名詞解釋

1、 熱慣量

：thermal inertia，是一種綜合指標(biāo)，是物質(zhì)對(duì)溫度變化熱反應(yīng)的一種度量，即度量物質(zhì)熱惰性（阻止物理溫度變化）大小的物理量。高熱慣量的物質(zhì)對(duì)溫度的變化阻力較大，常用P表示，公式為P=[Kpc]1/2，k是熱導(dǎo)率，c是比熱容，p是密度。
熱慣量主要應(yīng)用于土壤表層水分變化監(jiān)測(cè)、干旱遙感監(jiān)測(cè)等，例如：將土壤水分含量與土壤熱慣量建立統(tǒng)計(jì)關(guān)系，并將遙感衛(wèi)星的數(shù)據(jù)與熱慣量聯(lián)系起來(lái)，通過(guò)遙感數(shù)據(jù)獲得真實(shí)熱慣量，進(jìn)一步反演土壤水分含量分布。

2、 混合像元分解

：Mixed pixel decomposition，混合像元是指具有不同波譜屬性的物質(zhì)同時(shí)出現(xiàn)在同一個(gè)像素內(nèi)，主要是遙感地物的復(fù)雜性、地物在像元中的分布、大氣傳輸過(guò)程中的混合效應(yīng)、傳感器本身的混合效應(yīng)等原因造成。
遙感器獲取的地面反射或發(fā)射光譜信號(hào)以像元為單位，它是對(duì)應(yīng)地表物質(zhì)光譜信號(hào)的綜合。每個(gè)像元對(duì)應(yīng)的地表往往包含不同的覆蓋類型，他們有不同的光譜響應(yīng)特征，但每個(gè)像元僅用一個(gè)信號(hào)記錄這些異質(zhì)成分，當(dāng)一個(gè)像元僅僅包含一個(gè)地物時(shí)，便是純像元，它記錄的是該類型的光譜響應(yīng)特征或光譜信號(hào)；當(dāng)像元包含不止一種土地利用類型時(shí)，就是混合像元，它記錄的是所對(duì)應(yīng)的不同土地覆蓋類型光譜響應(yīng)特征的綜合?；旌舷裨蛑饕腥?#xff0c;①是單一成分物質(zhì)的光譜、幾何結(jié)構(gòu)以及在像元中的分布②大氣傳輸過(guò)程的混合效應(yīng)，③是遙感儀器本身的混合效應(yīng)。實(shí)驗(yàn)中要解決的是由原因1導(dǎo)致的問(wèn)題。
混合像元的存在是傳統(tǒng)的像元級(jí)遙感分類和面積量測(cè)精度不能達(dá)到要求，為提高精度，就要解決混合像元的剛分解問(wèn)題，使遙感應(yīng)用從像元級(jí)達(dá)到亞像元級(jí)別，進(jìn)入像元內(nèi)部，將混合像元分解為不同的基本組分和端元，并求解基本組分的比例，就是混合像元分解過(guò)程。
混合像元分解方法是高光譜遙感圖像處理的方法之一，主要包括線性模型、概率模型、模糊分析模型、幾何光學(xué)模型、隨機(jī)幾何模型、神經(jīng)網(wǎng)絡(luò)等，應(yīng)用于植被覆蓋度估算、土地利用類型識(shí)別等。

3、 亮度溫度

：brightness temperature，是指當(dāng)一個(gè)物體與某一黑體的輻射出射度相等時(shí)，該黑體的溫度就是被稱為該物體的亮度溫度，即輻射出與觀測(cè)物體相等輻射能量的黑體溫度。由于自然界的物體不是完全的黑體，因此習(xí)慣用一個(gè)具有比該物體的真實(shí)溫度低的等效黑體溫度來(lái)表征物體的溫度。亮度溫度是衡量物體溫度的一個(gè)指標(biāo)，但不是物體的真實(shí)溫度，其與輻射溫度、表觀溫度在數(shù)值上一致。亮度溫度主要應(yīng)用在微波遙感領(lǐng)域，進(jìn)行積雪深度估測(cè)等。

4、 光譜角度匹配：

Spectral Angle Mapping，是一種監(jiān)督分類技術(shù)。該算法是將圖像波譜直接同參考波譜匹配的一種交互式分類方法，是一種比較圖像波譜與地物波譜或波譜庫(kù)中地物波譜的自動(dòng)分類方法。常應(yīng)用與高光譜遙感領(lǐng)域，將光譜角度匹配與隨機(jī)森林等算法進(jìn)行結(jié)合，進(jìn)行水體提取、遙感地物提取等。
又稱光譜角度填圖法，即以實(shí)驗(yàn)室測(cè)量的標(biāo)準(zhǔn)光譜或從圖像上提取的已知點(diǎn)的平均光譜為參考，求算圖像中的每個(gè)像元矢量與參考光譜矢量之間的廣義夾角。此廣義夾角表征兩光譜的匹配程度，夾角越小，兩者相似性越大。

5、 光譜吸收指數(shù)

