遥感数字影像处理

1. 遥感数字影像处理 崔海山 广州大学地理科学学院 地理信息科学系 2005.1.20

2. 遥感影像的地理特征提取 • 植被特征的提取 • 居民点特征提取 • 水体信息提取 • 土壤遥感 • 高光谱遥感 • 作物估产

3. 1 植被特征的提取 植被调查是遥感的重要应用领域。植被是环境的重要组成因子，也是反映区域生态环境的最好标志之一，同时也是土壤、水文等要素的解译标志。个别植物还是找矿的指示植物。 植被解译的目的是在遥感影像上有效地确定植被的分布、类型、长势等信息，以及对植被的生物量作出估算，因而可以为环境监测、生物多样性保护、农业、林业等有关部门提供信息服务。

4. 1.1 植物的光谱特征 • 健康绿色植物的反射光谱特征 叶绿素的吸收波段 水的吸收 绿叶的反射率

5. 影响植物光谱的因素 • 叶子的颜色：植物叶子中含有多种色素，在可见光范围内，其反射峰值落在相应的波长范围内。 • 叶子的组织构造 • 叶子的含水量 • 植物覆盖程度

6. 不同植物类型的区分 不同植被类型，由于组织结构不同，季相不同，生态条件不同而具有不同的光谱特征、形态特征和环境特征，在遥感影像中可以表现出来。 • 不同植物由于叶子的组织结构和所含色素不同，具有不同的光谱特征。茂密的草本植物在可见光区低于阔叶树，而在近红外光区高于阔叶树。阔叶树叶片中的海绵组织使得它在近红外光区的反射明显高于没有海绵组织的针叶树。在0.8～1.1微米的近红外光影像上，可以有效地区分出针叶树、阔叶树和草本植物。

7. 利用植物的物候期差异来区分植物，也是植被遥感重要方法之一。最明显的是冬季时，落叶树的叶子已经凋谢，叶子的色素组织都发生变化，在遥感影像上显示不出植物的影像特征，无论是可见光区和近红外光区，总体的反射率都下降，蓝光和红光的吸收谷都不明显。而常绿的树木仍然保持植物反射光谱曲线特征，两者很容易辨别。同一种植物在不同季节的光谱特征有明显的变化；不同的植物生长期不同，光谱特征的变化也是不一样的。因此通过各种植物的物候特征，生长发育的季节变化，可以利用有利时机，识别植物的种类。利用植物的物候期差异来区分植物，也是植被遥感重要方法之一。最明显的是冬季时，落叶树的叶子已经凋谢，叶子的色素组织都发生变化，在遥感影像上显示不出植物的影像特征，无论是可见光区和近红外光区，总体的反射率都下降，蓝光和红光的吸收谷都不明显。而常绿的树木仍然保持植物反射光谱曲线特征，两者很容易辨别。同一种植物在不同季节的光谱特征有明显的变化；不同的植物生长期不同，光谱特征的变化也是不一样的。因此通过各种植物的物候特征，生长发育的季节变化，可以利用有利时机，识别植物的种类。

8. 根据植物生态条件区别植物类型。不同种类的植物，有不同的适宜生态条件，如温度条件、水分条件、土壤条件、地貌条件等等。这些条件在一个地区综合地影响着植被的分布，但其中的主导因素起着重要的作用。根据植物生态条件区别植物类型。不同种类的植物，有不同的适宜生态条件，如温度条件、水分条件、土壤条件、地貌条件等等。这些条件在一个地区综合地影响着植被的分布，但其中的主导因素起着重要的作用。 受温度的限制，不同地理地带生长着不同的植物，在同一地理地带受海拔高度的影响，形成不同的温度-湿度组合和植被类型。

9. 在高分辨率遥感影像上，不仅可以利用植物的光谱来区分植被类型，而且可以直接看到植物顶部和部分侧面的形状、阴影、群落结构等，可比较直接地确定乔木、灌木、草地等类型，还可以分出次一级的类型。在高分辨率遥感影像上，不仅可以利用植物的光谱来区分植被类型，而且可以直接看到植物顶部和部分侧面的形状、阴影、群落结构等，可比较直接地确定乔木、灌木、草地等类型，还可以分出次一级的类型。 • 草本植物在高分辨遥感影像上表现为大片均匀的色调，由于草本植物比较低矮因而看不出阴影。 • 灌木：遥感影像呈不均匀的细颗粒结构，一般灌木植株高度不大，阴影不明显。 • 乔木：形体比较高大，有明显的阴影，根据其落影可看到其侧面的轮廓。从乔木的树冠也可明显地识别出其阳面和阴面（本影）以及树冠的形状，并结合其纹理结构的粗细，明确区分出针叶树和阔叶树，甚至具体的树种。

