高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用

在高光谱影像中，结合纹理、表面粒度、风化程度、作物密度等辅助信息，能估计出多种地物及其上覆作物的状态参量，提高遥感高定量分析的精度和可靠性。如何通过构建遥感光谱反射信号与地表参数之间的关系模型来实现数值计算，是举办本次培训班的主要目的。针对高光谱建模的具体实现方法，系统地阐释基于信息量方法的建模思路与基本原理，并进行深入地实现方法学习，涉及数据获取、分析、处理、软件操作和结果分析等主要环节。通过本次理论学习，掌握高光谱遥感数值建模思路与基本步骤，结合高光谱遥感、热红外遥感、多光谱遥感在水体、土壤信息提取领域的实际案例，通过一步步讲解与上机操作，具备解决多地物高光谱遥感反演问题的能力。

///【教程】高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用

【专家】：张博士，来自重点高校及科研院所一线科研人员，长期从事高光谱遥感技术与应用研究，主持多项国家级科研项目，编写著作2部，第一作者发表科研论文20余篇。对高光谱遥感的多平台、多传感器应用现状，以及涉及的核心技术具有很深的理解，精通ENVI、R语言和Unscrambler等分析工具，具有丰富的科研及地表水体、植被、土壤、岩矿和人工目标提取经验。