：Spectral Absorption Index，地物光譜曲線反映了地物的吸收和反射特征,不同的地物通常有著不同的光譜波形特征。因此,從光譜曲線中提取的光譜吸收特征參數(shù)可以用來(lái)對(duì)地物進(jìn)行識(shí)別和分類。最常用的為利用SAI從成像光譜圖像中有效提取光譜吸收特征信息，進(jìn)行礦物識(shí)別。
光譜吸收峰的存在是識(shí)別地物，尤其是蝕變礦物、植物理化組分的理論依據(jù)，光譜吸收特征可用一系列波形形態(tài)參數(shù)來(lái)表達(dá)，包括吸收峰的波長(zhǎng)位置P、寬度W、深度H、斜率K、對(duì)稱度D、面積A、吸收的數(shù)目等。光譜吸收指數(shù)SAI被定義為：

6、 輻射溫度

：假設(shè)溫度之一。若實(shí)際物體的總輻射亮度 (包括全部波長(zhǎng)) 與絕對(duì)黑體的總輻射亮度相等，則黑體的溫度稱為實(shí)際物體的輻射溫度。輻射溫度是所有波長(zhǎng)的表征溫度，亮度溫度是某一波長(zhǎng)下的表征溫度。微波遙感中常用亮度溫度，熱紅外遙感中常用輻射溫度。實(shí)際應(yīng)用中，我們常常利用輻射溫度或者亮度溫度來(lái)計(jì)算地表的真實(shí)溫度。通用的算法有單窗算法和劈窗算法等。
輻射溫度又稱為表觀溫度，

7、 BRDF：

即二向性反射率分布函數(shù)，定義給定入射方向上的輻射照度如何影響給定出射方向上的輻射率。更籠統(tǒng)地說(shuō)，它描述了入射光線經(jīng)過(guò)某個(gè)表面反射后如何在各個(gè)出射方向上分布這可以是從理想鏡面反射到漫反射、各向同性或者各向異性的各種反射。地物對(duì)太陽(yáng)輻射的反射作用具有各向異性，二向性反射率分布函數(shù)(inar refiecance ditiribudion functon，BRDF)模型常用于描述地表各向異性反射的基本特征。BRDF模型同時(shí)考慮了地物目標(biāo)的方向特性與光譜特性，能夠更加全面的描述不同方向條件下地物的光道特征，在測(cè)量上，常用二向反射因子，建立單現(xiàn)地物的BRDF樽型通常需要大量的不同方向條件下反射率數(shù)據(jù)，結(jié)合參數(shù)擬臺(tái)的方法能夠得到體現(xiàn)地物本身方向光譜特征的參量。近年來(lái)，關(guān)于BRDF模型的研究取得了長(zhǎng)足的進(jìn)展，其中半經(jīng)驗(yàn)核驅(qū)動(dòng)模型綜合考慮了地物本身的物理因素與經(jīng)驗(yàn)數(shù)據(jù)，擬合與反演能力突出。李小文等通過(guò)實(shí)驗(yàn)數(shù)據(jù)證明了半經(jīng)驗(yàn)核驅(qū)動(dòng)模型的擬合能力以及反演能力，并參考了其他線性模型的想法，提出了使用線性組合來(lái)擬合地物的反射特征。同時(shí)，為了提高模型分析評(píng)估效率，趙云等提出了一種利用多角度影響計(jì)算BRDF模型的方法與系統(tǒng)，將建立BRDF模型的過(guò)程編寫(xiě)到軟件中，大大提高了模型分析的速度和精度。目前，BRDF已廣泛應(yīng)用于各個(gè)領(lǐng)域，張虎等利用BRDF原型和單方向反射率數(shù)據(jù)精確估算了地表反照率，BRDF模型在葉面積指數(shù)、聚集指數(shù)等植被結(jié)構(gòu)參數(shù)的反演中也起到了關(guān)鍵作用。主要是進(jìn)行定量遙感反演。

8、干涉雷達(dá)

