遥感原理与应用 沙晋明 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

沙晋明 著

图书标签:

• 遥感
• 遥感原理
• 遥感应用
• 沙晋明
• 地球观测
• 图像处理
• 地理信息系统
• GIS
• 环境监测
• 资源调查

店铺： 典则俊雅图书专营店

出版社： 科学出版社有限责任公司

ISBN：9787030341242

商品编码：29881727333

包装：平装

出版时间：2015-02-01

图书基本信息,请以下列介绍为准
书名	遥感原理与应用
作者	沙晋明
定价	32.0元
ISBN号	9787030341242
出版社	科学出版社有限责任公司
出版日期	2015-02-01
版次	1

其他参考信息（以实物为准）
装帧：平装	开本：16	重量：0.422
版次：1	字数：406000	页码：

插图

目录

内容提要

本书主要介绍了遥感的概念、特征和基本原理以及遥感数据的特征和分析判读的原理与方法。全书分两大部分，共12章。部分（章）遥感为遥感的基本原理及理论，第二部分为土地遥感、环境遥感、城市遥感、农业遥感、水土流失遥感与地质遥感等实际应用部分。。

编辑推荐

导语_点评_推荐词

作者介绍

序言

序言

《遥感原理与应用》 一、 遥感技术概览 遥感，作为一种“观远”的技术，其核心在于通过接收和记录地物反射或发出的电磁波信息，来识别、监测和分析地球表面的物理、化学和生物过程。它摆脱了传统地面观测的限制，能够宏观、动态、快速地获取大范围、多时相的地物信息，为我们理解和认识地球提供了全新的视角。 1.1 遥感的定义与基本原理 遥感并非凭空创造信息，而是利用了自然界中物质固有的一种属性——对不同波长电磁波的响应差异。无论是太阳光照射到地物反射的可见光和近红外，还是地物自身发出的热红外，亦或是人工发射的微波，都携带着地物的“身份证”信息。遥感系统，通常包括搭载在航天器（如卫星、空间站）、航空器（如飞机、无人机）或地面平台上的遥感传感器，负责捕捉这些电磁波信号。 这些信号经过传感器的积分、转换，最终形成可以被分析的数字图像或数据。图像中的每一个像素，都代表着地物在特定时刻、特定波段的电磁波反射率或辐射率。通过分析这些数值的变化，我们可以解读地物的类型、状态、变化趋势等关键信息。 1.2 电磁波谱及其在地遥感中的应用 电磁波谱是遥感技术的基础。不同的电磁波段对地物具有不同的探测能力。 可见光波段（0.4-0.76微米）： 这是我们肉眼可见的光，也是早期遥感的主要探测范围。不同地物在可见光区域的反射率差异显著，如绿色植被对红光和蓝光吸收较多，对绿光反射较多，这造就了其独特的绿色外观。可见光遥感能够识别地物的颜色、纹理等特征，常用于地形地貌、水体、植被覆盖等分析。 近红外波段（0.76-3.0微米）： 植被在近红外波段具有极高的反射率，这是由于植被细胞结构对近红外光的强烈散射作用。这一特性使得近红外遥感成为监测植被健康状况、区分不同植被类型（如农作物、森林）的有力工具。水体在近红外波段几乎不反射，表现为强吸收，这有助于区分水体和陆地。 热红外波段（3.0-14.0微米）： 地物在自然状态下会发出热辐射，其辐射强度与温度直接相关。热红外遥感能够探测地表的温度分布，广泛应用于地表温度监测、城市热岛效应分析、火山活动监测、水温调查等。 微波波段（1毫米-1米）： 微波的一个显著优点是能够穿透云层，实现全天候、全天时观测，这对多云地区和连续观测尤为重要。微波遥感又分为被动微波和主动微波。 被动微波： 探测地物自身发出的微波辐射，可用于监测土壤湿度、海冰覆盖、大气水汽等。 主动微波（雷达）： 发射微波信号并接收地物回波。雷达具有更强的穿透能力，对地物的后向散射强度敏感。