遙感數據的等級有哪些

1. 典型的遙感指數有哪些

歸一化差異濕度指數、歸一化差異雪指數、植被指數、建築指數等。

遙感指數（remote sensing）指的是非接觸的，遠距離的探測技術。一般指運用感測器/遙感器對物體的電磁波的輻射、反射特性的探測。遙感是通過遙感器這類對電磁波敏感的儀器，在遠離目標和非接觸目標物體條件下探測目標地物。

植被指數

利用衛星不同波段探測數據組合而成的，能反映植物生長狀況的指數。植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，這是植被遙感監測利用衛星不同波段探測數據組合而成的，能反映植物生長狀況的指數。

植物葉面在可見光紅光波段有很強的吸收特性，在近紅外波段有很強的反射特性，這是植被遙感監測的物理基礎，通過這兩個波段測值的不同組合可得到不同的植被指數。差值植被指數又稱農業植被指數，為二通道反射率之差，它對土壤背景變化敏感，能較好地識別植被和水體。

2. 遙感數據的分類

傳統的基於像素的遙感影像處理方法都是基於遙感影像光譜信息極其豐富，地物間光譜差異較為明顯的基礎上進行的。對於只含有較少波段的高解析度遙感影像，傳統的分類方法，就會造成分類精度降低，空間數據的大量冗餘，並且其分類結果常常是椒鹽圖像，不利於進行空間分析。為解決這一傳統難題，模糊分類技術應運而生。模糊分類是一種圖像分類技術，它是把任意范圍的特徵值轉換為 0 到 1 之間的模糊值，這個模糊值表明了隸屬於一個指定類的程度。通過把特徵值翻譯為模糊值，即使對於不同的范圍和維數的特徵值組合，模糊分類能夠標准化特徵值。模糊分類也提供了一個清晰的和可調整的特徵描述。對於影像分類來說，基於像元的信息提取是根據地表一個像元范圍內輻射平均值對每一個像元進行分類，這種分類原理使得高解析度數據或具有明顯紋理特徵的數據中的單一像元沒有很大的價值。影像中地物類別特徵不僅由光譜信息來刻畫的，很多情況下(高解析度或紋理影像數據)通過紋理特徵來表示。此外背景信息在影像分析中很重要，舉例來說，城市綠地與某些濕地在光譜信息上十分相似，在面向對象的影像分析中只要
明確城市綠地的背景為城市地區，就可以輕松地區分綠地與濕地，而在基於像元的分類中這種背景信息幾乎不可利用。面向對象的影像分析技術是在空間信息技術長期發展的過程中產生的，在遙感影像分析中具有巨大的潛力，要建立與現實世界真正相匹配的地表模型，面向對象的方法是目前為止較為理想的方法。面向對象的處理方法中最重要的一部分是圖像分割。

3. 遙感數據現在有哪些目前常用的遙感影像有哪些

遙感數據按解析度分類，如下：

• 高解析度（收費）

高分系列：高分一號2m、高分二號0.8m；
資源系列：資源三號、資源02C；
國外數據：wordview、planet

• 中低解析度：（遙感集市上免費）

高分一號16m
planet(PS0、PS1)
環境星30m
modis(250m+500m)

• 目前常用的遙感影像有：
  國產高分二號和評價較好的資源三號；高分二號影像數據由於是國產首個亞米級的，所以每景價格會比較貴，不過遙感集市提供「1平方公里起訂」服務，不需要整景買，最少幾十塊錢就能購買，很實在很實用，一點也不浪費。