：一種主動(dòng)式遙感，采用干涉測(cè)量技術(shù)的合成孔徑雷達(dá)（InSAR）。利用雷達(dá)向目標(biāo)區(qū)域發(fā)射微波，然后接收目標(biāo)反射的回波，得到同一目標(biāo)區(qū)域成像的SAR復(fù)圖像對(duì)，若復(fù)圖像對(duì)之間存在相干條件，SAR復(fù)圖像對(duì)共軛相乘可以得到干涉圖，根據(jù)干涉圖的相位值，得出兩次成像中微波的路程差，從而計(jì)算出目標(biāo)地區(qū)的地形、地貌以及表面的微小變化，可用于數(shù)字高程模型建立、地殼形變探測(cè)等。簡(jiǎn)單來(lái)說(shuō)，雷達(dá)干涉測(cè)量是領(lǐng)用復(fù)位雷達(dá)圖像的相位差信息來(lái)提取目標(biāo)地形三維信息的技術(shù)。廣泛應(yīng)用于包括地形測(cè)量以及地球動(dòng)力學(xué)研究、冰川研究、森林調(diào)查與制圖、海洋測(cè)繪等諸多領(lǐng)域。
干涉雷達(dá)是指采用了干涉測(cè)量技術(shù)的合成孔徑雷達(dá)InSAR，也有稱為雙天線SAR或相干SAR，它通過(guò)兩條側(cè)視天線同時(shí)對(duì)目標(biāo)進(jìn)行觀測(cè)（單軌道雙天線模式、）或一定時(shí)間間隔的兩次平行觀測(cè)（單天線重復(fù)軌道模式）來(lái)獲得地面同一區(qū)域兩次成像的復(fù)圖像對(duì)（包括強(qiáng)度信息和相位信息）。由于目標(biāo)與兩天線位置的幾何關(guān)系，地面目標(biāo)回波形成相位差信號(hào)，經(jīng)過(guò)兩個(gè)復(fù)圖像的復(fù)相關(guān)形成干涉紋圖。
干涉紋圖包含了斜距方向上的圖像點(diǎn)與兩探險(xiǎn)位置差的精確信息，因此利用遙感器高度、雷達(dá)波長(zhǎng)、波束視向及天線基線距之間的幾何關(guān)系，可以獲取距離信息，精確測(cè)量出圖像上每一點(diǎn)的高程信息，從而獲得高分辨率的地表三維圖像。在航天平臺(tái)往往用重復(fù)軌道來(lái)實(shí)現(xiàn)雙天線達(dá)到的效果。
干涉雷達(dá)可以分為距離向、方位向和重軌三種工作模式。
簡(jiǎn)答題

1、簡(jiǎn)述土地利用變化分析方法

土地利用/土地覆蓋變化(landuseandlandcoverchange，LUCC)是影響生態(tài)環(huán)境的重要因素，已經(jīng)成為全球變化和可持續(xù)發(fā)展研究的熱點(diǎn)問(wèn)題。LUCC是一個(gè)受自然和人文因素驅(qū)動(dòng)的動(dòng)態(tài)過(guò)程，其過(guò)程和機(jī)理非常復(fù)雜。
土地利用:是一個(gè)把土地的自然生態(tài)系統(tǒng)變?yōu)槿斯ど鷳B(tài)系統(tǒng)的過(guò)程，是自然、經(jīng)濟(jì)、社會(huì)諸因素綜合作用的過(guò)程，其中社會(huì)生產(chǎn)方式往往對(duì)土地利用起決定的作用，它是人類對(duì)土地自然屬性的利用方式和利用狀況，包含著人類利用土地的目的和意圖，是一種人類活動(dòng)。
土地覆被：是指地表自然形成的或者人為引起的覆被狀況，但不局限于地表的植被，還包括地表上的各種人工覆蓋物人工改造物，使自然植被與被自然營(yíng)造體和人工營(yíng)造所覆蓋的地表諸要素的綜合反映，可以說(shuō)，土地覆蓋是指地球表層的植被覆蓋物和人工覆蓋物的綜合。它強(qiáng)調(diào)土地的自然屬性以及人類活動(dòng)的結(jié)果。森林、草原、河流、土壤、冰川等屬于不同類型的土地覆被。試述植被指數(shù)與生物物理參量的關(guān)系。
土地利用變化分析方法按照不同的標(biāo)準(zhǔn)可以分為不同的類別。
（1）系統(tǒng)診斷模型
系統(tǒng)診斷模型是深入了解土地利用變化機(jī)制的主要手段，可以分為兩種類型的模型①基于經(jīng)驗(yàn)的概念化邏輯診斷模型，如土地利用變化驅(qū)動(dòng)力診斷概念模型。概念化診斷模型是一種基于經(jīng)驗(yàn)的定性分析模型，是建立定量分析模型的基礎(chǔ)，為地理相關(guān)性預(yù)測(cè)及土地利用環(huán)境影響評(píng)價(jià)提供了依據(jù)。②基于經(jīng)驗(yàn)的統(tǒng)計(jì)診斷模型，如土地利用變化機(jī)制統(tǒng)計(jì)診斷模型。
（2）土地利用動(dòng)態(tài)變化模型
土地利用動(dòng)態(tài)變化模型包括土地資源的數(shù)據(jù)、質(zhì)量隨時(shí)間的變化，也包括土地利用的空間變化及土地利用類型組合方式的變化，同時(shí)也包括未來(lái)土地資源需求量的變化，因此土地利用動(dòng)態(tài)變化模型包括土地資源數(shù)量變化模型、土地資源生態(tài)背景質(zhì)量變化模型、土地利用空間變化模型、土地利用變化區(qū)域差異模型、土地利用程度變化模型、土地需求量預(yù)測(cè)模型，此外還包括土地利用變化驅(qū)動(dòng)力模型。建立土地利用動(dòng)態(tài)變化模型是研究土地利用變化過(guò)程、土地利用變化程度及未來(lái)發(fā)展變化趨勢(shì)的主要手段。
（3）土地利用變化綜合評(píng)價(jià)模型
這類模型包括土地利用變化對(duì)環(huán)境影響評(píng)價(jià)模型，如溫室效應(yīng)綜合評(píng)價(jià)模型、區(qū)域持續(xù)發(fā)展影響評(píng)價(jià)模型、區(qū)域水循環(huán)影響模型等。建立土地利用變化綜合評(píng)價(jià)模型是綜合土地利用變化環(huán)境效應(yīng)的主要手段。
目前土地利用變化分析方法主要是通過(guò)多時(shí)相的土地利用數(shù)據(jù)疊加進(jìn)行對(duì)比分析，從主提取土地利用變化信息，通過(guò)遙感圖像信息提取獲取不同時(shí)相土地利用信息。
按國(guó)家土地利用現(xiàn)狀調(diào)查統(tǒng)一分類標(biāo)準(zhǔn)，并結(jié)合TM影像的實(shí)際分辨能力和土地利用現(xiàn)狀特點(diǎn)，將研究區(qū)土地劃分為耕地、林草地等類型。
遙感影像信息提取過(guò)程就是遙感影像的分類過(guò)程，利用遙感影像解譯獲取土地利用信息時(shí)，首先要進(jìn)行校正、拼接、裁剪等預(yù)處理工作，然后通過(guò)監(jiān)督分類、非監(jiān)督分類、決策樹(shù)分類、面向?qū)ο蠓诸惖确椒ㄟM(jìn)行遙感影像分類。

