遥感影像目视解译方法
遥感影像目视解译方法
其 它（高寒苔原）
分布位置
主要分布在4000M以上，冻融形成的裸露岩石。
主要名称
昆仑山、唐古拉山、祁连山等。
影像特征
地类边界线明显但不规则。 影象呈深灰和白色。 影象质地纹理较细但不规则 。
信息提取
•土地利用是自然地理要素和人类活动相互作 用形成的自然综合体。要想直观反映研究区 土地利用环境背景类型质量的空间分布，就 必须对遥感影像特征（光谱特征、辐射特征、 几何特征、变化规律等）综合分析，统一专 业研究人员对分类系统和影像光谱特征认识 上的差异，客观清晰地反映区域环境综合特 征。 •要实现专题几何图形和属性信息的提取。就 必须对遥感图像和区域背景（下甸面、植被 群落等）有较深刻的理解，才能准确、快速 提取矢量图形数据和属性数据。
冰川及永久性积雪
分布位置
主要分布在（4000M以上）高山顶部。
主要名称
七一冰川及祁连山常年积雪。
影像特征
它的几何特征沿等高线分布。 影象呈现白色,但颜色均匀。 影象质底较细腻，色调均一。
河滩地
分布位置
基本分布在河流两侧及河心岛上。
主要名称
黄河、渭河、榆林河、芦河、大同河、湟水河等。
影像特征
呈现不规则的条带或片状。 影象颜色呈现灰、灰白及白色。 影象质底较细腻，色调均一。
影像特征
几何特征不规则，生长在低地中。 影像呈红、鲜红、粉红色。以小块星点状分布。 影像纹理细腻，在同一色调中差异不大。
其它林地（经济林等）
分布位置
主要分布在绿洲田埂，河边、路边及居民点周围。
主要植被
主要有杨树、柳树、梧桐及各种果树等。
影像特征
大多数以线状、格状、点状和片状分布。 影像呈红、鲜红和粉红色的线格状、点状分布。 影像纹理上看比较杂乱，不规则。
遥感影像目视解译方法
遥感影像目视解译方法引言遥感影像是利用航空器或卫星等平台获取的地面信息的图像。
目视解译是解析遥感影像的一种方法，它依赖于人眼对图像进行直观分析和判断。
本文将介绍遥感影像目视解译的一些基本方法和技巧。
1. 目视解译概述目视解译是指直接观察和分析遥感影像，根据特定地物和地貌在不同波段上的反射或辐射特性，识别和判断遥感影像中的地物种类、分布和状态。
目视解译通常可以提供一些较高级别的信息，如土地利用分类、植被类型、水体边界等。
2. 目视解译步骤2.1 数据准备在进行目视解译之前，需要准备好相应的遥感影像数据。
常见的遥感影像数据包括多光谱影像、高分辨率影像等。
同时，还需要了解影像的数据源、分辨率、波段等基本信息。
2.2 影像预处理对遥感影像进行预处理可以提高解译的准确性。
常见的预处理操作包括去噪、辐射定标、几何纠正等。
这些操作可以消除影像中的噪声、减少大气影响，并保证影像的几何精度。
2.3 目视解译方法在进行目视解译时，可以采用以下方法进行分析和判断： - 空间解译：根据图像中地物的形状、大小、纹理等空间特征进行解译。
- 光谱解译：利用遥感影像不同波段的反射或辐射特性，对地物进行分类和识别。
- 形态解译：根据地物的形态特征，如轮廓、阴影等，进行解译。
- 上下文解译：根据地物的空间分布、相邻关系等，进行解译和判断。
2.4 解译记录与输出在进行目视解译时，需要记录解译结果和相关信息。
可以使用表格、文本描述等方式进行记录。
解译结果可以输出为矢量图、分类图等形式。
3. 目视解译技巧3.1 借助辅助数据使用辅助数据可以提高目视解译的准确性和效率。
常见的辅助数据包括地形图、土地利用数据、通用土壤分类数据等。
这些数据可以提供额外的信息和参考，帮助解译者进行判断。
3.2 注重细节目视解译需要对遥感影像进行细致的观察和分析。
解译者应该注意影像中地物的细节特征，如纹理、形状、边界等。
细节观察有助于准确识别地物和判断地物类型。
遥感影像的解译方法和处理流程
遥感影像的解译方法和处理流程遥感技术是指利用卫星、航空器等探测装置获取地球表面特征信息的一种手段。
