土地变化信息提取讲解
遥感实验报告图1-1第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边形工具绘制某一地类的样区。
将画好的耕地AOI添加到模板。
signature editor-edit-add. 重复步骤第三步，在图中采集多个耕地样本。
选择所有耕地样本模板，按merge按纽合并这组分类模板。
合并后将模板取名为耕地。
利用同样的方法，依次做好其灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。
如图1-2：1990年图像的分类信息模板：图1-22006年分类信息模板：图1-3第四步：保存分类模板。
2.评价分类模板第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。
达到90以上即为精度满足要求，否则重新选择训练样区，再次进行精度评价，直到精度满足。
1990年的模板评价结果：ClassifiedData forest and water forest urban---------- ---------- ---------- ---------- ----------forest and 99.83 0.00 1.14 1.66water 0.00 100.00 0.00 0.00forest 0.00 0.00 90.90 0.00urban 0.00 0.00 0.00 98.34bare land 0.17 0.00 0.00 0.00formland 0.00 0.00 8.96 0.00Column Total 604 638 703 602Reference Data--------------ClassifiedData bare land formland Row Total---------- ---------- ---------- ----------forest and 0.00 0.00 621water 0.00 0.00 638forest 0.00 4.88 662urban 0.00 0.00 592bare land 100.00 0.00 612formland 0.00 95.12 648Column Total 611 615 3773----- End of Error Matrix -----2006年影像的模板评价结果：3 .执行监督分类打开Classifier-surpervise classification,选择分类决策规则，进行监督分类。
1990年的结果如图1-4：图1-42006年的结果如图1-5：图1-5（二）分类后处理1.去噪：去噪声，interpreter-gis analysis，然后在弹出的窗口中选择neighborhood,1990年结果如图2-1：图2-12006年的结果如图2-2：图2-22.分类重编码分类重编码主要是针对之前非监督分类结果不理想的一种修正，可以将同种用地类型但属于不同类别的类合并在一起，具体操作如下：点击ERDAS图标面板工具条下的interpreter图标，选择 GIS Analysis /下的Recode命令，打开Recode对话框：1990年的结果如图2-3：图2-32006年的结果如图2-4：图2-4（三）分类精度评价1. ERDAS 图标面板工具条：点击Classifier 图标→Classification菜单→选择Accuracy Assessment菜单项→打开Accuracy Assessment对话框第二步：打开分类专题图像 Accuracy Assessment 对话框菜单条：File→Open →打开Classified Image对话框→在Classified Image对话框中确定与视窗中对应的分类专题图像→OK（封闭Classified Image对话框）→返回Accuracy Assessment对话框。
第三步：将原始图像视窗与精度评估视窗相连接 Accuracy Assessment对话框：→工具条：点击Select Viewer图标（或菜单条：选择View 菜单的Select Viewer）→将光标在显示有原始图像的视窗中点击一下→原始图像视窗与精度评估视窗相连接。
第四步：在精度评价对话框中设置随机点的色彩 Accuracy Assessment对话框：→菜单条View →Change Colors菜单项→打开Change color面板→在Points with no Reference确定没有真实参考值的点的颜色→在Points with Reference确定有真实参考值的点的颜色→OK（执行参数设置）→返回Accuracy Assessment对话框。
如图3-1：图3-1第六步：产生随机点本步操纵将在分类图像中产生一些随机点，随机点产生之后，需要用户给出随机点的实际种别。
然后，随机点的实际种别与在分类图像的种别将进行比较。
Accuracy Assessment对话框：→Edit →Create/Add Random Points →打开Add Random Points对话框。