10. 植物生长状况的解译 如前所述，健康的绿色植物具有典型的光谱特征。当植物生长状况发生变化时，其波谱曲线的形态也会随之改变。如植物因受到病虫害，农作物因缺乏营养和水分而生长不良时，海绵组织受到破坏，叶子的色素比例也发生变化，使得可见光区的两个吸收谷不明显，0.55微米处的反射峰按植物叶子被损伤的程度而变低、变平。近红外光区的变化更为明显，峰值被削低，甚至消失，整个反射光谱曲线的波状特征被拉平。因此，根据受损植物与健康植物光谱曲线的比较，可以确定植物受伤害的程度。 健康植物 轻微受损 严重受损

11. 遥感植被解译的应用 遥感植被解译有极为广泛的用途，资源卫星都把植被的探测作为重要的目标，无论是传感器波段的选择或是重复周期（时相分辨率）的选择都充分考虑植被的生长规律。 • 植被制图 • 城市绿化调查与生态环境评价 • 草场资源调查 • 林业资源调查 ……

12. 遥感植被解译的应用 • 植被制图：应用遥感影像进行植被的分类制图，尤其是大范围的植被制图，是一种非常有效而且节约大量人力物力的工作，已被广泛的采用。在我国内蒙古草场资源遥感调查，“三北”防护林遥感调查、水土流失遥感调查、洪湖水生植被调查、洞庭湖芦苇资源的调查等等研究中，都充分利用了遥感影像，其制图精度超过了传统方法。此外，在湖北的神农架地区以及湖北、四川部分地区的大熊猫栖息地的调查中，利用遥感影像把大熊猫的主要食用植物箭竹与其他植物区别开来，从而为圈定大熊猫的栖息地起到了重要的作用。

13. 遥感植被解译的应用 • 城市绿化调查与生态环境评价：改善城市的生态环境，提高城市绿化水平是我国城市生态建设的重要问题。近20年来，我国应用高分辨率遥感影像进行城市绿化调查已取得了显著的成效。我国的几个主要特大城市都进行过这方面的工作，上海市曾在航空遥感综合调查中，通过遥感影像解译与野外实测相结合找出遥感影像特征与植株高度、胸径的关系，提出“三维绿化指数”或“绿量”指标，以代替原先的“绿化覆盖率”指标来评价城市绿化水平。相同面积的草地、灌木和乔木具有相同的“绿化覆盖率”，但具有不同的“绿量”，其中，乔木具有最高的“绿量”，而草地的绿量最小，同样面积的乔木制氧和净化空气的效率为草地的4～5倍。这对改善城市生态建设和管理的理论和实践都有重要指导意义。

14. 遥感植被解译的应用 • 草场资源调查：牧草的产量与长势的好坏直接相关，而产草量是载畜量的决定因素。我国在内蒙古草场、天山北坡草场等遥感综合调查中，应用遥感技术确定草场类型，进行草场质量评价。内蒙古草场资源遥感结合地面样点光谱测量数据，指出比值植被指数与产草量有良好的关系，计算草场总产草量。在具体工作中还可以划分出不同草场类型，不同产草量等级，分别确定合理的载畜量。

15. 遥感植被解译的应用 • 林业资源调查：林业部门是我国采用遥感技术进行资源调查最早的部门之一，在我国的各大林区都应用过遥感影像制作森林分布图、宜林地分布图等，并对林地的面积变化进行动态监测。其中尤其是1987—1990年之间全面开展的“三北”防护林遥感综合调查的重点科技攻关项目，对横贯我国的东北、华北和西北已建的防护林网的分布、面积、保存率和有效性进行评估。在调查研究中采用陆地卫星TM影像，国土卫星影像和试点区的航空遥感影像进行解译，制作了林地分布、立地条件、土地利用、土地类型等多种专题图。通过调查还对防护树种结构等问题提出了改进的建议。这项调查的成果，为我国“三北”防护林建设的科学决策提供依据，有效地促进了遥感的实用化。

16. 2 水体信息自动提取 • 水体的光谱特征 • NOAA AVHRR图像上的水体提取 • Landsat TM图像上的水体提取 • Radarsat SAR图像上的水体提取

