知行合一,遥感流程化与一体化技术

知行合一，遥感流程化与一体化技术Esri中国（北京）有限公司遥感事业部邓书斌主要内容前言获取数据ENVI遥感应用方案我们的工作1243“知行合一”•数据与应用的合一•理论与生产的合一•遥感与行业的合一全国政协委员地调局原局长孟宪来近期发表文章提出：从总体上看，我国对地观测技术及其产业的发展仍处于初级阶段，与先进国家相比尚有不小差距，难以适应日益提高的技术发展要求和经济社会发展的现实需求。在技术水平上，目前与先进国家至少有10～15年的差距，并有继续扩大的趋势；在应用方面差距更大，目前应用主要集中在政府部门、科研机构和大型国有企业，在其他领域还处于摸索阶段。遥感流程化与一体化技术与应用•通用遥感平台技术•业务化遥感平台技术•遥感GIS一体化技术获取影像•免费获取•花钱购买影像处理•众多数据类型支持•多源数据几何校正、影像正射纠正•丰富的融合方案、数据镶嵌与裁剪•辐射校正影像分析•多种可视化分析平台•光谱自动分类、面向对象智能提取•变化检测、地形提取、专业光谱分析成果应用•一体化数据管理与共享•无缝链接GIS工作流•与业务整合、制图输出、通用格式输出几个常用免费数据获取渠道获取数据蓬勃发展的国产卫星全国政协常委、中国遥感应用协会理事长、中国探月工程原总指挥栾恩杰院士透露，“十二五”期间，国家已决定将投入相当资金来提高遥感卫星的数量和品种，“中国遥感应用进入到一个‘黄金期’，这是非常好的机遇”即将发射在轨运行资源三号CBERS-03高分系列后续卫星CBERS-05/06正在论证HJ-1C••••••地震电磁探测卫星重力场测量卫星２００８HJ-1A/B高分卫星CBERS-02CCBERS-02B２００７FY-3AFY-3后续下半年将发射的CBERS-02C和资源三号卫星平台有效载荷波段号光谱范围（μm）空间分辨率（米）幅宽（米）侧摆能力重访时间（天）CBERS-02C2台HR相机-0.50~0.802.3654（两台拼接）±25°3~5全色/多光谱相机10.51~0.85560±25°3~520.52~0.591030.63~0.6940.77~0.89资源三号前视相机-0.50~0.803.552±32°3~5后视相机-0.50~0.803.552±32°3~5正视相机-0.50~0.802.151±32°3~5多光谱相机10.45~0.52651±32°520.52~0.5930.63~0.6940.77~0.89中国资源卫星应用中心卫星数据服务系统·资源01/02卫星·资源02B卫星·环境1A/1B卫星环境保护部卫星环境应用中心——环境小卫星国家卫星气象中心——FY系列/NOAA系列/MODIS对地观测数据共享服务网——L5/L7/P6/ERS-2/ENVISAT国际科学数据服务平台—TM/MODIS/EO-1/SRTM/G-DEM免费获取存档图像数据（EarthExPlorer）我国典型地物波谱数据库系统•地物类型主要有：-农作物（玉米，棉花，小麦）：-水体-岩石与矿物•波谱库网站（)介绍几个典型遥感应用解决方案ENVI遥感应用方案•影像底图的生产•土地覆盖信息提取•植被覆盖度遥感估算•地表温度反演•自然生态环境遥感监测•湖泊水质遥感监测•城市绿地信息提取•遥感动态监测影像底图的生产•常见的就是基于高分辨率影像制作DOM•现在高分辨率卫星传感器的性能有了很大的改进，可以先进行融合处理，后进行正射校正处理。•在图像镶嵌方面，数据量经常比较大，运算效率是一个方面。颜色不一致也是一个让人头疼的问题。•为了让影像更加美观，一般需要对最后结果做一个增强处理数据选择图像融合正射纠正图像镶嵌与裁剪图像增强融合方法融合方法适用范围IHS变换纹理改善，空间保持较好。光谱信息损失较大大，受波段限制。Brovey变换光谱信息保持较好，受波段限制。