→在search Count 中输进1024 →在Number of Points中输进20 →在Distribution Parameters选择Random单选框→OK（按照参数设置产主随机点）→返回Accuracy Assessment对话框可以看到在Accuracy Assessment对话框的数据表中出现了10个比较点，每个点都有点号、X＼Y坐标值、 Class、 Reference 等字段，其中点号、 X／Y坐标值字段是有属性值的。
说明：在Add Random Point对话框中， search Count是指确定随机点过程中使用的最多分析像元数，当然这个数目一般都比Number of Point大很多，Number of Points设为20说明是产生20个随机点，假如是做一个正式的分类评价，必须产生20个以上的随机点。
选择Random意味着将产主尽对随机的点位，而不使用任何强制性规则。
Equalized Random是指每个类将具有同等数目的比较点。
stratified Random是指点数与种别涉及的像元数成比例，但选择该复选框后可以确定一个最小点数（选择Use Minimum Points）,以保证小种别也有足够的分析点。
如图3-2：图3-2第六步：显随机点及其种别 Accuracy Assessment对话框：→View. →Show All(所有随机点均以第五步年设置的颜色显示在视窗中) →Edit→Show Class Values（各点的种别名出现在数据表的class字段中）如图3-5：第八步：输进参考点的实际种别值 Accuracy Assessment 对话框：→在数据表的Reference字段输进各个随机点的实际种别值（只不要输进参考点的实际分类值，它在视窗中的色彩就变为第五步设置的Point With Reference颜色得到1990年影像的分类精度评价是：APPA (K^) STATISTICS---------------------Overall Kappa Statistics = 0.7917Conditional Kappa for each Category.------------------------------------Class Name Kappa---------- -----unclass0.0000water 1.0000bare land0.0000formland0.0000forest 1.0000urban 1.0000forest and grass0.61902006年的精度评价结果是：（四）打开ERDAS中的图像解译（Interpreter）-GIS分析工具- matrix，，提取变化信息，导入到ARCGIS进行专题制图。
第一步：打开ERDAS中的图像解译（Interpreter）-GIS分析工具-matrix，，提取变化信息，如图4-1：图4-1得到的结果加入到Arcgis后如图4-2所示：图4-2第二步：打开它的的属性表，增加一个字段change，表示变化土地覆被信息，观察，明确变化的信息。
如前一时相的编号为1，后一时相的编号为1，表示forest and grass no change; 前一时相的编号为1，后一时相的编号为2,表示forest and grass to forest; 仔细观察，判断变化的土地覆盖信息属性，如4-3所示。
图4-3第三步：对土地覆被信息进行专题制图如图4-4所示：图4-4（五）计算土地覆被变化矩阵第一步：将1990年与2006年的土地分类利用图导入到ARCGIS当中，然后在分别将两张图像转成矢量图。
如图5-1所示：图5-1如图5-2所示为1990年的土地分类矢量图：图5-2转好之后，每幅图的属性表都要有一个表示土地利用类型的字段，并且要使用不同的名称加以区分，分别修改两张图像的土地类型字段如1990class_name，2006class _name。
土地利用类型名称必须统一，并且完整，如都使用“water”、“urban”等。
如图5-2：图5-3第二步：数据融合在ArcMap里分别打开两张图的图层，打开ArcToolbox，选择Data Management Tools | Generalization | Dissolve工具。
Input Feature选择要融合的图层，Output Feature Class选择输出结果存储的位置及名称，Dissolve Field(s)选择土地利用类型字段（Type1990），然后勾选Creat multipart features选项，点击OK完成。
重复此过程，对另一时相数据进行融合。
此步骤使相同利用类型的记录融合为一个记录，以提高后面步骤的计算速度，如图5-3。
图5-4第三步：叠置分析在ArcMap中打开两个时相融合后的数据，在ArcToolbox中选择Analysis Tools | Overlay | Intersect工具，Input Features选择两个时相的图层，Output Feature Class选择叠加结果存储的位置及名称，其余选项可以忽略，单击【OK】完如图5-5所示:图5-5结果如图5-6所示：图5-6第四步：计算面积并导出属性表在ArcMap中打开叠加后的图层数据，在该图层上右键打开属性表，选择Option|Add field… 新建一个字段，命名为NewArea。
