1、,（1）工作流程,1 土地利用遥感调查,简单说，包括 1.野外调查、2.建立解译标志库； 3.影像信息提取； 4.成果处理。,（2）外业调查,1 土地利用遥感调查,（3）解译标志库,1 土地利用遥感调查,（4）选择信息提取方法,手工勾绘；自动分类；,基于像元的分类,面向对象的分类,1 土地利用遥感调查,（5）面向对象分类,德国制造面向对象分类软件eCongnition,1 土地利用遥感调查,（6）结果的输出与编辑,输出,编辑,1 土地利用遥感调查,（7）成果输出,1 土地利用遥感调查,（1）研究方法,2 土壤侵蚀遥感调查,目视判读 指标综合 影像分类 ,研究方法,定性方法,定量方法,侵蚀模型
2、多时相DEM 核示踪 ,（2）指标综合方法,2 土壤侵蚀遥感调查,“土壤侵蚀分类分级标准 SL 190-96”,（2）指标综合方法,2 土壤侵蚀遥感调查,（3）侵蚀模型,2 土壤侵蚀遥感调查,通用土壤流失方程,（3）侵蚀模型,2 土壤侵蚀遥感调查,（3）侵蚀模型R因子,2 土壤侵蚀遥感调查,R因子的计算，采用月降雨资料的简易计算公式：,Pi为月雨量mm；P为年雨量mm。,（3）侵蚀模型K因子,2 土壤侵蚀遥感调查,K与土壤性质之间的关系式：,式中，M表示颗粒分析参数（粉砂+极细砂百分数）乘以（100-粘土百分数）；a表示有机质百分含量；b表示土壤分类中土壤结构级别；c 表示土壤剖面参数级别。,
3、（3）侵蚀模型K因子,2 土壤侵蚀遥感调查,利用186个土壤剖面资料计算K值，并结合土壤类型图将K值扩展到整个研究区：,基于DEM提取坡度坡长，进而计算LS因子，公式如下，（1）坡长因子,式中，L为坡长因子，为坡长（m），m为坡长指数。,（2）坡度因子,式中S为坡度因子，为坡度。,（3）侵蚀模型LS因子,2 土壤侵蚀遥感调查,（3）侵蚀模型LS因子,2 土壤侵蚀遥感调查,C因子的计算采用我国几位研究者建立的植被因子与植被覆盖度的关系（如下表）。对于其他地类，结合蔡崇法等（2000）、王万忠等（1996）、许月卿（2008）等提出的不同土地利用C值并结合当地土地利用及农事活动情况确定C值，水田定
4、为0.1，旱地定为0.22，城镇居民点建设用地为0.0，水域与裸岩为0.0。,（3）侵蚀模型C因子,2 土壤侵蚀遥感调查,（3）侵蚀模型C因子,2 土壤侵蚀遥感调查,参照蔡崇法等（2000）、王万忠等（1996）、许月卿（2008）等提出的P值，自然植被和坡耕地P因子为1，水田为0.01，旱地为0.4，林地为1，灌草地为1，农村居民点为1，果园为0.8，梯田为0.03，水域与裸岩为0.0。,（3）侵蚀模型P因子,2 土壤侵蚀遥感调查,（3）侵蚀模型P因子,2 土壤侵蚀遥感调查,3 侵蚀模型计算结果,2 土壤侵蚀遥感调查,研究区平均土壤侵蚀模数为1314.10t/km2a,（1） 时相变换的原因
5、,获取覆盖密云水库上游的2004年SPOT5影像，时间跨度为5月189月9日。植被覆盖计算结果如上图所示。,3 植被覆盖时相变换,（2） 植被覆盖度计算方法,3 植被覆盖时相变换,植被覆盖度被定义为单位面积内的植被绿叶垂直投影面积。它是植物群落覆盖地表状况的一个综合指标，是衡量地表植被状况的一个最重要的指标，也是许多学科的重要参数。采用最常用的像元二分模型计算植被覆盖度，公式如下：,（3） 不同植被的覆盖度变化规律,1）根据土地利用图将植被类型细分为耕地、乔木林、灌木林、草地、其他五类，其中水域的覆盖度肯定为零，所以这里不作考虑。 2）将土地利用图重采样为5m的栅格图，并与相应的MODIS数据
6、严格配准； 3）利用像元聚合方法将50*50的土地利用聚合成对应的MODIS像元大小，从而计算乔、灌、草、耕地和其他类在对应的MODIS像元中的百分比组成。,3 植被覆盖时相变换,（3） 不同植被的覆盖度变化规律,像元聚合方法,3 植被覆盖时相变换,4.3 不同植被的覆盖度变化规律,像元聚合结果，得到对应MODIS像元内不同植被覆盖的组成百分比,3 植被覆盖时相变换,不同植被纯像元个数统计,根据聚合的结果，统计组成百分比为100%的像元，如下表所示。,统计研究区内不同植被的纯像元，得到研究区内不同植被覆盖度的变化规律，如下图所示。,3 植被覆盖时相变换,4.3 不同植被的覆盖度变化规律,不同植
