《解译与分析》PPT课件.ppt

三、遥感图像解译与分析,3.1 遥感图像的解译3.2 遥感综合分析方法,三、遥感图像解译与分析,3.1 遥感图像的解译3.2 遥感综合分析方法,遥感图像的解译（Imagery Interpretation）,遥感图像解译:就是从遥感图像中获取需要的地学专题信息的过程。判读出遥感图像中有哪些地物（What）？它们分布在哪里（where）？它们之间是如何布局的（How）？并对其数量特征给予粗略估计（How much or How many）？,遥感图像的解译（Imagery Interpretation）,目视解译（目视判读）：专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。计算机解译（图像理解）：指以计算机系统为支撑环境，利用模式识别技术与人工智能技术相结合，调用专家知识库对遥感图像中目标地物的各种影像特征进行分析和推理，实现对遥感图像的理解，完成对遥感图像的解译。目视解译是遥感图像计算机解译发展的基础和起始点。,遥感图像目标地物识别特征,遥感图像中目标地物的识别特征：也称判读要素，它是遥感图像上能直接反映和判别地物信息的影像特征。包括形状、大小、阴影、色调、颜色、纹理、图案、位置和布局。解译者利用其中某些标志能直接在图像上识别地物或现象的性质、类型和状况；或者通过已识别出的地物或现象，进行相互关系的推理分析，进一步弄清楚其它不易在遥感影像上直接解译的目标，例如根据植被、地貌与土壤的关系，识别土壤的类型和分布等。,遥感图像目标地物识别特征,1、色调（tone）：也称灰度,或亮度。指影像上黑白深浅的程度，是地物电磁辐射能量大小或地物波谱特征的综合反映。色调用灰阶(灰度)表示同一地物在不同波段的图像上会有很大差别；同一波段的影像上，由于成像时间和季节的差异，即使同一地区同一地物的色调也会不同。目标物的组成不同，或含水量不同，或成像方式不同，其色调都会呈现显著的差异。,Tone,遥感图像目标地物识别特征,2、颜色（colour）：指彩色图像上色别和色阶，如同黑白影像上的色调，它也是地物电磁辐射能量大小的综合反映。用彩色摄影方法获得真彩色影像，地物颜色与天然彩色一致；用光学合成方法获得的假彩色影像；根据需要可以突出某些地物，更便于识别特定目标。目标物在影像上的颜色是目标物在不同波段上反射或发射电磁辐射能差异的综合反映。判读时，要注意图像采用的是什么合成方法，各波段是如何赋色的？要注意区分颜色间的微小差异。,Colour,遥感图像目标地物识别特征,3、阴影（shadow）：指影像上目标物，因阻挡阳光直射而出现的影子。阴影的形成与成像方式有关。如侧视雷达影像：目标物阻挡雷达波束穿透而形成；热红外图像：由于温度低形成。阴影的长度、形状和方向受到太阳高度角、地形起伏、阳光照射方向、目标所处的地理位置等多种影响，阴影可使地物有立体感，有利于地貌的判读。根据阴影的形状、长度可判断地物的类型和量算其高度。,遥感图像目标地物识别特征,4、形状（shape）：指目标物在影像上所呈现的特殊形状。地物在影像上的形状受空间分辨率、比例尺、投影性质等的影响。不同的地物都具有特有形状。机场：民用机场、军用机场的形状不同。体育场：椭圆形跑道道路：直，平行双线，行道树河流：弯曲线状物洪积扇：扇状,遥感图像目标地物识别特征,5、纹理（texture）：也叫影像结构，是指与色调配合看上去平滑或粗糙的纹理的粗细程度，即图像上目标物表面的质感。纹理可以帮助区别地物属性。山地、林地粗糙，平原、草场平滑 居民点住宅区呈网络状 岩溶地貌特殊网纹海滩的纹理能反映沙粒结构的粗细沙漠中的纹理可表现沙丘的形状以及主要风系的风向。,Texture,遥感图像目标地物识别特征,6、大小（size）：指目标物影像的尺寸，如长、宽、面积、体积等。对于形状相似而难于判别的两种物体，可以根据大小标志加以区别。如：水体：大湖泊、水库 小水塘 海边规则水体：大盐田 小养殖场,遥感图像目标地物识别特征,7、位置（site）：目标物的分布与周围地理环境总是存在一定的空间联系，并受其制约。