在Editer工具条中选择Editer | Start Editing，然后在属性表中NewArea字段上单击右键选择Calculate Geometry… ，在打开的Calculate Geometry对话框中，Property选择Area，Units选择要使用的面积单位，单击【OK】完成图斑面积计算。
变化信息提取
波段替换法
变化信息提取方法
通常要求采用两种以上变化信息发现方法，有效防止变 化信息的遗漏。
光谱变异
主分量变化
监测结果பைடு நூலகம்
变化区域提取
➢ 阈值法 ➢ 区域生长法 ➢ 手工描绘法
阈值法
遥感图像中，各类地物都对应特定的灰度域。在变 化信息特征增强的图像上，变化区域的灰度值与其 它区域的灰度值一般是明显不同的。因此可以根据 直方图和影像特征，交互确定变化存在区灰度域的 上下限阈值；然后利用阈值将变化发生的区域从图 像中提取出来。
➢ 多波段主成份变换法 ➢ 主成份差异法
差异主成分法
前一时相融合影像
后一时相融合影像
影像相差取绝对值
主分量变换
变化信息 （第一分量）
差 异 主 成 分
多波段主成分变换法
前一时相融合影像 （n波段）
后一时相融合影像 （n波段）
两时相波段合成 （2n波段）
主分量变换 后几个分量波段组合
变化信息
多 波 段 主 成 分 变 换 法
手工描绘法
通过人机交互解译，从变化特征增强的图像中手 工描绘出变化范围。
解译的基本要素包括色调/颜色、大小、形状、纹 理、结构、高度、阴影、组合构型和所处的地理位 置等。
在PHOTOSHOP软件下，当变化图斑颜色单一时， 可用魔棒直接选择；反之则需进行勾绘，勾绘必须 在大于1：1的状态下，沿着融合图像的光谱与纹理 变异分界处以两个象素宽度向外勾绘图斑边界线。
差值法
分类后比较法
分类后比较法
分类后比较法是一种较为简单的变化发现 方法。首先运用统一的分类体系对每一时相 遥感影像进行分类,然后通过分类结果的比 较直接发现土地覆盖的变化。
dem数据提取坡度的步骤
dem数据提取坡度的步骤提取DEM数据中的坡度是地理信息系统（GIS）分析中常见的操作。
坡度是地表高程的变化率，它对于土地利用规划、资源管理和环境评估等方面具有重要的意义。
下面将介绍提取坡度的步骤，以帮助读者全面了解该过程。
第一步：数据准备要进行坡度提取，首先需要准备DEM数据。
DEM代表数字高程模型，通常以栅格形式表示地表高程数据。
获取DEM数据的渠道有很多，可以使用遥感数据、激光雷达数据或现场测量数据生成DEM。
确保DEM数据的质量和分辨率对于后续坡度分析至关重要。
第二步：数据预处理在进行坡度计算之前，需要进行一些数据预处理的步骤。
首先，检查DEM数据的分辨率，根据需求选择合适的像元大小。
然后，检查DEM数据是否包含异常值或噪声，如果有必要，可以进行数据编辑或滤波处理。
此外，确保DEM数据与所用的地理坐标系统和投影系统一致。
第三步：计算坡度一旦完成数据预处理，就可以开始计算坡度了。
坡度是地表高程变化率的量化表示，通常以百分比或度数的形式呈现。
在许多GIS软件中，都提供了计算坡度的功能，常用的计算方法是基于最小二乘法或其他数学模型。
根据像元之间的高程差异计算一个像元的坡度值，最终形成坡度分布图。
第四步：坡度分类根据具体的应用需求，坡度可以进一步进行分类。
根据国际标准，坡度可以分为平地（0-2%）、缓坡（2-5%）、中坡（5-10%）、陡坡（10-20%）和险坡（>20%）等几个等级。
通过分类，可以更好地识别和分析不同坡度区域的地形特征，为相关决策提供依据。
第五步：坡度应用提取坡度后，可以将其应用于不同的领域。
在土地利用规划中，理解地表的坡度分布有助于确定不同地区的适宜性，指导农作物种植和城市建设。
在资源管理中，坡度可以用来评估土地侵蚀风险和水资源分配。
在环境评估中，坡度可以揭示山区植被分布和生境变化，为生态保护和地质灾害预警提供依据。
总结：提取DEM数据中的坡度是一项重要的地理信息分析任务。
2020年年度国土变更调查监测图斑提取信息
（一）正射影像图制作以第三次全国国土调查（简称“三调”）DOM影像图为基础底图，高程数据等控制为资料基础，以区县为单位，使用2020年采集的最新遥感数据制作覆盖全国的土地利用遥感正射影像图。
影像时相大部分为2020年9月1日后。
（一）正射影像图制作以基础底图和高程数据为控制基础，结合不同数据源特点，采用相应方法制作DOM 。
DOM 制作主要包括正射纠正、影像配准、融合、镶嵌、裁切等环节。
全色数据多光谱数据模拟自然真彩色影像全色与多光谱融合基础底图/高程数据纠正控制点选取控制点残差满足要求？正射纠正是DOM精度满足要求？镶嵌与裁切县级辖区DOM是否波段重组否技术流程图原始数据纠正配准融合调色拼接裁切DOM选取控制点计算平差重采样绘制镶嵌线匀色绘制裁切矢量裁切（二）遥感监测信息提取采用制作的最新正射影像图与第三次全国国土调查数据库等数据资料叠加，按照相关技术要求，采用人机交互等多种技术方法，开展疑似新增建/构筑物图斑监测（类型一）、原建设用地、设施农用地变化监测及数据库单独图层变化监测（类型二）、农用地变化监测（类型三）、新增围填海图斑监测（类型四）。
