遥感影像目视解译(土地利用)
遥感第5章--遥感图像目视解译与制图
BACK
BACK
花 都 3 千 比 例 尺 航 片
§5.2 遥感图像目视解译基础
5.2.3 遥感图像目视解译的物理基础
❖ 电磁辐射规律、电磁波谱及常用的电磁波段（回顾） ❖ 几种典型地物的反射光谱特征：植被、土壤、水体、岩石 ❖ 常见的卫星平台上的传感器的波谱设置和光谱效应：
☆气象卫星系列：NOAA系列和中国FY系列 ☆陆地卫星系列：（重点）
§5.2 遥感图像目视解译基础
5.2.6 微波影像的判读
☆ 雷达遥感的信息特征（看书p163~170） (1) 雷达影像的色调差异主要取决于回波的强弱 (2) 一般来说,距离近的物体回波强,距离远的物体回波较弱 (3) 金属物体往往都有较强的回波 (4) 平行于航向的物体回波较强 (5) 受地形起伏的影响,雷达波不能到达之处,形成雷达阴影 (6) 受天线角度影响,地面镜面目标无回波 (7) 在雷达影像上,线状地物一般比较清晰 (8) 雷达影像的立体感较强
❖ 直接和间接解译标志是相对的，有时一个解译标志对甲 物体是直接解译标志，对乙物体是间接解译标志。间接 解译标志因地域和专业而异。
§5.2 遥感图像目视解译基础
5.2.2 目视解译方法
❖ 直接判读法：依据判读标志直接识别地物属性。如赛马场,水体 ❖ 对比分析法：与该地区已知的资料或与实地对比，或通过对遥感
§5.2 遥感图像目视解译基础
5.2.5 遥感扫描影像的解译判读
卫星遥感以多波段为主，判读前先进行彩色增强处理， 提高目视判读的分辨率。
高分辨率的卫星遥感图像彩色合成后，与航空像片的判 读方法类似。如IKONOS，QuickBird。
光谱特性：由于地物组成成分、结构、理化性质的差异， 导致不同的地物对电磁波的反射存在着差异，并且致使 地物的热辐射性质也不完全相同。同一地物在不同的波 谱段，其反射的电磁波与热辐射也有差异。反映在图像 上为：相同地物在不同波谱段图像上色调会不同。这叫 做地物的光谱效应。判读之前要熟悉地物的光谱特性。
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。
应用ENVI软件目视解译TM影像土地利用分类
应用ENVI软件目视解译TM影像土地利用分类一、本文概述随着遥感技术的不断发展，高分辨率卫星影像的获取与处理已经成为土地利用/覆盖分类研究的重要手段。
其中，TM（Thematic Mapper）影像，作为一种经典的中分辨率遥感数据源，具有广泛的应用前景。
然而，如何有效地从TM影像中提取土地利用信息，尤其是通过目视解译的方法，一直是遥感应用领域的研究热点。
本文旨在探讨利用ENVI软件对TM影像进行目视解译的方法，并对土地利用分类的过程进行详细阐述。
文章首先介绍了TM影像的特点及其在土地利用分类中的适用性，然后重点阐述了ENVI软件在目视解译过程中的优势和应用流程。
通过实例分析，本文展示了如何利用ENVI软件对TM影像进行预处理、特征提取、分类决策以及后处理，从而实现高精度的土地利用分类。
本文的研究不仅有助于提升TM影像在土地利用分类中的应用效果，同时也为其他遥感影像的目视解译提供了有益的参考。
通过本文的阐述，读者可以更好地理解ENVI软件在遥感影像处理中的重要作用，掌握土地利用分类的基本方法和技巧，为相关领域的实践和研究提供有力支持。
二、理论基础与技术方法土地利用分类是对地球表面土地利用类型进行划分和识别的过程，它是地理信息系统（GIS）和遥感（RS）技术的重要应用领域。
TM（Thematic Mapper）影像是由美国陆地卫星（Landsat）提供的多波段扫描影像，因其具有较高的空间分辨率和丰富的光谱信息，在土地利用分类中被广泛应用。
目视解译是一种基于专家知识和经验的影像解译方法，它通过人工观察和分析影像的纹理、色彩、形状等特征，结合地物的光谱特性，实现对地物类型的识别。
目视解译在土地利用分类中具有直观、准确和灵活等优点，尤其在处理复杂地物类型和细节信息时表现出色。
在ENVI软件中，目视解译可以充分利用其强大的图像处理和分析功能，如波段组合、色彩增强、空间滤波等，提高解译的精度和效率。
同时，ENVI软件还提供了丰富的地物分类工具和模型，如监督分类、非监督分类等，可以辅助用户进行自动化的土地利用分类。
利用遥感数据研究土地利用变化及其影响因素
利用遥感数据研究土地利用变化及其影响因素目录：一、引言二、遥感数据在土地利用研究中的应用2.1 遥感数据的基本原理2.2 遥感数据的种类和获取方法2.3 遥感数据在土地利用变化研究中的应用三、土地利用变化及其影响因素的研究方法3.1 土地利用变化的定义和分类3.2 土地利用变化的研究方法3.3 土地利用变化的影响因素四、以某地区为例分析土地利用变化及其影响因素4.1 研究区域的背景介绍4.2 土地利用变化的分析结果4.3 影响土地利用变化的因素分析五、结论参考文献一、引言土地利用是人类社会活动与自然环境相互作用的结果，土地利用变化的研究对于合理利用土地资源、保护环境、实现可持续发展具有重要意义。
然而，传统的调查方法受限于时空尺度、样本选择等因素，难以全面准确地获取土地利用变化的信息。
而遥感数据的广覆盖、高分辨率、实时更新等特点，使其成为研究土地利用变化及其影响因素的重要手段之一。
二、遥感数据在土地利用研究中的应用2.1 遥感数据的基本原理遥感数据通过接收地球表面反射和发射的电磁波，记录不同波段的辐射能量，通过光谱分析等方法提取地表特征信息。
遥感数据具有广覆盖、大尺度、多源性和高时效性等特点，能够提供全球范围内的土地利用信息。
2.2 遥感数据的种类和获取方法遥感数据可分为光学遥感数据、微波遥感数据和红外遥感数据等多种类型。
