遥感教程第13部分答案¶
ANSWERS¶
` <>`__13-1 ：正如本页后面将提到的，在获取图像之前，首要任务是熟悉场景中的主要特征，以便选择一些特定的位置和示例作为培训地点，假设分类是您的主要目标。在对陆地卫星图像进行分类之后，必须返回现场，检查已定义分类的多个位置，以测试基于计算机的地图的总体分类精度。 **BACK**
` <>`__13-2 ：实际上，对于本清单前8项中的任何一项的现场测量，都可以进行有力的论证。其中大部分都可以通过现场仪器自动测量。诀窍是获得结果信息给你，用户。这通常很简单，但不便宜。测量站可以配备无线电发射器，将数据从地面传输到卫星，然后再传输到接收站（中央站，如NASA或机构，或直接发送给您）。这是本节后面描述的数据收集平台（DCP）概念的基础。 **BACK**
` <>`__13-3 ：低分辨率系统的最佳类别是在相对较大的区域内均匀的类别。几个浮现在脑海中的是巨大的水体；云；广阔的森林；沙漠；雪原。当分辨率较低时，提供较差样本的区域包括居住区（除非没有尝试根据单个建筑来定义这一类别，而是将其定义为一般类别）和多用途地形（例如，靠近河流的一个发电厂，附近有田地和森林）。 **BACK**
` <>`__13-4 ：首先要注意的是大多数场景的变化程度。签名获取问题的答案相当复杂。什么签名？这在很大程度上取决于你对类别或类别的选择以及它的一般性。如果你想要房子的签名，你应该离得有多近。如果离得太近，你只能得到房子的一部分。如果整个房子充满了视野，那么第二个房子的签名有多有意义，可能与第一个房子有很大的不同。庭院和景观会随着地点的变化而变化。远处房子后面的地怎么样？这在不同的视图中有所不同。现实世界的光谱特征很难用“典型”来描述。光谱特征主要在目标一致时工作良好：例如岩石露头、某些特定作物的田地、湿地、水体。 **BACK**
` <>`__13-5 ：左中心的像素点有小麦、玉米和草地——所有的植被，但很难提取出应该引用哪一类。在中心像素，低分辨率像素有五类：硬木，玉米，灌木草地，岩石露头，松树。在该像素中，高分辨率（更小的表面积）下的右下像素与相同的五类像素混合：在这种情况下，即使提高了分辨率，混合像素问题也不会消失。偶然的是，这个像素横跨在地面上的一个地方，几个类都在那里相遇。对分类中的像素进行分析很可能是一个问题，识别不可靠。中心右像素有四个类别（如果考虑Pine）。**BACK**
` <>`__13-6 ：这是一个合理的图形场景：将有一个由2个、3个或更多的实际工厂组成的集群-通常是长形建筑，有连接人行道、运输路径和道路。可能有一个单独的发电厂。应该有一个行政或商业建筑，通常由它自己。可能有景观美化-草坪，树木，导致植物的正面。大楼周围有一个或多个停车场。可能有一个门卫室，供出入。可能有一个水池供水，也可能有一个水塔。有可能是铁路边线或卡车可以停放和装载的地方。因此，“工厂综合体”这一类就是一个形形色色、用途各异的建筑群。 **BACK**
` <>`__13-7 ：在总体分类中，准确度简单计算为每个类别的正确标识数量之和，占单位总数（像素）的百分比，单位总数（像素）由一个类别的正确标识像素加上表示与该类别相关的佣金和遗漏错误的像素之和构成。这些错误可能会大大增加分母的数字比实际的总数为任何一类。 **BACK**
` <>`__13-8 ：佣金错误是衡量在一个类中辨别能力的一种度量，当分类程序错误地将要查找的类的像素提交给其他类时，就会发生这种错误。在这个农业例子中，玉米的佣金错误源于错误地将其他类称为玉米，因此标记为玉米的七个像素实际上是其他类的组合。当地面上的一个类被观测传感器和/或分类器误认为是其他类时，在类识别和结果之间的遗漏测量误差。因此，Landsat无法识别和正确识别所有43个玉米像素，并将其中18个像素标记为其他类。 **BACK**
