遥感教程简介-第2部分第6页¶
This page considers methods involved in interpreting spectral data that can be used to define and separate - thus classify - materials, objects, and features. The role of both spatial characteristics and distinctive colors in making classifications is discussed. The two principal modes of classification - unsupervised and supervised - are described. The notion of ground truth is introduced, as is a quick reference to sensor types used to acquire the data to be analyzed.
解释和分类¶
引言的这一部分以遥感实践的基本原理和理论为中心，结尾是关于如何解释和分类图像的若干指导原则（第1节中对更广泛的处理方法的预览）。
在如下所示的光谱曲线组中（使用便携式现场光谱仪现场制作），很明显这些植被类型的光谱响应与普通无机材料不同。植被的反射率在约0.7微米处突然上升，随后在约1.1微米处逐渐下降。第一个（左或上）光谱特征表明，地面上那些特定的普通人造材料的反射率随着波长的增加而逐渐上升。混凝土颜色较浅，颜色较亮，其平均值明显高于深色沥青。其他材料介于两者之间。如反射比从0.4到0.5微米增加和可见（0.4-0.7微米）光区其余部分的平坦响应所示，木瓦可能呈蓝色。第二条曲线（在右侧或底部）表明，大多数植被类型的响应在0.3-0.5μm之间非常相似；在0.5-0.6μm间隔内显示中等变化；在0.7-0.9μm范围内显示最大变化（因此是最佳区分）。
` <>`__I-15 ： At what one wavelength does there appear to be maximum separability of the five Non-vegetated Classes; the five Vegetated Classes? **ANSWER**
光谱测量取决于入射辐射和材料的原子和分子结构之间的相互作用。这些相互作用导致反射信号，当它返回大气层时，反射信号会发生一些变化。最后，测量取决于探测器系统在传感器中的响应的性质。在测试了许多材料的响应之后，遥感专家可以利用光谱测量来描述一个物体的组成。在实践中，我们更多地把地球表面的物体和特征描述为类，而不是材料本身。例如，考虑材料混凝土。我们在道路、停车场、游泳池、建筑物和其他结构单元中使用它，每一个单元都可能被视为一个单独的类。我们可以通过多种方式对植被进行细分：树木、作物、草地、湖花藻类等。通过将树木分为落叶树或常绿树，或将落叶树分为橡树、枫树、胡桃木、杨树等，可以进行更精细的细分。
另外两个属性有助于区分这些不同的类别，其中一些具有相同的材质；即形状（几何图案）和使用或上下文（有时包括地理位置）。因此，我们可以将由混凝土构成的特征指定给“街道”和“停车场”类，具体取决于其形状是长而窄，还是更方形或矩形。两个特征具有几乎相同的植被光谱特征，我们可以根据图像中的区域是否有不规则或直线（通常是矩形）边界，将其分为“森林”和“作物”两类。
A chief use of remote sensing data is in classifying the myriad of features in a scene (usually presented as an image) into meaningful categories or classes. The image then becomes a thematic map (the theme is selectable, e.g., land use; geology; vegetation types; rainfall). In Section 1 of the Tutorial we explain how to interpret an image using an aerial or space image to derive a thematic map. This is done by creating an unsupervised classification when features are separated solely on their spectral properties and a supervised classification when we use some prior or acquired knowledge of the classes in a scene in setting up training sites to estimate and identify the spectral characteristics of each class.
任何遥感系统的任务都是简单地探测辐射信号，确定它们的光谱特征，得到适当的特征信号，并将它们所代表的类别的空间位置相互关联。这最终导致了某种可解释的显示产品，无论是图像、地图还是数字数据集，都能反映出表面的真实情况（或某些大气特性）。 [ies] ）在性质和分布方面的特点，目前的视野。
大多数遥感图像的另一个重要组成部分是颜色。虽然黑白图像的变化可以提供非常丰富的信息，并且是早期航空照片中的标准，但在对比度尺度上，眼睛可以分离的不同灰度数限制在20-30步（最大约200步）。另一方面，眼睛可以分辨20000种或更多的颜色，因此我们可以分辨出目标材料或类别中的微小但通常重要的变化。在整个教程中的插图中自由使用颜色可以利用这一功能；与大多数教科书不同，由于成本原因，颜色受到限制。欲全面了解人眼如何感知灰色和颜色水平，请参考Drury，S.A.第2章。 地质图像解释 1987年，Allen&Unwin。
最后，我们提到了另一个对有效解释和分类不可或缺的主题。这通常被引用为 参考 或 辅助 但更常见的是 基本事实 . 在这一标题下，有各种各样的类别：地图和数据库、试验地点、实地和实验室测量，最重要的是实地考察遥感研究的地区。最后一个方面有两个主要方面：1）确定在类别或材料方面存在什么，以便建立 培训地点 对于分类，以及2）重新访问分类图像区域的部分，以验证未访问位置的识别准确性。在第13节的前半部分，我们将更详细地讨论基本事实；现在，为了快速了解，请切换到 page 13-1 .