飞机场位于城郊结合部 采石场附近有道路，有窑 沼泽土沼泽,遥感图像目标地物识别特征,8、图型（pattern）：目标物有规律地排列而构成的图形结构。可反映各种人造地物和天然地物的特征。各种地物都有其独特的图型结构。如：农用地：水田条纹，果园规则的网点状 旱地垄，住宅区：老城区街道弯曲，民房密集 新城区道路规则，棋盘状结构 农村居民点零星分布水系：树枝状、格子状、放射状、平行状等,Pattern,遥感图像目标地物识别特征,9、相关布局（association）：又称相关位置。指多个目标物之间的空间配置。地面上的地物与地物之间相互有一定的依存关系，通过地物间的密切关系或相互依存关系的分析，可从已知地物证实另一种地物的存在及其属性和规模。学校运动操场货运码头货物堆放区。火电厂大型烟囱石灰岩地区灰窑和采石场,遥感图像目标地物识别特征,九大特征中，颜色和色调是最基本的，形状、大小、阴影等都是通过不同的色调和颜色组合，变化而反映的。影像的色调与颜色，与地物的反射特征有关；与地物的表面性质有关；与选取的波段有关，并存在同物异谱和异物同谱；与气候条件有关；与时段有关；与仪器特征和处理手段有关。,遥感图像目标地物识别特征,遥感图像的解译成果的质量好坏取决于几个因素：选择合适的波段：水体近红外植被TM2、TM4森林火灾、城市热岛热红外地下埋藏物微波水面油膜紫外,遥感图像目标地物识别特征,选择合适的时相：道路宽度冬季 河口海岸涨潮、落潮农作物估产生长期、成熟期选择合适的比例尺（平台）,目视解译方法,直接判读法：根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的方法。直接判读标志：,色调、,颜色、,大小、,形状、,阴影、,纹理、,图型、,布局,位置、,目视解译方法,可见光波段黑白像片：水体：色调：呈灰灰黑 含有泥沙或植物：色调变浅 形状：线状的河流 面状湖泊、水库、海洋,目视解译方法,混浊的：浅蓝深蓝；清澈的：蓝黑黑水泥路面、建筑物：灰白色，灰蓝色 旧的：较深；新的：较浅,植被：红色,健康的：鲜红；有病害的：暗红；干枯的：青色,水体：蓝黑色，深蓝色,标准假彩色合成影像：,森林,城市,水体,农田,目视解译方法,对比分析法：根据已知地物的影像特征，或根据不同波段、不同时相的遥感图像特征进行对比分析的方法。同类地物对比：在同一景影像上、由已知地物推出未知地物。空间对比法：用熟悉的影像，判断另一相邻图像上特征类似的影像。如岩溶地貌的特征（桔皮状网纹），可以判断岩溶地貌的分布范围。,目视解译方法,时相动态对比法：利用同一地区不同时间的成像进行对比分析，可以了解同一目标地物的动态变化。如进行洪水淹没损失评估等。,目视解译方法,信息复合法：利用多种信息（包括专题图，地形图，遥感 影像）重合，综合识别遥感图像目标地物。如土壤类型解译：可以利用植被类型图与其复合，因为植被与土壤有密切的关联：热带雨林或亚热带雨林砖红性红壤亚热带常绿阔叶林红壤、黄壤森林草原黑钙土草原栗钙土荒漠草原灰钙土、棕钙土,目视解译方法,地形图也有助于识别地貌类型，土壤类型，植被类型。高山、中山条块状、棱状、肋骨状、树枝状。,目视解译方法,综合推理法：综合考虑遥感图像多种解译特征，结合生活常识，分析、推断某种目标地物的方法。如：铁路在大山脚中断铁路遂道 河流突然消失地表河转为地下河,目视解译方法,铁路与公路的识别：,目视解译方法,地理相关分析法：利用地学知识进行分析推断各种地理要素的性质、类型、状况等分布的方法。,目视解译方法,洪积扇：位置：山地河流出山口 形状：呈扇形：有分被散水流呈扇形展开上部：粗砂砾、保肥保水差，植被：少或无 色调：浅色调，灰白、浅灰色中下部：细粉砂、粘土，有保水保肥能力。植被：有植被分布。色调：变深，标准假彩色图上呈红或浅粉红前缘：洼地，地势低洼，有地下水溢出 色调：较深、局部地区有灰白色小斑块土壤盐渍化,目视解译方法,河流流向：沙洲水滴状尖端指向下游；两河流汇合处锐角尖端指向下游；桥墩下有水花、漩涡出现的一侧为下游。