具體使用的模型，還可以分為數(shù)量預(yù)測(cè)模型（logistic回歸模型、markov模型、系統(tǒng)動(dòng)力學(xué)模型等）、空間預(yù)測(cè)模型（CLUE-S模型、元胞自動(dòng)機(jī)模型等）、耦合模型（CA-Markov模型等）

2、試述植被指數(shù)和生物物理參量的關(guān)系

植被指數(shù)可以反演植被生物物理參數(shù)，可以作為獲取這些生物物理參數(shù)的中間變量，或得到兩者之間的轉(zhuǎn)換系數(shù)。
（1）植被指數(shù)與葉面積指數(shù)的關(guān)系
葉面積指數(shù)LAI是指每單位地表面積上方植物單面葉面積之和，無(wú)量綱。在高密度和多層植被情況下，NDVI與LAI呈現(xiàn)非線性相關(guān)，且存在飽和現(xiàn)象，即隨著綠色生物量的增加到一定程度后，NDVI不在增長(zhǎng)，處于飽和狀態(tài)。飽和主要是由于比值的非線性轉(zhuǎn)換引起的，它使NDVI對(duì)紅色反射率信號(hào)過(guò)度敏感，而紅波段對(duì)葉綠素的吸收很快達(dá)到飽和。當(dāng)LAI超過(guò)2或3時(shí)，NDVI對(duì)LAI的變化不敏感。
（2）植被指數(shù)與葉綠素含量的關(guān)系
葉子生長(zhǎng)初期，葉綠素含量與輻射能吸收之間幾乎直線相關(guān)，即葉綠素含量增多，藍(lán)紅波段吸收增強(qiáng)，綠波段反射率降低，近紅外反射率增強(qiáng)，植被指數(shù)增大；但當(dāng)葉綠素含量增加到一定程度后，吸收會(huì)趨近于飽和，反射率變化小，植被指數(shù)的差異不明顯，而且不同植被在生長(zhǎng)旺季較難區(qū)分。
（3）植被指數(shù)與植被覆蓋度的關(guān)系
植被覆蓋度FVC是指植被冠層的垂直投影面積與地表面積之比，即植土比。在一定范圍內(nèi)植被指數(shù)，例如NDVI越大，植被覆蓋度越高。例如使用像元二分法估算植被覆蓋度進(jìn)一步計(jì)算RUSLE中的植被覆蓋與管理因子等。
（4）植被指數(shù)與生物量的關(guān)系
生物量指植物組織的重量，大多數(shù)的植被指數(shù)能夠區(qū)分大范圍空間上的0.3-0.5m的皮葉層的生物量。NDVI與較低的枝葉層有較高的相關(guān)而與其他層無(wú)相關(guān)性，但與不同枝葉層的總綠色生物量不相關(guān)。而只有暗化指數(shù)與所有的枝葉層中的每個(gè)層的生物量都有較高的相關(guān)，可用于估算草層和樹(shù)葉層的總綠色生物量。