17. 水体信息自动提取 水体遥感监测的主要任务是通过对遥感影像的分析,获得水体的分布、泥沙、有机质等状况和水深、水温等要素的信息，从而对一个地区的水资源和水环境等作出评价，为水利、交通、航运及资源环境等部门提供决策服务。

18. 水体的光谱特征 太阳光照射到水面，少部分被水面反射回空中，大部分入射到水体。入射到水体的光，又大部分被水体吸收，部分被水中悬浮物（泥沙、有机质等）反射，少部分透射到水底，被水底吸收和反射。被悬浮物反射和被水底反射的辐射，部分返回水面，折回到空中。因此遥感器所接收到的辐射就包括水面反射光、悬浮物反射光、水底反射光和天空散射光。由于不同水体的水面性质、水体中悬浮物的性质和含量、水深和水底特性等不同，从而形成传感器上接收到的反射光谱特征存在差异，为遥感探测水体提供了基础。

19. 水体的光谱特征 在可见光范围内，水体的反射率总体上比较低（一般为4%～5%），并随着波长的增大逐渐降低，到 0.6微米处约2%～3%，过了0.75微米，水体几乎成为全吸收体。因此，在近红外的遥感影像上，清澈的水体呈黑色。为区分水陆界线，确定地面上有无水体覆盖，应选择近红外波段的影像。水体在微波1mm～30cm范围内的发射率较低，约为0.4%。平坦的水面，后向散射很弱，因此侧视雷达影像上，水体呈黑色。故用雷达影像来确定洪水淹没的范围也是有效的手段。 黄河水（泥沙含量960mg/L) 长江水（92.5mg/L) 湖水（47.9mg/L)

20. 水体的光谱特征 • 含有泥沙的浑浊水体与清水比较，光谱反射特征差异： • 浑浊水体的反射波谱曲线整体高于清水，随着悬浮泥沙浓度的增加，差别加大； • 波谱反射峰值向长波方向移动（“红移”）。清水在0.75微米处反射率接近于零，而含有泥沙的浑浊水至0.93微米处反射率才接近于零； • 随着悬浮泥沙浓度的加大，可见光对水体的透射能力减弱，反射能力加强。有时，近岸的浅水区，水体浑浊度与水深呈一定的对应关系，浅水区的波浪和水流对水底泥沙的扰动作用比较强烈，使水体浑浊，故遥感影像上色调较浅。而深水处扰动作用较弱，水体较清，遥感影像上色调较深。这种情况下，遥感影像的色调间接地反映了水体的相对深度。

21. 水体的光谱特征 • 含有泥沙的浑浊水体与清水比较，光谱反射特征差异： • 波长较短的可见光，如蓝光和绿光对水体穿透能力较强，可反映出水面下一定深度的泥沙分布状况。在洪泽湖的试验表明，0.5～0.6微米的影像可反映 2.5m水深的泥沙；0.6～0.7微米的影像可反映1.5m水深的泥沙；0.7～0.8微米影像反映0.5m泥沙；0.8～1.l微米仅能反映水面0.02mm厚水层的泥沙分布状况。因此，以不同波段探测泥沙可构成水中泥沙分布的立体模式。 • 水中叶绿素的浓度与水体反射光谱特征存在以下关系： • 水体叶绿素浓度增加，蓝光波段的反射率下降，绿光波段的反射率增高； • 水面叶绿素和浮游生物浓度高时，近红外波段仍存在一定的反射率，该波段影像中水体不呈黑色，而是呈灰色，甚至是浅灰色。 • 水温可在热红外波段有明显特征

22. AVHRR图像上的水体提取 • AVHRR图像上水体表现及特征分析 • AVHRR图像上的水体识别提取模型

23. AVHRR图像上水体表现及特征分析 • AVHRR数据拥有5个通道（CH），CH1（0.58-0.68微米）属橙色可见光范围，对水体中的泥沙含量十分敏感；CH2（0.725-1.1微米）为近红外通道，为水的强吸收带，水体的反射率很低，水体的边界轮廓十分清晰。 • 为了整体上了解水体空间、时间、水质上的多变性在AVHRR影像上的反映，以及水体与其他易混地物的区别，采用分地物类别按时间、空间变化的规律对AVHRR数据进行采样分析，分别在2月、5-8月AVHRR图像上对湖泊（太湖、鄱阳湖、洞庭湖、青海湖）、河流（长江、辽河）、海洋（黄海、东海、渤海）、云、云影、城市（上海、无锡、苏州、杭州）的光谱值进行采样分析。

