遥感地学分析报告PPT整理.doc 19页

'第一章绪论第一讲1.遥感的概念：广义的遥感：广义的角度来理解遥感，泛指一切无接触的远距离探测，包括对电磁场、力场、机械波（声波、地震）等的探测。狭义的遥感：狭义的角度来理解遥感，指应用探测仪器，不与探测目标接触，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。遥感是一种以物理手段、数学方法和地学分析为基础的综合性应用技术2.遥感技术系统一般由四部分组成：遥感平台、传感器、遥感数据接收与处理系统、遥感资料分析处理系统。3.遥感的特点：大面积的同步观测遥感平台越高，视角越宽广，可以同步探测到的地面围越大，从而可观测地物的空间分布规律。时效性遥感技术可以在短时间对同一地区进行重复探测。数据的综合性和可比性遥感技术获取的数据反映地表的综合特性，包括自然、人文等方面。经济性可节省大量的人力、物力和财力。局限性波谱的有限性、电磁波段的准确性、空间分辨率低等 4.遥感信息源的综合特征1、多源性多平台多波段多视场2、空间宏观性遥感影像覆盖围大、视野广，具有概括性3、遥感信息的时间性瞬时特征时效性重返周期与多时相4、综合性、复合性多种地理要素的综合反映多分辨率遥感信息的综合5、波谱、辐射量化性地物波谱反射、辐射的定量化记录第一章绪论第二讲1空间分辨率（Spatialresolution）像元大小（pixelsize）：针对传感器或图像而言，指图像上能够详细区分的最小单元的尺寸或大小地面分辨率（Groundresolution）：针对地面而言，指可以识别的最小地面距离或最小目标物的大小2、光谱分辨率传感器记录的电磁光谱中特定波长的围和数量。 传感器所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小（带宽）光谱分辨率在遥感中的意义–开拓遥感应用领域–专题研究中波段选择针对性–图像处理中多波段的应用提高判识效果3、时间分辨率对同一地区遥感影像进行重复探测，相邻两次探测的时间间隔时间分辨率的意义–动态监测与预报；–自然历史变迁和动力学分析；–利用时间差提高遥感的成像率和解像率；–更新数据库4、辐射分辨率（Radiantresolution）辐射分辨率指传感器对光谱信号（电磁辐射）强弱的敏感程度、区分能力。5.传感器：传感器是收集、探测、记录地物电磁波辐射信息的工具。6.航空摄影机：是空中对地面拍摄像片的仪器，它通过光学系统采用胶片或磁带记录地物的反射光谱能量。7.常用遥感系统：卫星遥感系统（陆地资源卫星系列气象卫星系列海洋卫星系列地球观测系统（EOS）计划环境遥感卫星）航空遥感系统地面遥感数据采集系统 l遥感技术研究热点–遥感数字图像处理技术–定量化遥感技术–数字摄影测量技术–多源数据的融合技术–高光谱数据信息提技术第二章遥感信息提取第一讲1.地物的光谱特性：自然界中任何地物都具有其自身的电磁辐射规律，如具有反射，吸收外来的紫外线、可见光、红外线和微波的某些波段的特性，它们又都具有发射某些红外线、微波的特性；少数地物还具有透射电磁波的特性，这种特性称为地物的光谱特性。2.镜面反射:当入射能量全部或几乎全部按相反方向反射，且反射角等于入射角，称为镜面反射。3.漫反射：当入射能量在所有方向均匀反射，即入射能量以入射点为中心，在整个半球空间向四周各向同性的反射能量的现象，称为漫反射。4.方向反射：介于粗糙朗伯漫反射表面和光滑镜面之间的非朗伯表面，反射并非各向同性，而具有明显的方向性，即方向反射。5.地物的反射光谱：地物的反射率随入射波长变化的规律，叫做地物反射光谱。按地物反射率与波长之间关系绘成的曲线（横坐标为波长值，纵坐标为反射率）称为地物反射光谱曲线。 6.黑体：在任何温度下，对各种波长的电磁辐射全部吸收。7.发射率：地物发射电磁辐射的能力，与黑体的比值。（灰体：不与波长的变化有关系，选择性辐射体：随波长变化而变化）8.地物发射光谱：地物的发射率随波长变化的规律，称为地物的发射光谱。9.透射：当电磁波入射到两种介质的分界面时，部份入射能穿越两介质的分界面的现象。10.透射率：鉴定透射能量的能力第二章遥感信息提取第二讲1.