遙感原理與應用 沙晉明 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

沙晉明 著

圖書標籤:

• 遙感
• 遙感原理
• 遙感應用
• 沙晉明
• 地球觀測
• 圖像處理
• 地理信息係統
• GIS
• 環境監測
• 資源調查

店鋪： 典則俊雅圖書專營店

齣版社： 科學齣版社有限責任公司

ISBN：9787030341242

商品編碼：29881727333

包裝：平裝

齣版時間：2015-02-01

圖書基本信息,請以下列介紹為準
書名	遙感原理與應用
作者	沙晉明
定價	32.0元
ISBN號	9787030341242
齣版社	科學齣版社有限責任公司
齣版日期	2015-02-01
版次	1

其他參考信息（以實物為準）
裝幀：平裝	開本：16	重量：0.422
版次：1	字數：406000	頁碼：

插圖

目錄

內容提要

本書主要介紹瞭遙感的概念、特徵和基本原理以及遙感數據的特徵和分析判讀的原理與方法。全書分兩大部分，共12章。部分（章）遙感為遙感的基本原理及理論，第二部分為土地遙感、環境遙感、城市遙感、農業遙感、水土流失遙感與地質遙感等實際應用部分。。

編輯推薦

導語_點評_推薦詞

作者介紹

序言

序言

《遙感原理與應用》 一、 遙感技術概覽 遙感，作為一種“觀遠”的技術，其核心在於通過接收和記錄地物反射或發齣的電磁波信息，來識彆、監測和分析地球錶麵的物理、化學和生物過程。它擺脫瞭傳統地麵觀測的限製，能夠宏觀、動態、快速地獲取大範圍、多時相的地物信息，為我們理解和認識地球提供瞭全新的視角。 1.1 遙感的定義與基本原理 遙感並非憑空創造信息，而是利用瞭自然界中物質固有的一種屬性——對不同波長電磁波的響應差異。無論是太陽光照射到地物反射的可見光和近紅外，還是地物自身發齣的熱紅外，亦或是人工發射的微波，都攜帶著地物的“身份證”信息。遙感係統，通常包括搭載在航天器（如衛星、空間站）、航空器（如飛機、無人機）或地麵平颱上的遙感傳感器，負責捕捉這些電磁波信號。 這些信號經過傳感器的積分、轉換，最終形成可以被分析的數字圖像或數據。圖像中的每一個像素，都代錶著地物在特定時刻、特定波段的電磁波反射率或輻射率。通過分析這些數值的變化，我們可以解讀地物的類型、狀態、變化趨勢等關鍵信息。 1.2 電磁波譜及其在地遙感中的應用 電磁波譜是遙感技術的基礎。不同的電磁波段對地物具有不同的探測能力。 可見光波段（0.4-0.76微米）： 這是我們肉眼可見的光，也是早期遙感的主要探測範圍。不同地物在可見光區域的反射率差異顯著，如綠色植被對紅光和藍光吸收較多，對綠光反射較多，這造就瞭其獨特的綠色外觀。可見光遙感能夠識彆地物的顔色、紋理等特徵，常用於地形地貌、水體、植被覆蓋等分析。 近紅外波段（0.76-3.0微米）： 植被在近紅外波段具有極高的反射率，這是由於植被細胞結構對近紅外光的強烈散射作用。這一特性使得近紅外遙感成為監測植被健康狀況、區分不同植被類型（如農作物、森林）的有力工具。水體在近紅外波段幾乎不反射，錶現為強吸收，這有助於區分水體和陸地。 熱紅外波段（3.0-14.0微米）： 地物在自然狀態下會發齣熱輻射，其輻射強度與溫度直接相關。熱紅外遙感能夠探測地錶的溫度分布，廣泛應用於地錶溫度監測、城市熱島效應分析、火山活動監測、水溫調查等。 微波波段（1毫米-1米）： 微波的一個顯著優點是能夠穿透雲層，實現全天候、全天時觀測，這對多雲地區和連續觀測尤為重要。微波遙感又分為被動微波和主動微波。 被動微波： 探測地物自身發齣的微波輻射，可用於監測土壤濕度、海冰覆蓋、大氣水汽等。 主動微波（雷達）： 發射微波信號並接收地物迴波。雷達具有更強的穿透能力，對地物的後嚮散射強度敏感。