24. AVHRR图像上水体表现及特征分析 洞庭湖96年8月10日 • 该图幅内以平均值的光谱曲线为分界，厚云、薄云五个波段都相对为高值，光谱曲线明显高出平均曲线；而其它地物明显低于或围绕平均曲线有小的起伏，其中云影在CH3、CH4、CH5又稍高于平均水平。从曲线的走向看，云、云影与河流、积水区一致，因此，要进一步区分水体与云及云影，在原有CH1>CH2的规律下，须加入CH2、CH3的判断条件，利用CH2、CH3的均值分别排除云及云影。

25. AVHRR图像上水体表现及特征分析 • 图内的河流、湖泊、海洋的3、4、5波段则相对洪水期有增高，表现出高于图幅均值的规律；而云影在曲线走向和数据大小都与各种水体的规律极为相似，无法再加以区分；反而该时期的城市曲线依然全低于图幅均值，落在平均曲线的下方，虽然在CH1、CH2也满足水的规律，但完全可以利用CH3波段把它剔除掉。 太湖96年2月5日

26. AVHRR图像上水体表现及特征分析 • 上面的采样分析可知，在NOAA这一特定的传感器上，水体的遥感特性与地面实测相比呈现出一定程度的变化，表现为：正常情况下水体随空间的变化幅度较小，而随时间的变化幅度较大，而在洪水期间，水体表现大幅度的变化，由平常时期的相对稳定到起伏较大，呈现出特殊的规律。其中由于降水的增加引起水中泥沙含量，水温等异常变化也起到了相当大的作用，而由于时间变化引起水体的变化反映则相当的微弱。但无论水体随时间，空间怎么变化，则其在近红外吸收的特性则始终不变，且表现为CH1>>CH2，CH2<图像的均值；CH3有规律的上升或下降，在正常时期，水体CH3大于整幅图像的平均值，而洪水期间CH3小于整幅图像的均值，这就是水体在光谱多变性条件下，呈现出的统一规律，即光谱特征。

27. AVHRR图像上的水体提取模型 根据大量的水体光谱样本分析，得出AVHRR数据的水体信息摄取的基本光谱模型： • CH1》CH2，且 CH2<图像平均值； 洪灾期：CH3<图像平均值；非洪水期，且CH3>图像均值； • 随着水面积减小，混浊度增加，水深变浅，水体特征有所改变。CH1相对减小，CH2相对增加，有向陆地逐渐过渡的趋势，且往往该部分水体是陆地包围的水体或覆盖在陆地上的浅水体。

28. AVHRR图像上的水体提取模型 • 在分析了水体在图像上的空间特征后，在光谱模型上又给出水体的空间模型： • 水体相对于陆地或云层等呈现出较为均一的图斑，无明显的纹理特征 • 水体图斑的边界相对于云层较稳定，河流的线状特征，湖泊、海洋等的面状特征较明显。 以上的光谱模型和空间模型采用面向对象的思想完成模型建立，可以实现水体的智能化信息提取。

29. TM图像上的水体提取 • 由于时间分辨率的限制，在洪水期难以获得无云雾的TM图像，因此TM主要用于洪水灾害损失评估和本底水体的提取。 • 从TM数据中提取水体信息的关键是区分水体与其他地物的阴影，这同样需要进行不同地物各波段的光谱值分析。

30. TM图像上的水体提取 1996年12月27日福清市 • 水体、阴影的第5波段明显小于第2波段。而其它地物则刚好相反。在第2、3波段上，水体的灰度值大于阴影，将这两个波段相加可以增大这种差异。在第4、5波段上，阴影的值一般都大于水体。将这两各波段相加，可以增大这种差异。

31. TM图像上的水体提取 • 将波段2与波段3相加，波段4与波段5相加，并作出改进后的地物波谱图。可以看出，只有水体具有波段2加波段3大于波段4加波段5的特征。

32. TM图像上的水体提取 • 阈值法提取水体 利用对水陆界线反映较好的Landsat－5的TM第5波段，即中红外波段，通过反复试验，确定其阈值。用TM4、3、2作假彩色合成影像，用目视判读的方法检验阈值法提取水体的效果。所提取的水库和坑塘的轮廓与目视判读的一致，宽的河流与目视判读的基本一致。而较窄的河流没有被提取出来，但这些河流由目视判读也难判读出来。因此，漏提的水体非常少。同时，发现所提取的水体中有一部分并非为真正的水体，而是山体的阴影。因此，多提的水体较多。