遥感图像目视解译：指用肉眼或借助于简单的工具如放大镜、立体镜、投影观察器等，直接由肉眼来识别图像特性，从而提取有用信息，即人把物体与图像联系起来的过程。2.目视解释标志：直接解释标志：色调、颜色、图型、阴影、形状、纹理、大小。间接解释标志：位置、相关布局。3.解释的方法：宣判法、对比分析法、综合推理法、信息复合法、地理相关分析法。4.数字图像：客体或可见图像的数字表述。遥感数字图像：指以遥感方式获得的以数字形式表述的遥感影像。5.辐射校正：消除图像数据中依附在辐射亮度里的各种失真的过程称为辐射校正。 （遥感器校正、大气校正、地形辐射校正、地形反射模型校正）6.几何校正：指通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形。第二章遥感信息提取第三讲1.图像显示增强：目的：综合不同波段的特征，突出研究对象的差异2.密度分割：将灰度按照指定的间隔分割为不同的级，对新的密度分级分别赋予不同的颜色。3.彩色合成：任选三个波段作为（R,G,B）的输入进行彩色合成，产生彩色图像。4.灰度拉伸：根据原图像的直方图确定需要做拉伸变换的灰度值区间，然后把这一（或一些）灰度值区间按某种直线或曲线方程关系拉伸或压缩而成为变换后的灰度值区间。5.图像变换：图像变换指的是将图像从空间域转换到变换域例如频率域的过程。（傅里叶变换（进行数据压缩、图像的增强、特征提取）、K-L变换（减少图像波段之间的相关性，去除多余的信息，减少图像的数据量）、K-T变换（分离和消除干扰信息突出研究的专题信息））6.代数运算：通过简单的波段代数运算突出地物的差异，压抑噪声7.HIS彩色变换：将显示的彩色从RGB空间变换到HSI空间8.空间域图像增强：l图像平滑l邻域滤波l中值滤波l梯度倒数加权l高斯低通滤波l目的 l去噪l突出图像主体l图像锐化l罗伯特算法lSOBEL算子l拉普拉斯算子l目的强化图像边缘信9.频率域图像增强：高通滤波（锐化）低通滤波（平滑）带通滤波（突出地物）同态滤波（改善图像质量）10.图像融合：在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像–数据融合分类像元级融合：像元级融合是一种最低水平的融合特征级融合：特征级融合是一种中等水平的融合决策级融合：决策级融合是最高水平的融合–数据融合方法HSI变换、代数法、Brovey变换、图像回归法、主成分变换（PCT）、小波变换等11.遥感图像分类：原理：同类地物在相同的条件下（光照、地形等）应该具有相同或相似的光谱信息和空间信息特征。不同类的地物之间具有差异同类地物的像元在数目较大时，其特征量的分布类型接近正态分布。分类：非监督分类：特征空间识别法、系统聚类法、分裂法(IsoData)、动态聚类法(k-means)监督分类：最大似然法、最小距离法…… 数字图像分类新技术:人工神经网络分类法、模糊分类法、亚像元分类法(subpixelclassification)、其他分类法第二章遥感信息提取第四讲1.遥感图像光谱与地物光谱的区别与联系：•区别　－多光谱遥感图像的光谱波段数较少；高光谱波段数较多（光谱波段间隔可达5nm），高光谱数据的光谱曲线与实测地物光谱较为对应。　－遥感图像不仅可以反映地物的光谱特征，还可以反映空间等特征；•联系　地物反演和信息提取时一般先分析地物的光谱特征，再以此为依据，使用对应波段的遥感图像光谱进行分类和信息提取。2.光谱特征提取：特征提取：从减少特征之间的相关性和浓缩信息量的角度出发，根据原始数据的统计特性，用尽可能少的新特征来最大限度的包含所有原始数据的统计特征。光谱特征提取是通过原光谱空间或者其子空间的一种数学变换，来实现信息综合、特征增强和光谱减维的过程。第二章遥感信息提取第五讲1.光谱特征选取原则：可区分性、可靠性、独立性、数量少2.光谱特征选择准则：光谱距离可分性度量：目标地物类型要在所选的波段组合与其他地物有很好的可分性。光谱相关性度量：所选的波段相关性弱光谱信息量度量：所选择的波段信息总量要大第三章大气遥感第一讲大气特征和大气遥感的物理基础 1.大气垂直分层：对流层、平流层、中间层、热层、散逸层2.干洁大气：通常把除水汽以外的纯净大气称为干洁大气，简称干空气。