专题一

植被高光谱信息提取之作物品种鉴定

1 基本ENVI波谱操作介绍

1）显示灰阶影像

2）显示彩色影像

3）提取波谱剖面廓线

4）采集波谱曲线

5）动画显示数据（Animate the Data）

2 基础高光谱分析

通过鉴别波谱曲线识别作物

专题二

植被高光谱信息提取之不同作物分类

1 非监督分类

1）K-均值

2）IsoData

2 监督分类

1）绘制感兴趣区

2）平行六面体法（Parallelepiped）

3）最小距离法（Minimum Distance）

4）马氏距离（Mahalanobis Distance）

5）最大似然分类（Maximum Likelihood）

专题三

高光谱数据获取技术与精度评价技术

1 机载（有人机+无人机）高光谱数据获取方法

1）常见的地面高光谱仪器概述

2）常见的机载成像仪概述

3）光谱库的研究现状

4）高光谱遥感在信息提取中的技术优势

5）高光谱遥感数据获取的考虑因素

2 精度评价技术

专题四

地面辅助理化数据作用与处理方法

1 地物的理化数据获取方法

1）地面同步数据工作

2）数据预处理

3）理化数据获取

2 Unscrambler光谱建模软件学习

3 地物的理化数据获取方法

4 高光谱与理化数据建模方法综述

1）偏最小二乘回归法（PLSR）

2）主成分回归法（PCR）

3）多元逐步回归法（SMLR）

4）决策树法（DT）

5）流行学习法（ML）

6）BP神经网络法（BPNN）

7）小波分析法（WA）

8）遗传算法（GA）

专题五

水体高光谱信息提取之辐射校正

1 水体遥感与信息提取原理

1）水体光谱特征

2）水体环境遥感信息研究

3）水体信息提取方法

2 数据采集情况

1）高光谱航空测量

2）地面数据测量

3 高光谱数据预处理

1）大气校正的原理

2）大气校正的方法

3）实地数据采集方法

4）无线电探空法

5）黑暗像元法

6）基于统计学模型的反射率反演

7）基于辐射传输的大气校正

4 FLAASH大气校正法

专题六

水体高光谱信息提取之六种经典方法

1 光谱分类法

2 单波段阈值分析法

3 多波段谱间关系法

4 水体指数法

5 植被指数法

6 斜率法

专题七

热红外光谱数据地表温度提取方法

1 热红外遥感简介

1）测量平台

2）研究应用方向

2 基本概念和热辐射方程

1）热红外卫星基本情况

2）卫星免费数据获取方法

3 地表热信息的提取方法实现

1）打开数据

2）形成光谱集

3）计算 L6

4）计算T6

5）计算Pv

6）计算e6

7）计算C6

8）计算D6

9）计算Ta

10）计算Ts

11）制图

专题八

土壤高光谱信息提取之信息量方法

1 非监督特征选取方法

2 基于信息量的成分特征选择

1）基于机理的地物养分特征波段

2）波段标准差特征选择

3）信息熵特征选择

3 数据与方法

1）化验数据

2）算法实现

专题九

土壤高光谱信息提取之偏最小二乘建模

1 建立特征波段

1）数据集分析

2 偏最小二乘回归模型的实现

1）建立训练集

2）建立验证集

3 预测结果精度分析

4 制图

专题十

遥感提取结果的空间表达——GIS制图流程

1 地理信息系统的基本概念

2 ArcGIS应用

（1）创建新地图文档

（2）地图与图层操作

（3）ToolBox内容简介

3 遥感结果数据的采集与组织

（1）创建shapefile文件

（2）创建Geodatabase数据库

（3）数据编辑

（4）遥感结果数据投影变换

（5）数据翻转、移动与扭曲

（6）数据裁切、拼接、提取

4 空间数据综合制图

（1）数据符号化

（2）编制一景高质量的专题地图

附加学习

1.学员根据科研或生产实际，提供数据，集体讨论高光谱总体实施方案

2.提供若干附加材料，包括典型论文、其它软件以及学习材料

3.实例回顾、训练、巩固

答疑与讨论

更多
●Meta分析在生态环境中的应用
●陆面生态水文模拟与多源遥感数据同化应用
●遥感数据与DSSAT作物生长模型同化及在作物长势监测与估产中的应用
●近地面无人机植被定量遥感与生理参数反演
●CASA（Carnegie-Ames-Stanford Approach）模型原理及应用
●CENTURY模型实践技术应用与案例分析
●Biome-BGC生态系统模型建模方法与实践技术应用
●无人机遥感在农林信息提取中的实现方法与GIS融合应用
●InVEST模型在生态系统服务供需、碳中和等领域中的应用及论文写作技能
●MAXENT模型生物多样性生境模拟与保护优先区甄选、保护区布局优化评估及论文写作技巧
●长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等

点击查看原文

高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用相关推荐

高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域中的应用
高光谱遥感(Hyperspectral Remote Sensing)又叫成像光谱遥感,是将成像技术和光谱技术相结合的多维信息获取技术(Goetz,1985年).高光谱遥感数据中包含了丰富的空间.辐射 ...
高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用技术
高光谱遥感(Hyperspectral Remote Sensing)又叫成像光谱遥感,是将成像技术和光谱技术相结合的多维信息获取技术(Goetz,1985年).高光谱遥感数据中包含了丰富的空间.辐射 ...
【案例实践】高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用实践技术
[查看原文]高光谱遥感数值建模技术及在植被.水体.土壤信息提取领域应用高光谱遥感(Hyperspectral Remote Sensing)又叫成像光谱遥感,是将成像技术和光谱技术相结合的多维信息获 ...
高光谱遥感--原理、技术与应用（童庆禧院士等）
[高光谱遥感–原理.技术与应用(童庆禧院士等) 链接:https://pan.baidu.com/s/1EgjrMypYVfhsVxlgBB5pRQ 提取码:oujy 高光谱遥感–原理.技术与应用(童 ...
erdas遥感图像几何校正_定量/高光谱遥感之—光谱分析技术
文章转载自微信公众号CSDN,作者冰清-小魔鱼,版权归原作者及刊载媒体所有. 在定量遥感或者高光谱遥感中,信息提取主要用到光谱/波谱分析技术.本专题对光谱/波谱分析中涉及的流程及一些技术进行讲解,包括 ...
【GPT模型】遥感云大数据在灾害、水体与湿地领域中的应用
近年来遥感技术得到了突飞猛进的发展,航天.航空.临近空间等多遥感平台不断增加,数据的空间.时间.光谱分辨率不断提高,数据量猛增,遥感数据已经越来越具有大数据特征.遥感大数据的出现为相关研究提供了前所未 ...
基于 Python 长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用
植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化过程中起着重要作用,能够指示自然环境中的大气.水.土壤等成分的变化,其年际和季节性变化可以作为地球气候变化的重要指标.此外 ...
生态、遥感、大气、水文水资源、地下水土壤、人工智能等多领域教程
理论讲解+案例实战+动手实操+讨论互动针对生态农林.遥感.语言土壤.统计.人工智能等领域全套教程. 包含:InVEST模型.DSSAT模型.CENTURY模型.CASA模型.SWH蒸散模型.BGC ...
长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的实践技术应用
[查看原文]长时间序列遥感数据处理及在全球变化.物候提取.植被变绿与固碳分析.生物量估算与趋势分析等领域中的实践技术应用植被是陆地生态系统中最重要的组分之一,也是对气候变化最敏感的组分,其在全球变化 ...

高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用

高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用相关推荐

最新文章

热门文章