33. TM图像上的水体提取 • 谱间关系法提取水体 水体具有独特的谱间关系特征，即波段2加波段3大于波段4加波段5。用同样方法检验提取效果，漏提的水体非常少，也没有发现将山体的阴影当水体提取出来。因此，该种方法提取的水体较为准确。 总之，谱间关系法比单波段阈值法提取水体更具优势。尤其是，它能将水体与阴影区分开来。该方法特别适合山区水体的提取。无论是谱间关系法还是单波段阈值法，它们对于提取一些细小的河流都有一定的局限性。这是因为，这些细小的河流都是以混和像元的形式存在。

34. SAR图像上的水体提取 • 由于洪水最大淹没面积常常发生在坏天气条件下，很多光谱遥感数据不可能发挥很好的作用，因而微波遥感成为洪水灾害监测的首选数据。但在有山区的雷达图像上，水体与山体的阴影具有易混的亮度值，而使得自动提取洪水淹没范围较困难。因而，现在多采用目视判读的方法从SAR图像上提取洪水水体。目视判读方法尽管可以取得较高的精度，并将水体与阴影区别开来，但费工费时，难以满足快速监测评估的要求。从图像复合的角度出发，Landsat TM图像与Radarsat SAR图像相结合，能有效地将洪水淹没范围提取出来，而不会将阴影误提为水体。

35. SAR图像上的水体提取 水体提取步骤 • 图像配准 • TM图像与地形图配准 • SAR图像与TM图像配准 • SAR图像的水体提取 用目视的方法在SAR图像上测出水体的亮度值，从而确定水体与陆地的阈值k1，DN<k1为水体，DN>=k1为非水体（DN为SAR图像的亮度值）。 • TM图像上的阴影的提取 因在TM2上阴影的亮度值比较低，而其他地物的亮度值比较高，测定阈值k2,因而有TM2<k2为阴影，TM2>=k2为非阴影。

36. SAR图像上的水体提取 安徽省潜山县 1995年12月7日TM2图像 1998年7月28日SAR图像

37. SAR图像上的水体提取 从TM图像上提取的阴影 从SAR图像上提取的水体

38. SAR图像上的水体提取 水体提取步骤 • SAR图像的水体与TM图像的阴影之间的融合分析 • 将SAR图像的水体与TM图像的阴影叠加，在山区被误提为水体的山体阴影中，有大部分都与TM图像的阴影重叠，有一小部分未重叠。但未重叠的部分，均与TM图像的阴影靠得很近，并且与阴影相连。为此，利用ARC/INFO的GRID模块中的EXPAND命令，对所提取的阴影进行扩展处理，将扩展后的阴影与SAR水体进行叠加融合分析。凡是落入阴影中的SAR水体，都被作为误提的水体剔除。 • 但是，对于在SAR图像上与阴影相连的水体而言，由于对TM图像上的阴影进行了扩展处理，并用它来剔除SAR图像上的阴影，这就会造成将SAR图像上与阴影相连的那部分中的部分水体被错误地剔除掉。因此，还需要对这部分水体进行进一步的定界。

39. SAR图像上的水体提取 水体提取步骤 • 与阴影相连部分水体的进一步定界 • 从TM图像上提取本底水体，提取模型为： （TM2+TM3）>(TM4+TM5)-k1 TM2>=k2 • 利用ARC/INFO中的GRID模块EXPAND命令对本底水体进行扩展。并用它来切取最初从SAR图像中提取的水体。最后，将从TM图像中提取的阴影与所切取到的水体进行叠加分析，减去阴影部分，从而得到了由于阴影扩展而丢掉的那部分水体。 • 并将这部分水体与去阴影后的SAR图像水体进行叠加，从而得到最终提取的水体。

40. 3 居民地特征提取 • 研究意义 • AVHRR影像上的居民地识别提取 • TM图像上的居民地识别提取 • SAR图像上的居民地识别提取

41. 研究意义 • 为灾害评估提供所需居民地空间分布信息 • 为了解人地关系服务 • 为社会、经济和人文等数据的空间化服务 • 为居住用地监测以及人居环境建设服务