乘积运算(CN）对大的地貌类型效果好，同时可用于多光谱与高光谱的融合。PCA变换无波段限制，光谱保持好。第一主成分信息高度集中，色调发生较大变化，Gram-schmidt（GS）改进了PCA中信息过分集中的问题，不受波段限制，较好的保持空间纹理信息，尤其能高保真保持光谱特征。适合不同传感器图像的融合。Pansharpening专为最新高空间分辨率影像设计，能较好保持影像的纹理和颜色信息。Gram-schmidt（GS）融合方法•G-S变换与主成分变换的区别在于:主成分变换的第一分量PC1包含信息最多,而后面的分量信息含量逐渐减少;但G-S变换产生的各分量只是正交,各分量信息量没有明显的区别。同时，其变换前后的第一分量没有变化。GS融合方法应用Rapideye与P5融合融合后融合前Pansharpening融合用于WV、GeoEye的融合WV-2图像GeoEye基于RPC文件的WV-2正射纠正图像镶嵌•从数据读取、格式转换、镶嵌处理，总共花费1493分钟完成整个北京市的高分辨率影像的镶嵌处理。27393个JPG+jpw文件（GE下载）150G结果文件图像增强——真彩色合成•增强植被信息•合成蓝色波段-常用于SPOT、ASTER数据或R：XS2G：(XS1+XS2+XS3)/3，bandmath表达式：byte((fix(b1)+b2+b3)/3)B：XS1R：XS2G：(XS1×3＋XS3)/4，bandmath表达式：(b1*3+b3)/3B：XS1R：BredG：Bandnew=a*Bgree+（1-a）*Bnira是权重值，取0~1B：Bblue几个中等分辨率影像真彩色合成例子环境小卫星CCDSPOT10米SPOT2.5米基于ENVI/IDL扩展的真彩色图像处理系统——珠委科学院辽河口TM卫星影像洞庭湖HJ-1卫星影像深圳盐田港QB卫星影像基于专家知识决策树的土地覆盖信息提取•可选数据源：MODIS、TM、HJ、SPOT、RapidEye等•数据预处理主要完成几何校正、多源数据配准等工作；•除了影像的波段信息外，可以增加如植被指数、地形数据（DEM、坡度、坡向等）、非监督分类结果等。组成多源数据的各个波段需要精确配准；•由于CART算法运算量很大，选择一部分区域作为实验区获取规则，选择区域中的土地覆盖和地形能反映整个影像情况。数据预处理构建多源数据集获取规则应用规则分类后处理选择训练样本HJ4个波段+NDVI+DEM+ISODATA选择有山有平原、5中土地覆盖类型的实验区选择5中类型的训练样本，可分离度都在1.8以上生成规则CART算法挖掘规则自动生成决策树文件对实验区进行分类，并进行精度验证，当精度满足要求时规则合格土地覆盖信息分类将变量换成整个影像使用决策树对整个影像进行分类，并进行分类后处理，如小斑点去除、精度验证等。为了显示美观，可以参照GIS制图的配色方案对结果进行整饰，摆脱传统大红大绿的颜色。EarthResourcesObservationandScience(EROS)项目中土地覆盖信息•利用30米的TM数据，非监督分类结果、地形数据、湿地图、土壤图、农业图等辅助构建专家知识库用于土地覆盖信息的提取基于像元二分法模型的植被覆盖度遥感估算•可选数据源：TM、HJ、SPOT、RapidEye等•数据预处理中，采用的是植被指数模型，因此需要进行大气校正；有土地利用数据、土壤数据等辅助数据，需要进行数据配准工作；•参数求解过程中，需要用到土地利用数据、土壤数据；•模型参数求解及模型反演中，主要使用的工具是波段运算。