植被雷达遥感方法与应用 pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

徐茂松 等 著

图书标签:

• 植被遥感
• 雷达遥感
• 遥感应用
• 植被监测
• 生态遥感
• SAR
• 微波遥感
• 地物分类
• 森林遥感
• 生物量估算

出版社： 科学出版社

ISBN：9787030343642

版次：1

商品编码：11028000

包装：平装

开本：16开

出版时间：2012-04-01

用纸：胶版纸

页数：216

字数：272000

正文语种：中文，英文

内容简介

合成孔径雷达系统具有全天候、全天时获取数据的能力，特别是近年来发射的新型雷达遥感卫星将为多云多雨地区的植被监测提供宝贵数据源。《植被雷达遥感方法与应用》系统介绍了新型雷达遥感数据处理技术，包括极化SAR数据处理、山区SAR图像几何校正、多时相极化SAR数据融合等技术；介绍了植被介电模型和散射模型，分析了森林与水稻的极化散射特性及时域变化特征；在此基础上，介绍了基于新型极化SAR数据对森林、水稻进行识别和监测的方法，并给出典型的解译标志；最后介绍了融合利用SAR与光学数据对地物分类和进行植被信息提取的方法。
《植被雷达遥感方法与应用》可供从事微波遥感应用研究、林业与农业遥感监测研究的科研与技术人员以及高等院校相关专业师生阅读参考。

内页插图

目录

序
前言

第1章 雷达遥感基本原理
1.1 电磁波理论与微波遥感
1.2 SAR
1.3 极化雷达与目标极化特性
参考文献

第2章 新型雷达数据和植被雷达遥感方法与应用现状
2.1 新型雷达遥感卫星
2.2 雷达遥感在森林监测中的应用现状
2.3 雷达遥感在水稻监测中的应用现状
参考文献

第3章 新型雷达遥感数据处理技术
3.1 极化SAR数据处理技术
3.2 基于DEM的山区双视向SAR数据几何校正技术
3.3 多时相极化SAR融合技术
3.4 极化SAR与光学数据融合技术
参考文献

第4章 植被散射模型及散射特性分析
4.1 植被散射模型
4.2 森林后向散射特性模拟与分析
4.3 水稻散射特性模拟与分析
4.4 森林与水稻极化响应及时域变化特征
参考文献

第5章 基于极化SAR数据的植被类型识别与分析
5.1 不同地物的SAR数据识别与分类
5.2 不同森林类型的识别与分类
5.3 不同树种类型的识别与分类
5.4 基于极化SAR数据的雪灾影响监测
5.5 基于极化SAR数据的水稻识别
参考文献

第6章 典型森林类型极化SAR图像解译标志
6.1 SAR图像解译的影响因素
6.2 典型地物识别标志
6.3 森林识别标志
6.4 水稻识别标志
参考文献

第7章 SAR与光学数据融合地物分类与植被信息提取
7.1 基于SAR与光学融合图像的地物分类
7.2 基于SAR与光学融合图像的森林信息提取
7.3 基于SAR与光学融合图像的森林破坏监测
参考文献