2020年正射影像三调数据库数据库非建设用地、设施农用地、“推（堆）土区”、“光伏板区”图斑范围数据库建设用地、设施农用地、“推（堆）土区”、“光伏板区”图斑范围类型一:疑似新增建/构筑物图斑类型二：原建设用地、设施农用地及单独图层变化图斑2020年新增遥感监测图斑层类型三：农用地变化图斑林地坑塘园地数据库耕地类型四：新增围填海图斑耕地数据库园林草地2019年、2020年正射影像其他基础数据其他（二）遥感监测信息提取监测图层类型名称类型代码描述上图面积（平方米）类型一：疑似新增建/构筑物图斑层明确建设用途的建/构筑物20影像特征为除水建之外的较明显建设用途的建筑/构筑物。
其中疑似农村居民点的，标注“JMD”200水建SJ影像特征为大型水工建筑、港口码头、堤坝等水域岸线建设。
第三次全国国土调查内业信息提取工作手册
第三次全国国土调查工作手册之一第三次全国国土调查内业信息提取工作手册国务院第三次全国国土调查领导小组办公室2018年12月目 录一、工作内容 (2)（一）基础资料检查与处理 (2)（二）A类图斑提取 (2)（三）B类图斑提取 (2)（四）成果整理下发 (4)二、总体原则 (4)（一）充分依据遥感影像 (4)（二）把握重点区域和重点地类 (5)（三）保证农用地变未利用地的可靠性 (5)（四）数据库图斑严重错乱区域需完整勾绘 (6)（五）保持已基本建成同一建设用地单元的完整性 (6)（六）保证图斑勾绘边界的准确性 (8)三、工作方法 (8)（一）技术指标 (10)（二）基础资料检查与处理 (11)（三）集中连片建成区勾绘 (12)（四）内业信息提取 (13)四、成果内容与管理 (16)（一）成果内容 (16)（二）成果管理 (17)（三）内业图斑说明 (20)第三次全国国土调查（以下简称“三次调查”）采用“国家统一制作调查底图、内业判读地类，地方实地调查、地类在线举证，国家核查验收、统一分发成果”的流程推进。
内业信息提取工作，利用国家统一制作的最新高分辨率数字正射影像图（DOM），与更新到最新年份的土地调查数据库套合，按照土地利用现状分类标准，在全辖区范围内，逐地块判读土地利用现状信息，并与数据库对比分析，提取影像与数据库基本一致（B类）和不一致（A类）图斑的全覆盖内业信息图斑，并预判土地利用类型。
1一、工作内容（一）基础资料检查与处理对内业信息提取基础资料的正确性进行检查，对基础资料存在问题的进行合理处理。
主要包括：对DOM影像的检查与反馈；对镶嵌块的检查与修正；对最新土地调查数据库DLTB存在系统偏移的，做必要的纠正，根据整体偏移或局部偏移情况做相应处理；对集中连片建成区范围进行勾绘等。
（二）A类图斑提取即提取影像特征与数据库地类不一致的图斑。
A类图斑根据影像特征内业预判类型分为六个一级类，十一个二级类及六个标注类型（见表1）。
第三次全国土地调查内业信息提取
耕地与园地
203与122之间
四、总体原则
3 充分依据遥感影像
耕地与草地
林地与草地
四、总体原则
3 充分依据遥感影像
年来，持续巩固植树造林成果， 累计新增人工造林面积25万亩， 封育改造低质低效林9万亩，森林 覆盖率达到35%。
三、技术方法
3 综合信息查询记录 案例：广西某县
数据库为耕地，影像上呈现大规模疑似小树苗影像特征，该区县为广西南宁市横县，经过查询当地的 主要产业信息，当地有速生桉产业，查询速生桉在该区县的分布发现，图上耕地内为种植的速生桉。
• 边界：不一致 • 地类：不一致
01
切割
复制
重新勾绘
02 03
三、技术方法
4 信息提取方法
切割
三、技术方法
4 信息提取方法
复制
三、技术方法
4 信息提取方法
重新勾绘
四、总体原则
1 明确图斑提取范围
集中连片建成区内部
四、总体原则
1 明确图斑提取范围
环城路 环城河
四、总体原则
1 明确图斑提取范围
204、205保留二级类
三、技术方法
2 基础资料
纠 正
三、技术方法
3 综合信息查询记录
坐落 分布
地形 地貌
气候 条件
水文 特征
规划 政策
主要 产业 结构
农业 产业 结构
生态 保护 情况
当季 自然 状况
……
三、技术方法
5 综合信息查询记录
内蒙和林格尔县位于内蒙古自治
区中部，经查询，和林格尔县近
年来一直实行退耕还林政策。五
标注类 JZ（建筑） YH（硬化） GEF（高尔夫） SM（水面） DT（动土） CK（采矿）
土地覆盖数据产品获取介绍
北京揽宇方圆信息技术有限公司
全国土地覆盖数据产品
北京揽宇方圆全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用全数字化人机交互遥感快速提取方法，同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系，以及遥感信息源和我国地表覆盖的实际情况，将全国土地类型划分为32级分类土地覆盖数据产品.