遥感影像的解译方法和处理流程对于地质勘探、农业、城市规划等领域都具有重要的应用价值。
本文将探讨遥感影像的解译方法和处理流程，并探讨其在环境保护、灾害监测等方面的应用。
一、解译方法1.目视解译法目视解译法是最早也是最常用的遥感影像解译方法之一。
通过肉眼观察遥感影像的色彩和纹理等特征来识别地物。
对于经验丰富的解译员来说，目视解译法可以得出较为准确的解译结果。
然而，由于人眼的主观因素和解译员的经验水平不同，目视解译法存在一定的主观性和局限性。
2.计算机辅助解译法计算机辅助解译法是指利用计算机软件对遥感影像进行处理和分析。
通过图像处理、分类、目标检测等技术，可以快速、准确地提取和识别地物。
计算机辅助解译法具有时间效率高、结果可重复性好等优点，使得遥感影像的解译工作更为高效和精确。
二、处理流程1.遥感影像预处理遥感影像预处理是将原始的遥感影像数据进行校正、去噪和增强等处理，以提高图像质量和准确性。
常用的遥感影像预处理方法包括辐射校正（校正影像的亮度和对比度）、大气校正（去除大气光对影像的影响）、几何校正（纠正图像的畸变和扭曲）、噪声去除和影像增强等。
2.遥感影像分类遥感影像分类是指将遥感影像的像素根据其反射率、纹理和几何结构等特征进行分类，以获得各类地物或地物类型的分布和面积信息。
常用的遥感影像分类方法包括基于阈值的分类、基于规则的分类、基于统计学的分类和基于机器学习的分类等。
其中，基于机器学习的分类方法由于其较好的准确性和泛化能力，成为当前遥感影像分类的主流方法。
3.遥感影像解译遥感影像解译是指根据已经分类好的遥感影像，对不同地物进行解译，以获得地物的具体信息和分布。
遥感影像解译可以通过目视解译、计算机辅助解译和专家解译等方法进行。
同时，遥感影像解译还可以结合地面调查和其他信息，以提高解译的准确性和可靠性。
遥感影像的目视解译与制
遥感原理
1
目视解译的重要性
目视解译是信息社会中地学研究和遥感应用的一项基本
技能。
遥感技术可以实时地、准确地获取资源与环境信息，如重 大自然灾害信息等，可以全方位、全天候地监测全球资源 与环境的动态变化，为社会经济发展提供定性、定量与定 位的信息服务。通过目视判读遥感图像
地理学家可以了解山川分布，研究地理环境等 地质学家可以了解地质地貌或深大断裂 考古学家可以在荒漠中寻判读标志
形状：人造地物具有规则的几何外形和清晰的边界(如道路、楼房）， 自然地物具有不规则的外形和规则的边界（如山地、湖泊、沙丘）。
大小：不知道比例尺时，可以比较两个物体的相对大小；已知比例 尺，可直接算出地物的实际大小和分布规模。
阴影：本影：是地物未被太阳照射到的部分在像片上的构像。有 助于获得地物的立体感。落影：是阳光直接照射物体时，物体投 在地面上的影子在像片上的构像（可以显示物体的侧面形状）。
彩色遥感图像上的颜色可以根据需要在图像合成中任意 选定，例如多光谱扫描图像可以使用几个波段合成彩色 图像，每个波段赋予的颜色可以根据需要来设置。按照 遥感图像与地物真实色彩的吻合程度，可以把遥感图像 分为假彩色图像和真彩色图像。
遥感原理
9
遥感图像目标地物的识别特征
假彩色图像上 地物颜色与实 际地物颜色不 同，它有选择 地采用不同的 颜色组合，目 的是突出特定 的目标物。
第五章 遥感图像目视解译与制图
遥感图像解译（Imagery Interpretation）是从遥感 图像上获取目标地物信息的过程。遥感图像解译分 为两种：
目视解译：指专业人员通过直接观察或借助判读仪 器(如：放大镜）在遥感图像上获取特定目标地物 信息的过程。
遥感图像计算机解译：以计算机系统为支撑环境， 利用模式识别技术与人工智能技术相结合，根据遥 感图像中目标地物的各种影像特征(颜色、形状、 纹理与空间位置），结合专家知识库中目标地物的 解译经验和成像规律等知识进行分析和推理，实现 对遥感图像的理解，完成对遥感图像的解译。