精彩书摘

水稻的物候历因水稻品种和环境条件略有差异。以肇庆地区为例，肇庆地区属华南湿热双季稻作区，一年种植两季水稻，春季稻和秋季稻或者说早稻和晚稻。在水稻的生长周期中，这里共有五个重要的生长期：①插秧期：即把水稻秧苗从苗床移植到水稻田，移植的具体日期取决于天气情况，特别是温度；②分蘖期；③幼穗分化期；④抽穗期；⑤成熟期。对应肇庆地区的早稻，相应的五个生长期大约在3月25日～4月5日，4月15日～25日，5月10日～30日，6月10～25日，7月5日～31日；对应肇庆地区的晚稻，相应的五个生长期：7月20日～8月5日，8月10日～20日，9月1～30日，10月10～20日，11月1日～25日。每个时期的确切时间段随水稻生长期间内的天气情况而变化。作物的成熟快慢及生长期限与品种有关。上述的水稻物候历仅仅说明了肇庆试验区水稻生长的一般规律，它还随着地理位置、生态条件和地区气候而变化。3月上旬为水稻的播种期，在秧田里播种。3月底到4月初为插秧期。插秧期的具体时间随着每年地温的高低变化而变化，提前或推迟。同时随着农业科技的进步，人们认识到延长水稻的生长期可以增产。在肇庆地区，明显地看到了水稻插秧期的提前，历史资料显示在肇庆地区1996年的插秧期开始于4月1日左右，而1997年的时候少数地方已经提前到了2月底。大部分地区都是在3月25日以后就开始插秧了。从4月15日，也就是插秧以后大概两三周左右进入它的分蘖期，也就是从4月10日到4月25日左右；4月25日到30日是够苗期，这个时候秧苗充分分裂，使得苗数达到一定的程度，5月是幼穗分化期。6月中旬进入抽穗期。在7月初到7月30日的这一整段时间里是成熟期。成熟的早晚、生长期的长短取决于稻种，有早熟稻、中熟稻和晚熟稻。由于肇庆为双季稻地区，在早稻收割以后立即抢种晚稻。晚稻的播种期约7月15日开始，从7月20日到8月5日是晚稻的插秧期，取决于早稻的收割期。8月10日到8月20日是晚稻的分蘖期。8月底到9月初是幼穗分化期，10月5日左右进入它的抽穗期，11月15日进入它的成熟期。这是水稻的详细物候历，图2.4是水稻物候历示意图。
……