土地覆盖最主要组成部分是植被，但也包括土壤和陆地表面的水体；是陆地生物圈的重要组成部分。
是土地自然属性的重要反映；土地覆盖具有显著的空间特征、时间特征和时空尺度特征。
土地覆盖形态和状态可以在多种时空尺度上变化，而且产生土地覆盖变化的原因也是复杂的。
土地覆盖数据是全球环境变化、碳氮循环等研究和应用的基础数据；土地覆盖数据是国家建设生态文明建设、自然资产价值等准确评估的基础数据。
北京揽宇方圆信息技术有限公司。
土地利用的遥感信息变化提取研究
④
２１ Ｓｉ ｅｈ Ｅ ｇ ． ０２ ｃ Ｔ ｃ． ｎｒ ． ｇ
地球 科学
土地利用的遥感信息变化提取研究
张 莹 陈圣波 王明常 张 庸 郭鹏举
（ 吉林大 学 地球 探测科 学与 技术学 院 ，长春 １０２ ） ３０６
摘
要
利用卫星遥感影像进行土地利用类型分类和动态变化监测是遥感应用 中的一个重要课题。来自择不 同时相 的 Ｅ Ｍ＋和 Ｔ
２２２ 图像 几何 校 正 ．．
探讨 。Ｈ ｓ ｉ ａｄｔ Ｊ ｏｓ ｎＳａａ 等利 用 Ｅ Ｍ ＋影像 对伊 朗大 ｅ Ｔ 部分地 区进行 土地 利用 和 土地覆 盖类 型 分类 和 精度
评价 。
断增长和经济高 速发展 ， 地利用 成为 了人 口、 源 、 土 资 环境和经济问题 的焦点 ， 而引发 了一 系列环境 、 源 从 资
的新 问题 。例如耕地水土流失 现象 严重 ， 漠化 、 Ｊ 荒 沟
壑化程度加剧 ， 城市用 地情 况 日益紧张 ， 生态环境遭 到 破坏等 。 多年来 ， 利用遥感分类技 术进行土地利用状况 的
本研究选取 Ｌｎ ｓｔ Ｔ ａｄａ Ｅ Ｍ＋和 Ｓ Ｏ － ５两期遥感 ＰＴ
影像作为基础 数据源 ， 阐述遥 感基础 理论 和技术方 在
２ １ ５月 １ ０２年 １日收到 第 作 者 简介 ： 张 莹 （９７ ）女 ， １８～ ， 黑龙 江省 齐 齐 哈 尔 市 人 ， 林 大 学 吉
１ 研究区概况及数据来源
锦西市幅区位于辽 宁省西部 ， 政 Ｌ 划大部 属辽 行 ｘ 二
宁省葫芦 岛市辖区。海拔高度一般为 （ ～ ０ ）ｍ， ０ ２ ５０ 相
ｓ （ｒ Ｐｙ＿５卫星遥感影像数据。对两期影像进行监督分类。快速提取不同时期的土地利用数据。然后进行动态变化监测， 获得土地利
基于3S技术的土地利用变化信息提取
关键词 ： ３ Ｓ 技术； 土地利用 ； 变化 信 息提 取
ห้องสมุดไป่ตู้
我 国幅员辽阔 ， 然而 随着近几 十年对土地的过度利用和对生态 土地资源的动态监测 ， 有着传统调查方法无法比拟 的优越性 。 ２基 于 ３ Ｓ技 术 的 土 地 利 用 动态 变 化 的 研 究 资源的过度开采 ， 从 而使得土地利用变化和生态环境问题 已经逐渐 成为了当前土地管理所面临的焦点 问题 。 这些问题不仅制约 了我 国 ２ ． １遥感数据的选择 的经济发展 ， 而且还严重 的威胁到人类社会 的可持续发展 ， 因此 ， 如 关 于遥感数据 的选择 ，可 以根据研究对象 的空 间尺度和指标 ， 土地利用变化状况 因其时间上和空间 何 能够科学合理 的将这些问题解决就显得尤为重要 。 而随着可持续 采用不 同的遥感平 台及数据 。 发展这 一科学发展观的贯彻落实 ， 人们逐渐认识到可持续发展 的重 上的不确定呈现出十分 复杂 的地表形态 ， 卫 星数据 以其宏 观、 快速 、 实时的特点被广泛 的应用于土地利用动态监测中。