     .遙感數(shù)據(jù)處理培訓

1.柵格的基礎：數(shù)字航空相片、數(shù)字圖片或衛(wèi)星影像都是柵格數(shù)據(jù)，由大小相等的像元組成，每個像元都記錄此位置處的信息。了解柵格數(shù)據(jù)，查看分辨率，像元值，柵格屬性表等信息，掌握柵格分析前的準備工作，學習柵格數(shù)據(jù)中的面積計算方法。

2.柵格中常用的基礎工具：為了加快柵格顯示和查詢效率，對影像數(shù)據(jù)構建金字塔；如何提取出柵格中所需要的信息，如高程大于500m的區(qū)域；如何修改柵格像元值，如對降雨量圖劃分小雨區(qū)、中雨區(qū)、大雨區(qū)和暴雨區(qū)；如何統(tǒng)計北京不同區(qū)的降雨量的平均值？如何修改柵格的分辨率以提高軟件處理速度？如何實現(xiàn)柵格數(shù)據(jù)與矢量數(shù)據(jù)之間的相互轉換？

3.地圖代數(shù)：地圖代數(shù)即對柵格數(shù)據(jù)進行代數(shù)運算。如研究兩年間哪些區(qū)域用地類型發(fā)生了變化，變化的面積是多少，或者提取特殊的地物信息，如土地分類圖中單獨提取濕地區(qū)域。

4.地形地貌分析：中科信軟根據(jù)網(wǎng)上免費下載到中低分辨率DEM數(shù)據(jù)，或者根據(jù)等高線、高程點、湖泊河流等數(shù)據(jù)自動生成高精度DEM數(shù)據(jù)，進行坡度、坡向、山體陰影、等高線等表面分析。

5.遙感影像數(shù)據(jù)介紹：常用的影像數(shù)據(jù)獲取方式和網(wǎng)站有哪些？常用的國內(nèi)國外衛(wèi)星有哪些，它們在空間分辨率，時間分辨率，光譜分辨率，圖幅等參數(shù)上有何區(qū)別？根據(jù)項目要求選擇合適的影像數(shù)據(jù)，并學習如何查看影像數(shù)據(jù)的頭文件信息。

6.影像數(shù)據(jù)預處理：在使用遙感影像之前，需要先處理拿到的原始遙感數(shù)據(jù)，將多個波段影像組合在一起方便獲取更多的信息；將低分辨率的多光譜數(shù)據(jù)與辨率的全色數(shù)據(jù)融合在一起可以獲得辨率的多光譜數(shù)據(jù)；去除大氣，如水汽，氣溶膠，粉塵等對影像的影響，獲取地表的真實信息；去除地形對影像造成的扭曲與變形的影響，得到正射影像；將多份的遙感影像配準以獲得準確的位置信息，方便后續(xù)分析兩個區(qū)域的變化情況；根據(jù)研究區(qū)的大小將多幅影像拼接或裁剪；使用鑲嵌數(shù)據(jù)集格式來批量管理大量的影像數(shù)據(jù)。

7.地物類型解譯：人工智能時代，機器學習應用廣泛，我們也可以在遙感影像提取土地利用的研究中使用機器學習方法，實現(xiàn)土地利用類型自動提取，使用大似然算法或者支持向量機算法來實現(xiàn)影像的自動分類，在分類過程中，可以考慮面向對象的方法，提類結果的連續(xù)性和完整性。

8.深度學習：在一片農(nóng)業(yè)用地中找出其中零散分布的建筑物是一件很困難的事，機器學習的方法正確率非常低，使用基于神經(jīng)網(wǎng)絡的深度學習方法，可以而準確地獲取結果；在果園中有各種不同類型的樹木，如何使用遙感影像直接分辨不同樹種，同樣可以使用深度學習方法。

9.土地利用數(shù)據(jù)：土地利用數(shù)據(jù)每年都在發(fā)生變化，特別是一些經(jīng)濟發(fā)展迅速的地區(qū)。哪些區(qū)域從耕地變成了建筑用地？哪些區(qū)域從水域變成了農(nóng)田？這些變化區(qū)域的總面積是多少？我們可以使用遙感影像分析變化區(qū)域和變化面積，并制作土地利用變化專題地圖。

10計算遙感指數(shù)：利用遙感影像可以計算各種指數(shù)，如植被指數(shù)，可以獲取植被覆蓋信息或植被健康信息；水體指數(shù)，可以找出濕地或計算水質情況；積雪指數(shù)，可以找出積雪覆蓋的區(qū)域并計算面積；建筑指數(shù)，可以找出不透水面的區(qū)域，提取城市中的建筑物面積；燃燒指數(shù)，可以發(fā)現(xiàn)易發(fā)生火災的區(qū)域以及時預警。

11.變化分析：黃河攜帶著黃土高原大量的泥沙，在山東省墾利縣注入渤海。在入海口大量泥沙淤積，自然的進行了填海造陸，形成了黃河三角洲。1996年之前，黃河三角洲一直在向東南方向延伸，1996年，黃河人工改道，開始向東北方向延伸。利用30年間的影像數(shù)據(jù)，可以輕松獲取變化信息，計算變化面積。