遥感影像目视解译方法
不同解译者在同一遥感影像上可能得出不同的解译结果，影响数据的应用效果和决策的准确性。
解译结果的差异
解译精度与可靠性问题
信息提取与处理的优先级
在目视解译过程中，需要权衡信息提取与处理之间的关系。然而，由于遥感影像的复杂性和多层次性，这一矛盾往往难以解决。
解译速度与质量的平衡
与地理信息系统（GIS）的结合
利用GIS提供的空间信息和分析功能，辅助遥感影像目视解译，提高定位精度和空间分析能力。
遥感影像目视解译与其他领域的交叉研究与应用
与全球定位系统（GPS）的结合
通过GPS获取精确的位置信息，将遥感影像与实地坐标进行匹配，实现精准解译和动态监测。
与计算机视觉和模式识别技术的结合
高光谱与超光谱遥感影像融合
03
时序遥感影像融合
将不同时间拍摄的遥感影像进行融合，提高影像质量、增加信息量并辅助变化检测。
时序遥感影像分析与解译方法
01
时序变化检测
通过对同一地区不同时间拍摄的遥感影像进行比较，检测地物的变化情况，如建筑物拆迁、植被生长等。
02
时序影像序列分析
将多个时序遥感影像进行连续分析和比对，提取地物的动态变化特征，提高解译精度和可靠性。
详细描述
在地貌与地形分析中，主要包括对山脉、丘陵、平原、盆地等地貌形态的识别和分析，通过对这些地貌形态的特征进行提取，可以有效地获取地形地貌的信息，为地质灾害预警和土地资源开发利用提供支持。
地貌与地形分析
总结词
水体识别与分类是遥感影像目视解译的一个重要方向，主要是通过对影像中的水体特征进行分析，将它们分为不同的水体类型并进行分类。
2023
遥感影像目视解译方法
试述遥感目视解译的方法。
试述遥感目视解译的方法。
遥感目视解译是一种利用遥感图像进行研究和分析的方法，主要是通过目视观察遥感图像中的特征和模式，进行解释和理解图像中的信息。
遥感目视解译的方法包括以下几个步骤：
1. 图像预处理：首先对遥感图像进行预处理，包括图像校正、辐射校正、几何校正等，以确保图像的准确性和可靠性。
2. 特征提取：通过目视观察遥感图像中的特征，如颜色、纹理、形状等，提取出图像中的有用信息，并对特征进行分类和描述。
3. 模式识别：根据特征提取的结果，对图像中的模式进行识别和分类。
可以利用常见的分类方法，如最大似然分类、支持向量机分类等，对图像中的不同地物进行分类和识别。
4. 解释分析：在图像分类的基础上，对识别出的地物进行解释和分析。
根据地物的特征和分布，分析其与环境、地理背景等的关系，研究地物变化、演化等过程。
5. 结果验证：对解释分析的结果进行验证和评估，与实际场地进行对比和验证，以确定解释的准确性和可靠性。
6. 结果应用：最后，根据解释分析的结果，将其应用于实际应用中，如土地利用规划、资源调查、环境监测等领域，为决策提供支持和参考。
综上所述，遥感目视解译是一种通过目视观察遥感图像中的特征和模式，进行解释和分析图像信息的方法，有助于理解和利用遥感数据，为实际应用提供支持。
测绘技术遥感影像解译方法介绍
测绘技术遥感影像解译方法介绍近年来，随着遥感技术的快速发展和普及，其在测绘领域的应用也越来越广泛。
遥感影像解译作为一种重要的测绘技术手段，扮演着不可或缺的角色。
本文将介绍几种常用的遥感影像解译方法，帮助读者更好地了解和应用这一技术。
一、目视解译法目视解译法是最基础也是最常用的解译方法之一。
通过对遥感影像进行仔细观察，将不同的地物、特征和目标识别并进行分类。
这种解译方法需要解译员具备较高的专业知识和经验，并且对影像细节有较强的观察和辨别能力。
虽然目视解译法存在主观性和时间成本高等问题，但在一些小范围和特定场景的解译中仍然具有重要意义。
二、分类器解译法分类器解译法是利用计算机和数学方法对影像进行解译的一种常用方法。
其依靠事先建立的各类地物的光谱、纹理和形状特征等参数，通过计算和比对来确定影像中的地物类型和分布。
