不同种类遥感图像汇总 !!

简介: 不同种类遥感图像汇总 !!

前言

遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线,对目标进行探测和识别的技术。遥感卫星是搭载了相关遥感传感器,利用遥感器收集地球或大气目标辐射或反射 的电磁波信息,并记录下来,由信启、传输设备发送回地面,通过电磁波转换、识别得到可视图像,即我们常说的卫星图像。

遥感图像具有宏观、客观、综合、实时、动态、快速等特点,为地球资源调查与开发,国土整治,环境监测,以及全球性研究,提供了一种新的探测手段,广泛用于测绘、动态监测、地球资源调查、地质灾害调查与救治、军事侦查等领域。

遥感图像主要包括六个种类:

  1. 可见光遥感图像
  2. 全色遥感图像
  3. 多/高光谱遥感图像
  4. 红外遥感图像
  5. Lidar遥感图像
  6. 合成孔径雷达遥感图像

1、可见光遥感图像

从20世纪60年代采用的多像机型传感器多光谱摄影,到多镜头型传感器多光谱图像获取,多光谱摄影技术是航空遥感的重要发展。可见光遥感图像是多光谱图像中的特殊案例,此类图像是现实生活中最常应用的遥感图像。

可见光是指特指能够引起正常人类视觉的电磁波,自然属于电磁波的一种。其波长在波长为400~760nm的可见光。而自然中存在的光是不同波长的光叠加后的组合,每个波长的光有不同的光强,这些光波叠加起来能表示所有自然光,在人类视网膜转化下被人类认知为红、橙、黄、绿、蓝、靛、紫的不同颜色。而RGB遥感图像则是把红色光谱、蓝色光谱、绿色光谱三种通道的波进行了融合。目前人类把可见光图像特征用到了地形、地物判别上。

所谓光谱(Spectrum)是复色光经过色散系统(如棱镜、光栅)分光后,被色散分离成的单色光,通过成像系统,投射在探测器上成为按波长(或频率)大小依次排列的图案,即成为光学频谱。

多光谱技术(Multispectral)是指能同时获取多个光学频谱波段(通常大于等于3个),并在可见光的基础上向红外光和紫外光两个方向扩展的光谱探测技术。常见实现方法是通过各种滤光片与多种感光胶片的组合,使其在同一时刻分别接收同一目标在不同窄光谱波段范围内辐射或反射的光信号,得到目标在几张不同光谱带的照片。

2、全色遥感图像

与RGB遥感图像不同,全色图像是遥感器获取整个可见光波区的黑白影像称全色影像。因此,全色图像是单通道的,其中全色是指全部可见光波段0.38~0.76um。因为是单波段,所以在图上显示为灰度图片。全色遥感图像一般空间分辨率高,但无法显示地物色彩,也就是图像的光谱信息少。

实际操作中,我们经常将全色图像与多波段图像融合处理,得到既有全色图像的高分辨率,又有多波段图像的彩色信息的图像。

3、多光谱遥感图像

可见光遥感图像是多光谱图像中的特殊案例,而在我们的普遍认知中多光谱不仅包含3个光谱,应该由数十到数百的个光谱组成。多个光谱的信息不仅带来了更多的颜色信息,多样的光谱组合也对地球表面物质的性质判断做出了辅助。

举例来说,蓝色波段(band1; 0.433–0.453 μm)主要应用海岸带观测;短波红外波段(band 9; 1.360–1.390μm)包括水汽强吸收特征可用于云检测。

以2013年2月11日发射的Landsat系列最新卫星Landsat8为例,Landsat8对于各个光谱的波长信息:

它携带有OLI陆地成像仪和TIRS热红外传感器,Landsat8的OLI陆地成像仪包括9个波段,OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整,比较大的调整是OLI Band5(0.845–0.885μm),排除了0.825μm处水汽吸收特征;OLI全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征。

4、高光谱遥感图像

多光谱成像(Multispectral)一般只有几个到十几个光谱,由于光谱信息其实也就对应了色彩信息,所以多波段遥感图像可以得到地物的色彩信息,但是空间分辨率较低。更进一步,光谱通道越多,其分辨物体的能力就越强,即光谱分辨率越高。

高光谱成像(Hypespectral)是一种可以捕获和分析一片空间区域内逐点上光谱的精细技术,由于可以检测到单个对象不同空间位置上的独特光谱“特征”因此可以检测到在视觉上无法区分的物质。