光学遥感是指利用太阳辐射的可见光和红外辐射进行观测，常见的数据包括高分辨率卫星影像和无人机航拍影像。
微波遥感则是利用合成孔径雷达等技术进行探测，具有穿透云层和雾霾的优势。
红外遥感主要用于监测地表温度和植被生理信息等。
2.3 遥感数据在土地利用变化研究中的应用遥感数据在土地利用变化研究中能够提供定量化的土地利用/覆盖分类信息，通过时序分析等方法可以准确获取土地利用变化的信息。
此外，结合地理信息系统和遥感数据，还能够分析土地利用变化与地貌、气候、人口等因素的关系，揭示土地利用变化的影响机制。
arcgis目视解译
arcgis目视解译回答：一、什么是ArcGIS目视解译ArcGIS目视解译，是指通过对遥感影像进行目视解译，获取地物信息的过程。
在ArcGIS软件中，可以通过多种方式进行目视解译，包括图像分类、目视解译工具等。
二、ArcGIS目视解译的步骤1. 影像预处理：对遥感影像进行预处理，包括影像增强、去噪、辐射校正等。
2. 影像解译：通过目视解译工具或图像分类等方式，对影像进行解译，获取地物信息。
3. 地物分类：根据解译结果，将地物进行分类，包括水体、森林、草地、城市等。
4. 数据整合：将解译结果整合到GIS系统中，进行分析和应用。
三、ArcGIS目视解译的应用1. 土地利用规划：通过对遥感影像进行目视解译，可以获取土地利用类型和分布情况，为土地利用规划提供数据支持。
2. 环境监测：通过对遥感影像进行目视解译，可以获取环境变化情况，包括森林覆盖率、水体面积等，为环境监测提供数据支持。
3. 城市规划：通过对遥感影像进行目视解译，可以获取城市建设情况，包括建筑物分布、道路网络等，为城市规划提供数据支持。
4. 水资源管理：通过对遥感影像进行目视解译，可以获取水体分布和水资源利用情况，为水资源管理提供数据支持。
四、ArcGIS目视解译的优势1. 数据精度高：通过对遥感影像进行目视解译，可以获取高精度的地物信息。
2. 数据更新快：遥感影像可以定期获取，可以及时更新地物信息。
3. 数据覆盖广：遥感影像可以覆盖大范围的地区，可以获取大量的地物信息。
4. 数据可视化：通过ArcGIS软件，可以将解译结果可视化，方便用户进行分析和应用。
以上就是关于ArcGIS目视解译的介绍，希望对您有所帮助。
遥感目视解译
遥感目视解译遥感目视解译是一种基于遥感影像与地理信息的技术，通过对遥感图像进行目视解读和分析，从中提取和判断地物、地貌和地理特征等信息，进而为地质勘探、农业、环境管理和城市规划等领域提供支持和参考。
本文将介绍遥感目视解译的基本原理、方法和应用。
遥感目视解译的基本原理是通过观察遥感图像上的不同颜色、亮度和形状等特征，将图像中的地物进行分类和判读。
首先，遥感图像通常采用多光谱或高光谱技术获取，其中不同波段的数据代表不同的物理信息，如植被、水体、建筑物等。
经过预处理和增强处理后，图像中的各类地物能够以不同的形式和特征显现出来。
其次，目视解译者根据自己经验和领域知识，通过观察图像上的细节、纹理、形状和分布等信息，进行地物的分类和识别。
在具体的解译方法上，遥感目视解译主要包括图像解译、特征提取和判读三个步骤。
图像解译是对原始遥感图像进行初步观察和分类，将图像中的地物按照类别和特征进行初步标注。
特征提取是根据解译需求和目标，从图像中进一步提取出关键地物的特征信息，如面积、形状、纹理、变化等。
判读则是对提取的特征进行分析和判断，得出地物的具体类别和属性。
遥感目视解译在许多领域具有重要的应用价值。
例如，在地质勘探中，可以通过解译地形、岩性和构造等特征，推断出矿物和矿产的存在和分布，为矿产资源的勘探和开发提供线索。
在农业领域，可以通过解译植被、土壤和水体等特征，评估作物的生长状况、土壤的肥力和水资源的分布，为农田管理和农作物生产提供决策支持。
在环境管理和城市规划中，可以解译土地利用、土地覆盖和城市建设等特征，监测自然资源的变化和城市化的进程，为环境保护和城市规划提供参考。
总之，遥感目视解译是一种有效的遥感解译方法，利用遥感图像和地理信息，通过目视观察和分析，提取和判读地物和地理特征。
它在地质勘探、农业、环境管理和城市规划等领域都有广泛的应用，为相关领域的研究和决策提供了重要的信息和参考。
遥感目视解译是一种基于遥感影像与地理信息的技术，通过对遥感图像进行目视解读和分析，从中提取和判断地物、地貌和地理特征等信息，进而为地质勘探、农业、环境管理和城市规划等领域提供支持和参考。
遥感地质解译实验报告
遥感地质解译实验报告1. 引言遥感技术在地质调查中扮演着重要的角色，它能够通过对地表或大气属性的遥感观测，获取地质信息，提供了一种高效、经济的手段来进行地质解译。
本实验旨在通过遥感图像的解译，来了解地质构造变化的特征。
2. 实验材料和方法2.1 实验材料本实验使用了多光谱遥感影像，该影像覆盖了实验区域的全景。
此外，还使用了地质调查报告，包含地质构造和地质岩性的信息。
2.2 实验方法1. 数据预处理：对遥感影像进行几何校正、辐射定标和大气校正，以获得准确的反射率数据。
2. 生成特征图像：利用波段组合技术生成不同特征的图像，如真彩色图像、假彩色图像、归一化植被指数（NDVI）图像等。
3. 地物提取与解译：通过目视解译或数字图像处理软件进行土地利用与覆盖分类，提取出目标地物。
4. 地质解译：根据地质调查报告中提供的信息，结合特征图像和地物提取结果，进行地质解译。
3. 实验结果与分析3.1 特征图像生成通过对遥感影像进行波段组合，我们生成了真彩色图像、假彩色图像和NDVI 图像。
真彩色图像可以提供直观的显示结果，假彩色图像则能够增强地物的对比度，方便地进行土地利用分类。