3、簡(jiǎn)述數(shù)據(jù)融合與數(shù)據(jù)同化的方法（）

圖形數(shù)據(jù)融合：是一個(gè)將多遙感器的圖像數(shù)據(jù)和其它信息融合以增強(qiáng)數(shù)據(jù)精度和豐度的過(guò)程。它著重把那些在空間或時(shí)間上冗余或互補(bǔ)的數(shù)據(jù)，按照一定的規(guī)則(或算法)進(jìn)行運(yùn)算處理，獲得比任何單一數(shù)據(jù)更精確、更豐富的信息，生成一幅具有新的空間、波譜、時(shí)間特征的合成圖像。它不僅僅是數(shù)據(jù)間的簡(jiǎn)單復(fù)合，更強(qiáng)調(diào)數(shù)據(jù)的優(yōu)化，以突出有用的信息，消除或抑制無(wú)關(guān)的信息，改善目標(biāo)識(shí)別的圖像環(huán)境，從而增強(qiáng)解譯的可靠性，減少模糊性(即多義性、不完全性、不確定性和誤差)，改善分類，擴(kuò)大應(yīng)用范圍和效果。
方法：（1）彩色變換：①RGB彩色合成：指定三個(gè)不同類型的圖像（如三個(gè)不同的波段）分別賦予三原色進(jìn)行彩色合成，生成一個(gè)彩色合成圖像。
②HIS彩色變換：將標(biāo)準(zhǔn)RGB圖像有效的分離為代表空間信息的明度I，代表波譜信息的色調(diào)H、飽和度S
③YIQ變換：通過(guò)RGB系統(tǒng)變換而來(lái)，Y是圖像亮度，是RGB信號(hào)的組合，I是紅色減去青色；Q是品紅減去綠色。
（2）圖像代數(shù)運(yùn)算：①圖像或波段加和乘運(yùn)算；
②差值與比值圖像：差值圖像抑制背景值增強(qiáng)差值，可以提取與背景值差異小的目標(biāo)地物信息；比值圖像對(duì)微弱的信號(hào)變化有更強(qiáng)的增強(qiáng)能力，且其對(duì)地質(zhì)信息更加敏感，因此常用于進(jìn)行增強(qiáng)巖性和蝕變巖信息等。
③加減乘除混合運(yùn)算：在一定程度消除大氣影響等
④統(tǒng)計(jì)加權(quán)法：基于對(duì)被融合圖像之間的波譜特性的相關(guān)統(tǒng)計(jì)分析。
（3）圖像變換：①主成分分析，又稱KL變換，嘗試用兩種方法，一是用一副高分辨率圖像或另一需要的圖像數(shù)據(jù)來(lái)替代多波段圖像的第一主成分PC1，二是對(duì)所有待融合的多種遙感數(shù)據(jù)進(jìn)行PCA。
②空間濾波：高通濾波——把空間信息添加到波譜信息中，提高多波段數(shù)據(jù)空間分辨率。低通濾波——把高分辨率的圖像通過(guò)對(duì)窗口內(nèi)的像元亮度值的平均，平滑或模糊原圖像的細(xì)節(jié)，使之粗化，再與低分辨率圖像進(jìn)行融合。
③小波變換

數(shù)據(jù)同化：將地面、遙感觀測(cè)和模型模擬結(jié)合起來(lái)的遙感研究方法。考慮了數(shù)據(jù)的時(shí)空分布以及觀測(cè)場(chǎng)和背景場(chǎng)誤差的基礎(chǔ)上，在數(shù)值模型的動(dòng)態(tài)運(yùn)行過(guò)程中融合新的觀測(cè)數(shù)據(jù)的方法。它是在過(guò)程模型的動(dòng)態(tài)框架內(nèi)，通過(guò)數(shù)據(jù)同化算法不斷融合時(shí)空上離散分布的不同來(lái)源和不同分辨率的直接或間接觀測(cè)信息來(lái)自動(dòng)調(diào)整模型軌跡，以改善動(dòng)態(tài)模型狀態(tài)的估計(jì)精度，來(lái)提高模型預(yù)測(cè)能力；而對(duì)于遙感反演過(guò)程而言，通過(guò)地表過(guò)程模型的時(shí)間演變和物理屬性規(guī)律的一致性約束，融入多源遙感數(shù)據(jù)和先驗(yàn)知識(shí)，實(shí)現(xiàn)遙感反演的時(shí)間過(guò)程擴(kuò)展，提高地表參數(shù)的反演精度；最終獲得具有時(shí)空一致性、物理一致性和高可開(kāi)度的數(shù)據(jù)集。
方法：直接替代法：即直接插值法，最簡(jiǎn)單的數(shù)據(jù)同化方法，認(rèn)為所有的觀測(cè)值都準(zhǔn)確，將觀測(cè)值直接替代對(duì)應(yīng)點(diǎn)的模型預(yù)報(bào)值，觀測(cè)點(diǎn)外的狀態(tài)變量通過(guò)插值得到。
客觀分析法：包括多項(xiàng)式擬合（用一個(gè)多項(xiàng)式展開(kāi)去擬合包含數(shù)個(gè)分析格點(diǎn)的一小塊分析區(qū)域中的所有觀測(cè)點(diǎn)，得到觀測(cè)數(shù)據(jù)的客觀分析場(chǎng)，展開(kāi)系數(shù)用最小二乘法確定），逐步訂正法（從每個(gè)觀測(cè)中減去背景場(chǎng)得到的觀測(cè)增量，通過(guò)分析觀測(cè)增量得到分析增量，然后將分析增量加到背景場(chǎng)中得到最終分析）；最優(yōu)插值法（以線性最小平方估計(jì)理論為基礎(chǔ)，從統(tǒng)計(jì)意義上來(lái)說(shuō)均方法最小的線性插值方法）
變分同化法：根據(jù)變分原理，利用所有的觀測(cè)值對(duì)模型預(yù)報(bào)值（模擬結(jié)果）進(jìn)行全局調(diào)整（前后向積分）通過(guò)最小化代價(jià)函數(shù)，使分析場(chǎng)達(dá)到統(tǒng)計(jì)意義上的最優(yōu)。
卡爾曼濾波：基本思想是利用前一時(shí)刻的狀態(tài)估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值來(lái)獲得當(dāng)前動(dòng)態(tài)系統(tǒng)當(dāng)前時(shí)刻狀態(tài)的最優(yōu)估計(jì)，包括預(yù)報(bào)和分析兩個(gè)步驟。
集合卡爾曼濾波：基于集合預(yù)報(bào)的思想，用一個(gè)模式狀態(tài)集合來(lái)表征隨機(jī)動(dòng)態(tài)預(yù)報(bào)中的概率密度函數(shù)，和描述模型狀態(tài)的統(tǒng)計(jì)特征；通過(guò)蒙特卡羅方法來(lái)計(jì)算背景場(chǎng)的誤差協(xié)方差作為預(yù)測(cè)誤差協(xié)方差的近似，通過(guò)模型向前積分，與新的觀測(cè)數(shù)據(jù)進(jìn)行整合，得到一組分析場(chǎng)集合，通過(guò)卡爾曼濾波方程來(lái)更新集合；更新后的集合作為下一時(shí)刻背景場(chǎng)，繼續(xù)向前做短期預(yù)報(bào)，與下一時(shí)刻的新觀測(cè)數(shù)據(jù)同化，循環(huán)到最后。