3.气溶胶：大气中悬浮着的各种固体和液体粒子4.大气遥感：在一定距离以外测定某处大气的成分、运动状态和气象要素值的探测方法和技术。5.电磁辐射与大气的相互作用的三种方式：散射、吸收、透射第三章大气遥感第二讲大气遥感的物理基础和大气遥感监测1.大气窗口:指大气对电磁辐射的吸收和散射都很小，而透射率很高的波段第三章大气遥感第三讲大气成分监测1.大气成分监测：臭氧监测、大气气溶胶监测、沙尘暴监测、大气水汽与遥感图像第四章第一讲岩性的遥感判断第四章第二讲区域地质调查与矿产遥感勘察第四章第三讲地质灾害遥感调查第五章第一讲遥感在土地利用覆盖率变化研究中的应用1.土地覆盖研究方法（1）目视解译定性分析方法此法着重于土地类型的遥感图象的分析解译以及相应的光谱特征的描述。通过分类系统的确定，解译标志的建立，图象的判读，绘制专题图。这里很少涉及土地覆盖与其它自然景观要素的联系。 （2）以数理统计理论为基础，结合人工解译的方法此方法在数理统计的基础上，进行遥感图象数据的自动分类(监督分类、非监督分类等)。它具有算法成熟、充分利用人机交互等特点，但其用时多，对解译分析人员依赖性强，其结果往往因地因时因人而异，难以相互比较和转换，很大程度上不具备可重复性等。这些局限性影响了迅速、准确、客观地获取大面积土地覆盖信息。尽管如此，这一方法仍是目前大尺度遥感分类的主导方法。（3）土地遥感分类的新方法如人工智能神经元网络分类(Moody＆Strahler，1993)、分类树方法(Hansen等，1996)、多元数据的专家系统和计算机识别法等。其中分类树及神经元网络方法目前正应用于EOS/M0DIS土地覆盖数据库的开发试验。而专家系统与计算机识别尚处于小围研究阶段。（4）遥感与GIS的结合——建立“灵活的土地覆盖数据库”运用多光谱、多时相的遥感数据，以及多种辅助数据，借助GIS将不同土地覆盖类型的光谱特征、空间分布与土地覆盖类型的生物学特征(生物物理、生物气候)有机结合起来，建立“灵活的土地覆盖数据库”，是当今土地覆盖研究的一个重要趋势。第五章第二讲遥感在碳循环研究中的应用1.典型生态系统碳循环和碳收支的定位观测技术和方法1、基于土壤和植被碳库变化的生态学测定方法采用植被和土壤有机碳储量的生态学清查方法，其主要数据资源是生态系统长期定位观测、区域性的定期或不定期土壤普查、森林和草地资源清查等数据。2、陆地-大气间碳交换通量的同化箱测定方法各种类型的箱式测定方法是最早用于土壤与大气之间的CO2交换通量的野外测定方法，依据不同的分类体系，箱式法的分类也有所不同。3、陆地-大气间碳交换通量的微气象学观测技术。微气象学方法是通过测量被测气体的浓度和近地层的湍流状况来获得该气体的通量值，主要包括质量平衡法、能量平衡法、空气动力学法、涡度相关法等，其中涡度相关技术因能够直接连续测定特定生态系统与大气间的碳交换通量，已在全球围得到广泛应用，成为研究森林、草地等植被与大气CO2交换量最直接而有效的观测方法。2.土壤碳储量研究方法 （1）遥感影像直接估算方法-利用航空遥感影像数据测量裸露地表的土壤有机碳含量-利用彩色航空、航天影像和光谱值来估算土壤有机质（2）植被指数估算方法基于植被指数建立土壤有机碳光谱模型揭示不同土壤有机碳对植被所产生的不同光谱响应。第五章第三讲遥感在湿地与大气检测中的应用1.湿地：湿地指天然或人工形成的地下水埋深较浅且季节性出露地表的地理综合体。第六章第一讲植被遥感原理1．原理：植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同的植物各有其自身的波谱特征，从而成为区分植被类型、长势及估算生物量的依据。不同的植物类别，其叶子的色素含量、细胞结构、含水量均有不同。因而光谱响应曲线总存在着一定的差异。即使同一植物随叶的新老、稀密、季节不同、土壤水分及组分含量差异，或受大气污染、病虫害影响等，均含导致整个谱段或个别谱段反射率的变化。而且往往近红外波段比可见光波段能更清楚地观测到这些变化。这种变化和差异，是人们鉴别和监测植物的依据。–在可见光的0.55µm附近有一个反射率为10％-20％的小反射峰。–在0.45µm和0.65µm附近有两个明显的吸收谷。–在0.7-0.8µm是一个陡坡，反射率急剧增高。