常见的分类器包括最大似然法、人工神经网络、支持向量机等，在实际应用中根据需要选择合适的分类器。
分类器解译法具有自动化程度高、效率高等优点，但也存在一定的误差和精度问题需注意。
三、特征提取法特征提取法是从遥感影像中筛选出有用的地物特征，然后对这些特征进行分类和解译。
这种方法基于对地物特征的深入研究和理解，结合遥感影像的优势，能够更精准地提取出相应地物的特征信息。
特征提取法可分为光谱特征提取、形状特征提取、纹理特征提取等，根据不同地物和任务需选择合适数学模型和算法进行特征提取和解译，从而得到更为准确的结果。
四、多源数据融合法多源数据融合法是将不同类型、不同分辨率、不同时间的遥感影像进行综合利用，以提高解译精度和信息获取能力。
通过多源数据的融合，可以更全面地展现地物的空间分布和时序变化，减少遥感影像解译的盲区和误差。
常见的多源数据包括多光谱影像、高光谱影像、雷达影像等，通过适当的数据融合方法和技术，可以获取更为全面和准确的地理信息。
综上所述，测绘技术遥感影像解译方法多种多样，每种方法都有其适用的场景和优势。
遥感影像目视解译方法
进行后处理与分析
遥感影像目视解译的关键技术
03
遥感影像的获取技术
利用卫星、航空等遥感平台获取目标区域的遥感影像，以及使用不同的传感器获取不同波段的影像。
遥感影像的处理技术
对获取的遥感影像进行预处理，如辐射定标、图像校正、图像增强等，以提高图像质量和可解译性。
遥感影像的获取与处理技术
通过实践积累和经验总结，建立一套针对不同地物类型的解译标志，包括颜色、纹理、形状等特征。
多源数据融合
将不同来源、不同分辨率、不同时间分辨率的遥感影像数据进行融合，提高解译的精度和可靠性。
高光谱和超光谱技术
利用高光谱和超光谱技术，可以获取更多的地面信息，提高遥感影像的解译精度。
遥感影像目视解译的发展趋势与展望
深度学习
深度学习在遥感影像目视解译中具有广阔的应用前景，可以通过学习大量的影像数据来提高解译的精度和可靠性。
解译结果的共享
遥感影像目视解译的应用案例
04
在土地资源调查中的应用
土地利用类型识别
通过遥感影像，可以清晰地识别出不同类型的土地利用，如农田、森林、城市等，为土地资源调查提供基础数据。
森林面积与类型识别
森林健康状况评估
森林资源利用规划
在森林资源调查中的应用
在水资源调查中的应用
要点三
水源位置与储量估算
确定解译标志与识别特征
根据识别特征进行初步的目视解译，对解译标志进行初步分类和识别。
初步解译
根据初步解译结果，提取出与任务相关的信息，如土地利用类型、面积等。
信息提取
进行详细的目视解译与信息提取
后处理
对解译结果进行后处理，如滤波、去噪等，以提高解译结果的精度和质量。
结果分析
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
专题图形的综合
•专题图形的综合是一个十分复杂的问题， 在解译过程中既要考虑影像的信息量、光 谱特征、辐射特征、几何特征，又要考虑 地形因素、地表覆被、图斑边缘、图形面 积精度控制等。 •在相对比较重要的生态工程实施区要考虑 到种植群落、地形坡度、微地形条件下的 变化及环境因子等。
取舍标准与精度控制
影象呈现呈灰黄、灰和灰白色。
影象质地较细腻。
戈
壁
分布位置
主要分布在风蚀较强有沙源物质输送的山前带。
主要名称
河西走廊二百里戈壁等。
影像特征
几何特征不明显，边界清晰。 影象呈灰和灰白色。 影象质地纹理较细腻。
盐 碱 地
分布位置
主要分布在相对较低易积水及干湖泊及湖泊边沿。
主要名称
民勤碱碱湖及青海湖边等。
再 见！
3 . 地理骨架的综合 •水系 •道路 •地形 4 .取舍标准（河流、道路长度、图 斑像元数）
平原耕地及居民点综合
柳枝状水系的综合
羽毛状水系的综合
羽毛状水系发育段的 植被综合
平原耕地
墚峁耕地
黄土丘陵地区墚、峁、沟谷植被的综合