7、被覆盖度变化规律,3 植被覆盖时相变换,（4） 时相变换思路,假如一个MODIS像元覆盖几种植被类型X、Y与Z， 它们本身的植被覆盖度分别为x、y与z，分别占有MODIS像元的面积百分比为、与，如图所示。那么这个MODIS像元的植被覆盖度FC可以表示成下式：,MODIS像元内植被覆盖类型比例示意图,3 植被覆盖时相变换,假设植被覆盖X、Y与Z的覆盖度比例关系为 则：,上式中，FC为MODIS的覆盖度，已计算得到；、与为不同植被占MODIS像元百分比，即为土地利用图的聚合结果；k、m和l可以从不同植被覆盖度的变化规律中利用均值的比例代替。,3 植被覆盖时相变换,3 植被覆盖时相变换,理论上，xm
8、1、ym1与zm1应该分别与植被X、Y与Z在SPOT影像上所对应的像元的均值相等，但由于尺度等原因一般不会相等，但MODIS像元内不同植被的覆盖度与SPOT影像所对应的植被覆盖度在两个时相T1与T2上的比值应该近似相等，即：,那么我们想要的时相T2的SPOT覆盖度应分别为：,3 植被覆盖时相变换,根据以前的推导，上述三个式子中各变量可以计算如下：,3 植被覆盖时相变换,3 植被覆盖时相变换,（5） 时相变换结果,变换结果显示，边界差异明显减小,4 几何光学模型,（1） 模型应用目的,本模型用于对森林地区冠层反射率的求算。所谓冠层反射率，指植被上界出射辐射与入射辐射的比值。,4 几何光学模型,（
9、2） 模型假设条件,模型有 2个主要假设：稀疏分布：森林中树木分布非常稀疏，相互之间没有遮挡，树木阴影没有重叠；椭球树冠：树冠形状为椭球。它有固定几何形状，而且数学表达简单。,4 几何光学模型,（3） 模型思路,利用坐标转换可以进一步将椭球转换为球型，使数学表达更为简单。,假设树冠是一个垂直半径为 b，水平半径为 r的椭球，球心位于一个坡度为s、方位为s的坡面上方h。,椭球向球型的坐标转换,4 几何光学模型,首先我们定义一个新的高度坐标：,在新的坐标空间里，原来的直线仍为直线，椭球变成了球，而几个变量分别变为：,入射方向天顶角： 观察方向天顶角： 坡度角： 球心高度：,纵轴方向压缩,4 几何光
10、学模型,坐标系旋转,然后再旋转坐标系，使坡面的法向成为新坐标系的z轴，即 x 轴旋转 s，z 轴旋转 s。 在新的坐标空间里，入射方向与观测方向的天顶角和方位角、球心高度等都会发生变化，具体的公式更加复杂，可以自行推导。,4 几何光学模型,坐标系变换结果,经过这样 z 方向的线形拉伸和坐标系向坡面方向旋转，斜坡上的椭球植株（林木）的几何光学问题就完全等效于水平地面上的球型植株问题。 因此，在下述推导中，我们均会采用水平球型的几何分布假设，而不失各种椭球假设的一般性。,4 几何光学模型,（3） 模型思路,平面球星植株四分量,对稀疏森林成像时，遥感象元反射率由四部分组成，即光直接照射的树冠、树冠阴
11、影面、直接照射的地面（背景）、阴影遮蔽的地面。,4 几何光学模型,（3） 模型思路,平面球星植株四分量,类似混合象元，象元（冠层）的反射率为：,R = KCRC + KTRT + KGRG + KZRZ,KC、KT 、 KG 、 KZ分别为几何光学模型中的四个分量，即光照树冠、阴影树冠、光照背景、阴影背景在象元中所占面积比例，RC、RT、RG、RZ则分别为上述四个分量的反射率：,4 几何光学模型,（3） 模型思路,平面球星植株四分量,几何光学模型的基础就是四分量模型，上式是其基本模型，所有后续模型都建立在上式的基础上。其关键在于根据假设条件，求取KC、KT 、 KG 、 KZ的表达式，条件不同
12、，面积比例 K 的表达式也不同。,4 几何光学模型,垂直下视条件下的 1 棵树的光照树冠面积aC,许多传感器，如Landsat、SPOT均可以近似看作垂直下视（nadir view)。,如左图，假设太阳以i角入射半径为r 的球型树冠，则图中以粗线表示的光照树冠面积为：,4 几何光学模型,垂直下视条件下的 1 棵树的阴影树冠面积aT和阴影背景面积aZ,如左图，假设太阳以i角入射半径为r 的球型树冠，则阴影背景面积即是以粗线表示的面积在水平面上的投影：aZ = r2/cosi = r2seci,阴影树冠面积为：,4 几何光学模型,垂直下视条件下 1 个象元中四分量的面积,假设 1 个象元内有 n棵