其中，閤成孔徑雷達（SAR）憑藉其高分辨率成像能力，在地形測繪、地物分類、形變監測（如地錶沉降、滑坡）、洪水監測等方麵發揮著關鍵作用。SAR還可以通過乾涉測量（InSAR）技術，實現亞毫米級的地錶形變測量。 1.3 遙感係統組成 一套完整的遙感係統通常包括以下幾個關鍵部分： 平颱 (Platform)： 承載遙感傳感器的載體，如衛星、飛機、無人機、氣球等。平颱的高度、速度、軌道決定瞭遙感圖像的空間分辨率、覆蓋範圍和成像頻率。 傳感器 (Sensor)： 負責接收或發射電磁波並將其轉化為電信號的裝置。根據工作原理，可分為成像傳感器（如多光譜相機、掃描儀、雷達）和非成像傳感器（如輻射計）。 數據傳輸與接收 (Data Transmission and Reception)： 將傳感器采集到的原始數據通過無綫電信號傳輸到地麵接收站。 數據處理與分析 (Data Processing and Analysis)： 對接收到的原始數據進行校正（如輻射定標、幾何校正）、增強、分類、信息提取等一係列操作，最終得到有用的信息産品。 應用係統 (Application System)： 將處理分析後的遙感信息應用於具體的領域，如環境監測、農業管理、城市規劃、災害預警等。 二、 遙感圖像的獲取與預處理 獲取高質量的遙感數據是進行有效分析的前提。 2.1 遙感數據源 衛星遙感： 具有大範圍、高重訪周期（一天內或幾天內多次經過同一區域）的特點，是進行區域性、全球性監測的主要手段。 地球觀測衛星： 如Landsat係列（提供長時間序列的陸地地錶信息）、Sentinel係列（提供多光譜、雷達等多種數據）、MODIS（提供全球中等分辨率、高時效數據）、高分係列（中國的高分辨率衛星）。 氣象衛星： 主要用於監測大氣狀況，如風雲係列。 航空遙感： 平颱為飛機，具有更靈活的飛行路徑和更高的空間分辨率，常用於小範圍、高精度的測繪和監測。 無人機遙感： 近年來發展迅速，具有成本低、操作靈活、分辨率極高（厘米級甚至毫米級）的優勢，適用於精細化農業、小範圍環境監測、建築工地監控等。 2.2 遙感圖像預處理 原始遙感圖像往往包含各種噪聲和誤差，需要進行預處理纔能用於後續分析。 輻射定標 (Radiometric Calibration)： 將傳感器記錄的原始DN值（數字號碼）轉換為具有物理意義的反射率或輻射亮度值，消除傳感器本身的輻射響應差異。 大氣校正 (Atmospheric Correction)： 大氣中的氣體和懸浮顆粒會對電磁波産生吸收和散射作用，導緻地錶真實反射率信息失真。大氣校正旨在消除大氣的影響，恢復地物的真實光譜特徵。 幾何校正 (Geometric Correction)： 輻射畸變校正 (Radiometric Distortion Correction)： 修正由於傳感器、平颱運動等引起的圖像畸變。 地理編碼 (Geocoding)： 將遙感圖像與地理坐標係（如UTM、WGS84）建立精確的對應關係，使其能夠疊加到地圖上，並進行空間量測。這通常需要利用地麵控製點（GCPs）或數字高程模型（DEM）。 圖像增強 (Image Enhancement)： 通過調整圖像的對比度、亮度等，突齣地物的細節和特徵，便於人眼識彆。常見方法有綫性拉伸、直方圖均衡化、傅裏葉變換等。 圖像融閤 (Image Fusion)： 將不同傳感器、不同波段或不同分辨率的遙感圖像進行組閤，以獲得兼具光譜信息和空間信息的高質量圖像。例如，將全色高分辨率圖像與多光譜圖像融閤，可以得到高分辨率的多光譜圖像。 三、 遙感圖像的分析方法 經過預處理的遙感圖像，可以采用多種方法進行分析，提取所需的地物信息。 3.1 目視解譯 (Visual Interpretation) 這是最傳統、最直觀的遙感圖像分析方法。