对于省市 要性 ， 并且随着生态环境 和资源问题 的 日益严峻 ， 保持 以及 维护土 准确、 地生态环境 的平衡和稳定不信关 系到我国的经济可持续发展 ， 而且 或区县 级尺度 以上 的土地利用 动态变化研究 ， 陆地 资源卫星 Ｌ ａ ｎ ｄ — 还与整个 民族 的生存和发展息息相关 。随着科 学技术 的 日新 月异 ， ｓ ａ ｔ 遥感数据是十分有效 的， Ｌ ａ ｎ ｄ ｓ ａ ｔ Ｔ Ｍ／ Ｅ Ｔ Ｍ数据 的多光谱性 、 空间 在当前 的土地利用动态监测中也应用到了各种先进 的技 术和理论 ， 分辨率 、 可获取性 、 性能价格 比等 ， 目前依然是其它遥感数据无法 比 其中３ ｓ技术就是一种较 为先进 的技术 ，该技术具有精确定位和快 拟 的 。 速提供波段信息 等功能 ，随着该技术在 土地 利用动态监测 中的应 在实际 的应用研究 中 ， 最理想 的是选 择几何畸变 小 、 影像质 量 用， 不仅极大 的提高 了土地 利用 变化信息提取 的效 率 ， 而且 还大幅 高 、 无噪声 、 获取季节相同或接 近的多 时相遥感 图像 ， 这样可以减少 度提升了土地利用动态监测的水平 。 本文从 ３ Ｓ 技术及其应用出发 ， 因季节差异二产生的伪变化信息 ， 提高土地利用变化监测的精度 。 ２ ． ２ 遥 感 数 据 的预 处 理 对３ Ｓ技术进行 了深入的分析研究 ， 然后对基于 ３ ｓ技术 的土地利用 变化信息提取进行 了详细 阐述 。希望能够起到抛砖 引玉的效 果 ， 使 ２ ． ２ ． １ 遥感 图像 的校正与配准 同行相互探讨共 同提高 ， 进而 为我 国今后 的土地利用变化信息提取 由于卫星遥感影像在成像过程 中受到很 多因素的干扰 ， 是从卫 起到一定的参考作用 。 星传感器上获取 的影像 发生了畸变 ，主要包 括辐 射畸变 和几 何畸 １ ‘ ‘ ３ Ｓ ” 技 术 及 其 应 用 变。 １ ． １ Ｇ Ｐ Ｓ技术 由传 感器 的灵敏度特性 、 太阳高度角及地形 以及大气 的影 响而 Ｇ Ｐ Ｓ全称“ Ｇ ｌ ｏ ｂ ａ ｌ Ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ Ｓ ｙ ｓ ｔ ｅ ｍ” 。由美国国防部于 ２ ０ 世纪 产生的畸变成为辐射畸变。 这种畸变可 以用严格 的数学公式加 以描 ７ ０年代开始设计 、 研制 ， 于１ ９ ９ ３年全部建成。经过 ２ ０年 ， 耗资超过 述来校正 ， 称为几何粗校正 。一般从地面卫星站获取 的遥 感影像 都 ３ ０ ０亿美 元 ， 是继阿波罗登月计划和航天飞机计 划之后的第三项庞 经 过 了几 何 粗 校 正 。 大 的空间计划 。其 目标为实时地提供三维位置 、 三维速度和高精度 ２ ． ２ ． ２遥感图像增强处理 的时间信息 ， 从根本上解决 人类 在地球上 的导航 和定 位问题 ， 以满 为 了使 图像上 感兴趣 的特 征得 以加强 ， 使 图像 变得清 晰 、 解 译 足各种不同用户 的需要。 性高 ， 通常要进行遥感 图像增强处理 ， 以便于显示 、 观察 、 进一 步分 １ ． ２ Ｒ Ｓ技 术 析与处理 。图像增强包括空域增 强方法和频域增强方法。空域方法 遥感 ， 即遥远的感知 ， 是非接触 的、 远距离 的探测技术 。