遥感技术与应用试题_答案

农业遥感技术专题讨论题答案 1. 简述遥感数据融合的方法及其质量评价指标。 方法：（1）HIS变换法（2）比值运算法（3）线性复合与加权乘法（4）Brovey变换法（5）高通滤波变换法（6）主成份变换法（7）小波变换法（8）小波变换法与其它方法的综合。 评价指标：均值、方差、熵、清晰度、偏差度、相关系数、边缘强度等指标。 2. 简述遥感计算机自动分类精度评价的主要指标及其含义。 熵:图像的熵是衡量图像信息丰富程度的一个重要指标。如果融合图像的熵越大，说明融合图像的信息量增加。 交叉熵:交叉熵直接反映了两幅图像对应像素的差异，是对两幅图像所含信息的相对衡量。 相关熵（互信息）:相关熵（互信息）是信息论中的一个重要基本概念，它可作为两个变量之间相关性的量度，或一个变量包含另一个变量的信息量的量度，因此，融合图像与原始图像的相关熵（互信息）越大越好。 偏差熵:偏差熵反映了两幅图像像素偏差的程度，同时也反映了两幅图像信息量的偏差度，分别有：单一偏差熵、总体平方平均偏差熵、总体算术平均偏差熵、总体几何平均偏差熵、总体调和平均偏差熵。 联合熵:联合熵也是信息论中的一个重要基本概念，它可作为三幅图像之间相关性的量度，同时也反映了三幅图像之间的联合信息，因此，融合图像与原始图像的联合熵越大越好。 均值: 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示一系列数据或统计总体的平均特征的值。 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差:标准差反映了灰度相对于灰度均值的离散情况，标准差越大，则灰度级分布越分散，有标准差、对数标准差。 偏差度:偏差度用来反映融合图像与原始图像在光谱信息上的匹配程度，如果偏差指数较小，则说明融合后的图像R在提高空间分辨率的同时，较好地保留了F的光谱信息，有：绝对偏差度、相对偏差度。 平均等效视数:平均等效视数可以用来衡量噪声的抑制效果、边缘的清晰度和图像的保持性。 协方差: 协方差可记为两个变量距平向量的内积，它反映两气象要素异常关系的平均状况。 信噪比: 等于信号与噪声的功率谱之比。 峰值信噪比: 到达噪音比率的顶点信号。 3. 简述人工神经网分类、模糊分类、专家分类法的基本原理、方法与实现。 人工神经网分类：人工神经网络也简称为神经网络或称作连接模型，它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据， 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。 模糊分类：认为一个像元还是可分的，即一个像元可以是在某种程度上属于某个类而同时在另一种程度上属于另一类，这种类属关系的程度用像元的隶属度来表示。应用模糊分类的关键是确定像元的隶属度函数。一般在遥感图像模糊分类中采用最大似然准则分类算法来确定像元属于各类的隶属函数。 专家系统分类：就是把某一特定领域的专家知识输入到计算机中，辅助人们解决问题的系统。利用这样的系统就可以把判读专家的经验性知识综合起来进行分类。 4. 分析遥感数据不确定性原因和机理，阐述土壤、植被、水体遥感不确定性的特征及其对图像解译的影响。 原因：1.客观世界的复杂性是造成不确定性的重要原因之一。2. 人为原因造成的不确定性。 机理：1.根据《复杂性原理》和《不确定性原理》，客观世界中即使属于同一类型的地物不同个体之间只可能相似或十分相似，而不可能完全相同或相等。同一类型地物个体与个体之间其物质成分和物质结构存在着一定的变幅，因此它们的波谱之间也存在着一定的变幅，这就是同物异谱现象。它们具有相似但不一定完全相同的波谱特征即相似的吸收谷和反射峰。2.由于同一类型地物的不同个体之间的电磁波具有一定的变幅，所以同一类型地物的不同个体之间形成的波谱集不是一条线，而是具有一定宽度的带。不同类型地物的波谱集成带之间可能会出现重叠现象。3.由于同类地物所处的环境不同(如湿度、风化程度、生长阶段、营养条件等)，其波谱特征也可能产生变化，可能会出现“同物异谱”和“同谱异物”现象。4.客观世界中即使属于同一类型的不同个体之间只可能相似，但不可能完全相同;凡是人工模拟产品，不论是数字的或是物理的与客观真实世界之间不可能完全一致而只可能是近似。而遥感影像数据是人工模拟的数字产品或物理产品，它和客观真实世界之间不可能完全一致，只可能十分近似。5.遥感数据是栅格数据，大多数具有混合像元特征，不论采用何种先进的算法都只能得出不同地物所占的比例而不能确定它们所占的位置，因此具有不确定性特征。同时在栅格与矢量数据的转换过程中，不论算法如何它们都具有不确定性特征。6.在遥感数据的采集过程中，遥感器的采样点不仅获得地面对应地物的波谱信息，而且还可能掺杂着邻近地物的波谱信息，因此像元本身就存在着不确定性。纯像元与非纯像元并存是普遍现象。7.以上都是遥感数据固有的不确定性形成机理。除了固有不确定性机理外，还有在遥感数据的获取、处理、传输、变换过程中造成的人为附加的不确定性，也是大家所熟悉的不确定性。 