课程计划
课程日期：年7月18日—7月22日
课程价格：元，学生价元（需提供学生证和在校证明）
课程简介
遥感技术已经广泛应用于农业生产、土地利用、国土资源调查、大气监测、环境灾害监测等各个方面，相对于传统的实地调查，遥感技术能够快速监测大范围区域，节省人力物力。本课程旨在让您全面而快速地掌握常用的遥感技术及应用，包括遥感数据的下载、数据预处理、地物信息自动解译、定量反演植被覆盖度、温度、干旱情况等信息、以及信息变化监测等任务。
预备知识
本课程为希望学习遥感知识的学员设计，不需要学员具备ArcGIS知识，有GIS和制图经验对本课程的学习和理解将有一定帮助。
核心内容
完成本次课程的学习后，您将学会：
1.栅格的基础：数字航空相片、数字图片或卫星影像都是栅格数据，由大小相等的像元组成，每个像元都记录此位置处的信息。了解栅格数据，查看分辨率，像元值，栅格属性表等信息，掌握栅格分析前的准备工作，学习栅格数据中的面积计算方法。
2.栅格中常用的基础工具：为了加快栅格显示和查询效率，对影像数据构建金字塔；如何提取出栅格中所需要的信息，如高程大于m的区域；如何修改栅格像元值，如对降雨量图划分小雨区、中雨区、大雨区和暴雨区；如何统计北京不同区的降雨量的平均值？如何修改栅格的分辨率以提高软件处理速度？如何实现栅格数据与矢量数据之间的相互转换？
3.地图代数：地图代数即对栅格数据进行代数运算。如研究两年间哪些区域用地类型发生了变化，变化的面积是多少，或者提取特殊的地物信息，如土地分类图中单独提取湿地区域。
4.地形地貌分析：根据网上免费下载到中低分辨率DEM数据，或者根据等高线、高程点、湖泊河流等数据自动生成高精度DEM数据，进行坡度、坡向、山体阴影、等高线等表面分析。
5.遥感影像数据介绍：常用的影像数据获取方式和网站有哪些？常用的国内国外卫星有哪些，它们在空间分辨率，时间分辨率，光谱分辨率，图幅等参数上有何区别？根据项目要求选择最合适的影像数据，并学习如何查看影像数据的头文件信息。
6.影像数据预处理：在使用遥感影像之前，需要首先处理拿到的原始遥感数据，将多个波段影像组合在一起方便获取更多的信息；将低分辨率的多光谱数据与高分辨率的全色数据融合在一起可以获得高分辨率的多光谱数据；去除大气，如水汽，气溶胶，粉尘等对影像的影响，获取地表的真实信息；去除地形对影像造成的扭曲与变形的影响，得到正射影像；将多份的遥感影像精确配准以获得准确的位置信息，方便后续分析两个区域的变化情况；根据研究区的大小将多幅影像拼接或裁剪；使用镶嵌数据集格式来批量快速管理大量的影像数据。
7.地物类型解译：人工智能时代，机器学习应用广泛，我们也可以在遥感影像提取土地利用的研究中使用机器学习方法，实现土地利用类型自动提取，使用最大似然算法或者支持向量机算法来实现影像的自动分类，在分类过程中，可以考虑面向对象的方法，提高分类结果的连续性和完整性。
8.深度学习：在一片农业用地中找出其中零散分布的建筑物是一件很困难的事，机器学习的方法正确率非常低，使用基于神经网络的深度学习方法，可以快速而准确地获取结果；在果园中有各种不同类型的树木，如何使用遥感影像直接分辨不同树种，同样可以使用深度学习方法。
9.编辑栅格数据：像编辑矢量数据一样，栅格数据也可以直接进行编辑。使用像素编辑器直接修改原始影像，如将行驶在道路上的汽车去除掉，将影像中的云覆盖区域用周围地物替代，编辑或隐藏机密的地物；修改分类好的栅格数据，如将分类错误的像元直接修改成正确的类别；删除大地块中的其他类别的小块像元，以保持地物的连续性，如删除停车场中单独分出的汽车类别；添加新的分类类别；直接使用现有的更精确的矢量面数据替换栅格中对应的像元类别，如依据现有的湖泊矢量面数据来精确修改分类结果中的水域类别
10.土地利用数据每年都在发生变化，特别是一些经济发展迅速的地区。哪些区域从耕地变成了建筑用地？哪些区域从水域变成了农田？这些变化区域的总面积是多少？我们可以使用遥感影像快速分析变化区域和变化面积，并制作土地利用变化专题地图。