一般指 又可分 为点 运算 （ 线性 变换 、 非线性 变换 、 直方 图修 正 、 图像 问运 运用传感器对物体 的电磁波辐射 、 反射特性 的探测 ， 并根据其 特性 算 ） 、 邻域增强 （ 图像平滑 、 图像 锐化 ） 、 彩色增强 （ 假彩色增 强 、 伪 彩 对物体 的性质 、 特征、 状 态进行 分析 的理论 、 方法 和应用 的科 学技 色增强 、 真彩 色增强 ） ； 频域方法 包括低通 滤波 、 高通滤 波 、 同态 滤 术。 波。 １ ． ３ Ｇ Ｉ Ｓ技 术 ２ ． ２ ． ３遥 感数据融合 地 理信息系统是有计算机硬件 、软件和不同方 法组成 的系统 ， 图像融合是将多种遥感平 台， 多时相遥感数据之间 以及遥感数 支持空 间数据 的采集 、 管理 、 处理 、 分析和显示 ， 以便解决 复杂的规 据与非遥感数据之间的信息组合匹配的技术 。 划和管理问题 。Ｇ Ｉ Ｓ 独 特的空间查询 、 空 问分析 能力 以及可视化表 数据融合是通 过对某一研究对 象的多源遥感 图像数 据进行综 达、 地理过程的演变模拟和决策支持 ， 使其 广泛应用 于政府 国土、 环 合分析处理 ， 产生 比较单一的信 息源 ， 从而实现对地物更精确 、 更可 境、 人 口等资源的调查 、 统计、 分析 、 管理及 决策 ， 区域规划管理和城 靠 的分析和识别。其优点是扩大时空覆盖范 围、 提高 图像 的清 晰度 市基础设施 ， 行业规划管理 ， 大 型工程规 划设 计 、 市 场分 析 、 商 业与 和空间分辨力 ， 减少模糊度 ， 增强解译精度和动态监测能力 ， 以及有 服务管理等方面 。 效 的提高遥感图像的利用率 。 １ ． ４ ３ Ｓ 集成技术 结束 语 ３ ｓ集成技术是指将上述三种对地观测新技术及其 它相关 技术 随着科学技术 的 日新月异 ， 在当前 的土地利用动态监测 中也应 有机地集成在一起 ， 是 目前对地观测系统 中空间信息获取 、 贮存 、 管 用 到了各种先进的技术 和理论 ，其 中 ３ ｓ 技术就是一种较 为先进 的 理、 更新 、 分析和应用的三大支撑技术 。 总 的来说 ， Ｒ Ｓ与 Ｇ Ｐ Ｓ 为Ｇ Ｉ Ｓ 技术 ， 该技术具有精 确定 位和快速提供波段信息等 功能 ， 随着该技 提供高质量 的空间数据 ，而 Ｇ Ｉ Ｓ则是综合 处理 这些数据 的平 台 ， 并 术在土地利用动态监测 中的应用 ， 不仅极大 的提高 了土地利用变化 且反过来指导 Ｒ Ｓ与 Ｇ Ｐ Ｓ的数据 的采集 ， 它们是个有机的整体 。３ ｓ 信 息提取 的效率 ，而且还大 幅度提升 了土地利用动态监测的水平 。 技术 中， Ｒ Ｓ相当于传感器 ， 进行数据采集 ； Ｇ Ｐ Ｓ相当于定位器 ， 进 行 通过本 文对 基于 ３ ｓ技术 的土地利用变化信息提取 的深入分析 ， 相 实时定位 ； Ｇ Ｉ Ｓ相 当于神经中枢 ， 进行空间分析和综合处理 。三者有 信读者对其也有了更深刻的认识 。总之 ， 为 了人类社会 的可持续发 机 结合 ， 能够准确 的把握土地利用 资源利用变化 区域 的特征 ， 实现 展 ， 就必须要采取促进土地利用与生态环境协调 的措施 。
土地利用变化遥感信息自动提取与自动整理
变化信息 和伪 变化信息等信息碎斑 ， 采用 图像收 缩与膨胀 运算