` <>`__13-9 ：部分列表：训练场地位置错误；训练样本不足（数量太少和/或场地不均匀（不均匀）；混合像素效果；分类定义不正确；地面实况不准确；签名扩展无效；未考虑生长阶段；地面实况与卫星飞越现场日期之间的时间差。 **BACK**
` <>`__13-10 ：可以控制观察条件；可以使用校准目标量化反射；可以检查不同的表面以获得平均值；可以在相同或其他条件下重复测量；可以直接对目标进行采样（采集），以确定影响反射的成分和其他特性。 **BACK**
` <>`__13-11 ：0.67（叶绿素吸收）和0.87μm（细胞壁反射率）下的波段。0.56微米处的第三个通道对“绿色”敏感。 **BACK**
` <>`__13-12 ：随着相对于表面的视角增大，反射比减小（以分子计） [IR] 大于分母 [red] ）；随着样品的观察方向相对于北方向的变化，会出现较小程度的变化。 **BACK**
` <>`__13-13 ：应用于场光谱的归一化（校准目标的使用）消除了某些外部影响，例如大气吸收，并提供了更真实的材料本身自然反射的指示。（在实验室条件下，样品周围有空气照射 [可以使用真空吸尘器，但通常不会] ，以便不消除水和气体吸收槽。） `BACK <Sect13_040.html#13-13>`__
` <>`__13-14 ：1）可以设置一个标准反射目标，用一个小的辐射计瞄准它，这样当卫星经过现场时，就可以测量作用于现场控制区的一般照明条件下的地面反射值；2）地震计，用于探测地震前兆；3）提供海面温度的浮动平台；平台可以锚定或浮动，其位置由GPS确定。还有很多其他的可能性。 **BACK**
` <>`__13-15 ：我想到了很多可能性。你的可能是有效的和明智的。为了给出一个很好的答案的例子，试着这样做：问题是监测一个地区主要作物冬小麦的预期收成。你选择的平台将是一个地球同步卫星来监测天气状况，一个陆地卫星来评估生长阶段，以及一个雷达卫星来监测土壤湿度。另一颗具有多波段热效应的卫星也会有所帮助。所有这些都将随着时间的推移收集数据。随着生长季节的进展，田间观察者（县探员或农民本人）会发送作物信息。定期，你和/或他们可以携带便携式传感器来获取现场光谱数据。最后的结果应该是根据总产量、作物质量和任何疾病问题对作物状况进行定量估计。所有的“多人组”都承担了这项任务。 **BACK**
` <>`__13-16 ：高光谱遥感提供了在所考虑的波长范围内材料光谱响应的连续、基本完整记录。对于相对“纯”的材料，例如单个矿物或树种，可以从高光谱数据中构建光谱曲线，然后与从实验室或现场测量中收集并在数据库中提供的单个材料的光谱特征相匹配。可直接从这些曲线中读取特定的反射峰和吸收槽，以精确识别材料、类别或特征。通过仔细的分析（使用傅立叶程序），两种甚至三种不同材料的混合物等可以被识别为复合光谱曲线的组成部分。 **BACK**
` <>`__13-17 ：首先，应区分“天窗”和“阳光”。后者是指从太阳进入地球大气层的所有辐射，包括从高频紫外线延伸到红外低频的波长。天窗是一个术语，表示太阳光被大气中的气体和粒子散射；散射在不同的波长上发生不同程度的变化。大气中气体分子引起的瑞利散射优先影响较短的波长。其中包括蓝色，因此天空似乎是这种颜色的来源，因为事实上，它是-分子选择性地散射蓝色，但通过更长的波长。日落是红色的，因为这是较短波长（通过绿色）进一步散射（通过mie散射-来自尘埃粒子等-除了瑞利散射），再加上较低太阳角（靠近地平线）的影响，增加了大气路径长度后的剩余颜色。来自月球的天空是黑色的——这是完全没有大气层来散射阳光的结果。因此，太阳光照亮了月球表面，但没有照射到月球表面附近的真空中。 **BACK**
` <>`__13-18 ：当通过大气进行遥感时，应避免在1.3-1.5微米、1.8-2.0微米和2.5-3.0微米处出现三个吸收带，除非目的是研究大气特性本身。 **BACK**
