集成系统支持下的信息提取
油气高光谱遥感探测总体方案 油气信息的遥感识别，特别是典型稀疏植被地区的遥感识别，是探测油气藏的前沿新技术之一，具有相当强的探索性。这也是研究的难点和价值所在。作为一个资源勘探的遥感应用技术研究方向，其总体技术路线为：首先掌握研究区自然地理、地质、构造背景、主要生油气层系，以及主要油气藏类型与勘探资源潜力等信息；在此基础上进行野外工作，完成地面光谱测量、样品采集及地质调查工作；开展基于野外实测光谱和高光谱遥感图像的预处理及分析研究，建立典型稀疏植被地区油气微渗漏特征光谱模型和高光谱图像分类系统；最后，对野外实测光谱和高光谱遥感数据的分析结果进行综合分析，最终圈定油气勘探靶区。按照上述思路，在前期工作的基础上，工作重点为深入发展与完善高光谱遥感油气勘探分析处理系统，见图9.10；并将此系统应用于典型稀疏植被地区的高光谱遥感油气勘探技术研究。图9.10 油气高光谱遥感探测研究技术路线9.2.1 基于高光谱影像的试验区地物分析高光谱图像谱段众多、数据海量，其精细分类所需时间周期较长。为提高分类精度、降低时间消耗，在分类过程中，通常先采用耗时量较低的非监督分类方法进行地物粗分。K-均值（K-Mean）聚类是常用的高光谱遥感图像的地物。
震害损毁建筑物的提取 在地震中，建筑物的倒塌(损毁)直接关系到人民生命和财产安全，地震中 80%以上的人员伤亡是由于倒塌建筑物造成的，倒塌(损毁)建(构)筑物是地震的一个重要标志，因此遥感震害损毁建筑物信息的提取一直是学术界研究的热点问题，各国学者就损毁建筑物信息的提取展开了深入研究。A.Katartzis 和 H.Sahli 等(2001)基于空间关系引入马尔柯夫模型，通过最小化能量函数来求解阈值，这种算法的原理是基于边缘提取的区域分割，不足之处在于无法将线、面以及上下文关系结合起来，用于建筑物的提取。通过使用一种基于 Canny 算子的多尺度分割与边缘分割相结合的方法，Stassopoulou 等(2000)对影像进行分割和区域特征提取(几何形状、辐射特性、上下文关系)，结合其他条件在Bayesian 网络支持下识 别 并 提 取 房 屋 的 特 征。针 对外形 如“H”的 建筑 物，Croitoru 等(2004)提出了一种模型化的方法，即通过聚类的方法来检测影像中的建筑物，然后用Hough 变换方法寻找建筑物的主方向，进行建筑物边界的搜索，从而精确提取建筑物。该算法最大的优点是将模型化的方法引入建筑物信息提取中，根据不同类型的建筑物，提出不同的模型。国内方面，杨益军等(2002)基于影像的灰度特征，发现。
地质灾害危险区划分及分区评价 本次危险程度分析亦采用基于GIS的信息迭加法。由于和地质灾害易发区划分采用的方法、指标体系建立、指标量化、评价单元剖分等相同或相近，故仅简述之。一、地质灾害危险区划分（一）危险程度评价指标体系地质灾害危险区是指明显可能发生地质灾害且有可能造成较多人员伤亡和严重经济损失的地区。因此，其区域划分应基于地质灾害演化趋势，采用造成损失的地质灾害点，结合地质灾害形成条件与触发因素、演变趋势与人类工程活动，从而圈定不同地质灾害危险程度。依据此原则，在地质灾害形成条件分析的基础上，采用目标分析方法建立了延安市宝塔区滑坡危险程度评价的三层结构指标体系（图6-16）。图6-16 地质灾害危险程度评价指标体系框图1.灾害历史灾害历史即已有地质灾害群体统计，主要考虑已形成地质灾害的滑坡、崩塌的数量和规模。鉴于遥感解译而未经调查的滑坡、崩塌以及不稳定斜坡一般都属于未造成损失的自然地质现象，故本次以已经造成或有潜在危害的实际调查的滑坡、崩塌、不稳定斜坡为依据，采用其点密度、面密度和体积密度来表征。2.基本因素基本因素指控制和影响地质灾害发生的地质环境条件背景，如坡度、坡高、坡型和岩土体类型等。3.诱发因素指诱发。
TM影像的分辨率问题1 TM影像的分辨率为30米---------指的是 所能分辨的最小的纯像元的大小为30m×30m？2 使用ENVI软件对所用的TM影像进行分类前处理时，一般进行的是最小噪声分离（MNF）、缨帽变换（K-T）、归一化植被指数（NDVI）、主成分分析（PCA）、纹理分析，我所做的是：原TM影像（无第6波段）→MNF→取前4个波段原TM影像（无第6波段）→K-T→3个波段（亮度，湿