,目视解译一般程序,(1)了解影像的辅助信息：即熟悉获取影像的平台、遥感器，成像方式，成像日期、季节，所包括的地区范围，影像的比例尺，空间分辨率，彩色合成方案等等，了解可解译的程度。,目视解译一般程序,(2)分析已知专业资料：目视解译的最基本方法是从“已知”到“未知”，所谓“已知”就是已有相关资料或解译者已掌握的地面实况，将这些地面实况资料与影像对应分析，以确认二者之间的关系。,目视解译一般程序,(3)建立解译标志：根据影像特征，即形状、大小、阴影、色调、颜色、纹理、图案、位置和布局建立起影像和实地目标物之间的对应关系。,目视解译一般程序,(4)预解译：运用相关分析方法，根据解译标志对影像进行解译，勾绘类型界线，标注地物类别，形成预解译图。,目视解译一般程序,(5)地面实况调查：在室内预解译的图件不可避免地存在错误或者难以确定的类型，就需要野外实地调查与检证。包括地面路线勘察，采集样品(例如岩石标本，植被样方，土壤剖面，水质分析等等)，着重解决未知地区的解译成果是否正确。,目视解译一般程序,(6)详细解译：根据野外实地调查结果，修正预解译图中的错误，确定未知类型，细化预解译图，形成正式的解译原图。,目视解译一般程序,(7)类型转绘与制图：将解译原图上的类型界线转绘到地理底图上，根据需要，可以对各种类型着色，进行图面整饰、形成正式的专题地图。,三、遥感图像解译与分析,3.1 遥感图像的解译3.2 遥感综合分析方法,遥感综合分析方法,1.地学相关分析法2.分层分类法3.变化检测4.GIS分析,1.地学相关分析法,地球系统各种要素或地物具有一定的相关性。地学相关分析法：在遥感图像上寻找目标识别的相关因子即间接解译标志，从而推断和识别目标本身。主导因子相关分析法 多因子相关分析法,2.分层分类法,分类树：,2.分层分类法,特点：用逐级逻辑判别的方式，避免出现逻辑上的分类错误。运用分层分类法，把复杂景物或现象简单化了。根据不同目的要求进行层层深化，相互关系明确，局部细节描述得更为清楚，避免了数据的冗余。比传统的统计分类法更适于处理非正态、非同质(分布不均)的数据集。,2.1 建立分类树的基本条件,所要表达的类别在各层次中均无遗漏。各类别均必须具有信息价值，即必须与识别的目标对象有关联、有意义，在分类中能起到作用。所列类别必须是通过遥感图像处理能加以识别、区分。也就是在图像上有明确的显示或可以通过图像数据来表达。,2.2 基于知识的分层分类（洞庭湖区洪水灾情）,根据研究区地物的地域分布规律，划分三个地域因子堤垸内、堤垸外过渡区、水区。堤垸内农田、生活用地、园地、水体、水渠、公路、堤垸；堤垸外过渡区芦苇地、芦草混生地、泥沙滩地、淹没区、湖水边缘区；水域江水、湖水,2.2 基于知识的分层分类（洞庭湖区洪水灾情）,结合地域因子，设计分层分类树。在分类树的每个结点上，运用光谱数据和光谱知识，采用多种光谱指数提取专题特征信息，并运用阈值法，根据像元亮度与阈值的关系来确定像元的类别，进行专题分类。,2.2 基于知识的分层分类（洞庭湖区洪水灾情）,首先用TMlTM5+TM7将水陆区分，以提取各种水体信息；用TM5TM4比值图像来区分不同泥沙含量的水体泥沙含量大的江水、泥沙含量中等的湖水以及泥沙含量少的水体。再用TM3TM2区分淹没区与湖水边缘区；农田与芦苇光谱相似，用地域因子(堤垸内、堤垸外过渡区)，则将之区分；用TM4TM3比值植被指数把芦苇地与芦草地区分开来。,2.2 目视解译中的分层分类（腾冲地区植被分类）,首先，根据植被地貌相关的特点，把与一级地貌单元相对应的植被分为三类，其纹理、色调各有差异。山地林地、高原草地、盆地耕地其次，以植物群落的生态系统为依托，在分类树的每个结点上，建立相应的解译识别标志。,2.2 目视解译中的分层分类（腾冲地区植被分类）,直接解译标志色调如林地因属种、高度、密度等变化大，其色调及均匀度较草地等有明显差异；纹理结构如耕地具明显的线状延伸条纹；形状如针叶林多为圆锥状，阔叶林多为椭圆形、卵形、半球形；大小如乔木树冠颗粒大(02mm)，灌木冠部颗粒小(02mm)；高度可以通过阴影来判断目标个体的高度如乔木高、灌木低。