《专题三、遥感综合分析方法》由会员分享，可在线阅读，更多相关《专题三、遥感综合分析方法（85页珍藏版）》请在金锄头文库上搜索。
1、1,2018/10/18,专题三 遥感综合分析方法,3.1 地学相关分析法 遥感地学相关分析，指的是充分认识地物间的相关性，并借助这种相关性，在遥感图像上寻找目标识别的相关因子即间接解译标志，通过图像处理与分析，提取出这些相关因子，从而推断和识别目标本身。 为了取得较好的遥感分析效果，在地学相关分析中。首先要考虑与目标信息关系最密切的主导因子；当主导因素在遥感图像上反映不明显，或一时还难判断时，则可以进一步寻找与目标有关的其他相关因子。,2,2018/10/18,3.1.1 主导因子相关分析法在影响地表生态环境形成的各因素中，地形无疑是一个主导性因素。它决定了地表水、热、能量等的重新分配，从而
2、引起地表结构的分异。地形因子的影响或差别造成区域土壤、植被分布的差异。在区域图像分析过程中，由于地形部位的差别往往造成同物异谱或异物同谱现象，以致解译识别发生错误。地形主导因子相关分析方法的目的就是根据地形因子影响某些地物类型光谱变异的验知识，建立相关分析模型,提高识别相关地物的能力与正确率。,3,2018/10/18,1、地形因子相关分析 以土壤自动分类为例，说明地形因子相关分析方法的工作原理与应用过程。在土壤遥感分类中,往往要把遥感光谱数据与常规的土壤分析方法结合起来，利用土壤形成与成土因子、成土环境间的密切关系,进行相关因子分析，以识别土壤类型。美国农业部利用山区土壤与地形因子的密切关系
3、，通过数字地形数据(DTM)计算得到的定量地形因子(如平均坡度、水网密度、高程偏差等)来自动识别土壤类型，取得较好的识别效果。其具体做法如下：,4,2018/10/18,1) 确定分类系统 选择10个样区，根据土壤的母质、颜色、质地、厚度(即发育程度)、植被覆盖状况及土壤自然排水能力等，把试验区土壤分为不同种类的黄土、冰碛土、砂、砂砾石等9种组合类型，分别用英文代码A、G、I、J、K、L、Q、R、X来表示。,5,2018/10/18,2) 选择相关变量6个地表几何特征地形因子为： 平均坡度(AS)取周围4个方向(或8个方向)的坡度平均()； 平均坡度变化(MSDC)周围高程值的拟合面的法线指向
4、(坡度变化公里)； 粗糙指数(RI)计算单元内地表面积与底面积之差(或之比)； 地形高程比(ERR)计算单元内高程之比； 地势(SR)平均高度与最低点之差(米)； 高程偏差(SV)计算单元内，最大与最小高程值之差(米)。,6,2018/10/18,5个水系特征地形因子为： 水网密度(DD)总沟谷长度相应地面积(单位：公里平方公里)； 崎岖数(RN)局部高差水网密度； 河网分叉度(BA)(度)； 结构(T)分叉数沟谷长度(分叉公里)； 平均河谷深度(MVD)计算单元内，河谷的平均深度(米)。,7,2018/10/18,3) 建立数学分析模型即在对以上11个变量定义的同时，建立从DEM计算出这些地
5、形因子适用的计算方法。 4) 数字高程数据DEM的采集DEM的采集可以有多种方法。如由摄影测量系统对遥感立体像对采集输出，或从地形图上人工采样等。这里，DEM的采集是选用地形图和航空像片完成的在12.4万的地形图上，按10cm10cm的格网取样，每个样区内地形起伏数据约400个；水系数据通过数字化记录其x、y坐标对表示。,8,2018/10/18,9,2018/10/18,5)分层分类在以上分析的基础上，建立分类树,对遥感数据逐级进行土壤专题要素的自动分类。 6)分类精度及因子有效性分析运用现有的大比例尺的土壤图、地形图、航空像片来检验分类精度，并对11个定量地形因子进行有效性评价。分析结果表
6、明，在11个定量地形因子中，相对地形(即高程偏差SV)和水网密度DD，对区分土壤类型最为重要。也就是说，地形和水系是控制景观几何特征的两个主要形态参数，对土壤分类最有意义。,10,2018/10/18,2、地貌类型相关分析以盐碱土识别为例，说明地貌类型相关分析方法的工作原理与应用过程。我国华北大平原上，地貌类型比较简单，主要表现为岗地、坡地、洼地。这里34月份多为干旱、多风的气候，促使地下盐分运移到地表，使地面返盐，出现盐霜、盐壳，地表反射率高，则在陆地卫星MSS黑白图像上，重盐碱土一般应该为白色斑块，易于识别。但是在山东惠民县李庄一带图像上出现了一块异常的黑灰色斑块。那么它在9月初的假彩色合