4、簡(jiǎn)述遙感變化檢測(cè)方法

包括光譜特征分析方法、光譜變化向量分析方法、時(shí)間序列分析方法、基于GIS知識(shí)的遙感變化檢測(cè)
（1）光譜特征分析方法
①多時(shí)相圖像疊合：在圖像處理過(guò)程中將不同時(shí)相遙感圖像的各波段數(shù)據(jù)分別以RGB圖像存儲(chǔ)，從而對(duì)相對(duì)變化的區(qū)域進(jìn)行顯示增強(qiáng)與識(shí)別。簡(jiǎn)單有效
②圖像代數(shù)運(yùn)算：
圖像差值—將兩個(gè)不同時(shí)期同一波段圖像的對(duì)應(yīng)像元值進(jìn)行相減，生成差值圖像，來(lái)推斷變化情況。多時(shí)相圖像差值法能更好的檢測(cè)出植被特征以及不同植被覆蓋類型之間的轉(zhuǎn)換，但差值法容易造成信息丟失或誤差。
圖像比值：將不同時(shí)期、同一波段圖像的對(duì)應(yīng)像元進(jìn)行相除。能很好的抑制太陽(yáng)角、陰影及地形的影響。
圖像回歸：假定不同時(shí)期圖像的像元值之間存在線性關(guān)系，線性回歸得出關(guān)系式，然后用回歸函數(shù)計(jì)算出t2時(shí)刻的像元預(yù)測(cè)值，之后使用預(yù)測(cè)值減去T1時(shí)刻的原始值，從而獲得回歸殘差圖像，最后以閾值法確定變化區(qū)域。適用于小區(qū)域，消除了大氣條件、太陽(yáng)高度角帶來(lái)的影響。
③多光譜變換：使光譜空間坐標(biāo)按照一定的規(guī)律進(jìn)行旋轉(zhuǎn)，產(chǎn)生一組新的組分圖像，將原多波段中的有用信息集中到盡可能少的組分中，突出和提取變化信息。包括主成分分析和纓帽變換。
主成分分析：假設(shè)多時(shí)相數(shù)據(jù)存在高度相關(guān)，主成分分析去掉相關(guān)。又有幾種途徑，一是將經(jīng)幾何配準(zhǔn)的多時(shí)相圖像組成一個(gè)數(shù)據(jù)集，再對(duì)該數(shù)據(jù)集進(jìn)行主成分分析，生成新的互不相關(guān)的新分量。二是對(duì)經(jīng)幾何配準(zhǔn)的多時(shí)相圖像分別進(jìn)行PCA，再做差值，提取變化信息；三是對(duì)兩個(gè)時(shí)相對(duì)應(yīng)波段的圖像進(jìn)行差值，取絕對(duì)值獲得數(shù)個(gè)差值圖像。
纓帽變換（TC變換。K-T變換）：基于圖像物理特征上的固定轉(zhuǎn)換，與主成分變換相比，其分量更具有明確的物理意義，更易于解讀和具有一致性，有利于數(shù)據(jù)分析。有兩種途徑進(jìn)行變化檢測(cè)，一是對(duì)幾何配準(zhǔn)的多時(shí)相圖像進(jìn)行KT變換，產(chǎn)生四個(gè)分量，取前三個(gè)分量（亮度B、綠度G、濕度W）再對(duì)各分量進(jìn)行差值運(yùn)算，再使用閾值法進(jìn)行分類以識(shí)別變化信息，生成變化圖像。二是多時(shí)相K-T變換，使基于對(duì)多波段多時(shí)相的數(shù)據(jù)集的正交變換。
④分類后比較：基于不同時(shí)相的遙感圖像的光譜分類，并對(duì)分類結(jié)果進(jìn)行逐個(gè)像元的比較，確定變化信息和類型特征，生成變化圖像。有兩種情況，一種是景觀幾何配準(zhǔn)的不同時(shí)相遙感圖像用統(tǒng)一的分類體系與分類標(biāo)準(zhǔn)進(jìn)行光譜分類處理，獲得兩個(gè)分類圖像，逐個(gè)像元比較，提取信息與特征。二是直接對(duì)多時(shí)相多波段的多維數(shù)據(jù)集光譜自動(dòng)分類，生成變化分類圖像。
（2）光譜變化向量分析方法：是基于不同時(shí)相圖像之間的輻射變化，是在相對(duì)輻射歸一化矯正基礎(chǔ)上進(jìn)行。著重對(duì)各波段的差異進(jìn)行分析，計(jì)算變化的強(qiáng)度與方向特征，是一種特征向量變化檢測(cè)方法。提取變化強(qiáng)度、方向、變化模式等
（3）時(shí)間序列分析方法：包括變化特征的確定以及進(jìn)行時(shí)間序列分析（時(shí)間序列曲線重建、時(shí)間序列曲線參數(shù)化、時(shí)間數(shù)據(jù)統(tǒng)計(jì)分析、時(shí)間序列信號(hào)分解等過(guò)程）。使用長(zhǎng)時(shí)間的遙感數(shù)據(jù)，建立時(shí)間序列曲線（可以使用最大值合成法、高斯函數(shù)擬合等進(jìn)行平滑）；時(shí)序曲線參數(shù)化是從時(shí)序曲線分解一系列的參數(shù)，如提取最大值、最小值、標(biāo)準(zhǔn)方差、條件概率等信息；時(shí)序數(shù)據(jù)統(tǒng)計(jì)分析可以采用回歸分析、相關(guān)系數(shù)法；時(shí)間序列信號(hào)分解，可以采用傅里葉變換、小波變換、主成分分析等方法。
（4）基于GIS知識(shí)的遙感變化檢測(cè)：GIS可以為變化檢測(cè)提供相關(guān)的專題信息等，其空間分析算法、數(shù)據(jù)等也可以作為檢測(cè)手段，GIS可以為遙感圖像分類等提供之間的數(shù)據(jù)與只是等，可以作為變化的參考基準(zhǔn)，可以提供變化分析模型中的參數(shù)，如提供地物的屬性數(shù)據(jù)或相關(guān)的模型參數(shù)（如坡度、坡向等數(shù)據(jù)）

