遥感信息系统研究内容遥感信息系统需要研究地物波谱、影像波谱以及两者之间的关系；卫星遥感的数据、图像、波谱以及三者之间的关系；非遥感数据归一化形成的图像与“波谱”；非遥感数据与遥感数据的融合问题
地物波谱与影像波谱第二次世界大战后，随着半导体技术的发展，苏联和美国两个超级大国在军事上开始研究地物的反射波谱和发射波谱，主要是为了给地面军事伪装提供根据，同时为航空相片的判断提供依旧
卫星遥感最早也是为了揭露军事伪装而设计的，因此开始的遥感影像就是根据地物波普特征设计的多波段遥感传感器
1978年，西德慕尼黑大学已经为美国NASA选择了1.55~1.75μm和2.08~2.335μm两个波段，即后来Landsat TM5、TM7所使用的波段
随着半导体技术的快速发展，遥感传感器的制造有了长足的进步，21世纪初，美国发射的替代陆地卫星Landsat的EO-1卫星上的Hype日欧尼传感器已经是220波段了，因此地物波谱的重要性逐渐被影像波谱所代替
（1）地物波谱
从紫外线（0.30~0.38μm）到可见光（0.38~0.76μm）、近红外（0.76~2.50μm）的反射波谱，中红外（3.0~5.0μm）、热红外（8.0~14.0μm）的发射波谱，连续地可测出地物的波谱，波段以及波段间隔可以达到纳米级的水平，微波可分毫米波、厘米波、分米波等可以测出被动或者主动的离散波谱
在20世纪70~80年代国内外发表的发射波谱论文较多，90年代随着高光谱遥感与微波遥感的发展，反射、发射、散射波谱都有研究
地址波谱在早期对于设计遥感传感器是有意义的，对于目视解译也是有贡献的，随着传感器的发展，直接从卫星的高度测量像元的地物波谱，更具有意义
（2）影像波谱
可见光、近红外、中红外、热红外的传感器使用半导体扫描仪或者CCD器件；微波传感器使用波导以及天线设备
EO-1/Hyperion遥感传感器共有220个波段
影响波谱具有三个坐标轴，一个是灰度坐标，0~255归一化数据；一个是波段坐标，1~220波段，从可见光到近红外；一个是时间坐标，如果收集每天的数据，则为1~365天
不同的地物在不同的时间、不同的波段上有不同的灰度值，影像波谱的研究，国内外的论文较少
（3）地物波谱和影像波谱之间的关系
地物波谱和影像波谱之间的差别主要是受到大气的影响
地物波谱在离地面1.5~20m的高度测试得到；而影像波谱大约在近1000km的高度上测得的，是经过功能放大以后，再归一化得到的
1000km的大气由吸收、反射、透射、折射等影响，因此地物波谱与影像波谱之间的差别，主要是为大气的影响
另一方面，地物波谱一般为连续波谱，影像波谱是离散波谱
影像数据中的数图谱在一瞬间获得的遥感影像，具有数据（灰度）、图像（像元）、波段（光谱）三个基本参数，从而构成遥感影像的数、图、谱的研究
（1）灰度数据
在近1000km高空的卫星上，遥感传感器中的探测元件所测得的反射、发射、后向散射的物理量，能量非常之小，必须经过功放才能被记录，而且功放的方式随着可分辨的程度，可以进行线性功放或者非线性功放
记录的连续性物理量经过随时间、空间的采样，形成离散的、归一的灰度值，在最大与最小的物理量之间，内插数据，一般线性内插的公式为：其中，为像元（i，j）（其中i 表示行像元，j 代表列像元）的灰度，p为反射率，、、分别为反射率的极大值、极小值、像元（i，j）的反射率
由上式计算的归一化灰度值，介于0~255之间
图像中每一个像元都有介于0~255之间的灰度值
（2）波段灰度
同时成像的传感器，由于探测元件半导体的相同与不同，像元位置、大小有相同与不同两种不同的情况
一般而言，可见光波段、近红外波段的探测元件是相同的，那么不同波段的像元位置与大小是相同与相等的，仅仅是不同波段的探测元件不同，则像元的位置与大小就是不同与不等的，遇到像元位置与大小不同与不等时，需要进行图像处理，将两种不同像元位置与大小的影像融合成相同位置与相等大小的影像，即图像像元的配准与分割
对新配准与分割的图像需要重新赋予按照地物波谱特征规律的灰度值
（3）图像变化
由不同灰度构成的影像，灰度随着空间是变化的，灰度在空间上的梯度，即为纹理的强度，纹理强度在空间上的梯度，即为纹理密度
除了灰度图像外，可以计算影像的纹理强度图像和纹理密度图像，这就是图像的变化
分波段的灰度影像、纹理强度影像、纹理密度影像是遥感影像中最基本的图像，地物在这些影像上的特征，就是识别、分类、解译、提取的根据
一般的遥感图像处理方法，只利用了各个波段的灰度，没有充分使用纹理强度和纹理密度的影像，使得自动分类裹足不前
归一化的非遥感数据单一地使用遥感数据，往往那个不能解决地理现象的规律性问题，还要辅助以各种地面实测数据和野外路线考察的资料
为此，必须考率是否能够将非遥感数据归一化成影像数据，使得非遥感数据也能够参与影像数据的计算
数字高程模型是使用最早的非遥感像元数据，将地形图的等值线进一步加密，内插高程数据，使得每一个网格中都有高程数据，当高程网格加密到于遥感影像像元一样时，就变成非遥感成像的数字高程图像了
遥感非遥感数据融合遥感数据与非遥感数据的融合主要分为两个部分，一部分是几何配准的问题，另一部分是属性之间的关系问题
（1）几何配准
遥感与非遥感数据之间，关键在于像元的配准，像元配准包括两类，一类是位置配准，另一类是大小配准
位置配准的方法是以数字高程模型为标准，将遥感与非遥感数据都与数字高程模型配准，存在数字高程模型的精度、准确度以及不同比例尺的数字高程模型之间的转化问题
像元大小，或者说是网格大小的配准，主要是计算像元或网格大小之间的比例，最简单的方法是根据研究的需要，一律进行重新采样，无论是遥感影像，还是非遥感地理属性图像，在重新采样的过程中配准
（2）属性融合
地理属性之间的关系也分为两类，一类是简单性关系，一类是复杂性关系
地理属性之间的简单性关系，就是遥感波段与波段之间、遥感与非遥感之间的叠加、组合、分类等，这是一般遥感图像处理软件已经具备的功能
地理属性之间的复杂性关系，所谓独立地理因素是相对的，地理因素与因素之间不仅仅具有两两关系，常常是牵一发而动全身，多因素互相牵动，因此属性融合是要靠地理复杂模型来解决的
在遥感图像处理中，属性融合的软件，主要是准备好各种数学的运算功能，例如加、减、乘、除、乘方、开方、对数、量纲分析等
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
