遥感图像应用实例利用多波段(光谱)数据区分真实草地和人造草地

Posted Xavier Jiezou

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了遥感图像应用实例利用多波段(光谱)数据区分真实草地和人造草地相关的知识,希望对你有一定的参考价值。

引言

今天在看一本名为《Python 地理数据处理》(英文名:Geoprocessing with Python)的书,在书的第 166 页,图 9.2 中看到一个有趣的遥感图像应用实例:如何利用遥感多波段(光谱)数据区分真实草地和人造草地?

方法

如下图,左边的图像是可见光波段创建的,包含RGB三个波段的自然真彩色图像。右边是用近红外波段,可见光的红光波段以及可见光的绿光波段创建的。


图片的左上角是一个室内体育场,场正中央的草地是人造的,室外训练场的草地是真实的。

但从左边的图像中,我们很难区分室内体育场和室外训练场的草地,因为它们看起来都是绿色的。

而从右边的图像中,我们可以清晰地看到真实的草地已经显示为鲜艳的深红色,而人造草地是深灰色

以上便是利用遥感图像的多波段数据区分真实草地和人造草地应用实例的全部内容。

思考

这里笔者稍微拓展思考了一下,既然多波段数据可以用于区分真实草地和人造草地,那是不是也可用于军事活动:比如区分军用迷彩服和周围景物?以及研究如果对抗红外设备对迷彩服的侦查等等。

参考

https://www.manning.com/books/geoprocessing-with-python

以上是关于遥感图像应用实例利用多波段(光谱)数据区分真实草地和人造草地的主要内容,如果未能解决你的问题,请参考以下文章

Python遥感图像处理应用篇(十四):GDAL 读取多光谱数据为二维数组并存入csv文件

Python遥感图像处理应用篇(十七):GDAL 将归一化处理csv数据转化为多波段遥感影像

Python遥感图像处理应用篇(十七):GDAL 将归一化处理csv数据转化为多波段遥感影像

Python遥感图像处理应用篇(十五):GDAL 读取多光谱数据做归一化处理

Python遥感图像处理应用篇(十五):GDAL 读取多光谱数据做归一化处理

Python遥感图像处理应用篇(二十四):Python绘制遥感图像各波段热力图(相关系数矩阵)