(一)片麻岩区植被的遥感信息提取

1、植被遥感信息的提取通常采用归一化植被指数、比值植被指数、双差植被指数、主成分分析等方法。基本原理都是采用0.68μm的强吸收和红—近红外波段的陡坡特征进行各种组合，从而提取生物量和植被覆盖度的信息。其中最常用的是归一化植被指数（ND-VI）。

2、岩石蚀变是最主要的遥感找矿信息之一，由于浙江植被发育好、覆盖范围广，直接从遥感数据提取岩石蚀变信息可行性较差。

3、表1是根据地物反射波谱数据计算的不同组合比值数值表，从表中可以看出，作为提取蚀变岩带信息的基本应用波段、辅助波段和匹配波段Landsat-TM 1可以最大限度的显示出以铁帽、硅化、高岭土化、绢云母化为特征的蚀变岩与围岩背景的波谱差。

4、其中第一岩组（AR-PT a 1）地层走向信息明显，延伸稳定，边界受断裂控制，构成一透镜状岩片。岩性为方解黑云石英片岩、黑云斜长片麻岩夹白云质大理岩透镜体和变粒岩。

5、花岗岩和斜长角闪岩。表1-1-1 石家庄山区岩石单位划分简表 综合已有的地质研究成果，结合研究区农业开发的实际，根据岩石类型、岩石化学、原岩建造和立地条件，将“片麻岩”划分出以下7大岩石单位：浅变质岩、副变质地层、正变质地层、黑云二长片麻岩、黑云斜长片麻岩、花岗岩和斜长角闪岩（表1-1-1）。

6、分布面积近290万亩，主要分布在低山、丘陵地区，少数分布在低山地区，约占片麻岩区土壤的60%。土壤砾石含量10%～30%，有机质含量较低，一般在0.68%左右，速效磷含量为3×10-6，速效钾含量为94×10-6。pH变化范围为1～8。粗散状淋溶褐土。

基于光谱特征的信息提取与分类过程

具有明确的物理意义，而基于光谱特征的信息提取与分类，是通过遥感光谱数据的变化规律来识别和研究地物类型。因此，研究不同地理实体的光谱表达模型，是有效地提取专题信息的关键。 金属硫化物矿床近矿围岩岩石光谱特征研究 图1是东秦岭地区比较有代表性的几种近矿蚀变岩及含矿体的反射波谱曲线。

不同地物的光谱信息是不相同的，因此，高光谱遥感提供的地物精细的光谱信息可以直接作为特征提取与目标识别的依据，比如利用红边、绿峰、NDVI等特征可以提取植被。

所以进行4层小波包分解时选择6个以上的最佳基组成特征向量作为分类和目标识别的依据，就可以将alunite和sodalite区分开来。基于这种设想，可再分析进行5层小波包分解时的情况；在进行5层小波包分解时，变化就很明显了，从第2个最佳基开始4种物质分为两组，这两组分别在第5个最佳基处开始不相同。

数据处理与分析光谱特征的利用，通过光谱角度映射（Spectral Angle Mapper）实现像元与参照波谱的高效匹配，提高识别精度。分类过程详述：从样本选择、支持向量机分类，到混淆矩阵和ROC曲线的验证，ENVI确保了分类结果的可靠性和准确性。

遥感图像分类法

1、他对同一遥感数据的原始波段、主成分和植被指数的22种组合进行了最大似然分类，发现没有一种波段组合的分类能给出图像中所有土地利用类型的精确分类，每一波段组合仅对图像中的一两类土地利用类型分类有效。

2、图像分类是以计算机来区分图像中所含的多个目标物为目的，并对区分的像元组给出对应其特征的名称，从而达到图像判读的目的。用于图像分类的数学理论目前有3个分支：统计图像分类、专家系统分类和模糊分类。

3、数据预处理：在进行数据分析之前，需要预处理遥感图像。这包括调整图像的对比度和亮度、滤波去除噪声、调整色彩平衡等。 特征提取：从预处理后的图像中提取与植物物种相关的特征。这些特征可以包括颜色、纹理、形状和高度等。可以使用计算机视觉和图像处理技术来提取这些特征。

4、遥感图像处理中常用的监督分类方法有最小距离法、贝叶斯线性和非线性判别法 （ 最大似然法） 、多级分割法 （ 平行六面体法） 、特征曲线法 （ 光谱角法） 、马氏距离法、费歇尔线性判别法等。

5、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作，以求达到预期目的的技术。遥感图像处理可分为两类：一是利用光学、照相和电子学的方法对遥感模拟图像（照片、底片）进行处理，简称为光学处理；二是利用计算机对遥感数字图像进行一系列操作，从而获得某种预期结果的技术，称为遥感数字图像处理1。

6、对于五米以上高分辨率遥感图像分类，目前大致有两种思路。一是采取一些非参数的分类方法：因为传统的参数法，一是基于像元，二是基于概率统计。这两条在高分辨率中因为类内方差变大，类间方差变变小，没有明显的聚类中心，存在这明显的重叠。所以考虑一些非参数的方法进行监督分类。