特征：遥感科学技术的理论基础是建立在地物波谱特征上的。而地物的电磁波谱特征由其物质成分和物质结构所决定，不同类型的地物具有不同的物质成分和物质结构。因此不同类型的地物具有不同的电磁波谱特征，相同类型的地物具有相似的电磁波谱特征。 对图像解译的影响：遥感影像解译(尤其是计算机自动分类)的可靠性太低是当今遥感应用领域的一大难题。在这个领域做过关于地物波谱学、光电成像机理、图象识别、专家系统和神经网络等方面的许多研究，但至今为止没有一种方法能在事前或事后对卫星遥感影像解译和定位可靠性进行准确的定量评价。对分类结果的不确定性进行分析，不但可以使用户了解数据的质量和适用性，还可以帮助检验分类方法的有效性，以便改进或建立新的分类方法;同时对遥感信息不确定度的定量评价方法一旦确立，可以更有力的指导遥感图像处理和解译技术的改进。 5. 简述定量遥感反演的基本问题、模型，分析定量遥感反演不确定性的相关问题。 定量遥感发展的一个主要障碍是反演理论的研究不足。陆地遥感反演长期局限于采用处理数据量多于未知量的成熟算法，最小二乘法是高斯以来从大量数据中反演少量未知参数的成熟方法。但陆地遥感反演的根本问题在于定量遥感往往需要用少量观测数据估计非常复杂的地表系统的当前状态，本质上是一个病态反演问题。因而必须在反演过程中尽可能地充分利用一切先验知识，把新观测的信息量有效地用于时空多变要素的估计上，使新观测中的信息有效分配给这一复杂系统中的时空多变参数。 植被参数反演: NDVI 是对地表植被状况的简单、有效的度量，通过两个或多个光谱观测通道组合得到： Rnir 和Rred 分别为近红外和红光波段的反射率 叶面积指数 LAI(Leaf Area Index) 是指单位地表面面积上的单个侧面的所有绿色叶面积之和。 R为植被与土壤混合反射率，Rv为土壤反射率，Rs为植被覆盖的反射率，k为待定系数 反照率反演: 反照率是在反射体表面半球空间的全部短波波段（0.30-- 5.0 um）反射辐射通量与总入射辐射通量之比。 地表反照率研究在揭示局部和区域气候形成的内在机制和中长期气候预报和全球变化研究中具有重要的意义。 反照率的计算包括辐射纠正、大气校正、光谱反照率的计算和光谱反照率向宽波段反照率的转换等步骤。 陆地温度反演： 陆地表面温度反演的方法有两大类： 1.实验方法是在实际工作中利用地面定标，实测处在卫星传感器过境时的地面温度，建立图像灰度值和地面温度的回归方程，求出地面温度图像； 2.理论方法是通过求解辐射传输方程，消除大气影响，求出陆地表面温度如分裂窗法。 下式为基于NOAA/AVHRR数据的温度反演算法： LST是地表温度,T4,T5分别为NOAA/AVHR第4,5通道亮度温度,ε4,ε5分别为第4,5通道发射率 6. 简述高光谱遥感应用技术需解决的关键技术问题。 高光谱遥感成像关键技术包括图像的获取、传输和处理等技术。成像光谱仪是集探测器技术、精密光学机械、微弱信号探测、计算机技术、信息处理技术等为一体的综合技术，每个单项技术的发展都会推进成像光谱技术的提高，其中比较重要的关键技术有以下五项。 （1） 探测器焦平面技术 （2） 各种新型的光谱仪技术和精密光学技术 （3） 高速数据采集、传输、记录和实时无损数据压缩技术 （4） 成像光谱仪的光谱与辐射定标技术 （5） 成像光谱信息处理技术 7. 简述我国农情遥感监测的任务、目标、 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 、方法等。 任务：作物长势监测、主要作物产量预测、粮食产量预测、时空结构监测和粮食供需平衡预警。 目标：建立直接为农业和农村经济宏观决策服务、为农业生产服务的，覆盖全国、体系健全、遥感与地面结合、能长期稳定运行的农业生产与资源动态监测系统。 内容：包括农作物长势监测、农作物种植面积估算、农作物单产及总产预测、农作物灾害（包括旱情、水灾、冻害、病虫害）监测及评估等。 方法：1.高植被覆盖地区遥感监测方法与模型:处于这种地理环境下的遥感监测手法比较多，常见的有归一化植被指数法(NDVI)、植被供水指数法(VSWI)、条件植被指数法(VCI)、条件植被温度指数法(VTCI)、距平植被指数监测法(AVI)、 作物缺水指数法(CWSI)、植被—温度—水分综合指数法(VTWSI)和指数模型法(GVMI)。2.裸地或低植被覆盖地区的遥感监测方法与模型:对处于这种地理和地貌环境特征下的区域，其对旱情的监测方法有些区别，由于缺少大量植被，因此利用植被的指标来监测旱情就显得不十分适宜。这种情况下，可以使用如下的一些方法和手段，如：亮温反演土壤湿度法、热惯量法(P)、条件温度指数(TCI)模型等。3.部分植被覆盖地区的遥感监测方法与模型:针对这种地貌特征，目前主要通过建立两种模型来进行旱情监测。一是经典双层模型(Shuttlewallace模型)，另外一个是区域蒸发散模型。4.任意植被覆盖程度的遥感监测模型:还有两种方法，可以满足任意植被覆盖程度的地表状况。分别是，使用连续监测地表土壤含水量遥感模型和微波遥感监测放法。