7、成图像上，应相应出现反映作物或芦苇生长期的红色，但事实上并非呈红色，而是呈现反映荒地的灰绿、灰蓝色。,11,2018/10/18,事实上，对于遥感解译，地物间的复杂相关性是作为一种先验知识融入到整个解译过程中。地学相关分析法也就十分自然地被广泛应用。林地多在山地阴坡，呈红色；灌丛多在山地阳坡、色暗发黄；草地在较平坦地面呈浅红、黄绿色；低湿草甸、沼泽芦苇多与水体有关，而后者为鲜红色。色调均匀。与风向或河道有关，呈黄浅黄黄白系列；而白色多为盐碱土与沙土，它们又可依据地貌部位、地下水埋深、土地利用状况等相关特征的差异加以区分。,12,2018/10/18,由此可见，尽管地类在图像上的反映是复杂的，受
8、着多种因素的影响，但若了解它与地理环境其他要素的相关性与组合特征，就有可能通过相关分析来识别它们。,13,2018/10/18,3.1.2 多因子相关分析法 在遥感图像分析过程中，由于需识别对象受到多种因素的影响与干扰，影像特征往往不明显，而且相关因素较多，难以确定相对于影像特征较明显的主导因子。为此采用多因子数理统计分析方法，通过因子分析，从多个因子中选择有明显效果的相关变量，再通过选择的若干相关变量分析。以达到识别目标对象的目的。,14,2018/10/18,下面以遥感地质找矿为例，说明多因子相关分析方法的工作原理与应用过程。试验区为湖北变质岩系地层广为出露的地区，地质构造较复杂，岩浆活动
9、频繁、强烈，矿种多、矿化普遍，与成矿有关的因素很多。,15,2018/10/18,具体做法如下：(1) 把全区格网化，划分为161个网格单元，每网格相当于地面1000平方公里。(2) 确定与找矿有关的变量。共选出45种变量，将它们归纳为：线性影像特征密度、矿床矿点密度、航空磁异常、岩浆岩、地层、地震参数、化探异常元素、重砂异常元素等8大类。(3) 变量测定以格网为单位，进行45种变量数据的测定。(4) 多因子点群分析。经以上变量测定，161个样品，每个样品均由8类变量组成。每个样品可以看作由8类变量组成的8维空间中的一个点，则161个点在8维空间内均有各自确定的位置。对这些数据按一定的规则进行
10、统计分类，根据各点相似性程度的大小，逐一把161个样点归类成群。,16,2018/10/18,样品聚类分析的结果，把有希望的矿区分为4类，每一类成矿条件区又进一步划分为数个亚区。为进一步找矿提供依据。同时，对8类变量的有效性进行分析评价，通过求算复相关系数R，来说明各变量与成矿的关系。研究结果表明，断裂构造起控岩、控矿的重要作用，与成矿关系最密切；岩体、地层、物化探异常均与成矿有关；唯有地震与成矿无关，说明地震构造是成矿后发生的。,17,2018/10/18,3.1.3 指示标志分析法地球表面环境的形成与发展是地球大气圈、水圈、生物圈、岩石圈等各圈层相互作用的综合表现。它体现出一定的规律性特点
11、(即环境本底)。由于环境各组分相互关系 “破坏”，而引起一系列生物地球化学异常现象的出现。在遥感中，对这些“异常”现象的研究主要通过各环境要素间的相关性，在图像上寻找相关因子和“异常”标志。这在遥感生物地球化学找矿及地植物学找矿，找地热、油气藏，以及对环境污染、植物病虫害的监测等方面有广泛应用。,18,2018/10/18,1遥感生物地球化学及地植物学找矿 近地表的矿床和矿化地层，经风化后。地球化学元素的迁移、集中，往往形成元素富集的分散流和分散晕(矿化晕)，从而造成一定范围内的地球化学元素异常。这种异常也会引土壤化学性质的变化(如微量元素的过量或缺少)以及地表植被异常(如引起植物体内化学成分