13、树，则四分量的面积分别为：,若象元面积为 A，则光照背景面积为：,4 几何光学模型,为了反演方便，将遥感成像的森林进行参数化，引入统计数据，即林区单位面积内树木的平均个数 ，以及树冠平均半径 R。因而存在：,此时，1 个象元中四分量的面积分别为：,统计量的引入,4 几何光学模型,平面球星植株四分量比例,垂直下视条件下 象元中四分量的面积比例,将上述AC、AT、AZ、AG四个表达式分别除以象元面积 A，则光照树冠、阴影树冠、阴影背景、 光照背景在象元中所占面积比例分别为：,4 几何光学模型,（3） 模型思路,任意视角方向下 象元中四分量的面积比例,将前面推出的垂直条件下的四分量面积比例公式推广到
14、任意视角，使其具有更加普遍的意义。,如左图，假设太阳入射方向为 i(i , i)，传感器观测方向为 v(v, v)。 通过旋转坐标系，使传感器方向变为垂直，即可直接采用树冠直视时的公式。,推广至任意角,4 几何光学模型,旋转坐标系后，太阳的入射角即变为太阳入射方向 i与传感器观测方向v的夹角，并有：,参考直视时树冠比例：,我们进而得到任意视角下光照和阴影树冠比例：,主要内容,2.3.1 遥感模型,（1）遥感信息特征遥感技术所获得的信息，除极少数的表现形态的描述可以直接应用外，绝大多数需要经过某些模型完成信息转换后才能被应用；根据地面特征在遥感影像上的表现能力，相应的提取技术可分为直接信息提取和
15、隐藏信息提取；,2.3.1 遥感模型,构建信息模型，需要注意遥感信息表现形式的差异。如土壤肥力的差异，表现为地表植被植被的长势好坏根据信息处理的复杂程度，可将遥感信息分为一次性信息和再加工信息。,2.3.1 遥感模型,（2）遥感模型研究遥感技术研究地球的实质：是以各种数字或模拟影像来模拟地表景观，用物体的光谱特征来刻划地面物体的物理、化学、形态等方面的属性。,2.3.1 遥感模型,地面特征遥感信息模型：基于地面物体与遥感信息存在数学和地学意义上的对应关系，借助于多光谱遥感信息来客观描述地面物体和特征。,2.3.1 遥感模型,当前遥感图像处理和分类方法的缺陷：试图在统一的模式下识别出遥感影像上所
16、反映的各类地物，由于地球表面景物的复杂多样性以及影响遥感信息因素的复杂多样性，导致以统一的模式几乎不可能。,遥感模型的类别及其内涵,2.3.2 地面特征遥感信息模型研究,（1）建模方法传统的监督、非监督分类方法利用图像的统计特征对整幅影像进行信息提取，仅利用了最直接的光谱信息；在传统方法基础上加入空间特征和知识数据，实质是初分类基础上的后处理；首先分析已有地物的遥感特征建立地物的遥感信息模型，再结合图像进行地物光谱分析，形态结构分析，调整和修改模型参数。,2.3.2 地面特征遥感信息模型研究,遥感信息模型的组成,2.3.2 地面特征遥感信息模型研究,从影像理解的角度建立遥感信息模型关键是多种知
17、识模型的建立，可以分别选用多种知识表达模型，为不同应用领域和不同方向构造各自的知识库；建立地面特征遥感信息模型的关键在于首先对多种地面特征，特别是环境独立因子的波谱特征及其在不同传感器上的表现有深刻的认识，通过大量具有代表性的样本的分析，总结内在规律，充分反映地面特征的属性、空间分布及其时相变化特征；,2.3.2 地面特征遥感信息模型研究,由于地球表层景观的高度复杂性，地学现象空间分布的差异性和时域的变异性，针对一定地面特征在一定时空条件下所建立的遥感信息模型需要进行大量验证实验，并进一步从遥感信息机理，模型因子与构造等方面给予修改和完善，从而生成可实用模型。,2.3.2 地面特征遥感信息模型
