遥感图像解译：陆地资源卫星数据与定性解译方法

本讲内容主要围绕地球资源卫星数据的应用和遥感图像的定性解译展开。首先介绍了几种主要的陆地资源卫星系列，如美国的Landsat、法国的SPOT、欧空局的ERS、俄罗斯的ALMAZ、日本的JERS、印度的IRS以及中-巴合作的CBERS，这些都是以探测陆地资源为目标的卫星平台。 在遥感图像解译部分，讲解了人类视觉在这一过程中的关键作用。人类视觉系统由角膜、巩膜、脉络膜、视网膜等组成，其中视网膜的锥状体和杆状体对于色彩和细节分辨具有重要作用。锥状体负责白天的色彩视觉和精细细节，而杆状体则在低光照条件下提供轮廓感知。人眼对亮度的适应能力非常强，可以在广泛的光强范围内工作，但并非均匀敏感，而是存在一定的亮度适应范围和鉴别能力，例如韦伯实验表明，人们可以辨别大约12到24级的亮度变化。 遥感图像的处理涉及彩色模型和彩色变换，通过这些技术可以改善图像质量，比如图像融合和彩色增强。此外，卫星遥感数据在获取后需要进行校正，以减少误差并提高解析度。在定性解译过程中，专业人员会利用这些经过校正的遥感图像，结合人类视觉的特点，进行目视分析，判断地表特征、植被覆盖、土地利用变化等信息。 问题提到的“量化到256级或更高”可能指的是遥感图像的灰度级别，虽然高分辨率有助于细节展示，但在实际应用中，需要根据具体任务需求和人眼的感知能力来决定是否有必要达到如此高的量化精度。如果图像过于细腻，可能会导致数据冗余，反而增加了计算和存储的复杂性。 本讲深入探讨了如何利用人类视觉原理和地球资源卫星数据，进行有效的遥感图像定性解译，以支持各种地理信息分析和决策。这是一项结合了高科技与人类认知能力的重要工作。