5、簡(jiǎn)述地表溫度遙感反演方法

目前在已知比輻射率的前提下，利用各種對(duì)大氣輻射傳輸方程的近似和假設(shè)，相關(guān)學(xué)者相繼提出了多種地表溫度反演算法。
（1）單通道法：選用衛(wèi)星遙感的熱紅外單波段數(shù)據(jù)，借助無(wú)線電探空或衛(wèi)星遙感提供的大氣垂直廓線數(shù)據(jù)，結(jié)合大氣輻射傳輸方程計(jì)算大氣輻射和大氣透射率等參數(shù)，以修正大氣對(duì)比輻射率的影響，從而得到地面溫度。單通道法反演的地表溫度的精度取決于輻射模型、地表比輻射率、大氣廓線的精度。
（2）多通道法（又稱為分裂窗法、劈窗算法）利用10_{13微米的大氣窗口內(nèi)，兩個(gè)相鄰?fù)ǖ?#xff08;一般取波長(zhǎng)11微米附近和12微米附近）對(duì)大氣吸收作用的不同（尤其對(duì)大氣中水汽吸收作用的差異），通過(guò)兩個(gè)通道測(cè)量值（亮度溫度）的線性組合來(lái)提出帶去的影響，反演地表溫度。多通道法應(yīng)用廣泛，反演地表溫度的精度可為1}2℃，取決于大氣和比輻射率的校正誤差。
（3）單通道多角度法：此法依據(jù)在于同一物體從不同角度觀測(cè)時(shí)所經(jīng)過(guò)的大氣路徑不同，產(chǎn)生的大氣吸收也不同，大氣的作用可以通過(guò)單通道在不同角度觀察下所獲得的亮度的線性組合來(lái)消除。
（4）多通道多角度法：是多通道法和多角度法的結(jié)合，依據(jù)在于無(wú)論是多通道還是多角度分窗法，地表真實(shí)溫度是一致的。利用不同通道、不同角度對(duì)大氣效應(yīng)的不同反應(yīng)來(lái)消除大氣的影響，反演地表溫度。
（5）日夜多通道法：即雙溫多通道法，應(yīng)用晝夜兩個(gè)不同時(shí)相的數(shù)據(jù)，多通道指應(yīng)用3.5_{4.5微米的中紅外波段數(shù)據(jù)，以及多個(gè)熱紅外數(shù)據(jù)。由于劈窗算法中10}13微米兩個(gè)相鄰?fù)ǖ垒椛涮卣鞯牟顒e較小，數(shù)據(jù)相關(guān)性高，影響反演精度，于是考慮引入中紅外波段數(shù)據(jù)和晝夜數(shù)據(jù)，既可以增加波段數(shù)據(jù)之間以及晝夜數(shù)據(jù)之間的差異，又增加了信息源。雙通道法假設(shè)晝夜兩次觀測(cè)時(shí)目標(biāo)的比輻射率不變，而溫度不同。