资源信息专题类型提取标志
水 田
分布位置
主要分布在河流冲积平原、盆地、河谷川地。
主要名称
河西走廊、定西等地墚、峁地均有分布。
影像特征
几何特征不明显，地类边界线不规则。 影象呈现白色。 影象质地较细、均匀。
裸
岩
分布位置
主要分布在极度干旱的山区（风大、少雨）。
主要名称
格尔木东及河西走廊两山。
影像特征
地类边界线明显但不规则。 影象呈现灰白色。 影象质地较细但不均匀。
其
它（高、梧桐及各种果树等。
影像特征
大多数以线状、格状、点状和片状分布。 影像呈红、鲜红和粉红色的线格状、点状分布。
影像纹理上看比较杂乱，不规则。
高覆盖草地
分布位置
分布在山区、丘陵及河间滩地、戈壁、沙地等。
主要植被
嵩草、冰草、芦苇、针茅、红砂、骆驼蓬等。
影像特征
形态各异，连片分布地类边界明显 。 影像呈以鲜红、红、淡红、粉红为主色调 。 影像质底较细腻、纹理清晰、颜色均一 。
工矿和交通用地
分布位置
一般分布在城镇和交通较发达的地区。
主要名称
汝笈沟煤矿、兰化、兰州炼油厂等。
影像特征
几何特征明显，较规则。 影象呈现黑灰、灰和灰白色。 影象纹理质地较粗糙，显得较乱。
未利用土地
沙 地
分布位置
大多分布在河流两侧、河拐湾及山前戈壁外围。
主要名称
滕格里沙漠、毛乌素沙地等。
影像特征
几何特征明显，边界清晰明显。
主要植被
主要有松树、杨树、柳树、沙枣、梧桐等。
影像特征
几何形状不规则，与其它地类间边界滑润清晰。 影像呈现为鲜红，针叶或阔叶灌丛有明显区别。 影像纹理色调较均匀，影像纹理都很细腻。
灌
木
林
分布位置
分布在较高的山区，多数在山坡和山谷及沙地。
主要植被
有高山杜鹃、高山柳、红柳、柠条、梭梭等。
影像特征
几何特征不规则，生长在低地中。 影像呈现红、鲜红、粉红和暗红色 。 影像纹理细腻，在同一色调中差异不大。
疏 林 地
分布位置
主要分布在山区、丘陵、平原及沙地、戈壁边缘。
主要植被
有高山杜鹃、高山柳、红柳、柠条、梭梭等。
影像特征
几何特征不规则，生长在低地中。 影像呈红、鲜红、粉红色。以小块星点状分布。 影像纹理细腻，在同一色调中差异不大。
其它林地（经济林等）
分布位置
主要分布在绿洲田埂，河边、路边及居民点周围。
分布位置 主要名称
昆仑山、唐古拉山、祁连山等。
主要分布在4000M以上，冻融形成的裸露岩石。
影像特征
地类边界线明显但不规则。 影象呈深灰和白色。
影象质地纹理较细但不规则 。
信息提取
•土地利用是自然地理要素和人类活动相互作 用形成的自然综合体。要想直观反映研究区 土地利用环境背景类型质量的空间分布，就 必须对遥感影像特征（光谱特征、辐射特征、 几何特征、变化规律等）综合分析，统一专 业研究人员对分类系统和影像光谱特征认识 上的差异，客观清晰地反映区域环境综合特 征。 •要实现专题几何图形和属性信息的提取。就 必须对遥感图像和区域背景（下甸面、植被 群落等）有较深刻的理解，才能准确、快速 提取矢量图形数据和属性数据。
中覆盖草地
分布位置
主要分布在较干燥地方（戈壁洼地和沙地内等）。
主要植被
主要有苦豆子、骆驼刺、大针茅等 。
影像特征
形态不规则，基本生长在土层较厚易积水地段。
影像颜色以红、淡红、粉红为主色调。 影象质底较细腻、颜色均一，不同地类间色差较明显。
低覆盖草地
分布位置
主要生长在较干燥地方(黄土丘陵上和沙地边缘)。
影像特征
几何特征不明显，边界清晰。 影象呈灰、灰白、白色。 影象质地纹理较细腻，颜色均匀。
沼
泽
分布位置
主要分布在相对较低易积水地段及湖盆边缘。
主要名称
格尔木北及宁夏沙湖周围。
影像特征
几何特征不明显，也不规则。 影象呈鲜红、淡红及黑灰色。 影象质地较细但不均匀。
裸土地
分布位置
主要分布在较干旱地区（陡坡、丘陵、戈壁）。
影像特征
影像的几何特征规则，地块大排列整齐 。 影像呈现出红、淡红、粉红、鲜红等颜色。 影像纹理较粗糙，但地类间色差很明显。
