遥感

遥感图像处理之计算植被覆盖度公式 网上经常可以看到类似这样的式子 (b1 gt 0.7)*1+(b1 lt 0.05) 0+(b1 ge 0.05 and b1 le 0.7) ((b1-0.05)/(0.7-0.05)) 但是这里面的0.7 和0.05是根据具体研究区域而变化的。 所以不能直接搬运。 公式原理 《植被覆盖度计算》 中的估算模型 NDVIsoil与NDVIveg数据获取 1.最好有实测数据 2.没有实测数据可以用统计结果中最大值代表NDVIveg，最小值代表NDVIsoil。 因为可能有误差和异常数值，一般选择累计达到所有像元总数2%以上的最小值，95%以上的为最大值。 可以参考 基于NDVI的新疆玛纳斯湖湿地植被覆盖度变化研究 里面关于获取植被覆盖度的描述 3.可以找到网上研究同一区域同一时间的论文或相关博客，参考其数据。 来源： CSDN 作者： Aigcl 链接： https://blog.csdn.net/Aigcl/article/details/104172951

微波是指波长在1mm-1m（即频率在300MHz-300GHz）电磁波，包括毫米波、厘米波、分米波、它比可见光-近红外的波长大得多。 微波遥感用的是无线电技术，而可见红光-近红外遥感用的是光学技术，通过摄影或扫描获取信息。 微波遥感有主动和被动之分。主动遥感就是人工发射探测源，而被动遥感就是利用地物自身发射或者反射的微弱电磁波，进而实现对地物的探测。 微波遥感的优势 ： 1.微波遥感具有全天时、全天候的的工作能力。雷达遥感不依赖于太阳光，而利用自身发射的电磁波，因此可以昼夜全天时工作；微波对大气衰减小，能在任何气候条件下全天候工作。 2.微波具有很强的穿透能力。不仅能够穿云破雾，而且能够穿透一定厚度植被、土壤、冰雪等，提供部分地表以下的信息。 3.主动微波遥感(SAR)记录电磁波的后向散射强度(振幅)、极化、相位(是干涉测量的基础)三方面的信息。 4.对地表粗超度、地物几何形状、介电性质(土壤水分)敏感。 5.可获得多波段、多极化、多角度的散射特征。 6.主动微波遥感(SAR)可用于精确定位、测距；且不依赖于距离，获得高空间分辨率的数据。 角反射器效应：若表面由两个或者三个相互垂直的镜状反射面组成. 微波在上述情况下可以产生多次散射，增强后向散射能量。 两个角反射使雷达图像上出现相应于两平面交线的一条亮线；而三面角反射使雷达图像上出现一个相应与三个面交点的亮点。 散射截面

1.遥感的基本过程 遥感 遥感就是通过搭载在遥感平台上的遥感通过远距离的探测物体发射和反射的电磁波信息，通过分析和处理，来实现远距离探测地面目标的过程。 遥感的基本过程主要有：遥感数据的获取—数据的处理、分析、数据应用 (1)能源 所有被动遥感所利用的能源均为太阳辐射能。太阳能的波谱范围包括紫外、可见光、红外等，是不同辐射波段的综合，它的强度随时间、地点而变化。被动遥感正是依赖于地表特征反射太阳辐射能或者自身发射的能量。 (2)在大气中传播 太阳辐射能在经过大气层时会受到大气中的微粒散射和吸收，使能量衰减。这种衰减会使得原本连续的太阳波谱变得残缺不全。此时我们就提到了大气窗口，这个概念，大气窗口就是在大气吸收较弱，而透过率较高的波段就称为大气窗口。 (3)到达地表的能量与地表物质相互作用 不同波长的能量在到达地表后，被选择性的反射、吸收、透射、折射等 (4)再次的大气传播 地表反射或发射的能量，再次通过大气，再次能量衰减。此时的能量已经不同于进入大气层时较为单一的能量，而是包含着不同地表特征波谱特征的能量。此时的大气效应对遥感影响较大，会造成遥感影像的辐射、几何畸变、图像模糊，直接影响到图像清晰度、质量、解译精度。 (5）遥感系统采集地物的电磁波信息 遥感系统是指不同的遥感平台和遥感器的组合。主要有被动遥感系统、主动遥感系统。不同的遥感系统均有自身的优势和不足。因而