,2.2 目视解译中的分层分类（腾冲地区植被分类）,间接解译标志。海拔高度1800m作为矮禾草与高禾草草地的分类界线；1600m作为水稻中双季稻与单季稻的分类界线；地貌部位低中山灌丛可进一步分出干燥缓坡的常绿灌丛和极干陡坡的有刺灌丛；地理位置它决定了水热条件的变化，如对于常绿阔叶林的木荷，在腾冲县城以南为以峨嵋木荷为主，以北为以银木荷为主；土壤母质如灰岩成壤多分布草地，花岗岩、砂页岩成壤多分布常绿阔叶林；人类活动如人造林多为木荷为主的常绿阔叶林，天然林多以栲、石栎为主。,3.变化检测,变化检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。它涉及到变化的类型、分布状况与变化量，即需要确定变化前后的地面类型、界线及变化趋势。,3.1 变化检测的图像的选择,最好选同一个遥感系统的图像尽可能选用每天同一时刻或者相近时刻的遥感图像，以消除因太阳高度角不同引起的图像反射特性差异。尽可能选用年间同一季节，甚至同一日期的遥感数据，以消除因季节性太阳高度角不同和植物物候差异的影响。最好是采用具有相同的瞬时视场(1FOV)或相近的俯视角的遥感数据；最好采用无云或水汽不很浓的图像。,3.2变化检测的方法,3.2.1 光谱类型特征分析方法3.2.2 光谱变化向量分析方法3.3.2 时间序列分析,3.2变化检测的方法,3.2.1 光谱类型特征分析方法3.2.2 光谱变化向量分析方法3.3.2 时间序列分析,3.2.1 光谱类型特征分析方法,多时相图像叠合方法将不同时相遥感图像的各波段数据分别以R(红)、G(绿)、B(蓝)图像存储，从而对相对变化的区进行显示增强与识别。如：利用两个时相的SPOT-Pan图像，分别赋予红、绿、蓝色。若早期的SPOT图像用红色表示，后期的图像用绿和蓝色表示，则：没有变化的地表常显示为灰色调。,多时相图像叠合方法,由低反射率到高反射率的地表变化(如植被到裸地)显示为青色(cyan)；由高反射率到低反射率的地表变化(如裸地到居住区)则显示为红色。变化区域由于其对应的亮度值变化，可以在叠合图像上得到清楚的显示。一般反射率变化越大，对应的亮度值变化也大，可指示对应的地表土地利用方式已经发生了变化；这种叠合分析方法可以直观地显示两到三个不同时相的变化区域，便于目视解译，但是无法定量地提供变化的类型和大小。,1998年南宁NDVI,2006年南宁NDVI,-0.1,0.5,南宁NDVI 2000与2006年 两时相假彩色合成图红色-植被指数减少 青色-植被指数上升 灰色、黑色-植被指数不变,R:1998NDVIG:2006NDVIB:2006NDVI,图像代数变化检测算法,图像差值将一个时间图像的像元值与另一个时间图像对应的像元值相减。在新生成的图像中，图像值为正或为负则是辐射值变化的区域，而没有变化的区域图像值为0。在8bit图像中，像元值范围为0255，其图像差值的范围为255255。由于差值往往为负值，故可加一个常量C。差值图像的亮度值常近似高斯分布，没有变化的像元多集中在均值周围，而变化的像元分布在尾部。,图像代数变化检测算法,图像比值将一个时间图像的像元值与另一个时间图像对应的像元值相除。新生成的比值图像的值域范围为01，没有变化的区域图像值为1。为了勾画出明显变化区域，需要设置一个阈值(threshold)，将差值或比值图像转换为简单的变化无变化图像，或者正变化负变化图像，以反映变化的分布和大小。阈值的选择必须根据区域研究对象及周围环境的特点来定。在不同的区域、不同的时间、不同的图像上采用的阈值会有所不同。通常，通过差值或比值图像的直方图来选择“变化与“无变化”像元间的阈值边界，并需要多次反复试验。,多时相图像主成分变化检测,对经过几何配准的不同时相遥感图像进行主成分分析(PCA)，生成新的互不相关的多时相主成分分量的合成图像，并直接对各主成分波段信息进行对比，检测变化。主成分是由一个方差协方差矩阵计算得到，通常需要将协方差矩阵标准化，即除以一个适当的标准偏差，以消除不同变量尺度差异产生的影响，提高图像的信噪比。