丘 陵 旱 地
分布位置
主要分布在丘陵的缓坡以及墚、峁之上。
主要作物
作物有小麦、玉米、谷子、糜子大豆、土豆等。
影像特征
几何特征不规则，连片，局部有条状形态。
影像呈现出红、淡红、粉红、鲜红等颜色。
遥感图像的目视解译方法
土地利用/土地覆盖 与生态环境分类系统的差异
土地利用：1 .根据土地作用划分 2 .根据土地覆盖的方式和目的划分 生态环境： 1 .自然景观特点 2 .区域本底差异性 3 .以不同梯度植被覆盖和 下垫面自然环境特性。
不同专题信息提取和制图综合方法
1 .地貌的综合 2 .不同梯度和不同下垫面地物 类型的综合
它的几何特征沿等高线分布。 影象呈现白色,但颜色均匀。 影象质底较细腻，色调均一。
河 滩 地
分布位置
基本分布在河流两侧及河心岛上。
主要名称
黄河、渭河、榆林河、芦河、大同河、湟水河等。
影像特征
呈现不规则的条带或片状。 影象颜色呈现灰、灰白及白色。 影象质底较细腻，色调均一。
城镇用地
分布位置 主要名称
鸳鸯池水库、刘家峡水库等。
主要分布在平原、川间谷内，周围有居民地和耕地。
影像特征
几何形状较明显，人工建造痕迹明显（大坝）。
影象深兰、兰、淡兰色，但颜色均匀。 影象质底较细腻、纹理清晰、颜色均匀。
冰川及永久性积雪
分布位置
主要分布在（4000M以上）高山顶部。
主要名称
七一冰川及祁连山常年积雪。
影像特征
主要作物
以水稻、小麦、玉米、西瓜、蔬菜为主。
影像特征
形态以块状分布，地类边界清楚，地块整齐。 主基调为红、暗红、鲜红、黑灰和淡篮色 影像纹理细腻，颜色不均匀，作物间差异较大。
平 原 旱 地
分布位置
主要分布在盆地山前带、河流冲积、洪积或湖积平 原（水源短缺灌溉条件较差） 。
主要作物
作物有小麦、玉米、谷子、糜子大豆、土豆等。
影像纹理较粗糙，但地类间色差很明显。
山区旱地
分布位置
主要分布在山坡、山腰、陡坡台地及山前带上。
主要作物
主要农作物有小麦、玉米、青稞、油菜、土豆等。
影像特征
影像几何特征不规则 ，局部呈条状形态。
影像呈现出红、淡红、粉红和淡蓝等颜色。 影像纹理较粗糙，纹理不均匀 。
有 林 地（乔木林）
分布位置
主要分布在中山坡地、谷地两坡、山顶、平原等。
主要植被
骆驼刺、红砂、盐爪爪、骆驼刺、鸡爪芦苇 。
影像特征
形态不规则，基本生长在土层较厚易积水地段。 影像颜色以粉红、淡红为主色调 。 影象质底较细纹理清晰，地类间颜色差别较大。
河流与干支渠
分布位置
主要分布在平原、川间耕地以及山间沟谷内。
主要名称
黄河、渭河、黑河、美丽渠 。
影像特征
影象呈现深蓝色、蓝色或淡蓝色。
影象质底较细腻、纹理清晰、颜色均匀。
几何形状明显，河弯曲不定，支干渠相对较直。
湖
泊
分布位置
主要分布在山间低地和沙地丘间低地内。
主要名称
黄河、渭河、黑河、美丽渠 。
影像特征
影象呈现深蓝色、蓝色或淡蓝色。
影象质底较细腻、纹理清晰、颜色均匀。
几何形状明显，河弯曲不定，支干渠相对较直。
水库坑塘
分布位置 主要名称
取舍标准
• 居民点及工矿用地最小图斑控制在3×3个像元（30×30m）， 条形居民地最小宽度控制在2×4个像元（20×40m）。 • 最窄沟谷宽度控制在2个像元。 • 其它类型控制在5×5个像元（50×50m）。 • 线状地物（道路、单线河流）宽度控制在2个像元。
精度控制
•边缘提取精度不能大于±30-60米（±1－2个像元）。 •特殊地物（如：双线河流、连续沟谷等）可做0.5像元 的夸大处理。
兰州市、西安市、西宁市、银川市、张掖市等。
主要分布在平原、山区盆地、黄土塬、沟谷地台地。
影像特征
几何特征明显，形状多样，边界清晰。
影响为灰、灰白、白色。 影象纹理较粗糙、但边界清晰
农村居民用地
分布位置
主要名称
芦草沟、山根村、水车湾村。
主要分布在绿洲、耕地及路边、塬面、坡上都有。