11.计算遥感指数：利用遥感影像可以计算各种指数，如植被指数，可以获取植被覆盖信息或植被健康信息；水体指数，可以找出湿地或计算水质情况；积雪指数，可以找出积雪覆盖的区域并计算面积；建筑指数，可以找出不透水面的区域，提取城市中的建筑物面积；燃烧指数，可以发现易发生火灾的区域以及时预警。
12.变化分析：黄河携带着黄土高原大量的泥沙，在山东省垦利县注入渤海。在入海口大量泥沙淤积，自然的进行了填海造陆，形成了黄河三角洲。年之前，黄河三角洲一直在向东南方向延伸，年，黄河人工改道，开始向东北方向延伸。利用30年间的影像数据，可以轻松获取变化信息，计算变化面积。
13.大气校正：电磁波从辐射源到传感器之间的传输过程中，要经历吸收、辐射、反射、散射等一系列过程。而传感器接收到的信息是地表物体和大气共同作用的结果，因此，想要对地表物体进行研究，就必须去除大气的影响，称为大气校正。本课程中主要介绍6S大气校正模型。
14.探测水深：水深是海岛海岸带浅海区域重要的地形要素，传统的现场测量方法在经济性、周期性等方面存在诸多不足。遥感技术具有获取水深信息的能力，且覆盖面广、费用低、周期短，在一定程度上可弥补传统测量方法的不足。光在水体中的漫衰减系数决定了光在水体中的穿透深度，不同水体、不同谱段的漫衰减系数都不相同，由此来反演水深数据。
15.计算植被覆盖度：植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。常用来研究植被变化、生态环境、气候或水土保持情况。对于大面积的研究区域，如果使用地面测量的方法来计算植被覆盖度，既耗时又耗力，可以使用遥感的方法来进行估算。目前发展了很多估算模型，其中较为实用的是使用植被指数，利用像元二分模型来近似估算植被覆盖度。
16.反演地表温度：常规获取地表温度的方法，往往是采集自气象站点，然后利用插值的方法获取整个区域的温度信息，但是插值的方法无法准确预测某些特殊位置处的温度，如水面或者地形特殊位置处。利用传感器中记录的热红外波段的信息，可以反演地表温度，利用单窗算法、劈窗算法或大气校正法，根据植被信息、大气透过率和热红外波段记录的地面物体发射率信息，结合普朗克公式，可以反演得到地表温度，研究城市热岛效应的影响。
17.生态敏感性评价：生态敏感性反应了生态系统对人类活动反应的敏感程度，确定生态环境影响最敏感的地区和最具有保护价值的地区，可以为生态功能区划提供依据。地形高度、坡度，水体及其周边区域，空气质量，植被覆盖度等因素均会影响到生态敏感性，且不同因素的影响程度不同，综合以上因素，赋予不同区域不同的敏感等级，并找到该区域中敏感度最高的区域保护起来。
日程安排
时
间
章节
主要内容
第
一
天
第一章
栅格基础知识
理解栅格基本概念：什么是栅格数据，像元值，分辨率，栅格数据的符号化方式，分析环境的设置等；掌握zone和region的概念以及转换方法。
案例
ArcMap中栅格的基本操作：构建属性表；计算统计数据；设置环境变量；区域合并；计算面积；对栅格数据进行符号化等。
第二章
地图代数
地图代数即对栅格数据进行代数运算。本章需要理解地图代数的语法规则和栅格计算器的使用方法。
案例
土地利用变化分析：找到土地分类数据中年是林地或耕地，而年变为建筑用地的区域，并计算其面积。
第三章
栅格常用工具
学习常用的处理栅格的工具：提高栅格数据的显示效率；改变栅格数据的分辨率；栅格数据与矢量数据之间的相互转换；提取符号像元值要求的区域；计算指定区域的统计信息。
案例
常用栅格工具介绍：熟悉栅格金字塔，重采样，要素转栅格，设为空函数，条件函数，按属性提取，分区统计等工具的使用方法。
第四章
地形地貌分析
（重点）
数字高程模型DEM是对地面高程进行空间描述的一种离散的数字表达，通过DEM数据可以对地形和地貌进行分析。
案例
地形地貌分析：下载免费的中分辨率DEM数据；根据等高线、高程点、湖泊河流等数据自行生成高精度DEM数据；对DEM进行坡度、坡向、山体阴影等表面分析。
第
二
天
第五章
影像数据介绍
了解常用的数据获取方式和下载网站；掌握常见的传感器以及其影像数据的特征；查看影像数据信息。