` <>`__13-19 ：针铁矿在6微米附近的成对吸收带与赤铁矿在7微米处的单个吸收带不同。 **BACK**
` <>`__13-20 ：在分光计中分析四种植物类型时，只取植物的一小部分作为样本。很可能每种类型都有自己的特征叶或叶的形状，并且作为一个整体，任何类型的整体外观在几何上都不同于大多数其他类型。因此，燕麦干草和马铃薯作为作物的外观明显不同。因此，光谱响应和形状多样性的结合将产生稍微不同的特征信号，主要是在任何吸收特征的深度上。 **BACK**
` <>`__13-21 可能不是-波段太宽。在8-12微米的热区间内，鉴别和识别效果更好。当然，高光谱传感器可以根据两种岩石类型的主要矿物学，在2.3微米区域内将它们分开。 `BACK <Sect13_060.html#13-21>`__
` <>`__13-22 ：是的，在光谱曲线中，视觉差异也显示为吸收带。它们是可以区分的。 BACK
` <>`__13-23 ：古铜矿的吸收带将影响TM带4和5；透辉石在这些光谱间隔中没有带，但具有适度的吸收带，将降低带7的反射。 BACK
` <>`__13-24 ：当八面体配位的铝增加时，2.2微米附近的吸收带向稍长的波长移动。 **BACK**
` <>`__13-25 ：控制这种效果的两个因素：较大的颗粒允许更多的吸收，较小的颗粒提供更大比例的可用表面面积作为反射镜。 **BACK**
` <>`__13-26 ：对于n=1，sin theta=lambda/d.d=1/5000行/cm=2 x 10-4 cm/线=2 x 10-6 米。对于红灯，sin theta=650 x 10-9 米/ 2×10 -6 米=0.325；因此θ为19°。对于蓝光，sin theta=450 x 10-9 / 2×10 -6 =0.225；θ为13°。因此，可见光中的分散度为6°。因此，在该光谱范围（及以上）内的波长连续性被分散和分离，以记录在照相板上或由光敏探测器/计数器记录。 BACK
` <>`__13-27 ：检测器间隔为10纳米或0.01微米，这是光谱连续性中的一个小但仍然有限的间隔。10纳米=100埃；照相板上的一条离散发射线被量化为一埃的分数，例如，当在发射光谱仪中激发时，钠（Na）的诊断线为5889.953埃（黄色橙色，用于街道照明的钠蒸气灯的颜色）。 BACK
` <>`__13-28 ：每一个陆地卫星波段，无论是MSS还是TM，都是光谱范围更广的。因此，绿色的MSS波段5实际上包括一些含有蓝色或黄色成分的颜色。它们没有那么纯净，所以颜色合成物可能没有那么精确。因此，如果地面上的红色物体以TM自然色图像呈现，其特定的红色阴影可能包含一些黄色。在Aviris中，如果为组合中的红色分量选择的单个通道接近某个对象的“真”红色，则其在Aviris图像中的表示将接近其实际阴影。然而，总的来说，Aviris和Landsat自然色和假色复合材料看起来很相似，因为自然色的范围通常大于在10纳米级别上区分的颜色。 **BACK**
` <>`__13-29 ：几乎没有直接证据。如果只检查陆地卫星类型的图像，人们可能会错过关于这种多样性变化的丰富知识。然而，陆地卫星TM波段5和7可能至少会显示出一些这种变化。但是，这些银矿的阿维里斯图像清楚地表明，当这些曲线特征被纳入更宽的波段时，能够选择接近光谱曲线的峰谷的通道，而不是丢失一些必要的详细信息。 **BACK**
` <>`__13-30 ：未映射任何内容意味着计算机分类无法将呈现为黑色的材料与任何预先选择的签名匹配。它可能是另一种作物类型，并非由名称指定（即，在地面实况中未采摘），也可能是土壤变种。 **BACK**
` <>`__13-31 ：热通风口（蓝白）在热图像中显示得更好。红色区域可能是玄武岩或安山岩流，在最近的一次或多次喷发中沉积下来（埃特纳火山是地中海火山中最活跃的）。 **BACK**