NDVI图像能够反映植被的分布情况，用于分析地表植被的生长状况。
3.2 地物提取与分类通过数字图像处理软件，我们对遥感影像进行了目标地物的提取与分类。
根据预先设定的分类标准，我们将影像中的土地利用类型进行了划分，包括农田、城市、水体和植被等。
通过对分类结果的分析，我们发现农田和植被的分布范围相对集中，城市和水体则呈现离散分布的特点。
3.3 地质解译结合地质调查报告中提供的信息和遥感图像的解译结果，我们进行了地质解译。
通过观察遥感图像，我们发现在农田和植被分布区域存在着较多的断层和岩浆活动的迹象。
而在城市和水体区域，则主要是由于人类活动和地质演化导致的地质构造变化。
这些解译结果与地质调查报告中提供的信息相吻合，进一步验证了地质解译的可行性。
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。
- 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)。
报告人：王建华
中国科学院寒区旱区环境与工程研究所
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 .பைடு நூலகம்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。
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 。
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。
其
它（高寒苔原）
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。
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。
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。
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
几何形状明显，河弯曲不定，支干渠相对较直。 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。
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。
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 。
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
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。
再 见！
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。
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
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
裸土地
分布位置
主要分布在较干旱地区（陡坡、丘陵、戈壁）。
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。
影像特征
几何特征明显，较规则。 影象颜色呈现灰、灰白及白色。 影象纹理较粗糙，显得较乱。
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
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)。
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。
城镇用地
分布位置 主要名称
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。
主要作物
作物有小麦、玉米、谷子、糜子大豆、土豆等。
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。
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。
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。
影像特征
几何形状明显，河弯曲不定，支干渠相对较直。 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。
水库坑塘
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。
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
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。
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） 。
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。
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
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。