定量遥感的建模 定量遥感的背景及分类

背景

  随着经济和科技的发展,国家的宏观决策、资源调查、环境及灾害监测等影响国民经济发展的关键领域急需数据支持,要求数据具有空间上的宏观性,时间上的连续性和可获取数据的全面性。而遥感技术正具备这一能力,它能够以不同的时空尺度不断地提供多种地表特征信息。

  但是与遥感卫星获取数据的能力相比,遥感数据的自动、定量化处理乃至对遥感数据信息的理解能力与对遥感数据的有效利用却远远不足,这也是制约遥感发挥作用的瓶颈问题。因此,定量遥感逐渐成为遥感发展的主要方向。

建模

  装置在星体上的传感器,它的可测参数一般为电磁波的属性参数,也就是电磁辐射强度、偏振度、相位差等,而我们的目的是要从这些可测参数中获得有关目标的物理的、地理的、化学的、甚至生物学的状态参数,所以在可测参数与目标状态参数间建立某种函数关系是实现目标参数反演的关键一步,我们称它为建模。

分类

  1.统计模型(即经验模型):基于陆地表面变量和遥感数据的相关关系,对一系列的观测数据做经验性的统计描述或者进行相关性分析,构建遥感参数与地面观测数据之间的线性回归方程。

  优点:参数少;容易建立且可以有效概括从局部区域获取的数据,简便,适用性强;

  缺点:有地域局限性,所以可移植性差;理论基础不完备,缺乏对物理机理的足够理解和认识,参数之间缺乏逻辑关系。

  2.物理模型:其模型参数具有明确物理意义,并试图对作用机理进行数学描述。

  优点:精度高,可移植性强;

  缺点:此模型通常为非线性的,所以方程复杂,实用性较差;并且在复杂问题考虑中会产生大量参数,其中有些参数无法获取,从而采取近似,会产生误差,而对非主要因素有过多忽略或假定也会产生误差。

  3.半经验模型:突出上述两种模型的优点,回避其缺点。考虑经验数据和物理过程,其参数往往是经验参数,但有一定物理意义。

本文网址:http://m.pdf96.com/a/2021/07/100236.html

. 广告区