前言/序言

《遥感科学基础与技术进展》 内容简介 《遥感科学基础与技术进展》是一部系统阐述遥感科学原理、核心技术及其前沿发展趋势的专著。本书旨在为遥感领域的科研人员、工程技术人员、研究生以及相关专业的高年级本科生提供一个全面、深入的学习平台，帮助读者理解遥感技术的本质，掌握关键技术方法，并洞察未来发展方向。 本书共分为五个部分，共计二十章，结构严谨，内容涵盖广泛。 第一部分：遥感科学基础理论（第1-5章） 本部分重点梳理和阐释遥感科学的根基理论。 第一章：电磁波与物质相互作用 本章将从物理学的基本原理出发，详细介绍电磁波的产生、传播特性及其与物质相互作用的微观和宏观机制。我们将深入探讨反射、透射、吸收、散射等基本过程，并分析不同物质（如地表、大气、水体）对不同波段电磁波的响应规律。这包括普朗克定律、斯特藩-玻尔兹曼定律等黑体辐射理论，以及菲涅尔方程在描述界面反射和透射中的应用。章节内容将强调不同地物的电磁波谱特征，为后续遥感数据解译奠定物理基础。 第二章：遥感传感器与成像原理 本章聚焦于遥感的核心组成部分——传感器。我们将详细介绍被动式遥感传感器（如可见光、近红外、热红外、微波辐射计）和主动式遥感传感器（如雷达、激光雷达）的工作原理。对于被动式传感器，将重点讲解其探测电磁辐射的机制、光谱响应范围、空间分辨率、时间分辨率和辐射分辨率等关键参数。对于主动式传感器，将深入剖析雷达（SAR）的成像原理，包括成像几何、分辨率、极化效应、多普勒效应等；激光雷达（LiDAR）的测距原理、扫描方式、点云生成及其在三维信息获取中的作用。章节内容还将涉及传感器的校准与定标，以确保数据的准确性和可比性。 第三章：遥感数据获取与预处理 本章关注遥感数据的“从源头到可用”这一关键环节。我们将探讨不同类型遥感平台（如卫星、航空器、无人机）的任务规划、轨道力学、数据采集流程。重点将放在遥感数据的预处理技术，包括辐射定标、大气校正、几何校正（传感器几何校正、地形校正）、影像镶嵌与裁剪等。每种预处理技术都将结合其科学原理和实际应用案例进行阐述，强调其在消除噪声、还原真实地物信息、提高数据可用性中的重要性。 第四章：遥感影像的几何特性与空间分辨率 本章深入分析遥感影像的空间信息。我们将详细讲解影像的几何畸变来源，包括平台姿态、地球曲率、地形起伏等，并介绍各种几何校正方法，如多项式模型、RPC模型、DEM辅助校正等。空间分辨率的定义、测量方法及其对地物识别和信息提取的影响将得到深入探讨。我们将分析不同分辨率影像在不同应用场景下的适用性，例如高分辨率影像在城市测绘、精细农业中的作用，以及低分辨率影像在大尺度环境监测中的优势。 第五章：遥感影像的光谱特性与信息提取 本章将视角聚焦于影像的光谱维度。我们将阐述光谱曲线的概念，分析不同地物（植被、土壤、水体、建筑等）在不同光谱波段的光谱响应特征。光谱指数的构建原理、常用光谱指数（如NDVI, NDWI, NDBI）的计算及其在地物类型识别、健康状况评估、地表覆盖分类中的应用将得到详细介绍。同时，本章还将初步介绍基于光谱特征的分类方法，为后续高级应用打下基础。 第二部分：遥感数据处理与分析技术（第6-10章） 本部分系统介绍遥感数据的处理流程和核心分析技术。 第六章：遥感影像分类技术 本章将对遥感影像分类技术进行全面梳理。我们将从基本分类方法开始，包括目视解译、像元分类（如最大似然法、最小距离法、贝叶斯分类器），然后深入介绍面向对象分类（Object-Based Image Analysis, OBIA）的原理和流程，以及其在处理高分辨率影像时的优势。此外，章节还将重点介绍机器学习在遥感分类中的应用，如支持向量机（SVM）、随机森林（Random Forest）、人工神经网络（ANN）等算法，并分析它们在提高分类精度方面的表现。 第七章：遥感影像变化检测技术 变化检测是遥感的重要应用领域。本章将介绍多种变化检测方法，包括图像代数法（如差值法、比值法）、图像变换法（如主成分分析法、CVA法）、监督分类法（如分类后比较）、以及基于时间序列分析的变化检测方法（如LandTrendr, BFAST）。我们将重点分析不同方法的原理、适用条件、优缺点，并结合具体案例说明如何在不同应用场景下选择合适的变化检测技术，例如城市扩张、森林砍伐、水体变化监测等。 第八章：遥感影像纹理分析与特征提取 纹理是描述地物表面粗糙度和空间结构的重要信息。本章将详细介绍纹理分析的常用方法，包括灰度共生矩阵（GLCM）、灰度差分法、傅立叶变换法、小波变换法等。我们将分析这些方法如何量化影像的纹理特征，并探讨纹理特征在地物识别、景观格局分析、地表覆盖分类等方面的应用价值。 第九章：遥感影像融合技术 影像融合是将来自不同传感器或同一传感器在不同时间获取的影像进行融合，以获得比单一影像更丰富、更准确的信息。本章将介绍多种影像融合方法，包括基于像素的方法（如 IHS变换、PCA变换、小波变换）、基于特征的方法（如形态学方法）以及基于模型的方法。我们将分析不同融合方法的原理、适用性，并展示其在提高空间分辨率、光谱分辨率或融合多源数据方面的效果。 第十章：遥感数据在GIS中的应用与集成 地理信息系统（GIS）是遥感数据应用的重要平台。本章将探讨遥感影像如何被导入、管理和分析于GIS环境中。