案例
了解影像：查看影像的参数信息：空间分辨率，时间分辨率，辐射分辨率，波段等；选择合适的影像数据；查看影像数据的头文件信息。
第六章
影像数据
预处理方法
（重点）
下载或拿到的影像数据，不能直接用来进行分析，还需要进行前期的处理，称之为影像的预处理。
案例1
栅格函数：介绍影像分析窗口，并应用简单的栅格函数，如裁剪函数，镶嵌函数等处理数据。
案例2
波段组合与影像增强：原始影像可以通过调整对比度、亮度和Gamma值获取更清晰的影像；影像中不同的波段组合在一起可以获取更多的信息，如标准假彩色可以突出植被信息，而带有短波红外的波段组合可以穿透薄雾。
案例3
图像融合：多光谱影像的分辨率低，但有不同光谱波段的信息，全色影像分辨率高，光谱信息却有限，如果将两者融合在一起，可以同时获得高分辨率，多光谱的影像。
案例4
镶嵌数据集：普通的影像镶嵌处理时间长、效率低，本案例中学习使用镶嵌数据集批量管理影像，实现大量影像的快速镶嵌。
案例5
影像的正射校正：由于地形起伏和传感器误差，影像上有些区域可能存在像点偏移，不符合真实的地表位置，可以在地形起伏较大的地区影像上，结合DEM，应用正射校正，校正地形偏移。
案例6
镶嵌数据集的正射校正：若对镶嵌数据集应用正射校正，方法有所不同，需在添加栅格数据时进行设置。
案例7
手动配准栅格：影像数据往往只经过粗校正，像元位置与实际位置仍然存在偏移，如果要精确定位影像，或者要研究两份影像之间的变化信息时，还需要对栅格进行配准以精确定位。
案例8
自动配准栅格：手动配准栅格步骤繁琐，需要花费大量的时间与精力，在图像特征明显时，可以使用自动配准的方法，也能得到很好的效果。
案例9
大气校正：传感器接收到的信息是地表物体和大气共同作用的结果，因此，想要对地表物体进行研究，就必须去除大气的影响，本课程中使用6s模型进行大气校正。
第七章
遥感指数计算
（重点）
用遥感影像可以计算各种指数，如植被指数，可以获取植被覆盖信息或植被健康信息；水体指数，可以找出湿地或计算水质情况；积雪指数，可以找出积雪覆盖的区域并计算面积；建筑指数，可以找出不透水面的区域，提取城市中的建筑物面积；燃烧指数，可以发现易发生火灾的区域以及时预警。
案例1
使用植被指数提取火灾燃烧区域：火灾燃烧过的区域，植被遭到破坏，故可以通过计算植被指数寻找火灾燃烧过的区域。但同时也会有一些阴影干扰等信息被提取出来，学习如何剔除这些干扰信息。
案例2
使用燃烧指数研究火灾燃烧程度：燃烧指数可以找出火灾正在燃烧的区域、燃烧过的区域、燃烧程度等情况。
案例3
评估野生动物栖息地的植被状况：萨克拉门托国家野生动物保护区为候鸟和其他野生动物以及濒危，受威胁和敏感物种的管理提供重要的避难所和繁殖栖息地。评估周边地区自然植被和作物的覆盖率和相对健康状况有助于平衡自然野生动植物和农业土地利用的需求和管理，本案例中使用栅格函数链，帮助我们快速完成栅格处理中的参数调整。
第
三
天
第八章
影像分类
（重点）
人工智能时代，机器学习和深度学习应用广泛，我们也可以在遥感影像提取土地利用的研究中使用这些学习方法，实现土地利用类型自动提取，高效而快速地找出目标地物。
案例1
非监督分类：不需要人工干预，算法自动根据光谱信息影像进行分类，但分类结果需要人工判断地物类别。
案例2
面向像元的监督分类：通过机器学习的方法，人工选择训练样本，来训练分类器。可以使用最大似然算法或支持向量机算法。
案例3
面向对象的监督分类：相对于面向像元的监督分类方法，面向对象的方法首先会对影像进行分割与合并，得到连续的地块后，再进行监督分类，这样分类结果中地物的完整性和连续性更好。
案例4
深度学习之神经网络监督分类：机器学习在精细化分类中的准确率较低，如寻找农田中零散分布的建筑物，机器学习会将建筑物直归类为农田，但是基于神经网络的深度学习则可以准确而高效的找出这些建筑物。
案例5
监测棕榈树的健康状况：利用基于神经网络的深度学习方法，找出果园中的所有棕榈树，并使用可视化大气阻抗指数(VARI)检测其健康状况。
第九章
分类准确性评估