这一章主要讲述遥感数据的四个分辨率、遥感观测对象的时间与空间、光谱特征 (1)遥感数据的特征 空间分辨率 ：空间分辨率是指遥感图像上能识别的最小地物的尺寸或者大小，或者区分两个地物目标的最小角度或者线性距离的测量。 IFOV：瞬时视场，指遥感器单个探测单元的受光角度 或观测视野，单位为毫弧度。IFOV越小，最小可分辨单元越小，空间分辨率越高。IFOV取决于遥感器光学系统和探测器的大小。一个瞬时视场内的信息，表示一个像元。 实际地物的可高分辨程度不仅取决于空间分辨率的具体数值，还取决于目标的形状、大小，以及它与周围物体的亮度、结构的相对差异有关。真正的识别效果，需要考虑环境背景复杂性等因素的影响。 光谱分辨率 ：是指遥感器所选用的波段数量的多少、各波段的波长位置以及波段间隔的大小，即选择的通道数、每个通道的中心波长(遥感器最大光谱响应所对应的波长)、带宽(用最大光谱响应的半宽度表示)，这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。但是综合解译较为困难，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。 时间分辨率 ：时间分辨率是关于遥感影像时间间隔的一项性能指标。遥感探测器按照一定的时间周期重复采集数据，这种重复周期又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏移系数等参数决定的

《制图学和地理信息科学》 Cartography and geographic information science. 1999年第26卷第1期起启用现刊名，季刊，原版刊号： 561B0098 ；刊号：ISSN:1523-0406 ；原刊名: Cartography and geographic information systems 刊号：ISSN:1050-9844；http://www.acsm.net;E-mail:infoacsm@acsm.net；《制图学和地理信息科学》由美国测绘和制图学会主办。刊载地理信息系统、数字地图和普通制图学方面的研究论文和评述，并提供最新的有关GIS数字地图方面的信息。读者对象为测绘学、地理学遥感等学科领域的研究人员与院校师生。 《制图杂志》 Cartography Journal，1964年7月起创刊，半年刊。原版刊号：561C0052刊号：ISSN:0008-7041；http://www.maney.co.uk/cartographic.html.;E-mail: maney@ maney.co.uk；《制图杂志》由英国制图学会主办。刊载有关制图学研究的权威性研究论文，报道各种用途的地图设计、绘制、着色、复制等方面的文章及学会会讯等。读者对象有地图出版工作人员和设计人员、地图管理者、高校师生及业余爱好者等。 《摄影测量工程与遥感》

之前做数字图像处理时的作业，整理上来备份一下。 近年来，目标检测在深度学习这波浪潮下经历了快速迭代和发展，包括两阶段的R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN系列的方法，更加上了FPN，FCN，Focal Loss等多种技巧，由于准确度较好，目前仍然在各种检测任务扮演者重要的角色，包括在遥感图像领域。与此相比，SSD，Yolo系列的一阶段检测方法，由于效率更高，在落地应用中展现出了强大的活力。 上述的R-CNN、YOLO系列几种经典目标检测算法在通用的PASCAL VOC，COCO数据集上都有不错的效果，但是在遥感领域却需要做很多针对性的优化，才能对遥感图像做较好的检测。遥感图像与自然场景下的普通图像相比，有如下特点： 角度是从空中拍摄，30度-90度 因图像涵盖范围广，小目标占比很大，分布密集 旋转不变性（船舶各个方向都有，但ImageNet中大树总是垂直的） 周围环境信息更重要 训练数据少，但单张图片像素可能极大（某些数据集不大） 图片可能包含其他各种信息，如波段，地理坐标 遥感图像的上述特点，使得对其进行精准的目标检测有很大的挑战。接下来本文将重点分析几篇和遥感图像目标检测有关的重要文献，并简单介绍调研到的其他文献。 第一篇是DOTA数据集[1](DOTA2018)，我们小组的课题打算在此数据集的更新版本(DOTA2019)上