42. AVHRR影像上的居民地识别提取 • AVHRR影像上居民地的影像特征分析 在3（红）、2（绿）、1（蓝）假彩色合成图像上可以看出，特大城市、大城市、中等城市，无论是位于山区还是平原，都能在影像上识别出来。这些城市在影像上呈暗灰蓝色，当其周围为农田时，其周边呈灰蓝色，当为森林时，呈浅黄色，当为水体时，呈红色。城市的外部轮廓清楚明显，城市的内部的色调比较一致，而内部纹理特征不明显。城市的形状一般为斑块状。县城一级的城镇，以及小城市在NOAA影像上需要仔细识别才能识别出来。一般面积在6平方公里以上的县级城镇在NOAA影像上只有几个像元，呈点斑状，其外部轮廓已经很不清楚了。在其像元中，只有1到4个像元与周边像元有一定的区别，比较容易识别。而其他周边像元都是以混合像元的形式存在。此时的城镇已无纹理可见了。

43. AVHRR影像上的居民地识别提取 • AVHRR影像上居民地的影像特征分析 对于面积在2km2以下的乡镇、村一级的居民地，已完全与周围地类混淆在一起，在NOAA影像上难以辨别出来。城市与城市之间的相对位置清晰可见，特大城市、大城市、中等城市、小城市、县城等之间的城镇体系结构关系也容易识别出来。 通过对各种类型的城市及其它地物进行典型光谱采样，据其均值绘制如下光谱曲线图

44. AVHRR影像上的居民地识别提取 特征波段组合

45. AVHRR影像上的居民地识别提取 • 基于光谱知识的居民地提取模型 通过对采样数据进行波段组合分析，建立模型如下： 提取居民地、水体和云 剔除水体 剔除云 剔除少量水陆混合像元 注意：因AVHRR空间分辨率的限制，提取精度有限。

46. TM图像上的居民地识别提取 • 居民地在TM影像上的机理分析 • 农村居民地 其房屋宽度大部分不超过28.5m，长度有可能超过28.5m，影像记录的通常是房屋及其周围的空地、散生树木组成的混合像元。由于这些地物的尺寸及其配置在空间上的变异，从而导致农村居民地像元灰度值的空间变异，在居民地与周边地类交界处，又会出现居民地与周围地类相混合的混合像元，这些混合像元降低了农村居民地提取的精度。居民地内部没有明显的纹理特征，与农村居民地相连的道路难以识别出来。

47. TM图像上的居民地识别提取 • 居民地在TM影像上的机理分析 • 乡镇级居民地 在镇的核心区一般多为2～3层的楼房、平房等，房顶多为水泥平顶、瓦盖尖顶。一般房屋间有比较窄的空地，空地一般多为泥土面，部分为水泥面。居民地内也有一些散生的树木等绿地。因此居民地的像元多由水泥房顶、瓦顶、水泥路面、裸土地、绿地、散生树木等所构成的混合像元，其组成的空间变异导致像元灰度值的空间变异。在边缘区的像元类似于乡村居民地的像元，在居民地与周围地类接边处，有居民地与周围地类混合而成的混合像元。

48. TM图像上的居民地识别提取 图中粉红色的斑块即为乡镇级居民地，其内部有一定的纹理特征，基本可以识别到与其相连的道路。

49. TM图像上的居民地识别提取 • 居民地在TM影像上的机理分析 • 县城 由于高楼大厦的影响，有可能出现水泥房顶的纯净像元，此外也会出现纯净的水域像元和绿地像元。高大的房屋会造成房屋与房屋之间有很多阴影。因而县城一级的居民地，其像元一般是由水泥顶、水泥路面、散生林木、绿草地、裸地以及阴影等所组成的混合像元，其组成比例的变化以及空间配置结构的变化就造成了这些像元的空间变异。在县城的边缘区同样会出现类似于乡镇一样的像元。以及在县城居民地与周围边缘农田接壤处，同样会出现居民地与农田的混合像元。图中县城呈粉红色的斑块状，有辐射状的道路与其相连，其内部有一定的纹理特征。

50. TM图像上的居民地识别提取 • 居民地在TM影像上的机理分析 • 城市 水泥房顶的纯像元更多，由于有宽阔道路，因而也会出现水泥道路的纯像元。由于公园的存在，会出现纯的水体像元和绿地像元。由于建筑物更加高大，从而使得房屋之间的阴影就比城镇更多了。但是，大多像元仍然是混合像元，其组成比例的差异就导致了像元灰度值的空间变化。在城市边缘处，有类似于县城乡镇一样的混合像元，在城市居民地与周边农田接壤处同样会出现居民地与农田的混合像元。城市呈粉红色的大斑块状，有辐射状的道路与其相连，其内部有一定的纹理特征。