其中，合成孔径雷达（SAR）凭借其高分辨率成像能力，在地形测绘、地物分类、形变监测（如地表沉降、滑坡）、洪水监测等方面发挥着关键作用。SAR还可以通过干涉测量（InSAR）技术，实现亚毫米级的地表形变测量。 1.3 遥感系统组成 一套完整的遥感系统通常包括以下几个关键部分： 平台 (Platform)： 承载遥感传感器的载体，如卫星、飞机、无人机、气球等。平台的高度、速度、轨道决定了遥感图像的空间分辨率、覆盖范围和成像频率。 传感器 (Sensor)： 负责接收或发射电磁波并将其转化为电信号的装置。根据工作原理，可分为成像传感器（如多光谱相机、扫描仪、雷达）和非成像传感器（如辐射计）。 数据传输与接收 (Data Transmission and Reception)： 将传感器采集到的原始数据通过无线电信号传输到地面接收站。 数据处理与分析 (Data Processing and Analysis)： 对接收到的原始数据进行校正（如辐射定标、几何校正）、增强、分类、信息提取等一系列操作，最终得到有用的信息产品。 应用系统 (Application System)： 将处理分析后的遥感信息应用于具体的领域，如环境监测、农业管理、城市规划、灾害预警等。 二、 遥感图像的获取与预处理 获取高质量的遥感数据是进行有效分析的前提。 2.1 遥感数据源 卫星遥感： 具有大范围、高重访周期（一天内或几天内多次经过同一区域）的特点，是进行区域性、全球性监测的主要手段。 地球观测卫星： 如Landsat系列（提供长时间序列的陆地地表信息）、Sentinel系列（提供多光谱、雷达等多种数据）、MODIS（提供全球中等分辨率、高时效数据）、高分系列（中国的高分辨率卫星）。 气象卫星： 主要用于监测大气状况，如风云系列。 航空遥感： 平台为飞机，具有更灵活的飞行路径和更高的空间分辨率，常用于小范围、高精度的测绘和监测。 无人机遥感： 近年来发展迅速，具有成本低、操作灵活、分辨率极高（厘米级甚至毫米级）的优势，适用于精细化农业、小范围环境监测、建筑工地监控等。 2.2 遥感图像预处理 原始遥感图像往往包含各种噪声和误差，需要进行预处理才能用于后续分析。 辐射定标 (Radiometric Calibration)： 将传感器记录的原始DN值（数字号码）转换为具有物理意义的反射率或辐射亮度值，消除传感器本身的辐射响应差异。 大气校正 (Atmospheric Correction)： 大气中的气体和悬浮颗粒会对电磁波产生吸收和散射作用，导致地表真实反射率信息失真。大气校正旨在消除大气的影响，恢复地物的真实光谱特征。 几何校正 (Geometric Correction)： 辐射畸变校正 (Radiometric Distortion Correction)： 修正由于传感器、平台运动等引起的图像畸变。 地理编码 (Geocoding)： 将遥感图像与地理坐标系（如UTM、WGS84）建立精确的对应关系，使其能够叠加到地图上，并进行空间量测。这通常需要利用地面控制点（GCPs）或数字高程模型（DEM）。 图像增强 (Image Enhancement)： 通过调整图像的对比度、亮度等，突出地物的细节和特征，便于人眼识别。常见方法有线性拉伸、直方图均衡化、傅里叶变换等。 图像融合 (Image Fusion)： 将不同传感器、不同波段或不同分辨率的遥感图像进行组合，以获得兼具光谱信息和空间信息的高质量图像。例如，将全色高分辨率图像与多光谱图像融合，可以得到高分辨率的多光谱图像。 三、 遥感图像的分析方法 经过预处理的遥感图像，可以采用多种方法进行分析，提取所需的地物信息。 3.1 目视解译 (Visual Interpretation) 这是最传统、最直观的遥感图像分析方法。