技 术能有效地进行 变化信息 的 自动整 理 ， 获得既符 合土地 利用 变化实际分布情况 又满足成 图精度要 求 的土地利用变 化 图像 ， 清晰地表现 出土地利 用变化的空 间分布和 强度 分布。 ［ 参考 文献 ］ ［ ］冯德俊 ， １ 李永树 ， 兰燕 ． 基于 主成 分变换 的动态监 测变化 信 息 自动发现 ［ ］ 计 算 机工 程与应 用 ，０ ４ ４ ３ ） １９— Ｊ． ２０ ，０（６ ：９
料 属于科技档案 管理 的范畴。在界定水土保持监测档 案收集范 围的基础上 ， 究 了监测档案案卷的主要 内容 与组成 、 研 档
案 工作 过 程 、 案 质 量 控 制 措 施 以及 档 案 的利 用 开 发 ， 出 了适 合 于水 土 保 持 监 测 与 信 息 系统 全 面运 行 后 日常 产 出 的 数 档 提
为 了实现 国家宏 观决 策 、 水土 流失 预测 预 报 、 水土 保持 科
研 以及水土保持工 作的信息化 ， 国家决定 分两期 建设 全 国水 土
保 持监测 网络 和信 息系统 ， 一期工 程主要 完成 了水利 部水 土保
持 监测中心 、 黄河流域 水 土保 持监测 中心站 、 江 流域 水土 保 长
持监 测 中心站和西部 １ １省及湖北 、 湖南等 省级监 测总 站 ， 以及
与监 测 总 站 对 应 的 １０个 监 测 分 站 的 建 设 ； 期 工 程 重 点 建 设 ０ 二
松辽 流域 、 淮河 流域 、 江流域 、 湖流域 ４个流 域机构 监测 中 珠 太
心站 ，８个省级 监测站及 ７ １ ５个监测 分站 ， 在全 国建设 ７ ８个 并 ３
土地信息的数据获取方法
一、空间数据的获取途径（续）
（二）GPS技术采集（续）
▪ （4）实时动态测量（DGPS和RTK)
（二）GPS技术采集（续）
▪ （3） 准动态测量
模式1 • 在一个已知测站上安置一台GPS接收机作为基准站，连续跟踪所 有可见卫星。移动站接收机在进行初始化后依次到各待测测站， 每测站观测几个历元数据。 • 不同于快速静态，除了观测时间不一样外，它要求移动站在搬站 过程中不能失锁，并且需要先在已知点或用其它方式进行初始化 （采用有OTF功能的软件处理时例外）。 • 可用于开阔地区的加密控制测量、工程定位及碎部测量、剖面测 量及线路测量等。需要注意的是这种方法要求在观测时段内确保 有5颗以上卫星可供观测；流动点与基准点相距应不超过20km。
▪ 相对于常规测量技术，GPS技术具有测量精度高、测站间无需通视、观测时间短 、仪器操作简便、全天候作业、提供三维坐标等优点。通过GPS采集得到空间目 标的三维坐标可以以文本的形式存贮，也可根据数据库和土地信息系统软件的 要求，使用一些很简单的程序，方便快捷的将其转换成有拓扑关系的图形。
一、空间数据的获取途径（续）
DGPS（ Difference Global Positioning System ）通常叫做实时 差分测量，精度为亚米级到米级，这种方式是基准站将基准站上测 量得到的RTCM数据通过数据链传输到移动站，移动站接收到RTCM 数据后，自动进行解算，得到经差分改正以后的坐标。
RTK（ Real - time kinematic ）则是以载波相位观测量为根据的实 时差分GPS测量，它是GPS测量技术发展中的一个新突破。它的工 作思路与DGPS相似，只不过是基准站将观测数据发送到移动站（ 而不是发射RTCM数据），移动站接收机再采用更先进的在机处理 方法进行处理，从而得到精度比DGPS高得多的实时测量结果。这 种方法的精度一般为2厘米左右。