5、红外遥感图像

红外遥感(infraredremote sensing)是指传感器工作波段限于红外波段范围之内的遥感。因为红外遥感在电磁波谱红外谱段进行,主要感受地面物体反射或自身辐射的红外线,有时可不受黑夜限制。又由于红外线波长较长,大气中穿透力强,红外摄影时不受烟雾影响,透过很厚的大气层仍能拍摄到地面清晰的像片。但是,他仍存在分辨率差、对比度低、信噪比低、视觉效果模糊等缺点。

比如,CO2增加引起全球变暖,随之而来的海表面温度增加和海平面增高已引起人们的普遍关注。下图就是通过红外遥感对于全球海表面温度的观测。

6、激光雷达图像

LiDAR是激光雷达,通过对从空中或空间飞行器上发射的激光角度和探测到的激光距离来解算激光点的地面坐标。

7、合成孔径雷达遥感图像

合成孔径雷达(SAR)是用小孔径天线通过运动和数学计算而达到大孔径雷达的测量效果的技术。其生成的遥感影像的每一像素不仅包含反映地表微波反射强度即所谓的灰度值,而且还包含与雷达斜距(一般取样到垂直于平台飞行方向的斜距上)有关的相位值,这两个信息分量可用一个复数表示。

这说明SAR图像像素所记录的相位信息不仅包含距离信息,而且还包含地面分辨元诸要素的附加相位贡献,而后者表现出极大的随机性,因此一般被视为噪声,对干涉分析带来不便。


目录
相关文章
|
数据采集 JavaScript 测试技术
史上最全测试开发工具推荐(含自动化、APP性能、稳定性、抓包神器)
在本篇文章中,将给大家推荐14款日常工作中经常用到的测试开发工具神器,涵盖了自动化测试、APP性能测试、稳定性测试、抓包工具等。
5759 0
史上最全测试开发工具推荐(含自动化、APP性能、稳定性、抓包神器)
|
存储 人工智能 数据管理
【云故事探索】基于阿里云助力地理产业2.0落地,实现遥感数据智能化管理
中国某遥感数据服务中心借助阿里云ECS、GPU和OSS服务,成功实现了地理信息产业升级。此前,中心面临数据管理混乱、服务响应慢等问题。通过阿里云的解决方案,构建了全生命周期管理的遥感数据平台,强化了自动化、智能化的数据生产能力,提升了数据服务的准确性和及时性。此外,平台还增强了数据共享,扩大了应用范围。未来,中心计划结合AI技术,探索地理信息3.0时代,利用阿里云的人工智能平台进一步提升数据管理和应用能力。
865 1
|
12月前
|
存储 监控 安全
如何用二维码提升隐患排查治理效率
纸质记录方式已经难以适应企业对高效、安全管理的需求。通过微信+二维码的方式,可以实现高效、低成本的解决隐患排查管理的问题。无论是巡检人员还是工人都能扫码上报隐患信息,管理人员通过后台集中管理。这种方式不仅加快了隐患信息流转,还实现了从发现到解决的全过程无缝衔接,让隐患处理更快速。
如何用二维码提升隐患排查治理效率
|
机器学习/深度学习 自然语言处理 安全
Llama 3.3开源!70B媲美405B性能,支持128K上下文
近期,Meta开源了Llama 3.3 多语言大型语言模型(LLM),Llama 3.3 是一个预训练并经过指令调优的生成模型,参数量为70B(文本输入/文本输出)。
2734 5
Llama 3.3开源!70B媲美405B性能,支持128K上下文
ArcMAP对遥感影像进行波段提取的3种方法
ArcMAP对遥感影像进行波段提取的3种方法
4660 0
|
机器学习/深度学习 边缘计算 5G
室内定位之5G定位
室内定位之5G定位
1089 1
|
机器学习/深度学习
【元学习meta-learning】通俗易懂讲解元学习以及与监督学习的区别
本文通过通俗易懂的方式解释了元学习(Meta-learning)的概念及其与传统监督学习的区别,并通过实例说明了元学习是如何让模型具备快速学习新任务的能力。
3802 0
|
JavaScript 前端开发 定位技术
如何正确学习GEE(Google Earth Engine)?含学习资源链接
如何正确学习GEE(Google Earth Engine)?含学习资源链接
1794 0
|
机器学习/深度学习 数据可视化 数据挖掘
数据降维 | MATLAB实现T-SNE降维特征可视化
数据降维 | MATLAB实现T-SNE降维特征可视化
|
传感器 资源调度 Shell
遥感物理基础(2)物体的发射与反射辐射特征
本文内容主要介绍地物的发射和反射辐射特征,通过名词解释与案例,认识地物特征与遥感影像成像的联系,结合实践理解晦涩难懂的原理
1582 0

热门文章

最新文章