解译员依靠经验和专业知识，结合地物的色调 (Tone)、纹理 (Texture)、形状 (Shape)、大小 (Size)、阴影 (Shadow)、格局 (Pattern)以及空间位置 (Location)等解译标志，识别和判读地物类型。虽然主观性较强，但对于复杂地物的精细区分和一些特殊现象的识别仍然非常重要。 3.2 图像分类 (Image Classification) 图像分类是将遥感图像中的每个像素划分到预定义的类别中，从而实现地物类型的自动识别。 监督分类 (Supervised Classification)： 解译员在图像中选取若干代表性区域（训练样本），提供给计算机，然后利用这些训练样本学习不同地物的光谱特征，再将图像中其他未知像素根据其光谱特征分配到相应的类别。 最大似然分类 (Maximum Likelihood Classification)： 基于贝叶斯定理，计算每个像素属于各个类别的概率，并将其归为概率最大的类别。 支持向量机 (Support Vector Machine, SVM)： 一种强大的分类算法，能有效处理高维数据，并具有较好的泛化能力。 随机森林 (Random Forest)： 一种集成学习方法，通过构建多棵决策树并进行投票，提高分类精度。 非监督分类 (Unsupervised Classification)： 计算机根据图像中像素的光谱特征，自动将像素聚集成若干个具有相似光谱特性的“簇”，然后再由解译员对这些簇进行解释和命名。 K-均值聚类 (K-Means Clustering)： 经典的非监督分类算法。 Isodata 聚类 (Isodata Clustering)： 一种迭代聚类算法，能够根据需要自动调整簇的数量。 3.3 光谱特征分析 (Spectral Feature Analysis) 地物在不同波段的反射率组成了一个独特的光谱曲线。通过分析这些光谱曲线，可以识别地物的种类和状态。 光谱指数 (Spectral Indices)： 将不同波段的反射率进行组合运算，生成能够突出某种地物特征的指数。 归一化植被指数 (Normalized Difference Vegetation Index, NDVI)： 最常用的植被指数，通过计算近红外和红光波段的差值与和的比值，能够有效反映植被的覆盖度、生长状况和健康程度。 归一化差异水体指数 (Normalized Difference Water Index, NDWI)： 用于识别和提取水体。 归一化差异建筑指数 (Normalized Difference Built-up Index, NDBI)： 用于识别建筑用地。 归一化差异雪盖指数 (Normalized Difference Snow Index, NDSI)： 用于识别和监测雪盖。 3.4 变化检测 (Change Detection) 通过比较同一区域在不同时期获取的遥感图像，识别地表发生的时空变化。这是遥感在监测环境变化、城市发展、土地利用变化等方面的核心应用。 图像叠加法 (Image Differencing)： 将两期图像同一波段进行相减，差异值大的区域表示发生了变化。 变化向量分析 (Change Vector Analysis, CVA)： 计算两期图像同一像素在所有波段上的向量差，分析变化的方向和幅度。 后分类比较法 (Post-Classification Comparison)： 分别对两期图像进行分类，然后比较分类结果，找出变化区域。 3.5 纹理分析 (Texture Analysis) 纹理是图像中灰度变化的空间规律。不同地物具有不同的纹理特征，如农田的规整纹理、森林的粗糙纹理、城市建筑的规则纹理。纹理分析有助于提高遥感图像的分类精度，尤其是在光谱信息相似但纹理差异明显的区域。 3.6 遥感影像的地理空间信息提取 DEM（数字高程模型）提取： 通过立体像对（同一区域的两个不同视角的遥感影像）或雷达干涉测量（InSAR）技术，可以精确获取地表的起伏信息，生成DEM。