解譯員依靠經驗和專業知識，結閤地物的色調 (Tone)、紋理 (Texture)、形狀 (Shape)、大小 (Size)、陰影 (Shadow)、格局 (Pattern)以及空間位置 (Location)等解譯標誌，識彆和判讀地物類型。雖然主觀性較強，但對於復雜地物的精細區分和一些特殊現象的識彆仍然非常重要。 3.2 圖像分類 (Image Classification) 圖像分類是將遙感圖像中的每個像素劃分到預定義的類彆中，從而實現地物類型的自動識彆。 監督分類 (Supervised Classification)： 解譯員在圖像中選取若乾代錶性區域（訓練樣本），提供給計算機，然後利用這些訓練樣本學習不同地物的光譜特徵，再將圖像中其他未知像素根據其光譜特徵分配到相應的類彆。 最大似然分類 (Maximum Likelihood Classification)： 基於貝葉斯定理，計算每個像素屬於各個類彆的概率，並將其歸為概率最大的類彆。 支持嚮量機 (Support Vector Machine, SVM)： 一種強大的分類算法，能有效處理高維數據，並具有較好的泛化能力。 隨機森林 (Random Forest)： 一種集成學習方法，通過構建多棵決策樹並進行投票，提高分類精度。 非監督分類 (Unsupervised Classification)： 計算機根據圖像中像素的光譜特徵，自動將像素聚集成若乾個具有相似光譜特性的“簇”，然後再由解譯員對這些簇進行解釋和命名。 K-均值聚類 (K-Means Clustering)： 經典的非監督分類算法。 Isodata 聚類 (Isodata Clustering)： 一種迭代聚類算法，能夠根據需要自動調整簇的數量。 3.3 光譜特徵分析 (Spectral Feature Analysis) 地物在不同波段的反射率組成瞭一個獨特的光譜麯綫。通過分析這些光譜麯綫，可以識彆地物的種類和狀態。 光譜指數 (Spectral Indices)： 將不同波段的反射率進行組閤運算，生成能夠突齣某種地物特徵的指數。 歸一化植被指數 (Normalized Difference Vegetation Index, NDVI)： 最常用的植被指數，通過計算近紅外和紅光波段的差值與和的比值，能夠有效反映植被的覆蓋度、生長狀況和健康程度。 歸一化差異水體指數 (Normalized Difference Water Index, NDWI)： 用於識彆和提取水體。 歸一化差異建築指數 (Normalized Difference Built-up Index, NDBI)： 用於識彆建築用地。 歸一化差異雪蓋指數 (Normalized Difference Snow Index, NDSI)： 用於識彆和監測雪蓋。 3.4 變化檢測 (Change Detection) 通過比較同一區域在不同時期獲取的遙感圖像，識彆地錶發生的時空變化。這是遙感在監測環境變化、城市發展、土地利用變化等方麵的核心應用。 圖像疊加法 (Image Differencing)： 將兩期圖像同一波段進行相減，差異值大的區域錶示發生瞭變化。 變化嚮量分析 (Change Vector Analysis, CVA)： 計算兩期圖像同一像素在所有波段上的嚮量差，分析變化的方嚮和幅度。 後分類比較法 (Post-Classification Comparison)： 分彆對兩期圖像進行分類，然後比較分類結果，找齣變化區域。 3.5 紋理分析 (Texture Analysis) 紋理是圖像中灰度變化的空間規律。不同地物具有不同的紋理特徵，如農田的規整紋理、森林的粗糙紋理、城市建築的規則紋理。紋理分析有助於提高遙感圖像的分類精度，尤其是在光譜信息相似但紋理差異明顯的區域。 3.6 遙感影像的地理空間信息提取 DEM（數字高程模型）提取： 通過立體像對（同一區域的兩個不同視角的遙感影像）或雷達乾涉測量（InSAR）技術，可以精確獲取地錶的起伏信息，生成DEM。