植被覆盖度估算模型反演制图输出模型参数求解参数求解生成参数图数据预处理几何精校正大气校正数据配准像元二分法——假设一个像元由有植被覆盖部分与无植被覆盖VFC=(S-Ssoil)/(Sveg-Ssoil)S为遥感信息改进的像元二分法模型（李苗苗等，2004）•改进的像元二分法——遥感信息选择为NDVI•两个参数的求解公式•当区域内可以近似取VFCmax=100%，VFCmin=0%•当区域内不可以近似取VFCmax=100%，VFCmin=0%-当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值；-当没有实测数据的情况下植被覆盖度的最大值和最小值根据经验估算VFC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)NDVIsoil=(VFCmax*NDVImin-VFCmin*NDVImax）/(VFCmax-VFCmin)NDVIveg=((1-VFCmin)*NDVImax-(1-VFCmax)*NDVImin）/(VFCmax-VFCmin)VFC=(NDVI-NDVImin)/(NDVImax-NDVImin)模型参数求解——分别统计不同土壤或土地类型内NDVI既使同一景影像,对于NDVIsoil和NDVIveg不能取固定值，两个值会随土壤类型和土地利用类型的变化而变化。在精度要求不高情况下，我们会选择固定的NDVIsoil和NDVIveg利用土地利用类型（如耕地）生成掩膜文件利用耕地掩膜文件统计对应的NDVI对耕地类型的NDVI进行统计，选择5%概率累计值作为置信度，得到NDVImax=0.506模型参数求解——合成NDVIsoil和NDVIveg•波段运算工具的灵活应用-如将图像中像元值为1的像元重新赋值为0.616,2:0.505….BandMath表达式：(b1eq1)*0.616+(b1eq2)*0.505….NDVIsoil参数图NDVIveg参数图植被覆盖度估算•波段运算的过程-表达式为：(b1-b2)/(b3-b2)b1-NDVIb2-NDVIsoilb3-NDVIveg植被覆盖度常用于植被变化、生态环境研究、水土保持、沙漠化、气候变化等方面合成最大/最小植被覆盖度•将一个时期的区域内植被覆盖度的最大值/最小值合成一个图像。•Bandmath的表达式：b1b2b3…..最小合成值：b1b2b3…..•类似的可以合成植被指数、地表温度等基于辐射传输方程法（RTE）TM地表温度反演•使用植被覆盖度计算地表比辐射率，对可见光-红外波段进行大气校正；•辅助参数适用于计算地表比辐射率，可使用NDVI+植被覆盖度和土地利用分类+经验值•同温度黑体的辐射亮度值计算需要使用大气剖面参数；•主要使用波段运算工具。地表温度计算普朗克反函数计算成果应用同温度下黑体辐射值计算地表比辐射率计算同温度黑体辐射值计算辅助参数计算(参与地表比辐射率计算)NDVI植被覆盖度(土地利用分类)数据预处理辐射定标几何配准可见光-近红外大气校正工程区裁剪Landsat数据读取与定标•直接识别从GLCF或者USGS等下载的LandsatMSS/TM/ETM+元数据信息直接打开*MTL.txt文件，自动组合各个波段内嵌了NASA最新公布的定标参数Landsat卫星影像成像时间查询•*MLT.txt文件中只有产品生产时间和成像日期，大气校正、大气剖面参数查询等都需要成像时间“国际科学数据服务平台”地表比辐射率计算•根据前人的研究，将遥感影像分为水体、城镇和自然表面3种类型。水体像元的比辐射率赋值为0.995，自然表面和城镇像元的比辐射率估算则分别根据下式进行计算：εsurface=0.9625+0.0614VFC-0.0461VFC2εbuilding=0.9589+0.086VFC-0.0671VFC2•Bandmath工具中的表达式：b1le0）*0.995+（b1gt0andb1lt0.7）*(0.9589+0.086*b2-0.0671*b2^2)+