DEM是进行地形分析、地貌研究、水文模拟的重要基础。 GIS（地理信息系统）集成： 遥感获取的地理空间信息是GIS的重要数据源。将遥感影像与其他地理空间数据（如矢量地图、统计数据、社会经济数据）相结合，可以进行更深层次的空间分析，解决复杂的地理问题。 四、 遥感技术的主要应用领域 遥感技术已渗透到国民经济和社会发展的各个领域，成为现代科技的重要组成部分。 4.1 资源与环境监测 土地利用/土地覆盖变化监测： 实时监测城市扩张、耕地变化、森林砍伐、湿地萎缩等，为国土规划、环境保护提供决策依据。 植被监测与健康评估： 评估农作物长势、预测产量、监测病虫害、识别森林火灾风险。 水资源监测： 监测地表水体（湖泊、河流、水库）的面积和水量变化，评估地下水赋存情况，分析干旱和洪涝灾害。 土壤类型与湿度监测： 识别土壤质地、监测土壤水分动态，对精准农业和水土保持至关重要。 海洋监测： 监测海冰、浒苔、赤潮、海平面变化、海洋污染等。 大气环境监测： 监测大气污染物（如PM2.5）、臭氧层变化、气溶胶分布等。 地质灾害监测： 监测地表沉降、滑坡、崩塌、地震前兆等。 4.2 农业应用 精准农业： 利用高分辨率遥感数据，对农田进行精细化管理，如施肥、灌溉、病虫害防治，实现节本增效。 作物估产： 基于植被指数和长势分析，预测作物产量，为农业生产和市场调控提供信息。 农田病虫害预警： 及早发现作物病变区域，采取针对性措施，减少损失。 4.3 城市规划与管理 城市扩张与规划： 监测城市边界、土地开发强度，为城市规划、交通规划提供数据支持。 城市热岛效应分析： 利用热红外遥感数据，分析城市温度分布，研究热岛效应成因，提出缓解措施。 城市绿化监测： 评估城市绿地面积和健康状况，指导城市绿化建设。 基础设施监测： 监测道路、桥梁、管线等基础设施的状态。 4.4 灾害监测与应急响应 灾害监测与评估： 快速监测地震、洪水、干旱、台风、泥石流等自然灾害的影响范围和损失程度。 灾后评估与恢复： 为灾后重建和救援提供关键信息。 火灾监测与预警： 监测森林火灾、城市火灾，并提供预警信息。 4.5 国防与安全 地形测绘与目标识别： 为军事行动提供高精度地形信息和目标信息。 环境监测与情报分析： 监测特定区域的环境变化，为国家安全提供情报支持。 4.6 其他应用 考古勘探： 利用遥感影像的隐地物探测能力，发现古代遗址。 文化遗产保护： 监测历史遗迹的损毁情况。 生态旅游规划： 评估生态旅游资源，规划旅游线路。 五、 遥感技术的未来发展趋势 遥感技术正处于快速发展时期，未来将朝着以下几个方向深化： 高分辨率与高时效： 追求更高空间分辨率（达到亚米级甚至厘米级）和更高时间分辨率（实现秒级、分钟级观测），以满足精细化应用的需求。 多源数据融合： 整合不同传感器（光学、雷达、激光雷达、高光谱等）、不同平台（卫星、飞机、无人机、地面传感器）和不同学科（GIS、大数据、人工智能、物联网）的数据，实现更全面的地球观测。 智能化与自动化： 深度融合人工智能（AI）和机器学习技术，实现遥感数据从获取、处理到分析的智能化和自动化，提高效率和精度。 大数据与云计算： 应对海量遥感数据带来的挑战，利用大数据技术和云计算平台，实现高效的数据存储、管理、处理和共享。 地学信息大数据： 围绕地球系统科学，构建涵盖地表、地下、大气、海洋等多圈层的地学信息大数据平台，支持综合性地球科学研究。 服务化与应用导向： 从提供原始数据向提供面向特定用户需求的“信息产品”和“解决方案”转变，更加注重应用价值和用户体验。 《遥感原理与应用》一书，正是以严谨的科学态度和系统性的视角，深入浅出地阐述了遥感技术的科学原理、数据获取、处理分析方法，并广泛展示了其在各个领域的实际应用，为读者构建一个全面而深刻的遥感知识体系。

