如何利用波段组合解决同物异谱和异物同谱现象?

简介: 如何利用波段组合解决同物异谱和异物同谱现象?

01 知识点拓展

学习波段组合前,需要了解植物等地物的反射光谱曲线、TM的波段、波段组合等相关知识点。

1.1 植被的光谱曲线


1.2 TM传感器的几个波段及作用

1、TM1为0.45~0.52微米为蓝波段,该波段位于水体衰减系数最小的部位,对水体的穿透力最大,用于判别水深,研究浅海水下地形、水体浑浊度等,进行水系及浅海水域制图;


2、TM2为0.52~0.60微米为绿波段,该波段位于绿色植物的反射峰附近,对健康茂盛植物反射敏感,可以识别植物类别和评价植物生产力,对水体具有一定的穿透力,可反映水下地形、沙洲、沿岸沙坝等特征;


3、TM3为0.63~0.69微米为红波段,该波段位于叶绿素的主要吸收带,可用于区分植物类型、覆盖度、判断植物生长状况等,此外该波段对裸露地表、植被、岩性、地层、构造、地貌、水文等特征均可提供丰富的植物信息;


4、TM4为0.76~0.90微米,为近红外波段,该波段位于植物的高反射区,反映了大量的植物信息,多用于植物的识别、分类,同时它也位于水体的强吸收区,用于勾绘水体边界,识别与水有关的地质构造、地貌等;


5、TM5为1.55~1.75微米,短波红外波段,该波段位于两个水体吸收带之间,对植物和土壤水分含量敏感,从而提高了区分作物的能力,信息量大,应用率较高。


6、TM6为10.40~12.50微米,为热红外波段,该波段对地物热量辐射敏感。


7、TM7为2.08~2.35微米,为中红外波段,是专为地质调查追加的波段;


1.3 几个波段组合的诠释

TM3、2、1波段组合:均是可见光波段,合成结果接近自然色彩。对浅水透视效果好,可用于监测水体的浊度、含沙量、水体沉淀物质形成的絮状物、水底地形。一般而言:深水深兰色;浅水浅兰色;水体悬浮物是絮状影象;健康植被绿色;土壤棕色或褐色。可用于水库、河口及海岸带研究,但对水陆分界的划分不合适。这种RGB组合模拟出一副自然色的图象,有时用于海岸线的研究和烟柱的探测。


TM4、3、2波段组合:标准假彩色合成,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色。


TM7、4、1波段组合:其图像具有兼容中红外、近红外及可见光波段信息的优势,图面色彩丰富,层次感好,具有极为丰富的地质信息和地表环境信息;而且清晰度高,干扰信息少,地质可解译程度高,各种构造形迹(褶皱及断裂)显示清楚,不同类型的岩石区边界清晰,岩石地层单元的边界、特殊岩性的展布以及火山机构也显示清楚


02 实操

2.1 加载的TM影像展示

2.1.1 加载的TM影像的各个波段

2.1.2 加载的影像

(真彩色合成,波段组合3、2、1)

2.2 出现同物异谱、异物同谱现象

可能给的例子并不是很明显,但是暂时只能找到这样子的了,专门去找这两种现象太费时费力了。

2.3 修改波段组合

将波段组合3、2、1(真彩色)修改为4、3、2(标准假彩色)。

左下图是4、3、2波段组合的影像,右下图是3、2、1波段组合的影像。

2.4 其它

进行了其它波段的组合,这里组合了波段7、4、1,可以发现信息确实非常丰富

如果有问题,欢迎一起探讨。

目录
相关文章
|
数据库 芯片
如何使用GEOquery和limma完成芯片数据的差异表达分析
如何分析芯片数据 我最早接触的高通量数据就是RNA-seq,后来接触的也基本是高通量测序结果而不是芯片数据,因此我从来没有分析过一次芯片数据,而最近有一个学员在看生信技能树在腾讯课堂发布的课程GEO数据库表达芯片处理之R语言流程遇到了问题问我请教,为了解决这个问题,我花了一个晚上时间学习这方面的分析。
4280 0
|
6月前
|
数据可视化
R语言生态学进化树推断物种分化历史:分类单元数与时间关系、支系图可视化
R语言生态学进化树推断物种分化历史:分类单元数与时间关系、支系图可视化
R语言生态学进化树推断物种分化历史:分类单元数与时间关系、支系图可视化
|
5月前
|
编解码 开发工具 git
技术心得记录:小波变换(wavelettransform)的通俗解释(一)
技术心得记录:小波变换(wavelettransform)的通俗解释(一)
40 0
|
6月前
|
数据可视化 测试技术
R语言线性混合效应模型(固定效应&随机效应)和交互可视化3案例
R语言线性混合效应模型(固定效应&随机效应)和交互可视化3案例
|
6月前
R语言估计多元标记的潜过程混合效应模型(lcmm)分析心理测试的认知过程
R语言估计多元标记的潜过程混合效应模型(lcmm)分析心理测试的认知过程
|
6月前
|
数据可视化 数据建模
R语言用线性混合效应(多水平/层次/嵌套)模型分析声调高低与礼貌态度的关系
R语言用线性混合效应(多水平/层次/嵌套)模型分析声调高低与礼貌态度的关系
|
6月前
R语言如何用潜类别混合效应模型(LCMM)分析抑郁症状
R语言如何用潜类别混合效应模型(LCMM)分析抑郁症状
|
编解码 算法 数据可视化
【多重信号分类】超分辨率测向方法——依赖于将观测空间分解为噪声子空间和源/信号子空间的方法具有高分辨率(HR)并产生准确的估计(Matlab代码实现)
【多重信号分类】超分辨率测向方法——依赖于将观测空间分解为噪声子空间和源/信号子空间的方法具有高分辨率(HR)并产生准确的估计(Matlab代码实现)
110 0
|
6月前
|
机器学习/深度学习 PyTorch 数据处理
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
88 1
|
存储 数据可视化 数据挖掘
知识点丨重测序数据进行kinship亲缘关系分析、构建IBS矩阵的方法与介绍
知识点丨重测序数据进行kinship亲缘关系分析、构建IBS矩阵的方法与介绍
知识点丨重测序数据进行kinship亲缘关系分析、构建IBS矩阵的方法与介绍