主成分变化检测方法虽然简便，但只能反映变化的分布和大小，难以表示由某种类型向另种类型变化的特征。,分类后对比检测,对经过几何配准的两个(或多个)不同时相遥感图像分别作分类处理后，获得两个(或多个)分类图像，并逐个像元进行比较，生成变化图像。根据变化检测矩阵确定各变化像元的变化类型。此方法的优点在于除了确定变化的空间范围外，还可提供关于变化性质的信息，如由何类型向何类型变化等；其缺点在于一方面必须进行两次图像分类，另一方面变化分析的精度依赖于图像分类的精度。图像分类的可靠性严重影响着变化检测的准确性。,变化检测的方法,1光谱类型特征分析方法2光谱变化向量分析方法3.时间序列分析,光谱变化向量分析方法,对两个不同时间的遥感图像，进行图像的光谱量测，每个像元可以生成一个具有变化方向和变化强度(大小)两个特征的变化向量。变化强度(CMpixel)通过确定n维空间中两个数据点之间的距离(欧氏距离)求得 Cmpixel=（BVijk（date2）-BVijk（date1）2每个像元的变化方向可归为2n种模式。对应这2n 种变化模式设定其方向码。,对于像元（i,j）的光谱变化向量,光谱变化向量分析方法,变化向量分析的结果可输出两幅几何上配准的图像：变化强度图像和变化方向码图像，以提取区域变化信息。在实际应用中，可根据区域具体情况对变化强度设定一个阈值。若像元的变化强度在此阈值范围内，可以认为该点未发生类型的变化，若超出此阈值范围，则可判断该点已经发生了类型变化。将变化向量信息与其他图像特征结合起来可进一步分析区域内有关专题类型变化的规律。,变化检测的方法,1光谱类型特征分析方法2光谱变化向量分析方法3.时间序列分析,时间序列分析,时间序列分析:通过对一区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规律。首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。为了实现时间序列分析，要求遥感监测数据有一定的时间积累。如进行区域生态环境变化、土地退化或沙漠化的监测就需要有若干年甚至数十年的遥感数据，才能得出有价值的连续变化结果。,时间序列分析,变化特征的确定:图像特征应当是比较灵敏地反映地面变化的环境指数。如:红光和近红外区是植物遥感中使用的主要波段。两波段比值或差值的组合更增强了对光合作用的敏感度。归一化植被指数NDVI在一定程度上反映了像元所对应区域的土地覆盖类型的综合情况。其数值介于(1，+1)之间。典型情况下的NDVI值：水0.1。,时间序列分析,在生态环境变化研究中常常采用NDVI或相关的其他环境指数作为时间序列分析的图像特征。区域NDVI值随时间周期性的升高和降低是植被生长周期的典型体现。分析区域植被变化的一个有效方法就是观察像元NDVI曲线的时序变化：植被生长，NDVI增加；植被死亡，NDVI降低。,时间序列分析,NDVI并不总是有效的。例如，KWeiss等在评估沙特阿拉伯部分牧场土地沙漠化状况中发现，由于地处干旱地区，区域内植被覆盖稀疏，植被的季节变化并不明显，利用NDVI难以确定植被覆盖逐渐衰退的趋势。利用每月或年植被指数的变异系数(COV coefficient of variation)作为植物生物量监测的变化特征。COV=NDVI值的标准差()和均值()之比,时间序列分析,变化分析：对每个像元的变化特征值绘制时间序列变化曲线，并分析其变化过程与趋势。COV的变化可用于识别植被生长周期的变化，如干旱、半干旱区NDVI的变化系数COV的下降，或反映该区雨量的减少，或反映该区生物生产力的降低。对每个像元的COV作一个线性回归，可以反映变化趋势。如果COV值随时间减少，即NDVI降低，即表明该像元代表的地区正在沙漠化；如果回归线的斜率增加，NDVI增大，可能是由于降雨量的增加或者农业灌溉发展造成植被密度变大的结果。,时间序列分析,在某些地区研究结果表明：正COV斜率的出现是由于不再放牧，植被重新生长；斜率为0或负值的区域，通常是由于植被覆盖减少，呈现严重土地退化。,