我们将介绍遥感影像作为GIS空间数据图层的应用，以及如何利用GIS的空间分析功能（如缓冲区分析、叠置分析、网络分析）与遥感影像相结合，实现更深层次的应用。本章还将讨论遥感数据与矢量数据、属性数据的集成方法，构建集成的空间信息分析框架。 第三部分：遥感数据应用领域（第11-15章） 本部分选取了几个典型的遥感应用领域，深入介绍其理论方法和实际案例。 第十一章：遥感在地质资源勘探中的应用 遥感技术在地质调查、矿产资源勘探、地质灾害监测方面展现出巨大的潜力。本章将介绍如何利用遥感影像解译地质构造、岩性分布、土壤类型。重点将讲解多光谱、高光谱影像在识别特定矿物、岩石光谱特征方面的优势。例如，利用特定红外波段识别含铁矿物，利用热红外波段分析地表温度异常与地下热源的关联。章节还将涉及遥感在地震地质研究、火山活动监测、滑坡、泥石流等地质灾害预警中的应用。 第十二章：遥感在水资源与水环境监测中的应用 水是生命之源，水资源的可持续利用和水环境的保护至关重要。本章将介绍遥感在水体提取、水域面积变化监测、地表水体温度监测、悬浮物浓度估算、富营养化监测等方面的应用。我们将重点讲解可见光、近红外、热红外波段在水体参数反演中的作用，以及微波遥感在降雨估算、土壤湿度测量方面的应用。此外，本章还将讨论遥感在洪水监测、干旱评估、水体污染扩散模拟等方面的作用。 第十三章：遥感在土壤与土地利用/覆被变化监测中的应用 土壤是重要的自然资源，土地利用/覆被变化是影响全球环境变化的关键因素。本章将介绍遥感在地表覆盖分类、土地利用类型识别、耕地监测、退耕还林（草）评估、城市扩张监测、荒漠化监测等方面的应用。我们将深入分析各种光谱指数和分类方法在这些应用中的有效性。章节内容还将涉及遥感在土壤侵蚀监测、土壤盐渍化遥感监测等方面的研究进展。 第十四章：遥感在森林与生物多样性监测中的应用 森林是地球的“绿色卫士”，生物多样性是生态系统健康的重要标志。本章将介绍遥感在森林资源调查（如森林面积、蓄积量、森林类型）、森林健康状况评估（如病虫害监测、火灾监测、干旱胁迫）、森林碳汇估算等方面的应用。我们将重点讲解可见光、近红外、以及合成孔径雷达（SAR）在森林参数反演中的作用。此外，本章还将探讨遥感在高光谱数据驱动下的物种识别、生境适宜性评估、生物多样性热点区域识别等方面的应用。 第十五章：遥感在城市与基础设施监测中的应用 城市化进程加速，城市规划与管理日益受到关注。本章将介绍遥感在高分辨率影像解译、建筑物提取、道路网络分析、城市热岛效应监测、城市扩张监测、基础设施（如桥梁、大坝）形变监测等方面的应用。我们将重点讨论如何利用高分辨率可见光/红外影像以及SAR干涉测量技术（InSAR）进行城市基础设施的监测和形变分析。 第四部分：遥感前沿技术与交叉领域（第16-18章） 本部分聚焦于遥感领域的最新技术进展和与其他学科的交叉融合。 第十六章：高光谱遥感技术与数据分析 本章将详细介绍高光谱遥感的发展历程、传感器类型、数据特点（“成像光谱仪”的“成像”与“光谱”优势）。我们将深入探讨高光谱数据在精细地物分类、物质成分识别、矿物成分反演、农作物健康诊断、环境污染物监测等方面的独特优势。章节将重点介绍高光谱数据处理方法，包括光谱匹配技术、光谱解混、维度约减等。 第十七章：合成孔径雷达（SAR）遥感理论与应用 本章将系统阐述SAR的基本原理，包括回波信号处理、干涉SAR（InSAR）、极化SAR（PolSAR）等技术。我们将重点讲解SAR在全天候、全天时条件下对地表形变监测（如地壳形变、滑坡监测、沉降监测）、地表覆盖变化监测（如洪水淹没监测、森林变化监测）、地物后向散射机制分析（如对农作物、土壤湿度、海洋状况的监测）等方面的强大能力。 第十八章：遥感与人工智能/深度学习的融合 人工智能（AI）和深度学习（DL）技术正在深刻改变遥感数据分析的范式。本章将介绍如何将深度学习模型（如卷积神经网络CNN、循环神经网络RNN、U-Net等）应用于遥感影像分类、目标检测、语义分割、变化检测、去云去噪等任务。我们将讨论DL模型在处理复杂地物、提高分析效率和精度方面的优势，并展望AI/DL在未来遥感科学研究和应用中的广阔前景。 第五部分：遥感发展趋势与展望（第19-20章） 本部分对遥感技术的未来发展进行预测和总结。 第十九章：遥感数据应用与大数据分析 随着遥感技术的飞速发展，遥感数据的体量呈爆炸式增长，如何有效地存储、管理、处理和分析海量遥感数据成为关键挑战。本章将探讨遥感大数据分析的关键技术，包括云计算、分布式计算、时空数据库、以及数据挖掘技术。章节还将关注遥感数据与物联网、移动互联网等其他数据源的融合应用，构建多维度、多尺度的信息服务体系。 第二十章：面向可持续发展的遥感科学未来 本章将站在更高的维度，探讨遥感科学在应对全球性挑战，如气候变化、环境保护、资源管理、灾害防治等方面的关键作用。我们将展望未来遥感技术的发展方向，包括更先进的传感器技术、更智能的分析方法、更精准的应用模型。章节将强调遥感科学与社会经济发展的协同，以及如何利用遥感技术赋能可持续发展目标的实现。 《遥感科学基础与技术进展》力求理论与实践相结合，既有扎实的科学理论基础，又有丰富的实际应用案例。本书结构清晰，语言流畅，图文并茂，旨在为读者提供一个系统、全面、前沿的遥感学习体验。