前言 ​ 本资料整理了高光谱遥感图像概念定义、分析处理与分类识别的基本知识。第一部分介绍高光谱图像的一般性原理和知识，第二部分介绍了高光谱图像的噪声问题；第三部分介绍高光谱图像数据冗余问题以及数据降维解决冗余的方法；第四部分介绍高光谱图像的混合像元问题，对光谱解混做了一定介绍；第五部分和第六部分分别介绍了高光谱图像的监督分类和分监督分类的特点、流程和常用算法。 1.基本介绍 高光谱遥感(Hyperspectral remote sensing) 是将成像技术和光谱技术相结合的多维信息获取技术,同时探测目标的二维集合空间与一维光谱信息,获取高光谱分辨率的连续、窄波段图像数据。 高光谱图像与高分辨率图像、多光谱图像不同。 高光谱识别优势： 光谱分辨率高、波段众多，能够获取地物几乎连续的光谱特征曲线，并可以根据需要选择或提取特定波段来突出目标特征； 同一空间分辨率下，光谱覆盖范围更宽，能够探测到地物更多对电磁波的响应特征； 波段多，为波段之间的相互校正提供了便利； 定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提供了条件； 包含丰富的辐射、空间和光谱信息，是多种信息的综合载体。 高光谱在识别方面的困难： 数据量大，图像包含几十个到上百个波段，数据量是单波段遥感图像的几百倍；数据存在大量冗余，处理不当，反而会影响分类精度；

------------恢复内容开始------------ 　　研究冲淤问题需要利用WDM方法构建DEM，需要用到瞬时海面水深图。构建瞬时海面水深图有两个大方向，1.海洋数值模型 2.遥感反演水深。这里由于海洋数值模型不太熟悉（linux、fvcom不熟悉)，转而尝试去用遥感的方法反演得到水深平面图。 　　初步阅读遥感水深反演的相关论文，现进行总结。 　　（1）首先遥感水深反演有两种不同的方向。其一是解析法。通过建立传感器接收的辐射亮度值与底质反射率及水深的表达式来计算水深，但是由于参数计算依赖于大气校正的准确性，不易实现。其二是统计方法，根据实测点的水深值回归得到影像值与水深的关系，从而计算出水深，分为单波段、双波段、多波段模型，较为简单，易于实现。 　　（2）拟采用第二种方法。大体思路是先对目标区域采用单波段模型，选取相关系数最大的几个波段，然后再利用这几个波段构造多波段模型。 　　（3）数据源的准备问题。用于水深反演的数据资料： 　　　　1）卫星影像数据 　　　　2）水深实测数据，用作反演的控制点和反演结果的检验点。来源有电子海图数据、实测数据（SDE －28S 高频测深仪）、机载雷达获取的点云数据等。获得水深数据后，用瞬时水深减去测量时的潮高，把水深值校正到潮高基准面。 　　（4）其他问题 　　　　　　1.对于拟合的水深模型

ENVI遥感操作视频与讲解 一. ENVI 5 通用入门 二. ENVI 应用 链接: https://pan.baidu.com/s/1MNiXBDIco-7PSy-ARWSxuA 提取码: 7j1p 链接: https://pan.baidu.com/s/1VBSBwmsIvjcN0EDy0lDZZg 提取码: tper 链接: https://pan.baidu.com/s/1S-dlyYex99c3MbBk8C7Y3A 提取码: 9mvb 练习素材： 链接: https://pan.baidu.com/s/1A9Jk2ZdWbso2IZMvKvKZ7g 提取码: g47r 三. 英文手册 练习数据： 文档链接: https://pan.baidu.com/s/1zM1TWraTIOsX1TdeZ1eklA 提取码: fj2n 练习数据比较大，博主网盘装不下了，有需要私信联系。 其他的文章链接： 0.遥感常用资料一览： https://blog.csdn.net/weixin_44143671/article/details/101058973 1.ArcGIS操作视频与数据： https://blog.csdn.net/weixin_44143671/article/details/100981196 2.ENVI遥感操作视频与讲解 https://blog.csdn

ENVI遥感操作视频与讲解 一. ENVI 5 通用入门 二. ENVI 应用 链接: https://pan.baidu.com/s/1MNiXBDIco-7PSy-ARWSxuA 提取码: 7j1p 链接: https://pan.baidu.com/s/1VBSBwmsIvjcN0EDy0lDZZg 提取码: tper 链接: https://pan.baidu.com/s/1S-dlyYex99c3MbBk8C7Y3A 提取码: 9mvb 练习素材： 链接: https://pan.baidu.com/s/1A9Jk2ZdWbso2IZMvKvKZ7g 提取码: g47r 三. 英文手册 练习数据： 文档链接: https://pan.baidu.com/s/1zM1TWraTIOsX1TdeZ1eklA 提取码: fj2n 练习数据比较大，博主网盘装不下了，有需要私信联系。 其他的文章链接： 0.遥感常用资料一览： https://blog.csdn.net/weixin_44143671/article/details/101058973 1.ArcGIS操作视频与数据： https://blog.csdn.net/weixin_44143671/article/details/100981196 2.ENVI遥感操作视频与讲解 https://blog.csdn