Sea N
Beach
W
E
Inland Water
Wet LandS
Mangrove
Urban Area
Concrete Land
Barren Land
Green Land
Forest
Hill Grass
B. The 3-D display of the same image showing the
topographical situation of the exBpuerrinmeedntaAl raereaa.
1.3 像素级LUCC分类
城市不透水 信息提取
1.2 像素级LUCC分类
空间 光谱 时间 分辨率 分辨率 分辨率
低 高-中 高
TM、SPOT4、CBERS、GF1……（10米级分辨率）
中
中 中-高
IKONOS、QuickBird、GF-1、
高
低
低
GF-2、WorldView（亚米级）
水稻
耕地
耕地
小麦
中低分遥感的像素级分类：先通过光谱
特征判别土地覆盖类型（水稻），再通过融 合辅助信息，确定土地利用类型（耕地）。
“遥感智能计算与信息提取”课程三（第1讲）
骆剑承 研究员
中国科学院遥感与数字地球研究所
2017/12/8 • 国科大
※ 遥感信息提取的发展历程 ※ 遥感影像分割分类与识别
小数据 时代
※ 地理时空大数据计算理论 ※ 高分遥感大数据图谱认知
大数据 时代
※ 机器学习与智能信息处理 人工智能 ※ 深度学习与分层感知模型 时 代
要素、反演演化机理的过程。根据应用目标的需求，综合运用解译标志（感 知）、物理模型（反演）和经验知识（推测），定性、定量相结合地提取空 间位置、形态结构、利用属性、生物/物理量、过程模式等相关信息。
① 定量反演（指标-机理）：是指通过实验方法或物理（统计）模型将遥感观测与目标
参量相对应，将遥感数据定量地反演或推算为地学、生物学及大气等环境信息参量。其中，实 现全球和区域生态环境演变定量监测、分析与预测、模拟是定量遥感主要的研究方向；
宏观尺度
精细尺度
定量反演
土地分类
目标识别
结构-规则
（功能区与格局判别）
对 象
级
类型
类型
分
（对象分类与后处理）
（目标分类与Leabharlann 别）析形态（矢量化与对象表达）
形态
（特征计算与基元表达）
指标-机理
（生物与物理量反演）
像
影像分类与分割
影像分割/边缘提取
素
级
处
理 辐射校正 几何处理 有效处理 增强处理 变换处理 影像合成
遥感影像 影像空间与地理空间之间的映射关系
1.1 遥感信息提取：基本概念
影像空间地理要素的基本特征：
✓ 形态（基本单元）：像元 （像素）— 对象/图 斑 — 地理实体（地块/目标）；
✓ 类型：基元的利用类型、覆盖（材质）类型； ✓ 结构：基元空间相互作用 — 空间密度 — 拓扑
网络关系；
✓ 指标：地表覆盖生物与物理特征量（地表反照率、地表粗糙度、植物叶面积指数 等）；生长季节累积生物量；植被冠层密度、生长季节的动态特征；异常生长模式 （灾害影响）；
高分辨率遥感的对象级分类：先通过地
块形态判别土地利用类型（耕地），再通过 融合时序信息，确定土地覆盖类型（小麦）。
1.2 像素级LUCC分类（1997-2017）
A. The TM image covering the experimental area.
SOM-GA精度88.67% ； MLC分类精度 85.58%； 知识集成SOM-GA分类精度92.58%.
✓ 规则：融入自然与人文静态要素（地形地貌、水文气候条件、土壤理化性质以及社 会经济发展状况等），挖掘相关联的规则集，开展功能类型的评价与规划；
✓ 机理：融入动态观测信息，构建分布式时空解析模型，模拟地表场景上的事件发生 机制，并预测、预警未来演化趋势。
1.1 遥感信息提取：基本概念
遥感信息提取: 遥感成像的逆过程，是对地表实况的模拟影像中提取地理
C1
C2
C3
C4
C5
C6
C7
C8
C9
EBF模型训练时间大约需要120秒，整个测试精确度为76.00％。 MLC方法的整体测试精度是69.11% 。 RBF模型为 70.33%，测试时间50秒。
土地覆盖分类：基于EM-EBF模型的遥感影像分类方法研究
1.2 像素级LUCC分类
土地覆盖分类：基于EM-EBF模型的遥感影像分类方法研究
Fig 6. ThemFaitgic5m. aTphcelaTsMsifiIemd aagned omfatphpeedstbuydikendoawrleeadge integrated SOM-GA
土地覆盖分类：空间特征逐步寻优挖掘模型及其遥感影像分类
1.2 像素级LUCC分类
（原始图像）
（分类结果）
② 土地分类（形态-类型）：主要面向中尺度（10米级分辨率）土地利用/土地覆盖变化
（LUCC）调查问题，将遥感图像中各个单元根据其在不同波段光谱特征、空间特征或者辅助信 息，按照某种规则或算法划分不同类别的过程，最简单分类是利用像素光谱亮度值的统计模型 进行划分，此外还可进一步考虑空间、时间等多特征（如纹理、形态、关系、方向性等），对 空间单元进行分类；
※ 时空协同与多粒度决策器
AI
※ 遥感大数据应用服务模式 遥感
第1讲内容
1 2 3 4 5 6
1、遥感信息提取的概念
1.1 遥感信息提取：基本概念
地理要素
相互作用
空间分布
时间演化 综合体
地理对象 属性特征 过程模拟 地理格局 地理空间 形态/结构 类型/指标 变化更新 规则/机理 影像空间
③ 目标识别（形态-类型-结构-规则）：面向高空间分辨率影像（亚米级分辨率）的
地物判别，通过对影像不同区域特征的提取（颜色、大小、纹理及分布等特征），对其中所蕴 涵用户感兴趣区域（Region Of Interest，ROI）目标进行分离，并采用计算方法对相应特征进 行表达与识别的过程。
1.1 遥感信息提取：基本概念
1.1 遥感信息提取：基本概念
主要方法
定量 反演
土地 分类
目标 识别
生物、物理量反演模型
人工解译、计算机分类
图象分割、模式识别、 三维重建
应用
全球变化与区域生态环 境动态监测、评价 国土资源调查与规划、 地理国情监测…… 军事探测、导航地图更 新、智慧城市……
数据源
MODIS、AVHRR、GF-4、哨 兵系列……（100米级分辨率）