评分☆☆☆☆☆

这本书的标题是《植被雷达遥感方法与应用》，然而，在阅读过程中，我发现其中关于数据预处理的技术细节，尤其是针对复杂地形和多云环境下的处理方法，并没有得到足够的重视。例如，书中对几何校正和辐射定标的介绍相对笼统，并没有详细介绍在山区或丘陵地带，如何利用数字高程模型（DEM）进行更精确的几何纠正，以消除地形引起的形变。同样，对于多云或阴影区域，如何通过大气校正模型或辅助数据来减弱其对雷达信号的影响，也缺乏深入的探讨。我尤其关注的是，如何有效地去除雷达图像中的斑点噪声，这对于后续的植被参数反演至关重要。书中虽然提到了滤波方法，但对于不同滤波算法（如Lee滤波、Frost滤波等）的适用性、参数选择以及在不同植被类型下的效果对比，并没有进行详尽的分析。因此，我在处理实际数据时，会发现书中提供的方法不足以应对所有挑战，需要花费大量时间去探索更先进的算法和技术，这使得学习曲线陡峭，也增加了实际应用的门槛。

评分☆☆☆☆☆

《植被雷达遥感方法与应用》这本书虽然涵盖了雷达遥感在植被研究中的一些基本原理和应用，但在高级分析技术与前沿发展趋势的探讨方面，留下了许多空白。我希望书中能有更多关于机器学习和深度学习在植被雷达数据分析中的应用，例如，如何利用卷积神经网络（CNN）或循环神经网络（RNN）来提取地物信息、分类植被类型，或者预测植被动态变化。此外，对于相干性分析（Interferometry）在监测植被变化方面的潜力，如地表形变、植被高度变化等，也需要更深入的介绍。书中关于极化（Polarimetry）分析的论述相对初步，未能充分展示如何利用不同极化信息来区分地物、反演植被结构参数，以及其在复杂地表环境下的优势。最后，对于未来雷达遥感技术的发展方向，例如，更高分辨率的成像、更宽的覆盖范围、更强的穿透能力，以及在智慧农业、生态环境保护等领域的创新应用，如果能有更具前瞻性的探讨，将极大地提升本书的价值。