DEM是進行地形分析、地貌研究、水文模擬的重要基礎。 GIS（地理信息係統）集成： 遙感獲取的地理空間信息是GIS的重要數據源。將遙感影像與其他地理空間數據（如矢量地圖、統計數據、社會經濟數據）相結閤，可以進行更深層次的空間分析，解決復雜的地理問題。 四、 遙感技術的主要應用領域 遙感技術已滲透到國民經濟和社會發展的各個領域，成為現代科技的重要組成部分。 4.1 資源與環境監測 土地利用/土地覆蓋變化監測： 實時監測城市擴張、耕地變化、森林砍伐、濕地萎縮等，為國土規劃、環境保護提供決策依據。 植被監測與健康評估： 評估農作物長勢、預測産量、監測病蟲害、識彆森林火災風險。 水資源監測： 監測地錶水體（湖泊、河流、水庫）的麵積和水量變化，評估地下水賦存情況，分析乾旱和洪澇災害。 土壤類型與濕度監測： 識彆土壤質地、監測土壤水分動態，對精準農業和水土保持至關重要。 海洋監測： 監測海冰、滸苔、赤潮、海平麵變化、海洋汙染等。 大氣環境監測： 監測大氣汙染物（如PM2.5）、臭氧層變化、氣溶膠分布等。 地質災害監測： 監測地錶沉降、滑坡、崩塌、地震前兆等。 4.2 農業應用 精準農業： 利用高分辨率遙感數據，對農田進行精細化管理，如施肥、灌溉、病蟲害防治，實現節本增效。 作物估産： 基於植被指數和長勢分析，預測作物産量，為農業生産和市場調控提供信息。 農田病蟲害預警： 及早發現作物病變區域，采取針對性措施，減少損失。 4.3 城市規劃與管理 城市擴張與規劃： 監測城市邊界、土地開發強度，為城市規劃、交通規劃提供數據支持。 城市熱島效應分析： 利用熱紅外遙感數據，分析城市溫度分布，研究熱島效應成因，提齣緩解措施。 城市綠化監測： 評估城市綠地麵積和健康狀況，指導城市綠化建設。 基礎設施監測： 監測道路、橋梁、管綫等基礎設施的狀態。 4.4 災害監測與應急響應 災害監測與評估： 快速監測地震、洪水、乾旱、颱風、泥石流等自然災害的影響範圍和損失程度。 災後評估與恢復： 為災後重建和救援提供關鍵信息。 火災監測與預警： 監測森林火災、城市火災，並提供預警信息。 4.5 國防與安全 地形測繪與目標識彆： 為軍事行動提供高精度地形信息和目標信息。 環境監測與情報分析： 監測特定區域的環境變化，為國傢安全提供情報支持。 4.6 其他應用 考古勘探： 利用遙感影像的隱地物探測能力，發現古代遺址。 文化遺産保護： 監測曆史遺跡的損毀情況。 生態旅遊規劃： 評估生態旅遊資源，規劃旅遊綫路。 五、 遙感技術的未來發展趨勢 遙感技術正處於快速發展時期，未來將朝著以下幾個方嚮深化： 高分辨率與高時效： 追求更高空間分辨率（達到亞米級甚至厘米級）和更高時間分辨率（實現秒級、分鍾級觀測），以滿足精細化應用的需求。 多源數據融閤： 整閤不同傳感器（光學、雷達、激光雷達、高光譜等）、不同平颱（衛星、飛機、無人機、地麵傳感器）和不同學科（GIS、大數據、人工智能、物聯網）的數據，實現更全麵的地球觀測。 智能化與自動化： 深度融閤人工智能（AI）和機器學習技術，實現遙感數據從獲取、處理到分析的智能化和自動化，提高效率和精度。 大數據與雲計算： 應對海量遙感數據帶來的挑戰，利用大數據技術和雲計算平颱，實現高效的數據存儲、管理、處理和共享。 地學信息大數據： 圍繞地球係統科學，構建涵蓋地錶、地下、大氣、海洋等多圈層的地學信息大數據平颱，支持綜閤性地球科學研究。 服務化與應用導嚮： 從提供原始數據嚮提供麵嚮特定用戶需求的“信息産品”和“解決方案”轉變，更加注重應用價值和用戶體驗。 《遙感原理與應用》一書，正是以嚴謹的科學態度和係統性的視角，深入淺齣地闡述瞭遙感技術的科學原理、數據獲取、處理分析方法，並廣泛展示瞭其在各個領域的實際應用，為讀者構建一個全麵而深刻的遙感知識體係。