–在近红外波段0.8-1.3µm之间形成一个高的，反射率可达40％或更大的反射峰。–在1.45µm，1.95µm和2.6-2.7µm处有三个吸收谷。2.植被冠层反射光谱– 单叶的光谱行为对植被冠层光谱特性是重要的，但并不能完全解释植被冠层的光谱反射。–植被冠层是由许多离散的叶子组成，这些叶子的大小、形状、方位、覆盖围是变化的。–植物冠层的波谱特性，除了受植物冠层本身组分——叶子的光学特性的控制，还受植物冠层的形状结构、辐照及观测方向等的影响。3.红边位移：所谓“红边”是指红光区外叶绿素吸收减少部位（约<0.7μm）到近红外高反射率（>0.7μm）之间，健康植物的光谱响应陡然增加（亮度增加约10倍）的这一窄条带区。（主要原因：叶绿素大量增加（即叶黄素代替叶绿素）所致）第六章第二讲植被指数1.植被指数：选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。2.植被指数的种类：比值植被指数、归一化植被指数、差值植被指数、缨帽变换中的绿色植被指数、垂直植被指数（1）比值植被指数（RVI） 由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。意义：RVI是绿色植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI）、叶干生物量（DM）、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。–在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。–当植被覆盖度小于50%时，它的分辨能力显著下降。–RVI对大气状况很敏感，大气效应大降低了它对植被检测的灵敏度，尤其是当RVI值高时。（2）归一化植被指数（NDVI）   归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。意义： 在植被遥感中，NDVI的应用最为广泛。它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量和植被监测的指标。NDVI的一个缺陷在于，对土壤背景的变化较为敏感。实验表明，作物生长初期NDVI将过高估计植被覆盖度，而在作物生长的结束季节，NDVI值偏低。因此，NDVI更适用于植被发育中期或中等覆盖度的植被检测。（3）差值植被指数（DVI） 差值植被指数（DVI）又称环境植被指数（EVI），被定义为近红外波段与可见光红波段数值之差。意义：差值植被指数的应用远不如RVI、NDVI。它对土壤背景的变化极为敏感，有利于对植被生态环境的监测。另外，当植被覆盖浓密（≥80%）时，它对植被的灵敏度下降，适用于植被发育早－中期，或低－中覆盖度的植被检测。（4）缨帽变换中的绿度植被指数（GVI）为了排除或减弱土壤背景值对植物光谱或植被指数的影响，除了前述出现一些调整、修正土壤亮度的植被指数（如SAVI、TSAVI、MSAVI等）外，还广泛采用了光谱数值的缨帽变换技术（TasseledCap，即TC变换）。该技术是由K.J.Kauth和G.S.Thomas首先提出，故又称之为K-T变换。意义：缨帽变换（TC）是指在多维光谱空间中，通过线性变换、多维空间的旋转，将植物、土壤信息投影到多维空间的一个平面上，在这个平面上使植被生长状况的时间轨迹（光谱图形）和土壤亮度轴相互垂直。也就是，通过坐标变换使植被与土壤特征分离。（5）垂直植被指数（PVI）垂直植被指数（PVI）是在R、NIR二维数据中对GVI的模拟。在R、NIR的二维坐标系，土壤的光谱响应表现为一条斜线—即土壤亮度线。土壤在R与NIR波段均显示较高的光谱响应，随着土壤特性的变化，其亮度值沿土壤线上下移动。而植被一般在红波段响应低，而在近红外波段响应高。意义：PVI的显著特点是较好地滤除了土壤背景的影响，且对大气效应的敏感程度也小于其它植被指数。正因为它减弱和消除了大气、土壤的干扰，所以被广泛应用于作物估产。从理论上讲，GVI、PVI均不受土壤背景的影响，对植被具有适中的灵敏度，利于提取各种土壤背景下生长的植被专题信息。