评分☆☆☆☆☆

这本书的书名是《植被雷达遥感方法与应用》，但我在阅读时，对于书中在不同尺度上的植被应用案例的深入性感到有些遗憾。书中提及了例如森林、农作物、草地等不同植被类型的监测，但对于这些应用场景下，雷达遥感所能解决的具体科学问题和实际应用需求，并没有进行细致的剖析。例如，在森林监测方面，书中可以更具体地阐述如何利用雷达数据进行森林生物量估算、森林结构参数提取、采伐迹地监测，以及如何区分不同林龄和林相。在农业应用方面，如何通过雷达数据实现作物长势监测、产量预测、病虫害早期预警，以及精准灌溉和施肥的决策支持，也需要更详尽的案例分析。此外，书中对于跨尺度应用（例如，从区域尺度到全球尺度）的数据集成和分析方法，以及如何将雷达遥感数据与其他类型的数据（如光学遥感、气象数据）进行融合以提升应用效果，也显得不够充分。

评分☆☆☆☆☆

我对《植被雷达遥感方法与应用》一书的总体感受是，它在植被参数反演的理论框架上，对不同反演模型的介绍显得较为碎片化，而未能将它们有机地整合起来，形成一个完整的技术体系。书中提到了诸如生物物理参数（如叶面积指数LAI、叶片水分含量等）和植被物候参数（如生长季长度、物候节点等）的反演，但对于不同参数的反演模型之间的内在联系、模型选择的依据以及模型验证的方法，并没有深入阐述。我期待能看到更系统化的介绍，例如，如何从基础的雷达散射模型出发，推导出适用于不同植被类型和传感器特性的反演模型；不同模型在反演精度、计算效率和数据需求方面的优劣势对比；以及如何利用多时相、多极化、多波段的雷达数据来提高反演的鲁棒性和准确性。书中对于模型参数化和不确定性分析的讨论也相对有限，这使得读者在实际应用中难以判断反演结果的可靠性，也限制了模型在不同应用场景下的推广和应用。

评分☆☆☆☆☆

这本书的书名是《植被雷达遥感方法与应用》，但我读完之后，却对书中并没有深入探讨的遥感卫星平台与任务规划部分留下了深刻的印象。书中虽然提到了雷达遥感，但对于不同轨道高度、不同成像模式（如合成孔径雷达SAR、散射计等）的卫星如何选择，以及任务规划中需要考虑的重访周期、覆盖范围、成像时间窗口等关键要素，却鲜有详细的论述。我期待能看到更多关于如何根据研究区域的植被类型、生长季节、监测需求来匹配合适的遥感平台，以及如何优化卫星过境时间和成像参数以获取最佳数据质量的内容。例如，对于不同时相的植被监测，是选择高重访率的星座，还是选择特定成像模式的单颗卫星？在进行大范围区域调查时，如何规划多颗卫星的协同任务，以提高效率并避免数据冗余？书中对这些实际操作层面的指导显得不足，让我感觉在实际应用中，选择和规划遥感平台仍是一个需要额外大量经验和文献支撑的环节，这与我期望的“方法与应用”的深度略有出入。

评分☆☆☆☆☆

内容很多，很难，得很努力

评分☆☆☆☆☆

参考书必备

评分☆☆☆☆☆

参考书必备

评分☆☆☆☆☆

内容很多，很难，得很努力

评分☆☆☆☆☆

参考书必备

评分☆☆☆☆☆

内容很多，很难，得很努力

评分☆☆☆☆☆

内容很多，很难，得很努力

评分☆☆☆☆☆

内容很多，很难，得很努力

评分☆☆☆☆☆

参考书必备