18、研究,（2）多类型的地面特征遥感信息模型由于遥感信息是一种综合性的信息，以及环境影响因素的多样性，所以不可能按统一的程式构建遥感信息模型；遥感图像提供的信息有限；遥感信息所反映的是地物的群体特性而不是地物的个体特性，细碎地物和地物的细节得不到反映；,2.3.2 地面特征遥感信息模型研究,实际应用中的三个层次模型：基于光谱矢量的地面特征信息模型；一些目标如水体、植被等具有独特的多波段光谱特征，遥感信息与地面目标通常具有一对一关系，这类模型是研究的出发点，称为基类模型。基于多源信息的地面特征遥感信息模型;多数地面目标不能仅依靠单一的模型，需要使用多时相的遥感信息或其他辅助数据建立相应地面特征遥感信
19、息模型，这类模型是在基类模型的基础上，通过派生机制，增加新元素项建立的。,2.3.2 地面特征遥感信息模型研究,基于地学知识的地面特征遥感信息模型；有些地面目标或现象，尤其是隐藏遥感信息的提取，需要进行复杂的处理和较深入的分析才能识别。不仅需要光谱信息，还需要地学知识以、专家知识和经验，其内容包括知识发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。 具体的地学知识包括：地学辅助数据、专家解译知识、经验和常识、地物波谱特性、地物空间分布及空间相互关系、地物纹理特征、地物时相分布特征及发展规律。,2.3.3 光谱特征模型的建立,（1）光谱模型的建立在多光谱图像的地物识别中，目视判读
20、具有主观性和低效率；而多模式分类技术因把识别问题转化为光谱特征空间的定量求解而具有客观性和高效率；多种不同的应用目的使得选择单一的分类方案不可行。,2.3.3 光谱特征模型的建立,建立快速反映和实用性强的模型： （1）尽量减少在确定规则形式和参数过程中过多地人工因素，在一定程度上代之以质量参数约束下的自动生成方法； （2）规则需要产生于实际的数据环境，并随数据的变化而调整；,2.3.3 光谱特征模型的建立,基于光谱特征的分类的总体原则： （1）对于多变量图像，不能孤立地根据个别变量的数值进行分类，而要从整个向量数据的特征出发，即像元点在多维特征空间中的位置及聚集情况； （2）分类的实质是把多维
21、特征空间划分为若干区域，每个区域相当于一类；分类或划分区域的标准可以概括为两种方法：* 由每类的统计特征出发，研究其所归属的区域；* 由划分类与类之间的边界出发建立判别函数进行判别分析；,2.3.3 光谱特征模型的建立,多种数据的结合可以扩展光谱模型的外延： 以TM和雷达影像为例，TM 雷达影像 C4/C33.0 则为植被； 1)CC3C4C5 土壤； 3)T10.6,2.3.3 光谱特征模型的建立,利用两组规则可以完成一幅图像上看上去彼此无关的分类： 1)是土壤且产生镜面反射 则为 裸土地； 2)是土壤且产生角反射效应 则为 城区； 3)是植被且产生镜面反射 则为 草场或幼林； 4)是植被且
22、扩散成分大 则为 树林或灌木； 5)是水体且产生镜面反射 则为 湖面等； 6)是水体且扩散成分大 则为 流动水体；,2.3.3 光谱特征模型的建立,（2）光谱知识的表达和利用由于众多因素的影响会导致地物光谱特征的改变以及相应类别的混淆，且这些因素具有随机性和复杂性，使得在提取光谱知识时既不可能逐个定量考虑这些因素，也无法为他们产生的综合效应建立整体的分析模型。数值范围的设置旨在给定基于所选特征，确定用于区分不同类型的阈值区间。,2.3.3 光谱特征模型的建立,一级光谱知识对于识别地物具有较高的可靠性，一般用于一个层次识别的上层，或在一个混合识别方案中为其他方法提供核心影像信息。 获取光谱知识需要考虑的两个问题：选择区分不同地面覆盖的最佳光谱特征；为这些光谱特征设置用于决策的数值范围。,2.3.3 光谱特征模型的建立,TM数据区分地物：水体与陆地的区分基于随波段增加波普反射率降低的独特特征；再在获得的水体中进一步细分；不同时相数据可以得到动态变迁过程；植被与非植被的区分，根据近红外高反射和红光强吸收的特性进行判断；裸地与沙地的区分，基于含水量的不同，沙地反射率偏低的特性，利用第7波段进行分类；,谢谢！,张喜旺,The College of Environment and Planning of Henan University,河南大学环境与规划学院,