其数值已扩展到TM的6维数据（除TM6热红外数据），以及AVHRR的可见光——近红外数据，并有现成的模型和成熟的图像处理算法。2.植被指数的优缺点比较：植被指数优点缺点 比值植被指数当植被覆盖度较高时，RVI对植被十分敏感。RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度。归一化植被指数NDVI能反映出植物冠层的背景影响，与植被分布密度呈线性相关。对土壤背景的变化较为敏感。差值植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测。其受土壤背景的影响较大。绿度植被指数它排除了土壤背景的干扰，直接形象地反映了G、P两维变量的变化规律和植被发育过程中空间结构的变化，且信息量得到了压缩。它缺乏具体的时间变量不能描述作物生长期的长短垂直植被指数它较好地滤除了土壤背景的影响，且对大气效应的敏感程度也小于其他植被指数。仍受红波段辐射强度的影响。第六章第三讲植被遥感典型应用1.植被指数与叶面积指数的关系叶面积指数LAI是指每单位土壤表面积的叶面面积比例。它对植物光合作用和能量传输是十分有意义的。叶面积越大则光合作用越强，而光合作用越强，又使植物群体的叶面积越大，植物干物质积累越多，生物量越大。同时，植物群体的叶面积越大，植物群体的反射辐射增强。2.植被指数与叶绿素含量的关系叶子生长初期，叶绿素含量与辐射能吸收间几乎直线相关，即叶绿素含量增多，蓝、红波段吸收增强，绿波段反射率降低，近红外反射率增强，植被指数增大；当叶绿素含量增加到一定程度后，吸收率近于饱和，反射率变化小，植被指数的差异不明显，因而植物在生长旺季较难区分。不同作物由于植土比的差异，其表达叶绿素含量的光谱模型是不同的。3.植被指数与植被覆盖度的关系植被覆盖度指植被冠层的垂直投影面积与土壤总面积之比。即植/土比。 据理论推导，RVI、NDVI与植土比分别呈指数和幂函数关系，当LAI较小时，它们与植土比的变化反应不敏感。PVI与植土比呈直线相关，其对植土比的感应能力也随LAI减小而降低。就估测作物而言，PVI较为优越，但应选LAI较大的时期。实际上，植土比和叶面积指数同时随空间而变化，因此，需综合考虑植被指数与两者的关系。4.植被指数与生物量的关系生物量指的是植物组织的重量。它是由植物光合作用的干物质积累所致。显然，叶面积指数LAI与植被覆盖度均是生物量的重要指标，它们都与植被指数相关。下面以NOAA/AVHRR数据为例，就植被条件指数与植被覆盖度、生物量的关系进行讨论。5.植被指数与地表生态环境参数的关系植被指数常被认为是气候、地形、植被/生态系统和土壤/水文变量的函数。6.植被指数与气候参数的关系影响植被指数的气候参数主要指水、气温和日照等。7.植被指数与植物蒸发量、土壤水分的关系一般说来，植被指数能反映植被状况，而植被状况与植被蒸发量、土壤水分有关的。8．植被遥感应用：大面积农作物的遥感估产、灾害监测、资源遥感调查9.大面积农作物遥感估产1）单位面积作物产量的三个参数：穗数S、粒数L、千粒重T。单位面积产量P=S*L*T穗数S：利用NDVI/PVI估算冬小麦的穗数粒数L：可用PVI/S估算千粒重T：也可通过千粒重与PVI/S建立相关关系求得。2）步骤：分析作物冠层及其背景的放射光谱特征，引入和计算植被指数； 分析作物冠层放射光谱特征和冠层状态参数之间的关系，并进一步确定植被指数与叶面指数LAI之间的关系，以及与作物产量的关系；确定植土比，并根据植土比分析遥感植被数与作物面积的关系；分析遥感植被指数与植土比和叶面指数的综合关系，并据此进行作物估产。10.灾害监测1）病虫害监测：近红外光谱段彩红外片或热探测，调查病虫害的危害效果2）森林火灾监测：森林火灾是森林的首要大害，目前用于林火监测的主要有热红外数据、TM数据和NOAA/AVHRR数据。–热红外受大气窗口的局限，目前主要应用3-5mm波段和8-14mm波段这两个大气窗口；–3-5mm波段是监测林火的最佳波段；–3-5mm波段的扫描图像，能清楚地显示火点，火线的形状、大小和位置，对于特别小的隐火、残火有较强的识别能力。3）旱灾监测：热惯量法植被指数法植被供水指数法距平植被指数法11.