12、、水分、结构及其他生理机制的相应变化，以至于某些植物生长受压抑、病变或特别茂盛、植物群体分布特别稀疏或集中等)，形成所谓的“生物地球化学异常”或“地植物学异常”。这种异常往往导致出现一些特有的指示植物。,19,2018/10/18,初步研究认为，由于植物体内某些微量元素过量，阻止了根部对营养元素和水的吸收、减少酶的活性、减少根分裂速度，抑制光合作用和细胞代谢作用，因而阻碍了植物正常生长发育，甚至使根叶坏死。这些异常还会出现植物长势、密度、植物组合等明显异常，可能使一些植物属种消失,而出现另一些特有的属种。这均使植物反射光谱产生变异，并引起植物群落波谱特征的变化。在遥感图像上，影像色调、形态、纹
13、理结构均会有所反映,因而可对“植物景观遥感异常”发生的时间、范围、强度等做出判断，同时进行圈定，以绘制植物异常图。,20,2018/10/18,表3.1植物体中缺少某些元素生态变化特征表,21,2018/10/18,表3.2 金及伴生元素过量植物生态变化特征,22,2018/10/18,图3.3反映了铜矿脉的生物地球化学指标。说明植物密度的异常和表土化学元素的异常，揭示出其本质在于铜元素的富集、铜矿脉的存在。再结合地面调查、化探、采样分析等追根求源，不仅可以寻找矿源及新矿化带，而且可以研究植物分布与地下矿带间的关系，为进一步找矿服务。遥感生物地球化学找矿和遥感地植物学找矿方法就是这样派生出来的
14、。,23,2018/10/18,24,2018/10/18,2油气遥感探测 油气藏是深埋于地下的非固态矿床(流体状态)，内部具有很大的压力与地表间存在巨大的压力差。油气藏的烃类(液态烃、气态烃)及伴生物(水及惰性气体)，沿着压力梯度方向，通过地层孔隙、裂隙、节理、断层等向上渗透、扩散运移。产生“烃类微渗漏现象”。烃类微渗漏现象造成油气藏上方的地表或近地表物质的物化性质发生变化，出现地球化学异常和一系列烃类微渗漏的“蚀变现象”。这种异常和蚀变现象表现在以下八个方面：,25,2018/10/18,(1)土壤吸附烃类异常。 (2)土壤碳酸盐化。 (3)红色岩层褪色。(4)土壤黏土矿化。(5)地表磁性
15、异常，使非磁性的赤铁矿、褐铁矿、针铁矿、黄铁矿变为具磁性的磁铁矿、磁黄铁矿，而使岩石具有磁性。(6)地表层放射性矿化异常。(7)地热梯度异常，油藏上方的地面辐射温度可高于背景区13，气藏上方则低于背景区0.52，可以通过热红外遥感探测。 (8)地植物异常，即由于烃类微渗漏所造成的地球化学元素异常，致使植物的生理、生态变异，地植物病变或优势种群分布异常等。,26,2018/10/18,以上分析可见，油气藏的烃类徽渗漏过程会发生一系列化学作用。这些化学作用主要表现为还原、热降解、化合和氧化作用，在微生物参与下，促使烃类物质加速分解、化合形成一些新的物质。这些新物质使局部地球物理场、化学场、生物场发
16、生较大变化，致使地表自然景观、土壤、水质、地物波谱特征等也发生相应变化。这是产生遥感独特的晕环状、云雾状等影像异常的原因所在，也是遥感探测油气藏的理论依据。,27,2018/10/18,3.2 分层分类法,3.2.1概念 1.分类树的建立由于景物的复杂多变性，给遥感图像识别带来许多难题。显然面对这些复杂的景物或现象人们不可能用一个统一的分类模式来描述或进行区域景物的识别与分类。因而，对于这些看似“杂乱无章，错综复杂”的景物往往需要深入研究它们的总体规律及内在联系，理顺其主次或因果关系，建立一种树状结构的框架。即建立所谓的分类树，来说明它们的复杂关系，并根据分类树的结构逐级分层次地把所研究的目标一一区分、识别出来，这就是我们所指的分层分类法。,28,2018/10/18,29,2018/10/18,图3.4是从遥感应用的角度，以分类树的形式表示地表特征类别的总体结构与分层关系。此分类树是根据具有信息价值的各种类别的内在关系绘制的，它看似一颗倒立的树，顶部是一般地表特征类别(云、地表水体、植被、裸地、人工特征)。它们又被进一步划分为适当的子类。如植被又被分为天然植被与人工栽培植被(农作物)；天然植被又分为森林、灌丛、草地如此继续分下去。目前航天遥感的发展已经使我们有可能在分类树的不同节点上，选择不同的遥感数据和适宜的数据分析方法。来最终实现各类别的区分和提取。,