6、試述高光譜遙感特點(diǎn)及主要分析技術(shù)。

特點(diǎn)：
（1）高光譜高分辨率：能獲得整個(gè)可見(jiàn)光、近紅外、短波紅外、熱紅外波段的多而窄的連續(xù)的光譜波段。波段數(shù)目多，波段間隔一般為5~20nm，個(gè)別甚至2.5nm。
（2）圖譜合一：在獲取數(shù)十?dāng)?shù)百的光譜圖像的同時(shí)，能夠獲取圖像中的每個(gè)像元的連續(xù)光譜數(shù)據(jù)，可以反映目標(biāo)的精細(xì)光譜差異，能夠檢測(cè)出具有診斷意義的地物光譜特征
（3）空間分辨率較高，一般瞬時(shí)視場(chǎng)角為1~3mrad
（4）輻射分辨率與信噪比：高光譜遙感成像光譜儀具有豐富的空間、輻射、光譜三重信息，能夠?yàn)槟繕?biāo)地物提供直接的信息源，課廣泛應(yīng)用于精細(xì)農(nóng)業(yè)、城市遙感等。
主要分析技術(shù)：
高光譜遙感數(shù)據(jù)波段多、波帶窄、數(shù)據(jù)量大，且數(shù)據(jù)輸出率高，在輸出傳輸過(guò)程中必須進(jìn)行壓縮，高光譜遙感數(shù)據(jù)專門(mén)的技術(shù)方法包括：數(shù)據(jù)高比例壓縮技術(shù)、數(shù)據(jù)顯示模式、圖像數(shù)據(jù)-光譜的轉(zhuǎn)換、光譜特征參量化、以及專門(mén)針對(duì)光譜形狀、波長(zhǎng)位置、特征吸收帶的地物光譜特征提取、目標(biāo)識(shí)別與分類等方法和建立不同的應(yīng)用分析模型。
（1）圖像數(shù)據(jù)-光譜轉(zhuǎn)換：包括成像光譜儀的光譜和輻射定標(biāo)、成像光譜數(shù)據(jù)轉(zhuǎn)換為反射率。
（2）成像光譜圖像的波譜曲線提取：使用二維波譜曲線看來(lái)表達(dá)圖像上任意一點(diǎn)的光譜特征，顯示光標(biāo)任意指定像元波譜曲線或特定區(qū)域的平均波普曲線；快速確定具有相同或相似光譜特征的像元等。
（3）光譜特征參數(shù)提取：①光譜吸收指數(shù)：使用一系列波形形態(tài)參數(shù)表達(dá)光譜吸收特征；②導(dǎo)數(shù)光譜方法，提取光譜特征參數(shù)
（4）光譜匹配 識(shí)別方法:光譜數(shù)據(jù)編碼匹配、光譜角度匹配、導(dǎo)數(shù)光譜波形匹配識(shí)別法

7、熱紅外地表溫度反演原理。

熱紅外地表溫度反演需要將遙感器輸出的地物輻射溫度的量度與地物真是溫度建立定量關(guān)系，原理簡(jiǎn)單介紹如下：（1）均勻、同溫度的物體表面，熱紅外遙感器獲得的輻射能量與真實(shí)溫度和輻射率間的關(guān)系滿足普朗克定律和斯玻定律，故可以建立遙感器接受的目標(biāo)物表觀輻射出射度、平均環(huán)境輻照度、紅外測(cè)溫儀所測(cè)目標(biāo)物與環(huán)境的溫度、目標(biāo)物與環(huán)境的比輻射率之間的關(guān)系式。（2）利用熱遙感器獲得地表輻射亮度，景觀輻射糾正、幾何糾正、大氣糾正后，獲得地表發(fā)射的熱輻射輻射信息，等效于地表的輻射溫度。（3）地表比輻射率與地表物質(zhì)組成、地表結(jié)構(gòu)等因素有關(guān)，要對(duì)地表比輻射率進(jìn)行精確估計(jì)。（4）環(huán)境輻照度主要是大氣、云的輻射和高大地物的輻射，現(xiàn)階段往往在穩(wěn)定的天氣條件下，利用窄視場(chǎng)角的紅外測(cè)溫儀對(duì)天空進(jìn)行測(cè)量，通過(guò)加權(quán)計(jì)算等得到天空輻射出射度，從而獲得天空溫度來(lái)表征環(huán)境輻照度。（5）熱紅外遙感與地面同步測(cè)量或地面同步定標(biāo)，建立去兩者數(shù)據(jù)間的線性回歸方程，確定關(guān)系，進(jìn)行使用地物輻射溫度反演出真實(shí)的溫度。

總結(jié)

以上是生活随笔為你收集整理的遥感信息分析与应用期末复习题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。