资源遥感调查1）草场资源调查2）林业资源调查第七章第一讲土壤遥感1.土壤波谱特征（1）土壤的反射光谱特征–土壤反射光谱特性 –土壤热红外–微波的辐射散射特性土壤的主要物质组成与岩矿相似，因而土壤和岩矿的光谱反射特性在整体上基本一致，即反射率从可见光的短波段起随波长的增加而逐渐抬升。•土壤光谱反射特性的差异与变化都取决于土壤的组成与表面状态。–最为重要的是腐殖质含量。含量愈高，反射率愈低，光谱的曲线愈趋低平。–腐殖质的组分如胡敏酸、富里酸等之间的光谱特性差异颇大，对土壤光谱特性的影响也就有所不同。•土壤湿度对反射特性的巨大影响绝对不能忽视。•土壤的机械组成即质地与表面状况对光谱反射率也有明显影响。（2）土壤的热红外辐射特征•土壤的热红外和微波辐射、散射特性与岩矿有许多类似之处，但由于土壤是疏松的有机和无机复合体，固、液、气三相共存，成分多样，且处于相互消长、快速多变之中，故更为复杂。•其中土壤含水量是造成土壤表面温度差异，乃至热红外辐射变化的主要因素。•不同土壤类型在热红外区的比辐射率有一些差异，但不大；•不同土壤类型，土壤的热特性复杂多变。–质地及有机质含量不同–不同水分物理特性的土壤，其吸热增温、散热降温和热储存、热传导过程都会有所不同（3）土壤的微波辐射与散射特征•关于土壤的微波辐射特性，根据肖金凯的初步研究，不论何种土壤类型，在105℃烘干状态下，其介电常数均在5左右，加水之后，介电常数近线性上升，不同类型土壤，上升幅度稍有差异，表明土壤的介电常数主要由土壤含水量决定，与土壤成分和性质有一定关系但不是很大。•影响土壤微波后向散射系数的另两个重要因素是表层土粒粗细与土壤结构状况。–土粒粗细以机械组成即质地表征，这个因素比较稳定； –土壤结构状况在农区将随耕作管理等措施而变化；–对于使用波长较长的雷达遥感面言，结构变化幅度一般不超过表面粗糙度判据围，这时可忽略不计。2.土壤遥感数据分析：1）多元统计分析：以原始光谱数据或者其派生形式（如导数变化、比值等）作为自变量，以土壤物化参数为因变量，建立多元回归模型的一种分析技术。2）主成分分析（PCA）：利用降维的思想，把相关的多个变量转变成少数几个不相关的综合变量，实现数据压缩，缺点在于难以确定每一个主成分的物理意义。3）光谱混合分解模型：一方面应用光谱混合分解模型可以把遥感数据分解为土壤、植被以及非光合作用植被；另一方面，对于植被稀疏的地区，光谱混合分解模型还可以模拟土壤地球化学属性（湿度、铁氧化物、有机质、矿物光谱成分）第七章第二讲土壤遥感土壤干旱、水分、盐分监测3.具体应用（1）3S技术在土壤侵蚀调查监测中的应用：1）遥感与GIS和GPS的结合集成，在水土流失、土壤侵蚀等自动制图方面有很好的应用潜力；2）将遥感图像与DEM叠合后可以编制土壤侵蚀强度等级图；3）应用GIS管理的大量空间数据，可以随时查询、统计分析、或根据需要进行相关空间分析；4）而GPS可对不同时期、大小面积的滑坡、塌陷进行定位和面积测定，对沟堑切割深度及深度进展速度进行测定，也可作为遥感图像进行土壤侵蚀相关因子的地面补充测定，训练样地选择和地面检验。（2）土壤水分监测与干旱灾害预测1）土壤含水量信息测定的常用波段：可见光波段、近红外波段、中红外波段、微波波段 2）干旱遥感监测（3）土壤盐分监测：主要基于光谱响应特征----与一般耕地相比，盐渍土在可见光和近红外波段光谱反射强；----土壤盐渍化程度越高，光谱反射越强；----在红光和绿光波段，地面植被覆盖影响盐渍土的光谱响应；----另外，太阳高度角、土壤含水量也会影响盐渍土的响应模式。蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面，蓝藻覆盖区的光谱特征与周围湖面有明显差异。由于所含高叶绿素A的作用，蓝藻区在LandsatTM2波段具有较高的反射率，在TM3波段反射率略降但仍比湖水高，在TM4波段反射率达到最大。因此，在TM4（红）、3（绿）、2（蓝）假彩色合成图像上，蓝藻区呈绯红色，与周围深蓝色、蓝黑色湖水有明显区别。此外，蓝藻暴发聚集受湖流、风向的影响，呈条带延伸，在TM图像上呈条带状结构和絮状纹理，与周围的湖水面也有明显不同。'