评分☆☆☆☆☆

从读者的角度来看，这本书的语言风格非常适中，既保持了学术的严谨性，又避免了过于晦涩的专业术语堆砌。作者在讲解一些技术性较强的概念时，会适时地进行类比和解释，使得读者能够更容易地理解。例如，在解释“光谱分辨率”和“空间分辨率”时，作者运用了生活中的例子，比如相机的像素和色彩通道，让抽象的概念变得具体。同时，书中也保留了一定的专业术语，这对于希望深入学习遥感技术的读者来说是非常必要的，能够帮助他们熟悉行业内的通用语言。整体而言，这种语言风格的把握，使得本书能够同时吸引到初学者和有一定基础的读者。

评分☆☆☆☆☆

这本书的图文并茂设计也给我留下了深刻的印象。书中穿插了大量的示意图、遥感影像实例和数据图表，这些视觉元素有效地辅助了文字内容的理解。例如，在解释电磁波与地物相互作用时，书中提供了详细的光谱曲线图，清晰地展示了不同地物在不同波段的反射和吸收特性，这比纯文字描述要直观得多。在介绍遥感器时，书中配有各种传感器的结构示意图，让读者能够清晰地了解其工作原理。而在展示遥感应用案例时，书中插入了大量高质量的遥感影像，如城市扩张图、植被覆盖度图、地表温度分布图等，这些真实的数据让读者能够直观地感受到遥感技术的强大力量。这些丰富的图表不仅提升了阅读的趣味性，也大大提高了知识的传达效率。

评分☆☆☆☆☆

总而言之，这本《遥感原理与应用》是一部非常值得推荐的著作。它不仅内容详实，结构清晰，图文并茂，而且在理论讲解和实际应用之间取得了很好的平衡。作者扎实的学术功底和丰富的实践经验，使得这本书既有深度又不失广度。无论是希望系统学习遥感原理的初学者，还是寻求拓展研究方向的专业人士，都能从中获益匪浅。这本书不仅仅是一本教科书，更是一份通往遥感世界的大门钥匙，它能够引导读者发现遥感技术的魅力，并激发他们在这一领域的探索热情。

评分☆☆☆☆☆

书中对于一些前沿技术的探讨，让我耳目一新。例如，作者在介绍遥感数据处理时，不仅涵盖了传统的图像增强、几何校正、辐射定标等技术，还详细介绍了近年来发展迅速的大数据处理平台和云计算技术在遥感领域的应用。他分析了如何利用这些新兴技术来处理海量的遥感数据，提高数据分析的效率和精度，并展望了这些技术在未来遥感应用中的巨大潜力。此外，作者还提及了无人机遥感、高光谱遥感以及星载雷达干涉测量（InSAR）等技术，并对其原理和应用前景进行了简要介绍。这些内容的加入，使得本书不仅能够满足读者对传统遥感知识的需求，也能够帮助读者了解遥感技术的发展趋势和前沿动态，具有很高的前瞻性。

评分☆☆☆☆☆

在内容的组织上，作者展现了深厚的学术功底和丰富的实践经验。他不仅系统地介绍了遥感技术的基本原理，例如电磁波与地物的相互作用、遥感器的类型与工作原理、遥感图像的获取与预处理等，还深入探讨了各类遥感数据的应用，涵盖了地质、环境、农业、林业、海洋、城市规划等多个重要领域。我特别欣赏作者在阐述理论知识时，能够巧妙地结合实际案例进行讲解。例如，在讨论遥感在土地利用分类中的应用时，作者详细介绍了如何利用不同地物的光谱特征来区分农田、森林、水体和城市建筑，并提供了具体的案例分析，使得抽象的理论知识变得生动具体，易于理解和记忆。这种理论与实践相结合的叙述方式，不仅增强了内容的说服力，也极大地提升了读者对遥感技术实际应用价值的认知。