混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，具体评价指标有总体精度、生产者精度、用户精度、Kappa系数等，这些精度指标从不同的侧面反映了图像分类的精度。本章学习中我们通过混淆矩阵来评价分类结果的优劣。
案例1
根据实地采集数据进行评估：采用实地GPS采集的地物类别点，对分类结果进行评价，并计算混淆矩阵。
案例2
目视查看分类结果并评估：随机创建一些精度评估点，采用目视解译的方法为这些点分类，与自动分类结果相比较，计算混淆矩阵。
第
四
天
第十章
编辑栅格数据
（重点）
像编辑矢量数据一样，栅格数据也可以直接进行编辑。ArcGIS软件给我们提供了手动编辑栅格数据的工具—像素编辑器，以快速方便修改栅格数据。
案例1
手动修改原始影像：软件提供的像素编辑器可以直接修改原始影像数据，如将道路上行驶的车辆抹掉，将影像中云覆盖的区域用周围的地物替代，移动或隐藏机密的地物等。
案例2
手动编辑分类结果：像素编辑器可以直接将错误的分类手动修改为正确的分类，手动删除影响地物连续性的小斑块，添加或删除新的地物类别，修改地物阴影影响的区域等。
案例3
替换分类结果：像素编辑器还可以用矢量数据来替换栅格数据，如应用获取的更精确的矢量湖泊和河流面数据来替换分类结果栅格数据中的水域类别，以得到更精确的分类结果数据。
第十一章
变化分析
无论变化在一瞬间发生，还是长期的演变，人工的监测是十分困难的，如果使用遥感影像来监测变化，可以节省人力物力，更能发生隐藏的规律。
案例
黄河三角洲30年变化分析：黄河携入海口大量泥沙淤积，形成了黄河三角洲。年之前，黄河三角洲一直在向东南方向延伸，年，黄河人工改道，开始向东北方向延伸。利用30年间的影像数据，可以轻松获取变化信息，计算变化面积。
第十二章
水深反演
水深是海岛海岸带浅海区域重要的地形要素，传统的现场测量方法在经济性、周期性等方面存在诸多不足。遥感技术具有获取水深信息的能力，且覆盖面广、费用低、周期短，在一定程度上可弥补传统测量方法的不足。
案例
测量海岛附近区域水深：光学水深遥感反演的物理基础是光对水体具有穿透能力。光在水体中的漫衰减系数决定了光在水体中的穿透深度，不同水体、不同谱段的漫衰减系数都不相同。本案例采用半理论半经验模型，对海岛周围水域进行水深反演，并验证反演精度。
第十三章
植被覆盖度反演
定量遥感是指从对地观测电磁波信号中定量提取地表参数的技术和方法。定量遥感在区域尺度的应用广泛，人工方法很难在大区域中使用，遥感的方法却可以轻松获取相关信息。
案例
植被覆盖度反演：植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。目前已经发展了很多利用遥感测量植被覆盖度的方法，本课程使用像元二分模型，利用植被指数近似估算植被覆盖度。
第
五
天
第十四章
地表温度反演
常规获取地表温度的方法，往往是采集自气象站点，然后利用插值的方法获取整个区域的温度信息，但是插值的方法无法准确预测某些特殊位置处的温度，如水面或者地形特殊位置处。而现有的较成熟的地表温度反演方法有单窗算法、劈窗算法、大气校正法等，根据植被信息、大气透过率和热红外波段记录的地面物体发射率信息，结合普朗克公式，可以反演得到地表温度。
案例
地表温度反演：影像中的热红外波段测量了地物的热量，可以用来进行温度的反演，本案例中使用大气校正模型和普朗克公式，定量反演地表温度，并制作地表温度专题地图。
第十五章
生态敏感性分析
生态敏感性分析是指在不损失或不降低环境质量的情况下，生态因子对外界压力或外界干扰适应能力。生态功能区的划分和生态红线的划定都依据生态敏感性的等级评定。
案例
生态敏感性评价：对地形因子、植被因子、水体因子和空质量因子进行评价，赋予敏感性等级，并将所有因子叠加并赋予权重等级，最终得到该地区的生态敏感性等级图。
扫码添加客服了解详情
咨询电话
官方邮箱
actc
lreis.ac.cn官方QQ群
点击下方“阅读原文”填写报名表
预览时标签不可点收录于合集#个上一篇下一篇