用K波段机载雷达图像做了测量(1969年) 美国5个地区的SIR-A图像 相关系数为0．98有4个地区 西班牙东部城镇的SIR-A图像 人口大于20 000的城市，得到0．98的相关系数 人口1 000到10000之间的城镇，得到0．89的相关系数;城镇土地利用类型及变化制图 美国几个城市的K波段多极化图像(1969) 很多人文特征可以识别 如工业区、购物中心、商业区、公共机构等可分 植被妨碍了居民地的识别 多数城镇土地覆盖类型的识别选择交叉极化图像比较合适 ;比较X波段与L波段数据 X波段图像比较合适 多波段、多极化更为有利 (Byran，1974，1975；Haack，1984) 可以识别出6到8种城镇土地覆盖类型 如工业区、商业区、娱乐区、居民区、水域、空地和 一些公用与交通设施 (Dowman and Morris，1982；Fasler，1980； Henderson，1985，1986) 混淆存在于一些传统的土地覆盖类型之间 如①独户住宅与空地，②工业区与商业区 ③商业服务区、轻工业区与中等密度居民区 ;七、雷达森林生态分析 森林对于全球碳循环、水循环以及能量平衡等极为重要 1983年美国宇航局NASA统计表明 全球33％的土地为森林覆盖 90％的生物量来自于森林 65％的净原生产物(net primary production)来自森林 随着全球人口的增加，森林资源不断地减少 准确、实时地获取全球森林变化的有关信息尤其重要;传统方法数据信息准确性极不稳定 遥感的方法可满足这方面的需求 例如，AVHRR数据 在多云雨和雾的热带—亚热带地区及高纬度地区 可见光和红外遥感受到极大的限制 微波遥感对云雾具有穿透能力 及全天时、全天候成像能力 成为能获取各种森林的生物物理参数的有利工具 可提高人们对全球气候、水循环和能量平衡等的认识 ;雷达遥感在森林中的应用已有二十多年历史 20世纪70年代初期 开始利用单波段真实孔径雷达 在北美和热带地区进行森林调查和制图研究 80年代 美国宇航局喷气推进实验室(NASA／JPL) CV—990／980AIRSAR和 加拿大遥感中心(CCRS)CV—580SAR为代表 多波段、多极化合成孔径雷达(SAR)系统 在北美和欧洲开展大量试验; 借助于光学遥感的图像处理方法和解译方法 开展森林类型识别、森林砍伐地与再生地评价、 生物量和森林结构估测等多方面的研究 在地面开展散射计测量工作 开始进行森林微波