评分☆☆☆☆☆

我尤其欣赏书中在讲解一些复杂算法或模型时，所展现出的严谨性和可操作性。作者并没有简单地罗列公式，而是尽可能地解释了这些算法的内在逻辑和数学原理，并辅以通俗易懂的语言进行阐述。在一些关键算法部分，作者甚至提供了伪代码或者流程图，使得读者能够更好地理解算法的实现过程，并为后续的编程实践打下基础。例如，在介绍面向对象图像分类方法时，作者详细讲解了影像分割、特征提取、对象分类等关键步骤，并给出了具体的实例分析。这种教学方法，对于希望将遥感技术应用于实际工作或科研项目的读者来说，具有极高的参考价值。

评分☆☆☆☆☆

这本书的参考文献和术语表部分，也体现了出版方的专业性和对读者的负责任态度。书末的参考文献列表非常详实，收录了大量的经典著作和最新研究成果，这为希望进一步拓展阅读的读者提供了宝贵的资源。术语表则对书中出现的专业词汇进行了清晰的解释，有助于读者在阅读过程中随时查阅，避免理解障碍。这种细节的打磨，让整本书的学术性和实用性都得到了极大的提升，也充分展现了作者在梳理和呈现知识方面的用心良苦。

评分☆☆☆☆☆

我个人对书中关于遥感图像解译部分的讲解印象尤为深刻。作者并没有停留在对基本概念的介绍，而是详细阐述了多种图像解译的技术方法，包括目视解译、计算机辅助解译以及近年来兴起的深度学习在遥感图像分析中的应用。对于目视解译，作者不仅介绍了纹理、形状、颜色等基本解译要素，还强调了解译员的经验和背景知识的重要性，并提供了一些实用的解译技巧。对于计算机辅助解译，作者详细讲解了基于光谱、纹理和空间特征的分类算法，并对不同算法的优缺点进行了比较分析。而对于深度学习的应用，作者则重点介绍了卷积神经网络（CNN）在遥感图像分类、目标检测和语义分割等任务中的优势，并引用了一些最新的研究成果，这让我对遥感技术未来的发展方向有了更清晰的认识。

评分☆☆☆☆☆

这本书的装帧设计给我留下了深刻的印象，封面选择了沉稳的蓝色调，搭配白色的书名和作者姓名，显得既专业又大气。纸张的触感厚实而细腻，翻阅时有一种纸张特有的书香气扑面而来，让人心情愉悦。书脊处的烫金工艺在灯光下熠熠生辉，彰显出出版方的用心。整体而言，从包装到印刷，都透露出一种严谨认真的学术态度，这一点对于一本技术类的书籍来说至关重要，它能够直接影响读者在阅读前的情感体验，并传递出书籍内容本身的价值感。我喜欢这种注重细节的出版方式，它让阅读过程不仅仅是知识的获取，更是一种享受。即使还没有深入阅读内容，仅仅是捧在手中的这份质感，就足以让我对即将展开的知识之旅充满期待。封面图案的设计也颇具匠心，它以抽象的卫星影像叠加网格的视觉元素，巧妙地传达了遥感技术的核心概念——从太空俯瞰地球，并对其进行数据化分析。这种视觉语言的运用，既符合现代科技的审美，又能让非专业读者初步感知到书籍的主题。

评分☆☆☆☆☆

拿到这本书后，我首先被其清晰的章节划分和逻辑严谨的结构所吸引。目录的设计非常人性化，每一个章节的标题都简洁明了，并附有小标题，让读者能够快速了解每一部分将要探讨的内容。这种结构安排使得学习过程更加有条理，可以根据自己的需求选择性阅读，也可以按照既定的顺序循序渐进地深入理解。每一章节的开头都对本章的重点和学习目标进行了概述，这对于初学者来说尤其重要，能够帮助他们建立清晰的学习框架，避免迷失在浩瀚的知识海洋中。在阅读过程中，我发现作者在讲解复杂概念时，总是循序渐进，先从基本原理入手，再逐步深入到高级应用。这种由浅入深的教学方式，大大降低了学习的门槛，使得即使是初学者也能逐步掌握这些看似艰深的技术。此外，章节之间的过渡也非常自然，逻辑链条清晰，能够引导读者从一个概念平滑地过渡到下一个概念，形成完整的知识体系。