12.大氣校正：電磁波從輻射源到傳感器之間的傳輸過程中，要經(jīng)歷吸收、輻射、反射、散射等一系列過程。而傳感器接收到的信息是地表物體和大氣共同作用的結果，因此，想要對地表物體進行研究，就必須去除大氣的影響，稱為大氣校正。本課程中主要介紹6S大氣校正模型。

13.計算植被覆蓋度：植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比。常用來研究植被變化、生態(tài)環(huán)境、氣候或水土保持情況。對于大面積的研究區(qū)域，如果使用地面測量的方法來計算植被覆蓋度，既耗時又耗力，可以使用遙感的方法來進行估算。目前發(fā)展了很多估算模型，其中較為實用的是使用植被指數(shù)，利用像元二分模型來近似估算植被覆蓋度。

14.反演地表溫度：常規(guī)獲取地表溫度的方法，往往是采集自氣象站點，然后利用插值的方法獲取整個區(qū)域的溫度信息，但是插值的方法無法準確預測某些特殊位置處的溫度，如水面或者地形特殊位置處。利用傳感器中記錄的熱紅外波段的信息，可以反演地表溫度，利用單窗算法、劈窗算法或大氣校正法，根據(jù)植被信息、大氣透過率和熱紅外波段記錄的地面物體發(fā)射率信息，結合普朗克公式，可以反演得到地表溫度，研究城市熱島效應的影響。

15.生態(tài)敏感性評價：生態(tài)敏感性反應了生態(tài)系統(tǒng)對人類活動反應的敏感程度，確定生態(tài)環(huán)境影響敏感的地區(qū)和具有保護價值的地區(qū)，可以為生態(tài)功能區(qū)劃提供依據(jù)。地形高度、坡度，水體及其周邊區(qū)域，空氣質量，植被覆蓋度等因素均會影響到生態(tài)敏感性，且不同因素的影響程度不同，綜合以上因素，賦予不同區(qū)域不同的敏感等級，并找到該區(qū)域中敏感度高的區(qū)域保護

日程安排

章節(jié)

主要內(nèi)容

章

理解柵格基本槪念：什么是柵格數(shù)據(jù)，像元值，分辨率，柵格數(shù)據(jù)的符號化方式，分析環(huán)境的 設置等；掌握zone和region的槪念以及轉換方法〇

第二章柵格基礎知識

第三章柵格常用工具

學習常用的處理柵格的工具，如提高柵格數(shù)據(jù)的顯示效率；改變柵格數(shù)據(jù)的分辨率；柵格數(shù)據(jù) 與矢量數(shù)據(jù)之間的相互轉換；提取符號像元值要求的區(qū)域等；計算區(qū)域的統(tǒng)計信息。

第四章

數(shù)字高程模型DHM是對地面高程進行空間描述的一種離敎的數(shù)字表迖，通過DH\1數(shù)據(jù)可以對地 形和地貌進行分析。

地形地貌分析

第五章

了解常用的數(shù)據(jù)獲取方式和下載網(wǎng)站；

影像數(shù)據(jù)介紹

掌握常見的傳感器以及其影像數(shù)據(jù)的特征； 查看影像數(shù)據(jù)信息。

第六章

中科信軟下載或拿到的影像數(shù)據(jù)，不能直接用來進行分析，還需要進行前期的處理，稱之為影像的預處 理。

影像預處理方法

第七章

影像分類

人工智能時代，機器學習和深度學習應用廣泛，我們也可以在遙感影像提取土地利用的研究中 使用這些學習方法，實現(xiàn)土地利用類型自動提取，而地找出地物。

第八章

混淆矩陣也稱誤差矩陣，是表示精度評價的一種標準格式，具體評價指標有總體精度、生產(chǎn)者 精度、用戶精度、Kappa系數(shù)等，這些精度指標從不同的側面反映了圖像分類的精度。本章學 習中我們通過混淆矩陣來評價分類結果的優(yōu)劣。

分類準確性評估

第九章

變化分析

無論變化在一瞬間發(fā)生，還是長期的演變，人工的監(jiān)測是十分困難的，如果使用遙感影像來監(jiān) 測變化，可以節(jié)省人力物力，更能發(fā)生隱藏的規(guī)律。

第十章
定量反演

定量遙感是指從對地觀測電磁波信號中定量提取地表參數(shù)的技術和方法〇定量遙感在區(qū)域尺度 的應用廣泛，人工方法很難在大區(qū)域中使用，遙感的方法卻可以輕松獲取相關信息〇

生態(tài)敏感性分析

生態(tài)敏感性分析是指在不損失或不降低環(huán)境質量的情況下，生態(tài)因子對外界壓力或外界千擾適 應能力6生態(tài)功能區(qū)的劃分和生態(tài)紅線的劃定都依據(jù)生態(tài)敏感性的等級評定。